CN111107305A - 一种监控界面配置方法、装置、系统及摄像机 - Google Patents

一种监控界面配置方法、装置、系统及摄像机 Download PDF

Info

Publication number
CN111107305A
CN111107305A CN201811259175.9A CN201811259175A CN111107305A CN 111107305 A CN111107305 A CN 111107305A CN 201811259175 A CN201811259175 A CN 201811259175A CN 111107305 A CN111107305 A CN 111107305A
Authority
CN
China
Prior art keywords
lane
monitoring image
lanes
target vehicle
target
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
Application number
CN201811259175.9A
Other languages
English (en)
Inventor
雷浩然
李旭冬
陈鹏辉
汪星星
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.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology 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 Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN201811259175.9A priority Critical patent/CN111107305A/zh
Publication of CN111107305A publication Critical patent/CN111107305A/zh
Pending legal-status Critical Current

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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/90—Arrangement of cameras or camera modules, e.g. multiple cameras in TV studios or sports stadiums

Landscapes

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

Abstract

本申请实施例提供了一种监控界面配置方法、装置、系统及摄像机，方法包括：获取图像采集设备在道路场景中实时采集的监控图像，道路场景中包括至少一条车道；确定监控图像中的车道数量；在监控图像上创建车道数量个矩形框；每一矩形框对应一个车道，且矩形框的每一长边对应一个车道线；调整车道数量个矩形框，使车道数量个矩形框与监控图像中的车道重合。应用本申请实施例提供的技术方案，能够实现直观的确定车辆轨迹，扩大应用范围较窄。

Description

一种监控界面配置方法、装置、系统及摄像机
技术领域
本申请涉及视频监控技术领域，特别是涉及一种监控界面配置方法、装置、系统及摄像机。
背景技术
目前，在对车辆进行监控，识别车辆轨迹，主要利用激光和红外线来识别车辆轨迹。具体的，在车辆轨迹识别路段两侧，且同一水平位置处安装激光发射端与激光接收端，在激光发射端与激光接收端所处安装位置的正下方分别安装红外测距仪。当有车辆通过车辆轨迹识别路段时，激光对射端发射的激光以及两个红外测距仪发出的红外线会被车辆遮挡，故而激光接收端的电平状态以及一对红外测距仪的电平状态发生改变，根据电平状态的变化和红外测距仪的读数确定车辆的轨迹。
采用上述方法进行车辆轨迹识别，能准确地、高效地检测车辆所处车道，确定出车辆轨迹。但该方法不够直观，应用范围较窄，例如，在车辆较多的路段，采用上述方法就无法确定出一个车辆所处的车道，无法确定出车辆轨迹。
发明内容
本申请实施例的目的在于提供一种监控界面配置方法、装置、系统及摄像机，以实现直观的确定车辆轨迹，扩大应用范围较窄。具体技术方案如下：
第一方面，本申请实施例提供了一种监控界面配置方法，所述方法包括：
获取图像采集设备在道路场景中实时采集的监控图像，所述道路场景中包括至少一条车道；
确定所述监控图像中的车道数量；
在所述监控图像上创建所述车道数量个矩形框；每一所述矩形框对应一个车道，且所述矩形框的每一长边对应一个车道线；
调整所述车道数量个矩形框，使所述车道数量个矩形框与所述监控图像中的车道重合。
可选的，所述确定所述监控图像的车道数量的步骤，包括：
接收外界输入的所述监控图像的车道数量；或，
根据预设的识别算法对所述监控图像进行车道识别，得到所述监控图像的车道数量。
可选的，所述方法还包括：
接收外界输入的配置信息，所述配置信息包括：所述监控图像中每一车道的属性以及每一车道线的属性；
所述根据预设的识别算法对所述监控图像进行车道识别，得到所述监控图像的车道数量的步骤，包括：
根据所述监控图像中每一车道的属性以及每一车道线的属性，利用预设的识别算法对所述监控图像进行车道识别，得到所述监控图像的车道数量。
可选的，所述调整所述车道数量个矩形框，使所述车道数量个矩形框与所述监控图像中的车道重合的步骤，包括：
接收外界输入的矩形框拖动指令；
根据所述矩形框拖动指令，调整所述车道数量个矩形框，使所述车道数量个矩形框与所述监控图像中的车道重合。
可选的，所述方法还包括：
向显示器输出所述监控图像，以及所述车道数量个矩形框的配置信息，所述车道数量个矩形框的配置信息包括所述矩形框的位置信息，每一所述矩形框对应的车道的编号，以及所述矩形框的每一长边对应车道线的编号，以使所述显示器显示所述监控图像，在所述监控图像中显示所述车道数量个矩形框，并在所述监控图像中每一矩形框中显示对应的车道的编号，并在所述矩形框的每一长边上显示对应的车道线的编号。
可选的，在调整所述车道数量个矩形框，使所述车道数量个矩形框与所述监控图像中的车道重合之后，还包括：
确定所述监控图像中目标车辆所在的目标车道；
基于所述目标车道，对所述目标车辆的像素坐标进行归一化处理，得到所述目标车辆的归一化坐标；
根据所述目标车辆的归一化坐标确定所述目标车辆的轨迹。
可选的，所述基于所述目标车道，对所述目标车辆的像素坐标进行归一化处理，得到所述目标车辆的归一化坐标的步骤，包括：
根据所述目标车辆分别与所述目标车道的两条车道线的距离，对所述目标车辆的像素横坐标进行归一化处理，得到归一化横坐标；
根据所述目标车辆所在的所述目标车道的第i段道路，对所述目标车辆的像素纵坐标进行归一化处理，得到归一化纵坐标；所述目标车道包括n段道路，i和n为正整数，1≤i≤n；
根据所述归一化横坐标和所述归一化纵坐标，确定所述目标车辆的归一化坐标。
可选的，所述根据所述目标车辆分别与所述目标车道的两条车道线的距离，对所述目标车辆的像素横坐标进行归一化处理，得到归一化横坐标的步骤，包括：
根据以下公式确定归一化横坐标x：
x＝l1/(l1+l2)；
其中，l1为所述目标车辆与第一车道线的距离，l2为所述目标车辆与第二车道线的距离，所述第一车道线和所述第二车道线为所述目标车道的两条车道线。
可选的，所述根据所述目标车辆所在的所述目标车道的第i段道路，对所述目标车辆的像素纵坐标进行归一化处理，得到归一化纵坐标的步骤，包括：
根据以下公式确定归一化纵坐标y：
y＝(d1+d2+…+di)/(d1+d2+…+dn)；
其中，di为所述目标车道的第i段道路的实际宽度。
可选的，所述方法还包括：
根据以下公式，确定第i段道路的宽度di：
Figure BDA0001843491920000041
其中，k和b为预设参数。
可选的，所述方法还包括：
针对M个样本目标中每一样本目标m，获取该样本目标m分别在S张图像中的高度hmp和纵坐标ymp；其中，M、m、S和p为正整数，1≤m≤M，1≤p≤S；
针对每一样本目标m，根据以下公式，以及该样本目标m的高度hmp和纵坐标ymp，确定样本目标m对应的参数km和bm：
hmp＝km*ymp+bm；
取所述M个样本目标中各样本目标m对应的参数km和bm的均值，得到预设参数k和b。
可选的，所述方法还包括：
获取所述目标车辆的属性信息；
所述根据所述目标车辆的归一化坐标确定所述目标车辆的轨迹的步骤，包括：
根据所述目标车辆的属性信息和所述目标车辆的归一化坐标，确定所述目标车辆的轨迹。
可选的，所述属性信息包括：所述目标车辆的车牌、所述目标车辆的车辆颜色、所述目标车辆的车型、所述目标车辆的品牌信息和所述目标车道的编号中的一种或多种。
第二方面，本申请实施例提供了一种监控界面配置装置，所述装置包括：
获取模块，用于获取图像采集设备在道路场景中实时采集的监控图像，所述道路场景中包括至少一条车道；
第一确定模块，用于确定所述监控图像中的车道数量；
创建模块，用于在所述监控图像上创建所述车道数量个矩形框；每一所述矩形框对应一个车道，且所述矩形框的每一长边对应一个车道线；
调整模块，用于调整所述车道数量个矩形框，使所述车道数量个矩形框与所述监控图像中的车道重合。
可选的，所述第一确定模块，具体用于：
接收外界输入的所述监控图像的车道数量；或，
根据预设的识别算法对所述监控图像进行车道识别，得到所述监控图像的车道数量。
可选的，所述装置还包括：
接收模块，用于接收外界输入的配置信息，所述配置信息包括：所述监控图像中每一车道的属性以及每一车道线的属性；
所述第一确定模块，具体用于根据所述监控图像中每一车道的属性以及每一车道线的属性，利用预设的识别算法对所述监控图像进行车道识别，得到所述监控图像的车道数量。
可选的，所述调整模块，具体用于：
接收外界输入的矩形框拖动指令；
根据所述矩形框拖动指令，调整所述车道数量个矩形框，使所述车道数量个矩形框与所述监控图像中的车道重合。
可选的，所述装置还包括：
输出模块，用于向显示器输出所述监控图像，以及所述车道数量个矩形框的配置信息，所述车道数量个矩形框的配置信息包括所述矩形框的位置信息，每一所述矩形框对应的车道的编号，以及所述矩形框的每一长边对应车道线的编号，以使所述显示器显示所述监控图像，在所述监控图像中显示所述车道数量个矩形框，并在所述监控图像中每一矩形框中显示对应的车道的编号，并在所述矩形框的每一长边上显示对应的车道线的编号。
可选的，所述装置还包括：
第二确定模块，用于在调整所述车道数量个矩形框，使所述车道数量个矩形框与所述监控图像中的车道重合之后，确定所述监控图像中目标车辆所在的目标车道；
归一化模块，用于基于所述目标车道，对所述目标车辆的像素坐标进行归一化处理，得到所述目标车辆的归一化坐标；
第三确定模块，用于根据所述目标车辆的归一化坐标确定所述目标车辆的轨迹。
可选的，所述归一化模块，包括：
第一归一化子模块，用于根据所述目标车辆分别与所述目标车道的两条车道线的距离，对所述目标车辆的像素横坐标进行归一化处理，得到归一化横坐标；
第二归一化子模块，用于根据所述目标车辆所在的所述目标车道的第i段道路，对所述目标车辆的像素纵坐标进行归一化处理，得到归一化纵坐标；所述目标车道包括n段道路，i和n为正整数，1≤i≤n；
确定子模块，用于根据所述归一化横坐标和所述归一化纵坐标，确定所述目标车辆的归一化坐标。
可选的，所述第一归一化子模块，具体用于：
根据以下公式确定归一化横坐标x：
x＝l1/(l1+l2)；
其中，l1为所述目标车辆与第一车道线的距离，l2为所述目标车辆与第二车道线的距离，所述第一车道线和所述第二车道线为所述目标车道的两条车道线。
可选的，所述第二归一化子模块，具体用于：
根据以下公式确定归一化纵坐标y：
y＝(d1+d2+…+di)/(d1+d2+…+dn)；
其中，di为所述目标车道的第i段道路的实际宽度。
可选的，所述装置还包括：第四确定模块，用于根据以下公式，确定第i段道路的宽度di：
Figure BDA0001843491920000071
其中，k和b为预设参数。
可选的，所述装置还包括：
第五确定模块，用于针对M个样本目标中每一样本目标m，获取该样本目标m分别在S张图像中的高度hmp和纵坐标ymp；其中，M、m、S和p为正整数，1≤m≤M，1≤p≤S；
第六确定模块，用于针对每一样本目标m，根据以下公式，以及该样本目标m的高度hmp和纵坐标ymp，确定样本目标m对应的参数km和bm：
hmp＝km*ymp+bm；
提取模块，用于取所述M个样本目标中各样本目标m对应的参数km和bm的均值，得到预设参数k和b。
可选的，所述装置还包括：
所述获取模块，还用于获取所述目标车辆的属性信息；
所述第三确定模块，具体用于根据所述目标车辆的属性信息和所述目标车辆的归一化坐标，确定所述目标车辆的轨迹。
可选的，所述属性信息包括：所述目标车辆的车牌、所述目标车辆的车辆颜色、所述目标车辆的车型、所述目标车辆的品牌信息和所述目标车道的编号中的一种或多种。
第三方面，本申请实施例提供了一种摄像机，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令，所述处理器被所述机器可执行指令促使实现上述监控界面配置方法的任一步骤。
第四方面，本申请实施例提供了一种监控系统，所述系统包括：至少1个摄像机和一个显示器；
所述摄像机在道路场景中实时采集监控图像；所述道路场景中包括至少一条车道；
所述显示器显示所述监控图像，接收外界输入的所述监控图像中的车道数量；
所述摄像机在所述监控图像上创建所述车道数量个矩形框；每一所述矩形框对应一个车道，且所述矩形框的每一长边对应一个车道线；
所述显示器在所述监控图像中显示所述车道数量个矩形框，并在所述监控图像中显示每一车道线的编号及每一车道的编号；接收外界输入的矩形框拖动指令；
所述摄像机根据所述矩形框拖动指令，调整所述车道数量个矩形框，使所述车道数量个矩形框与所述监控图像中的车道重合。
可选的，所述显示器在所述监控图像中显示所述车道数量个矩形框，具体为：
所述显示器在所述监控图像中的任一区域位置并列显示所述车道数量个矩形框。
可选的，所述显示器在所述监控图像中显示每一车道线的编号及每一车道的编号，具体为：
所述显示器在所述监控图像中每一矩形框中显示对应的车道的编号，并在所述矩形框的每一长边上显示对应的车道线的编号。
可选的，每一所述摄像机的安装高度满足所述监控图像中车牌区域的像素高度大于80；和/或
每一所述摄像机的俯仰角和倍率满足所述监控图像中车牌区域的像素高度大于80。
第五方面，本申请实施例提供了一种机器可读存储介质，所述机器可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述监控界面配置方法任一步骤。
本申请实施例提供的技术方案中，实时获取在道路场景中的监控图像，确定监控图像中的车道数量，在监控图像上创建车道数量个矩形框，调整车道数量个矩形框，使这车道数量个矩形框与监控图像中的车道重合。这样，在显示监控图像时，用户可基于监控图像直观的确定车辆所处的车道，进而确定车辆轨迹。另外，此时车辆轨迹的确定，不受道路上车辆多少的限制，扩大应用范围较窄。当然，实施本申请的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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的附图。
图1为本申请实施例提供的监控系统的一种结构示意图；
图2为本申请实施例提供的摄像机的一种部署示意图；
图3为本申请实施例提供的在监控图像上显示矩形框的一种示意图；
图4为本申请实施例提供的监控系统的一种结构示意图；
图5为本申请实施例提供的监控界面配置方法的一种流程示意图；
图6为本申请实施例提供的一张监控图像的示意图；
图7为本申请实施例提供的车道数量的监控界面配置的一种示意图；
图8为本申请实施例提供的车道方向的监控界面配置的一种示意图；
图9为本申请实施例提供的车道线属性的监控界面配置的一种示意图；
图10为基于图3所示的监控图像调整矩形框的一种示意图；
图11为本申请实施例提供的车辆行驶方向的监控界面配置的一种示意图；
图12为本申请实施例提供的车辆轨迹识别方法的一种流程示意图；
图13为本申请实施例提供的包含目标车辆的监控图像的第一种示意图；
图14为本申请实施例提供的包含目标车辆的监控图像的第二种示意图；
图15为本申请实施例提供的监控界面配置装置的第一种结构示意图；
图16为本申请实施例提供的监控界面配置装置的第二种结构示意图；
图17为本申请实施例提供的监控界面配置装置的第三种结构示意图；
图18为本申请实施例提供的摄像机的一种结构示意图。
具体实施方式
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，所描述的实施例仅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他实施例，都属于本申请保护的范围。
为实现直观的确定车辆轨迹，扩大应用范围较窄，本申请实施例提供了一种监控系统，可参考图1所示，该监控系统包括至少1个摄像机100和一个显示器101。其中，摄像机100可以为球机。
一个实施例中，为满足车牌识别算法的要求，可调整每一摄像机的安装高度，每一摄像机的安装高度满足捕捉到的监控图像中车牌区域的像素高度大于80。另一个实施例中，为满足车牌识别算法的要求，可调整每一摄像机的俯仰角和倍率，每一摄像机的俯仰角和倍率满足监控图像中车牌区域的像素高度大于80。
另外，若摄像机100为球机，球机的最大分辨率为1920*1080，综合考虑上述这个条件，以及满足车牌识别算法的要求的条件，将摄像机100可按照100m左右的距离依次安装在道路一侧。用户可通过PTZ(Pan/Tilt/Zoom)控制，调整摄像机100的监控图像的画面。本申请实施例中，摄像机100的部署可参考图2所示，每一摄像机100采集其对应的监控区域的监控图像，所有摄像机100对应的监控区域构成道路场景。
摄像机100在道路场景中实时采集监控图像；道路场景中包括至少一条车道。
显示器101显示监控图像，接收外界输入的监控图像中的车道数量。
摄像机100在监控图像上创建车道数量个矩形框；每一矩形框对应一个车道，且矩形框的每一长边对应一个车道线。
显示器101在监控图像中显示车道数量个矩形框，并在监控图像中显示每一车道线的编号及每一车道的编号；接收外界输入的矩形框拖动指令。
一个实施例中，显示器101在监控图像中的任一区域位置并列显示车道数量个矩形框，如图3所示。本申请实施例中，显示器101可以在监控图像的上方并列显示车道数量个矩形框，可以在监控图像的下方并列显示车道数量个矩形框，可以在监控图像的右方并列显示车道数量个矩形框，可以在监控图像的左方并列显示车道数量个矩形框，可以在监控图像的左上方并列显示车道数量个矩形框，可以在监控图像的左下方并列显示车道数量个矩形框，可以在监控图像的左上方并列显示车道数量个矩形框，还可以在监控图像的右上方并列显示车道数量个矩形框。
一个实施例中，为了便于用户这个的确定和区分不同的车道即车道线，显示器101在监控图像中显示每一车道线的编号及每一车道的编号，具体可以为：在监控图像中每一矩形框中显示对应的车道的编号，并在矩形框的每一长边上显示对应的车道线的编号，如图3所示。
摄像机100根据矩形框拖动指令，调整车道数量个矩形框，使车道数量个矩形框与监控图像中的车道重合。
在本申请的一个实施例中，如图4所示的监控系统的第二种结构示意图，包括控件201、摄像机202和平台203。摄像机202包括PTZ模块212、ISAPI(Internet ServerApplication Programming Interface，网络服务应用编程界面)模块222、DSP(DigitalSignal Processor，数字信号处理)模块232、SDK(Software Development Kit，软件开发工具包)模块242。
其中，控件201，用于网页端设置车辆识别区域、车道线坐标、PTZ云台转动等相关参数，通过ISAPI协议下发ISAPI模块。其中，控件201可以理解为图1中所示的显示器101。
ISAPI模块222，用于解析控件201通过ISAPI协议下发的参数，配置摄像机202。摄像机202与图1中所示的摄像机100相同。
PTZ模块212，用于接收控件201下发的PTZ云台转动、变倍聚焦指令。
DSP模块232，用于接收控件201下发的车辆识别的相关算法的配置，识别车辆，并解析相关坐标等结果。
SDK模块242，用于对DSP模块232上传的识别结果进行数据构造，并按照相关协议发给平台203。
平台203，用于获取车辆抓拍信息以及将获取的坐标数据绘制成轨迹，并展示。
上述控件201和平台203可以位于同一物理机上，也可以不同物理机。
基于上述PTZ模块212、ISAPI模块222、DSP模块232和SDK模块242，对摄像机202进行配置。在对摄像机202进行配置后，摄像机202即可采集监控图像，并将监控图像发送给控件201，对确定车辆轨迹，并将车辆抓拍信息以及将获取的坐标数据绘制成轨迹发送至平台203。
基于上述监控系统，本申请实施例提供了一种监控界面配置方法。该方法可应用于图像采集设备，如图1所示的摄像机100和图4所示的摄像机202。该监控界面配置方法中，获取图像采集设备在道路场景中实时采集的监控图像，道路场景中包括至少一条车道；确定监控图像中的车道数量，在监控图像上创建车道数量个矩形框，调整车道数量个矩形框，使这车道数量个矩形框与监控图像中的车道重合。这样，在显示监控图像时，用户可基于监控图像直观的确定车辆所处的车道，进而确定车辆轨迹。另外，此时车辆轨迹的确定，不受道路上车辆多少的限制，扩大应用范围较窄。
为便于理解，下面以执行主体为图像采集设备为例进行说明。
参考图5，图5为本申请实施例提供的监控界面配置方法的一种流程示意图，该方法包括如下步骤。
步骤501，获取图像采集设备在道路场景中实时采集的监控图像，道路场景中包括至少一条车道。其中，图像采集设备可以为球机。
图像采集设备在道路场景中实时采集的监控图像。在道路场景中可以部署一个或多个图像采集设备。
步骤502，确定监控图像中的车道数量。
一个实施例中，图像采集设备接收外界输入的监控图像的车道数量。
例如，如图6所示的图像采集设备采集的一张监控图像。用户通过显示的该监控图像，可直观的确定监控图像中包括4个车道，5条车道线。用户向图像采集设备输入车道数量为4。
再例如，如图6所示的图像采集设备采集的一张监控图像。用户通过显示的该监控图像，可直观的确定监控图像中包括4个车道，5条车道线。用户向图像采集设备输入车道线数量为5。图像采集设备根据车道线数量5，确定车道数量为4。
本申请实施例中，用户可采用命令行的形式，输入车道数量。用户也可以采用WEB界面，输入车道数量。如图7所示，用户在显示器上显示的车道总数列表中，选择车道数量。显示器将用户选择的车道数量发送给图像采集设备。
另一个实施例中，图像采集设备根据预设的识别算法对监控图像进行车道识别，得到监控图像的车道数量。
一个示例中，外界还可向图像采集设备输入配置信息，该配置信息可以包括：监控图像中每一车道的属性以及每一车道线的属性。
车道的属性可包括车道的方向。车道的方向可分为上行或下行。例如，如图8所示的配置示意图，用户在显示器上显示的车道方向列表中选择并输入车道方向。显示器将用户输入的车道方向发送给图像采集设备。这里，车道的属性还可以包括是否联动语音等。此时，仅以车道的属性包括车道方向为例进行说明，不起限定作用。
车道线的属性可分为白实线、单黄线、双黄线、实虚线、虚实线等。例如，如图9所示的配置示意图，用户在显示器上显示的车道的属性列表中选择并输入车道线属性。显示器将用户输入的车道线的属性发送给图像采集设备。
图像采集设备根据监控图像中每一车道的属性以及每一车道线的属性，利用预设的识别算法对监控图像进行车道识别，得到监控图像的车道数量。例如，车道线的属性为白实线，车道的属性为上行，则图像采集设备检测车辆的行驶方向是否与车道的属性相同，即车辆的行驶方向是否为上行。若车辆的行驶方向为上行，则图像采集设备检测车辆的两侧是否存在白实线。若存在白实线，则确定出一个车道。通过该方法，确定出不重叠的至少一个车道。
步骤503，在监控图像上创建车道数量个矩形框；每一矩形框对应一个车道，且矩形框的每一长边对应一个车道线。
一条车道对应一个矩形框，一个矩形框的两侧的车边边表示车道线。图像采集设备在确定了车道数量后，响应于车道数量，在监控图像上创建车道数量个矩形框。
在本申请的一个实施例中，为便于后续的轨迹分析，确定车辆轨迹，图像采集设备向显示器输出监控图像，以及车道数量个矩形框的配置信息。其中，车道数量个矩形框的配置信息包括矩形框的位置信息，每一矩形框对应的车道的编号，以及矩形框的每一长边对应车道线的编号。显示器显示接收的监控图像，在监控图像中显示车道数量个矩形框，并在监控图像中每一矩形框中显示对应的车道的编号，并在矩形框的每一长边上显示对应的车道线的编号。
仍以图6所示监控图像为例进行说明。图像采集设备确定车道数量为4，在监控图像上创建4个矩形框，向显示器输出监控图像，以及4个矩形框的配置信息。图像采集设备显示监控图像和4个矩形框，并在矩形框内显示对应的车道的编号，在矩形框的长边上显示对应的车道线的编号，如图3所示。
步骤504，调整车道数量个矩形框，使车道数量个矩形框与监控图像中的车道重合。
在本申请的一个实施例中，图像采集设备在显示了矩形框后，可以根据识别检测到的车道的位置和形状，进而基于车道的位置和形状，调整车道数量个矩形框，使车道数量个矩形框与监控图像中的车道重合。
在本申请的一个实施例中，图像采集设备可以通过外界手动调整车道数量个矩形框，使车道数量个矩形框与监控图像中的车道重合。具体的，图像采集设备接收外界输入的矩形框拖动指令；根据矩形框拖动指令，调整车道数量个矩形框，使车道数量个矩形框与监控图像中的车道重合。
一个示例中，图像采集设备向显示器输出监控图像，以及车道数量个矩形框的配置信息。显示器显示接收的监控图像，在监控图像中显示车道数量个矩形框。用户可基于显示器显示的监控图像和矩形框，向显示器输入矩形框拖动指令。显示器将接收的矩形框拖动指令，向图像采集设备输入矩形框拖动指令。进而图像采集设备根据矩形框拖动指令，调整车道数量个矩形框，使车道数量个矩形框与监控图像中的车道重合。
以图3所示监控图像为例进行说明，拖动监控图像上的矩形框的边，使得各矩形框与各车道重合，如图10所示。
本申请实施例中，可以通过用户长按鼠标键将矩形框拖动指令输入显示器，也可以通过手势将矩形框拖动指令输入显示器，还可以通过长按图形用户界面的操作将矩形框拖动指令输入显示器，本申请实施例对此不进行限定。
在本申请实施例中，为便于后续的轨迹分析，确定车辆轨迹，用户还可向图像采集设备输入其他的配置信息。配置信息可以包括：道路场景的的车辆行驶方向和/或图像采集设备的高度等。
其中，车辆行驶方向可分为上行或下行。例如，如图11所示的配置示意图，用户在显示器显示的场景方向列表中选择并输入车辆行驶方向。显示器将用户输入的车辆行驶方向发送给图像采集设备。
为便于灵活控制车辆轨迹识别，图像采集设备中配置车辆轨迹识别功能。在使能车辆轨迹识别功能后，开始进行车辆轨迹识别。若未使能车辆轨迹识别功能，则不进行车辆轨迹识别。例如，如图11中，用户在选择了显示器显示的启用框后，使能图像采集设备上车辆轨迹识别功能。
基于上配置的监控界面，在本申请实施例提供了一种车辆轨迹识别方法。参考图12，图12为本申请实施例提供的车辆轨迹识别方法的一种流程示意图，该方法包括如下步骤。
步骤1201，获取图像采集设备在道路场景中实时采集的监控图像，道路场景中包括至少一条车道。
步骤1202，确定监控图像中的车道数量。
步骤1203，在监控图像上创建车道数量个矩形框；每一矩形框对应一个车道，且矩形框的每一长边对应一个车道线。
步骤1204，调整车道数量个矩形框，使车道数量个矩形框与监控图像中的车道重合。
步骤1201-1204与步骤501-504相同。
步骤1205，确定监控图像中目标车辆所在的目标车道。
本申请实施例中，图像采集设备可以采用BOW(Bag of Words，视觉词袋)、汉明窗嵌入、局部敏感希哈、CDVS(Compact Descriptors for Visual Search，图像检测紧凑描述)等算法对监控图像进行车辆识别。图像采集设备还可以采用卷积神经网络模型对监控图像进行车辆识别，本申请实施例对此不进行限定。
图像采集设备在确定出监控图像中的车辆后，将监控图像中的车辆确定为目标车辆，结合车辆在监控图像中的位置信息，及预先配置的矩形框，确定目标车辆所在的目标车道。这里，目标车辆可以为多个。
步骤1206，基于目标车道，对目标车辆的像素坐标进行归一化处理，得到目标车辆的归一化坐标。
像素坐标包括像素横坐标和像素纵坐标。在本申请实施例中，电子设备基于目标车道，对目标车辆的像素坐标进行归一化处理，得到目标车辆的归一化坐标，可以分为目标车辆的像素横坐标进行归一化处理，以及目标车辆的像素纵坐标进行归一化处理。电子设备得到归一化横坐标和归一化纵坐，根据归一化横坐标和归一化纵坐标，确定目标车辆的归一化坐标。
一个可选的实施例中，目标车辆的像素横坐标进行归一化处理可以包括：根据目标车辆分别与目标车道的两条车道线的距离，对目标车辆的像素横坐标进行归一化处理，得到归一化横坐标。这里，目标车辆分别与目标车道的两条车道线的距离与车辆的远近无关，基于目标车辆分别与目标车道的两条车道线的距离能够很好的体现目标车辆位置。
一个示例中，如图13所示的包含目标车辆的监控图像的示意图，图像采集设备可根据以下公式确定归一化横坐标x：
x＝l1/(l1+d2)；
其中，l1为目标车辆与第一车道线的距离，l2为目标车辆与第二车道线的距离，第一车道线和第二车道线为目标车道的两条车道线。
另一个示例中，如图13所示的包含目标车辆的监控图像的示意图，图像采集设备可根据以下公式确定归一化横坐标x：
x＝l1/d2；
其中，l1为目标车辆与第一车道线的距离，l2为目标车辆与第二车道线的距离，第一车道线和第二车道线为目标车道的两条车道线。
本申请实施例中，图像采集设备还可以根据l1和l2采用其他与方式确定归一化横坐标x，对此不进行限定。
一个可选的实施例中，目标车辆的像素纵坐标进行归一化处理可以包括：根据目标车辆所在的目标车道的第i段道路，对目标车辆的像素纵坐标进行归一化处理，得到归一化纵坐标。目标车道包括n段道路，i和n为正整数，1≤i≤n。
本申请实施例中，车辆的远近与纵坐标不成比例关系，即监控图像中最远段与最近端相同的长度d，对应的实际长度是不等的。为提高归一化纵坐标的准确性，在考虑到设备性能的情况下，n越大越好。
一个示例中，如图14所示的包含目标车辆的监控图像的示意图，图像采集设备可根据以下公式确定归一化纵坐标y：
y＝(d1+d2+…+di)/(d1+d2+…+dn)；
其中，di为目标车道的第i段道路的实际宽度。
另一个示例中，如图14所示的包含目标车辆的监控图像的示意图，图像采集设备可根据以下公式确定归一化纵坐标y：
y＝(di+…+dn)/(d1+d2+…+dn)；
其中，di为目标车道的第i段道路的实际宽度。
本申请实施例中，图像采集设备还可以根据各段道路的实际宽度采用其他与方式确定归一化纵坐标y，对此不进行限定。
一个可选的实施例中，图像采集设备可根据以下公式确定第i段道路的宽度di：
Figure BDA0001843491920000171
其中，k和b为预设参数，n为目标车道道路段总数，1≤i≤n。k和b可为用户根据经验预先设定，也可以根据多个样本参数计算确定。
一个实施例中，图像采集设备可采用以下步骤确定预设参数k和b。
步骤1，针对M个样本目标中每一样本目标m，获取该样本目标m分别在S张图像中的高度hmp和纵坐标ymp；其中，M、m、S和p为正整数，1≤m≤M，1≤p≤S。
预先配置M个样本目标。针对M个样本目标中的每一样本目标m，图像采集设备获取该样本目标m分别在S张图像中的高度hmp和纵坐标ymp，即针对每一样本目标m，获取S个高度hmp和纵坐标ymp。这里，样本目标m位于目标车道的第t段道路，样本目标m的纵坐标ymp为t/n。
步骤2，针对每一样本目标m，根据以下公式，以及该样本目标m的高度hmp和纵坐标ymp，确定样本目标m对应的参数km和bm：
hmp＝km*ymp+bm。
针对每一样本目标m，图像采集设备获取到S个高度hmp和纵坐标ymp，即{(ym1，hm1)，(ym2，hm2)，…，(ymS，hmS)}，结合上述公式，采用最小二乘法，可计算出该样本目标m对应的(km，bm)。图像采集设备获取到M个样本目标，则可计算得到M个(km，bm)，即{(k1，b1)，(k2，b2)，…，(kM，bM)}。
步骤3，取M个样本目标中各样本目标m对应的参数km和bm的均值，得到预设参数k和b。
例如，k＝(k1+k2+…+kM)/M，b＝(b1+b2+…+bM)/M。
步骤1207，根据目标车辆的归一化坐标确定目标车辆的轨迹。
在本申请实施例中，为提高车辆轨迹识别的准确性，图像采集设备还可以获取目标车辆的属性信息。其中，属性信息可包括：目标车辆的车牌、目标车辆的车辆颜色、目标车辆的车型、目标车辆的品牌信息和目标车道的编号中的一种或多种。
图像采集设备结合目标车辆的属性信息和目标车辆的归一化坐标，确定目标车辆的轨迹。
例如，球机1确定的车辆轨迹包括：
车辆1：车辆颜色：红色，车牌：111111，轨迹：{[球机1，归一化坐标(0.5，0.1)]，[球机1，归一化坐标(0.5，0.4)]，[球机1，归一化坐标(0.4，0.6)]}；
车辆2：车辆颜色：黑色，车牌：222222，坐标轨迹：{[球机1，归一化坐标(0.1，0.2)]，[球机1，归一化坐标(0.1，0.3)]，[球机1，归一化坐标(0.4，0.4)]}。
若球机1获取到目标车辆为红色，车牌为111111，该目标车辆采集到的归一化坐标为(0.4，0.9)。基于上述球机1确定的车辆轨迹信息，球机1可确定该目标车辆为车辆1，确定车辆1的轨迹为：{[球机1，归一化坐标(0.5，0.1)]，[球机1，归一化坐标(0.5，0.4)]，[球机1，归一化坐标(0.4，0.6)]，[球机1，归一化坐标(0.4，0.9)]}。
在本申请的一个实施例中，监控系统中可包括至少一个图像采集设备，至少一个图像采集设备将采集的轨迹信息和车辆的属性信息发送给服务器，如图4所示的平台203。服务器综合至少一个图像采集设备采集的车辆轨迹信息，确定车辆的完整的轨迹信息。
例如，监控系统中包括球机1和球机2，以及服务器X。
球机1确定的车辆轨迹包括：
车辆1：车辆颜色：红色，车牌：111111，轨迹：{[球机1，归一化坐标(0.5，0.1)]，[球机1，归一化坐标(0.5，0.4)]，[球机1，归一化坐标(0.4，0.6)]}；
车辆2：车辆颜色：黑色，车牌：222222，坐标轨迹：{[球机1，归一化坐标(0.1，0.2)]，[球机1，归一化坐标(0.1，0.3)]，[球机1，归一化坐标(0.4，0.4)]}。
球机2确定的车辆轨迹包括：
车辆1：车辆颜色：红色，车牌：111111，轨迹：{[球机2，归一化坐标(0.5，0.2)]，[球机2，归一化坐标(0.5，0.5)]，[球机2，归一化坐标(0.4，0.8)]}。
球机1和球机2分别将采集车辆轨迹发送给服务器X。服务器X可确定出车辆轨迹包括：
车辆1：车辆颜色：红色，车牌：111111，轨迹：{[球机1，归一化坐标(0.5，0.1)]，[球机1，归一化坐标(0.5，0.4)]，[球机1，归一化坐标(0.4，0.6)]，[球机2，归一化坐标(0.5，0.2)]，[球机2，归一化坐标(0.5，0.5)]，[球机2，归一化坐标(0.4，0.8)]}；
车辆2：车辆颜色：黑色，车牌：222222，坐标轨迹：{[球机1，归一化坐标(0.1，0.2)]，[球机1，归一化坐标(0.1，0.3)]，[球机1，归一化坐标(0.4，0.4)]}。
与上述监控界面配置方法实施例对应，本申请实施例还提供了一种监控界面配置装置。参考图15，图15为本申请实施例提供的监控界面配置装置的第一种结构示意图，该装置包括如下模块。
获取模块1501，用于获取图像采集设备在道路场景中实时采集的监控图像，道路场景中包括至少一条车道；
第一确定模块1502，用于确定监控图像中的车道数量；
创建模块1503，用于在监控图像上创建车道数量个矩形框；每一矩形框对应一个车道，且矩形框的每一长边对应一个车道线；
调整模块1504，用于调整车道数量个矩形框，使车道数量个矩形框与监控图像中的车道重合。
一个实施例中，第一确定模块1502，具体可以用于：
接收外界输入的监控图像的车道数量；或，
根据预设的识别算法对监控图像进行车道识别，得到监控图像的车道数量。
一个实施例中，上述监控界面配置装置还可包括：
接收模块，用于接收外界输入的配置信息，配置信息包括：监控图像中每一车道的属性以及每一车道线的属性；
此时，第一确定模块1502，具体可以用于根据监控图像中每一车道的属性以及每一车道线的属性，利用预设的识别算法对监控图像进行车道识别，得到监控图像的车道数量。
一个实施例中，调整模块1504，具体可以用于：
接收外界输入的矩形框拖动指令；
根据矩形框拖动指令，调整车道数量个矩形框，使车道数量个矩形框与监控图像中的车道重合。
一个实施例中，上述监控界面配置装置还可包括：
输出模块，用于向显示器输出监控图像，以及车道数量个矩形框的配置信息，车道数量个矩形框的配置信息包括矩形框的位置信息，每一矩形框对应的车道的编号，以及矩形框的每一长边对应车道线的编号，以使显示器显示监控图像，在监控图像中显示车道数量个矩形框，并在监控图像中每一矩形框中显示对应的车道的编号，并在矩形框的每一长边上显示对应的车道线的编号
一个实施例中，参考图16所示的监控界面配置装置的第二种结构示意图，该监控界面配置装置还可包括如下模块。
第二确定模块1505，用于在调整车道数量个矩形框，使车道数量个矩形框与监控图像中的车道重合之后，确定监控图像中目标车辆所在的目标车道；
归一化模块1506，用于基于目标车道，对目标车辆的像素坐标进行归一化处理，得到目标车辆的归一化坐标；
第三确定模块1507，用于根据目标车辆的归一化坐标确定目标车辆的轨迹。
一个实施例中，参考图17所示的监控界面配置装置的第三种结构示意图，归一化模块1506，可包括：
第一归一化子模块1516，用于根据目标车辆分别与目标车道的两条车道线的距离，对目标车辆的像素横坐标进行归一化处理，得到归一化横坐标；
第二归一化子模块1526，用于根据目标车辆所在的目标车道的第i段道路，对目标车辆的像素纵坐标进行归一化处理，得到归一化纵坐标；目标车道包括n段道路，i和n为正整数，1≤i≤n；
确定子模块1536，用于根据归一化横坐标和归一化纵坐标，确定目标车辆的归一化坐标。
一个实施例中，第一归一化子模块1516，具体可以用于：
根据以下公式确定归一化横坐标x：
x＝l1/(l1+l2)；
其中，l1为目标车辆与第一车道线的距离，l2为目标车辆与第二车道线的距离，第一车道线和第二车道线为目标车道的两条车道线。
一个实施例中，第二归一化子模块1526，具体可以用于：
根据以下公式确定归一化纵坐标y：
y＝(d1+d2+…+di)/(d1+d2+…+dn)；
其中，di为目标车道的第i段道路的实际宽度。
一个实施例中，上述监控界面配置装置还可以包括：
第四确定模块，用于根据以下公式，确定第i段道路的宽度di：
Figure BDA0001843491920000221
其中，k和b为预设参数。
一个实施例中，上述监控界面配置装置还可以包括：
第五确定模块，用于针对M个样本目标中每一样本目标m，获取该样本目标m分别在S张图像中的高度hmp和纵坐标ymp；其中，M、m、S和p为正整数，1≤m≤M，1≤p≤S；
第六确定模块，用于针对每一样本目标m，根据以下公式，以及该样本目标m的高度hmp和纵坐标ymp，确定样本目标m对应的参数km和bm：
hmp＝km*ymp+bm；
提取模块，用于取M个样本目标中各样本目标m对应的参数km和bm的均值，得到预设参数k和b。
一个实施例中，上述监控界面配置装置还可以包括：
获取模块1501，还可用于获取目标车辆的属性信息；
第三确定模块1507，具体可以用于根据目标车辆的属性信息和目标车辆的归一化坐标，确定目标车辆的轨迹。
一个实施例中，上述属性信息包括：目标车辆的车牌、目标车辆的车辆颜色、目标车辆的车型、目标车辆的品牌信息和目标车道的编号中的一种或多种。
应用本申请实施例提供的技术方案，实时获取在道路场景中的监控图像，确定监控图像中的车道数量，在监控图像上创建车道数量个矩形框，调整车道数量个矩形框，使这车道数量个矩形框与监控图像中的车道重合。这样，在显示监控图像时，用户可基于监控图像直观的确定车辆所处的车道，进而确定车辆轨迹。另外，此时车辆轨迹的确定，不受道路上车辆多少的限制，扩大应用范围较窄。
与上述监控界面配置方法实施例对应，本申请实施例还提供了一种摄像机，如图18所示，包括处理器1801和机器可读存储介质1802，机器可读存储介质1802存储有能够被处理器1801执行的机器可执行指令，处理器1801被机器可执行指令促使实现上述图1-图14所示的监控界面配置方法。其中，监控界面配置方法包括：
获取图像采集设备在道路场景中实时采集的监控图像，道路场景中包括至少一条车道；
确定监控图像中的车道数量；
在监控图像上创建车道数量个矩形框；每一矩形框对应一个车道，且矩形框的每一长边对应一个车道线；
调整车道数量个矩形框，使车道数量个矩形框与监控图像中的车道重合。
应用本申请实施例提供的技术方案，实时获取在道路场景中的监控图像，确定监控图像中的车道数量，在监控图像上创建车道数量个矩形框，调整车道数量个矩形框，使这车道数量个矩形框与监控图像中的车道重合。这样，在显示监控图像时，用户可基于监控图像直观的确定车辆所处的车道，进而确定车辆轨迹。另外，此时车辆轨迹的确定，不受道路上车辆多少的限制，扩大应用范围较窄。
与上述监控界面配置方法实施例对应，本申请实施例还提供了一种机器可读存储介质，机器可读存储介质内存储有机器可执行指令，机器可执行指令被处理器执行时实现上述图1-图14所示的监控界面配置方法。
存储器可以包括RAM(Random Access Memory，随机存取存储器)，也可以包括NVM(Non-Volatile Memory，非易失性存储器)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
处理器可以是通用处理器，包括CPU(Central Processing Unit，中央处理器)、NP(Network Processor，网络处理器)等；还可以是DSP(Digital Signal Processing，数字信号处理器)、ASIC(Application Specific Integrated Circuit，专用集成电路)、FPGA(Field-Programmable Gate Array，现场可编程门阵列)或其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
需要说明的是，在本文中，诸如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。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于监控界面配置装置、摄像机、机器可读存储介质实施例而言，由于其基本相似于监控界面配置方法实施例，所以描述的比较简单，相关之处参见监控界面配置方法实施例的部分说明即可。
以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本申请的保护范围内。

Claims (19)

1.一种监控界面配置方法，其特征在于，所述方法包括：
获取图像采集设备在道路场景中实时采集的监控图像，所述道路场景中包括至少一条车道；
确定所述监控图像中的车道数量；
在所述监控图像上创建所述车道数量个矩形框；每一所述矩形框对应一个车道，且所述矩形框的每一长边对应一个车道线；
调整所述车道数量个矩形框，使所述车道数量个矩形框与所述监控图像中的车道重合。
2.根据权利要求1所述的方法，其特征在于，所述确定所述监控图像的车道数量的步骤，包括：
接收外界输入的所述监控图像的车道数量；或，
根据预设的识别算法对所述监控图像进行车道识别，得到所述监控图像的车道数量。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
接收外界输入的配置信息，所述配置信息包括：所述监控图像中每一车道的属性以及每一车道线的属性；
所述根据预设的识别算法对所述监控图像进行车道识别，得到所述监控图像的车道数量的步骤，包括：
根据所述监控图像中每一车道的属性以及每一车道线的属性，利用预设的识别算法对所述监控图像进行车道识别，得到所述监控图像的车道数量。
4.根据权利要求1所述的方法，其特征在于，所述调整所述车道数量个矩形框，使所述车道数量个矩形框与所述监控图像中的车道重合的步骤，包括：
接收外界输入的矩形框拖动指令；
根据所述矩形框拖动指令，调整所述车道数量个矩形框，使所述车道数量个矩形框与所述监控图像中的车道重合。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
向显示器输出所述监控图像，以及所述车道数量个矩形框的配置信息，所述车道数量个矩形框的配置信息包括所述矩形框的位置信息，每一所述矩形框对应的车道的编号，以及所述矩形框的每一长边对应车道线的编号，以使所述显示器显示所述监控图像，在所述监控图像中显示所述车道数量个矩形框，并在所述监控图像中每一矩形框中显示对应的车道的编号，并在所述矩形框的每一长边上显示对应的车道线的编号。
6.根据权利要求1所述的方法，其特征在于，在调整所述车道数量个矩形框，使所述车道数量个矩形框与所述监控图像中的车道重合之后，还包括：
确定所述监控图像中目标车辆所在的目标车道；
基于所述目标车道，对所述目标车辆的像素坐标进行归一化处理，得到所述目标车辆的归一化坐标；
根据所述目标车辆的归一化坐标确定所述目标车辆的轨迹。
7.根据权利要求6所述的方法，其特征在于，所述基于所述目标车道，对所述目标车辆的像素坐标进行归一化处理，得到所述目标车辆的归一化坐标的步骤，包括：
根据所述目标车辆分别与所述目标车道的两条车道线的距离，对所述目标车辆的像素横坐标进行归一化处理，得到归一化横坐标；
根据所述目标车辆所在的所述目标车道的第i段道路，对所述目标车辆的像素纵坐标进行归一化处理，得到归一化纵坐标；所述目标车道包括n段道路，i和n为正整数，1≤i≤n；
根据所述归一化横坐标和所述归一化纵坐标，确定所述目标车辆的归一化坐标。
8.根据权利要求7所述的方法，其特征在于，所述根据所述目标车辆分别与所述目标车道的两条车道线的距离，对所述目标车辆的像素横坐标进行归一化处理，得到归一化横坐标的步骤，包括：
根据以下公式确定归一化横坐标x：
x＝l1/(l1+l2)；
其中，l1为所述目标车辆与第一车道线的距离，l2为所述目标车辆与第二车道线的距离，所述第一车道线和所述第二车道线为所述目标车道的两条车道线。
9.根据权利要求7所述的方法，其特征在于，所述根据所述目标车辆所在的所述目标车道的第i段道路，对所述目标车辆的像素纵坐标进行归一化处理，得到归一化纵坐标的步骤，包括：
根据以下公式确定归一化纵坐标y：
y＝(d1+d2+…+di)/(d1+d2+…+dn)；
其中，di为所述目标车道的第i段道路的实际宽度。
10.根据权利要求9所述的方法，其特征在于，所述方法还包括：
根据以下公式，确定第i段道路的宽度di：
Figure FDA0001843491910000031
其中，k和b为预设参数。
11.根据权利要求10所述的方法，其特征在于，所述方法还包括：
针对M个样本目标中每一样本目标m，获取该样本目标m分别在S张图像中的高度hmp和纵坐标ymp；其中，M、m、S和p为正整数，1≤m≤M，1≤p≤S；
针对每一样本目标m，根据以下公式，以及该样本目标m的高度hmp和纵坐标ymp，确定样本目标m对应的参数km和bm：
hmp＝km*ymp+bm；
取所述M个样本目标中各样本目标m对应的参数km和bm的均值，得到预设参数k和b。
12.根据权利要求6所述的方法，其特征在于，所述方法还包括：
获取所述目标车辆的属性信息；
所述根据所述目标车辆的归一化坐标确定所述目标车辆的轨迹的步骤，包括：
根据所述目标车辆的属性信息和所述目标车辆的归一化坐标，确定所述目标车辆的轨迹。
13.根据权利要求12所述的方法，其特征在于，所述属性信息包括：所述目标车辆的车牌、所述目标车辆的车辆颜色、所述目标车辆的车型、所述目标车辆的品牌信息和所述目标车道的编号中的一种或多种。
14.一种监控界面配置装置，其特征在于，所述装置包括：
获取模块，用于获取图像采集设备在道路场景中实时采集的监控图像，所述道路场景中包括至少一条车道；
第一确定模块，用于确定所述监控图像中的车道数量；
创建模块，用于在所述监控图像上创建所述车道数量个矩形框；每一所述矩形框对应一个车道，且所述矩形框的每一长边对应一个车道线；
调整模块，用于调整所述车道数量个矩形框，使所述车道数量个矩形框与所述监控图像中的车道重合。
15.一种摄像机，其特征在于，包括处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令，所述处理器被所述机器可执行指令促使：实现权利要求1-13任一所述的方法步骤。
16.一种监控系统，其特征在于，所述系统包括：至少1个摄像机和一个显示器；
所述摄像机在道路场景中实时采集监控图像；所述道路场景中包括至少一条车道；
所述显示器显示所述监控图像，接收外界输入的所述监控图像中的车道数量；
所述摄像机在所述监控图像上创建所述车道数量个矩形框；每一所述矩形框对应一个车道，且所述矩形框的每一长边对应一个车道线；
所述显示器在所述监控图像中显示所述车道数量个矩形框，并在所述监控图像中显示每一车道线的编号及每一车道的编号；接收外界输入的矩形框拖动指令；
所述摄像机根据所述矩形框拖动指令，调整所述车道数量个矩形框，使所述车道数量个矩形框与所述监控图像中的车道重合。
17.根据权利要求16所述的系统，其特征在于，所述显示器在所述监控图像中显示所述车道数量个矩形框，具体为：
所述显示器在所述监控图像中的任一区域位置并列显示所述车道数量个矩形框。
18.根据权利要求16所述的系统，其特征在于，所述显示器在所述监控图像中显示每一车道线的编号及每一车道的编号，具体为：
所述显示器在所述监控图像中每一矩形框中显示对应的车道的编号，并在所述矩形框的每一长边上显示对应的车道线的编号。
19.根据权利要求16所述的系统，其特征在于，每一所述摄像机的安装高度满足所述监控图像中车牌区域的像素高度大于80；和/或
每一所述摄像机的俯仰角和倍率满足所述监控图像中车牌区域的像素高度大于80。
CN201811259175.9A 2018-10-26 2018-10-26 一种监控界面配置方法、装置、系统及摄像机 Pending CN111107305A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811259175.9A CN111107305A (zh) 2018-10-26 2018-10-26 一种监控界面配置方法、装置、系统及摄像机

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811259175.9A CN111107305A (zh) 2018-10-26 2018-10-26 一种监控界面配置方法、装置、系统及摄像机

Publications (1)

Publication Number Publication Date
CN111107305A true CN111107305A (zh) 2020-05-05

Family

ID=70418006

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811259175.9A Pending CN111107305A (zh) 2018-10-26 2018-10-26 一种监控界面配置方法、装置、系统及摄像机

Country Status (1)

Country Link
CN (1) CN111107305A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103065470A (zh) * 2012-12-18 2013-04-24 浙江工业大学 基于单目多检测面的机器视觉的车辆闯红灯行为检测装置
CN103680154A (zh) * 2013-12-02 2014-03-26 青岛海信网络科技股份有限公司 一种视频车辆检测方法
CN103903019A (zh) * 2014-04-11 2014-07-02 北京工业大学 一种多车道车辆轨迹时空图的自动生成方法
CN104599502A (zh) * 2015-02-13 2015-05-06 重庆邮电大学 一种基于视频监控的车流量统计方法
CN105957340A (zh) * 2016-04-27 2016-09-21 电子科技大学 一种基于自适应虚拟线圈的交通监控方法
EP3109796A1 (en) * 2015-06-25 2016-12-28 Ricoh Company, Ltd. Method and device for recognizing road scene as well as relevant program and non-transitory computer-readable medium
CN106652445A (zh) * 2016-11-15 2017-05-10 成都通甲优博科技有限责任公司 一种公路交通事故判别方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103065470A (zh) * 2012-12-18 2013-04-24 浙江工业大学 基于单目多检测面的机器视觉的车辆闯红灯行为检测装置
CN103680154A (zh) * 2013-12-02 2014-03-26 青岛海信网络科技股份有限公司 一种视频车辆检测方法
CN103903019A (zh) * 2014-04-11 2014-07-02 北京工业大学 一种多车道车辆轨迹时空图的自动生成方法
CN104599502A (zh) * 2015-02-13 2015-05-06 重庆邮电大学 一种基于视频监控的车流量统计方法
EP3109796A1 (en) * 2015-06-25 2016-12-28 Ricoh Company, Ltd. Method and device for recognizing road scene as well as relevant program and non-transitory computer-readable medium
CN105957340A (zh) * 2016-04-27 2016-09-21 电子科技大学 一种基于自适应虚拟线圈的交通监控方法
CN106652445A (zh) * 2016-11-15 2017-05-10 成都通甲优博科技有限责任公司 一种公路交通事故判别方法及装置

Similar Documents

Publication Publication Date Title
KR100879623B1 (ko) Ｐｔｚ 카메라를 이용한 자동화된 광역 감시 시스템 및 그방법
CN110400352B (zh) 利用特征识别的摄像机校准
JP4930046B2 (ja) 路面判別方法および路面判別装置
US20160232410A1 (en) Vehicle speed detection
KR101496390B1 (ko) 차량번호인식 시스템
KR101530255B1 (ko) 객체 자동 추적 장치가 구비된 cctv 시스템
CN107764233B (zh) 一种测量方法及装置
US20220172452A1 (en) Detecting objects non-visible in color images
JP5539250B2 (ja) 接近物体検知装置及び接近物体検知方法
CN109543496B (zh) 一种图像采集方法、装置、电子设备及系统
KR101210615B1 (ko) 불법유턴 차량 단속 시스템
CN113033353A (zh) 基于俯视图像的行人轨迹生成方法、存储介质和电子设备
Ng et al. Traffic Impact Assessment System using Yolov5 and ByteTrack
US20130265420A1 (en) Video processing apparatus, video processing method, and recording medium
JP5276032B2 (ja) 対象物の位置を算出するための装置
KR102448944B1 (ko) 영상의 원근 왜곡을 보정하여 차량객체의 속도를 측정하는 속도측정방법 및 속도측정장치
KR102030736B1 (ko) 다중 분산 영상 데이터 분석 장치
Sala et al. Measuring traffic lane‐changing by converting video into space–time still images
CN111107305A (zh) 一种监控界面配置方法、装置、系统及摄像机
EP3349201A1 (en) Parking assist method and vehicle parking assist system
US11481996B2 (en) Calculation device, information processing method, and storage medium
CN113033350A (zh) 基于俯视图像的行人重识别方法、存储介质和电子设备
KR101924336B1 (ko) 영상 감시를 위한 영역 설정 방법과 그를 위한 영상 감시 장치
KR101154110B1 (ko) 영상 처리 방법을 이용한 차량 속도 측정 장치 및 방법
JP2006012013A (ja) 移動物体追跡装置

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: 20200505

RJ01 Rejection of invention patent application after publication