CN111292539A - 校车违章行为的确定方法、装置、计算机设备和存储介质 - Google Patents
校车违章行为的确定方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN111292539A CN111292539A CN202010099119.4A CN202010099119A CN111292539A CN 111292539 A CN111292539 A CN 111292539A CN 202010099119 A CN202010099119 A CN 202010099119A CN 111292539 A CN111292539 A CN 111292539A
- Authority
- CN
- China
- Prior art keywords
- target
- school bus
- image
- determining
- detection result
- 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
- G08G1/017—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种校车违章行为的确定方法、装置、计算机设备和存储介质。所述方法包括:获取多个候选图像,并从多个所述候选图像中查找出含有目标校车的目标图像;其中,多个所述候选图像之间的拍摄间隔小于预设时长;在所述目标图像的数量大于预设数量时,对各所述目标图像中所述目标校车的状态进行检测得到检测结果;根据所述检测结果,确定所述目标校车是否存在违章行为。采用本方法能够节省时间和人力,提高复核效率。
Description
技术领域
本申请涉及图像识别技术领域,特别是涉及一种校车违章行为的确定方法、装置、计算机设备和存储介质。
背景技术
随着社会的发展,机动车辆越来越多。为了规范机动车辆的行车,通常会在道路中设置摄像头,由摄像头抓拍机动车辆的行车过程,进而根据抓拍图像来判断机动车辆是否存在违法行为。
目前,对于存在违章嫌疑的目标车辆,采用人工复核的方式来确定抓拍图像中的目标车辆是否真正违法。例如,由执法人员根据抓拍图像确定目标校车是否违章停靠。
但是,人工复核比较耗费人力,并且需要复核的数据量较大,也影响复核效率。
发明内容
基于此,有必要针对上述技术问题,提供一种能够节省人力节省时间的校车违章行为的确定方法、装置、计算机设备和存储介质。
一种校车违章行为的确定方法,该方法包括:
获取多个候选图像,并从多个候选图像中查找出含有目标校车的目标图像;其中,多个候选图像之间的拍摄间隔小于预设时长;
在目标图像的数量大于预设数量时,对各目标图像中目标校车的状态进行检测得到检测结果;
根据检测结果,确定目标校车是否存在违章行为。
在其中一个实施例中,上述目标校车的状态包括目标校车的外观,上述对各目标图像中目标校车的状态进行检测得到检测结果,包括:
对各目标图像中目标校车的外观进行检测,得到检测结果;检测结果用于指示目标校车的校车标志是否齐全。
在其中一个实施例中,上述对各目标图像中目标校车的外观进行检测,得到检测结果,包括:
对各目标图像中目标校车的图像进行分割,得到目标校车的前窗图像和后窗图像;
分别对前窗图像和后窗图像进行检测,确定前窗图像和后窗图像中是否均存在校车标志;
若前窗图像和后窗图像中均存在校车标志,则确定目标校车的校车标志齐全;
若前窗图像和后窗图像中的至少一个图像不存在校车标志,则确定目标校车的校车标志不齐全。
在其中一个实施例中,上述根据检测结果,确定目标校车是否存在违章行为,包括:
若目标校车的校车标志齐全,则确定目标校车不存在违章行为;
若目标校车的校车标志不齐全,则确定目标校车存在违章行为。
在其中一个实施例中,上述目标校车的状态包括目标校车的行车状态,上述对各目标图像中目标校车的状态进行检测得到检测结果,包括:
对各目标图像中目标校车的行车状态进行检测,得到检测结果;检测结果用于指示目标校车是否处于停靠状态且接送学生。
在其中一个实施例中,上述对各目标图像中目标校车的行车状态进行检测,得到检测结果包括:
检测目标图像中是否存在校车停靠标志;
若存在校车停靠标志,则检测目标校车是否处于停靠状态;
若目标校车处于停靠状态,则检测目标图像中是否存学生;
若目标图像中存在学生,则确定目标校车处于停靠状态且接送学生。
在其中一个实施例中,上述检测目标校车是否处于停靠状态,包括:
确定在多个连续的目标图像中,目标校车的坐标位置;
若目标校车的坐标位置不变,则确定目标校车处于停靠状态。
在其中一个实施例中,上述检测目标图像中是否存学生,包括:
将目标图像输入到预先训练的检测模型中,得到目标图像中的行人图像;
将各行人图像输入到预先训练的分类模型中,得到行人图像是否为学生图像的分类结果;
若分类结果为行人图像为学生图像,则确定目标图像中存在学生。
在其中一个实施例中,上述根据检测结果,确定目标校车是否存在违章行为,包括:
若检测结果为目标校车处于停靠状态且接送学生,则计算目标车辆与校车停靠标志之间距离;
若距离小于预设距离,则确定目标校车不存在违章行为;
若距离大于预设距离,则确定目标校车存在违章行为。
在其中一个实施例中,上述从多个候选图像中查找出含有目标校车的目标图像,包括:
对候选图像进行检测,得到各候选图像中的车牌图像;
对各车牌图像进行识别,得到各车牌图像对应的候选车牌号码;
若候选车牌号码与目标车牌号码匹配,则确定候选图像为含有目标校车的目标图像。
一种校车违章行为的确定装置,所述装置包括:
目标图像查找模块,用于获取多个候选图像,并从多个候选图像中查找出含有目标校车的目标图像;其中,多个候选图像之间的拍摄间隔小于预设时长;
状态检测模块,用于在目标图像的数量大于预设数量时,对各目标图像中目标校车的状态进行检测得到检测结果;
违章行为确定模块,用于根据检测结果,确定目标校车是否存在违章行为。
在其中一个实施例中,上述目标校车的状态包括目标校车的外观,上述状态检测模块,包括:
外观检测子模块,用于对各目标图像中目标校车的外观进行检测,得到检测结果;检测结果用于指示目标校车的校车标志是否齐全。
在其中一个实施例中,上述外观检测子模块,具体用于对各目标图像中目标校车的图像进行分割,得到目标校车的前窗图像和后窗图像;分别对前窗图像和后窗图像进行检测,确定前窗图像和后窗图像中是否均存在校车标志;若前窗图像和后窗图像中均存在校车标志,则确定目标校车的校车标志齐全;若前窗图像和后窗图像中的至少一个图像不存在校车标志,则确定目标校车的校车标志不齐全。
在其中一个实施例中,违章行为确定模块,具体用于若目标校车的校车标志齐全,则确定目标校车不存在违章行为;若目标校车的校车标志不齐全,则确定目标校车存在违章行为。
在其中一个实施例中,上述目标校车的状态包括目标校车的行车状态,上述状态检测模块,包括:
行车状态检测子模块,用于对各目标图像中目标校车的行车状态进行检测,得到检测结果;检测结果用于指示目标校车是否处于停靠状态且接送学生。
在其中一个实施例中,上述行车状态检测子模块,具体用于检测目标图像中是否存在校车停靠标志;若存在校车停靠标志,则检测目标校车是否处于停靠状态;若目标校车处于停靠状态,则检测目标图像中是否存学生;若目标图像中存在学生,则确定目标校车处于停靠状态且接送学生。
在其中一个实施例中,上述行车状态检测子模块,具体用于确定在多个连续的目标图像中,目标校车的坐标位置;若目标校车的坐标位置不变,则确定目标校车处于停靠状态。
在其中一个实施例中,上述行车状态检测子模块,具体用于将目标图像输入到预先训练的检测模型中,得到目标图像中的行人图像;将各行人图像输入到预先训练的分类模型中,得到行人图像是否为学生图像的分类结果;若分类结果为行人图像为学生图像,则确定目标图像中存在学生。
在其中一个实施例中,违章行为确定模块,具体用于若检测结果为目标校车处于停靠状态且接送学生,则计算目标车辆与校车停靠标志之间距离;若距离小于预设距离,则确定目标校车不存在违章行为;若距离大于预设距离,则确定目标校车存在违章行为。
在其中一个实施例中,目标图像查找模块,具体用于对候选图像进行检测,得到各候选图像中的车牌图像;对各车牌图像进行识别,得到各车牌图像对应的候选车牌号码;若候选车牌号码与目标车牌号码匹配,则确定候选图像为含有目标校车的目标图像。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取多个候选图像,并从多个候选图像中查找出含有目标校车的目标图像;其中,多个候选图像之间的拍摄间隔小于预设时长;
在目标图像的数量大于预设数量时,对各目标图像中目标校车的状态进行检测得到检测结果;
根据检测结果,确定目标校车是否存在违章行为。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取多个候选图像,并从多个候选图像中查找出含有目标校车的目标图像;其中,多个候选图像之间的拍摄间隔小于预设时长;
在目标图像的数量大于预设数量时,对各目标图像中目标校车的状态进行检测得到检测结果;
根据检测结果,确定目标校车是否存在违章行为。
上述校车违章行为的确定方法、装置、计算机设备和存储介质,先获取多个候选图像,并从多个候选图像中查找出含有目标校车的目标图像;然后在目标图像的数量大于预设数量时,对各目标图像中目标校车的状态进行检测得到检测结果;最后根据检测结果,确定目标校车是否存在违章行为。通过本申请实施例,可以实现自动复核,因此不仅可以节省时间和人力,而且还可以提高复核效率。
附图说明
图1为一个实施例中校车违章行为的确定方法的应用环境图;
图2为一个实施例中校车违章行为的确定方法的流程示意图;
图3为一个实施例中对各目标图像中目标校车的状态进行检测得到检测结果,并根据检测结果确定目标校车是否存在违章行为步骤的流程示意图;
图4为一个实施例中对各目标图像中目标校车的状态进行检测得到检测结果,并根据检测结果确定目标校车是否存在违章行为步骤的流程示意图;
图5为另一个实施例中校车违章行为的确定方法的流程示意图;
图6为一个实施例中校车违章行为的确定装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
校车,是指用于接送接受义务教育的学生上下学的7座以上的载客汽车。依照《校车安全管理条例》,校车需要设置校车标牌,并且驾驶人员要遵守交通规则,不违章驾车。
在相关技术中,通常是根据抓拍图像筛选出存在违章嫌疑的目标车辆,再由执法人员根据抓拍图像进行复核,确定目标校车是否存在违章行为。由于校车数量较多,因此人工复核比较耗费时间和人力。
本申请实施例中,先获取多个候选图像,并从多个候选图像中查找出含有目标校车的目标图像;然后对目标校车进行检测,从而根据检测结果自动确定目标校车是否存在违章行为。由于本申请实施例实现了自动复核,因此不仅可以节省时间和人力,而且还可以提高复核效率。
本申请提供的校车违章行为的确定方法,可以应用于如图1所示的应用环境中。该应用环境中包括终端102和服务器104,终端102与服务器104通过网络进行通信,服务器通过终端获取存在违章嫌疑的目标校车。上述终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,上述服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中,如图2所示,提供了一种校车违章行为的确定方法,以该方法应用于图1中的服务器为例进行说明,包括以下步骤:
步骤201,获取多个候选图像,并从多个候选图像中查找出含有目标校车的目标图像;其中,多个候选图像之间的拍摄间隔小于预设时长。
本申请实施例中,候选图像可以预先存储在服务器中,服务器从本地获取候选图像;候选图像也可以预先存储在终端中,服务器从终端获取候选图像。本申请实施例对如何获取不作详细限定,可以根据实际情况进行设置。
其中,候选图像是当前道路中的抓拍图像,多个候选图像之间的拍摄间隔小于预设时长。例如,获取到10张抓拍图像,10张抓拍图像之间的拍摄间隔小于3秒。本申请实施例对候选图像的数量和预设时长均不作详细限定,可以根据实际情况进行设置。
在获取到多个候选图像后,服务器从多个候选图像中查找出目标图像,其中,目标图像中含有目标校车。具体地,从各候选图像中检测出车辆图像,并对车辆图像一一进行识别,如果车辆图像为目标校车的图像,则候选图像为目标图像。
步骤202,在目标图像的数量大于预设数量时,对各目标图像中目标校车的状态进行检测得到检测结果;
本申请实施例中,在确定目标校车是否存在违章行为的过程中,需要有充分的证据,因此在实际应用中目标图像的数量需要大于预设数量。例如,目标图像的数量大于2张。如果目标图像的数量小于或等于2张,则直接确定目标校车不存在违章行为。如果目标图像的数量大于2张,则对各目标图像中目标校车的状态进行检测,并得到检测结果。
对目标校车的状态进行检测,具体可以包括:对目标校车的外观进行检测,得到外观检测结果;同时,还可以对目标校车的行车状态进行检测,得到行车状态检测结果。
步骤203,根据检测结果,确定目标校车是否存在违章行为。
本申请实施例中,如果外观检测结果符合相关规定,则确定目标校车不存在违章行为;如果外观检测结果不符合相关规定,则确定目标校车存在违章行为。如果行车状态检测结果符合相关规定,则确定目标校车不存在违章行为;如果行车状态检测结果不符合相关规定,则确定目标校车存在违章行为。其中,相关规定包括《校车安全管理条例》中对校车外观的要求,以及交通规则对车辆的行车状态的要求。
在实际应用中,可以预先在服务器中设置相关规定,也可以对目标图像进行检测,从目标图像中识别出相关规定。例如,从目标图像中识别出是否允许掉头、是否允许右转等等。本申请实施例对此不作详细限定,可以根据实际情况进行设置。
上述校车违章行为的确定方法中,服务器先获取多个候选图像,并从多个候选图像中查找出含有目标校车的目标图像;然后在目标图像的数量大于预设数量时,对各目标图像中目标校车的状态进行检测得到检测结果;最后根据检测结果,确定目标校车是否存在违章行为。通过本申请实施例,可以实现自动复核,因此不仅可以节省时间和人力,而且还可以提高复核效率。
在一个实施例中,如图3所示,目标校车的状态包括目标校车的外观,对各目标图像中目标校车的状态进行检测得到检测结果,并根据检测结果确定目标校车是否存在违章行为的步骤,具体可以包括:
步骤301,对各目标图像中目标校车的外观进行检测,得到检测结果;检测结果用于指示目标校车的校车标志是否齐全。
本申请实施例中,对目标校车的外观进行检测,主要检测目标校车的校车标志是否齐全。在相关规定中,要求校车前窗和后窗均贴有校车标志,因此在实际应用中,采用如下步骤对目标校车的外观进行检测:对各目标图像中目标校车的图像进行分割,得到目标校车的前窗图像和后窗图像;分别对前窗图像和后窗图像进行检测,确定前窗图像和后窗图像中是否均存在校车标志;若前窗图像和后窗图像中均存在校车标志,则确定目标校车的校车标志齐全;若前窗图像和后窗图像中的至少一个图像不存在校车标志,则确定目标校车的校车标志不齐全。
在对前窗图像进行检测时,可以将前窗图像输入到预先训练的检测模型中,检测模型输出校车标志的检测框和置信度,如果该置信度大于第一预设置信度,则确定前窗图像中存在校车标志;如果该置信度小于第一预设置信度,则确定前窗图像中不存在校车标志。以此类推,得到后窗图像中是否存在校车标志。上述检测模型可以是深度学习模型,本申请实施例对检测模型不作详细限定,可以根据实际情况进行训练。
如果前窗图像和后窗图像中均存在校车标志,则确定目标校车的校车标志齐全;如果前窗图像中不存在校车标志,或者后窗图像中不存在校车标志,或者前窗图像和后窗图像中均不存在校车标志,则确定目标校车的校车标志不齐全。
步骤302,若目标校车的校车标志齐全,则确定目标校车不存在违章行为。
步骤303,若目标校车的校车标志不齐全,则确定目标校车存在违章行为。
上述对各目标图像中目标校车的状态进行检测得到检测结果,并根据检测结果确定目标校车是否存在违章行为的步骤中,对各目标图像中目标校车的外观进行检测;如果目标校车的校车标志齐全,则确定目标校车不存在违章行为;如果目标校车的校车标志不齐全,则确定目标校车存在违章行为。通过本申请实施例,可以实现自动对目标校车进行外观检测,并得出复核结论,不仅可以节省时间和人力,而且可以提高复核效率。
在另一个实施例中,如图4所示,目标校车的状态包括目标校车的行车状态,对各目标图像中目标校车的状态进行检测得到检测结果,并根据检测结果确定目标校车是否存在违章行为的步骤,具体可以包括:
步骤401,对各目标图像中目标校车的行车状态进行检测,得到检测结果;检测结果用于指示目标校车是否处于停靠状态且接送学生。
本申请实施例中,对目标校车的行车状态进行检测,主要检测目标校车是否处于停靠状态并且接送学生。在相关规定中,要求校车在接送学生时停靠在指定位置,因此在实际应用中,采用如下步骤对目标校车的行车状态进行检测:检测目标图像中是否存在校车停靠标志;若存在校车停靠标志,则检测目标校车是否处于停靠状态;若目标校车处于停靠状态,则检测目标图像中是否存学生;若目标图像中存在学生,则确定目标校车处于停靠状态且接送学生。
具体地,将目标图像输入到预先训练的检测模型中,检测模型输出校车停靠标志的检测框和置信度,如果该置信度小于第二预设置信度,则确定目标图像中不存在校车停靠标志,此时可以直接确定目标校车不存在违章行为;如果该置信度大于第二预设置信度,则确定目标图像中存在校车停靠标志。检测模型可以是深度学习模型,本申请实施例对检测模型不作详细限定,可以根据实际情况进行训练。
如果目标图像中存在校车停靠标志,检测目标校车是否处于停靠状态,具体可以包括:确定在多个连续的目标图像中,目标校车的坐标位置;若目标校车的坐标位置不变,则确定目标校车处于停靠状态。例如,有6张目标图像,确定目标校车在第3、4、5三张目标图像中的坐标位置。其中,目标校车的坐标位置可以是目标校车的中心点的坐标位置。然后,计算每两张目标图像中,目标校车的中心点之间的距离,如果每两张目标图像中计算出的距离均在预设范围内,则确定目标校车的坐标位置不变,进而确定目标校车处于停靠状态。如果计算出的距离中有至少一个距离不在上述预设范围内,则确定目标校车的坐标位置发生变化,即目标校车不处于停靠状态。此时,可以直接确定目标校车不存在违章行为。上述距离可以是欧氏距离,本申请实施例对此不作详细限定,可以根据实际情况进行设置。
如果目标图像中存在校车停靠标志,并且目标校车处于停靠状态,检测目标图像中是否存学生,具体可以包括:将目标图像输入到预先训练的检测模型中,得到目标图像中的行人图像;将各行人图像输入到预先训练的分类模型中,得到行人图像是否为学生图像的分类结果;若分类结果为行人图像为学生图像,则确定目标图像中存在学生。此时,可以确定目标校车处于停靠状态且接送学生。如果分类结果为行人图像均不是学生图像,则直接确定目标校车不存在违章行为。检测模型和分类模型可以是深度学习模型,本申请实施例对此不作详细限定,可以根据实际情况进行训练。
步骤402,若检测结果为目标校车处于停靠状态且接送学生,则计算目标车辆与校车停靠标志之间距离。
本申请实施例中,如果目标校车处于停靠状态且接送学生,则计算目标校车的中心点与校车停靠标志的中心点之间的距离,其中,该距离可以是欧氏距离,本申请实施例对此不作详细限定,可以根据实际情况进行设置。
步骤403,若距离小于预设距离,则确定目标校车不存在违章行为。
本申请实施例中,如果目标校车与校车停靠标志之间的距离小于预设距离,表明目标校车在接送学生时停靠在指定位置,因此目标校车不存在违章行为。本申请实施例对预设距离不作限定,可以根据实际情况进行设置。
步骤404,若距离大于预设距离,则确定目标校车存在违章行为。
本申请实施例中,如果目标校车与校车停靠标志之间的距离大于预设距离,表明目标校车在接送学生时未停靠在指定位置,因此目标校车存在违章行为。
上述对各目标图像中目标校车的状态进行检测得到检测结果,并根据检测结果确定目标校车是否存在违章行为的步骤中,对各目标图像中目标校车的行车状态进行检测;如果目标校车在接送学生时停靠在指定位置,则确定目标校车不存在违章行为;如果目标校车在接送学生时未停靠在指定位置,则确定目标校车存在违章行为。通过本申请实施例,可以实现自动对目标校车进行行车状态检测,并得出复核结论,不仅可以节省时间和人力,而且可以提高复核效率。
在另一个实施例中,如图5所示,在上述实施例的基础上,校车违章行为的确定方法还可以包括如下步骤:
步骤501,获取多个候选图像。
步骤502,对候选图像进行检测,得到各候选图像中的车牌图像;对各车牌图像进行识别,得到各车牌图像对应的候选车牌号码;若候选车牌号码与目标车牌号码匹配,则确定候选图像为含有目标校车的目标图像。
本申请实施例中,在从多个候选图像中查找出含有目标校车的目标图像时,可以将候选图像输入到预先训练的检测模型中,得到各候选图像中的车牌图像。然后,将车牌图像输入到预先训练的识别模型中,得到各车牌图像对应的候选车牌号码。将各候选车牌号码与目标车辆的目标车牌号码进行匹配,如果候选车牌号码与目标车牌号码匹配,则确定候选车牌号码对应的车辆为目标车辆,候选图像为目标图像。其中,检测模型和识别模型可以是深度学习模型,本申请实施例对检测模型和识别模型不作详细限定,可以根据实际情况进行训练。
如果从一个候选图像中识别出的多个候选车牌号码均与目标车牌号码不匹配,则可以将候选图像中的各车辆图像与目标车辆的图像进行匹配。如果存在与目标车辆的图像匹配的车辆图像,则将匹配的车辆图像对应的车辆确定为目标车辆,将候选图像确定为目标图像。如果候选图像中的各车辆图像与目标车辆的图像均不匹配,则确定候选图像不是含有目标车辆的目标图像。
步骤503,在目标图像的数量大于预设数量时,对各目标图像中目标校车的外观进行检测,得到检测结果;检测结果用于指示目标校车的校车标志是否齐全。
在其中一个实施例中,对各目标图像中目标校车的图像进行分割,得到目标校车的前窗图像和后窗图像;分别对前窗图像和后窗图像进行检测,确定前窗图像和后窗图像中是否均存在校车标志;若前窗图像和后窗图像中均存在校车标志,则确定目标校车的校车标志齐全;若前窗图像和后窗图像中的至少一个图像不存在校车标志,则确定目标校车的校车标志不齐全。
步骤504,若目标校车的校车标志不齐全,则确定目标校车存在违章行为。
步骤505,若目标校车的校车标志齐全,则确定目标校车不存在违章行为。
步骤506,对各目标图像中目标校车的行车状态进行检测,得到检测结果;检测结果用于指示目标校车是否处于停靠状态且接送学生。
在其中一个实施例中,检测目标图像中是否存在校车停靠标志;若存在校车停靠标志,则检测目标校车是否处于停靠状态;若目标校车处于停靠状态,则检测目标图像中是否存学生;若目标图像中存在学生,则确定目标校车处于停靠状态且接送学生。
在其中一个实施例中,检测目标校车是否处于停靠状态,包括:确定在多个连续的目标图像中,目标校车的坐标位置;若目标校车的坐标位置不变,则确定目标校车处于停靠状态。
在其中一个实施例中,检测目标图像中是否存学生,包括:将目标图像输入到预先训练的检测模型中,得到目标图像中的行人图像;将各行人图像输入到预先训练的分类模型中,得到行人图像是否为学生图像的分类结果;若分类结果为行人图像为学生图像,则确定目标图像中存在学生。
步骤507,若检测结果为目标校车处于停靠状态且接送学生,则计算目标车辆与校车停靠标志之间距离。
步骤508,若距离小于预设距离,则确定目标校车不存在违章行为。
步骤509,若距离大于预设距离,则确定目标校车存在违章行为。
上述校车违章行为的确定方法中,获取多个候选图像,并从多个候选图像中查找出含有目标校车的目标图像;然后,对目标图像进行外观检测,根据目标校车的校车标志是否齐全确定目标校车是否存在违章行为;接着,根据目标校车在接送学生时是否停靠在指定位置确定目标校车是否存在违章行为。通过本申请实施例,可以实现自动复核,因此可以节省时间和人力,并且提高复核效率。
应该理解的是,虽然图2-图5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-图5中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种校车违章行为的确定装置,包括:
目标图像查找模块601,用于获取多个候选图像,并从多个候选图像中查找出含有目标校车的目标图像;其中,多个候选图像之间的拍摄间隔小于预设时长;
状态检测模块602,用于在目标图像的数量大于预设数量时,对各目标图像中目标校车的状态进行检测得到检测结果;
违章行为确定模块603,用于根据检测结果,确定目标校车是否存在违章行为。
在其中一个实施例中,上述目标校车的状态包括目标校车的外观,上述状态检测模块,包括:
外观检测子模块,用于对各目标图像中目标校车的外观进行检测,得到检测结果;检测结果用于指示目标校车的校车标志是否齐全。
在其中一个实施例中,上述外观检测子模块,具体用于对各目标图像中目标校车的图像进行分割,得到目标校车的前窗图像和后窗图像;分别对前窗图像和后窗图像进行检测,确定前窗图像和后窗图像中是否均存在校车标志;若前窗图像和后窗图像中均存在校车标志,则确定目标校车的校车标志齐全;若前窗图像和后窗图像中的至少一个图像不存在校车标志,则确定目标校车的校车标志不齐全。
在其中一个实施例中,违章行为确定模块,具体用于若目标校车的校车标志齐全,则确定目标校车不存在违章行为;若目标校车的校车标志不齐全,则确定目标校车存在违章行为。
在其中一个实施例中,上述目标校车的状态包括目标校车的行车状态,上述状态检测模块,包括:
行车状态检测子模块,用于对各目标图像中目标校车的行车状态进行检测,得到检测结果;检测结果用于指示目标校车是否处于停靠状态且接送学生。
在其中一个实施例中,上述行车状态检测子模块,具体用于检测目标图像中是否存在校车停靠标志;若存在校车停靠标志,则检测目标校车是否处于停靠状态;若目标校车处于停靠状态,则检测目标图像中是否存学生;若目标图像中存在学生,则确定目标校车处于停靠状态且接送学生。
在其中一个实施例中,上述行车状态检测子模块,具体用于确定在多个连续的目标图像中,目标校车的坐标位置;若目标校车的坐标位置不变,则确定目标校车处于停靠状态。
在其中一个实施例中,上述行车状态检测子模块,具体用于将目标图像输入到预先训练的检测模型中,得到目标图像中的行人图像;将各行人图像输入到预先训练的分类模型中,得到行人图像是否为学生图像的分类结果;若分类结果为行人图像为学生图像,则确定目标图像中存在学生。
在其中一个实施例中,违章行为确定模块,具体用于若检测结果为目标校车处于停靠状态且接送学生,则计算目标车辆与校车停靠标志之间距离;若距离小于预设距离,则确定目标校车不存在违章行为;若距离大于预设距离,则确定目标校车存在违章行为。
在其中一个实施例中,目标图像查找模块,具体用于对候选图像进行检测,得到各候选图像中的车牌图像;对各车牌图像进行识别,得到各车牌图像对应的候选车牌号码;若候选车牌号码与目标车牌号码匹配,则确定候选图像为含有目标校车的目标图像。
关于校车违章行为的确定装置的具体限定可以参见上文中对于校车违章行为的确定方法的限定,在此不再赘述。上述校车违章行为的确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储校车违章行为的确定数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种校车违章行为的确定方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取多个候选图像,并从多个候选图像中查找出含有目标校车的目标图像;其中,多个候选图像之间的拍摄间隔小于预设时长;
在目标图像的数量大于预设数量时,对各目标图像中目标校车的状态进行检测得到检测结果;
根据检测结果,确定目标校车是否存在违章行为。
在一个实施例中,目标校车的状态包括目标校车的外观,处理器执行计算机程序时还实现以下步骤:
对各目标图像中目标校车的外观进行检测,得到检测结果;检测结果用于指示目标校车的校车标志是否齐全。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对各目标图像中目标校车的图像进行分割,得到目标校车的前窗图像和后窗图像;
分别对前窗图像和后窗图像进行检测,确定前窗图像和后窗图像中是否均存在校车标志;
若前窗图像和后窗图像中均存在校车标志,则确定目标校车的校车标志齐全;
若前窗图像和后窗图像中的至少一个图像不存在校车标志,则确定目标校车的校车标志不齐全。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若目标校车的校车标志齐全,则确定目标校车不存在违章行为;
若目标校车的校车标志不齐全,则确定目标校车存在违章行为。
在一个实施例中,目标校车的状态包括目标校车的行车状态,处理器执行计算机程序时还实现以下步骤:
对各目标图像中目标校车的行车状态进行检测,得到检测结果;检测结果用于指示目标校车是否处于停靠状态且接送学生。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
检测目标图像中是否存在校车停靠标志;
若存在校车停靠标志,则检测目标校车是否处于停靠状态;
若目标校车处于停靠状态,则检测目标图像中是否存学生;
若目标图像中存在学生,则确定目标校车处于停靠状态且接送学生。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
确定在多个连续的目标图像中,目标校车的坐标位置;
若目标校车的坐标位置不变,则确定目标校车处于停靠状态。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
将目标图像输入到预先训练的检测模型中,得到目标图像中的行人图像;
将各行人图像输入到预先训练的分类模型中,得到行人图像是否为学生图像的分类结果;
若分类结果为行人图像为学生图像,则确定目标图像中存在学生。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若检测结果为目标校车处于停靠状态且接送学生,则计算目标车辆与校车停靠标志之间距离;
若距离小于预设距离,则确定目标校车不存在违章行为;
若距离大于预设距离,则确定目标校车存在违章行为。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对候选图像进行检测,得到各候选图像中的车牌图像;
对各车牌图像进行识别,得到各车牌图像对应的候选车牌号码;
若候选车牌号码与目标车牌号码匹配,则确定候选图像为含有目标校车的目标图像。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取多个候选图像,并从多个候选图像中查找出含有目标校车的目标图像;其中,多个候选图像之间的拍摄间隔小于预设时长;
在目标图像的数量大于预设数量时,对各目标图像中目标校车的状态进行检测得到检测结果;
根据检测结果,确定目标校车是否存在违章行为。
在一个实施例中,目标校车的状态包括目标校车的外观,计算机程序被处理器执行时还实现以下步骤:
对各目标图像中目标校车的外观进行检测,得到检测结果;检测结果用于指示目标校车的校车标志是否齐全。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对各目标图像中目标校车的图像进行分割,得到目标校车的前窗图像和后窗图像;
分别对前窗图像和后窗图像进行检测,确定前窗图像和后窗图像中是否均存在校车标志;
若前窗图像和后窗图像中均存在校车标志,则确定目标校车的校车标志齐全;
若前窗图像和后窗图像中的至少一个图像不存在校车标志,则确定目标校车的校车标志不齐全。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若目标校车的校车标志齐全,则确定目标校车不存在违章行为;
若目标校车的校车标志不齐全,则确定目标校车存在违章行为。
在一个实施例中,目标校车的状态包括目标校车的行车状态,计算机程序被处理器执行时还实现以下步骤:
对各目标图像中目标校车的行车状态进行检测,得到检测结果;检测结果用于指示目标校车是否处于停靠状态且接送学生。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
检测目标图像中是否存在校车停靠标志;
若存在校车停靠标志,则检测目标校车是否处于停靠状态;
若目标校车处于停靠状态,则检测目标图像中是否存学生;
若目标图像中存在学生,则确定目标校车处于停靠状态且接送学生。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
确定在多个连续的目标图像中,目标校车的坐标位置;
若目标校车的坐标位置不变,则确定目标校车处于停靠状态。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
将目标图像输入到预先训练的检测模型中,得到目标图像中的行人图像;
将各行人图像输入到预先训练的分类模型中,得到行人图像是否为学生图像的分类结果;
若分类结果为行人图像为学生图像,则确定目标图像中存在学生。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若检测结果为目标校车处于停靠状态且接送学生,则计算目标车辆与校车停靠标志之间距离;
若距离小于预设距离,则确定目标校车不存在违章行为;
若距离大于预设距离,则确定目标校车存在违章行为。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对候选图像进行检测,得到各候选图像中的车牌图像;
对各车牌图像进行识别,得到各车牌图像对应的候选车牌号码;
若候选车牌号码与目标车牌号码匹配,则确定候选图像为含有目标校车的目标图像。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种校车违章行为的确定方法,其特征在于,所述方法包括:
获取多个候选图像,并从多个所述候选图像中查找出含有目标校车的目标图像;其中,多个所述候选图像之间的拍摄间隔小于预设时长;
在所述目标图像的数量大于预设数量时,对各所述目标图像中所述目标校车的状态进行检测得到检测结果;
根据所述检测结果,确定所述目标校车是否存在违章行为。
2.根据权利要求1所述的方法,其特征在于,所述目标校车的状态包括所述目标校车的外观,所述对各所述目标图像中所述目标校车的状态进行检测得到检测结果,包括:
对各所述目标图像中所述目标校车的外观进行检测,得到检测结果;所述检测结果用于指示所述目标校车的校车标志是否齐全。
3.根据权利要求2所述的方法,其特征在于,所述对各所述目标图像中所述目标校车的外观进行检测,得到检测结果,包括:
对各所述目标图像中所述目标校车的图像进行分割,得到所述目标校车的前窗图像和后窗图像;
分别对所述前窗图像和所述后窗图像进行检测,确定所述前窗图像和所述后窗图像中是否均存在校车标志;
若所述前窗图像和所述后窗图像中均存在所述校车标志,则确定所述目标校车的校车标志齐全;
若所述前窗图像和所述后窗图像中的至少一个图像不存在所述校车标志,则确定所述目标校车的校车标志不齐全。
4.根据权利要求1所述的方法,其特征在于,所述目标校车的状态包括所述目标校车的行车状态,所述对各所述目标图像中所述目标校车的状态进行检测得到检测结果,包括:
对各所述目标图像中所述目标校车的行车状态进行检测,得到检测结果;所述检测结果用于指示所述目标校车是否处于停靠状态且接送学生。
5.根据权利要求4所述的方法,其特征在于,所述对各所述目标图像中所述目标校车的行车状态进行检测,得到检测结果包括:
检测所述目标图像中是否存在校车停靠标志;
若存在所述校车停靠标志,则检测所述目标校车是否处于停靠状态;
若所述目标校车处于停靠状态,则检测所述目标图像中是否存在学生;
若所述目标图像中存在学生,则确定所述目标校车处于停靠状态且接送学生。
6.根据权利要求5所述方法,其特征在于,所述检测所述目标校车是否处于停靠状态,包括:
确定在多个连续的所述目标图像中,所述目标校车的坐标位置;
若所述目标校车的坐标位置不变,则确定所述目标校车处于停靠状态。
7.根据权利要求1所述的方法,其特征在于,所述从多个所述候选图像中查找出含有目标校车的目标图像,包括:
对所述候选图像进行检测,得到各所述候选图像中的车牌图像;
对各所述车牌图像进行识别,得到各所述车牌图像对应的候选车牌号码;
若所述候选车牌号码与目标车牌号码匹配,则确定所述候选图像为所述含有目标校车的目标图像。
8.一种校车违章行为的确定装置,其特征在于,所述装置包括:
目标图像查找模块,用于获取多个候选图像,并从多个所述候选图像中查找出含有目标校车的目标图像;其中,多个所述候选图像之间的拍摄间隔小于预设时长;
状态检测模块,用于在所述目标图像的数量大于预设数量时,对各所述目标图像中所述目标校车的状态进行检测得到检测结果;
违章行为确定模块,用于根据所述检测结果,确定所述目标校车是否存在违章行为。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010099119.4A CN111292539A (zh) | 2020-02-18 | 2020-02-18 | 校车违章行为的确定方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010099119.4A CN111292539A (zh) | 2020-02-18 | 2020-02-18 | 校车违章行为的确定方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111292539A true CN111292539A (zh) | 2020-06-16 |
Family
ID=71026885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010099119.4A Pending CN111292539A (zh) | 2020-02-18 | 2020-02-18 | 校车违章行为的确定方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111292539A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203773688U (zh) * | 2014-01-20 | 2014-08-13 | 深圳市丰泰瑞达实业有限公司 | 一种校车安全监控系统 |
CN205354351U (zh) * | 2016-03-01 | 2016-06-29 | 广州市润宏软件科技有限公司 | 一种违章停车管理系统 |
CN106652462A (zh) * | 2016-09-30 | 2017-05-10 | 广西大学 | 一种基于互联网的违章停车管理系统 |
CN107077785A (zh) * | 2017-01-10 | 2017-08-18 | 深圳市锐明技术股份有限公司 | 一种不避让校车行为的取证方法、装置和一种校车 |
CN109598943A (zh) * | 2018-12-30 | 2019-04-09 | 北京旷视科技有限公司 | 车辆违章的监控方法、装置及系统 |
US10286906B2 (en) * | 2017-01-24 | 2019-05-14 | Denso International America, Inc. | Vehicle safety system |
CN109961533A (zh) * | 2019-03-28 | 2019-07-02 | 广西科技大学 | 一种校车安全监控系统 |
CN110415529A (zh) * | 2019-09-04 | 2019-11-05 | 上海眼控科技股份有限公司 | 车辆违章的自动处理方法、装置、计算机设备和存储介质 |
-
2020
- 2020-02-18 CN CN202010099119.4A patent/CN111292539A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203773688U (zh) * | 2014-01-20 | 2014-08-13 | 深圳市丰泰瑞达实业有限公司 | 一种校车安全监控系统 |
CN205354351U (zh) * | 2016-03-01 | 2016-06-29 | 广州市润宏软件科技有限公司 | 一种违章停车管理系统 |
CN106652462A (zh) * | 2016-09-30 | 2017-05-10 | 广西大学 | 一种基于互联网的违章停车管理系统 |
CN107077785A (zh) * | 2017-01-10 | 2017-08-18 | 深圳市锐明技术股份有限公司 | 一种不避让校车行为的取证方法、装置和一种校车 |
US10286906B2 (en) * | 2017-01-24 | 2019-05-14 | Denso International America, Inc. | Vehicle safety system |
CN109598943A (zh) * | 2018-12-30 | 2019-04-09 | 北京旷视科技有限公司 | 车辆违章的监控方法、装置及系统 |
CN109961533A (zh) * | 2019-03-28 | 2019-07-02 | 广西科技大学 | 一种校车安全监控系统 |
CN110415529A (zh) * | 2019-09-04 | 2019-11-05 | 上海眼控科技股份有限公司 | 车辆违章的自动处理方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111506980B (zh) | 对虚拟驾驶环境生成交通场景的方法及装置 | |
US11106926B2 (en) | Methods and systems for automatically predicting the repair costs of a damaged vehicle from images | |
US11380104B2 (en) | Method and device for detecting illegal parking, and electronic device | |
US20220114627A1 (en) | Methods and systems for automatic processing of images of a damaged vehicle and estimating a repair cost | |
CN109242006A (zh) | 基于车型分类的识别车辆损伤的方法及装置 | |
CN112580457A (zh) | 车辆视频的处理方法、装置、计算机设备和存储介质 | |
CN111931683B (zh) | 图像识别方法、装置及计算机可读存储介质 | |
CN110751012A (zh) | 目标检测评估方法、装置、电子设备及存储介质 | |
CN110517500A (zh) | 一种人车关联处理方法及装置 | |
CN112712703A (zh) | 车辆视频的处理方法、装置、计算机设备和存储介质 | |
CN111860219B (zh) | 一种高速占道判断方法、装置及电子设备 | |
CN111523489A (zh) | 年龄分类网络的生成方法、车载人员检测方法、装置 | |
US20210350470A1 (en) | Methods and systems for automatic processing of vehicle image data to identify one or more damaged parts | |
CN110619256A (zh) | 道路监控检测方法及装置 | |
CN116964588A (zh) | 一种目标检测方法、目标检测模型训练方法及装置 | |
CN111368728A (zh) | 安全监测方法、装置、计算机设备和存储介质 | |
CN112861567A (zh) | 一种车型分类方法及装置 | |
CN111260932A (zh) | 车辆违法行为的确定方法、装置、计算机设备和存储介质 | |
CN111143424B (zh) | 特征场景数据挖掘方法、装置和终端 | |
CN117493160A (zh) | 用于分析测试实施的方法和系统 | |
CN111292539A (zh) | 校车违章行为的确定方法、装置、计算机设备和存储介质 | |
CN116386341A (zh) | 隧道内针对两客一危车辆的管理方法、装置和设备 | |
CN115520216A (zh) | 行车状态判断方法、装置、计算机设备和存储介质 | |
CN111274931A (zh) | 超车行为的审核方法、装置、计算机设备和存储介质 | |
CN111661054B (zh) | 车辆控制方法、装置、电子设备及存储介质 |
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: 20200616 |
|
RJ01 | Rejection of invention patent application after publication |