CN110782653A - 一种道路信息采集方法和系统 - Google Patents
一种道路信息采集方法和系统 Download PDFInfo
- Publication number
- CN110782653A CN110782653A CN201811319800.4A CN201811319800A CN110782653A CN 110782653 A CN110782653 A CN 110782653A CN 201811319800 A CN201811319800 A CN 201811319800A CN 110782653 A CN110782653 A CN 110782653A
- Authority
- CN
- China
- Prior art keywords
- information
- image data
- road
- terminal
- instruction
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/012—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from other sources than vehicle or roadside beacons, e.g. mobile networks
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096733—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place
- G08G1/096741—Systems involving transmission of highway information, e.g. weather, speed limits where a selection of the information might take place where the source of the transmitted information selects which information to transmit to each vehicle
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例公开了一种道路信息采集方法。所述道路信息采集方法包括:向终端发送信息采集指令;获取所述终端采集的图像数据;其中,所述图像数据是所述终端对原始图像数据进行初筛后所得的数据,所述初筛包括识别所述原始图像数据中与所述信息采集指令相关的数据;从所述图像数据中提取道路信息。本申请通过终端根据信息采集指令对原始图像数据进行初筛,可以提升道路信息采集效率,降低信息采集成本。
Description
技术领域
本申请涉及交通信息采集领域,特别涉及一种道路信息采集方法和系统。
背景技术
在现有技术中,道路信息(如交规、路况、事故等)一般都是通过人工的方式进行采集,成本较高。因此,有必要提供一种方便、高效的道路信息采集方法。
发明内容
本申请实施例之一提供一种道路信息采集方法,包括:向终端发送信息采集指令;获取所述终端采集的图像数据;其中,所述图像数据是所述终端对原始图像数据进行初筛后所得的数据,所述初筛包括识别所述原始图像数据中与所述信息采集指令相关的数据;从所述图像数据中提取道路信息。
在一些实施例中,所述向终端发送信息采集指令包括:向特定位置的终端发送所述信息采集指令。
在一些实施例中,所述初筛包括利用初筛识别模型识别所述原始图像数据中与所述信息采集指令相关的数据。在一些实施例中,所述初筛识别模型是基于神经网络的图像识别模型。
在一些实施例中,所述初筛还包括:删除所述原始图像数据中的冗余数据。
在一些实施例中,所述信息采集指令包括用于指示终端采集交规信息和/或事故信息和/或路况信息和/或人物信息的指令。
在一些实施例中,可以利用信息提取模型从所述图像数据中提取道路信息;其中所述信息提取模型包括交规信息提取模型和/或事故信息提取模型和/或路况信息提取模型和/或人物信息提取模型。
在一些实施例中,所述信息提取模型为基于神经网络的图像识别模型。
本申请实施例之一提供一种道路信息采集方法,包括:获取原始图像数据;接收服务器发送的信息采集指令;对所述原始图像数据进行初筛,获得初筛后的图像数据,其中,所述初筛包括识别所述原始图像数据中与所述信息采集指令相关的数据;将所述图像数据发送给所述服务器。
在一些实施例中,所述初筛包括利用初筛识别模型识别所述原始图像数据中与所述信息采集指令相关的数据。在一些实施例中,所述初筛识别模型是基于神经网络的图像识别模型。
在一些实施例中,所述初筛还包括:删除所述原始图像数据中的冗余数据。
在一些实施例中,所述信息采集指令包括用于指示终端采集交规信息和/或事故信息和/或路况信息和/或人物信息的指令。
本申请实施例之一提供一种道路信息采集系统,包括指令发送模块、数据获取模块和信息提取模块,其中,所述指令发送模块用于向终端发送信息采集指令;所述数据获取模块用于获取所述终端采集的图像数据;其中,所述图像数据是所述终端对原始图像数据进行初筛后所得的数据,所述初筛包括识别所述原始图像数据中与所述信息采集指令相关的数据;所述信息提取模块用于从所述图像数据中提取道路信息。
在一些实施例中,所述指令发送模块用于向特定位置的终端发送所述信息采集指令。
在一些实施例中,所述初筛包括利用初筛识别模型识别所述原始图像数据中与所述信息采集指令相关的数据。在一些实施例中,所述初筛识别模型是基于神经网络的图像识别模型。
在一些实施例中,所述初筛还包括:删除所述原始图像数据中的冗余数据。
在一些实施例中,所述信息采集指令包括用于指示终端采集交规信息和/或事故信息和/或路况信息和/或人物信息的指令。
在一些实施例中,所述信息提取模块利用信息提取模型从所述图像数据中提取道路信息;其中,所述信息提取模型包括交规信息提取模型和/或事故信息提取模型和/或路况信息提取模型和/或人物信息提取模型。
在一些实施例中,所述信息提取模型为基于神经网络的图像识别模型。
本申请实施例之一提供一种道路信息采集终端,包括图像获取模块、指令接收模块、初筛模块和数据发送模块,其中,所述图像获取模块用于获取原始图像数据;所述指令接收模块用于接收服务器发送的信息采集指令;所述初筛模块用于对所述原始图像数据进行初筛,获得初筛后的图像数据,其中,所述初筛包括识别所述原始图像数据中与所述信息采集指令相关的数据;所述数据发送模块用于将所述图像数据发送给所述服务器。
在一些实施例中,所述初筛包括利用初筛识别模型识别所述原始图像数据中与所述信息采集指令相关的数据。在一些实施例中,所述初筛识别模型是基于神经网络的图像识别模型。
在一些实施例中,所述初筛还包括:删除所述原始图像数据中的冗余数据。
在一些实施例中,所述信息采集指令包括用于指示终端采集交规信息和/或事故信息和/或路况信息和/或人物信息的指令。
本申请实施例之一提供一种道路信息采集装置,包括处理器,所述处理器用于执行所述的道路信息采集方法。
本申请实施例之一提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行所述的道路信息采集方法。
附图说明
本申请将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本申请一些实施例所示的道路信息采集系统的应用场景示意图;
图2是根据本申请一些实施例所示的示例性计算设备的示意图;
图3是根据本申请一些实施例所示的示例性移动设备的示例性软件和/或硬件的示意图;
图4是根据本申请一些实施例所示的道路信息采集系统的模块图;
图5是根据本申请一些实施例所示的道路信息采集系统终端的模块图;
图6是根据本申请一些实施例所示的道路信息采集方法的示例性流程图;
图7是根据本申请一些实施例所示的道路信息采集方法的示例性流程图;
图8是根据本申请一些实施例所示的道路信息采集方法的示例图像数据;
图9是根据本申请一些实施例所示的道路信息采集方法的示例图像数据。
具体实施方式
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本申请的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本申请应用于其他类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“设备”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其他的步骤或元素。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是,前面或下面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各种步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
本申请的实施例可以应用于不同的道路信息使用系统。例如,本申请实施例可以应用于地图服务系统、导航系统、运输系统等一种或多种的任意组合。其中,地图服务系统可以包括但不限于地图查询系统、实时地图系统、地图更新系统等一种或多种的组合。导航系统可以包括但不限于应用于小汽车、卡车、货车、公交车、电动车、自行车、步行、火车、无人驾驶等一种或多种的导航服务系统;导航系统还可以包括平面导航系统(如手机导航、行车记录仪导航)、3D导航系统、AR导航系统、VR导航系统、MR导航系统等一种或多种的组合。运输系统可以包括任意形式的道路运输系统。例如,运输系统可以包括出租车、专车、顺风车、巴士、代驾、火车、动车、高铁、无人驾驶车、电动车、外卖运输、快递运输等应用了道路信息的运输系统。又例如,运输系统可以包括网约车服务系统。在一些实施例中,本申请实施例还可以应用于事故监测系统、行人(如罪犯)追踪系统、车辆追踪系统等一种或多种的任意组合。
图1为根据本申请一些实施例所示的道路信息采集系统的应用场景示意图。该道路信息采集系统100可以是地图服务系统、导航系统、运输系统等一种或多种的任意组合。例如,该道路信息采集系统100可以是用于互联网服务的线上服务平台。例如,该道路信息采集系统100可以是运输服务的线上运输服务平台。在一些实施例中,该道路信息采集系统100可以应用于地图数据更新、交规信息挖掘、罪犯追踪等。在一些实施例中,该道路信息采集系统100可以应用于网约车服务,例如出租车呼叫、快车呼叫、专车呼叫、小巴呼叫、拼车、公交服务、司机雇佣和接送服务等。在一些实施例中,该道路信息采集系统100还可以应用于代驾服务、快递、外卖等。该道路信息采集系统100可以是一个线上服务平台,包含服务器110、网络120、终端130以及数据库140。该服务器110可以包含处理设备112。
在一些实施例中,服务器110可以用于处理与道路信息采集相关的信息和/或数据。服务器110可以是独立的服务器或者服务器组。该服务器组可以是集中式的或者分布式的(如:服务器110可以是分布系统)。在一些实施例中,该服务器110可以是区域的或者远程的。例如,服务器110可通过网络120访问存储于终端130和/或数据库140的信息和/或数据。在一些实施例中,服务器110可直接与终端130和/或数据库140连接以访问存储于其中的信息和/或数据。在一些实施例中,服务器110可在云平台上执行。例如,该云平台可包括私有云、公共云、混合云、社区云、分散式云、内部云等中的一种或其任意组合。
在一些实施例中,服务器110可包含处理设备112。该处理设备112可处理与道路信息采集有关的数据和/或信息以实现一个或多个本申请中描述的功能。例如处理设备112可以从多个终端130采集的图像数据中提取道路信息。在一些实施例中,处理设备112可以包含一个或多个子处理设备(如:单芯处理设备或多核多芯处理设备)。仅仅作为范例,处理设备112可以包含中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等一种或以上任意组合。
网络120可促进数据和/或信息的交换。在一些实施例中,道路信息采集系统100中的一个或多个组件(如:服务器110、终端130和数据库140)可通过网络120发送数据和/或信息给道路信息采集系统100中的其他组件。例如,服务器110可通过网络120从终端130获取/获得与道路信息相关的图像数据。在一些实施例中,网络120可以是任意类型的有线或无线网络。例如,网络120可包括一缆线网络、有线网络、光纤网络、电信网络、内部网络、网际网络、区域网络(LAN)、广域网络(WAN)、无线区域网络(WLAN)、都会区域网络(MAN)、公共电话交换网络(PSTN)、蓝牙网络、ZigBee网络、近场通讯(NFC)网络等或以上任意组合。在一些实施例中,网络120可包括一个或多个网络进出点。例如,网络120可包含有线或无线网络进出点,如基站和/或网际网络交换点120-1、120-2、…,通过这些进出点,道路信息采集系统100的一个或多个组件可连接到网络120上以交换数据和/或信息。
在一些实施例中,终端130的用户可以是服务提供者。例如,服务提供者可以通过终端130向道路信息采集系统100发送图像数据。在一些实施例中,服务提供者可以是网约车司机、外卖送餐员、快递员等等。在一些实施例中,终端130的用户也可以是服务使用者,例如,服务使用者可以包括地图服务使用者、导航服务使用者、运输服务使用者等。在一些实施例中,终端130的用户可以是拥有(或使用)图像采集设备(如手机、行车记录仪等)的任意用户。
在一些实施例中,终端130可包括监控装置130-1、移动装置130-2、摄影装置130-3、摄像装置130-4等一种或多种的任意组合。在一些实施例中,监控装置130-1可以包括球形摄像机、半球摄像机、监控摄像机、行车记录仪、针孔摄像头等一种或多种的任意组合。在一些实施例中,移动装置130-2可以包括智能摄像机、智能眼镜、智能头盔、手机、平板等一种或多种的任意组合。在一些实施例中,摄影装置130-3可以包括数码相机、单反相机、微单相机等一种或多种的任意组合。在一些实施例中,摄像装置130-4可以包括录像机、摄像机等一种或多种的任意组合。在一些实施例中,终端可以包括任何带有摄像头的装置。摄像头可以包括任何具有图像捕捉功能的装置。
在一些实施例中,终端130可以是一带有定位技术的装置,以确定终端130的位置。在一些实施例中,终端130可与其他定位装置通讯以确定终端130的位置。在一些实施例中,终端130可将定位信息发送至服务器110。
数据库140可存储数据和/或指令。在一些实施例中,数据库140可存储从终端130获取的数据。在一些实施例中,数据库140可存储供服务器110执行或使用的信息和/或指令,以执行本申请中描述的示例性方法。在一些实施例中,数据库140可包括大容量存储器、可移动存储器、挥发性读写存储器(例如随机存取存储器RAM)、只读存储器(ROM)等一种或以上任意组合。在一些实施例中,数据库140可在云平台上实现。例如,该云平台可包括私有云、公共云、混合云、社区云、社区云、分散式云、内部云等一种或以上任意组合。
在一些实施例中,数据库140可与网络120连接以与道路信息采集系统100的一个或多个部件(如,服务器110、终端130等)通讯。道路信息采集系统100的一个或多个组件可通过网络120访问存储于数据库140中的数据或指令。在一些实施例中,数据库140可直接与道路信息采集系统100中的一个或多个组件(如,服务器110、终端130等)连接或通讯。在一些实施例中,数据库140可以是服务器110的一部分。
图2示出了根据本申请的一些实施例的示例性计算设备的示意图。根据本申请的一些实施例,计算设备可以是计算机,例如图1中的服务器110和/或具有特定功能的计算机,其被配置为实施任何特定系统。计算设备200可以配置为执行本申请中的一个或多个功能的任何组件。例如,服务器110可以在计算设备200等计算机的硬件设备、软件程序、固件或其任何组合中实现。为了简洁起见,图2仅描绘了一个计算设备。在一些实施例中,与道路信息采集有关的计算设备的功能可以由分布式模式中的一些类似平台来实现,以分散系统的处理负载。
计算设备200可以包括通信端口250,其连接于网络和/或来自于网络,以实现数据通信。计算设备200还可以包括被配置为执行指令并且包括一个或多个处理器的处理器220。示意性计算机平台可以包括内部通信总线285、不同类型的程序存储单元和数据存储单元(例如,硬盘270、只读存储器(ROM)230、随机存取存储器(RAM)240)、适用于计算机处理和/或通信的各种数据文件以及可能由处理器220执行的一些程序指令。计算设备200还可以包括输入/输出设备260,其可以支持计算设备200与其他组件之间的数据流的输入和输出。而且,计算设备200可以经由通信网络接收程序和数据。
图3是根据本申请一些实施例所示的示例性移动设备的示例性软件和/或硬件的示意图。终端可以通过该移动设备300实现。如图3所示,所述移动设备300可以包括通信单元310、显示单元320、图形处理器(GPU)330、处理器340、输入/输出单元350、内存360、存储单元390和/或其他等。在一些实施例中,任何其他合适的组件,包括但不限于系统总线或控制器(图中未显示),也可包含在移动设备300内。
在一些实施例中,操作系统370(如,iOSTM、AndroidTM、WindowsPhoneTM等)和一个或多个应用380可以从存储单元390加载到内存360中,以便由处理器340执行。应用380可包括浏览器或任何其他合适的移动app,这些移动app用于接收和呈现与道路信息采集相关的信息或来自道路信息采集系统100的其他信息。包含信息流的用户交互可经由输入/输出单元350达成,并提供给数据库140、服务器110和/或道路信息采集系统100的其他组件。在一些实施例中,移动设备300可以是与终端130对应的示例性实施例。为了实施本申请描述的各种模块、单元及其功能,计算机硬件平台可用作本文申请描述的一个或多个组件的硬件平台。具有用户接口组件的计算机可用于实施个人计算机(PC)或任何其他类型的工作站或终端装置。若适当编程,计算机也可用作服务器。
图4是根据本申请一些实施例所示的道路信息采集系统的模块图。如图4所示,该道路信息采集系统(如处理设备112)可以包括指令发送模块410、数据获取模块420和信息提取模块430。
指令发送模块410(如位于服务器110的处理设备112中)可以用于发送指令。例如,指令发送模块410可以向终端发送信息采集指令。在一些实施例中,信息采集指令可以包括交规信息采集指令、路况信息采集指令、事故信息采集指令、人物信息采集指令等一种或多种的任意组合。在一些实施例中,指令发送模块410可以向特定位置的终端130发送信息采集指令,以指示特定位置的终端130进行信息采集。在一些实施例中,指令发送模块410在向终端130发送信息采集指令的同时,可以向终端130发送告知和/或请求信息,以告知/请求用户同意进行信息采集。在一些实施例中,指令发送模块410还可以向终端130发送选择信息,以供用户选择(或设置)是否采集信息、采集信息的种类、采集信息的方式、采集信息的时间等。关于指令发送模型410的更多细节和应用可以参见图6-7及相关描述。
数据获取模块420可以用于获取终端发送的数据。例如,数据获取模块420可以获取终端采集的图像数据。其中,图像数据可以是终端对原始图像数据进行初筛后所得的数据,初筛可以包括识别原始图像数据中与信息采集指令相关的数据。关于数据获取模块420的更多细节和应用可以参见图6-7及相关描述。
信息提取模块430可以用于从图像数据中提取信息。例如,信息提取模块430可以从图像数据中提取道路信息。在一些实施例中,信息提取模块430可以利用信息提取模型从图像数据中提取道路信息。在一些实施例中,信息提取模块430可以对从图像数据中提取出的道路信息进行显示、标注、比较、归类等处理。关于信息提取模块430的更多细节和应用可以参见图6-7及相关描述。
图5是根据本申请一些实施例所示的道路信息采集系统终端的模块图。如图4所示,该道路信息采集系统终端(如终端130)可以包括图像获取模块510、指令接收模块520、初筛模块530和数据发送模块540。
图像获取模块510可以用于获取图像数据。例如,图像获取模块510可以获取原始图像数据。在一些实施例中,原始图像数据可以为图像获取模块510获取的由终端130拍摄/采集的未经处理的图像。在一些实施例中,图像获取模块510可以获取存储在终端130中的原始图像数据。关于图像获取模块510的更多细节和应用可以参见图6-7及相关描述。
指令接收模块520可以用于接收服务器发送的指令(如信息采集指令)。在一些实施例中,信息采集指令可以为指令发送模块410向终端130发送的信息采集指令。关于指令接收模块520的更多细节和应用可以参见图6-7及相关描述。
初筛模块530可以用于对原始图像数据进行初筛,以获得初筛后的图像数据。在一些实施例中,初筛模块530可以识别原始图像数据中与信息采集指令相关的图像数据和/或删除原始图像数据中的冗余数据。在一些实施例中,初筛模块530可以利用初筛识别模型对原始图像数据进行初筛。关于初筛模块530的更多细节和应用可以参见图6-7及相关描述。
数据发送模块540可以用于发送数据。例如,数据发送模块540可以将经过初筛后的图像数据发送给服务器110。在一些实施例中,数据发送模块540可以实时或定期(如每隔一段时间)地将初筛后的图像数据发送给服务器110,也可以根据指令进行(如根据信息采集指令中的信息采集时间进行发送)。关于数据发送模块540的更多细节和应用可以参见图6-7及相关描述。
应当理解,图4和图5所示的系统及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要注意的是,以上对于道路信息采集系统及其模块的描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。例如,在一些实施例中,指令发送模块410、数据获取模块420和信息提取模块430可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,指令发送模块410和数据获取模块420可以是两个模块,也可以是一个模块同时实现指令发送和数据获取等功能。又例如,图像获取模块510、指令接收模块520、初筛模块530和数据发送模块540可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。再例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本申请的保护范围之内。
图6是根据本申请一些实施例所示的道路信息采集方法的示例性流程图。在一些实施例中,道路信息采集方法600可以由处理设备112实施。如图6所示,道路信息采集方法可以包括:
步骤610,向终端发送信息采集指令。具体的,步骤610可以由指令发送模块410执行。
在一些实施例中,信息采集指令可以用于指示终端130采集与该指令对应的信息。信息采集指令可以包括交规信息采集指令、路况信息采集指令、事故信息采集指令、人物信息采集指令等一种或多种的任意组合。
在一些实施例中,交规信息可以包括红绿灯信息、交通设备信息、道路标志线信息、道路标志牌信息等一种或多种的任意组合。其中,红绿灯信息可以包括红绿灯的地理位置(例如,位于某条道路的某个路口等)、安装位置(如悬挂在道路上方、设立在道路侧方等)、数量、类型(如是否有黄灯、是否有秒数统计)、设置情况(如红灯时间、绿灯时间等)、形状、型号、是否损坏等。交通设备信息可以包括监控摄像、测速仪、图像采集设备、收费设备等相关设备信息。其中,以测速仪为例,测速仪信息可以包括测速仪的地理位置、安装位置、数量、形状、型号等。道路标志线信息可以包括道路上的左转标志(如左转箭头)、直行标志、右转标志、掉头标志、斑马线、隔离线(如虚线、实线等)、停止线、等候区、停车位等。道路标志牌信息可以包括道路上的禁令标志(如禁止通行、限速标志、解除限速标志、限高标志等)、警告标志(如急转弯标志、交叉路口标志等)、指示标志(如左转、直行、右转、掉头标志等)、指路标志(如地名标志、道路名标志、道路编号、交叉路口预告等)、道路施工安全标志(如施工标志牌、改道标志牌、锥形交通标等)、辅助标志(如通行时间范围、车辆类型等)等。
在一些实施例中,路况信息可以包括道路拥堵程度、道路封闭情况、道路施工情况、交通管制情况等信息。在一些实施例中,路况信息可以由某具体的标志信息体现。例如,道路拥堵程度信息可以包括“前方拥堵”、“预计通过时间”、“建议绕道行驶”等动态提示信息(如LED屏幕提示信息)。道路封闭情况信息可以包括带有“道路封闭”、“左道封闭”、“右道封闭”等字样的道路标志牌。道路施工情况信息可以包括道路施工标志牌(例如,“前方施工,车辆绕行”的标志牌)、锥形交通标等。交通管制信息可以包括识别带有“交通管制”、“临时交通管制”、“限制通行”、“禁止通行”等字样的标志牌。在一些实施例中,路况信息也可以由非标志信息体现。例如,道路拥堵程度信息可以包括车辆拥堵情况、车辆数量、车辆间距、车队长度、人流情况等。又例如,道路施工情况信息可以包括道路施工场景、施工车辆、施工人员等。在一些实施例中,路况信息也可以由标志信息和非标志信息综合体现。在一些实施例中,路况信息还可以包括具体路况所对应的时间、地点等。
在一些实施例中,事故信息可以包括道路交通事故、道路周边事故(例如,路边的建筑发生火灾、倒塌、拆除等)等信息。在一些实施例中,事故信息可以包括事故发生地、事故严重程度、事故时间、事故现场情况等。具体的,事故的严重程度可以通过事故地点的人群数量、拥堵情况、车辆数量、车辆间距等体现。
在一些实施例中,人物信息可以包括个人信息和/或人群信息。其中,个人信息可以包括人的性别、面部特征、体型、穿着、肤色、发型、配件、装饰等信息。例如,仅仅作为示例,道路信息采集系统100可以基于个人信息对某个人(如罪犯)进行追踪。在一些实施例中,人群信息可以包括人群数量、人群状态(如平静、躁动、持械等)、人群构成(如男人、女人、老人、小孩等)等。
值得注意的是,信息采集指令所涉及的信息不仅限于交规信息、路况信息、事故信息和人物信息,在一些替代性实施例中,该信息采集指令还可以涉及其他信息。例如,信息采集指令还可以用于指示终端采集动物信息、植物信息(如道路绿化信息)、栅栏信息、天气信息、具体车辆信息等一种或多种的任意组合,本申请对此不作限制。
在一些实施例中,信息采集指令可以包含信息采集的时间。该信息采集时间可以包括终端采集信息的起始时间点、时长和/或终止时间点。例如,系统100希望采集某日17:00-18:00的道路信息,则指令发送模块410向终端130发送的信息采集指令中即可包含信息采集时间(即该日17:00-18:00)。又例如,系统100希望采集某个时间点(例如,今天下午三点)某路段的信息,则信息采集指令中可以包含信息采集时间(即今天下午三点)。在一些实施例中,信息采集时间可以为当前时间点和/或未来时间点(或时间段),以控制终端130在对应的时间点(或时间段)进行信息采集。在一些实施例中,信息采集时间也可以为过去的时间点(或时间段),在此情况下,终端130可以读取已采集并存储的相应时间点(或时间段)的信息。在一些替代性实施例中,信息采集时间还可以包含多个时间点和/或时间段。例如,信息采集时间可以为:每个整点时刻、每个半点时刻等。又例如,信息采集时间可以为每隔1个小时采集1分钟;或者每隔3秒钟采集3秒钟等等。
在一些实施例中,指令发送模块410可以向特定位置的终端130发送信息采集指令,以指示特定位置的终端130进行信息采集。在一些实施例中,终端130可以向处理设备112提供其位置信息(如GPS位置信息等)。在一些实施例中,该特定位置的终端130可以为某区域内的终端130。其中,区域可以包括省、市、区、片区、地段、道路、某地点周边区域、人为设定的区域等。例如,特定位置的终端130可以为某路段内的终端、某事故地点周边(如距离事故地点100米内)的终端、某设定区域内的终端等。在一些实施例中,终端130可以移动,例如终端可以装载在交通工具(如出租车、私家车、公交车、电动车、自行车等)上;又例如,终端130可以由用户携带(如手持)。在其他一些实施例中,终端130可以固定在某个具体位置,例如某路口、交叉口、十字路口等。在一些实施例中,终端130所采集的图像数据中可以包含图像采集时的位置信息。
在一些实施例中,信息采集指令可以包含上述一种或多种信息的任意组合。例如,指令发送模块410可以向某时间段(如17:00-18:00)位于(或经过)某路段的终端130发送路况信息采集指令,以指示在该时间段位于该路段内的终端130采集路况信息。在一些实施例中,指令发送模块410在向终端130发送信息采集指令的同时,可以向终端130发送告知和/或请求信息,以告知/请求用户同意进行信息采集。在一些实施例中,指令发送模块410还可以向终端130发送选择信息,以供用户选择(或设置)是否采集信息、采集信息的种类、采集信息的方式、采集信息的时间等。
步骤620,获取所述终端采集的图像数据。其中,所述图像数据是所述终端对原始图像数据进行初筛后所得的数据,所述初筛包括识别所述原始图像数据中与所述信息采集指令相关的数据。具体的,步骤620可以由数据获取模块420执行。在一些实施例中,初筛还可以包括删除冗余数据、丢弃不完整的图像、删除噪声图像等一种或多种的任意组合。
在一些实施例中,原始图像数据可以为终端130获取(如拍摄、采集)的未经处理的图像。在一些实施例中,终端130(如行车记录仪)可以一直处于拍摄状态,并持续获取原始图像数据。在一些实施例中,终端130可以以正常的帧速率(如24帧/秒)拍摄图像;也可以以更高或更低的帧速率(如3帧/秒、12帧/秒、30帧/秒、48帧/秒等)拍摄图像。在一些实施例中,终端130可以根据信息采集指令获取原始图像数据。具体而言,终端130可以根据信息采集指令中的信息采集时间获取原始图像数据。例如,信息采集时间为某日17:00-18:00,则终端130可以仅在该时间段(即该日17:00-18:00)拍摄图像,或者在包含该段时间的任意时间段拍摄图像。
在一些实施例中,系统100(如处理设备112)可以控制终端130开启和/或关闭原始图像采集。例如,终端130在接收到指令发送模块410所发送的信息采集指令后,可以根据指令内容开启和/或关闭图像采集功能。在一些实施例中,终端130在根据指令开启和/或关闭图像采集功能时,可以发出提示信息(如文字提示、声音提示等),以使用户知晓。在一些实施例中,系统100(如处理设备112)可以请求控制终端130开启和/或关闭图像采集。例如,指令发送模块410可以向终端130发送图像采集开启请求指令,用户可以通过终端130(例如按钮按压、屏幕点击等)选择是否同意开启图像采集。在一些实施例中,可以由用户控制终端130开启和/或关闭图像采集。例如,用户可以通过终端130的操作系统(如操作系统370)控制终端130的摄像头开启和/或关闭图像采集。
在一些实施例中,终端130可以将所采集的原始图像数据存储在该终端(如内存360、存储单元390等)中。在一些实施例中,终端130可以对所存储的原始图像进行定期删除、循环删除等。在一些实施例中,当信息采集指令中所包含的信息采集时间指向过去的时间点(或时间段)时,终端130可以读取所存储的相应时间点(或时间段)的原始图像数据。在一些实施例中,终端130可以对所存储的原始图像数据进行预处理。预处理可以包括对原始图像进行压缩、去噪、亮度调节、对比度调节、旋转、缩放等操作。例如,终端130(如行车记录仪)可以包括图像压缩模块,用于将拟存储的原始图像进行压缩处理(如降低分辨率等)。又例如,终端130可以对拟存储的原始图像数据进行去噪处理。其中,去噪处理可以包括均值滤波、自适应滤波、中值滤波、形态学噪声滤除、小波去噪等或以上任意组合。再例如,终端130可根据拟存储的原始图像的曝光度和亮度,对其亮度和对比度进行调节。通过对原始图像数据进行预处理,可以获得的有益效果包括:优化原始图像数据、便于后续识别处理、减少所占用的存储空间、增加可存储的图像数据量等一种或多种的任意组合。
在一些实施例中,终端130可以识别原始图像数据中与信息采集指令相关的图像数据。与信息采集指令相关的图像数据可以包括与信息采集时间、信息采集位置、信息采集内容等一种或多种相关的图像数据。具体的,与信息采集时间相关的图像数据可以为在该信息采集时间内所拍摄的原始图像数据。例如,若信息采集时间为某天17:00-18:00,则终端130可以识别出原始图像数据中信息采集时间为该天17:00-18:00之间的图像数据。与信息采集位置相关的图像数据可以为在信息采集指令中所指定的特定位置内拍摄的原始图像数据。例如,信息采集指令可以指定采集某路口周边区域(如某设定区域)的图像,则终端130可以识别出原始图像数据中在该路口周边区域内拍摄的图像数据。与信息采集内容相关的图像数据可以为包含该信息采集内容(例如,交规信息、路况信息、事故信息、人物信息等一种或多种的任意组合)的原始图像数据。例如,信息采集指令可以包括采集红绿灯信息,则终端130可以识别出原始图像数据中包含红绿灯信息的图像数据。又例如,信息采集指令可以为交规信息采集指令,则终端130可以识别出原始图像数据中包含红绿灯信息、交通设备信息、道路标志牌信息、道路标志线信息等交规信息的图像数据。又例如,当信息采集指令包括路况信息采集指令时,终端130可以识别出原始图像数据中含有路况信息和/或能够体现路况信息的图像数据(如包含道路封闭情况信息、道路施工情况信息的图像等)。再例如,当信息采集指令包括事故信息采集指令时,终端130可以识别出原始图像数据中含有事故信息和/或能够体现事故信息的图像数据(如包含事故现场情况的图像等)。又例如,当信息采集指令包括人物信息采集指令时,终端130可以识别出原始图像数据中含有与该人物信息较相关的人的图像数据(例如,人物信息匹配程度大于某设定阈值(如80%)的图像数据)。在一些实施例中,与信息采集指令相关的图像数据可以为原始图像数据中与信息采集时间、信息采集位置、信息采集内容等均相关的图像数据。
在一些实施例中,终端130在识别原始图像数据中与信息采集指令相关的图像数据时,可以识别出与信息采集指令相关的整张图像。例如,若某原始图像与信息采集指令相关(例如,该原始图像与信息采集时间、信息采集位置、信息采集内容等均相关),则终端130可以识别出该原始图像,并获取其整张图像。在一些实施例中,终端130在识别原始图像数据中与信息采集指令相关的图像数据时,可以识别出与信息采集指令相关的部分图像数据。例如,终端130可以仅截取原始图像数据中包含信息采集内容的部分图像。具体来说,例如,信息采集指令可以包括采集道路标志牌信息,则终端130可以识别出原始图像数据中包含道路标识牌信息的部分图像(如从原始图像中截取该部分图像)。在一些替代性实施例中,终端130在识别原始图像数据中与信息采集指令相关的图像数据时,可以识别出与信息采集指令相关的具体信息数据(非图像数据)。例如,终端130可以根据信息采集指令识别出道路名(例如,对道路标识牌进行文字识别)、路况(例如,拥堵、通畅等)、天气情况(例如,晴天、阴天、雨天等)、罪犯(例如,罪犯姓名、罪犯特征)等。
在一些实施例中,终端130可以删除原始图像数据中的冗余数据。具体的,删除冗余数据可以为删除多张相似原始图像中的部分图像。在一些实施例中,终端130可以根据原始图像数据中的图像内容信息(例如,图像中的特征信息、图像画质等)、图像拍摄信息(如拍摄时间、拍摄位置、拍摄角度等)等一种或多种信息判断原始图像数据之间是否相似。例如,若两张原始图像的拍摄时间、拍摄位置、拍摄角度均相同或相近(如小于某设定阈值),则可以判定该两张原始图像相似。又例如,若两张原始图像均包含相同的特征信息(如相同的道路标志牌),且两者的拍摄位置相同,则可以判定该两张原始图像相似。当两张或多张原始图像被判定为相似时,终端130可以删除其中的一张或多张冗余图像。例如,终端130可以仅保留多张相似原始图像中的一张图像。其中,所保留的图像可以是多张相似原始图像中的任意一张,也可以是根据一定规则(如,图像最清晰、包含的特征信息最多、与信息采集指令相关的特征最清晰等)选择保留的图像。在一些实施例中,终端130可以先识别出原始图像数据中与信息采集指令相关的图像数据,再删除所识别出的图像数据中的冗余数据。在一些实施例中,终端130可以先删除原始图像数据中冗余数据,再从删除了冗余数据的原始图像数据中识别与信息采集指令相关的图像数据。在一些实施例中,上述从原始图像数据中识别相关图像数据以及删除冗余数据的操作可以交叉和/或并行执行,本申请对此不做限制。通过删除原始图像数据和/或相关图像数据中的冗余数据,可以获得的有益效果包括:降低后续处理的数据量、提升处理效率(如识别相关图像数据的效率)等一种或多种的任意组合。
在一些实施例中,终端130可以利用初筛识别模型对原始图像数据进行初筛。所述初筛识别模型可以用于识别原始图像数据中与信息采集指令相关的图像数据和/或删除原始图像数据中的冗余数据。所述初筛识别模型可以包括神经网络模型、深度学习模型、机器学习模型、图像识别模型、目标检测模型等一种或多种的任意组合。在一些实施例中,初筛识别模型可以是基于神经网络的图像识别模型。该基于神经网络的图像识别模型可以用于识别原始图像数据中与信息采集指令相关的图像数据。在一些实施例中,基于神经网络的图像识别模型可以包括SSD(目标检测算法,全称为Single Shot MultiBox Detector)、RCNN(基于区域的卷积神经网络,全称Regions with Convolutional Neural NetworkFeature)、YOLO(一种目标检测算法,全称You Only Look Once)、SPP-Net(空间金字塔池化网络,全称Spatial Pyramid Pooling Network)、Fast-RCNN(快速RCNN)、Faster-RCNN(更快RCNN)等一种或多种的任意组合。例如,终端130可以利用SSD目标检测算法识别原始图像数据中与信息采集指令相关的图像数据。在一些实施例中,基于神经网络的图像识别模型可以为预先训练好的图像识别模型。例如,可以利用含有特征信息(如交规信息、路况信息、事故信息、人物信息等)并带有相应标签的图片对该图像识别模型进行训练,并使用训练好的图像识别模型识别原始图像数据中与信息采集指令相关的图像数据。
在一些实施例中,初筛识别模型可以为一个或多个。例如,初筛识别模型可以为能够适用于任何信息采集指令的图像识别模型。又例如,初筛识别模型可以包括交规信息初筛识别模型、路况信息初筛识别模型、事故信息初筛识别模型、人物信息初筛识别模型等一个或多个的任意组合,以分别识别原始图像数据中与相应信息相关的图像数据。
在一些实施例中,可以利用加速工具对初筛识别模型(如基于神经网络的图像识别模型)进行加速处理。具体的,可以利用加速工具精简神经网络中的参数,提高运算效率,从而使该初筛识别模型更好地在终端130中运行。例如,可以利用加速工具识别出初筛识别并保留模型中对结果影响较大的部分参数;或者删除模型中对结果影响较小的参数,从而实现参数精简的目的。在一些实施例中,加速工具可以包括模型压缩、模型量化、模型蒸馏等一种或多种的任意组合。例如,模型压缩可以包括矩阵量化、克罗内克积(Kroneckerproduct)、霍夫曼编码、模型剪枝等一种或多种方法的任意组合。又例如,模型量化可以包括将训练好的复杂模型的“知识”迁移到一个结构更为简单的网络中;或者通过简单的网络去学习复杂模型中“知识”。上述加速工具采用的是本领域常规的加速工具,在此不进行过多赘述。在一些实施例中,加速工具可以应用于初筛识别模型的训练前、训练中和/或训练完成后。值得注意的是,利用加速工具对初筛识别模型进行加速处理并非本申请的必要步骤,并不构成对本申请的限制。在一些实施例中,可以对终端130中的初筛识别算法和/或加速工具进行更新(定期或不定期)。例如,终端130可以通过网络120从服务器110获取最新的初筛识别算法和/或加速工具。
在一些替代性实施例中,终端130可以利用其他方式对原始图像数据进行初筛。例如,在一些实施例中,终端130可以将原始图像数据与标准图像数据进行对比,从而识别原始图像数据中与信息采集指令相关的图像数据。其中,该标准图像数据可以是与信息采集指令相关的模板图像。例如,模板图像可以是包含有道路标志牌的图像、包含有红绿灯信息的图像等。具体的,终端130可以通过对比原始图像数据(或部分原始图像数据)的与标准图像数据的白点分布、黑点分布和/或色阶分布等,进而确定原始图像数据与某标准图像数据是否相似。例如,终端130可以判定与该标准图像数据的相似度大于某特定阈值的原始图像数据与该信息采集指令相关。
在一些实施例中,终端130(例如数据发送模块540)可以将经过初筛后的图像数据发送给服务器110。服务器110中的数据获取模块420可以接收终端130所发送的图像数据。其中经过初筛后的图像数据可以为终端130识别出的原始图像数据中与信息采集指令相关的图像数据和/或删除冗余数据后剩余的图像数据。
步骤630,从所述图像数据中提取道路信息。具体的,步骤630可以由信息提取模块430执行。
在一些实施例中,该图像数据可以是步骤620中数据获取模块420所获取的终端130采集的图像数据。信息提取模块430可以利用信息提取模型从图像数据中提取道路信息。其中,信息提取模型可以包括交规信息提取模型、路况信息提取模型、事故信息提取模型、人物信息提取模型等一种或多种的任意组合,以用于从图像数据中提取相应的交规信息、事故信息、路况信息和/或人物信息等。在一些实施例中,信息提取模块可以是综合信息提取模块,其可以包含上述多种或所有信息提取模型的组合。具体的,利用交规信息提取模型可以从图像数据中提取交规信息。在一些实施例中,信息提取模块430可以利用交规信息提取模型提取图像数据中道路标志牌信息的具体内容。例如,信息提取模块430可以提取道路标志牌的大小、安装位置、颜色、内容等。例如,信息提取模块430可以提取指路标志中的地名、路名、指示位置、交叉情况等信息;可以提取限速标志中具体的限速值;可以提取指示标志中的具体指示内容(如左转、直行、右转、掉头等);可以提取辅助标志中的具体内容(如通行时间范围、可通行车辆范围等)等。利用路况信息提取模型可以提取图像数据中的路况信息。在一些实施例中,信息提取模块430可以利用路况信息提取模型提取图像数据中反映的道路拥堵程度。例如,信息提取模块430可以通过提取车辆拥堵情况、车辆数量、车辆间距、车队长度、人流情况等一种或多种信息,从而综合判定道路的拥堵程度(如非常拥堵、拥挤、一般、通畅等)。利用事故信息提取模型可以提取图像数据中的事故信息。在一些实施例中,信息提取模块430可以利用事故信息提取模型提取图像数据中所反映的事故严重程度。例如,信息提取模块430可以提取图像数据中事故地点及周边的人群数量、拥堵情况、车辆数量、车辆间距等一种或多种信息,进而综合判定事故的严重程度(如重大事故、大型事故、一般事故、轻微事故等)。在一些实施例中,信息提取模块430可以利用人物信息提取模型提取图像数据中的个人信息和/或人群信息。其中,个人信息可以包括人的性别、面部特征、体型、穿着、肤色、发型、配件、装饰等信息。人群信息可以包括人群数量、人群状态(如平静、躁动、持械等)、人群构成(如男人、女人、老人、小孩等)等。
在一些实施例中,信息提取模块430可以对从图像数据中提取出的道路信息进行显示、标注、比较、归类等处理。例如,信息提取模块430可以在图像数据中将道路信息(如道路标志牌、人脸、车牌等)框出,以便于更直观地从图像数据中看出道路信息的位置(例如,可以便于人工审核、查看)。具体的,信息提取模块430可以根据道路信息的在图像数据中的形状加设相应的符号框(如矩形框、多边形框、圆形框等)。又例如,信息提取模块430可以根据人物信息(如某罪犯)对包含该人物信息的图像数据进行归类整理(如按照时间、拍摄地点等进行整理),以便于对罪犯进行追踪。再例如,信息提取模块430可以对包含某红绿灯信息的图像数据进行归类和比较,通过比较各图像数据中该红绿灯的状态以及各图像数据的拍摄时间,可以推断出该红绿灯的时间设置等信息。在一些实施例中,信息提取模块430从图像数据中提取的道路信息或经过显示、标注、比较、归类等处理后的道路信息,可以应用于地图更新、地图标注、移动监控、路况监控、罪犯追踪、事故提醒等一种或多种场景的任意组合。
在一些实施例中,信息提取模型(如交规信息提取模型、路况信息提取模型、事故信息提取模型、人物信息提取模型、综合信息提取模型等)可以包括神经网络模型、深度学习模型、机器学习模型、图像识别模型、目标检测模型等一种或多种的任意组合。在一些实施例中,信息提取模型可以是基于神经网络的图像识别模型。在一些实施例中,该基于神经网络的图像识别模型可以包括SSD(目标检测算法,全称为Single Shot MultiBoxDetector)、RCNN、YOLO、SPP-Net、Fast-RCNN、Faster-RCNN等一种或多种的任意组合。例如,信息提取模块430可以利用Faster-RCNN算法从图像数据中提取道路信息。在一些实施例中,基于神经网络的图像识别模型可以为预先训练好的图像识别模型。例如,可以利用含有特征信息(如交规信息、路况信息、事故信息、人物信息等)并带有相应标签的图片对该图像识别模型进行训练。具体的,可以利用带有交规信息的图片训练交规信息提取模型。例如,可以将多张带有道路标志牌信息的图片及其标签(即:包含道路标志牌)输入初始图像识别模型进行训练,从而生成可以识别图像数据中所包含的道路标志牌信息的交规信息提取模型。此外,可以利用包含路况信息的图片训练路况信息提取模型;利用包含事故信息的图片训练事故信息提取模型;以及利用包含人物信息的图片训练人物信息提取模型等。在一些实施例中,也可以利用多张包含不同信息(如交规信息、路况信息、事故信息、人物信息等)的图片(如同一图片包含不同信息和/或不同图片包含不同信息)训练图像识别模型,以生成综合的信息提取模型。
在一些实施例中,信息提取模型的架构和训练方式可以与初筛识别模型类似。相比较而言,初筛识别模型可以相对简洁(例如,模型参数更少、实现功能更简单等),以使其占用资源更少,识别效率更高;而信息提取模型可以相对复杂(例如,模型参数更多、实现功能更复杂、更准确等),以使其能够处理复杂场景、信息准确率更高。举例来说,终端130在利用初筛识别模型对原始图像数据进行初筛时,可能误将与信息采集指令无关的图像数据发送给服务器110,在此情况下,信息提取模块430可以利用信息提取模型识别出不包含所需道路信息的图像数据并删除。
图7是根据本申请一些实施例所示的道路信息采集方法的示例性流程图。在一些实施例中,道路信息采集方法700可以由终端130实施。如图7所示,道路信息采集方法可以包括:
步骤710,获取原始图像数据。具体的,步骤710可以由图像获取模块510执行。
在一些实施例中,原始图像数据可以为图像获取模块510获取的由终端130拍摄/采集的未经处理的图像。在一些实施例中,终端130(如行车记录仪)可以一直处于拍摄状态,并持续采集原始图像数据。在一些实施例中,终端130可以将所采集的原始图像数据存储在该终端(如内存360、存储单元390等)中,图像获取模块510可以获取存储在终端130中的原始图像数据。关于终端130和/或图像获取模块510获取原始图像数据的更多细节可以参见图6及相关描述,在此不再赘述。
步骤720,接收服务器发送的信息采集指令。具体的,步骤720可以由指令接收模块520执行。
在一些实施例中,信息采集指令可以为指令发送模块410向终端130发送的信息采集指令(参见步骤610)。在一些实施例中,信息采集指令可以用于指示终端130采集与该指令对应的信息。信息采集指令可以包括交规信息采集指令、路况信息采集指令、事故信息采集指令、人物信息采集指令等一种或多种的任意组合。关于信息采集指令更多细节可以参见图6及相关描述,在此不再赘述。
步骤730,对所述原始图像数据进行初筛,获得初筛后的图像数据,其中,所述初筛包括识别所述原始图像数据中与所述信息采集指令相关的数据。具体的,步骤730可以由初筛模块530执行。
在一些实施例中,与信息采集指令相关的图像数据可以包括与信息采集时间、信息采集位置、信息采集内容等一种或多种相关的图像数据。在一些实施例中,初筛后的图像数据可以为与信息采集指令相关的整张图像、部分图像和/或具体信息数据(非图像数据)。在一些实施例中,初筛模块530可以识别原始图像数据中与信息采集指令相关的图像数据和/或删除原始图像数据中的冗余数据。在一些实施例中,初筛模块530可以利用初筛识别模型对原始图像数据进行初筛。初筛识别模型可以包括神经网络模型、深度学习模型、机器学习模型、图像识别模型、目标检测模型等一种或多种的任意组合。关于初筛的更多细节可以参见图6及相关描述,在此不再赘述。
步骤740,将所述图像数据发送给所述服务器。具体的,步骤740可以由数据发送模块540执行。数据发送模块540可以将初筛后的图像数据经由网络120发送至服务器110。在一些实施例中,数据发送模块540可以实时或定期(如每隔一段时间)地将初筛后的图像数据发送给服务器110,也可以根据指令进行(如根据信息采集指令中的信息采集时间进行发送)。
图8和图9是根据本申请一些实施例所示的道路信息采集方法的示例图像数据。其中,图8和图9可以是某终端(如行车记录仪)在同一道路上相近时间、相近地点所拍摄的两张图像(照片)。在本实施例中,信息采集指令可以为采集道路标志牌信息的指令。如图8和图9所示,两张图像中均含有道路标志牌(如图8中的道路标志牌810、图9中的道路标志牌910)。在一些实施例中,终端(如初筛模块530)可以利用初筛识别模型对此两张图像进行识别,识别结果可以为:该两张图像均与信息采集指令相关。在一些实施例中,终端(如初筛模块530)可以通过对比两张图像的内容、拍摄时间、拍摄位置、拍摄角度等判断两者相似,进而初筛模块530可以删除其中一张冗余图像。例如,由于图9中的道路标志牌910比图8中的道路标志牌810更清晰,则初筛模块530可以选择保留图9并删除图8。经过初筛模块530对图像数据进行初筛后,数据发送模块540可以将初筛后的图像数据(如图8和/或图9)发送给服务器。服务器110上的处理设备112(如信息提取模块430)可以提取图像数据中的道路信息。在本实施例中,信息提取模块430可以提取图像数据中的道路标识牌(道路标志牌810和/或道路标志牌910)的信息。具体的,信息提取模块430可以将图像数据中的道路标志牌框出,或是提取道路标志牌所指示的具体内容(如:目前方向朝东、前方横向道路为景润路、再往前将去往锦峰路、景润路往左可去往科普路、景润路往右可去往科鸿路)等。
本申请实施例可能带来的有益效果包括但不限于:(1)提升道路信息采集的效率;(2)提升道路信息采集的准确率;(3)能够实现按需采集;(4)可采集的道路信息多样,应用范围广;(5)降低道路信息采集成本。需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例里,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或多个实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外,对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是,如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方,以本申请的描述、定义和/或术语的使用为准。
最后,应当理解的是,本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此,作为示例而非限制,本申请实施例的替代配置可视为与本申请的教导一致。相应地,本申请的实施例不仅限于本申请明确介绍和描述的实施例。
Claims (24)
1.一种道路信息采集方法,其特征在于,包括:
向终端发送信息采集指令;
获取所述终端采集的图像数据;其中,所述图像数据是所述终端对原始图像数据进行初筛后所得的数据,所述初筛包括识别所述原始图像数据中与所述信息采集指令相关的数据;
从所述图像数据中提取道路信息。
2.如权利要求1所述的道路信息采集方法,其特征在于,所述向终端发送信息采集指令包括:向特定位置的终端发送所述信息采集指令。
3.如权利要求1所述的道路信息采集方法,其特征在于,所述初筛包括利用初筛识别模型识别所述原始图像数据中与所述信息采集指令相关的数据。
4.如权利要求1所述的道路信息采集方法,其特征在于,所述初筛还包括:删除所述原始图像数据中的冗余数据。
5.如权利要求1所述的道路信息采集方法,其特征在于,所述信息采集指令包括用于指示终端采集交规信息和/或事故信息和/或路况信息和/或人物信息的指令。
6.如权利要求1所述的道路信息采集方法,其特征在于,利用信息提取模型从所述图像数据中提取道路信息;其中
所述信息提取模型包括交规信息提取模型和/或事故信息提取模型和/或路况信息提取模型和/或人物信息提取模型。
7.如权利要求6所述的道路信息采集方法,其特征在于,所述信息提取模型为基于神经网络的图像识别模型。
8.一种道路信息采集方法,其特征在于,包括:
获取原始图像数据;
接收服务器发送的信息采集指令;
对所述原始图像数据进行初筛,获得初筛后的图像数据,其中,所述初筛包括识别所述原始图像数据中与所述信息采集指令相关的数据;
将所述图像数据发送给所述服务器。
9.如权利要求8所述的道路信息采集方法,其特征在于,所述初筛包括利用初筛识别模型识别所述原始图像数据中与所述信息采集指令相关的数据。
10.如权利要求8所述的道路信息采集方法,其特征在于,所述初筛还包括:删除所述原始图像数据中的冗余数据。
11.如权利要求8所述的道路信息采集方法,其特征在于,所述信息采集指令包括用于指示终端采集交规信息和/或事故信息和/或路况信息和/或人物信息的指令。
12.一种道路信息采集系统,其特征在于,包括指令发送模块、数据获取模块和信息提取模块,其中,
所述指令发送模块用于向终端发送信息采集指令;
所述数据获取模块用于获取所述终端采集的图像数据;其中,所述图像数据是所述终端对原始图像数据进行初筛后所得的数据,所述初筛包括识别所述原始图像数据中与所述信息采集指令相关的数据;
所述信息提取模块用于从所述图像数据中提取道路信息。
13.如权利要求12所述的道路信息采集系统,其特征在于,所述指令发送模块用于向特定位置的终端发送所述信息采集指令。
14.如权利要求12所述的道路信息采集系统,其特征在于,所述初筛包括利用初筛识别模型识别所述原始图像数据中与所述信息采集指令相关的数据。
15.如权利要求12所述的道路信息采集系统,其特征在于,所述初筛还包括:删除所述原始图像数据中的冗余数据。
16.如权利要求12所述的道路信息采集系统,其特征在于,所述信息采集指令包括用于指示终端采集交规信息和/或事故信息和/或路况信息和/或人物信息的指令。
17.如权利要求12所述的道路信息采集系统,其特征在于,所述信息提取模块利用信息提取模型从所述图像数据中提取道路信息;其中,
所述信息提取模型包括交规信息提取模型和/或事故信息提取模型和/或路况信息提取模型和/或人物信息提取模型。
18.如权利要求17所述的道路信息采集系统,其特征在于,所述信息提取模型为基于神经网络的图像识别模型。
19.一种道路信息采集终端,其特征在于,包括图像获取模块、指令接收模块、初筛模块和数据发送模块,其中,
所述图像获取模块用于获取原始图像数据;
所述指令接收模块用于接收服务器发送的信息采集指令;
所述初筛模块用于对所述原始图像数据进行初筛,获得初筛后的图像数据,其中,所述初筛包括识别所述原始图像数据中与所述信息采集指令相关的数据;
所述数据发送模块用于将所述图像数据发送给所述服务器。
20.如权利要求19所述的道路信息采集终端,其特征在于,所述初筛包括利用初筛识别模型识别所述原始图像数据中与所述信息采集指令相关的数据。
21.如权利要求19所述的道路信息采集终端,其特征在于,所述初筛还包括:删除所述原始图像数据中的冗余数据。
22.如权利要求19所述的道路信息采集终端,其特征在于,所述信息采集指令包括用于指示终端采集交规信息和/或事故信息和/或路况信息和/或人物信息的指令。
23.一种道路信息采集装置,包括处理器,其特征在于,所述处理器用于执行权利要求1~11中任一项所述的道路信息采集方法。
24.一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1~11中任一项所述的道路信息采集方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811319800.4A CN110782653A (zh) | 2018-11-07 | 2018-11-07 | 一种道路信息采集方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811319800.4A CN110782653A (zh) | 2018-11-07 | 2018-11-07 | 一种道路信息采集方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110782653A true CN110782653A (zh) | 2020-02-11 |
Family
ID=69382799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811319800.4A Pending CN110782653A (zh) | 2018-11-07 | 2018-11-07 | 一种道路信息采集方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110782653A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419542A (zh) * | 2020-12-07 | 2021-02-26 | 安徽江淮汽车集团股份有限公司 | 道路纠错上报方法、装置、设备及存储介质 |
CN113012431A (zh) * | 2021-02-25 | 2021-06-22 | 青岛海信网络科技股份有限公司 | 一种高速公路交通事件检测方法及装置 |
CN113596368A (zh) * | 2021-07-23 | 2021-11-02 | 深圳市警威警用装备有限公司 | 基于执法记录仪的信息采集方法及执法记录仪 |
CN113965726A (zh) * | 2021-10-14 | 2022-01-21 | 三星电子(中国)研发中心 | 处理交通视频的方法、装置以及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509451A (zh) * | 2011-10-17 | 2012-06-20 | 北京世纪高通科技有限公司 | 交通事件信息的获取方法和装置 |
CN103258432A (zh) * | 2013-04-19 | 2013-08-21 | 西安交通大学 | 基于视频的交通事故自动识别处理方法和系统 |
CN103295396A (zh) * | 2013-04-19 | 2013-09-11 | 福建工程学院 | 交通事故非现场快速取证方法及系统 |
CN105243851A (zh) * | 2015-09-24 | 2016-01-13 | 上海车音网络科技有限公司 | 车辆监控方法和系统 |
CN106373395A (zh) * | 2016-09-20 | 2017-02-01 | 三星电子(中国)研发中心 | 行车事故的监控方法和装置 |
CN106448217A (zh) * | 2016-09-04 | 2017-02-22 | 深圳市云智易联科技有限公司 | 交通监管方法、系统、车载装置及服务器 |
CN108133178A (zh) * | 2017-12-08 | 2018-06-08 | 重庆广睿达科技有限公司 | 一种基于图像识别的智能环境监控系统与方法 |
CN108307315A (zh) * | 2016-09-07 | 2018-07-20 | 北京嘀嘀无限科技发展有限公司 | 一种交通事故的处理方法、服务器及移动终端 |
US20180286235A1 (en) * | 2017-03-31 | 2018-10-04 | Panasonic Intellectual Property Management Co., Ltd. | Roadside unit and accident monitoring system including same |
CN108629963A (zh) * | 2017-03-24 | 2018-10-09 | 纵目科技(上海)股份有限公司 | 基于卷积神经网络的交通事故上报方法及系统、车载终端 |
-
2018
- 2018-11-07 CN CN201811319800.4A patent/CN110782653A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509451A (zh) * | 2011-10-17 | 2012-06-20 | 北京世纪高通科技有限公司 | 交通事件信息的获取方法和装置 |
CN103258432A (zh) * | 2013-04-19 | 2013-08-21 | 西安交通大学 | 基于视频的交通事故自动识别处理方法和系统 |
CN103295396A (zh) * | 2013-04-19 | 2013-09-11 | 福建工程学院 | 交通事故非现场快速取证方法及系统 |
CN105243851A (zh) * | 2015-09-24 | 2016-01-13 | 上海车音网络科技有限公司 | 车辆监控方法和系统 |
CN106448217A (zh) * | 2016-09-04 | 2017-02-22 | 深圳市云智易联科技有限公司 | 交通监管方法、系统、车载装置及服务器 |
CN108307315A (zh) * | 2016-09-07 | 2018-07-20 | 北京嘀嘀无限科技发展有限公司 | 一种交通事故的处理方法、服务器及移动终端 |
CN106373395A (zh) * | 2016-09-20 | 2017-02-01 | 三星电子(中国)研发中心 | 行车事故的监控方法和装置 |
CN108629963A (zh) * | 2017-03-24 | 2018-10-09 | 纵目科技(上海)股份有限公司 | 基于卷积神经网络的交通事故上报方法及系统、车载终端 |
US20180286235A1 (en) * | 2017-03-31 | 2018-10-04 | Panasonic Intellectual Property Management Co., Ltd. | Roadside unit and accident monitoring system including same |
CN108133178A (zh) * | 2017-12-08 | 2018-06-08 | 重庆广睿达科技有限公司 | 一种基于图像识别的智能环境监控系统与方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419542A (zh) * | 2020-12-07 | 2021-02-26 | 安徽江淮汽车集团股份有限公司 | 道路纠错上报方法、装置、设备及存储介质 |
CN113012431A (zh) * | 2021-02-25 | 2021-06-22 | 青岛海信网络科技股份有限公司 | 一种高速公路交通事件检测方法及装置 |
CN113596368A (zh) * | 2021-07-23 | 2021-11-02 | 深圳市警威警用装备有限公司 | 基于执法记录仪的信息采集方法及执法记录仪 |
CN113965726A (zh) * | 2021-10-14 | 2022-01-21 | 三星电子(中国)研发中心 | 处理交通视频的方法、装置以及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10296794B2 (en) | On-demand artificial intelligence and roadway stewardship system | |
CN110782653A (zh) | 一种道路信息采集方法和系统 | |
US11594030B2 (en) | Systems and methods for monitoring traffic sign violation | |
AU2019235551B2 (en) | On-demand artificial intelligence and roadway stewardship system | |
CN103824452B (zh) | 一种轻量级的基于全景视觉的违章停车检测装置 | |
CN104794883B (zh) | 出租车叫车方法及设备 | |
Morishita et al. | SakuraSensor: Quasi-realtime cherry-lined roads detection through participatory video sensing by cars | |
US11481991B2 (en) | System and method for detecting and transmitting incidents of interest of a roadway to a remote server | |
US11776276B1 (en) | System and methods for automatically validating evidence of traffic violations using automatically detected context features | |
CN111127282B (zh) | 用于确定推荐位置的系统和方法 | |
EP3038021A1 (en) | Risk determination method, risk determination device, risk determination system, and risk output device | |
WO2022165459A1 (en) | Systems and methods for managing traffic rules using multiple mapping layers with traffic management semantics | |
CN111127507A (zh) | 一种抛洒物的确定方法和系统 | |
CN111931683A (zh) | 图像识别方法、装置及计算机可读存储介质 | |
CN108665556B (zh) | 一种基于混合现实的路政指示显示方法及存储介质 | |
CN108665712A (zh) | 一种车辆越线违章行为监测方法及系统 | |
CN113673527A (zh) | 一种车牌识别方法及系统 | |
US20220335730A1 (en) | System and method for traffic signage inspection through collection, processing and transmission of data | |
CN111433779A (zh) | 用于识别道路特征的系统和方法 | |
CN113158852B (zh) | 一种基于人脸与非机动车协同识别的交通卡口监控系统 | |
JP7160763B2 (ja) | 情報処理装置、情報処理システム、情報処理方法、プログラム、およびアプリケーションプログラム | |
CN112633039A (zh) | 一种拥堵区域过滤的方法和系统 | |
Li | Lane detection with deep learning: Methods and datasets | |
CN108765580B (zh) | 一种混合现实道路显示优化方法及存储介质 | |
KR102145409B1 (ko) | 차량속도 측정이 가능한 시정거리 측정 시스템 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200211 |