CN111383458A - 车辆违章检测方法、装置、设备及存储介质 - Google Patents
车辆违章检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111383458A CN111383458A CN201811648576.3A CN201811648576A CN111383458A CN 111383458 A CN111383458 A CN 111383458A CN 201811648576 A CN201811648576 A CN 201811648576A CN 111383458 A CN111383458 A CN 111383458A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- image
- detected
- stop line
- violation detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- 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
- G06V20/00—Scenes; Scene-specific elements
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种车辆违章检测方法、装置、设备及存储介质。所述方法包括:通过侧视图像采集器采集待检测图像,并对所述待检测图像进行处理;若根据处理结果,确定待检测图像中有车辆轮毂,则根据所述待检测图像,确定车辆与停止线之间的相对位置信息;若根据相对位置信息,确定车辆的车头靠近且未越过停止线,则通过侧视图像采集器采集车辆图像,以及根据车辆图像执行车辆违章检测操作。利用本实施例的技术方案,解决了电子警察无法有效地分辨出车辆是否越过停止线,从而无法记录在红灯亮起时车辆位于停止线内的证据图的问题,能够保证获取在红灯亮起时车辆位于停车线内的有效证据图,有效地对大型车闯红灯行为进行记录和处罚。
Description
技术领域
本发明实施例涉及视频监控技术领域,尤其涉及一种车辆违章检测方法、装置、设备及存储介质。
背景技术
随着道路交通流量的逐年递增,道路交通问题变得愈加严峻,对于道路交通的管理和对于违章现象的监督也变得更加重要。其中,在大部分的道路交通违法行为中,闯红灯的危害最大。
目前,通常采用电子警察判罚和记录闯红灯违法行为,以实现对道路交通中的闯红灯行为进行有效地震慑。根据GA/T 496—2009标准规定,在对机动车的闯红灯行为进行自动记录时,应记录机动车闯红灯过程中两至三个位置的信息以反映机动车闯红灯的违法过程。尤其是,第一个位置的信息应能清晰辨别闯红灯时间、车辆类型、红灯信号、机动车车身未越过停止线的情况。
在实现本发明的过程中,发明人发现相关技术中至少存在如下问题:
鉴于传统的电子警察场景所限,参见图1,对于一些车辆,尤其是对于车头比较高和车身比较长的大货车、长挂车等车辆,当车辆行驶到停车线时,传统的电子警察无法判断车辆的车头是否已经越过停车线,也无法看到车辆位于车尾的车牌。如果按照传统的电子警察判罚方法中等车牌露出后再进行闯红灯判罚方式进行判罚,那么由于车头此时已经超过停止线,从而无法获得第一个位置所规定的有效信息,导致证据图有效性的缺失。
发明内容
本发明实施例中提供了一种车辆违章检测方法、装置、设备及存储介质,以保证车辆违章情况下证据图的完整有效性,实现对车辆违章的检测操作。
第一方面,本发明实施例中提供了一种车辆违章检测方法,包括:
通过侧视图像采集器采集待检测图像,并对所述待检测图像进行处理;
若根据处理结果,确定所述待检测图像中有车辆轮毂,则根据所述待检测图像,确定车辆与停止线之间的相对位置信息;
若根据所述相对位置信息,确定所述车辆的车头靠近且未越过停止线,则通过所述侧视图像采集器采集车辆图像,以及根据所述车辆图像执行车辆违章检测操作。
第二方面,本发明实施例中还提供了一种车辆违章检测装置,包括:
图像处理模块,用于通过侧视图像采集器采集待检测图像,并对所述待检测图像进行处理;
相对位置确定模块,用于若根据处理结果,确定所述待检测图像中有车辆轮毂,则根据所述待检测图像,确定车辆与停止线之间的相对位置信息;
违章检测模块,用于若根据所述相对位置信息,确定所述车辆的车头靠近且未越过停止线,则通过所述侧视图像采集器采集车辆图像,以及根据所述车辆图像执行车辆违章检测操作。
第三方面,本发明实施例中还提供了一种设备,包括:
侧视图像采集器;
一个或多个处理器;
存储装置,用于存储一个或多个程序;
所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例中任一所述的车辆违章检测方法。
第四方面,本发明实施例中还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中任一所述的车辆违章检测方法。
本发明实施例中提供了一种车辆违章检测方法,包括:通过侧视图像采集器采集待检测图像,并对所述待检测图像进行处理;若根据处理结果,确定所述待检测图像中有车辆轮毂,则根据所述待检测图像,确定车辆与停止线之间的相对位置信息;若根据所述相对位置信息,确定所述车辆的车头靠近且未越过停止线,则通过所述侧视图像采集器采集车辆图像,以及根据所述车辆图像执行车辆违章检测操作。利用本发明实施例的技术方案,解决了传统的电子警察无法有效地分辨出车辆是否越过停止线,从而无法记录在红灯亮起时车辆位于停止线内的证据图的问题,能够可以利用侧视图像采集器清晰地记录各车道各类型车辆的证据图,并保证获取在红灯亮起时车辆位于停车线内的有效证据图,从而保证车辆违章情况下证据图的完整有效性,可以有效地对大型车闯红灯行为进行记录和处罚。
上述发明内容仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是本发明实施例中提供的一种电子警察场景示意图;
图2是本发明实施例中提供的一种车辆违章检测方法的流程示意图;
图3是本发明实施例中提供的一种电子警察采集装置的正装示意图;
图4是本发明实施例中提供的一种电子警察采集装置的侧装示意图;
图5是本发明实施例中提供的一种侧装视角下采集的待检测图像的示意图;
图6是本发明实施例中提供的另一种车辆违章检测方法的流程示意图;
图7是本发明实施例中提供的又一种车辆违章检测方法的流程示意图;
图8是本发明实施例中提供的待检测图像中候选边缘线条的示意图;
图9a是本发明实施例中提供的待检测图像中目标边缘线条的示意图;
图9b是本发明实施例中提供的待检测图像中车头竖线条和车身底部线条的示意图;
图10是本发明实施例中提供的又一种车辆违章检测方法的流程示意图;
图11是本发明实施例中提供的又一种车辆违章检测方法的流程示意图;
图12是本发明实施例中提供的一种车辆违章检测装置的结构示意图;
图13是本发明实施例中提供的一种违章检测设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前,应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作(或步骤)可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
图2是本发明实施例中提供的一种车辆违章检测方法的流程示意图。本实施例可适用于对车辆违章行为进行有效检测的情况,例如,对车辆闯红灯行为进行有效记录和判罚的场景。该方法可以由车辆违章检测装置执行,该车辆违章检测装置可以采用软件和/或硬件的方式实现,并集成在具有网络通信功能的违章检测设备上。该违章检测设备可以为电子警察设备。如图2所示,本发明实施例中提供的车辆违章检测方法可以包括:
S201、通过侧视图像采集器采集待检测图像,并对待检测图像进行处理。
在本实施例中,图3是本发明实施例中提供的一种电子警察采集装置的正装示意图。参见图3,一般在传统的电子警察场景中,违章检测设备正面安装在立杆上,且违章检测设备位于车道的正上方位置。对于普通车辆来说,违章检测设备可以准确的对车辆的闯红灯行为进行记录和判罚,但是对于一些比较特殊车辆而言,参见图1,尤其是车头比较高和车身比较长的大货车、长挂车等车辆。参见图3,当车辆行驶到停车线时,违章检测设备无法判断车辆的车头是否已经越过停车线,也无法看到车辆位于车尾的车牌。如果按照等待车牌露出后再进行闯红灯判罚方法进行判罚的话,中间的大型车的车头可能已经超过停止线,从而导致违章检测设备无法获得车辆在红灯亮起时位于停车线内的证据图,造成证据图有效性的缺失。此外,证据图有效性的缺失意味着不能对闯红灯行为进行处罚,或者处罚过程总容易引起被处罚对象的异议或者行政复议,严重削弱了电子警察对大货车、长挂车等闯红灯行为的威慑力,导致大货车、长挂车等车辆闯红灯现象相对严重,危害极大。
在本实施例中,图4是本发明实施例中提供的一种电子警察采集装置的侧装示意图。鉴于传统电子警察场景限制,导致违章检测设备无法有效对大型车闯红灯行为进行记录和判罚的缺陷,参见图4,可以对违章检测设备在立杆的位置和方向进行改进,区别于传统的违章检测设备,对于各车道对应的违章检测设备的位置和方向进行调整,将违章检测设备侧装在立杆上,相应的,违章检测设备可以位于需要检测车道的斜上方位置处。其中,侧视图像采集器可以是违章检测设备中设置的图像采集器,当违章检测设备进行侧装后,违章检测设备中的图像采集器可以认为已经侧装。
在本实施例中,在对违章检测设备进行侧装时,可以将违章检测设备与停止线之间的夹角设置为锐角,保证违章检测设备中的侧视图像采集器可以采集至少一个车道区域内的图像。可选的,在对违章检测设备与停止线之间的夹角进行设置时,可以根据立杆的高度、立杆底部位置距离停止线之间的距离以及车道线的宽度进行调整,以保证违章检测设备中的侧视图像采集器可以采用侧装视角的角度侧对至少一个车道区域,从而可以采集车道区域内的图像。
在本实施例中,违章检测设备的侧视图像采集器可以采用侧视的方式侧对至少一个车道区域,通过侧视图像采集器可以采用侧视的方式采集包含至少一个车道区域内的图像。在违章检测的过程中,可以通过侧视图像采集器采集车道区域内的待检测图像,并对采集到的待检测图像进行识别处理,以确定待检测图像中是否存在有车辆轮毂。其中,车辆轮毂可以为任意类型的轮毂,也可以是预设类型的轮毂。例如,本实施例中车辆轮毂的类型可以分为大型车轮毂和小型车轮毂,只要通过车辆轮毂的类型能够识别车辆即可。可选的,为了避免待检测图像中车辆较多造成后续计算错误,可以通过侧视图像采集器采集侧视图像采集器所属车道区域内的待检测图像,并对采集到的待检测图像进行识别处理,以确定待检测图像中是否存在有车辆轮毂。图5是本发明实施例中提供的一种侧装视角下采集的待检测图像的示意图。示例性的,参见图5,可以通过违章检测设备的侧视图像采集器采集包含至少一个车道区域的图像,将采集到的包含至少一个车道区域的图像作为待检测图像,并对采集到的包含至少一个车道区域的图像的待检测图像进行识别处理,以确定待检测图像中是否存在有车辆轮毂。
在一个可选示例中,在违章检测设备性能允许的条件下,为了提升车辆违章检测的检出率,可以在任何时间均按照预设时间间隔通过侧视图像采集器采集待检测图像,并对待检测图像进行处理,以确定待检测图像中是否存在有车辆轮毂。在又一个可选示例中,在违章检测设备性能不允许的条件下,为了降低违章检测设备的性能消耗,可以在红灯亮起时按照预设时间间隔通过侧视图像采集器采集待检测图像,并对待检测图像进行处理,以确定待检测图像中是否存在有车辆轮毂。
S202、若根据处理结果,确定待检测图像中有车辆轮毂,则根据待检测图像,确定车辆与停止线之间的相对位置信息。
在本实施例中,在对采集到的待检测图像进行识别处理后,可以根据对待检测图像的识别处理结果,确定待检测图像中是否有车辆轮毂。若根据处理结果,确定待检测图像中有车辆轮毂,则根据待检测图像,确定该车辆轮毂所属车辆与停止线之间的相对位置信息。可选的,车辆与停止线之间的相对位置信息可以具体为车辆的车头与停止线之间的相对位置信息。
在本实施例中,鉴于车辆轮毂可以是指任意类型的轮毂,也可以是指预设类型的轮毂。因此,确定待检测图像中是否车辆轮毂可以具体为:确定待检测图像中是否有任意类型的车辆轮毂;或者,确定待检测图像中是否有预设类型的车辆轮毂。若根据对待检测图像的处理结果,确定待检测图像中有任意类型的车辆轮毂,则根据待检测图像,确定该任意类型的车辆轮毂所属车辆与停止线之间的相对位置信息。此时,根据确定的任意类型的车辆轮毂可以实现对所有检测到车辆轮毂的所属车辆均进行车辆违章检测。若根据对待检测图像的处理结果,确定待检测图像中有预设类型的车辆轮毂,则根据待检测图像,确定该预设类型的车辆轮毂所属车辆与停止线之间的相对位置信息,此时,根据确定的预设类型的车辆轮毂可以实现只对具备预设类型车辆轮毂所属车辆进行车辆违章检测。
在本实施例中,在对待检测图像进行识别处理后,可能在待检测图像中识别到车辆轮毂,也可能在待检测图像中识别不到车辆轮毂。车辆轮毂可以为任意类型的轮毂,也可以是预设类型的轮毂。可选的,在上述车辆轮毂为任意类型的轮毂的情况下,如果确定待检测图像中存在有任意类型的车辆轮毂,则表明待检测图像中存在有车辆需要进行违章检测;如果确定待检测图像中没有车辆轮毂,则表明待检测图像中没有任何需要进行违章检测的车辆。可选的,在上述车辆轮毂为预设类型的轮毂的情况下,如果确定待检测图像中存在有预设类型的车辆轮毂,则表明待检测图像中存在有预设类型的车辆轮毂的车辆需要进行违章检测;如果确定待检测图像中没有预设类型的车辆轮毂,则表明待检测图像中没有该预设类型的车辆轮毂的车辆需要进行违章检测。采用上述的方式,在车辆违章检测的过程中,可以根据车辆轮毂特征选择针对何种类型车辆的违章行为进行检测,比如选择针对大货车、长挂车等大型车辆进行违章检测。
S203、若根据相对位置信息,确定车辆的车头靠近且未越过停止线,则通过侧视图像采集器采集车辆图像,以及根据车辆图像执行车辆违章检测操作。
在本实施例中,在确定车辆与停止线之间的相对位置信息后,可以根据车辆与停止线之间的相对位置信息,确定该车辆轮毂所属车辆的车头是否靠近且未越过停止线。可选的,车辆的车头靠近停止线可以理解为车辆的车头与停止线之间的间隔距离在预设的距离阈值范围之内,比如车辆的车头与停止线之间的距离小于预设的距离阈值。其中,当车辆的车头与停止线之间的间隔距离在预设的距离阈值范围之内时,表明车辆的车头靠近停止线;当车辆的车头与停止线之间的间隔距离不在预设的距离阈值范围之内时,表明车辆的车头未靠近停止线。可选的,车辆的车头未越过停止线可以理解为车辆的车头所在位置位于停止线之内。其中,当车辆的车头所在位置位于停止线之内时,表明车辆的车头未越过停止线;当车辆的车头所在位置位于停止线之外时,表明车辆的车头已经越过停止线。
在本实施例中,若根据车辆与停止线之间的相对位置信息,确定车辆的车头靠近且未越过停止线,则通过侧视图像采集器采集车辆图像,并将侧视图像采集器采集的车辆图像作为车辆是否违章的证据图。通过在确定车辆的车头靠近且未越过停止线时,触发侧视图像采集器,并通过侧视图像采集器采集车辆图像,可以采集到车辆在红灯亮起时未越过停止线的车辆图像,有效地解决了传统的电子警察无法有效地分辨出车辆是否越过停止线,从而无法记录在红灯亮起时车辆位于停止线内的证据图的问题,能够准确获取在红灯亮起时车辆位于停车线内的有效证据图。在获取车辆图像后,可以直接依据获取的车辆图像执行车辆违章检测操作,检测车辆是否出现闯红灯违章行为。
在本实施例的一种可选方式中,在根据相对位置信息,确定所述车辆的车头靠近且未越过停止线之前,还可以包括:
若依据信号灯状态信息,确定处于车辆停车提示阶段,则根据相对位置信息,判断车辆的车头是否靠近且未越过停止线。
在本实施方式中,需要依据信号灯状态信息,先确定是否处于车辆停车提示阶段,即确定是否处于红灯亮起的状态。如果是,则根据车辆与停止线之间的相对位置信息,判断车辆的车头是否靠近且未越过停止线;如果不是,则表明当前处于非红灯亮起状态,此时不需要对车辆是否闯红灯进行检测,相应的就不需要根据相对位置信息,判断车辆的车头是否靠近且未越过停止线。
本发明实施例中提供了一种车辆违章检测方法,包括:通过侧视图像采集器采集待检测图像,并对所述待检测图像进行处理;若根据处理结果,确定所述待检测图像中有车辆轮毂,则根据所述待检测图像,确定车辆与停止线之间的相对位置信息;若根据所述相对位置信息,确定所述车辆的车头靠近且未越过停止线,则通过所述侧视图像采集器采集车辆图像,以及根据所述车辆图像执行车辆违章检测操作。利用本发明实施例的技术方案,解决了传统的电子警察无法有效地分辨出车辆是否越过停止线,从而无法记录在红灯亮起时车辆位于停止线内的证据图的问题,能够可以利用侧视图像采集器清晰地记录各车道各类型车辆的证据图,并保证获取在红灯亮起时车辆位于停车线内的有效证据图,从而保证车辆违章情况下证据图的完整有效性,可以有效地对大型车闯红灯行为进行记录和处罚。
图6是本发明实施例中提供的另一种车辆违章检测方法的流程示意图,本发明实施例在上述实施例的基础上进行进一步优化,本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图6所示,本发明实施例中提供的车辆违章检测方法可以包括:
S601、通过侧视图像采集器采集待检测图像,并将待检测图像输入预先训练的车辆轮毂检测模型。
在本实施例中,在通过侧视图像采集器采集待检测图像后,需要对采集的待检测图像进行识别处理。由于违章检测设备在进行侧视安装时,可以按照固定的时间在一侧进行安装,在使用违章检测设备侧视图像采集器采集待检测图像时,也是在固定的视角内进行图像采集。此外,由于需要确定车辆与停止线之间的相对位置信息,侧视图像采集器的采集视角需要位于停车线与侧视图像采集器对应的车道的交界区域。在位于停车线与侧视图像采集器对应的车道的交界区域的视角,较为明显的特征是车辆的轮毂。例如,参见图5,在实际场景中,当有车辆行驶到停止线附近时,侧视图像采集器的采集视角指向车辆的车头位置处的侧面,较明显和统一的特征为车辆的轮毂部位。因此,在对待检测图像进行识别处理时,可以识别待检测图像中是否有车辆轮毂,以及判断识别的车辆轮毂是否为预设类型的车辆轮毂,以便确定是否对该类型的车辆进行违章检测处理。
在本实施例中,为了更好地识别待检测图像中是否存在有预设类型的车辆轮毂,可以采用预先获取的大量车辆轮毂特征样本数据对初始的深度学习模型进行训练学习,预先创建基于识别车辆轮毂的车辆轮毂检测模型。其中,车辆轮毂特征样本数据对初始的深度学习模型进行训练学习时,该车辆轮毂特征样本数据可以是根据车辆轮毂特征进行分类后的轮毂特征数据。例如,预设类型的车辆轮毂为大型车轮毂时,可以采用大型车前轮的轮毂特征数据对模型进行训练。在对待检测图像进行识别处理时,可以将待检测图像输入到预先创建车辆轮毂检测模型,通过预先创建车辆轮毂检测模型确定待检测图像中的预设位置的局部图像进行识别检测,从而识别待检测图像的预设位置处中是否有预设类型的车辆轮毂。其中,预设位置可以根据侧视图像采集器采集待检测图像的视角进行确定。
S602、采用车辆轮毂检测模型对待检测图像进行识别处理,以确定待检测图像中是否存在有预设类型的车辆轮毂。
在本实施例中,当将待检测图像输入预先训练的车辆轮毂检测模型后,可以输出待检测图像中是否存在有预设类型的车辆轮毂。采用上述的方式,在车辆违章检测的过程中,可以根据车辆轮毂特征选择针对何种类型车辆的违章行为进行检测。示例性的,在将待检测图像输入车辆轮毂检测模型后,采用车辆轮毂检测模型对待检测图像进行识别处理,以确定待检测图像中是否存在有预设类型的车辆轮毂。当确定待检测图像中有预定类型的车辆轮毂时,可以实现对特殊类型车辆的违章行为进行检测,比如大货车、长挂车等车辆。
在本实施例中,可选的,车辆轮毂检测模型不仅可以确定待检测图像中是否存在有预设类型的车辆轮毂,还可以在确定待检测图像中存在有预设类型的车辆轮毂时输出预设类型的车辆轮毂在待检测图像中的位置信息。
在本实施例中,可选的,在对待检测图像进行识别处理时,并不限于上述采用车辆轮毂检测模型进行识别处理,还可以通过图像处理技术对待检测图像中预设位置处的局部图像进行定位获取,将获取的局部图像与轮毂数据库中的轮毂图像进行匹配识别,以确定待检测图像中是否有预设类型的车辆轮毂。
S603、若根据处理结果,确定待检测图像中有预设类型的车辆轮毂,则根据待检测图像,确定车辆与停止线之间的相对位置信息。
S604、若根据相对位置信息,确定车辆的车头靠近且未越过停止线,则通过侧视图像采集器采集车辆图像,以及根据车辆图像执行车辆违章检测操作。
本发明实施例中提供了一种车辆违章检测方法,利用本发明实施例的技术方案,解决了传统的电子警察无法有效地分辨出车辆是否越过停止线,从而无法记录在红灯亮起时车辆位于停止线内的证据图的问题,能够获取在红灯亮起时车辆位于停车线内的有效证据图,可以有效地对大型车闯红灯行为进行记录和处罚;而且在对车辆进行违章检测时可以针对选定类型的车辆进行违章检测,从而有选择性的对特殊车辆进行违章检测,提高违章行为的检测对象的选择灵活性,从而对道路交通的管理和违章现象进行有效的监督。
图7是本发明实施例中提供的又一种车辆违章检测方法的流程示意图,本发明实施例在上述实施例的基础上进行进一步优化,本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图7所示,本发明实施例中提供的车辆违章检测方法可以包括:
S701、通过侧视图像采集器采集待检测图像,并对待检测图像进行处理。
在本实施例中,可选的,对待检测图像进行识别处理,可以包括:将待检测图像输入预先训练的车辆轮毂检测模型;采用车辆轮毂检测模型对待检测图像进行识别处理,以确定待检测图像中是否存在有预设类型的车辆轮毂。
S702、若根据处理结果,确定待检测图像中有车辆轮毂,则从待检测图像中提取车辆的目标边缘线条数据;其中,目标边缘线条数据至少包括:车辆轮毂位置处的车头竖线条数据和车身底部线条数据。
在本实施例中,由于通过侧视图像采集器采集的待检测图像中除了可以包含车辆轮毂所属车辆本身的数据,还可以包含除该车辆轮毂所属车辆本身以外的其他车辆和周围数据,待检测图像中的数据比较混杂,在确定车辆与停止线之间的相对位置信息时存在一定的难度。若根据对待检测图像的处理结果,确定待检测图像中有车辆轮毂,则可以从待检测图像中提取用于表征车辆轮毂所属车辆位置的目标边缘线条数据,以便依据提取的用于表征车辆轮毂所属车辆位置的目标边缘线条数据,更好地确定车辆与停止线之间的相对位置信息。其中,目标边缘线条数据至少包括:车辆轮毂位置处的车头竖线条数据和车身底部线条数据。为了更好地确定车辆与停止线之间的相对位置信息,
在本实施例的一种可选方式中,从待检测图像中提取车辆的目标边缘线条数据,可以包括:
从待检测图像中提取多个候选边缘线条数据;其中,候选边缘线条数据在待检测图像中可以用于表征车辆轮毂所属车辆本身和表征除该车辆轮毂所属车辆本身以外的其他事物;
根据车辆轮毂的位置信息从多个候选边缘线条数据筛选出车辆的目标边缘线条数据;其中,目标边缘线条数据在待检测图像中可以用于表征车辆轮毂所属车辆位置。
在本实施方式中,图8是本发明实施例中提供的待检测图像中候选边缘线条的示意图。参见图8,从待检测图像中提取的边缘线条数据不仅包括用于表征车辆轮毂所属车辆本身的边缘线条数据,还可以包括用于表征除该车辆轮毂所属车辆本身以外的其他车辆和环境的边缘线条数据。可选的,在从待检测图像中提取多个候选边缘线条数据时,可以采用边缘检测算子从待检测图像中提取多个候选边缘线条数据。其中,边缘检测算子可以包括但不限于Robert算子和Sobel算子。
在本实施方式中,图9a是本发明实施例中提供的待检测图像中目标边缘线条的示意图。参见图9a,可以从多个候选边缘线条数据中筛选出用于表征车辆轮毂所属车辆位置的目标边缘线条数据。可选的,在从多个候选边缘线条数据筛选车辆的目标边缘线条数据时,可以获取车辆轮毂的位置信息,依据车辆轮毂的位置信息从多个候选边缘线条数据中,筛选得到车辆轮毂位置处的车头竖线条数据和车身底部线条数据作为目标边缘线条数据。
在一个可选示例中,在从多个候选边缘线条数据筛选车辆的目标边缘线条数据时,可以依据车辆轮毂的位置信息通过Hough变换从多个候选边缘线条数据中,筛选得到车辆轮毂位置处的车头竖线条数据和车身底部线条数据作为目标边缘线条数据。
在另一个可选示例中,参见图9a,从多个候选边缘线条数据筛选车辆的目标边缘线条数据的步骤具体可以为:根据车辆轮毂检测模型的识别结果,可以得到车辆轮毂在待检测图像中第一对角坐标和第二对角坐标,比如车辆轮毂的左上角的坐标(Wx1,Wy1)和右上角的坐标(Wx2,Wy2)。鉴于车身底部线条靠近车道线并且大致平行于车道线,因此,可以将车辆轮毂的左上角坐标(Wx1,Wy1)代入预先设定的车道线方程y=La*x+LbW1,其中x=Wx1,y=Wy1,La为车道线方程的斜率,LbW1为需要计算的偏移量,由此可以确定直线搜索区域的第一范围;同理,将右下角坐标(Wx2,Wy2)代入预先设定的车道线方程y=La*x+LbW2,由此可以确定直线搜索区域的第二范围。在确定搜索范围后,设置需要搜索的直线为y=La*x+Lbx,其中x和y使用搜索区域内的边缘点坐标代入,Lbx为代入后求取的值,位于该斜率同一条直线附近的点与Lbx相近,故可以通过统计Lbx的值确定车辆轮毂位置处的车身底部线条,车辆轮毂位置处的车身底部线条数据的统计值可以记为LbH。在确定车辆轮毂位置处的车头竖线条时,由于车辆轮毂位置处的车头竖线条为近似垂直竖线,可以在车辆轮毂的右上角坐标(Wx2,Wy1)附近的边缘点坐标内,寻找与横坐标近似的点组合的直线即可作为车头竖线条,车头竖线条数据的统计值可以记为x=xH。
S703、根据提取的目标边缘线条数据,确定车辆的车头与停车线之间的相对位置信息。
在本实施例中,在提取车辆轮毂位置处的车头竖线条数据和车身底部线条数据后,可以采用车辆轮毂位置处的车头竖线条数据和车辆轮毂位置处的车身底部线条数据,确定车辆的车头位置信息,并依据车辆的车头位置信息和停车线的位置信息确定车辆的车头与停车线之间的相对位置信息。可选的,可以采用车辆轮毂位置处的车头竖线条数据和车身底部线条数据,计算车辆轮毂位置处的车头竖线条与车身底部线条之间交点的位置信息,并依据该交点的位置信息与停止线的位置信息确定车辆的车头与停车线之间的相对位置信息。示例性的,图9b是本发明实施例中提供的待检测图像中车头竖线条和车身底部线条的示意图。参见图9a和图9b,在确定车辆轮毂位置处的车身底部线条数据的统计值LbH以及车头竖线条数据的统计值x=xH后,可以将x=xH代入预先设定的车道线方程y=La*x+LbH,得到yH=La*xH+LbH,从而可以得到车辆轮毂位置处的车头竖线条与车身底部线条之间交点坐标为(xH,yH),进而可以依据该交点的位置信息与停止线的位置信息确定车辆的车头与停车线之间的相对位置信息。
S704、若根据相对位置信息,确定车辆的车头靠近且未越过停止线,则通过侧视图像采集器采集车辆图像,以及根据车辆图像执行车辆违章检测操作。
本发明实施例中提供了一种车辆违章检测方法,利用本发明实施例的技术方案,解决了传统的电子警察无法有效地分辨出车辆是否越过停止线,从而无法记录在红灯亮起时车辆位于停止线内的证据图的问题,能够获取在红灯亮起时车辆位于停车线内的有效证据图,可以有效地对大型车闯红灯行为进行记录和处罚;而且在对车辆进行违章检测时可以针对选定类型的车辆进行违章检测,从而有选择性的对特殊车辆进行违章检测,提高违章行为的检测对象的选择灵活性,从而对道路交通的管理和违章现象进行有效的监督。
图10是本发明实施例中提供的又一种车辆违章检测方法的流程示意图,本发明实施例在上述实施例的基础上进行进一步优化,本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图10所示,本发明实施例中提供的车辆违章检测方法可以包括:
S1001、通过侧视图像采集器采集待检测图像,并对待检测图像进行处理。
在本实施例中,可选的,对待检测图像进行识别处理,可以包括:将待检测图像输入预先训练的车辆轮毂检测模型;采用车辆轮毂检测模型对所述待检测图像进行识别处理,以确定待检测图像中是否存在有预设类型的车辆轮毂。
S1002、若根据处理结果,确定待检测图像中有车辆轮毂,则根据待检测图像,确定车辆与停止线之间的相对位置信息。
在本实施例中,可选的,根据待检测图像,确定车辆与停止线之间的相对位置信息,可以包括:从待检测图像中提取车辆的目标边缘线条数据;根据提取的目标边缘线条数据,确定车辆的车头与停车线之间的相对位置信息。其中目标边缘线条数据至少包括:车辆轮毂位置处的车头竖线条数据和车身底部线条数据。
S1003、若根据相对位置信息,确定车辆的车头靠近且未越过停止线,则通过侧视图像采集器采集车辆的车头未越过停止线时的车辆图像,作为第一证据图。
在本实施例中,可选的,在根据相对位置信息,确定车辆的车头靠近且未越过停止线之前,还可以包括:若依据信号灯状态信息,确定处于车辆停车提示阶段,则根据相对位置信息,判断车辆的车头是否靠近且未越过停止线。
S1004、通过侧视图像采集器采集车辆的车头越过停止线时的车辆图像,作为第二证据图。
S1005、通过侧视图像采集器采集车辆的车尾越过停止线时的车辆图像,作为第三证据图。
在本实施例中,在通过侧视图像采集器采集车辆图像时,可以采集两至三个位置的图像信息以反映车辆违章行为过程。各个位置间可以保持适宜的距离以反映车辆违章行为的过程,各位置间的距离也不适宜太大,而导致无法认定车辆是否违章。其中,在各个位置采集的车辆图像中,车辆图像信息包括:车辆违章时间、车辆类型以及红灯信号;在各个位置采集的车辆图像中,至少存在一张车辆图像可以为车辆车身未越过停止线的车辆图像;至少存在一张车辆图像清晰包括车辆的车牌信息;至少存在一张车辆图像可以为车辆车身越过停止线并继续行驶的车辆图像。可选的,通过侧视图像采集器采集车辆的车头越过停止线且露出车牌时的车辆图像,作为第二证据图。或者,可选的,通过侧视图像采集器采集车辆的车尾越过停止线且包含车牌信息时的车辆图像,作为第三证据图。
S1006、依据采集得到的第一证据图、第二证据图和第三证据图,执行车辆违章检测操作。
在本实施例中,若检测到车辆的车尾越过停止线,且在越过停止线后继续在信号灯所对应的预设区域行驶,则依据第一证据图、第二证据图和第三证据图,将第一证据图、第二证据图和第三证据图合并成一条违章记录,通过合并得到的违章记录执行车辆违章检测操作。其中,第一证据图、第二证据图和第三证据图是依照车辆行驶时间先后顺序得到的证据图。
本发明实施例中提供了一种车辆违章检测方法,利用本发明实施例的技术方案,解决了传统的电子警察无法有效地分辨出车辆是否越过停止线,从而无法记录在红灯亮起时车辆位于停止线内的证据图的问题,能够获取在红灯亮起时车辆位于停车线内的有效证据图,可以有效地对大型车闯红灯行为进行记录和处罚,从而可以对道路交通的管理和违章现象进行有效的监督。
图11是本发明实施例中提供的又一种车辆违章检测方法的流程示意图,本发明实施例在上述实施例的基础上进行进一步优化,本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图11所示,本发明实施例中提供的车辆违章检测方法可以包括:
S1101、通过侧视图像采集器采集待检测图像,并对待检测图像进行处理。
S1102、根据处理结果,确定待检测图像中是否存在有车辆轮毂。
在本实施例中,若确定待检测图像中有车辆轮毂,则执行步骤1103:根据待检测图像,确定车辆与停止线之间的相对位置信息;若确定待检测图像中不存在车辆轮毂,则返回执行S1101:通过侧视图像采集器采集待检测图像,并对待检测图像进行处理。
S1103、根据待检测图像,确定车辆与停止线之间的相对位置信息。
S1104、确定是否处于车辆停车提示阶段。
在本实施例中,可以依据信号灯状态信息,确定是否处于车辆停车提示阶段。若确定处于车辆停车提示阶段,则执行S1105:根据相对位置信息,确定车辆的车头是否靠近且未越过停止线;若确定未处于车辆停车提示阶段,则执行S1101:通过侧视图像采集器采集待检测图像,并对待检测图像进行处理。
根据待检测图像,确定车辆与停止线之间的相对位置信息。
S1105、根据相对位置信息,确定车辆的车头是否靠近且未越过停止线。
在本实施例中,若确定车辆的车头靠近且未越过停止线,则执行S1106:通过侧视图像采集器采集车辆的车头未越过停止线时的车辆图像,作为第一证据图;若确定车辆的车头未靠近且未越过停止线,则返回执行S1101:通过侧视图像采集器采集待检测图像,并对待检测图像进行处理。
S1106、通过侧视图像采集器采集车辆的车头未越过停止线时的车辆图像,作为第一证据图。
S1107、确定是否处于车辆停车提示阶段。
在本实施例中,若确定处于车辆停车提示阶段,则执行S1108:通过侧视图像采集器采集车辆的车头越过停止线时的车辆图像,作为第二证据图;若确定未处于车辆停车提示阶段,则执行S1113:丢弃已采集到的证据图。
S1108、通过侧视图像采集器采集车辆的车头越过停止线时的车辆图像,作为第二证据图。
S1109、确定是否处于车辆停车提示阶段。
在本实施例中,若确定处于车辆停车提示阶段,则执行S1110:通过侧视图像采集器采集车辆的车尾越过停止线时的车辆图像,作为第三证据图;若确定未处于车辆停车提示阶段,则执行S1113:丢弃已采集到的证据图。
S1110、通过侧视图像采集器采集车辆的车尾越过停止线时的车辆图像,作为第三证据图。
S1111、检测车辆在越过停止线后是否继续在信号灯所对应的预设区域行驶。
在本实施例中,若检测到车辆在越过停止线后继续在信号灯所对应的预设区域行驶,则执行S1112:依据采集得到的第一证据图、第二证据图和第三证据图,执行车辆违章检测操作;若检测到车辆在越过停止线后未继续在信号灯所对应的预设区域行驶,则执行S1113:丢弃已采集到的证据图。
S1112、依据采集得到的第一证据图、第二证据图和第三证据图,执行车辆违章检测操作。
S1113、丢弃已采集到的证据图。
本发明实施例中提供了一种车辆违章检测方法,利用本发明实施例的技术方案,解决了传统的电子警察无法有效地分辨出车辆是否越过停止线,从而无法记录在红灯亮起时车辆位于停止线内的证据图的问题,能够获取在红灯亮起时车辆位于停车线内的有效证据图,可以有效地对大型车闯红灯行为进行记录和处罚;而且在对车辆进行违章检测时可以针对选定类型的车辆进行违章检测,从而有选择性的对特殊车辆进行违章检测,提高违章行为的检测对象的选择灵活性,从而对道路交通的管理和违章现象进行有效的监督。
图12是本发明实施例中提供的一种车辆违章检测装置的结构示意图。本实施例可适用于对车辆违章行为进行有效检测的情况,例如,对车辆闯红灯行为进行有效记录和判罚的场景。该车辆违章检测装置可以采用软件和/或硬件的方式实现,并集成在具有网络通信功能的违章检测设备上。该违章检测设备可以为电子警察设备。
如图12所示,本发明实施例中提供的车辆违章检测装置可以包括:图像处理模块1201、相对位置确定模块1202和违章检测模块1203。其中:
图像处理模块1201,用于通过侧视图像采集器采集待检测图像,并对所述待检测图像进行处理;
相对位置确定模块1202,用于若根据处理结果,确定所述待检测图像中有车辆轮毂,则根据所述待检测图像,确定车辆与停止线之间的相对位置信息;
违章检测模块1203,用于若根据所述相对位置信息,确定所述车辆的车头靠近且未越过停止线,则通过所述侧视图像采集器采集车辆图像,以及根据所述车辆图像执行车辆违章检测操作。
在上述实施例的基础上,可选的,所述图像处理模块1201可以包括:
输入单元,用于将所述待检测图像输入预先训练的车辆轮毂检测模型;
识别单元,用于采用所述车辆轮毂检测模型对所述待检测图像进行识别处理,以确定所述待检测图像中是否存在有预设类型的车辆轮毂。
在上述实施例的基础上,可选的,所述相对位置确定模块1202可以包括:
边缘数据提取单元,用于从所述待检测图像中提取所述车辆的目标边缘线条数据;其中,所述目标边缘线条数据至少包括:所述车辆轮毂位置处的车头竖线条数据和车身底部线条数据;
相对位置信息确定单元,用于根据提取的所述目标边缘线条数据,确定所述车辆的车头与停车线之间的相对位置信息。
在上述实施例的基础上,可选的,所述装置还可以包括:
车头位置确定模块1204,用于若依据信号灯状态信息,确定处于车辆停车提示阶段,则根据所述相对位置信息,判断所述车辆的车头是否靠近且未越过停止线。
在上述实施例的基础上,可选的,所述违章检测模块1203可以包括:
第一采集单元,用于通过所述侧视图像采集器采集所述车辆的车头未越过停止线时的车辆图像,作为第一证据图;
第二采集单元,用于通过所述侧视图像采集器采集所述车辆的车头越过停止线时的车辆图像,作为第二证据图;
第三采集单元,用于通过所述侧视图像采集器采集所述车辆的车尾越过停止线时的车辆图像,作为第三证据图;
违章检测单元,用于依据采集得到的述第一证据图、所述第二证据图和所述第三证据图,执行车辆违章检测操作。
在上述实施例的基础上,可选的,所述违章检测单元可以包括:
违章检测子单元,用于若检测到所述车辆的车尾越过停止线,且在越过停止线后继续在信号灯所对应的预设区域行驶,则依据所述第一证据图、所述第二证据图和所述第三证据图,执行车辆违章检测操作。
本发明实施例中所提供的车辆违章检测装置可执行上述本发明任意实施例中所提供的车辆违章检测方法,具备执行该车辆违章检测方法相应的功能和有益效果。
图13是本发明实施例中提供的一种违章检测设备的结构示意图。图13示出了适于用来实现本发明实施方式的示例性违章检测设备1312的框图。图13显示的违章检测设备1312仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图13所示,违章检测设备1312以通用计算设备的形式表现。违章检测设备1312的组件可以包括但不限于:一个或者多个处理器1316,系统存储器1328,连接不同系统组件(包括系统存储器1328和处理器1316)的总线1318。
总线1318表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器1316或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
违章检测设备1312典型地包括多种计算机系统可读介质。这些介质可以是任何能够被违章检测设备1312访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器1328可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)1330和/或高速缓存存储器1332。违章检测设备1312可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储装置1334可以用于读写不可移动的、非易失性磁介质(图13未显示,通常称为“硬盘驱动器”)。尽管图13中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线1318相连。存储器1328可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块1342的程序/实用工具1340,可以存储在例如存储器1328中,这样的程序模块1342包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块1342通常执行本发明所描述的实施例中的功能和/或方法。
违章检测设备1312也可以与一个或多个外部设备1314(例如键盘、指向设备、显示器1324等)通信,还可与一个或者多个使得用户能与该违章检测设备1312交互的设备通信,和/或与使得该违章检测设备1312能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1322进行。并且,违章检测设备1312还可以通过网络适配器1320与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器1320通过总线1318与违章检测设备1312的其它模块通信。应当明白,尽管图中未示出,可以结合违章检测设备1312使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器1316通过运行存储在系统存储器1328中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例中所提供的车辆违章检测方法,该方法包括:
通过侧视图像采集器采集待检测图像,并对所述待检测图像进行处理;
若根据处理结果,确定所述待检测图像中有车辆轮毂,则根据所述待检测图像,确定车辆与停止线之间的相对位置信息;
若根据所述相对位置信息,确定所述车辆的车头靠近且未越过停止线,则通过所述侧视图像采集器采集车辆图像,以及根据所述车辆图像执行车辆违章检测操作。
当然,本领域技术人员可以理解,处理器还可以实现本发明任意实施例中所提供的车辆违章检测方法的技术方案。
本发明实施例中还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中所提供的车辆违章检测方法,该方法包括:
通过侧视图像采集器采集待检测图像,并对所述待检测图像进行处理;
若根据处理结果,确定所述待检测图像中有车辆轮毂,则根据所述待检测图像,确定车辆与停止线之间的相对位置信息;
若根据所述相对位置信息,确定所述车辆的车头靠近且未越过停止线,则通过所述侧视图像采集器采集车辆图像,以及根据所述车辆图像执行车辆违章检测操作。
当然,本发明实施例中所提供的一种计算机可读存储介质,其上存储的计算机程序不限于如上所述的方法操作,还可以执行本发明任意实施例中所提供的车辆违章检测方法中的相关操作。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种车辆违章检测方法,其特征在于,包括:
通过侧视图像采集器采集待检测图像,并对所述待检测图像进行处理;
若根据处理结果,确定所述待检测图像中有车辆轮毂,则根据所述待检测图像,确定车辆与停止线之间的相对位置信息;
若根据所述相对位置信息,确定所述车辆的车头靠近且未越过停止线,则通过所述侧视图像采集器采集车辆图像,以及根据所述车辆图像执行车辆违章检测操作。
2.根据权利要求1所述的方法,其特征在于,对所述待检测图像进行识别处理,包括:
将所述待检测图像输入预先训练的车辆轮毂检测模型;
采用所述车辆轮毂检测模型对所述待检测图像进行识别处理,以确定所述待检测图像中是否存在有预设类型的车辆轮毂。
3.根据权利要求1所述的方法,其特征在于,根据所述待检测图像,确定车辆与停止线之间的相对位置信息,包括:
从所述待检测图像中提取所述车辆的目标边缘线条数据;其中,所述目标边缘线条数据至少包括:所述车辆轮毂位置处的车头竖线条数据和车身底部线条数据;
根据提取的所述目标边缘线条数据,确定所述车辆的车头与停车线之间的相对位置信息。
4.根据权利要求1所述的方法,其特征在于,根据所述相对位置信息,确定所述车辆的车头靠近且未越过停止线之前,还包括:
若依据信号灯状态信息,确定处于车辆停车提示阶段,则根据所述相对位置信息,判断所述车辆的车头是否靠近且未越过停止线。
5.根据权利要求1所述的方法,其特征在于,通过所述侧视图像采集器采集车辆图像,以及根据所述车辆图像执行车辆违章检测操作,包括:
通过所述侧视图像采集器采集所述车辆的车头未越过停止线时的车辆图像,作为第一证据图;
通过所述侧视图像采集器采集所述车辆的车头越过停止线时的车辆图像,作为第二证据图;
通过所述侧视图像采集器采集所述车辆的车尾越过停止线时的车辆图像,作为第三证据图;
依据采集得到的所述第一证据图、所述第二证据图和所述第三证据图,执行车辆违章检测操作。
6.根据权利要求5所述的方法,其特征在于,依据所述第一证据图、所述第二证据图和所述第三证据图,执行车辆违章检测操作,包括:
若检测到所述车辆的车尾越过停止线,且在越过停止线后继续在信号灯所对应的预设区域行驶,则依据所述第一证据图、所述第二证据图和所述第三证据图,执行车辆违章检测操作。
7.一种车辆违章检测装置,其特征在于,包括:
图像处理模块,用于通过侧视图像采集器采集待检测图像,并对所述待检测图像进行处理;
相对位置确定模块,用于若根据处理结果,确定所述待检测图像中有车辆轮毂,则根据所述待检测图像,确定车辆与停止线之间的相对位置信息;
违章检测模块,用于若根据所述相对位置信息,确定所述车辆的车头靠近且未越过停止线,则通过所述侧视图像采集器采集车辆图像,以及根据所述车辆图像执行车辆违章检测操作。
8.根据权利要求7所述的装置,其特征在于,所述装置还包括:
车头位置确定模块,用于若依据信号灯状态信息,确定处于车辆停车提示阶段,则根据所述相对位置信息,判断所述车辆的车头是否靠近且未越过停止线。
9.一种违章检测设备,其特征在于,包括:
侧视图像采集器;
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的车辆违章检测方法。
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,该程序被处理器执行时实现如权利要求1-6中任一所述的车辆违章检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811648576.3A CN111383458B (zh) | 2018-12-30 | 2018-12-30 | 车辆违章检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811648576.3A CN111383458B (zh) | 2018-12-30 | 2018-12-30 | 车辆违章检测方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111383458A true CN111383458A (zh) | 2020-07-07 |
CN111383458B CN111383458B (zh) | 2021-07-27 |
Family
ID=71221264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811648576.3A Active CN111383458B (zh) | 2018-12-30 | 2018-12-30 | 车辆违章检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111383458B (zh) |
Citations (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040222904A1 (en) * | 2003-05-05 | 2004-11-11 | Transol Pty Ltd | Traffic violation detection, recording and evidence processing system |
EP1486928A2 (en) * | 2003-06-12 | 2004-12-15 | Redflex Traffic Systems PTY LTD. | Automated traffic violation monitoring and reporting system |
CN101178852A (zh) * | 2006-11-07 | 2008-05-14 | 奥城同立科技开发(北京)有限公司 | 交通道路图像侧向抓拍方法和交通道路图像侧向抓拍电子警察系统 |
CN101470959A (zh) * | 2007-12-26 | 2009-07-01 | 奥城同立科技开发(北京)有限公司 | 智能侧向车辆违规抓拍系统 |
CN101470960A (zh) * | 2007-12-26 | 2009-07-01 | 奥城同立科技开发(北京)有限公司 | 智能多向车辆违规抓拍系统 |
CN201655023U (zh) * | 2010-04-12 | 2010-11-24 | 天津大学 | 大型货车交通违章监测装置 |
CN201845432U (zh) * | 2010-02-09 | 2011-05-25 | 深圳市博远交通设施有限公司 | 一种新型闯红灯违章抓拍补光系统 |
CN102110369A (zh) * | 2010-12-21 | 2011-06-29 | 汉王科技股份有限公司 | 闯红灯抓拍方法及装置 |
CN102201165A (zh) * | 2010-03-25 | 2011-09-28 | 北京汉王智通科技有限公司 | 交通路口车辆违章的监测系统及方法 |
CN102768800A (zh) * | 2012-07-12 | 2012-11-07 | 复旦大学 | 基于高清视频的机动车闯红灯违章取证方法 |
US8310377B2 (en) * | 2009-08-24 | 2012-11-13 | Optotraffic, Llc | Mobile automated system for traffic monitoring |
CN102881185A (zh) * | 2012-06-12 | 2013-01-16 | 浙江吉利汽车研究院有限公司杭州分公司 | 侧向车道检测交通指示系统 |
US20130044219A1 (en) * | 2011-08-16 | 2013-02-21 | Xerox Corporation | Automated processing method for bus crossing enforcement |
CN203179283U (zh) * | 2013-03-06 | 2013-09-04 | 博隆建亚科技(北京)有限公司 | 前后拍闯红灯智能检测装置 |
CN103345618A (zh) * | 2013-06-21 | 2013-10-09 | 银江股份有限公司 | 一种基于视频技术的交通违章检测方法 |
CN103778786A (zh) * | 2013-12-17 | 2014-05-07 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种基于显著车辆部件模型的交通违章检测方法 |
CN103886755A (zh) * | 2014-04-04 | 2014-06-25 | 姜廷顺 | 具有闯红灯拍照功能的路口异常停车快速报警系统及方法 |
CN104658259A (zh) * | 2013-11-18 | 2015-05-27 | 青岛网媒软件有限公司 | 智能高速公路大型车辆违章抓拍装置及其工作方法 |
US20160035223A1 (en) * | 2014-07-31 | 2016-02-04 | Google Inc. | Traffic Signal Response for Autonomous Vehicles |
CN105427615A (zh) * | 2015-12-03 | 2016-03-23 | 杭州中威电子股份有限公司 | 一种低照度下鲁棒的闯红灯抓拍系统及方法 |
CN105654067A (zh) * | 2016-02-02 | 2016-06-08 | 北京格灵深瞳信息技术有限公司 | 一种车辆检测方法及装置 |
CN105761497A (zh) * | 2013-04-22 | 2016-07-13 | 徐州工程学院 | 一种车辆压实线检测方法及压实线抓拍装置 |
CN105894818A (zh) * | 2016-01-26 | 2016-08-24 | 浙江中盈在线互联网科技有限公司 | 车辆路口交通违法取证系统及方法 |
KR101696881B1 (ko) * | 2016-01-06 | 2017-01-17 | 주식회사 씨티아이에스 | 교통 정보 분석 방법 및 장치 |
CN107221161A (zh) * | 2016-03-22 | 2017-09-29 | 深圳市以捷创新科技有限公司 | 智能电子警察的违章检测系统 |
US20170337815A1 (en) * | 2016-05-20 | 2017-11-23 | Hydro-Spray Wash Systems Inc | Vehicle positioning guide lights |
CN107688764A (zh) * | 2016-08-03 | 2018-02-13 | 浙江宇视科技有限公司 | 检测车辆违章的方法及装置 |
CN207068239U (zh) * | 2017-06-20 | 2018-03-02 | 广东千汛科技发展有限公司 | 一种道路专用实时监测车辆违章的高清电子警察装置 |
CN108645625A (zh) * | 2018-03-21 | 2018-10-12 | 北京纵目安驰智能科技有限公司 | 尾端与侧面结合的3d车辆检测方法、系统、终端和存储介质 |
CN108647670A (zh) * | 2018-05-22 | 2018-10-12 | 哈尔滨理工大学 | 一种基于支持向量机的侧向车辆图像的特征识别方法 |
CN108765945A (zh) * | 2018-05-31 | 2018-11-06 | 深圳市元征科技股份有限公司 | 一种车辆违章识别方法及系统 |
CN109035790A (zh) * | 2018-07-27 | 2018-12-18 | 苏州科达科技股份有限公司 | 车辆交通违法的证据获取方法及系统 |
-
2018
- 2018-12-30 CN CN201811648576.3A patent/CN111383458B/zh active Active
Patent Citations (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040222904A1 (en) * | 2003-05-05 | 2004-11-11 | Transol Pty Ltd | Traffic violation detection, recording and evidence processing system |
EP1486928A2 (en) * | 2003-06-12 | 2004-12-15 | Redflex Traffic Systems PTY LTD. | Automated traffic violation monitoring and reporting system |
CN101178852A (zh) * | 2006-11-07 | 2008-05-14 | 奥城同立科技开发(北京)有限公司 | 交通道路图像侧向抓拍方法和交通道路图像侧向抓拍电子警察系统 |
CN101470959A (zh) * | 2007-12-26 | 2009-07-01 | 奥城同立科技开发(北京)有限公司 | 智能侧向车辆违规抓拍系统 |
CN101470960A (zh) * | 2007-12-26 | 2009-07-01 | 奥城同立科技开发(北京)有限公司 | 智能多向车辆违规抓拍系统 |
US8310377B2 (en) * | 2009-08-24 | 2012-11-13 | Optotraffic, Llc | Mobile automated system for traffic monitoring |
CN201845432U (zh) * | 2010-02-09 | 2011-05-25 | 深圳市博远交通设施有限公司 | 一种新型闯红灯违章抓拍补光系统 |
CN102201165A (zh) * | 2010-03-25 | 2011-09-28 | 北京汉王智通科技有限公司 | 交通路口车辆违章的监测系统及方法 |
CN201655023U (zh) * | 2010-04-12 | 2010-11-24 | 天津大学 | 大型货车交通违章监测装置 |
CN102110369A (zh) * | 2010-12-21 | 2011-06-29 | 汉王科技股份有限公司 | 闯红灯抓拍方法及装置 |
US20130044219A1 (en) * | 2011-08-16 | 2013-02-21 | Xerox Corporation | Automated processing method for bus crossing enforcement |
CN102881185A (zh) * | 2012-06-12 | 2013-01-16 | 浙江吉利汽车研究院有限公司杭州分公司 | 侧向车道检测交通指示系统 |
CN102768800A (zh) * | 2012-07-12 | 2012-11-07 | 复旦大学 | 基于高清视频的机动车闯红灯违章取证方法 |
CN203179283U (zh) * | 2013-03-06 | 2013-09-04 | 博隆建亚科技(北京)有限公司 | 前后拍闯红灯智能检测装置 |
CN105761497A (zh) * | 2013-04-22 | 2016-07-13 | 徐州工程学院 | 一种车辆压实线检测方法及压实线抓拍装置 |
CN103345618A (zh) * | 2013-06-21 | 2013-10-09 | 银江股份有限公司 | 一种基于视频技术的交通违章检测方法 |
CN104658259A (zh) * | 2013-11-18 | 2015-05-27 | 青岛网媒软件有限公司 | 智能高速公路大型车辆违章抓拍装置及其工作方法 |
CN103778786A (zh) * | 2013-12-17 | 2014-05-07 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种基于显著车辆部件模型的交通违章检测方法 |
CN103886755A (zh) * | 2014-04-04 | 2014-06-25 | 姜廷顺 | 具有闯红灯拍照功能的路口异常停车快速报警系统及方法 |
US20160035223A1 (en) * | 2014-07-31 | 2016-02-04 | Google Inc. | Traffic Signal Response for Autonomous Vehicles |
CN105427615A (zh) * | 2015-12-03 | 2016-03-23 | 杭州中威电子股份有限公司 | 一种低照度下鲁棒的闯红灯抓拍系统及方法 |
KR101696881B1 (ko) * | 2016-01-06 | 2017-01-17 | 주식회사 씨티아이에스 | 교통 정보 분석 방법 및 장치 |
CN105894818A (zh) * | 2016-01-26 | 2016-08-24 | 浙江中盈在线互联网科技有限公司 | 车辆路口交通违法取证系统及方法 |
CN105654067A (zh) * | 2016-02-02 | 2016-06-08 | 北京格灵深瞳信息技术有限公司 | 一种车辆检测方法及装置 |
CN107221161A (zh) * | 2016-03-22 | 2017-09-29 | 深圳市以捷创新科技有限公司 | 智能电子警察的违章检测系统 |
US20170337815A1 (en) * | 2016-05-20 | 2017-11-23 | Hydro-Spray Wash Systems Inc | Vehicle positioning guide lights |
CN107688764A (zh) * | 2016-08-03 | 2018-02-13 | 浙江宇视科技有限公司 | 检测车辆违章的方法及装置 |
CN207068239U (zh) * | 2017-06-20 | 2018-03-02 | 广东千汛科技发展有限公司 | 一种道路专用实时监测车辆违章的高清电子警察装置 |
CN108645625A (zh) * | 2018-03-21 | 2018-10-12 | 北京纵目安驰智能科技有限公司 | 尾端与侧面结合的3d车辆检测方法、系统、终端和存储介质 |
CN108647670A (zh) * | 2018-05-22 | 2018-10-12 | 哈尔滨理工大学 | 一种基于支持向量机的侧向车辆图像的特征识别方法 |
CN108765945A (zh) * | 2018-05-31 | 2018-11-06 | 深圳市元征科技股份有限公司 | 一种车辆违章识别方法及系统 |
CN109035790A (zh) * | 2018-07-27 | 2018-12-18 | 苏州科达科技股份有限公司 | 车辆交通违法的证据获取方法及系统 |
Non-Patent Citations (2)
Title |
---|
袁潜韬: ""温州大型货车闯红灯违法抓拍系统优化的探讨"", 《中国安防》 * |
陈果: ""浅谈闯红灯自动记录系统的检验"", 《电脑与信息技术》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111383458B (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107153363B (zh) | 无人驾驶汽车的仿真测试方法及装置、设备与可读介质 | |
CN109345829B (zh) | 无人车的监控方法、装置、设备及存储介质 | |
CN110163176B (zh) | 车道线变化位置识别方法、装置、设备和介质 | |
CN110400478A (zh) | 一种路况通知方法及装置 | |
CN109606384B (zh) | 车辆控制方法、装置、设备和存储介质 | |
CN113470372B (zh) | 识别违规车辆的方法、系统和计算机可读存储介质 | |
CN109284801B (zh) | 交通指示灯的状态识别方法、装置、电子设备及存储介质 | |
CN114399744A (zh) | 一种车型识别方法、装置、电子设备和存储介质 | |
CN113470371B (zh) | 识别违规车辆的方法、系统和计算机可读存储介质 | |
KR20210052031A (ko) | 딥러닝 기반 교통 흐름 분석 방법 및 시스템 | |
CN111382735B (zh) | 夜间车辆检测方法、装置、设备及存储介质 | |
CN113055823B (zh) | 一种基于路侧停车管理共享单车的方法及装置 | |
CN105303823A (zh) | 车辆违规监控方法和系统 | |
CN112613424A (zh) | 铁轨障碍物检测方法、装置、电子设备和存储介质 | |
CN112519765A (zh) | 车辆控制方法、装置、设备和介质 | |
CN104157160A (zh) | 车辆行驶控制方法、装置及车辆 | |
CN112381014A (zh) | 一种基于城市道路的违停车辆检测及管理方法及系统 | |
CN112633557A (zh) | 一种基于大数据的道路安全预警方法、装置、电子设备及存储介质 | |
Sunny et al. | Image based automatic traffic surveillance system through number-plate identification and accident detection | |
CN103794051A (zh) | 基于停车信息的套牌车辆检测系统及相应的检测方法 | |
CN111383458B (zh) | 车辆违章检测方法、装置、设备及存储介质 | |
CN115359438A (zh) | 一种基于计算机视觉的车辆加塞的检测方法、系统和装置 | |
CN112507874B (zh) | 一种用于检测机动车加塞行为的方法与设备 | |
CN115019511A (zh) | 基于自动驾驶车辆的识别机动车违规变道的方法和装置 | |
CN114596704A (zh) | 交通事件处理方法、装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |