CN110958423A - 一种车辆检测率确定方法及装置 - Google Patents

一种车辆检测率确定方法及装置 Download PDF

Info

Publication number
CN110958423A
CN110958423A CN201811121438.XA CN201811121438A CN110958423A CN 110958423 A CN110958423 A CN 110958423A CN 201811121438 A CN201811121438 A CN 201811121438A CN 110958423 A CN110958423 A CN 110958423A
Authority
CN
China
Prior art keywords
vehicle
information
passing
vehicle passing
data
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
Application number
CN201811121438.XA
Other languages
English (en)
Other versions
CN110958423B (zh
Inventor
童琛
潘胜军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Uniview Technologies Co Ltd
Original Assignee
Zhejiang Uniview Technologies Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Uniview Technologies Co Ltd filed Critical Zhejiang Uniview Technologies Co Ltd
Priority to CN201811121438.XA priority Critical patent/CN110958423B/zh
Publication of CN110958423A publication Critical patent/CN110958423A/zh
Application granted granted Critical
Publication of CN110958423B publication Critical patent/CN110958423B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明实施例提出一种车辆检测率确定方法及装置，涉及视频监控技术领域。该方法及装置通过获取第一过车记录以及第二过车记录，其中，第一过车记录及第二过车记录分别由位于同一测试场景内的第一图像采集设备及第二图像采集设备采集，并分别从第一过车记录及第二过车记录中提取第一过车数据及第二过车数据，然后基于第一过车数据及第二过车数据确定第一图像采集设备和/或第二图像采集的车辆检测率；由于是直接利用多组过车记录进行横向对比，使得车辆检测率的确定流程转为自动化且长期实时监控的方法，无需人工进行检测，既节约了人工成本、检测时间，又避免了由于人工检测时样本基数少导致的结果不准确的问题，使得车辆检测率更加准确、稳定。

Description

一种车辆检测率确定方法及装置
技术领域
本发明涉及视频监控技术领域，具体而言，涉及一种车辆检测率确定方法及装置。
背景技术
随着道路上机动车增多，交通管制的难度也越来越高。道路监控作为视频监控技术主要功能之一得到了广泛的应用，而车辆检测率是用来评估摄像机道路监控功能的关键指标。
现有技术中，车辆检测率均是通过手工统计评估，但受限于手工统计需要逐秒分析核对测试视频素材，人力投入过大；因此测试的样本数基数较少，受到当时环境因素影响，得到的车辆指标统计结果也会波动。
发明内容
有鉴于此，本发明的目的在于提供一种车辆检测率确定方法及装置，以解决上述问题。
为了实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本发明实施例提供了一种车辆检测率确定方法，所述车辆检测率确定方法包括：
获取第一过车记录以及第二过车记录，其中，所述第一过车记录及所述第二过车记录分别由位于同一测试场景内的第一图像采集设备及第二图像采集设备采集；
分别从所述第一过车记录及所述第二过车记录中提取第一过车数据及第二过车数据；
基于所述第一过车数据及所述第二过车数据确定所述第一图像采集设备和/或所述第二图像采集的车辆检测率。
第二方面，本发明实施例还提供了另一种车辆检测率确定方法，所述车辆检测率确定方法包括：
获取至少三组过车记录，其中，至少三组所述过车记录分别由位于同一测试场景内的多个图像采集设备采集；
从每组所述过车记录中提取过车数据；
将至少三组中的任意一组所述过车数据确定为第一过车数据，将至少三组中的其余所有所述过车数据的集合确定为第二过车数据；
基于所述第一过车数据及所述第二过车数据确定与所述第一过车数据对应的所述图像采集设备的车辆检测率。
第三方面，本发明实施例还提供了一种车辆检测率确定装置，所述车辆检测率确定装置包括：
过车记录获取单元，用于获取第一过车记录以及第二过车记录，其中，所述第一过车记录及所述第二过车记录分别由位于同一测试场景内的第一图像采集设备及第二图像采集设备采集；
过车数据提取单元，用于分别从所述第一过车记录及所述第二过车记录中提取第一过车数据及第二过车数据；
车辆检测率确定单元，用于基于所述第一过车数据及所述第二过车数据确定所述第一图像采集设备和/或所述第二图像采集的车辆检测率。
第四方面，本发明实施例还提供了一种车辆检测率确定装置，所述车辆检测率确定装置包括：
过车记录获取单元，用于获取至少三组过车记录，其中，至少三组所述过车记录分别由位于同一测试场景内的多个图像采集设备采集；
过车数据提取单元，用于从每组所述过车记录中提取过车数据；
集合生成单元，用于将至少三组中的任意一组所述过车数据确定为第一过车数据，将至少三组中的其余所有所述过车数据的集合确定为第二过车数据；
车辆检测率确定单元，用于基于所述第一过车数据及所述第二过车数据确定与所述第一过车数据对应的所述图像采集设备的车辆检测率。
本发明实施例提供的车辆检测率确定方法及装置，通过获取第一过车记录以及第二过车记录，其中，第一过车记录及第二过车记录分别由位于同一测试场景内的第一图像采集设备及第二图像采集设备采集，并分别从第一过车记录及第二过车记录中提取第一过车数据及第二过车数据，然后基于第一过车数据及第二过车数据确定第一图像采集设备和/或第二图像采集的车辆检测率；由于是直接利用多组过车记录进行横向对比，使得车辆检测率的确定流程转为自动化且长期实时监控的方法，无需人工进行检测，既节约了人工成本、检测时间，又避免了由于人工检测时样本基数少导致的结果不准确的问题，使得车辆检测率更加准确、稳定，贴合实际。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的车辆检测率检测设备的方框示意图。
图2示出了本发明第一实施例提供的车辆检测率方法的流程图。
图3示出了第一过车数据与第二过车数据形成的文氏图。
图4示出了图2中步骤S203的具体流程图。
图5示出了图4中子步骤S2031的具体流程图。
图6示出了图5中子步骤S20312的具体流程图。
图7示出了本发明第二实施例提供的车辆检测率方法的流程图。
图8示出了本发明实施例提供的一种车辆检测率确定装置的功能模块图。
图9示出了本发明实施例提供的另一种车辆检测率确定装置的功能模块图。
图标：100-车辆检测率检测设备；111-存储器；112-处理器；113-通信单元；200-车辆检测率确定装置；210-过车记录获取单元；220-过车数据提取单元；230-车辆检测率确定单元；240-集合生成单元。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
请参照图1，是车辆检测率检测设备100的方框示意图。所述车辆检测率检测设备100包括车辆检测率确定装置200、存储器111、处理器112及通信单元113。
所述存储器111、处理器112以及通信单元113各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述车辆检测率确定装置200包括至少一个可以软件或固件(Firmware)的形式存储于所述存储器111中或固化在所述车辆检测率检测设备100的操作系统(Operating System，OS)中的软件功能模块。所述处理器112用于执行所述存储器111中存储的可执行模块，例如所述车辆检测率确定装置200所包括的软件功能模块及计算机程序等。
其中，所述存储器111可以是，但不限于，随机存取存储器111(Random AccessMemory，RAM)，只读存储器111(Read Only Memory，ROM)，可编程只读存储器111(Programmable Read-Only Memory，PROM)，可擦除只读存储器111(ErasableProgrammable Read-Only Memory，EPROM)，电可擦除只读存储器111(Electric ErasableProgrammable Read-Only Memory，EEPROM)等。其中，存储器111用于存储程序或者数据。
所述通信单元113用于通过所述网络建立所述车辆检测率检测设备100与其它通信终端之间的通信连接，并用于通过所述网络收发数据。
应当理解的是，图1所示的结构仅为车辆检测率检测设备100的结构示意图，所述车辆检测率检测设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
第一实施例
本发明实施例提供了一种车辆检测率确定方法，用于确定车辆检测率。请参阅图2，为本发明实施例提供的车辆检测率方法的流程图。该车辆检测率方法包括：
步骤S201：获取第一过车记录以及第二过车记录。
其中，第一过车记录及第二过车记录分别由位于同一测试场景内的第一图像采集设备及第二图像采集设备采集。
需要说明的是，过车记录包含多张过车图片以及过车数据；过车图片即为图像采集设备拍摄的图片，过车数据则包含多组过车信息，每组过车信息对应一张过车图片，每组过车信息包括但不仅限于时间信息、车牌信息、车道信息、车辆颜色信息等等，以描述该过车图片的具体信息。
步骤S202：分别从第一过车记录及第二过车记录中提取第一过车数据及第二过车数据。
需要说明的是，提取过车数据的具体方法应当与将过车数据叠加至过车图片的方法对应。
例如，在一种优选的实施例中，网络硬盘录像机预先利用屏幕显示(on-screendisplay，OSD)叠加技术，将过车数据叠加于过车图片上，以生成过车记录。
对应地，则利用与OSD叠加技术对应的解析方法，分别从第一过车记录及第二过车记录中提取第一过车数据及第二过车数据。
需要说明的是，网络硬盘录像机还可以利用其它叠加技术将过车数据叠加于过车图片上，与此对应地，提取过车数据的具体方法也应当有所不同，在此不做具体限制。
步骤S203：基于第一过车数据及第二过车数据确定第一图像采集设备和/或第二图像采集的车辆检测率。
请参阅图3，为第一过车数据与第二过车数据形成的文氏图。其中，A区域代表所有属于第一过车数据但不属于第二过车数据的过车信息的集合；B区域代表同时属于第一过车数据及第二过车数据的过车信息的集合；C区域代表所有属于第二过车数据但不属于第一过车数据的过车信息的集合。同时，A区域与B区域的集合构成第一过车数据，C区域与B区域的集合构成第二过车数据。
其中，A区域可表示B+C区域的漏拍，C区域可表示A+B区域的漏拍；但A区域与C区域中包含了第一过车数据与第二过车数据中的多拍数据或是误拍数据。可见第一过车数据与第二过车数据的并集与实际过车(人工提炼的视频信息记录)比较，误差在于：存在每组过车数据各自的多拍、误拍情况及多组过车数据同时漏车。
但在实际应用中，对于漏车情况，设每台图像采集设备的车辆检测率为90％，两台图像采集设备同时漏车的概率则为10％*10％＝1％，若使用不同算法对同一场景监控，同时漏车的概率可以忽略。对于多拍、误拍，实际测试中发现概率小于1％，可以通过前背景分离后检测该时刻目标的像素大小过滤，简单去除。
综合来看，多组过车数据组合而成的参考源与实际过车(人工提炼的视频信息)误差不超过1％，可视为可靠参考源，作为一个与待测设备输出对比的依据。
因此，在本发明中，以第一图像采集和第二图像采集设备作为待测设备，以第一图像采集和第二图像采集设备分别对应的第一过车数据及第二过车数据的集合作为参考源，分别确定A、B、C三个区域内包括的元素的总和，便能确定第一图像采集设备和/或第二图像采集的车辆检测率。
请参阅图4，为步骤S203的具体流程图。该步骤S203包括：
子步骤S2031：确定第一过车数据与第二过车数据的匹配信息数、第一未匹配信息数以及第二未匹配信息数。
其中，匹配信息数为所有同时属于第一过车数据及第二过车数据的过车信息的数量的总和；第一未匹配信息数为所有属于第一过车数据但不属于第二过车数据的过车信息的数量的总和；第二未匹配信息数为所有属于第二过车数据但不属于第一过车数据的过车信息的数量的总和。
请参阅图5，为子步骤S2031的具体流程图。该子步骤S2031包括：
子步骤S20311：基于时间信息将第一过车数据及第二过车数据划分为多个数据段。
首先，由于第一过车数据包括多组第一过车信息，第二过车数据包括多组第二过车信息，如若直接将第一过车数据与第二过车数据进行比对，计算量较大，导致比对过程较慢。因此，基于时间信息将第一过车数据及第二过车数据划分为多个数据段，使每个数据段内的第一过车信息与第二过车信息进行匹配测试，且多个数据段同时进行，既能节约匹配时间，又能提高匹配效率。
其次，由于第一过车数据及第二过车数据是由同一测试场景中的第一图像采集设备及第二图像采集设备采集到的，第一图像采集设备与第二图像采集设备采集过车图片的时间具备一致性。因此，如若第一图像采集设备及第二图像采集设备都采集到某过车图片时，其时间应当一致。而基于时间间隔划分得到数据段，能够尽可能使得匹配的两组过车信息位于同一数据段内，避免由于数据分段不合理导致的匹配失败。
在其他实施例中，该时间信息也可以替换为车辆颜色信息、车道信息等。但车辆颜色信息、车道信息对于过车信息的区分度不高，依据这些参数划分数据段会导致每个数据段内的数据过多，达不到减少运算量的目的。
子步骤S20312：在每个数据段内将多组第一过车信息与多组第二过车信息进行匹配检测以确定匹配信息数。
请参阅图6，为子步骤S20312的具体流程图。该子步骤S20312包括：
子步骤S301：在每个数据段内将具有相同车牌信息的第一过车信息及第二过过车信息进行匹配检测以确定匹配度。
由于车牌是过车的最主要标志，因此在进行匹配检测时，优先将具有车牌信息的第一过车信息及第二过车信息进行比对，能最快速地找到匹配的过车信息。
但需要考虑到天气环境等影响，获取的车牌信息不一定准确，因此还应当综合过车信息中的其他信息确定匹配度。
在一种优选的实施例中，确定匹配度的方法如下：
首先，将第一过车信息的时间信息与第二过车信息的时间信息进行匹配检测以确定第一匹配度；将第一过车信息的车牌信息与第二过车信息的车牌信息进行匹配检测以确定第二匹配度；将第一过车信息的车辆颜色信息与第二过车信息的车辆颜色信息进行匹配检测以确定第三匹配度。
可以理解地，可以利用字符匹配算法分别确定第一匹配度、第二匹配度以及第三匹配度。
然后，基于第一匹配度、第二匹配度及第三匹配度确定匹配度。
具体地，可通过以下算式确定所述匹配度：
M2＝p1*count1+p2*count2+p3*count3
其中，M2为匹配度，p1为第一匹配度，p2为第二匹配度，count1为预设定的第一权重值，count2为预设定的第二权重值，count3为预设定的第三权重值。
需要说明的是，在其他优选的实施例中，还可以计算过车信息包含的其他信息的匹配度，并为该信息分配对应的权重，以确定匹配度M。
对应地，计算匹配度的算式为：
M2＝p1*count1+p2*count2+p3*count3+……+pn*countn
且，p1+p2+p3+……+pn＝1
子步骤S302：将匹配度大于或等于预设定的第一阈值的过车信息的组数确定为匹配信息数。
具体地，匹配信息数即为B区域包含的过车信息的数量的总和。
子步骤S20313：将第一过车信息的总数量与匹配信息数的差值确定为第一未匹配信息数。
具体地，第一未匹配信息数即为A区域包含的过车信息的数量的总和。
子步骤S20314：将第二过车信息的总数量与匹配信息数的差值确定为第二未匹配信息数。
具体地，第二未匹配信息数即为C区域包含的过车信息的数量的总和。
子步骤S2032：基于匹配信息数、第一未匹配信息数以及第二未匹配信息数确定第一图像采集设备和/或第二图像采集的车辆检测率。
可以理解地，某设备的
Figure BDA0001811296130000111
则第一图像采集设备应拍摄到的车辆数应当为第一图像采集设备实际拍摄到的车辆数与第一图像采集设备未拍摄到但第二图像采集设备拍摄到的车辆数的和。
因此，第一图像采集设备的车辆检测率
Figure BDA0001811296130000112
则第二图像采集设备应拍摄到的车辆数应当为第二图像采集设备实际拍摄到的车辆数与第二图像采集设备未拍摄到但第一图像采集设备拍摄到的车辆数的和。
因此，第二图像采集设备的车辆检测率
Figure BDA0001811296130000121
其中，P_A为第一图像采集设备的车辆检测率，P_B为第二图像采集设备的车辆检测率，M1为匹配信息数，W_A为第一未匹配信息数，W_B为第二未匹配信息数。
第二实施例
请参阅图7，图7为本发明较佳实施例提供的一种车辆检测率确定方法的流程图。需要说明的是，本实施例所提供的车辆检测率确定方法，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。该车辆检测率确定方法包括：
步骤S701：获取至少三组过车记录。
其中，至少三组过车记录分别由位于同一测试场景内的多个图像采集设备采集。
步骤S702：从每组过车记录中提取过车数据。
步骤S703：将至少三组中的任意一组过车数据确定为第一过车数据，将至少三组中的其余所有过车数据的集合确定为第二过车数据。
步骤S704：基于第一过车数据及第二过车数据确定与第一过车数据对应的图像采集设备的车辆检测率。
可以理解地，采用的过车记录的组数越多，则将所有过车记录的集合作为参考源去确定任意一个图像采集设备的车辆检测率则更为准确、可靠。
但由于三组以上的过车数据之间进行匹配检测的过程过于复杂，因此将至少三组中的任意一组过车数据确定为第一过车数据，将至少三组中的其余所有过车数据的集合确定为第二过车数据，使得第一过车数据与第二过车数据进行匹配检测，以确定第一过车数据对应的图像采集设备的车辆检测率。
需要说明的是，基于第一过车数据及第二过车数据确定与第一过车数据对应的图像采集设备的车辆检测率的方法与第一实施例的方法一样，因此在此不再赘述。
第三实施例
请参阅图8，图8为本发明较佳实施例提供的一种车辆检测率确定装置200的功能模块图。需要说明的是，本实施例所提供的车辆检测率确定装置200，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。该车辆检测率确定装置200包括：过车记录获取单元210、过车数据提取单元220以及车辆检测率确定单元230。
在一种优选的实施例中，过车记录获取单元210用于获取第一过车记录以及第二过车记录。
可以理解地，在一种优选的实施例中，该过车记录获取单元210可用于执行步骤S201。
过车数据提取单元220用于分别从第一过车记录及第二过车记录中提取第一过车数据及第二过车数据。
可以理解地，在一种优选的实施例中，该过车数据提取单元220可用于执行步骤S202。
车辆检测率确定单元230用于基于第一过车数据及第二过车数据确定第一图像采集设备和/或第二图像采集的车辆检测率。
具体地，车辆检测率确定单元230用于确定第一过车数据与第二过车数据的匹配信息数、第一未匹配信息数以及第二未匹配信息数，并基于匹配信息数、第一未匹配信息数以及第二未匹配信息数确定第一图像采集设备和/或第二图像采集的车辆检测率。
车辆检测率确定单元230用于基于时间信息将第一过车数据及第二过车数据划分为多个数据段，并在每个数据段内将多组第一过车信息与多组第二过车信息进行匹配检测以确定匹配信息数。
具体地，车辆检测率确定单元230用于在每个数据段内将具有相同车牌信息的第一过车信息及第二过过车信息进行匹配检测以确定匹配度，并将匹配度大于或等于预设定的第一阈值的过车信息的组数确定为匹配信息数，车辆检测率确定单元230还用于将第一过车信息的总数量与匹配信息数的差值确定为第一未匹配信息数，将第二过车信息的总数量与匹配信息数的差值确定为第二未匹配信息数。
可以理解地，在一种优选的实施例中，该过车辆检测率确定单元230可用于执行步骤S203、子步骤S2031、子步骤S2032、子步骤S20311、子步骤S20312、子步骤S20313、子步骤S20314、子步骤S301以及子步骤S302。
在另一种优选的实施例中，请参阅图9，车辆检测率确定装置200还包括集合生成单元240。
其中，过车记录获取单元210用于获取至少三组过车记录。
可以理解地，在一种优选的实施例中，该过车记录获取单元210可用于执行步骤S701。
过车数据提取单元220用于从每组过车记录中提取过车数据。
可以理解地，在一种优选的实施例中，该过车数据提取单元220可用于执行步骤S702。
集合生成单元240用于将至少三组中的任意一组过车数据确定为第一过车数据，将至少三组中的其余所有过车数据的集合确定为第二过车数据。
可以理解地，在一种优选的实施例中，该集合生成单元240可用于执行步骤S703。
车辆检测率确定单元230用于基于第一过车数据及第二过车数据确定与第一过车数据对应的图像采集设备的车辆检测率。
可以理解地，在一种优选的实施例中，该车辆检测率确定单元230可用于执行步骤S704。
综上所述，本发明实施例提供的车辆检测率确定方法及装置，通过获取第一过车记录以及第二过车记录，其中，第一过车记录及第二过车记录分别由位于同一测试场景内的第一图像采集设备及第二图像采集设备采集，并分别从第一过车记录及第二过车记录中提取第一过车数据及第二过车数据，然后基于第一过车数据及第二过车数据确定第一图像采集设备和/或第二图像采集的车辆检测率；由于是直接利用多组过车记录进行横向对比，使得车辆检测率的确定流程转为自动化且长期实时监控的方法，无需人工进行检测，既节约了人工成本、检测时间，又避免了由于人工检测时样本基数少导致的结果不准确的问题，使得车辆检测率更加准确、稳定，贴合实际。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，车辆检测率检测设备，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种车辆检测率确定方法，其特征在于，所述车辆检测率确定方法包括：
获取第一过车记录以及第二过车记录，其中，所述第一过车记录及所述第二过车记录分别由位于同一测试场景内的第一图像采集设备及第二图像采集设备采集；
分别从所述第一过车记录及所述第二过车记录中提取第一过车数据及第二过车数据；
基于所述第一过车数据及所述第二过车数据确定所述第一图像采集设备和/或所述第二图像采集的车辆检测率。
2.根据权利要求1所述的车辆检测率确定方法，其特征在于，所述基于所述第一过车数据及所述第二过车数据确定所述第一图像采集设备和/或所述第二图像采集的车辆检测率的步骤包括：
确定所述第一过车数据与所述第二过车数据的匹配信息数、第一未匹配信息数以及第二未匹配信息数；
基于所述匹配信息数、所述第一未匹配信息数以及所述第二未匹配信息数确定所述第一图像采集设备和/或所述第二图像采集的车辆检测率。
3.根据权利要求2所述的车辆检测率确定方法，其特征在于，所述基于所述匹配信息数、所述第一未匹配信息数以及所述第二未匹配信息数确定所述第一图像采集设备和/或所述第二图像采集的车辆检测率的步骤包括：
通过算式
Figure FDA0001811296120000011
计算所述第一图像采集设备的车辆检测率；
通过算式
Figure FDA0001811296120000021
计算第二图像采集设备的车辆检测率；
其中，P_A为第一图像采集设备的车辆检测率，P_B为第二图像采集设备的车辆检测率，M1为匹配信息数，W_A为第一未匹配信息数，W_B为第二未匹配信息数。
4.根据权利要求2或3所述的车辆检测率确定方法，其特征在于，所述第一过车数据包括多组第一过车信息，所述第二过车数据包括多组第二过车信息，每组过车信息均包括时间信息，所述确定所述第一过车数据与所述第二过车数据的匹配信息数、第一未匹配信息数以及第二未匹配信息数的步骤包括：
基于所述时间信息将所述第一过车数据及所述第二过车数据划分为多个数据段；
在每个所述数据段内将多组第一过车信息与多组所述第二过车信息进行匹配检测以确定所述匹配信息数；
将所述第一过车信息的总数量与所述匹配信息数的差值确定为所述第一未匹配信息数；
将所述第二过车信息的总数量与所述匹配信息数的差值确定为所述第二未匹配信息数。
5.根据权利要求4所述的车辆检测率确定方法，其特征在于，每组过车信息还包括车牌信息，所述在每个所述数据段内将多组第一过车信息与多组所述第二过车信息进行匹配检测以确定所述匹配信息数的步骤包括：
在每个所述数据段内将具有相同车牌信息的第一过车信息及第二过过车信息进行匹配检测以确定匹配度；
将所述匹配度大于或等于预设定的第一阈值的过车信息的组数确定为所述匹配信息数。
6.根据权利要求5所述的车辆检测率确定方法，其特征在于，每组过车信息还包括车辆颜色信息，所述在每个所述数据段内将具有相同车牌信息的第一过车信息及第二过过车信息进行匹配检测以确定匹配度的步骤包括：
将所述第一过车信息的时间信息与所述第二过车信息的时间信息进行匹配检测以确定第一匹配度；
将所述第一过车信息的车牌信息与所述第二过车信息的车牌信息进行匹配检测以确定第二匹配度；
将所述第一过车信息的车辆颜色信息与所述第二过车信息的车辆颜色信息进行匹配检测以确定第三匹配度；
基于所述第一匹配度、所述第二匹配度及所述第三匹配度确定所述匹配度。
7.根据权利要求6所述的车辆检测率确定方法，其特征在于，所述基于所述第一匹配度、所述第二匹配度及所述第三匹配度确定所述匹配度的步骤包括：
通过算式M2＝p1*count1+p2*count2+p3*count3确定所述匹配度；
其中，M2为所述匹配度，p1为所述第一匹配度，p2为所述第二匹配度，p3为所述第三匹配度，count1为预设定的第一权重值，count2为预设定的第二权重值，count3为预设定的第三权重值。
8.一种车辆检测率确定方法，其特征在于，所述车辆检测率确定方法包括：
获取至少三组过车记录，其中，至少三组所述过车记录分别由位于同一测试场景内的多个图像采集设备采集；
从每组所述过车记录中提取过车数据；
将至少三组中的任意一组所述过车数据确定为第一过车数据，将至少三组中的其余所有所述过车数据的集合确定为第二过车数据；
基于所述第一过车数据及所述第二过车数据确定与所述第一过车数据对应的所述图像采集设备的车辆检测率。
9.一种车辆检测率确定装置，其特征在于，所述车辆检测率确定装置包括：
过车记录获取单元，用于获取第一过车记录以及第二过车记录，其中，所述第一过车记录及所述第二过车记录分别由位于同一测试场景内的第一图像采集设备及第二图像采集设备采集；
过车数据提取单元，用于分别从所述第一过车记录及所述第二过车记录中提取第一过车数据及第二过车数据；
车辆检测率确定单元，用于基于所述第一过车数据及所述第二过车数据确定所述第一图像采集设备和/或所述第二图像采集的车辆检测率。
10.一种车辆检测率确定装置，其特征在于，所述车辆检测率确定装置包括：
过车记录获取单元，用于获取至少三组过车记录，其中，至少三组所述过车记录分别由位于同一测试场景内的多个图像采集设备采集；
过车数据提取单元，用于从每组所述过车记录中提取过车数据；
集合生成单元，用于将至少三组中的任意一组所述过车数据确定为第一过车数据，将至少三组中的其余所有所述过车数据的集合确定为第二过车数据；
车辆检测率确定单元，用于基于所述第一过车数据及所述第二过车数据确定与所述第一过车数据对应的所述图像采集设备的车辆检测率。
CN201811121438.XA 2018-09-26 2018-09-26 一种车辆检测率确定方法及装置 Active CN110958423B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811121438.XA CN110958423B (zh) 2018-09-26 2018-09-26 一种车辆检测率确定方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811121438.XA CN110958423B (zh) 2018-09-26 2018-09-26 一种车辆检测率确定方法及装置

Publications (2)

Publication Number Publication Date
CN110958423A true CN110958423A (zh) 2020-04-03
CN110958423B CN110958423B (zh) 2021-08-31

Family

ID=69962185

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811121438.XA Active CN110958423B (zh) 2018-09-26 2018-09-26 一种车辆检测率确定方法及装置

Country Status (1)

Country Link
CN (1) CN110958423B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11149597A (ja) * 1997-11-19 1999-06-02 Nec Corp 画像形車両感知装置
KR20100000306A (ko) * 2008-06-24 2010-01-06 이영우 스쿨존 종합 교통 관리 시스템
US20130307979A1 (en) * 2012-05-15 2013-11-21 Industrial Technology Research Institute Method and system for integrating multiple camera images to track a vehicle
CN103473925A (zh) * 2013-08-28 2013-12-25 惠州市德赛工业发展有限公司 一种道路车辆检测系统的验证方法
US20150029042A1 (en) * 2013-07-24 2015-01-29 Fujitsu Limited Traffic flow measuring apparatus and method, and computer-readable storage medium
CN105374210A (zh) * 2015-12-03 2016-03-02 中山大学 基于浮动车数据的卡口检测率获取方法
CN106940931A (zh) * 2017-02-28 2017-07-11 江苏智通交通科技有限公司 基于定位数据的卡口设备数据质量检验方法
CN107885795A (zh) * 2017-10-24 2018-04-06 广东方纬科技有限公司 一种卡口数据的数据校验方法、系统和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11149597A (ja) * 1997-11-19 1999-06-02 Nec Corp 画像形車両感知装置
KR20100000306A (ko) * 2008-06-24 2010-01-06 이영우 스쿨존 종합 교통 관리 시스템
US20130307979A1 (en) * 2012-05-15 2013-11-21 Industrial Technology Research Institute Method and system for integrating multiple camera images to track a vehicle
US20150029042A1 (en) * 2013-07-24 2015-01-29 Fujitsu Limited Traffic flow measuring apparatus and method, and computer-readable storage medium
CN103473925A (zh) * 2013-08-28 2013-12-25 惠州市德赛工业发展有限公司 一种道路车辆检测系统的验证方法
CN105374210A (zh) * 2015-12-03 2016-03-02 中山大学 基于浮动车数据的卡口检测率获取方法
CN106940931A (zh) * 2017-02-28 2017-07-11 江苏智通交通科技有限公司 基于定位数据的卡口设备数据质量检验方法
CN107885795A (zh) * 2017-10-24 2018-04-06 广东方纬科技有限公司 一种卡口数据的数据校验方法、系统和装置

Also Published As

Publication number Publication date
CN110958423B (zh) 2021-08-31

Similar Documents

Publication Publication Date Title
CN108986465B (zh) 一种车流量检测的方法、系统及终端设备
CN102867418B (zh) 一种判断车牌识别准确性的方法和装置
US11017552B2 (en) Measurement method and apparatus
US20130177252A1 (en) Detecting Video Copies
CN111401205A (zh) 动作识别方法及装置、电子设备、计算机可读存储介质
CN110348392B (zh) 车辆匹配方法及设备
CN112966665A (zh) 路面病害检测模型训练方法、装置和计算机设备
WO2018058530A1 (zh) 目标检测方法、装置以及图像处理设备
CN110114801B (zh) 图像前景检测装置及方法、电子设备
CN110969049A (zh) 人流量统计方法、人数统计方法、装置及电子设备
CN112631896A (zh) 设备性能测试方法、装置、存储介质及电子设备
US10628681B2 (en) Method, device, and non-transitory computer readable medium for searching video event
CN113256683B (zh) 目标跟踪方法及相关设备
CN111723656B (zh) 一种基于YOLO v3与自优化的烟雾检测方法及装置
CN110958423B (zh) 一种车辆检测率确定方法及装置
CN110457998B (zh) 影像数据关联方法和设备、数据处理设备及介质
CN112581489A (zh) 一种视频压缩方法、装置及存储介质
CN115761655A (zh) 一种目标跟踪方法及装置
CN110781797B (zh) 一种标注方法、装置及电子设备
CN113870185A (zh) 基于图像抓拍的图像处理方法、终端及存储介质
CN114419489A (zh) 特征提取网络的训练方法、装置、终端设备和介质
CN108399411B (zh) 一种多摄像头识别方法及装置
CN112380461A (zh) 一种基于gps轨迹的行人检索方法
CN111274899A (zh) 人脸匹配方法、装置、电子设备和存储介质
JP6443144B2 (ja) 情報出力装置、情報出力プログラム及び情報出力方法、並びに情報出力システム

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