CN110889371A - 一种渣土车抛洒检测的方法及装置 - Google Patents
一种渣土车抛洒检测的方法及装置 Download PDFInfo
- Publication number
- CN110889371A CN110889371A CN201911176076.9A CN201911176076A CN110889371A CN 110889371 A CN110889371 A CN 110889371A CN 201911176076 A CN201911176076 A CN 201911176076A CN 110889371 A CN110889371 A CN 110889371A
- Authority
- CN
- China
- Prior art keywords
- muck
- image
- vehicle
- video data
- frame
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种渣土车抛洒检测的方法及装置,该方法包括:实时获取至少一个道路监控设备采集的第一视频数据,并判断所述第一视频数据中是否存在至少一帧第一图像,所述第一图像中存在渣土遗留物;若存在,则确定所述至少一帧第一图像采集的第一时间点,并以所述第一时间点为基准点,获取所述第一时间点之前预设时间段内的第二视频数据,并判断所述视第二频数据中是否出现至少一辆渣土车;若出现至少一辆渣土车,则从所述至少一辆渣土车中确定出抛洒渣土的渣土车。解决了现有技术中检测渣土车的抛洒行为的准确性较低的技术问题。
Description
技术领域
本申请涉及渣土车检测技术领域,尤其涉及一种渣土车抛洒检测的方法及装置。
背景技术
随着城市建设进程的加速发展,在城市建设过程中不可避免的产生很多渣土,例如,工业固废物或者危害渣土等,而对于这些渣土一般是集中到固定的地点进行处理,因此,需要通过渣土车将渣土运输到这些固定的处理地点,而渣土车在运输过程中,不可避免会产生抛洒、泄露等。在运输过程中渣土的抛洒不仅会影响城市环境,还容易产生交通事故。
目前,渣土车抛洒、泄露的检测的方式可以是通过AI智能货箱分析仪对渣土车货箱的状态进行监控,例如,对货箱的重载、箱门关闭状态以及举升操作等进行监控,进而来检测确定渣土车的抛洒行为,但是,AI智能货箱分析仪仅在货箱状态发生明显变化时,才能检测渣土车的抛洒行为,导致检测渣土车的抛洒行为的准确性较低。
发明内容
本申请提供一种渣土车抛洒检测的方法及装置,用以解决现有技术中检测渣土车的抛洒行为的准确性较低的技术问题。
第一方面,本申请实施例提供一种渣土车抛洒检测的方法,该方法包括:
实时获取至少一个道路监控设备采集的第一视频数据,并判断所述第一视频数据中是否存在至少一帧第一图像,所述第一图像中存在渣土遗留物;
若存在,则确定所述至少一帧第一图像采集的第一时间点,并以所述第一时间点为基准点,获取所述第一时间点之前预设时间段内的第二视频数据,并判断所述视第二频数据中是否出现至少一辆渣土车;
若出现至少一辆渣土车,则从所述至少一辆渣土车中确定出抛洒渣土的渣土车。
本申请实施例所提供的方案中,通过实时获取道路监控的第一视频数据,并基于第一视频数据确定是否至少一帧图像中存在遗留物,若存在遗留物且遗留物为渣土时,确定所述至少一帧图像所采集的第一时间点,并以第一时间点为基准点,获取第一时间点之前预设时间段内的第二视频数据,并确定所述第一视频数据是否出现至少一辆渣土车,若存在,则从所述至少一辆渣土车中确定出抛洒渣土的渣土车。因此,本申请实施所提供的方案中,通过道路监控视频来检测渣土抛洒行为,避免根据渣土车的状态来检测抛洒行为,提高了检测渣土车的抛洒行为的准确性。
可选地,判断所述第一视频数据中是否存在至少一帧第一图像,包括:
基于预设帧间隔将所述第一视频数据中任意两帧图像进行背景建模处理,得到多帧第二图像,提取每帧所述第二图像中物体的特征信息,其中,所述第二图像用于表征所述任意两帧图像中存在差异的图像;
基于所述特征信息判断所述每帧第二图像中的物体是否为渣土;若是,则所述第一视频数据中存在至少一帧第一图像。
可选地,基于预设帧间隔将所述第一视频数据中任意两帧图像进行背景建模处理,得到多帧第二图像,包括:
每隔所述预设的帧间隔从所述多帧图像中提取一帧图像,并基于图像采集的先后顺序将提取的图像进行排序得到一图像序列;
将所述图像序列中任意相邻的两帧图像中在前的一帧图像作为背景图像,将在后的一帧图像中与所述在前一帧图像中存在差异的图像信息提取出来,生成一帧所述第二图像。
可选地,基于所述特征信息判断所述每帧第二图像中的物体是否为渣土,包括:
判断是否存在任一物体的特征信息与预设的渣土的特征信息匹配;
若存在,则确定所述任一物体为渣土。
可选地,判断所述第二视频数据中是否出现至少一辆渣土车,包括:
确定所述第二视频数据中车辆的车型信息;
根据预设的渣土车的车型信息,判断所述车型信息中是否存在与预设的渣土车的车型信息相匹配的车型信息;
若存在,则确定所述第二视频数据中出现至少一辆渣土车。
可选地,从所述至少一辆渣土车中确定出抛洒渣土的渣土车,包括:
若所述第二视频数据中存在一辆渣土车,则所述渣土车为抛洒渣土的渣土车;
若所述第二视频数据中存在至少两辆渣土车,则确定所述第二视频数据中采集到每辆渣土车图像的第二时间点,以及确定与所述第一时间点最接近的第二时间点所采集的第一渣土车图像,所述第一渣土车图像中的渣土车即为抛洒渣土的渣土车。
可选地,还包括:若所述第二视频数据中未出现渣土车,则确定渣土遗留物的第一位置,并根据车载GPS定位装置上传的车辆位置信息,确定所述第一时间点经过所述第一位置的渣土车,所述渣土车即为抛洒渣土的渣土车。
可选地,从所述至少一辆渣土车中确定出抛洒渣土的渣土车之后,还包括:
确定所述抛洒渣土的渣土车的车牌信息;
基于所述车牌信息生成提示信息,其中,所述提示信息用于提示执法人员对所述渣土车进行违章处理。
第二方面,本申请实施例提供一种渣土车抛洒检测的装置,该装置包括:
第一判断模块,用于实时获取至少一个道路监控设备采集的第一视频数据,并判断所述第一视频数据中是否存在至少一帧第一图像,所述第一图像中存在渣土遗留物;
第二判断模块,用于若存在所述第一图像,则确定所述至少一帧第一图像采集的第一时间点,并以所述第一时间点为基准点,获取所述第一时间点之前预设时间段内的第二视频数据,并判断所述视第二频数据中是否出现至少一辆渣土车;
确定模块,用于若出现至少一辆渣土车,则从所述至少一辆渣土车中确定出抛洒渣土的渣土车。
可选地,所述第一判断模块,具体用于:
基于预设帧间隔将所述第一视频数据中任意两帧图像进行背景建模处理,得到多帧第二图像,提取每帧所述第二图像中物体的特征信息,其中,所述第二图像用于表征所述任意两帧图像中存在差异的图像;
基于所述特征信息判断所述每帧第二图像中的物体是否为渣土;若是,则所述第一视频数据中存在至少一帧第一图像。
可选地,所述第一判断模块,具体用于:
每隔所述预设的帧间隔从所述多帧图像中提取一帧图像,并基于图像采集的先后顺序将提取的图像进行排序得到一图像序列;
将所述图像序列中任意相邻的两帧图像中在前的一帧图像作为背景图像,将在后的一帧图像中与所述在前一帧图像中存在差异的图像信息提取出来,生成一帧所述第二图像。
可选地,所述第一判断模块,具体用于:
判断是否存在任一物体的特征信息与预设的渣土的特征信息匹配;
若存在,则确定所述任一物体为渣土。
可选地,所述第二判断模块,具体用于:
确定所述第二视频数据中车辆的车型信息;
根据预设的渣土车的车型信息,判断所述车型信息中是否存在与预设的渣土车的车型信息相匹配的车型信息;
若存在,则确定所述第二视频数据中出现至少一辆渣土车。
可选地,所述确定模块,具体用于:
若所述第二视频数据中存在一辆渣土车,则所述渣土车为抛洒渣土的渣土车;
若所述第二视频数据中存在至少两辆渣土车,则确定所述第二视频数据中采集到每辆渣土车图像的第二时间点,以及确定与所述第一时间点最接近的第二时间点所采集的第一渣土车图像,所述第一渣土车图像中的渣土车即为抛洒渣土的渣土车。
可选地,所述确定模块,还用于:若所述第二视频数据中未出现渣土车,则确定渣土遗留物的第一位置,并根据车载GPS定位装置上传的车辆位置信息,确定所述第一时间点经过所述第一位置的渣土车,所述渣土车即为抛洒渣土的渣土车。
可选地,所述确定模块,还用于:
确定所述抛洒渣土的渣土车的车牌信息;
基于所述车牌信息生成提示信息,其中,所述提示信息用于提示执法人员对所述渣土车进行违章处理。
第三方面,本申请提供一种服务器,该服务器,包括:
存储器,用于存储至少一个处理器所执行的指令;
处理器,用于执行存储器中存储的指令执行第一方面所述的方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行第一方面所述的方法。
附图说明
图1为本申请实施例所提供的一种渣土车抛洒检测系统的结构示意图;
图2为本申请实施例所提供的一种渣土车抛洒检测的方法的流程示意图;
图3为本申请实施例所提供的一种车辆运动轨迹示意图;
图4为本申请实施例所提供的一种渣土车抛洒检测的装置的结构示意图;
图5为本申请实施例所提供的一种服务器的结构示意图。
具体实施方式
本申请实施例提供的方案中,所描述的实施例仅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它实施例,都属于本申请保护的范围。
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本申请技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
参见图1,本申请实施例提供的一种渣土车抛洒检测系统,该系统包括多个道路监控设备1以及服务器2;道路监控设备1可以是摄像机、照相机等,也可以是其他具有图像采集功能的设备,在此并不做限制,道路监控设备1用于对城市道路进行实时监控以及实时采集城市道路上的监控图像,形成视频数据,并将视频数据发送给服务器2;服务器2用于接收多个图像采集设备1所采集的视频数据,对视频数据进行分析确定道路上是否存在渣土遗留物,若存在基于视频数据或者通过GPS上报的位置信息确定抛洒该渣土遗留物的渣土车。应理解,道路监控设备1和服务器2通过信息交互进行通信连接。
实施例一
以下结合说明书附图对本申请实施例所提供的一种渣土车抛洒检测的方法做进一步详细的说明,该方法具体实现方式可以包括以下步骤(方法流程如图2所示):
步骤201,服务器实时获取至少一个道路监控设备采集的第一视频数据,并判断所述第一视频数据中是否存在至少一帧第一图像,所述第一图像中存在渣土遗留物。
在实际道路上设置有多个道路监控设备,例如,道路监控设备包括摄像机,每个道路监控设备对特定区域范围内的道路进行监控,并实时采集该区域范围内的图像信息,将采集的图像信息进行编码以视频数据的形式发送给服务器。服务器接收至少一个道路监控设备采集的第一视频数据,其中,第一视频数据包括多帧图像。
服务器在接收第一视频数据之后对第一视频数据进行分析,判断所述第一视频数据中是否存在至少一帧第一图像,所述第一图像中存在渣土遗留物。具体的,本申请实施例所提供的方案中,服务器判断所述第一视频数据中是否存在至少一帧第一图像的方式有多种,下面以一种较佳的方式为例进行说明。
判断所述第一视频数据中是否存在至少一帧第一图像,包括:基于预设帧间隔将所述第一视频数据中任意两帧图像进行背景建模处理,得到多帧第二图像,提取每帧所述第二图像中物体的特征信息,其中,所述第二图像用于表征所述任意两帧图像中存在差异的图像;基于所述特征信息判断所述每帧第二图像中的物体是否为渣土;若是,则所述第一视频数据中存在至少一帧第一图像;若是,则所述第一视频数据中存在至少一帧第一图像。
在本申请实施例所提供的一种可实现的方式中,基于预设帧间隔将所述第一视频数据中任意两帧图像进行背景建模处理,得到多帧第二图像,包括:每隔所述预设的帧间隔从所述多帧图像中提取一帧图像,并基于图像采集的先后顺序将提取的图像进行排序得到一图像序列;将所述图像序列中任意相邻的两帧图像中在前的一帧图像作为背景图像,将在后的一帧图像中与所述在前一帧图像中存在差异的图像信息提取出来,生成一帧所述第二图像。
具体的,背景建模处理的方法有多种,例如,图像序列差分法、背景差法。为了便于理解上述生成第二图像的过程,下面以背景差法为例进行说明,并对背景差法的工作原理进行简要介绍。
背景差法工作原理为:将采集的视频数据的图像序列中,把感兴趣的部分,如运动车辆、行人等作为前景,将其他的部分作为背景,提取背景图像,然后将图像相减,得到前景图像。
在本申请实施例所提供的方案中,将地面上的遗留物体作为前景,其余部分作为背景,为了确定出前景图像,将视频数据中相隔预设帧间隔的两帧图像中的前一帧图像作为背景图像,将后一帧图像与前一帧图像相减,得到前景图像。
在得到前景图像之后,提取所述前景图像中每个物体的特征信息,例如,物体的边缘信息、纹理信息、色彩信息等。在提取每个物体的特征信息之后,需要确定每个物体是否为渣土,具体的,本申请实施例所提供的方案中,确定每个物体是否为渣土的方法有多种,下面以一种较佳的方式为例进行说明。
在本申请实施例所提供的一种可实现的方式中,基于所述特征信息判断所述每帧第二图像中的物体是否为渣土,包括:判断是否存在任一物体的特征信息与预设的渣土的特征信息匹配;若存在,则确定所述任一物体为渣土。
为了便于理解上述判断所述第一视频数据中是否存在至少一帧第一图像的过程,下面以举例的形式进行说明。
例如,若第一视频数据包括5帧图像,分别为图像1、图像2、图像3、图像4以及图像5,在第一视频数据中每隔一帧图像提取一个图像,得到图像1、图像3、图像5这三帧图像;基于每一帧图像在第一视频数据中采集的先后顺序,得到图像1、图像3以及图像5这一序列,然后,将图像1作为背景图像,并确定出图像3减去图像1所得到第一帧第二图像,再将图像3作为背景图像,并确定出图像5减去图像3所得到的第二帧第二图像;然后,分别提取第一帧第二图像以及第二帧第二图像中各个物体的特征信息,再分别判断第一帧第二图像以及第二帧第二图像中各个物体的特征信息与预设的渣土的特征信息是否匹配,若第一帧第二图像中存在至少一个物体的特征信息与预设的渣土的特征信息匹配,则确定第一帧第二图像中存在渣土遗留物,进而得出图像3中存在渣土遗留物。
步骤202,若存在至少一帧第一图像,则服务器确定所述至少一帧第一图像采集的第一时间点,并以所述第一时间点为基准点,获取所述第一时间点之前预设时间段内的第二视频数据,并判断所述第二视频数据中是否出现至少一辆渣土车。
具体的,在数据库中不仅保存了第一视频数据中每一帧图像的图像信息,还保存了采集图像的时间信息;若检测到所述第一视频数据中存在第一图像,服务器从数据库中调取第一图像的采集时间信息,基于该采集时间信息确定第一图像采集的第一时间点。在确定第一时间点之后,以第一时间点作为基准获取该时间点之前预设时间段内监控的第二视频数据,对第二视频数据进行分析,确定第二视频数据中是否出现过渣土车。
在本申请实施例提供的一种可能实现的方式中,判断所述第二视频数据中是否出现至少一辆渣土车,包括:确定所述第二视频数据中车辆的车型信息;根据预设的渣土车的车型信息,判断所述车型信息中是否存在与预设的渣土车的车型信息相匹配的车型信息;若存在,则确定所述第二视频数据中出现至少一辆渣土车。
具体的,服务器在获取第二视频数据之后,提取该第二视频数据中所有的车辆图像,然后,将每辆车辆的图像与预设车辆库在的车辆图像进行匹配确定出每辆车辆的车型信息,再判断所述车型信息中是否存在与预设的渣土车的车型信息匹配的车型信息;若存在,则所述第二视频中出现至少一辆渣土车;否则,第二视频中没有出现渣土车。
为了便于理解上述判断第二视频数据中是否出现至少一辆渣土车的过程,下面以举例的形式进行说明。
例如,若确定第一时间点为下午4:00,预设的时间段为10分钟,预设的渣土车的车型为大黄蜂;服务器获取下午3:50至下午4:00这十分钟时间段内的第二视频数据,并检测到第二视频数据中出现5辆车辆,分别为车辆1、车辆2、车辆3、车辆4以及车辆5,分别将车辆1、车辆2、车辆3、车辆4以及车辆5与预设的车辆库中的图像进行比对,确定出车辆1、车辆4为轿车,车辆2为公交车,车辆3为大型翻斗车,车辆5为大黄蜂。根据预设的渣土车的车型确定出车辆5为渣土车。
进一步,在本申请实施例所提供的方案中,在步骤201之后,还包括:若不存在第一图像,则过程结束。
步骤203,若出现至少一辆渣土车,则服务器从所述至少一辆渣土车中确定出抛洒渣土的渣土车。
在本申请实施例所提供的方案中,第二视频数据中出现渣土车包括两种情况:情况1、第二视频数据中仅存在一辆渣土车;情况2、第二视频数据中至少存在两辆渣土车;因此,服务器从至少一辆渣土车中确定出抛洒渣土的渣土车的方式有多种,下面以上述两种情况为例进行说明。
针对情况1,若所述第二视频数据中存在一辆渣土车,则所述渣土车为抛洒渣土的渣土车。
针对情况2,若所述第二视频数据中存在至少两辆渣土车,则确定所述第二视频数据中采集到每辆渣土车图像的第二时间点,以及确定与所述第一时间点最接近的第二时间点所采集的第一渣土车图像,所述第一渣土车图像中的渣土车即为抛洒渣土的渣土车。
进一步,在本申请实施例所提供的方案中,在步骤202之后,还包括步骤204:若所述第二视频数据中未出现渣土车,则确定渣土遗留物的第一位置,并根据车载GPS定位装置上传的车辆位置信息,确定所述第一时间点经过所述第一位置的渣土车,所述渣土车即为抛洒渣土的渣土车。
具体的,每个渣土车上都安装有车载GPS定位系统,根据GPS定位系统实时上传每个渣土车的位置信息,基于该位置信息确定每个渣土车的运动轨迹,若确定第一视频数据中存在至少一帧第一图像,服务器根据至少一帧第一图像确定渣土遗留物的位置,然后再根据渣土遗留物的位置以及渣土车的运动轨迹确定经过该位置的渣土车以及经过该位置的时间,再根据经过该位置的时间确定出第一时间点经过该位置的渣土车为抛洒渣土的渣土车。
为了便于理解上述第二视频数据中未出现渣土车,确定抛洒渣土的渣土车的方法,下面以举例的形式进行说明。
例如,以3辆渣土车为例进行说明,3辆渣土车分别为车辆A、车辆B以及车辆C;车辆A、车辆B以及车辆C在运行过程中通过车载GPS实时上报位置信息,服务器基于上报的位置信息形成如图3所示的运动轨迹;参见图3,Q点为服务器确定的渣土遗留物的位置,服务器根据运动轨迹确定出车辆A以及车辆B经过Q点,然后,服务器根据上报位置信息的时间确定车辆A经过Q的时间点为上午8:50,车辆B经过Q点的时间点为下午4:00,服务器确定存在渣土遗留物的第一图像所采集的时间点为上午8:52,则第一图像采集的时间点与车辆A经过Q的时间点最接近,则确定车辆A为抛洒渣土的渣土车。
本申请实施例所提供的方案中,通过实时获取道路监控的第一视频数据,并基于第一视频数据确定是否至少一帧图像中存在遗留物,若存在遗留物且遗留物为渣土时,确定所述至少一帧图像所采集的第一时间点,并以第一时间点为基准点,获取第一时间点之前预设时间段内的第二视频数据,并确定所述第一视频数据是否出现至少一辆渣土车,若存在,则从所述至少一辆渣土车中确定出抛洒渣土的渣土车。因此,本申请实施所提供的方案中,通过道路监控视频来检测渣土抛洒行为,避免根据渣土车的状态来检测抛洒行为,提高了检测渣土车的抛洒行为的准确性。
进一步,为了提高用户的体验效果。本申请实施例所提供的方案中,从所述至少一辆渣土车中确定出抛洒渣土的渣土车之后,还包括:确定所述抛洒渣土的渣土车的车牌信息;基于所述车牌信息生成提示信息,其中,所述提示信息用于提示执法人员对所述渣土车进行违章处理。
实施例二
本申请实施例提供一种渣土车抛洒检测的装置,参见图4,该装置包括:
第一判断模块401,用于实时获取至少一个道路监控设备采集的第一视频数据,并判断所述第一视频数据中是否存在至少一帧第一图像,所述第一图像中存在渣土遗留物;
第二判断模块402,用于若存在所述第一图像,则确定所述至少一帧第一图像采集的第一时间点,并以所述第一时间点为基准点,获取所述第一时间点之前预设时间段内的第二视频数据,并判断所述视第二频数据中是否出现至少一辆渣土车;
确定模块403,用于若出现至少一辆渣土车,则从所述至少一辆渣土车中确定出抛洒渣土的渣土车。
可选地,所述第一判断模块401,具体用于:
基于预设帧间隔将所述第一视频数据中任意两帧图像进行背景建模处理,得到多帧第二图像,提取每帧所述第二图像中物体的特征信息,其中,所述第二图像用于表征所述任意两帧图像中存在差异的图像;
基于所述特征信息判断所述每帧第二图像中的物体是否为渣土;若是,则所述第一视频数据中存在至少一帧第一图像。
可选地,所述第一判断模块401,具体用于:
每隔所述预设的帧间隔从所述多帧图像中提取一帧图像,并基于图像采集的先后顺序将提取的图像进行排序得到一图像序列;
将所述图像序列中任意相邻的两帧图像中在前的一帧图像作为背景图像,将在后的一帧图像中与所述在前一帧图像中存在差异的图像信息提取出来,生成一帧所述第二图像。
可选地,所述第一判断模块401,具体用于:
判断是否存在任一物体的特征信息与预设的渣土的特征信息匹配;
若存在,则确定所述任一物体为渣土。
可选地,所述第二判断模块,具体用于:
确定所述第二视频数据中车辆的车型信息;
根据预设的渣土车的车型信息,判断所述车型信息中是否存在与预设的渣土车的车型信息相匹配的车型信息;
若存在,则确定所述第二视频数据中出现至少一辆渣土车。
可选地,所述确定模块403,具体用于:
若所述第二视频数据中存在一辆渣土车,则所述渣土车为抛洒渣土的渣土车;
若所述第二视频数据中存在至少两辆渣土车,则确定所述第二视频数据中采集到每辆渣土车图像的第二时间点,以及确定与所述第一时间点最接近的第二时间点所采集的第一渣土车图像,所述第一渣土车图像中的渣土车即为抛洒渣土的渣土车。
可选地,所述确定模块403,还用于:若所述第二视频数据中未出现渣土车,则确定渣土遗留物的第一位置,并根据车载GPS定位装置上传的车辆位置信息,确定所述第一时间点经过所述第一位置的渣土车,所述渣土车即为抛洒渣土的渣土车。
可选地,所述确定模块403,还用于:
确定所述抛洒渣土的渣土车的车牌信息;
基于所述车牌信息生成提示信息,其中,所述提示信息用于提示执法人员对所述渣土车进行违章处理。
实施例三
本申请提供一种服务器,该服务器,参见图5,该服务器包括:
存储器501,用于存储至少一个处理器所执行的指令;
处理器502,用于执行存储器中存储的指令执行实施例一所述的方法。
实施例四
本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,当所述计算机指令在计算机上运行时,使得计算机执行实施例一所述的方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种渣土车抛洒检测的方法,其特征在于,包括:
实时获取至少一个道路监控设备采集的第一视频数据,并判断所述第一视频数据中是否存在至少一帧第一图像,所述第一图像中存在渣土遗留物;
若存在,则确定所述至少一帧第一图像采集的第一时间点,并以所述第一时间点为基准点,获取所述第一时间点之前预设时间段内的第二视频数据,并判断所述视第二频数据中是否出现至少一辆渣土车;
若出现至少一辆渣土车,则从所述至少一辆渣土车中确定出抛洒渣土的渣土车。
2.如权利要求1所述的方法,其特征在于,判断所述第一视频数据中是否存在至少一帧第一图像,包括:
基于预设帧间隔将所述第一视频数据中任意两帧图像进行背景建模处理,得到多帧第二图像,提取每帧所述第二图像中物体的特征信息,其中,所述第二图像用于表征所述任意两帧图像中存在差异的图像;
基于所述特征信息判断所述每帧第二图像中的物体是否为渣土;若是,则所述第一视频数据中存在至少一帧第一图像。
3.如权利要求2所述的方法,其特征在于,基于预设帧间隔将所述第一视频数据中任意两帧图像进行背景建模处理,得到多帧第二图像,包括:
每隔所述预设的帧间隔从所述多帧图像中提取一帧图像,并基于图像采集的先后顺序将提取的图像进行排序得到一图像序列;
将所述图像序列中任意相邻的两帧图像中在前的一帧图像作为背景图像,将在后的一帧图像中与所述在前一帧图像中存在差异的图像信息提取出来,生成一帧所述第二图像。
4.如权利要求2所述的方法,其特征在于,基于所述特征信息判断所述每帧第二图像中的物体是否为渣土,包括:
判断是否存在任一物体的特征信息与预设的渣土的特征信息匹配;
若存在,则确定所述任一物体为渣土。
5.如权利要求1-4任一项所述的方法,其特征在于,判断所述第二视频数据中是否出现至少一辆渣土车,包括:
确定所述第二视频数据中车辆的车型信息;
根据预设的渣土车的车型信息,判断所述车型信息中是否存在与预设的渣土车的车型信息相匹配的车型信息;
若存在,则确定所述第二视频数据中出现至少一辆渣土车。
6.如权利要求1-4任一项所述的方法,其特征在于,从所述至少一辆渣土车中确定出抛洒渣土的渣土车,包括:
若所述第二视频数据中存在一辆渣土车,则所述渣土车为抛洒渣土的渣土车;
若所述第二视频数据中存在至少两辆渣土车,则确定所述第二视频数据中采集到每辆渣土车图像的第二时间点,以及确定与所述第一时间点最接近的第二时间点所采集的第一渣土车图像,所述第一渣土车图像中的渣土车即为抛洒渣土的渣土车。
7.如权利要求1-4任一项所述的方法,其特征在于,还包括:若所述第二视频数据中未出现渣土车,则确定渣土遗留物的第一位置,并根据车载GPS定位装置上传的车辆位置信息,确定所述第一时间点经过所述第一位置的渣土车,所述渣土车即为抛洒渣土的渣土车。
8.如权利要求1-4任一项所述的方法,其特征在于,从所述至少一辆渣土车中确定出抛洒渣土的渣土车之后,还包括:
确定所述抛洒渣土的渣土车的车牌信息;
基于所述车牌信息生成提示信息,其中,所述提示信息用于提示执法人员对所述渣土车进行违章处理。
9.一种渣土车抛洒检测的装置,其特征在于,包括:
第一判断模块,用于实时获取至少一个道路监控设备采集的第一视频数据,并判断所述第一视频数据中是否存在至少一帧第一图像,所述第一图像中存在渣土遗留物;
第二判断模块,用于若存在所述第一图像,则确定所述至少一帧第一图像采集的第一时间点,并以所述第一时间点为基准点,获取所述第一时间点之前预设时间段内的第二视频数据,并判断所述视第二频数据中是否出现至少一辆渣土车;
确定模块,用于若出现至少一辆渣土车,则从所述至少一辆渣土车中确定出抛洒渣土的渣土车。
10.一种服务器,其特征在于,包括:
存储器,用于存储至少一个处理器所执行的指令;
处理器,用于执行存储器中存储的指令执行如权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911176076.9A CN110889371B (zh) | 2019-11-26 | 2019-11-26 | 一种渣土车抛洒检测的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911176076.9A CN110889371B (zh) | 2019-11-26 | 2019-11-26 | 一种渣土车抛洒检测的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110889371A true CN110889371A (zh) | 2020-03-17 |
CN110889371B CN110889371B (zh) | 2022-06-07 |
Family
ID=69748874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911176076.9A Active CN110889371B (zh) | 2019-11-26 | 2019-11-26 | 一种渣土车抛洒检测的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110889371B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113593252A (zh) * | 2021-07-26 | 2021-11-02 | 西安商汤智能科技有限公司 | 渣土车管理方法及装置、电子设备及计算机可读存储介质 |
CN113674314A (zh) * | 2021-07-14 | 2021-11-19 | 浙江大华技术股份有限公司 | 抛洒事件检测方法、装置、电子装置和存储介质 |
WO2022227548A1 (zh) * | 2021-04-30 | 2022-11-03 | 北京市商汤科技开发有限公司 | 抛洒事件检测方法、装置、电子设备、存储介质及计算机程序产品 |
CN115457777A (zh) * | 2022-09-06 | 2022-12-09 | 北京商海文天科技发展有限公司 | 一种特定车辆溯源分析方法 |
CN115601711A (zh) * | 2022-12-13 | 2023-01-13 | 成都合能创越软件有限公司(Cn) | 一种基于yolov5+deepsort的渣土车抛洒滴漏检测报警方法及系统 |
WO2023029268A1 (en) * | 2021-08-31 | 2023-03-09 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for determining target event |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105607557A (zh) * | 2016-01-15 | 2016-05-25 | 贵港市嘉特电子科技有限公司 | 渣土车作业状态监控系统及方法 |
CN106297278A (zh) * | 2015-05-18 | 2017-01-04 | 杭州海康威视数字技术股份有限公司 | 一种用于查询抛洒物车辆的方法和系统 |
CN106448162A (zh) * | 2016-09-30 | 2017-02-22 | 广东中星微电子有限公司 | 道路监控方法及道路监控装置 |
CN106845424A (zh) * | 2017-01-24 | 2017-06-13 | 南京大学 | 基于深度卷积网络的路面遗留物检测方法 |
WO2018153211A1 (zh) * | 2017-02-22 | 2018-08-30 | 中兴通讯股份有限公司 | 获取交通路况信息的方法及装置、计算机存储介质 |
CN110060482A (zh) * | 2018-01-18 | 2019-07-26 | 广东赛特斯信息科技有限公司 | 城市道路渣土车监控系统 |
-
2019
- 2019-11-26 CN CN201911176076.9A patent/CN110889371B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106297278A (zh) * | 2015-05-18 | 2017-01-04 | 杭州海康威视数字技术股份有限公司 | 一种用于查询抛洒物车辆的方法和系统 |
CN105607557A (zh) * | 2016-01-15 | 2016-05-25 | 贵港市嘉特电子科技有限公司 | 渣土车作业状态监控系统及方法 |
CN106448162A (zh) * | 2016-09-30 | 2017-02-22 | 广东中星微电子有限公司 | 道路监控方法及道路监控装置 |
CN106845424A (zh) * | 2017-01-24 | 2017-06-13 | 南京大学 | 基于深度卷积网络的路面遗留物检测方法 |
WO2018153211A1 (zh) * | 2017-02-22 | 2018-08-30 | 中兴通讯股份有限公司 | 获取交通路况信息的方法及装置、计算机存储介质 |
CN110060482A (zh) * | 2018-01-18 | 2019-07-26 | 广东赛特斯信息科技有限公司 | 城市道路渣土车监控系统 |
Non-Patent Citations (2)
Title |
---|
徐胜等: "基于物联网的渣土车环保运输智能监控装置设计", 《仪表技术》, no. 11, 15 November 2013 (2013-11-15) * |
谭永宏: "基于HMS30C7202的建筑渣土车视觉检测系统设计", 《计算机测量与控制》, no. 02, 25 February 2009 (2009-02-25) * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022227548A1 (zh) * | 2021-04-30 | 2022-11-03 | 北京市商汤科技开发有限公司 | 抛洒事件检测方法、装置、电子设备、存储介质及计算机程序产品 |
CN113674314A (zh) * | 2021-07-14 | 2021-11-19 | 浙江大华技术股份有限公司 | 抛洒事件检测方法、装置、电子装置和存储介质 |
CN113593252A (zh) * | 2021-07-26 | 2021-11-02 | 西安商汤智能科技有限公司 | 渣土车管理方法及装置、电子设备及计算机可读存储介质 |
WO2023029268A1 (en) * | 2021-08-31 | 2023-03-09 | Zhejiang Dahua Technology Co., Ltd. | Systems and methods for determining target event |
CN115457777A (zh) * | 2022-09-06 | 2022-12-09 | 北京商海文天科技发展有限公司 | 一种特定车辆溯源分析方法 |
CN115457777B (zh) * | 2022-09-06 | 2023-09-19 | 北京商海文天科技发展有限公司 | 一种特定车辆溯源分析方法 |
CN115601711A (zh) * | 2022-12-13 | 2023-01-13 | 成都合能创越软件有限公司(Cn) | 一种基于yolov5+deepsort的渣土车抛洒滴漏检测报警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110889371B (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889371B (zh) | 一种渣土车抛洒检测的方法及装置 | |
Zhang et al. | Automated detection of grade-crossing-trespassing near misses based on computer vision analysis of surveillance video data | |
CN110689054B (zh) | 一种工人违规行为监测方法 | |
JP6234063B2 (ja) | 通路の交差点上の静止物体の検出(方法、システム、および、プログラム) | |
CN110390262A (zh) | 视频分析方法、装置、服务器及存储介质 | |
CN109409337B (zh) | 基于卷积神经网络的渣土车特征识别方法 | |
CN109326124A (zh) | 一种基于机器视觉的城市环境停放车辆行为识别系统 | |
CN106373426A (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
CN102568206B (zh) | 一种基于视频监控的违章停车检测方法 | |
CN110309735A (zh) | 异常侦测方法、装置、服务器及存储介质 | |
CN106297278A (zh) | 一种用于查询抛洒物车辆的方法和系统 | |
CN110032947B (zh) | 一种监控事件发生的方法及装置 | |
CN103810717A (zh) | 一种人体行为检测方法及装置 | |
CN111753612B (zh) | 一种抛洒物检测方法、装置及存储介质 | |
CN114283370B (zh) | 车辆未清洗识别方法、装置及应用 | |
CN102902960A (zh) | 基于高斯建模与目标轮廓的遗留物检测方法 | |
CN115527364B (zh) | 一种基于雷视数据融合的交通事故溯源方法及系统 | |
Li et al. | Measurement and comparative analysis of driver’s perception–reaction time to green phase at the intersections with and without a countdown timer | |
CN101751669B (zh) | 一种静止物体检测方法和装置 | |
CN114067250A (zh) | 一种偷排事件检测方法、装置、计算机设备和存储介质 | |
CN111985295A (zh) | 一种电动自行车行为识别方法、系统、工控机及摄像头 | |
CN109887303B (zh) | 随意变更车道行为预警系统及方法 | |
CN112560546A (zh) | 抛洒行为检测方法、装置及存储介质 | |
CN113408319A (zh) | 一种城市道路异常感知处理方法、装置、系统及存储介质 | |
JP7097215B2 (ja) | 車両推定装置、学習装置、及び車両推定方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |