CN111275008A - 目标车辆异常的检测方法及装置、存储介质、电子装置 - Google Patents

目标车辆异常的检测方法及装置、存储介质、电子装置 Download PDF

Info

Publication number
CN111275008A
CN111275008A CN202010112592.1A CN202010112592A CN111275008A CN 111275008 A CN111275008 A CN 111275008A CN 202010112592 A CN202010112592 A CN 202010112592A CN 111275008 A CN111275008 A CN 111275008A
Authority
CN
China
Prior art keywords
target
determining
target vehicle
target objects
information
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
CN202010112592.1A
Other languages
English (en)
Other versions
CN111275008B (zh
Inventor
傅凯
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 Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua 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 Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202010112592.1A priority Critical patent/CN111275008B/zh
Publication of CN111275008A publication Critical patent/CN111275008A/zh
Application granted granted Critical
Publication of CN111275008B publication Critical patent/CN111275008B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08—Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种目标车辆异常的检测方法及装置、存储介质、电子装置，该方法包括：在目标图像中确定目标车辆的承载信息；根据承载信息识别出目标车辆中承载的目标对象的数量；基于目标对象的数量确定目标车辆是否异常。通过本发明，解决了相关技术中对目标车辆异常的检测不准确的问题，达到准确检测出目标车辆是否为异常车辆的效果。

Description

目标车辆异常的检测方法及装置、存储介质、电子装置
技术领域
本发明涉及车辆领域，具体而言，涉及一种目标车辆异常的检测方法及装置、存储介质、电子装置。
背景技术
在交通场景中，三轮车的目标检测一直属于难样本检测，而三轮车又属于违章多发的车型，其中三轮车非法载人属于亟待解决的问题。目前相关的检测技术几乎为空白，因为三轮车的形状各异，特征不能很好的被聚类，所以仅仅是三轮车的检测任务就是一大难点。判别三轮车是否非法载人更是一项艰巨的任务。
目前在相关领域比较普遍的做法是将三轮车和人同时检测出来，然后对人目标进行统计，这种做法十分容易出现误检。不能很好的应用到实际的场景中。
针对上述技术问题，相关技术中尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种目标车辆异常的检测方法及装置、存储介质、电子装置，以至少解决相关技术中对车辆异常的检测不准确的问题。
根据本发明的一个实施例，提供了一种目标车辆异常的检测方法，包括：在目标图像中确定上述目标车辆的承载信息，其中，目标图像为对目标车辆进行拍摄得到的图像，上述目标图像中包括上述目标车辆中的预设位置的特征信息；根据上述承载信息识别出上述目标车辆中承载的目标对象的数量；基于上述目标对象的数量确定上述目标车辆是否异常。
根据本发明的另一个实施例，提供了一种目标车辆异常的检测装置，包括：第一确定模块，用于在目标图像中确定所述目标车辆的承载信息，其中，所述目标图像为对所述目标车辆进行拍摄得到的图像，所述目标图像中包括所述目标车辆中的预设位置的特征信息；识别模块，用于根据所述承载信息识别出所述目标车辆中承载的目标对象的数量；第二确定模块，用于基于所述目标对象的数量确定所述目标车辆是否异常。
可选地，上述第一确定模块，包括：第一确定单元，用于在拍摄得到的图像中确定出包括预设数量车轮的车辆；第二确定单元，用于裁剪上述图像中包括上述预设数量车轮的车辆，得到上述目标图像；第三确定单元，用于从上述目标图像中确定上述目标车辆的承载信息。
可选地，上述识别模块，包括：第四确定单元，用于在上述特征信息包括上述目标车辆的第一设备信息的情况下，从上述第一设备信息中确定出上述承载信息；识别单元，用于利用上述承载信息识别出上述目标车辆中承载的目标对象的数量。
可选地，上述识别单元，包括以下之一：第一确定子单元，用于在上述第一设备信息中检测出N个第一部位和M个第二部位，且上述M和上述N的和值为第一预设值的情况下，将上述第一预设值确定为上述目标对象的数量，其中，上述M和上述N均是大于或等于1的自然数；第二确定子单元，用于在从上述第一设备信息中检测出1个第一部位和1个第二部位的情况下，确定上述第一部位与上述第二部位是否是同一目标对象中的部位，得到第一确定结果；基于上述第一确定结果确定出上述目标对象的数量；第三确定子单元，用于在从上述第一设备信息中检测出K个第一部位的情况下，确定上述K个第一部位中的每个第一部位之间的位置是否平行，得到第二确定结果；基于上述第二确定结果确定出上述目标对象的数量；第四确定子单元，用于在从上述第一设备信息中检测出1个第一部位和P个第二部位的情况下，确定上述P个第二部位对应的P个预设第一部位之间是否平行，得到第三确定结果；基于上述第三确定结果确定出上述目标对象的数量；第五确定子单元，用于在从上述第一设备信息中检测出O个第二部位的情况下，基于上述O个第二部位确定出上述目标对象的数量；其中，上述M和上述N均是大于或等于1的自然数，上述P和上述K均是大于1的自然数。
根据本发明的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明，由于在对目标车辆进行拍摄得到的目标图像中确定目标车辆的承载信息，其中，目标图像中包括目标车辆中的预设位置的特征信息；利用承载信息识别出目标车辆中承载的目标对象的数量；利用目标对象的数量确定目标车辆是否异常。实现了对目标车辆上的目标对象的数量的确定，因此，可以解决相关技术中对目标车辆异常的检测不准确的问题，达到准确检测出目标车辆是否为异常车辆的效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本发明实施例的一种目标车辆异常的检测方法的移动终端的硬件结构框图；
图2是根据本发明实施例的目标车辆异常的检测方法的流程图；
图3是根据本发明实施例的确定承载信息的流程图；
图4是根据本发明实施例平行判断的示意图；
图5是根据本发明可选实施例的对异常进行检测的流程图；
图6是根据本发明可选实施例的检测车斗中乘客的结构示意图；
图7是根据本发明实施例的目标车辆异常的检测装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例，图1是本发明实施例的一种目标车辆异常的检测方法的移动终端的硬件结构框图。如图1所示，移动终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端10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。
存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本发明实施例中的目标车辆异常的检测方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至移动终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种目标车辆异常的检测方法，图2是根据本发明实施例的目标车辆异常的检测方法的流程图，如图2所示，该流程包括如下步骤：
步骤S202，在目标图像中确定目标车辆的承载信息，其中，目标图像为对目标车辆进行拍摄得到的图像，目标图像中包括目标车辆中的预设位置的特征信息；
可选地，在本实施例中，目标车辆包括但不限于是三轮车、两轮车等特殊车型。目标车辆中的预设位置包括但不限于是目标车辆的车头位置、车斗位置、车尾位置等。例如，在预设位置是三轮车的车头位置的情况下，目标图像中主要包括车头信息中呈现的信息，例如，驾驶员的信息、车斗中乘坐的乘客的信息等等。
可选地，对目标车辆的拍摄可以是在目标车辆行驶过程中，或者是在等红灯的场景下进行的拍摄。目标图像中可以反映出目标车辆的特征信息即可。
步骤S204，根据承载信息识别出目标车辆中承载的目标对象的数量；
可选地，在本实施例中，承载信息包括但不限于是目标车辆中乘坐的人的信息，例如驾驶员的信息、乘客的信息、以及包括的目标对象的数量。
步骤S206，基于目标对象的数量确定目标车辆是否异常。
可选地，在本实施例中，例如，在目标车辆是三轮车的情况下，可以对三轮车是否非法载人进行判断，如果存在非法载人，则三轮车是异常的；如果只有驾驶员一个人，则认为是不存在异常的。
可选地，上述步骤的执行主体可以为终端等，但不限于此。
通过上述步骤，由于在对目标车辆进行拍摄得到的目标图像中确定目标车辆的承载信息，其中，目标图像中包括目标车辆中的预设位置的特征信息；根据承载信息识别出目标车辆中承载的目标对象的数量；基于目标对象的数量确定目标车辆是否异常。实现了对目标车辆上的目标对象的数量的确定，因此，可以解决相关技术中对目标车辆异常的检测不准确的问题，达到准确检测出目标车辆是否为异常车辆的效果。
在一个可选的实施例中，在目标图像中确定目标车辆的承载信息，包括：
S1，在拍摄得到的图像中确定出包括预设数量车轮的车辆；
S2，裁剪图像中包括预设数量车轮的车辆，得到目标图像；
S3，从目标图像中确定目标车辆的承载信息。
可选地，例如，目标车辆是三轮车，将获取的三轮车图像输入至具备深度学习能力的网络模型中，剪裁出目标图像，目标图像中仅包括目标车辆的特征信息，即是将目标车辆周围的其他信息过滤掉。从目标图像中识别出目标车辆中承载的目标对象的数量。
可选地，本实施例以三轮车为例进行说明，如图3所示，对承载信息的确定包括以下步骤：
S301：目标车辆非法载人的判断开始；
S302：将录制的目标车辆的视频图像输入至深度学习的网络模型中；
S303：网络模型中的对视频图像进行检测；
S304：判断目标车辆是否是三轮车；
S305：在目标车辆不是三轮车的情况下，返回异常判断；
S306：在目标车辆是三轮车的情况下，对单轮车是否非法载人进行判断；
S307：如果存在非法载人，则输出异常提示信息；
S308：如果是合法载人，输出非异常提示信息。
通过本实施例，以深度学习为基础方法，先将三轮车目标检测到，然后在检测结果的基础上扩大图像区域，再将扩大后的图像送入三轮车车头、车斗、人体、人脸检测网络中，得到相应的位置信息，最后通过详细的逻辑判断，最后得出该三轮车目标是否非法载人的结果。增加了对目标车辆检测的准确性。
在一个可选的实施例中，根据承载信息识别出目标车辆中承载的目标对象的数量，包括：
S1，在特征信息包括目标车辆的第一设备信息的情况下，从第一设备信息中确定出承载信息；
S2，利用承载信息识别出目标车辆中承载的目标对象的数量。
在一个可选的实施例中，利用承载信息识别出目标车辆中承载的目标对象的数量，包括以下之一：
在第一设备信息中检测出N个第一部位和M个第二部位，且M和N的和值为第一预设值的情况下，将第一预设值确定为目标对象的数量，其中，M和N均是大于或等于1的自然数；
可选地，例如，在第一设备信息中检测出1个目标对象的头部，1个目标对象的人体，头部和人体属于同一人，则认为目标车辆中仅存在一个人，即是驾驶员，由此判断目标车辆是合法的。
在从第一设备信息中检测出1个第一部位和1个第二部位的情况下，确定第一部位与第二部位是否是同一目标对象的部位，得到第一确定结果；基于第一确定结果确定出目标对象的数量；
可选地，在第一部位和第二部位不是同一人的情况下，则目标车辆中承载两个人，即是非法的。在第一部位和第二部位是同一人的情况下，则目标车辆中仅有驾驶员一人，则判断为目标车辆是合法的。
在从第一设备信息中检测出K个第一部位的情况下，确定K个第一部位中的每个第一部位之间的位置是否平行，得到第二确定结果；基于第二确定结果确定出目标对象的数量；
可选地，例如，检测到2个头部的情况下，在2个头部平行的情况下，则认为目标车辆中存在副驾驶，目标车辆是合法的。在2个头部不是平行的情况下，目标车辆的车斗中承载与目标对象，则判断目标车辆是非法载人的。
在从第一设备信息中检测出1个第一部位和P个第二部位的情况下，确定P个第二部位对应的P个预设第一部位之间是否平行，得到第三确定结果；基于第三确定结果确定出目标对象的数量；
可选地，例如，检测到1个头部，1个人体的情况下，虚设1个人体的头部，与检测到的1个头部进行平行的判断，如果是平行的，则认为目标车辆中仅存在一个驾驶员，则是合法的，否则属于非法载人。
在从第一设备信息中检测出O个第二部位的情况下，基于O个第二部位确定出目标对象的数量；
可选地，例如，在第二部位包括2的情况下，则目标车辆中包括2个人，属于非法载人。
其中，M和N均是大于或等于1的自然数，P和K均是大于1的自然数。
在一个可选的实施例中，基于第一确定结果确定出目标对象的数量，包括以下之一：
S1，确定第一部位和第二部位之间的第一重叠度IOU，在第一IOU小于预设IOU的情况下，确定目标对象的数量大于1；
可选地，例如，头部和人体之间完全不重合的情况下，则判断在目标车辆中包括两个目标对象。
S2，确定第一部位和第二部位之间的第一重叠度IOU，在第一IOU大于或等于预设IOU的情况下，确定第一部位与第二部位是同一目标对象中的部位，目标对象的数量小于或等于1。
可选地，例如，头部和人体之间存在重合部分的情况下，则头部和人体属于同一目标对象。
在一个可选的实施例中，基于第二确定结果确定出目标对象的数量，包括：
S1，在目标图像中确定K个第一部位的图像区域，得到K个图像区域，比较K个图像区域之间的图像中心距离，得到第一比较结果，基于第一比较结果确定出每个第一部位之间的位置是否平行，以确定出目标对象的数量。
在一个可选的实施例中，基于第三确定结果确定出目标对象的数量，包括以下之一：
S1，在目标图像中确定P个第二部位的图像区域，得到P个图像区域，比较P个图像区域之间的图像中心距离，得到第二比较结果，基于第二比较结果确定出每个第二部位之间的位置是否平行，以确定出目标对象的数量。
可选地，如图4所示，判断平行具体的做法为两个矩形框的纵向中心距离小于两者中最小宽度的一半。两者满足的条件为|center_y2-center_y1|≤min{w1,w2}。其中，w1用于表示第一部位的高度，w2用于表示第二部位的高度，y1用于表示第一部位的中心点，y2用于表示第二部位的中心点。
可选地，本实施例的判断人体框中是否有人头则是对于所有人体，遍历所有的人头，如果两者的IOU大于IOUsame，则认为两者属于同一人，人体框中含有人头框。
可选地，例如，本实施例以三轮车为例进行说明，如图5所示，包括以下步骤：
S501：对目标车辆是否出现异常进行判断；
S502：以三轮车为例进行说明，获取三轮车的图像；
S503：利用网络模型对三轮车和人进行检测；
S504：若没有身体和人头，则返回不载人；
S505：体数与人头数大于等于5，或者人体数大于等于3或者人头数大于等于3可以判定为载人，属于非法行为；
S506：如果出现车头信息，认为该目标为三轮车正面。当目标为三轮车正面时：
(1)若人体数与人头数之和为1，说明只有一个司机，返回不载人；
(2)若人体数为1，人头数为1，首先判断是否同一人：
①如果是同一人，则是司机，返回不载人；
②若不是同一人，计算人头和人体的重叠度IOU：
IOU大于等于IOUmax，仍然判定为同一人，返回不载人；
(ii)IOU小于IOUmax，则判定为两个人，属于非法载人；
(3)若人头数为2，首先判断两个人头是否平行：
①如果平行，则判断人体数：
如果有个人的人体中没有人头，则返回载人；
(ii)如果均有人头，则属于困难样本，单独处理；
②如果人头不平行，则属于困难样本，单独判断；
在一个可选的实施例中，根据承载信息识别出目标车辆中承载的目标对象的数量，包括：
S1，在特征信息包括目标车辆的第二设备信息的情况下，从第二设备信息中确定出承载信息；
S2，利用承载信息识别出目标车辆中承载的目标对象的数量。
在一个可选的实施例中，根据承载信息识别出目标车辆中承载的目标对象的数量，包括以下之一：
S1，在第二设备信息中检测出的第一部位的数量、第二部位的数量均大于或等于第二预设值的情况下，确定目标对象的数量大于或等于第二预设值；
可选地，第二设备包括但不限于是目标车辆中的车斗。
S2，在第二设备信息中检测出1个第一部位和1个第二部位，且第一部位与第二部位是同一目标对象中的部位的情况下，基于第一部位与车斗之间的第三IOU确定目标对象是否是驾驶员，得到第四确定结果，基于第四确定结果确定出目标对象的数量；
S3，在第二设备信息中检测出的第一部位的数量是第四预设值的情况下，确定第一部位与车斗之间的第四IOU，得到第五确定结果，得到第五确定结果；基于第五确定结果确定出目标对象的数量。
在一个可选的实施例中，基于第四确定结果确定出目标对象的数量，包括：
S1，在第三IOU大于预设IOU，且第二部位与目标车辆中的第二设备之间的宽高比大于第五预设值的情况下，确定目标对象的数量大于1。
在一个可选的实施例中，基于第五确定结果确定出目标对象的数量，包括：
S1，在第四IOU大于预设IOU的情况下，确定目标对象的数量大于1。
可选地，本实施例以三轮车为例进行说明，如果出现车斗信息，该目标为三轮车背面。当目标为三轮车背面时：
(1)人体数为0，人头数为0，返回不载人；
(2)人体数大于等于2，人头数大于等于2，说明至少有两人，返回非法载人；
(3)人体数为1，人头数为1，判断是否是同一人，即计算两者IOU：
①IOU大于IOUmax，则认为是同一人，如果是同一人，判断是否在后排，即计算车斗和人头的IOU：
(i)IOU大于IOUmax，属于非法载人；
(ii)如果是驾驶员，返回不载人；
(iii)如果是后排人返回非法载人；
(iiii)都不要满足，返回不载人；
②如果不是同一人，返回载人；
这里的判断是否是驾驶员，首先得到人体框的宽和高body_w，body_h，人体框最大纵向值和最小值y_min_body，y_max_body还需要得到车斗纵向坐标y_min_tricycle和y_max_tricycle。
如图6所示，一般来看驾驶员的人体框较为扁平，而非法乘坐人员的人体框较窄，通过计算ratio＝body_h/body_w得到宽高比，如果大于γre，则为非驾驶员。另一方面如果满足：
y_min_body＞y_max_tricycle或y_max_body＜y_min_tricycle也可以判定为驾驶员。当然也存在一些极端情况，如上图左边的乘坐人员，这个时候我们可以通过计算交叉比来进行判定：
y_min_cross＝max{y_min_body,y_min_tricycle}
y_max_cross＝max{y_max_body,y_max_tricycle}；
cross＝(y_max_cross-y_min_cross)/(y_max_tricycle-y_min_tricycle)；
如果cross大于σcr，则认为是非驾驶员，如果cross小于等于σcr则认为是驾驶员。
这里的判断是否是后排人利用了相似的方法，同样需要计算ratio和cross，只不过此时的ratio的阈值为2，即当ratio大于1.5γmax时，可以判定为后排人而cross满足cross大于σro，对于极端情况cross大于σcr同时ratio大于γre则可以判定为后排人。
(4)人体数为1，人头数为0，判断是否是驾驶员：
①是驾驶员，返回不载人；
②是后排人，返回载人；
③否则，返回不载人；
(5)人体数为0，人头数为1，计算人头和车斗的IOU：
①IOU大于IOUmax，人在车斗里，返回载人；
②否则，返回不载人；
γre和γmax为ratio的两个阈值，σcr和σro为cross的两个阈值，IOUmax和IOUsame为IOU的两个阈值。
在一个可选的实施例中，基于目标对象的数量确定目标车辆是否异常，包括：
S1，在目标对象的数量大于第一预设值的情况下，确定目标车辆存在异常；
S2，在目标对象的数量大于第一预设值，且各个目标对象之间不处于平行状态的情况下，确定目标车辆存在异常。
在本实施例中，存在异常即是目标车辆存在非法载人的现象，不存在异常即是驾驶是合法的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种目标车辆异常的检测装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图7是根据本发明实施例的目标车辆异常的检测装置的结构框图，如图7所示，该装置包括：
第一确定模块72，用于在目标图像中确定目标车辆的承载信息，其中，目标图像为对目标车辆进行拍摄得到的图像，目标图像中包括目标车辆中的预设位置的特征信息；
识别模块74，用于根据承载信息识别出目标车辆中承载的目标对象的数量；
第二确定模块76，用于基于目标对象的数量确定目标车辆是否异常。
可选地，上述第一确定模块，包括：
第一确定单元，用于在拍摄得到的图像中确定出包括预设数量车轮的车辆；
第二确定单元，用于裁剪上述图像中包括上述预设数量车轮的车辆，得到上述目标图像；
第三确定单元，用于从上述目标图像中确定上述目标车辆的承载信息。
可选地，上述识别模块，包括：
第四确定单元，用于在上述特征信息包括上述目标车辆的第一设备信息的情况下，从上述第一设备信息中确定出上述承载信息；
识别单元，用于利用上述承载信息识别出上述目标车辆中承载的目标对象的数量。
可选地，上述识别单元，包括以下之一：
第一确定子单元，用于在上述第一设备信息中检测出N个第一部位和M个第二部位，且上述M和上述N的和值为第一预设值的情况下，将上述第一预设值确定为上述目标对象的数量，其中，上述M和上述N均是大于或等于1的自然数；
第二确定子单元，用于在从上述第一设备信息中检测出1个第一部位和1个第二部位的情况下，确定上述第一部位与上述第二部位是否是同一目标对象中的部位，得到第一确定结果；基于上述第一确定结果确定出上述目标对象的数量；
第三确定子单元，用于在从上述第一设备信息中检测出K个第一部位的情况下，确定上述K个第一部位中的每个第一部位之间的位置是否平行，得到第二确定结果；基于上述第二确定结果确定出上述目标对象的数量；
第四确定子单元，用于在从上述第一设备信息中检测出1个第一部位和P个第二部位的情况下，确定上述P个第二部位对应的P个预设第一部位之间是否平行，得到第三确定结果；基于上述第三确定结果确定出上述目标对象的数量；
第五确定子单元，用于在从上述第一设备信息中检测出O个第二部位的情况下，基于上述O个第二部位确定出上述目标对象的数量；
其中，上述M和上述N均是大于或等于1的自然数，上述P和上述K均是大于1的自然数。
可选地，通过以下方式之一基于第一确定结果确定出目标对象的数量：
确定第一部位和第二部位之间的第一重叠度IOU，在第一IOU小于预设IOU的情况下，确定目标对象的数量大于1；
确定第一部位和第二部位之间的第一重叠度IOU，在第一IOU大于或等于预设IOU的情况下，确定第一部位与第二部位是同一目标对象中的部位，目标对象的数量小于或等于1。
可选地，通过以下方式基于第二确定结果确定出目标对象的数量，包括：
在目标图像中确定K个第一部位的图像区域，得到K个图像区域，比较K个图像区域之间的图像中心距离，得到第一比较结果，基于第一比较结果确定出每个第一部位之间的位置是否平行，以确定出目标对象的数量。
可选地，通过以下方式之一基于第三确定结果确定出目标对象的数量：
在目标图像中确定P个第二部位的图像区域，得到P个图像区域，比较P个图像区域之间的图像中心距离，得到第二比较结果，基于第二比较结果确定出每个第二部位之间的位置是否平行，以确定出目标对象的数量。
可选地，通过以下方式利用承载信息识别出目标车辆中承载的目标对象的数量：
在特征信息包括目标车辆的第二设备信息的情况下，从第二设备信息中确定出承载信息；
利用承载信息识别出目标车辆中承载的目标对象的数量。
可选地，通过以下方式之一利用承载信息识别出目标车辆中承载的目标对象的数量：
在第二设备信息中检测出的第一部位的数量、第二部位的数量均大于或等于第二预设值的情况下，确定目标对象的数量大于或等于第二预设值；
在第二设备信息中检测出1个第一部位和1个第二部位，且第一部位与第二部位是同一目标对象中的部位的情况下，基于第一部位与车斗之间的第三IOU确定目标对象是否是驾驶员，得到第四确定结果，基于第四确定结果确定出目标对象的数量；
在第二设备信息中检测出的第一部位的数量是第四预设值的情况下，确定第一部位与车斗之间的第四IOU，得到第五确定结果，得到第五确定结果；基于第五确定结果确定出目标对象的数量。
可选地，通过以下方式基于第四确定结果确定出目标对象的数量：
在第三IOU大于预设IOU，且第二部位与目标车辆中的第二设备之间的宽高比大于第五预设值的情况下，确定目标对象的数量大于1。
可选地，通过以下方式基于第五确定结果确定出目标对象的数量：
在第四IOU大于预设IOU的情况下，确定目标对象的数量大于1。
可选地，通过以下方式基于目标对象的数量确定目标车辆是否异常
在目标对象的数量大于第一预设值的情况下，确定目标车辆存在异常；
在目标对象的数量大于第一预设值，且各个目标对象之间不处于平行状态的情况下，确定目标车辆存在异常。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，在对目标车辆进行拍摄得到的目标图像中确定目标车辆的承载信息，其中，目标图像中包括目标车辆中的预设位置的特征信息；
S2，利用承载信息识别出目标车辆中承载的目标对象的数量；
S3，基于目标对象的数量确定目标车辆是否异常。
可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，在对目标车辆进行拍摄得到的目标图像中确定目标车辆的承载信息，其中，目标图像中包括目标车辆中的预设位置的特征信息；
S2，利用承载信息识别出目标车辆中承载的目标对象的数量；
S3，基于目标对象的数量确定目标车辆是否异常。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
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 (15)

1.一种目标车辆异常的检测方法，其特征在于，包括：
在目标图像中确定目标车辆的承载信息，其中，所述目标图像为对所述目标车辆进行拍摄得到的图像，所述目标图像中包括所述目标车辆中的预设位置的特征信息；
根据所述承载信息识别出所述目标车辆中承载的目标对象的数量；
基于所述目标对象的数量确定所述目标车辆是否异常。
2.根据权利要求1所述的方法，其特征在于，在目标图像中确定所述目标车辆的承载信息，包括：
在拍摄得到的图像中确定出包括预设数量车轮的车辆；
裁剪所述图像中包括所述预设数量车轮的车辆，得到所述目标图像；
从所述目标图像中确定所述目标车辆的承载信息。
3.根据权利要求1所述的方法，其特征在于，根据所述承载信息识别出所述目标车辆中承载的目标对象的数量，包括：
在所述特征信息包括所述目标车辆的第一设备信息的情况下，从所述第一设备信息中确定出所述承载信息；
利用所述承载信息识别出所述目标车辆中承载的目标对象的数量。
4.根据权利要求3所述的方法，其特征在于，利用所述承载信息识别出所述目标车辆中承载的目标对象的数量，包括以下之一：
在所述第一设备信息中检测出N个第一部位和M个第二部位，且所述M和所述N的和值为第一预设值的情况下，将所述第一预设值确定为所述目标对象的数量，其中，所述M和所述N均是大于或等于1的自然数；
在从所述第一设备信息中检测出1个第一部位和1个第二部位的情况下，确定所述第一部位与所述第二部位是否是同一目标对象中的部位，得到第一确定结果；基于所述第一确定结果确定出所述目标对象的数量；
在从所述第一设备信息中检测出K个第一部位的情况下，确定所述K个第一部位中的每个第一部位之间的位置是否平行，得到第二确定结果；基于所述第二确定结果确定出所述目标对象的数量；
在从所述第一设备信息中检测出1个第一部位和P个第二部位的情况下，确定所述P个第二部位对应的P个预设第一部位之间是否平行，得到第三确定结果；基于所述第三确定结果确定出所述目标对象的数量；
在从所述第一设备信息中检测出O个第二部位的情况下，基于所述O个第二部位确定出所述目标对象的数量；
其中，所述M和所述N均是大于或等于1的自然数，所述P和所述K均是大于1的自然数。
5.根据权利要求4所述的方法，其特征在于，基于所述第一确定结果确定出所述目标对象的数量，包括以下之一：
确定所述第一部位和所述第二部位之间的第一重叠度IOU，在所述第一IOU小于预设IOU的情况下，确定所述目标对象的数量大于1；
确定所述第一部位和所述第二部位之间的第一重叠度IOU，在所述第一IOU大于或等于预设IOU的情况下，确定所述第一部位与所述第二部位是同一目标对象中的部位，所述目标对象的数量小于或等于1。
6.根据权利要求4所述的方法，其特征在于，基于所述第二确定结果确定出所述目标对象的数量，包括：
在所述目标图像中确定所述K个第一部位的图像区域，得到K个图像区域，比较所述K个图像区域之间的图像中心距离，得到第一比较结果，基于所述第一比较结果确定出所述每个第一部位之间的位置是否平行，以确定出所述目标对象的数量。
7.根据权利要求4所述的方法，其特征在于，基于所述第三确定结果确定出所述目标对象的数量，包括以下之一：
在所述目标图像中确定P个第二部位的图像区域，得到P个图像区域，比较所述P个图像区域之间的图像中心距离，得到第二比较结果，基于所述第二比较结果确定出每个第二部位之间的位置是否平行，以确定出所述目标对象的数量。
8.根据权利要求1所述的方法，其特征在于，根据所述承载信息识别出所述目标车辆中承载的目标对象的数量，包括：
在所述特征信息包括所述目标车辆的第二设备信息的情况下，从所述第二设备信息中确定出所述承载信息；
利用所述承载信息识别出所述目标车辆中承载的目标对象的数量。
9.根据权利要求8所述的方法，其特征在于，利用所述承载信息识别出所述目标车辆中承载的目标对象的数量，包括以下之一：
在所述第二设备信息中检测出的第一部位的数量、第二部位的数量均大于或等于第二预设值的情况下，确定所述目标对象的数量大于或等于所述第二预设值；
在所述第二设备信息中检测出1个第一部位和1个第二部位，且所述第一部位与所述第二部位是同一目标对象中的部位的情况下，基于所述第一部位与车斗之间的第三IOU确定所述目标对象是否是驾驶员，得到第四确定结果，基于所述第四确定结果确定出所述目标对象的数量；
在所述第二设备信息中检测出的第一部位的数量是第四预设值的情况下，确定所述第一部位与车斗之间的第四IOU，得到第五确定结果，得到第五确定结果；基于所述第五确定结果确定出所述目标对象的数量。
10.根据权利要求9所述的方法，其特征在于，基于所述第四确定结果确定出所述目标对象的数量，包括：
在所述第三IOU大于预设IOU，且所述第二部位与所述目标车辆中的第二设备之间的宽高比大于第五预设值的情况下，确定所述目标对象的数量大于1。
11.根据权利要求9所述的方法，其特征在于，基于所述第五确定结果确定出所述目标对象的数量，包括：
在所述第四IOU大于预设IOU的情况下，确定所述目标对象的数量大于1。
12.根据权利要求1所述的方法，其特征在于，基于所述目标对象的数量确定所述目标车辆是否异常，包括：
在所述目标对象的数量大于第一预设值的情况下，确定所述目标车辆存在异常；
在所述目标对象的数量大于第一预设值，且各个目标对象之间不处于平行状态的情况下，确定所述目标车辆存在异常。
13.一种目标车辆异常的检测装置，其特征在于，包括：
第一确定模块，用于在目标图像中确定所述目标车辆的承载信息，其中，所述目标图像为对所述目标车辆进行拍摄得到的图像，所述目标图像中包括所述目标车辆中的预设位置的特征信息；
识别模块，用于根据所述承载信息识别出所述目标车辆中承载的目标对象的数量；
第二确定模块，用于基于所述目标对象的数量确定所述目标车辆是否异常。
14.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至12任一项中所述的方法。
15.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至12任一项中所述的方法。
CN202010112592.1A 2020-02-24 2020-02-24 目标车辆异常的检测方法及装置、存储介质、电子装置 Active CN111275008B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010112592.1A CN111275008B (zh) 2020-02-24 2020-02-24 目标车辆异常的检测方法及装置、存储介质、电子装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010112592.1A CN111275008B (zh) 2020-02-24 2020-02-24 目标车辆异常的检测方法及装置、存储介质、电子装置

Publications (2)

Publication Number Publication Date
CN111275008A true CN111275008A (zh) 2020-06-12
CN111275008B CN111275008B (zh) 2024-01-16

Family

ID=70999169

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010112592.1A Active CN111275008B (zh) 2020-02-24 2020-02-24 目标车辆异常的检测方法及装置、存储介质、电子装置

Country Status (1)

Country Link
CN (1) CN111275008B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113313400A (zh) * 2021-06-08 2021-08-27 中国石油大学(北京) 事故告警方法、装置及存储介质

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101149794A (zh) * 2007-10-16 2008-03-26 王海燕 基于视频的车辆检测跟踪及系统
JP2009266052A (ja) * 2008-04-28 2009-11-12 Hitachi Ltd 異常行動検知装置
CN102665071A (zh) * 2012-05-14 2012-09-12 安徽三联交通应用技术股份有限公司 一种社会治安视频监控图像智能处理和检索方法
CN103280108A (zh) * 2013-05-20 2013-09-04 中国人民解放军国防科学技术大学 基于视觉感知和车联网的客车安全预警系统
JP2013221889A (ja) * 2012-04-18 2013-10-28 Yamato Scale Co Ltd 車両計量システム
US20140205144A1 (en) * 2013-01-22 2014-07-24 Denso Corporation In-vehicle target detecting device
CN107766835A (zh) * 2017-11-06 2018-03-06 贵阳宏益房地产开发有限公司 行车安全检测方法及装置
CN108288381A (zh) * 2017-12-29 2018-07-17 福建工程学院 一种识别超载客运车辆的方法及终端
KR20180094812A (ko) * 2017-02-16 2018-08-24 (주)지앤티솔루션 승차인원 검지방법 및 그 장치
CN108734055A (zh) * 2017-04-17 2018-11-02 杭州海康威视数字技术股份有限公司 一种异常人员检测方法、装置及系统
US20190061620A1 (en) * 2017-08-31 2019-02-28 Toyota Jidosha Kabushiki Kaisha Abnormality detection apparatus, abnormality detection method, and abnormality detection system
CN109501672A (zh) * 2018-10-17 2019-03-22 浙江合众新能源汽车有限公司 一种基于人脸识别的驾乘人员管理系统
CN109583394A (zh) * 2018-12-05 2019-04-05 陕西四维衡器科技有限公司 高速公路收费系统中车辆轮胎数识别方法和专用设备
CN109858470A (zh) * 2019-03-06 2019-06-07 百度在线网络技术（北京）有限公司 用于输出信息的方法和装置
CN110490108A (zh) * 2019-08-08 2019-11-22 浙江大华技术股份有限公司 一种违章状态的标记方法、装置、存储介质及电子装置
WO2019223655A1 (zh) * 2018-05-22 2019-11-28 杭州海康威视数字技术股份有限公司 非机动车载人的检测
CN110633690A (zh) * 2019-09-24 2019-12-31 北京邮电大学 基于桥梁监控的车辆特征识别方法及系统
CN110722982A (zh) * 2019-10-23 2020-01-24 上海能塔智能科技有限公司 试驾车辆的超载处理方法、装置、电子设备与存储介质
CN110738079A (zh) * 2018-07-19 2020-01-31 杭州海康威视数字技术股份有限公司 机动车前排人员数量异常的检测方法、装置和计算机设备
CN110826370A (zh) * 2018-08-09 2020-02-21 广州汽车集团股份有限公司 车内人员的身份识别方法、装置、车辆及存储介质

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101149794A (zh) * 2007-10-16 2008-03-26 王海燕 基于视频的车辆检测跟踪及系统
JP2009266052A (ja) * 2008-04-28 2009-11-12 Hitachi Ltd 異常行動検知装置
JP2013221889A (ja) * 2012-04-18 2013-10-28 Yamato Scale Co Ltd 車両計量システム
CN102665071A (zh) * 2012-05-14 2012-09-12 安徽三联交通应用技术股份有限公司 一种社会治安视频监控图像智能处理和检索方法
US20140205144A1 (en) * 2013-01-22 2014-07-24 Denso Corporation In-vehicle target detecting device
CN103280108A (zh) * 2013-05-20 2013-09-04 中国人民解放军国防科学技术大学 基于视觉感知和车联网的客车安全预警系统
KR20180094812A (ko) * 2017-02-16 2018-08-24 (주)지앤티솔루션 승차인원 검지방법 및 그 장치
CN108734055A (zh) * 2017-04-17 2018-11-02 杭州海康威视数字技术股份有限公司 一种异常人员检测方法、装置及系统
US20190061620A1 (en) * 2017-08-31 2019-02-28 Toyota Jidosha Kabushiki Kaisha Abnormality detection apparatus, abnormality detection method, and abnormality detection system
CN107766835A (zh) * 2017-11-06 2018-03-06 贵阳宏益房地产开发有限公司 行车安全检测方法及装置
CN108288381A (zh) * 2017-12-29 2018-07-17 福建工程学院 一种识别超载客运车辆的方法及终端
WO2019223655A1 (zh) * 2018-05-22 2019-11-28 杭州海康威视数字技术股份有限公司 非机动车载人的检测
CN110738079A (zh) * 2018-07-19 2020-01-31 杭州海康威视数字技术股份有限公司 机动车前排人员数量异常的检测方法、装置和计算机设备
CN110826370A (zh) * 2018-08-09 2020-02-21 广州汽车集团股份有限公司 车内人员的身份识别方法、装置、车辆及存储介质
CN109501672A (zh) * 2018-10-17 2019-03-22 浙江合众新能源汽车有限公司 一种基于人脸识别的驾乘人员管理系统
CN109583394A (zh) * 2018-12-05 2019-04-05 陕西四维衡器科技有限公司 高速公路收费系统中车辆轮胎数识别方法和专用设备
CN109858470A (zh) * 2019-03-06 2019-06-07 百度在线网络技术（北京）有限公司 用于输出信息的方法和装置
CN110490108A (zh) * 2019-08-08 2019-11-22 浙江大华技术股份有限公司 一种违章状态的标记方法、装置、存储介质及电子装置
CN110633690A (zh) * 2019-09-24 2019-12-31 北京邮电大学 基于桥梁监控的车辆特征识别方法及系统
CN110722982A (zh) * 2019-10-23 2020-01-24 上海能塔智能科技有限公司 试驾车辆的超载处理方法、装置、电子设备与存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113313400A (zh) * 2021-06-08 2021-08-27 中国石油大学(北京) 事故告警方法、装置及存储介质
CN113313400B (zh) * 2021-06-08 2023-12-15 中国石油大学(北京) 事故告警方法、装置及存储介质

Also Published As

Publication number Publication date
CN111275008B (zh) 2024-01-16

Similar Documents

Publication Publication Date Title
CN106453570A (zh) 一种行车状态的远程监控方法、系统及车载设备、服务器
CN104916138B (zh) 车辆信息的处理方法、系统、车载设备及服务器
CN105894384A (zh) 获得车辆出险理赔信息的方法和装置
CN111652114B (zh) 一种对象检测方法、装置、电子设备及存储介质
CN113688805B (zh) 一种基于无人机的无牌渣土车识别方法及系统
CN111931639B (zh) 驾驶员行为检测方法、装置、电子设备及存储介质
CN108197526A (zh) 检测方法、系统及计算机可读存储介质
CN110232827B (zh) 自由流收费车型识别方法、装置及系统
CN108389392A (zh) 一种基于机器学习的交通事故责任认定系统
CN113287120A (zh) 车辆驾驶环境异常监测方法、装置、电子设备和存储介质
CN106980837A (zh) 一种基于车辆特征信息分析的车型识别方法及系统
CN108230669A (zh) 基于大数据和云分析的道路车辆违法检测方法及系统
CN112818839A (zh) 驾驶员违章行为识别方法、装置、设备及介质
CN114170585B (zh) 危险驾驶行为的识别方法、装置、电子设备及存储介质
CN111275008A (zh) 目标车辆异常的检测方法及装置、存储介质、电子装置
CN112183206B (zh) 一种基于路侧单目摄像头的交通参与者定位方法和系统
CN105761326A (zh) 一种管理车辆行驶数据的方法、装置及设备
CN110853184A (zh) 车载计算信息的分析处理方法、装置、设备与存储介质
JP2008040766A (ja) 運行管理装置、運行管理プログラム、及び運行管理方法
CN112164205B (zh) 告警信息的发送方法及装置
CN112597924B (zh) 电动自行车轨迹追踪方法、摄像机装置和服务器
CN113971787A (zh) 开放式车厢机动车存在违法载人嫌疑的检测方法及装置
CN111696368A (zh) 一种超速违法数据生成方法及违法服务器
CN112950961A (zh) 车流量统计方法、装置、设备和存储介质
CN111161542A (zh) 车辆识别方法及装置

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
GR01 Patent grant
GR01 Patent grant