CN110660225A - 闯红灯行为检测方法、装置和设备 - Google Patents
闯红灯行为检测方法、装置和设备 Download PDFInfo
- Publication number
- CN110660225A CN110660225A CN201911031197.4A CN201911031197A CN110660225A CN 110660225 A CN110660225 A CN 110660225A CN 201911031197 A CN201911031197 A CN 201911031197A CN 110660225 A CN110660225 A CN 110660225A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- tracked
- image
- determining
- analyzed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供一种闯红灯行为检测方法、装置和设备,包括:获取视频图像,视频图像包括M帧图像,确定视频图像中至少一个待跟踪车辆;对视频图像进行图像分析,得到每一待跟踪车辆在所在的每一帧图像下的跟踪信息,跟踪信息包括待跟踪车辆的位置信息、待跟踪车辆与停止线之间的位置关系、信号灯信息;在每一待跟踪车辆满足跟踪结束条件时,根据每一待跟踪车辆的在所在的各帧图像下的位置信息,确定每一待跟踪车辆的行驶方向;根据每一待跟踪车辆的行驶方向、以及每一待跟踪车辆的在所在的各帧图像下的跟踪信息,确定每一待跟踪车辆是否具有闯红灯行为。本案无需破坏路面即可检测车辆是否具有闯红灯行为,且成本较低,整个检测过程简便。
Description
技术领域
本申请涉及交通技术领域,尤其涉及一种闯红灯行为检测方法、装置和设备。
背景技术
为保证用户安全和疏散车辆,路口处通常设置有信号灯,在信号灯为红色时,车辆需暂停行驶。然而却时常有车辆闯红灯,进而给行人和其他车辆带来危险。因而,需要对车辆进行闯红灯检测,以对对检测到的车辆进行一定的惩罚措施,来避免车辆再次闯红灯。
现有技术中,在对车辆进行检测,以确定车辆是否具有闯红灯的行为的时候,可以在路面下面部署地感线圈,在信号灯为红色时,若地感线圈检测到有车辆越过停止线,则确定车辆具有闯红灯的行为。
然而现有技术中,基于地感线圈检测的方式,需要在路面下面埋设地感线圈,而当前很多道路已经铺设完整,若采用上述检测方式,就需要破坏路面,以在路面下面埋设地感线圈;上述过程造成成本较高,并且使得整个检测过程较为繁琐。
发明内容
本申请提供一种闯红灯行为检测方法、装置和设备,无需破坏路面即可检测车辆是否具有闯红灯行为,且成本较低,整个检测过程简便。
第一方面,本申请提供一种闯红灯行为检测方法,包括:
获取图像采集设备采集的视频图像,其中,所述视频图像包括M帧图像,并确定所述视频图像中的至少一个待跟踪车辆,其中,M为大于等于3的正整数;
对所述视频图像进行图像分析,得到每一所述待跟踪车辆在所在的每一帧图像下的跟踪信息,其中,所述跟踪信息包括待跟踪车辆的位置信息、待跟踪车辆与道路的停止线之间的位置关系、道路上信号灯的信号灯信息;
在每一所述待跟踪车辆满足预设的跟踪结束条件时,根据每一所述待跟踪车辆的在所在的各帧图像下的位置信息,确定每一所述待跟踪车辆的行驶方向;
根据每一所述待跟踪车辆的行驶方向、以及每一所述待跟踪车辆的在所在的各帧图像下的跟踪信息,确定每一所述待跟踪车辆是否具有闯红灯行为。
进一步地,确定所述视频图像中的至少一个待跟踪车辆,包括:
获取所述M帧图像中的第一帧图像中各待分析车辆的位置信息;
重复以下步骤,直至n=M,其中,确定n的初始值为2,n为正整数:获取第n帧图像中的每一待分析车辆的位置信息;针对所述第n帧图像中的每一待分析车辆的位置信息,若确定所述第n帧图像中的该待分析车辆的位置信息与第n-1帧图像中的每一待分析车辆的位置信息之间的重合区域,均小于预设区域,则确定所述第n帧图像中的该待分析车辆为待跟踪车辆;若确定所述第n帧图像中的该待分析车辆的位置信息与第n-1帧图像中的任一待分析车辆的位置信息之间的重合区域,大于等于预设区域,则确定所述第n帧图像中的该待分析车辆,为第n-1帧图像中的所述任一待分析车辆;确定n累加1。
进一步地,对所述视频图像进行图像分析,得到每一所述待跟踪车辆在所在的每一帧图像下的跟踪信息,包括:
对所述M帧图像进行图像分析,得到所述停止线的位置信息;
根据每一待跟踪车辆在所在的每一帧图像中的位置信息、所述停止线的位置信息,确定每一待跟踪车辆在所在的每一帧图像下,每一待跟踪车辆与所述停止线之间的位置关系;
获取所述M帧图像中的每一帧图像中的信号灯信息。
进一步地,对所述M帧图像进行图像分析,得到所述停止线的位置信息,包括:
在所述M帧图像中,确定图像中的目标像素点被识别为所述停止线的图像帧数并确定所述图像帧数与所述M帧图像对应的总帧数的比值;
若所述比值大于预设比例阈值,则根据所述目标像素点确定所述停止线的位置信息。
进一步地,在根据每一所述待跟踪车辆的在所在的各帧图像下的位置信息,确定每一所述待跟踪车辆的行驶方向之前,还包括:
确定所述M帧图像中的第一帧图像中各待分析车辆对应的属性值为1;
针对所述第n帧图像:
在确定所述第n帧图像中的该待分析车辆为待跟踪车辆时,确定所述第n帧图像中的该待分析车辆对应的属性值为n;在确定所述第n帧图像中的该待分析车辆,为第n-1帧图像中的所述任一待分析车辆时,将所述第n帧图像中的该待分析车辆所对应的属性值更新为n;
针对未满足跟踪结束条件的各待分析车辆,确定n与当前待分析车辆所对应的属性值之间的差值,在差值大于等于预设帧阈值时,确定当前待分析车辆满足预设的跟踪结束条件。
进一步地,在根据每一所述待跟踪车辆的在所在的各帧图像下的位置信息,确定每一所述待跟踪车辆的行驶方向之前,还包括:
根据每一所述待跟踪车辆的在所在的各帧图像下的位置信息,确定每一所述待跟踪车辆最后一次出现时的图像;
若在每一所述待跟踪车辆最后一次出现时的图像之后的P个图像中均未检测到该待跟踪车辆,则确定该待跟踪车辆满足所述跟踪结束条件,其中,P为大于1的正整数。
进一步地,根据每一所述待跟踪车辆的在所在的各帧图像下的位置信息,确定每一所述待跟踪车辆的行驶方向,包括:
根据每一所述待跟踪车辆在相邻的三帧图像中的位置信息,确定相邻的三帧图像中的位置信息所构成的夹角;
确定各所述夹角的夹角平均值;
根据预设的夹角平均值与行驶方向的对应关系,确定与每一所述待跟踪车辆的夹角平均值所对应的行驶方向。
进一步地,根据每一所述待跟踪车辆的行驶方向、以及每一所述待跟踪车辆的在所在的各帧图像下的跟踪信息,确定每一所述待跟踪车辆是否具有闯红灯行为,包括:
根据每一所述待跟踪车辆的行驶方向、以及每一所述待跟踪车辆的在所在的各帧图像下的跟踪信息,确定每一待跟踪车辆越过所述停止线之前信号灯的颜色、每一所述待跟踪车辆越过所述停止线之后信号灯的颜色、每一所述待跟踪车辆越过所述停止线之后的行驶动作;
判断每一待跟踪车辆是否符合预设分析条件,其中,所述分析条件为待跟踪车辆越过所述停止线之前信号灯的颜色为红色、待跟踪车辆越过所述停止线之后信号灯的颜色为红色、且所述行驶动作为继续行驶;
若符合,则确定每一所述待跟踪车辆具有闯红灯行为;
若不符合,确定每一所述待跟踪车辆不具有闯红灯行为。
进一步地,在所述判断每一待跟踪车辆是否符合预设分析条件之前,还包括:
根据所述M帧图像中的位于预设基准图像之前的R帧图像中的信号灯信息,以及所述M帧图像中的位于预设基准图像之后的T帧图像中的信号灯信息,确定每一所述待跟踪车辆越过所述停止线之前信号灯的颜色,其中,所述预设基准图像为每一所述待跟踪车辆越过所述停止线之前的一帧图像,R、T为正整数。
第二方面,本申请提供了一种闯红灯行为检测装置,包括:
获取单元,用于获取图像采集设备采集的视频图像,其中,所述视频图像包括M帧图像;
第一确定单元,用于确定所述视频图像中的至少一个待跟踪车辆,其中,M为大于等于3的正整数;
第二确定单元,用于对所述视频图像进行图像分析,得到每一所述待跟踪车辆在所在的每一帧图像下的跟踪信息,其中,所述跟踪信息包括待跟踪车辆的位置信息、待跟踪车辆与道路的停止线之间的位置关系、道路上信号灯的信号灯信息;
第三确定单元,用于在每一所述待跟踪车辆满足预设的跟踪结束条件时,根据每一所述待跟踪车辆的在所在的各帧图像下的位置信息,确定每一所述待跟踪车辆的行驶方向;
第四确定单元,用于根据每一所述待跟踪车辆的行驶方向、以及每一所述待跟踪车辆的在所在的各帧图像下的跟踪信息,确定每一所述待跟踪车辆是否具有闯红灯行为。
进一步地,所述第一确定单元,具体用于获取所述M帧图像中的第一帧图像中各待分析车辆的位置信息;重复以下步骤,直至n=M,其中,确定n的初始值为2,n为正整数:获取第n帧图像中的每一待分析车辆的位置信息;针对所述第n帧图像中的每一待分析车辆的位置信息,若确定所述第n帧图像中的该待分析车辆的位置信息与第n-1帧图像中的每一待分析车辆的位置信息之间的重合区域,均小于预设区域,则确定所述第n帧图像中的该待分析车辆为待跟踪车辆;若确定所述第n帧图像中的该待分析车辆的位置信息与第n-1帧图像中的任一待分析车辆的位置信息之间的重合区域,大于等于预设区域,则确定所述第n帧图像中的该待分析车辆,为第n-1帧图像中的所述任一待分析车辆;确定n累加1。
进一步地,所述第二确定单元,具体用于对所述M帧图像进行图像分析,得到所述停止线的位置信息;根据每一待跟踪车辆在所在的每一帧图像中的位置信息、所述停止线的位置信息,确定每一待跟踪车辆在所在的每一帧图像下,每一待跟踪车辆与所述停止线之间的位置关系;获取所述M帧图像中的每一帧图像中的信号灯信息。
进一步地,所述第二确定单元,具体用于在所述M帧图像中,确定图像中的目标像素点被识别为所述停止线的图像帧数并确定所述图像帧数与所述M帧图像对应的总帧数的比值;若所述比值大于预设比例阈值,则根据所述目标像素点确定所述停止线的位置信息。
进一步地,所述装置还包括:
第五确定单元,用于确定所述M帧图像中的第一帧图像中各待分析车辆对应的属性值为1;针对所述第n帧图像:在确定所述第n帧图像中的该待分析车辆为待跟踪车辆时,确定所述第n帧图像中的该待分析车辆对应的属性值为n;在确定所述第n帧图像中的该待分析车辆,为第n-1帧图像中的所述任一待分析车辆时,将所述第n帧图像中的该待分析车辆所对应的属性值更新为n;针对未满足跟踪结束条件的各待分析车辆,确定n与当前待分析车辆所对应的属性值之间的差值,在差值大于等于预设帧阈值时,确定当前待分析车辆满足预设的跟踪结束条件。
进一步地,所述第三确定单元,具体用于根据每一所述待跟踪车辆在相邻的三帧图像中的位置信息,确定相邻的三帧图像中的位置信息所构成的夹角;确定各所述夹角的夹角平均值;根据预设的夹角平均值与行驶方向的对应关系,确定与每一所述待跟踪车辆的夹角平均值所对应的行驶方向。
进一步地,所述第四确定单元,具体用于根据每一所述待跟踪车辆的行驶方向、以及每一所述待跟踪车辆的在所在的各帧图像下的跟踪信息,确定每一待跟踪车辆越过所述停止线之前信号灯的颜色、每一所述待跟踪车辆越过所述停止线之后信号灯的颜色、每一所述待跟踪车辆越过所述停止线之后的行驶动作;判断每一待跟踪车辆是否符合预设分析条件,其中,所述分析条件为待跟踪车辆越过所述停止线之前信号灯的颜色为红色、待跟踪车辆越过所述停止线之后信号灯的颜色为红色、且所述行驶动作为继续行驶;若符合,则确定每一所述待跟踪车辆具有闯红灯行为;若不符合,确定每一所述待跟踪车辆不具有闯红灯行为。
进一步地,所述第四确定单元,还用于在判断每一待跟踪车辆是否符合预设分析条件之前,根据所述M帧图像中的位于预设基准图像之前的R帧图像中的信号灯信息,以及所述M帧图像中的位于预设基准图像之后的T帧图像中的信号灯信息,确定每一所述待跟踪车辆越过所述停止线之前信号灯的颜色,其中,所述预设基准图像为每一所述待跟踪车辆越过所述停止线之前的一帧图像,R、T为正整数。
第三方面,本申请提供一种闯红灯行为检测设备,包括:存储器和处理器;
所述存储器,用于存储计算机程序;
其中,所述处理器执行所述存储器中的计算机程序,以实现如第一方面任一实现方式的方法。
第四方面,本申请提供一种闯红灯行为检测系统,包括:图像采集设备和如第三方面的车辆检测设备。
第五方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行以实现如第一方面任一实现方式的方法。
本申请提供了一种闯红灯行为检测方法、装置和设备,通过获取图像采集设备采集的视频图像,并确定该视频图像中的至少一个待跟踪车辆,其中,该视频图像中包括M帧图像,M为大于等于3的正整数;对该视频图像进行图像分析,可得到每一待跟踪车辆在所在的每一帧图像下的跟踪信息,其中,跟踪信息包括待跟踪车辆的位置信息、待跟踪车辆与道路的停止线之间的位置关系、道路上信号灯的信号灯信息;在每一待跟踪车辆满足预设的跟踪结束条件时,可根据每一待跟踪车辆的在所在的各帧图像下的位置信息,确定每一待跟踪车辆的行驶方向,从而根据每一待跟踪车辆的行驶方向、以及每一待跟踪车辆的在所在的各帧图像下的跟踪信息,确定每一个待跟踪车辆是否具有闯红灯行为。本案基于图像采集设备采集的视频图像,即可检测车辆是否具有闯红灯行为,无需破坏路面,成本较低,且整个检测过程简便。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1为本申请实施例一提供的闯红灯行为检测方法的流程图;
图2为本申请实施例二提供的闯红灯行为检测方法的流程图;
图3为本申请实施例二提供的车辆行驶方向判断的示意图;
图4为本申请实施例三提供的闯红灯行为检测装置的结构示意图;
图5为本申请实施例四提供的闯红灯行为检测装置的结构示意图;
图6为本申请实施例五提供的闯红灯行为检测设备的结构示意图;
图7为本申请实施例六提供的闯红灯行为检测系统的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
现有技术中,在对车辆进行检测,以确定车辆是否具有闯红灯的行为的时候,可以在路面下面部署地感线圈,在信号灯为红色时,若地感线圈检测到有车辆越过停止线,则确定车辆具有闯红灯的行为。
然而现有技术中,基于地感线圈检测的方式,需要在路面下面埋设地感线圈,而当前很多道路已经铺设完整,若采用上述检测方式,就需要破坏路面,以在路面下面埋设地感线圈;上述过程造成成本较高,并且使得整个检测过程较为繁琐。而且,地感线圈工作稳定性不足,损耗较快,造成后期维护成本较高。另外,基于地感线圈检测的方式,还会涉及到信号灯信号的传输,以通过传输的信号灯信号确定信号灯为红色时,触发地感线圈进行检测,但是,信号灯信号的传输并不稳定,且受环境影响较大,从而会对整个检测过程产生比较大的影响。基于此,本申请提供一种基于视频图像的车辆检测方式,下面将对本申请进行详细说明。
图1为本申请实施例一提供的闯红灯行为检测方法的流程图,如图1所示,该方法包括:
步骤101:获取图像采集设备采集的视频图像,并确定视频图像中的至少一个待跟踪车辆,其中,视频图像包括M帧图像,M为大于等于3的正整数。
其中,图像采集设备可设置在道路上,以对道路上的车辆、信号灯等进行视频图像采集,而图像采集设备在道路上的具体设置位置,可根据实际的道路情况进行设定。示例性的,图像采集设备可为摄像头。
在本实施例中,获取图像采集设备采集的视频图像,可包括:获取预设时间段内图像采集设备采集的视频图像。其中,预设时间段可根据实际需求进行设定。在获取到视频图像后,便可确定该视频图像中的至少一个待跟踪车辆,在一种实现方式中,可通过识别车牌号的方式来确定该视频图像中的待跟踪车辆。
步骤102:对视频图像进行图像分析,得到每一待跟踪车辆在所在的每一帧图像下的跟踪信息,其中,跟踪信息包括待跟踪车辆的位置信息、待跟踪车辆与道路的停止线之间的位置关系、道路上信号灯的信号灯信息。
在本实施例中,视频图像包括M帧图像,M为大于等于3的正整数,那么对视频图像进行图像分析,具体可以是对M帧图像中的每一帧图像进行图像分析,以得到每一待跟踪车辆在所在的每一帧图像下的跟踪信息。其中,跟踪信息中的道路上信号灯的信号灯信息,具体可包括信号灯的位置信息、指示方向(如直行方向、右转弯方向、左转弯方向)和信号灯的颜色。举例来说,道路上设置有直行方向的信号灯A,指示右转弯方向的信号灯B,则道路上信号灯的信号灯信息可包括信号灯A的位置信息、指示方向和颜色,以及信号灯B的的位置信息、指示方向和颜色。
为清楚理解每一待跟踪车辆在所在的每一帧图像下的跟踪信息中的具体内容,现举例说明。假设视频图像包括M=30帧图像,其中,在第1-18帧图像中均识别到待跟踪车辆1(1仅是为标识该待跟踪车辆,也可采用车牌号等方式来标识该待跟踪车辆,此处不作限制),在第19-30帧图像中均未识别到待跟踪车辆1,基于此,将得到待跟踪车辆1分别在第1、2、3…18帧图像下的跟踪信息。例如,待跟踪车辆1在第1帧图像下的跟踪信息包括,在第1帧图像中待跟踪车辆1的位置信息、在第1帧图像中待跟踪车辆1与道路的停止线之间的位置关系、第1帧图像中的道路上信号灯的信号灯信息。针对待跟踪车辆1在所在的其它帧图像下的跟踪信息,以及其它待跟踪车辆在所在的每一帧图像下的跟踪信息,可照此类推,此处不再赘述。
另外,为准确得到每一帧图像中的道路上信号灯的信号灯信息,可采用目标检测算法(Single Shot MultiBox Detector,简称SSD)对图像进行处理。具体的,目标检测算法获取方法如下:预先进行数据标注,如进行信号灯的位置、颜色等数据的标注,然后将标注后的数据加入目标检测算法进行训练,以得到收敛的检测模型,那么针对每一帧图像,可将每一帧图像输入到该收敛的检测模型中,从而可得到每一帧图像中的道路上信号灯的信号灯信息。基于所训练出的收敛的检测模型,能够对图像中的信号灯的位置、颜色、指示方向等进行准确识别,从而准确得到每一帧图像中的道路上的信号灯的信号灯信息,进而基于准确的信号灯信息,能够更为精准的检测待跟踪车辆是否具有闯红灯行为。
步骤103:在每一待跟踪车辆满足预设的跟踪结束条件时,根据每一待跟踪车辆的在所在的各帧图像下的位置信息,确定每一待跟踪车辆的行驶方向。
其中,跟踪结束条件可以是待跟踪车辆已远离道路的停止线等。在本实施例中,针对每一待跟踪车辆,在该待跟踪车辆满足预设的跟踪结束条件时,可根据该待跟踪车辆的在所在的各帧图像下的位置信息,确定该待跟踪车辆的行驶方向,其中,行驶方向可以是直行,或者右转弯,或者左转弯等等。在一种实现方式中,可根据该待跟踪车辆在所在的各帧图像下的位置信息,确定该待跟踪车辆的运动轨迹,从而根据运动轨迹,确定该待跟踪车辆的行驶方向。
步骤104:根据每一待跟踪车辆的行驶方向、以及每一待跟踪车辆的在所在的各帧图像下的跟踪信息,确定每一待跟踪车辆是否具有闯红灯行为。
在本实施例中,针对每一满足跟踪结束条件的待跟踪车辆,在确定该待跟踪车辆的行驶方向后,即可根据该行驶方向和该待跟踪车辆的在所在的各帧图像下的跟踪信息,确定该待跟踪车辆是否具有闯红灯行为。以上述步骤中待跟踪车辆1、道路上信号灯的信号灯信息包括信号灯A的位置信息、指示方向和颜色、以及信号灯B的位置信息、指示方向和颜色为例,假设确定待跟踪车辆1的行驶方向为右转弯,则可根据待跟踪车辆1的行驶方向来确定相应位置信息处的信号灯为检测标准,从而可根据所确定的相应位置信息处的信号灯来对待跟踪车辆1进行检测,假设根据待跟踪车辆1确定应以信号灯B为检测标准进行检测,则具体可以待跟踪车辆1的在所在的各帧图像下的跟踪信息中的,待跟踪车辆1的位置信息、待跟踪车辆1与道路的停止线之间的位置关系、以及道路上信号灯的信号灯信息中的信号灯B的颜色,确定该待跟踪车辆1是否具有闯红灯行为。
本申请实施例提供了一种闯红灯行为检测方法,通过获取图像采集设备采集的视频图像,并确定该视频图像中的至少一个待跟踪车辆,其中,该视频图像中包括M帧图像,M为大于等于3的正整数;对该视频图像进行图像分析,可得到每一待跟踪车辆在所在的每一帧图像下的跟踪信息,其中,跟踪信息包括待跟踪车辆的位置信息、待跟踪车辆与道路的停止线之间的位置关系、道路上信号灯的信号灯信息;在每一待跟踪车辆满足预设的跟踪结束条件时,可根据每一待跟踪车辆的在所在的各帧图像下的位置信息,确定每一待跟踪车辆的行驶方向,从而根据每一待跟踪车辆的行驶方向、以及每一待跟踪车辆的在所在的各帧图像下的跟踪信息,确定每一个待跟踪车辆是否具有闯红灯行为。本案基于图像采集设备采集的视频图像,即可检测车辆是否具有闯红灯行为,无需破坏路面,成本较低,且整个检测过程简便。
图2为本申请实施例二提供的闯红灯行为检测方法的流程图,如图2所示,该方法可以包括:
步骤201:获取图像采集设备采集的视频图像,其中,视频图像包括M帧图像,M为大于等于3的正整数。
在本实施例中,步骤202具体可参照上述步骤101中的相关解释,此处不再赘述。
步骤202:确定视频图像中的至少一个待跟踪车辆。
在本实施例中,当道路上的待跟踪车辆较多时,待跟踪车辆的车牌号有可能会被其他待跟踪车辆遮挡,因而通过识别车牌号的方式来确定视频图像中的待跟踪车辆,可能无法准确确定出所有待跟踪车辆,基于此,提出另一种确定各待跟踪车辆的实现方式,具体的,步骤202可包括:
获取M帧图像中的第一帧图像中各待分析车辆的位置信息;
重复以下步骤,直至n=M,其中,确定n的初始值为2,n为正整数:获取第n帧图像中的每一待分析车辆的位置信息;针对第n帧图像中的每一待分析车辆的位置信息,若确定第n帧图像中的该待分析车辆的位置信息与第n-1帧图像中的每一待分析车辆的位置信息之间的重合区域,均小于预设区域,则确定第n帧图像中的该待分析车辆为待跟踪车辆;若确定第n帧图像中的该待分析车辆的位置信息与第n-1帧图像中的任一待分析车辆的位置信息之间的重合区域,大于等于预设区域,则确定第n帧图像中的该待分析车辆,为第n-1帧图像中的任一待分析车辆;确定n累加1。
为清楚理解上述确定各待跟踪车辆的具体过程,现举例说明。例如,M=50,那么首先,对于这50帧图像中的第一帧图像,假设通过对第一帧图像进行车辆识别,确定第一帧图像中包括三个待分析车辆,为这三个待分析车辆分配标识,如待分析车辆2、待分析车辆3、待分析车辆4,并获取待分析车辆2、待分析车辆3、待分析车辆4分别在第一帧图像中的位置信息,此时,是将第一帧图像中的所有待分析车辆全部作为待跟踪车辆,即将待分析车辆2、待分析车辆3、待分析车辆4全部作为待跟踪车辆。然后,n取2,即针对这50帧图像中的第2帧图像,假设通过对第2帧图像进行车辆识别,确定第2帧图像中包括四个待分析车辆,并获取在第2帧图像中,这四个待分析车辆的位置信息,接下来针对第2帧图像中的这四个待分析车辆中的每一个待分析车辆,将第2帧图像中的该待分析车辆的位置信息与第一帧图像中的三个待分析车辆的位置信息进行比对,若第2帧图像中的该待分析车辆的位置信息与第一帧图像中的每一待分析车辆的位置信息之间的重合区域,均小于预设区域,则确定第2帧图像中的该待分析车辆为新加入进来的车辆,并将第2帧图像中的该待分析车辆作为待跟踪车辆;若第2帧图像中的该待分析车辆的位置信息与第一帧图像中的待分析车辆3的位置信息的重合区域,大于等于预设区域,则确定第2帧图像中的该待分析车辆与第一帧图像中的待分析车辆3为同一辆车,即第2帧图像中的该待分析车辆已经被确定是待跟踪车辆。再然后,基于上述类似处理过程,n依次取3、4…50。
上述基于待分析车辆的位置信息,能够准确的确定出视频图像中的各跟踪车辆,从而可避免由于车牌号被档而无法识别待跟踪车辆的弊端,提高了检测结果的准确性。
另外,为准确获取各待分析车辆的位置信息,可基于实际目标检测算法(You OnlyLook Once,简称yolo)对图像进行处理,以获取准确的各待分析车辆的位置信息,从而基于准确的各待分析车辆的位置信息能够更为准确的确定出视频图像中的各跟踪车辆,进而提高最后检测结果的准确性。
步骤203:对视频图像进行图像分析,得到每一待跟踪车辆在所在的每一帧图像下的跟踪信息,其中,跟踪信息包括待跟踪车辆的位置信息、待跟踪车辆与道路的停止线之间的位置关系、道路上信号灯的信号灯信息。
在本实施例中,步骤203可具体包括:对M帧图像进行图像分析,得到停止线的位置信息;根据每一待跟踪车辆在所在的每一帧图像中的位置信息、停止线的位置信息,确定每一待跟踪车辆在所在的每一帧图像下,每一待跟踪车辆与停止线之间的位置关系;获取M帧图像中的每一帧图像中的信号灯信息。
在本实施例中,在获取停止线的位置信息时,一种实现方式为,利用M帧图像中的其中一帧图像来确定停止线的位置信息,该实施方式的处理效率较快;另一种实现方式为,对M帧图像进行图像分析,得到停止线的位置信息,具体可包括:在M帧图像中,确定图像中的目标像素点被识别为停止线的图像帧数,并确定图像帧数与M帧图像对应的总帧数的比值;若比值大于预设比例阈值,则根据目标像素点确定停止线的位置信息,该实施方式的准确性较高。即,视频图像中目标像素点被分类为停止线的次数(即图像中的目标像素点被识别为停止线的图像帧数)和该视频图像的总帧数的比值,在达到预设比例阈值时,将目标像素点对应的位置确定为停止线,并确定停止线的位置信息,也即,该实现方式通过采用多帧融合的方法来确定停止线的位置信息,可以解决停止线被车辆遮挡而无法识别的情况,减小误检率。
那么,在确定停止线的位置信息后,便可根据每一待跟踪车辆在所在的每一帧图像中的位置信息,确定每一待跟踪车辆在所在的每一帧图像下,与停止线之间的位置关系。而获取M帧图像中的每一帧图像中的信号灯信息,具体可参照实施例一中的步骤102中的相关解释,此处不再赘述。
步骤204:根据每一待跟踪车辆的在所在的各帧图像下的位置信息,确定每一待跟踪车辆最后一次出现时的图像。
在本实施例中,针对每一待跟踪车辆,可根据该待跟踪车辆在所在的各帧图像下的位置信息,确定该待跟踪车辆最后一次出现时的图像。举例来说,对于50(若M=50)帧图像,若根据该待跟踪车辆的位置信息,确定该待跟踪车辆在第2-18帧图像下对应有位置信息,则确定该待跟踪车辆最后一次时的图像即为第18帧图像。
步骤205:若在每一待跟踪车辆最后一次出现时的图像之后的P个图像中均未检测到该待跟踪车辆,则确定该待跟踪车辆满足预设的跟踪结束条件,其中,P为大于1的正整数。
其中,P的取值可根据实际需求进行设定。在本实施例中,P的取值可为5。即在每一待跟踪车辆最后一次出现时的图像之后的5个图像中均未检测到该待跟踪车辆,则确定该待跟踪车辆满足预设的跟踪结束条件,如该待跟踪车辆已远离停止线。
另外,除了通过步骤204和步骤205来确定待跟踪车辆是否满足预设的跟踪结束条件之外,还可通过如下方式确定待跟踪车辆是否满足预设的跟踪结束条件,具体的,在根据每一所述待跟踪车辆的在所在的各帧图像下的位置信息,确定每一所述待跟踪车辆的行驶方向之前,还包括:确定M帧图像中的第一帧图像中各待分析车辆对应的属性值为1;针对第n帧图像:在确定第n帧图像中的该待分析车辆为待跟踪车辆时,确定第n帧图像中的该待分析车辆对应的属性值为n;在确定第n帧图像中的该待分析车辆,为第n-1帧图像中的所述任一待分析车辆时,将第n帧图像中的该待分析车辆所对应的属性值更新为n;针对各待分析车辆,确定n与当前待分析车辆所对应的属性值之间的差值,在差值大于等于预设帧阈值时,确定当前待分析车辆满足预设的跟踪结束条件。
举例来说,以M=50为例,假设针对50帧图像中的第一帧图像,确定一个待分析车辆4,将待分析车辆4确定为待跟踪车辆,此时确定待分析车辆4所对应的属性值T为1;然后,针对50帧图像中的第2帧图像,若确定已有待分析车辆4以及新的待分析车辆5,则将待分析车辆5确定为另一个待跟踪车辆,此时将待分析车辆4所对应的属性值由1更新为2(即按照所出现的图像帧数对属性值进行更新),并确定待分析车辆5所对应的属性值为2,针对待分析车辆4,确定当前的图像帧数2与待分析车辆4所对应的属性值2之间的差值为2-2=0,针对待跟踪车辆5,确定当前的图像帧数2与待分析车辆5所对应的属性值之间的差值为2-2=0,将差值与预设帧阈值U进行比较,若大于U,则确定相应的待分析车辆满足跟踪结束条件,即确定待分析车辆所对应的待跟踪车辆满足跟踪结束条件,若小于等于U,则确定相应的待分析车辆不满足跟踪结束条件,即确定相应待分析车辆所对应的待跟踪车辆不满足跟踪结束条件,其中,U为正整数,且U的取值可根据实际需求进行设定,优选的,U取5,由于待分析车辆4所对应的差值0小于5,因此,待分析车辆4不满足跟踪结束条件,由于待分析车辆5所对应的差值0小于5,因此,待分析车辆5也不满足跟踪结束条件。再然后,依次针对第3帧、第4帧…第50帧图像进行上述处理过程,假设在执行到第14帧图像时,第14帧图像中还只是存在待分析车辆4和待分析车辆5,此时对属性值进行更新后,待分析车辆4对应的属性值为14,待分析车辆5对应的属性值为14;假设在执行到第15帧图像时,第15帧图像中只存在待分析车辆5,则将待分析车辆5所对应的属性值更新为15,此时,针对待分析车辆4,确定当前的图像帧数15与待分析车辆4所对应的属性值14之间的差值为15-14=1,针对待分析车辆5,确定当前的图像帧数15与待分析车辆15之间的差值为15-15=0,可见,待分析车辆4与待分析车辆5仍不满足跟踪结束条件;假设在执行到第16-19帧图像时,第16-第19帧图像中不存在任何待分析车辆,此时通过上述计算差值的方式可知,待分析车辆4与待分析车辆5也不满足跟踪结束条件,那么在执行到第20帧图像时,第20帧图像中不存在任何待分析车辆,此时确定图像帧数20与待分析车辆4所对应的属性值14之间的差值为20-14=6,由于6大于5,则确定待分析车辆4满足跟踪结束条件,由于待分析车辆4被确定为待跟踪车辆,也即确定该待跟踪车辆满足跟踪结束条件,并结束对待分析车辆4的跟踪,然后可针对该待跟踪车辆执行步骤206;确定当前的图像帧数20与待分析车辆5所对应的属性值15之间的差值为20-15=5,由于5等于U,则确定待分析车辆5并不满足跟踪结束条件;在执行到第21帧图像时,假设第21帧图像中只存在新的待分析车辆6,则将待分析车辆6作为又一个待跟踪车辆,并确定待分析车辆6所对应的属性值为21,此时截止到目前,共存在三个待分析车辆,分别是待分析车辆4、5、6,但由于待分析车辆4已经满足跟踪结束条件,因此,当下只需针对待分析车辆5和待分析车辆6分别计算差值,具体的,针对待分析车辆5,确定当前的图像帧数21与待分析车辆5所对应的属性值15之间的差值为21-15=6,由于6大于5,则确定待分析车辆5满足跟踪结束条件,并结束对待分析车辆5的跟踪,并针对该待跟踪车辆执行步骤206;而针对待分析车辆6,确定当前的图像帧数21与待分析车辆6所对应的属性值21之间的差值为21-21=0,由于0小于5,可知待分析车辆6不满足跟踪结束条件。再然后,基于上述类似处理过程,依次针对第22-50帧图像进行处理,此处不再过多赘述。
步骤206:根据每一待跟踪车辆的在所在的各帧图像下的位置信息,确定每一待跟踪车辆的行驶方向。
在本实施例中,步骤206可具体包括:根据每一待跟踪车辆在相邻的三帧图像中的位置信息,确定相邻的三帧图像中的位置信息所构成的夹角;确定各夹角的夹角平均值;根据预设的夹角平均值与行驶方向的对应关系,确定与每一待跟踪车辆的夹角平均值所对应的行驶方向。
图3为本申请实施例二提供的车辆行驶方向的示意图,如图3所示,待跟踪车辆对应A、B、C、D、E、F共六个位置信息,其中,A、B、C为待跟踪车辆在相邻的三帧图像中的位置信息,B、C、D为待跟踪车辆在另一相邻的三帧图像中的位置信息…D、E、F为待跟踪车辆在再一相邻的三帧图像中的位置信息。以相邻的三帧图像中的位置信息A、B、C为例,将A和B所构成的线段延长,则延长线与BC之间的夹角a即为相邻的三帧图像中的位置信息A、B、C所构成的夹角;b为相邻的三帧图像中的位置信息B、C、D所构成的夹角,c为相邻的三帧图像中的位置信息C、D、E所构成的夹角;d为相邻的三帧图像中的位置信息D、E、F所构成的夹角。然后计算a、b、c、d之间的夹角平均值,并根据预设对应关系,确定该待跟踪车辆所对应的行驶方向,图3所示的待跟踪车辆的行驶方向为右转弯方向。
步骤207:根据每一待跟踪车辆的行驶方向、以及每一待跟踪车辆的在所在的各帧图像下的跟踪信息,确定每一待跟踪车辆是否具有闯红灯行为。
在本实施例中,步骤207可具体包括:根据每一待跟踪车辆的行驶方向、以及每一待跟踪车辆的在所在的各帧图像下的跟踪信息,确定每一待跟踪车辆越过停止线之前信号灯的颜色、每一待跟踪车辆越过停止线之后信号灯的颜色、每一待跟踪车辆越过停止线之后的行驶动作;判断每一待跟踪车辆是否符合预设分析条件,其中,分析条件为待跟踪车辆越过停止线之前信号灯的颜色为红色、待跟踪车辆越过停止线之后信号灯的颜色为红色、且行驶动作为继续行驶;若符合,则确定每一待跟踪车辆具有闯红灯行为;若不符合,确定每一待跟踪车辆不具有闯红灯行为。
其中,针对每一满足跟踪结束条件的待跟踪车辆,可根据该待跟踪车辆在所在的各帧图像下的,该待跟踪车辆与道路的停止线之间的位置关系,来确定该待跟踪车辆是否越过停止线;可根据确定的该待跟踪车辆的行驶方向,来选择道路上信号灯的信号灯信息中,相应的指示方向的信号灯的颜色为参考;以及结合该待跟踪车辆在所在的各帧图像中的位置信息,确定该待跟踪车辆在越过停止线之后是否继续行驶。从而能够基于待跟踪车辆的行驶方向和在所在的各帧图像下的跟踪信息,确定该待跟踪车辆是否具有闯红灯行为。
另外,为提高检测结果的准确性,在判断每一待跟踪车辆是否符合预设分析条件之前,还包括:根据M帧图像中的位于预设基准图像之前的R帧图像中的信号灯信息,以及M帧图像中的位于预设基准图像之后的T帧图像中的信号灯信息,确定每一待跟踪车辆越过停止线之前信号灯的颜色,其中,预设基准图像为每一待跟踪车辆越过停止线之前的一帧图像,R、T为正整数。其中,R和T的取值可根据实际情形进行设定。
举例来说,若位于预设基准图像之前的R帧图像中的信号灯的颜色全为红色、位于预设基准图像之后的T帧图像中的信号灯的颜色全为红色、预设基准图像中的信号灯的颜色也为红色,则确定待跟踪车辆越过停止线之前信号灯的颜色为红色;若位于预设基准图像之前的R帧图像中的信号灯的颜色全为绿色、位于预设基准图像之后的T帧图像中的信号灯的颜色全为绿色、预设基准图像中的信号灯的颜色也为绿色,则确定待跟踪车辆越过停止线之前信号灯的颜色为绿色;若位于预设基准图像之前的R帧图像中的信号灯的颜色全为红色、位于预设基准图像之后的T帧图像中的信号灯的颜色全为红色、预设基准图像中的信号灯的颜色为绿色,则确定待跟踪车辆越过停止线之前信号灯的颜色为红色;若位于预设基准图像之前的R帧图像中的信号灯的颜色全为绿色、位于预设基准图像之后的T帧图像中的信号灯的颜色全为绿色、预设基准图像中的信号灯的颜色为红色,则确定待跟踪车辆越过停止线之前信号灯的颜色为绿色。通过结合位于基准图像前后的多帧图像中的信号灯的颜色,可准确确定确定待跟踪车辆越过停止线之前信号灯的颜色,减少误检率。
本实施例基于车辆的位置信息可准确确定视频图像中的各待跟踪车辆,进而提高检测结果的准确性;通过结合多帧图像,以根据目标像素点来确定停止线的位置信息,该实施方式的准确性较高,可以解决停止线被车辆遮挡而无法识别的情况,减小误检率;以及通过结合位于基准图像前后的多帧图像中的信号灯的颜色,可准确确定确定待跟踪车辆越过停止线之前信号灯的颜色,减少误检率,进而进一步提高了检测结果的准确性。
图4为本申请实施例三提供的闯红灯行为检测装置的结构示意图,如图4所示,包括:
获取单元401,用于获取图像采集设备采集的视频图像,其中,所述视频图像包括M帧图像;
第一确定单元402,用于确定所述视频图像中的至少一个待跟踪车辆,其中,M为大于等于3的正整数;
第二确定单元403,用于对所述视频图像进行图像分析,得到每一所述待跟踪车辆在所在的每一帧图像下的跟踪信息,其中,所述跟踪信息包括待跟踪车辆的位置信息、待跟踪车辆与道路的停止线之间的位置关系、道路上信号灯的信号灯信息;
第三确定单元404,用于在每一所述待跟踪车辆满足预设的跟踪结束条件时,根据每一所述待跟踪车辆的在所在的各帧图像下的位置信息,确定每一所述待跟踪车辆的行驶方向;
第四确定单元405,用于根据每一所述待跟踪车辆的行驶方向、以及每一所述待跟踪车辆的在所在的各帧图像下的跟踪信息,确定每一所述待跟踪车辆是否具有闯红灯行为。
在本实施例中,本实施例的闯红灯行为检测装置可执行本申请实施例一提供的闯红灯行为检测方法,其实现原理和所能达到的有益效果相类似,此处不再赘述。
图5为本申请实施例四提供的闯红灯行为检测装置的结构示意图,在实施例三的基础上,如图5所示,
第一确定单元402,具体用于获取M帧图像中的第一帧图像中各待分析车辆的位置信息;重复以下步骤,直至n=M,其中,确定n的初始值为2,n为正整数:获取第n帧图像中的每一待分析车辆的位置信息;针对第n帧图像中的每一待分析车辆的位置信息,若确定第n帧图像中的该待分析车辆的位置信息与第n-1帧图像中的每一待分析车辆的位置信息之间的重合区域,均小于预设区域,则确定第n帧图像中的该待分析车辆为待跟踪车辆;若确定第n帧图像中的该待分析车辆的位置信息与第n-1帧图像中的任一待分析车辆的位置信息之间的重合区域,大于等于预设区域,则确定所述第n帧图像中的该待分析车辆,为第n-1帧图像中的所述任一待分析车辆;确定n累加1。
在一种实现方式中,第二确定单元403,具体用于对M帧图像进行图像分析,得到停止线的位置信息;根据每一待跟踪车辆在所在的每一帧图像中的位置信息、停止线的位置信息,确定每一待跟踪车辆在所在的每一帧图像下,每一待跟踪车辆与停止线之间的位置关系;获取M帧图像中的每一帧图像中的信号灯信息。
在一种实现方式中,第二确定单元403,具体用于在M帧图像中,确定图像中的目标像素点被识别为停止线的图像帧数并确定图像帧数与M帧图像对应的总帧数的比值;若比值大于预设比例阈值,则根据目标像素点确定停止线的位置信息。
在一种实现方式中,装置还包括:
第五确定单元501,用于确定M帧图像中的第一帧图像中各待分析车辆对应的属性值为1;针对第n帧图像:在确定第n帧图像中的该待分析车辆为待跟踪车辆时,确定第n帧图像中的该待分析车辆对应的属性值为n;在确定第n帧图像中的该待分析车辆,为第n-1帧图像中的所述任一待分析车辆时,将第n帧图像中的该待分析车辆所对应的属性值更新为n;针对未满足跟踪结束条件的各待分析车辆,确定n与当前待分析车辆所对应的属性值之间的差值,在差值大于等于预设帧阈值时,确定当前待分析车辆满足预设的跟踪结束条件。
在一种实现方式中,第三确定单元404,具体用于根据每一待跟踪车辆在相邻的三帧图像中的位置信息,确定相邻的三帧图像中的位置信息所构成的夹角;确定各夹角的夹角平均值;根据预设的夹角平均值与行驶方向的对应关系,确定与每一待跟踪车辆的夹角平均值所对应的行驶方向。
在一种实现方式中,第四确定单元405,具体用于根据每一待跟踪车辆的行驶方向、以及每一待跟踪车辆的在所在的各帧图像下的跟踪信息,确定每一待跟踪车辆越过停止线之前信号灯的颜色、每一待跟踪车辆越过停止线之后信号灯的颜色、每一待跟踪车辆越过停止线之后的行驶动作;判断每一待跟踪车辆是否符合预设分析条件,其中,分析条件为待跟踪车辆越过停止线之前信号灯的颜色为红色、待跟踪车辆越过停止线之后信号灯的颜色为红色、且行驶动作为继续行驶;若符合,则确定每一待跟踪车辆具有闯红灯行为;若不符合,确定每一待跟踪车辆不具有闯红灯行为。
在一种实现方式中,第四确定单元405,还用于在判断每一待跟踪车辆是否符合预设分析条件之前,根据M帧图像中的位于预设基准图像之前的R帧图像中的信号灯信息,以及M帧图像中的位于预设基准图像之后的T帧图像中的信号灯信息,确定每一待跟踪车辆越过停止线之前信号灯的颜色,其中,预设基准图像为每一待跟踪车辆越过停止线之前的一帧图像,R、T为正整数。
在本实施例中,本实施例的闯红灯行为检测装置执行本申请实施例二提供的闯红灯行为检测方法,其实现原理和所达到的有益效果相类似,此处不再赘述。
图6为本申请实施例五提供的闯红灯行为检测设备的结构示意图,如图6所示,包括:存储器601和处理器602;
存储器601,用于存储计算机程序;
其中,所述处理器602执行存储器601中的计算机程序,以实现上述任一实施例的方法。
图7为本申请实施例六提供的闯红灯行为检测系统的结构示意图,如图7所示,包括:图像采集设备701和任一实施例中的闯红灯行为检测设备702。
本申请提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行以实现上述任一实施例中的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。
Claims (10)
1.一种闯红灯行为检测方法,其特征在于,包括:
获取图像采集设备采集的视频图像,其中,所述视频图像包括M帧图像,并确定所述视频图像中的至少一个待跟踪车辆,其中,M为大于等于3的正整数;
对所述视频图像进行图像分析,得到每一所述待跟踪车辆在所在的每一帧图像下的跟踪信息,其中,所述跟踪信息包括待跟踪车辆的位置信息、待跟踪车辆与道路的停止线之间的位置关系、道路上信号灯的信号灯信息;
在每一所述待跟踪车辆满足预设的跟踪结束条件时,根据每一所述待跟踪车辆的在所在的各帧图像下的位置信息,确定每一所述待跟踪车辆的行驶方向;
根据每一所述待跟踪车辆的行驶方向、以及每一所述待跟踪车辆的在所在的各帧图像下的跟踪信息,确定每一所述待跟踪车辆是否具有闯红灯行为。
2.根据权利要求1所述的方法,其特征在于,确定所述视频图像中的至少一个待跟踪车辆,包括:
获取所述M帧图像中的第一帧图像中各待分析车辆的位置信息;
重复以下步骤,直至n=M,其中,确定n的初始值为2,n为正整数:获取第n帧图像中的每一待分析车辆的位置信息;针对所述第n帧图像中的每一待分析车辆的位置信息,若确定所述第n帧图像中的该待分析车辆的位置信息与第n-1帧图像中的每一待跟踪车辆的位置信息之间的重合区域,均小于预设区域,则确定所述第n帧图像中的该待分析车辆为待跟踪车辆;若确定所述第n帧图像中的该待分析车辆的位置信息与第n-1帧图像中的任一待分析车辆的位置信息之间的重合区域,大于等于预设区域,则确定所述第n帧图像中的该待分析车辆,为第n-1帧图像中的所述任一待分析车辆;确定n累加1。
3.根据权利要求2所述的方法,其特征在于,对所述视频图像进行图像分析,得到每一所述待跟踪车辆在所在的每一帧图像下的跟踪信息,包括:
对所述M帧图像进行图像分析,得到所述停止线的位置信息;
根据每一待跟踪车辆在所在的每一帧图像中的位置信息、所述停止线的位置信息,确定每一待跟踪车辆在所在的每一帧图像下,每一待跟踪车辆与所述停止线之间的位置关系;
获取所述M帧图像中的每一帧图像中的信号灯信息。
4.根据权利要求1所述的方法,其特征在于,对所述M帧图像进行图像分析,得到所述停止线的位置信息,包括:
在所述M帧图像中,确定图像中的目标像素点被识别为所述停止线的图像帧数,并确定所述图像帧数与所述M帧图像对应的总帧数的比值;
若所述比值大于预设比例阈值,则根据所述目标像素点确定所述停止线的位置信息。
5.根据权利要求2所述的方法,其特征在于,在根据每一所述待跟踪车辆的在所在的各帧图像下的位置信息,确定每一所述待跟踪车辆的行驶方向之前,还包括:
确定所述M帧图像中的第一帧图像中各待分析车辆对应的属性值为1;
针对所述第n帧图像:
在确定所述第n帧图像中的该待分析车辆为待跟踪车辆时,确定所述第n帧图像中的该待分析车辆对应的属性值为n;在确定所述第n帧图像中的该待分析车辆,为第n-1帧图像中的所述任一待分析车辆时,将所述第n帧图像中的该待分析车辆所对应的属性值更新为n;
针对未满足跟踪结束条件的各待分析车辆,确定n与当前待分析车辆所对应的属性值之间的差值,在差值大于等于预设帧阈值时,确定当前待分析车辆满足预设的跟踪结束条件。
6.根据权利要求1-5任一项所述的方法,其特征在于,根据每一所述待跟踪车辆的在所在的各帧图像下的位置信息,确定每一所述待跟踪车辆的行驶方向,包括:
根据每一所述待跟踪车辆在相邻的三帧图像中的位置信息,确定相邻的三帧图像中的位置信息所构成的夹角;
确定各所述夹角的夹角平均值;
根据预设的夹角平均值与行驶方向的对应关系,确定与每一所述待跟踪车辆的夹角平均值所对应的行驶方向。
7.根据权利要求1-5任一项所述的方法,其特征在于,根据每一所述待跟踪车辆的行驶方向、以及每一所述待跟踪车辆的在所在的各帧图像下的跟踪信息,确定每一所述待跟踪车辆是否具有闯红灯行为,包括:
根据每一所述待跟踪车辆的行驶方向、以及每一所述待跟踪车辆的在所在的各帧图像下的跟踪信息,确定每一待跟踪车辆越过所述停止线之前信号灯的颜色、每一所述待跟踪车辆越过所述停止线之后信号灯的颜色、每一所述待跟踪车辆越过所述停止线之后的行驶动作;
判断每一待跟踪车辆是否符合预设分析条件,其中,所述分析条件为待跟踪车辆越过所述停止线之前信号灯的颜色为红色、待跟踪车辆越过所述停止线之后信号灯的颜色为红色、且所述行驶动作为继续行驶;
若符合,则确定每一所述待跟踪车辆具有闯红灯行为;
若不符合,确定每一所述待跟踪车辆不具有闯红灯行为。
8.根据权利要求7所述的方法,其特征在于,在所述判断每一待跟踪车辆是否符合预设分析条件之前,还包括:
根据所述M帧图像中的位于预设基准图像之前的R帧图像中的信号灯信息,以及所述M帧图像中的位于预设基准图像之后的T帧图像中的信号灯信息,确定每一所述待跟踪车辆越过所述停止线之前信号灯的颜色,其中,所述预设基准图像为每一所述待跟踪车辆越过所述停止线之前的一帧图像,R、T为正整数。
9.一种闯红灯行为检测装置,其特征在于,包括:
获取单元,用于获取图像采集设备采集的视频图像,其中,所述视频图像包括M帧图像;
第一确定单元,用于确定所述视频图像中的至少一个待跟踪车辆,其中,M为大于等于3的正整数;
第二确定单元,用于对所述视频图像进行图像分析,得到每一所述待跟踪车辆在所在的每一帧图像下的跟踪信息,其中,所述跟踪信息包括待跟踪车辆的位置信息、待跟踪车辆与道路的停止线之间的位置关系、道路上信号灯的信号灯信息;
第三确定单元,用于在每一所述待跟踪车辆满足预设的跟踪结束条件时,根据每一所述待跟踪车辆的在所在的各帧图像下的位置信息,确定每一所述待跟踪车辆的行驶方向;
第四确定单元,用于根据每一所述待跟踪车辆的行驶方向、以及每一所述待跟踪车辆的在所在的各帧图像下的跟踪信息,确定每一所述待跟踪车辆是否具有闯红灯行为。
10.一种闯红灯行为检测设备,其特征在于,包括:存储器和处理器;
所述存储器,用于存储计算机程序;
其中,所述处理器执行所述存储器中的计算机程序,以实现如权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911031197.4A CN110660225A (zh) | 2019-10-28 | 2019-10-28 | 闯红灯行为检测方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911031197.4A CN110660225A (zh) | 2019-10-28 | 2019-10-28 | 闯红灯行为检测方法、装置和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110660225A true CN110660225A (zh) | 2020-01-07 |
Family
ID=69042142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911031197.4A Pending CN110660225A (zh) | 2019-10-28 | 2019-10-28 | 闯红灯行为检测方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110660225A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950951A (zh) * | 2021-01-29 | 2021-06-11 | 浙江大华技术股份有限公司 | 智能信息显示方法、电子装置和存储介质 |
CN113468911A (zh) * | 2020-03-30 | 2021-10-01 | 上海高德威智能交通系统有限公司 | 一种车载闯红灯检测方法、装置、电子设备及存储介质 |
CN113761967A (zh) * | 2020-06-01 | 2021-12-07 | 中移(苏州)软件技术有限公司 | 一种识别方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201655024U (zh) * | 2010-04-12 | 2010-11-24 | 西安翔迅科技有限责任公司 | 交叉路口交通信息综合检测报警系统 |
CN102201165A (zh) * | 2010-03-25 | 2011-09-28 | 北京汉王智通科技有限公司 | 交通路口车辆违章的监测系统及方法 |
CN103345618A (zh) * | 2013-06-21 | 2013-10-09 | 银江股份有限公司 | 一种基于视频技术的交通违章检测方法 |
CN108053427A (zh) * | 2017-10-31 | 2018-05-18 | 深圳大学 | 一种基于KCF与Kalman的改进型多目标跟踪方法、系统及装置 |
CN108847032A (zh) * | 2018-08-21 | 2018-11-20 | 北京深瞐科技有限公司 | 一种交通违法行为识别方法及装置 |
-
2019
- 2019-10-28 CN CN201911031197.4A patent/CN110660225A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102201165A (zh) * | 2010-03-25 | 2011-09-28 | 北京汉王智通科技有限公司 | 交通路口车辆违章的监测系统及方法 |
CN201655024U (zh) * | 2010-04-12 | 2010-11-24 | 西安翔迅科技有限责任公司 | 交叉路口交通信息综合检测报警系统 |
CN103345618A (zh) * | 2013-06-21 | 2013-10-09 | 银江股份有限公司 | 一种基于视频技术的交通违章检测方法 |
CN108053427A (zh) * | 2017-10-31 | 2018-05-18 | 深圳大学 | 一种基于KCF与Kalman的改进型多目标跟踪方法、系统及装置 |
CN108847032A (zh) * | 2018-08-21 | 2018-11-20 | 北京深瞐科技有限公司 | 一种交通违法行为识别方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113468911A (zh) * | 2020-03-30 | 2021-10-01 | 上海高德威智能交通系统有限公司 | 一种车载闯红灯检测方法、装置、电子设备及存储介质 |
CN113468911B (zh) * | 2020-03-30 | 2022-12-23 | 上海高德威智能交通系统有限公司 | 一种车载闯红灯检测方法、装置、电子设备及存储介质 |
CN113761967A (zh) * | 2020-06-01 | 2021-12-07 | 中移(苏州)软件技术有限公司 | 一种识别方法及装置 |
CN112950951A (zh) * | 2021-01-29 | 2021-06-11 | 浙江大华技术股份有限公司 | 智能信息显示方法、电子装置和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106652465B (zh) | 一种道路异常驾驶行为的识别方法及系统 | |
CN109284674B (zh) | 一种确定车道线的方法及装置 | |
US8902053B2 (en) | Method and system for lane departure warning | |
CN111666853B (zh) | 实时车辆违章检测方法、装置、设备及存储介质 | |
CN106297278B (zh) | 一种用于查询抛洒物车辆的方法和系统 | |
KR100969995B1 (ko) | 영상처리기법을 이용한 신호교차로의 교통상충 판단 시스템및 방법 | |
CN110532916B (zh) | 一种运动轨迹确定方法及装置 | |
US20170032514A1 (en) | Abandoned object detection apparatus and method and system | |
CN110660225A (zh) | 闯红灯行为检测方法、装置和设备 | |
CN106951898B (zh) | 一种车辆候选区域推荐方法及系统、电子设备 | |
CN105321350A (zh) | 套牌车检测方法及装置 | |
CN110909692A (zh) | 异常车牌识别方法、装置及计算机存储介质、电子设备 | |
CN110135377B (zh) | 车路协同中物体运动状态检测方法、装置和服务器 | |
CN114037924A (zh) | 一种基于图像识别技术的车辆过闸判断方法及相关装置 | |
CN112349087B (zh) | 一种基于路口信息全息感知的可视化数据输入方法 | |
CN112149649B (zh) | 一种道路抛洒物检测方法、计算机设备及存储介质 | |
CN112885108B (zh) | 一种基于深度学习算法的停车位上车辆换车检测方法及系统 | |
CN112528924A (zh) | 一种车辆掉头检测方法、装置、设备及存储介质 | |
CN111222441A (zh) | 基于车路协同的点云目标检测和盲区目标检测方法及系统 | |
KR101236223B1 (ko) | 차선 검출 방법 | |
CN111967384A (zh) | 车辆信息处理方法、装置、设备及计算机可读存储介质 | |
CN109948436B (zh) | 一种监控道路上车辆的方法及装置 | |
WO2024098992A1 (zh) | 倒车检测方法及装置 | |
CN112070802B (zh) | 一种目标跟踪方法、装置、设备及计算机可读存储介质 | |
CN105678272A (zh) | 一种复杂环境下基于图像处理的目标检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200107 |
|
RJ01 | Rejection of invention patent application after publication |