CN111767850A - 突发事件的监控方法、装置、电子设备和介质 - Google Patents

突发事件的监控方法、装置、电子设备和介质 Download PDF

Info

Publication number
CN111767850A
CN111767850A CN202010607297.3A CN202010607297A CN111767850A CN 111767850 A CN111767850 A CN 111767850A CN 202010607297 A CN202010607297 A CN 202010607297A CN 111767850 A CN111767850 A CN 111767850A
Authority
CN
China
Prior art keywords
video
target monitoring
information
monitoring object
video frame
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
CN202010607297.3A
Other languages
English (en)
Inventor
刘博�
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.)
Apollo Zhilian Beijing Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010607297.3A priority Critical patent/CN111767850A/zh
Publication of CN111767850A publication Critical patent/CN111767850A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • 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
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/44—Event detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Alarm Systems (AREA)

Abstract

本公开提供了一种突发事件的监控方法，涉及智能交通领域，该方法包括：获取关于预设区域的监控视频，基于监控视频，将预设区域内处于运动状态的对象确定为目标监控对象，并基于监控视频，确定目标监控对象的加速度信息，基于加速度信息确定目标监控对象是否发生突发事件，以及响应于确定目标监控对象发生突发事件，向当前处于目标监控对象周围预设范围内的其他对象发送预警信息。

Description

突发事件的监控方法、装置、电子设备和介质
技术领域
本公开涉及智能交通领域，更具体地，涉及一种突发事件的监控方法、装置、电子设备和计算机可读介质。
背景技术
随着车辆技术和电子技术的快速发展，自动驾驶车辆越来越多地出现在人们的生活中。自动驾驶车辆可以通过各种传感器获得车辆所在的交通场景的信息，并根据交通场景信息确定合适的自动驾驶策略，以实现车辆的自动驾驶。例如，自动驾驶车辆在行驶过程中，需要确定周围的车辆是否发生突发事件，例如，急刹事件或者急加速事件等，以及时执行相应的操作避免事故发生。
在相关技术中，自动驾驶车辆在行驶过程中会检测自身的减速度，在减速度大于阈值时，确定自动驾驶车辆正在执行急刹操作，进而将自身的位置上报至服务器。服务器在接收到自动驾驶车辆的位置时，可以向该自动驾驶车辆周围的其他车辆广播该急刹车辆的位置，以使其他车辆可以确定周围存在急刹车辆。
在实现本公开构思的过程中，发明人发现相关技术中至少存在如下问题：由急刹的自动驾驶车辆在自主上报自身的位置，再通过服务器通知其他车辆该急刹车辆的时延大，且使用覆盖率小。
发明内容
有鉴于此，本公开提供了一种突发事件的监控方法、装置、电子设备和计算机可读介质。
本公开的一个方面提供了一种突发事件的监控方法，包括：获取关于预设区域的监控视频，基于所述监控视频，将所述预设区域内处于运动状态的对象确定为目标监控对象，并基于所述监控视频，确定所述目标监控对象的加速度信息，基于所述加速度信息确定所述目标监控对象是否发生突发事件，以及响应于确定所述目标监控对象发生突发事件，向当前处于所述目标监控对象周围预设范围内的其他对象发送预警信息。
根据本公开的实施例，所述将所述预设区域内处于运动状态的对象确定为目标监控对象，还包括：将所述预设区域内处于运动状态且运动速度大于速度阈值的对象确定为目标监控对象。
根据本公开的实施例，所述监控视频包括第一视频帧，所述基于所述监控视频，将所述预设区域内处于运动状态的对象确定为目标监控对象，包括：基于所述监控视频，确定所述监控视频的第一视频帧中各对象的轮廓信息，基于所述监控视频，确定所述第一视频帧中的运动区域和非运动区域，基于所述第一视频帧中各对象的轮廓信息和所述第一视频帧中的运动区域和非运动区域，确定所述各对象中处于运动状态的对象。
根据本公开的实施例，所述基于所述监控视频，确定所述目标监控对象的加速度信息，包括：基于所述监控视频，获取所述目标监控对象的位置变化信息，基于所述目标监控对象的位置变化信息，以及与所述位置变化信息对应的时长信息，确定所述目标监控对象的加速度信息。
根据本公开的实施例，所述监控视频包括N个视频帧，N为大于1的整数，所述基于所述监控视频，获取所述目标监控对象的位置变化信息，包括：获取所述目标监控对象在所述监控视频的第i个视频帧中的位置和第i-n个视频帧中的位置之间的位移信息，其中，i为大于等于2且小于等于N的整数，n为大于1且小于i的整数，所述基于所述目标监控对象的位置变化信息，以及与所述位置变化信息对应的时长信息，确定所述目标监控对象的加速度信息，包括：基于所述位移信息，以及第i个视频帧和第i-n个视频帧之间的时间差值，确定所述目标监控对象关于所述第i个视频帧的加速度信息。
根据本公开的实施例，所述获取所述目标监控对象在所述监控视频的第i个视频帧和第i-n个视频帧之间的位移信息，包括：获取所述目标监控对象在所述第i个视频帧和所述第i-n个视频中的像素坐标，基于像素坐标和世界坐标之间的转换关系，确定所述目标监控对象在世界坐标系下的位移信息。
根据本公开的实施例，所述基于位移信息，以及第i个视频帧和第i-n个视频帧之间的时间差值，确定所述目标监控对象关于所述第i个视频帧的加速度信息，包括：对所述位移信息进行关于所述时间差值的二阶求导，得到所述目标监控对象关于所述第i个视频帧的加速度信息，获取所述目标监控对象关于第i-1个视频帧的位移信息，在关于第i-1个视频帧的位移大于关于第i个视频帧的位移的情况下，所述加速度的值为负值，否则所述加速度的值为正值，其中，所述关于第i-1个视频帧的位移信息为所述第i-1个视频帧和第i-1-n个视频帧之间的位置变化信息，所述关于第i个视频帧的位置变化信息为第i个视频帧和第i-n个视频帧之间的位置变化信息。
根据本公开的实施例，所述基于所述加速度信息确定所述目标监控对象是否发生突发事件，包括：获取所述目标监控对象在多个连续帧中分别对应的多个加速度，在所述多个加速度满足以下至少一个判断条件时，确定所述目标监控对象发生急刹事件：所述多个加速度的均值小于第一加速度阈值，所述多个加速度的方差小于第一方差阈值，所述多个连续帧中最后一帧所对应的加速度小于所述第一加速度阈值，以及所述多个加速度中小于所述第一加速度阈值的加速度的数量大于累计次数阈值。
根据本公开的实施例，所述基于所述加速度信息确定所述目标监控对象是否发生突发事件，包括：获取所述目标监控对象在多个连续帧中分别对应的多个加速度，在所述多个加速度满足以下至少一个判断条件时，确定所述目标监控对象发生急加速事件：所述多个加速度的均值大于第二加速度阈值、所述多个加速度的方差小于第二方差阈值、所述多个连续帧中最后一帧所对应的加速度大于所述第二加速度阈值以及所述多个加速度中大于所述第二加速度阈值的加速度的数量大于累计次数阈值。
根据本公开的实施例，所述获取关于预设区域的监控视频，包括：通过道路上设置的监控摄像头获取所述监控摄像头采集区域内的监控视频。
本公开的另一个方面提供了一种突发事件的监控装置，该监控装置包括第一获取模块、第一确定模块、第二确定模块和预警模块。其中，第一获取模块用于获取关于预设区域的监控视频。第一确定模块用于基于所述监控视频，将所述预设区域内处于运动状态的对象确定为目标监控对象，并基于所述监控视频，确定所述目标监控对象的加速度信息。第二确定模块用于基于所述加速度信息确定所述目标监控对象是否发生突发事件。预警模块用于响应于确定所述目标监控对象发生突发事件，向当前处于所述目标监控对象周围预设范围内的其他对象发送预警信息。
本公开的另一方面提供了一种电子设备，包括：一个或多个处理器，存储装置，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如上所述的方法。
本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
本公开的另一方面提供了一种计算机程序，所述计算机程序包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
附图说明
通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
图1示意性示出了根据本公开实施例的突发事件监控方法的应用场景；
图2示意性示出了根据本公开实施例的突发事件监控方法的流程图；
图3示意性示出了根据本公开实施例的确定加速度信息的示意图；
图4示意性示出了根据本公开的实施例的突发事件监控装置的框图；以及
图5示意性示出了根据本公开实施例电子设备的框图。
具体实施方式
以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
在相关技术中，自动驾驶车辆在检测自身的减速度大于阈值时，确定车辆为急刹车辆，则可以向服务器上报自身的位置以及急刹事件，进而由服务器通知其他车辆该急刹车辆的位置。可以理解，急刹事件即为执行急刹操作。
通常自动驾驶车辆检测自身的减速度的方式可以包括：1)通过速度传感器检测自动驾驶车辆的速度，通过速度的变化确定减速度；2)通过自动驾驶车辆的定位，根据车辆的位置的变化确定减速度。其中，1)中确定减速度的方式需要在自动驾驶车辆的底盘上加装传感器，很多自动驾驶车辆上并未设置该传感器；2)中确定减速度的方式需要自动驾驶车辆实时定位，依赖于定位精度，在一些不存在定位信号的地点无法进行定位，进而导致无法获取自身的减速度。
另外，上述两种方式中，均是通过自动驾驶车辆主动上报急刹事件的方式，通过服务器转发不仅存在较大的时延。另外，当前并非所有的自动驾驶车辆上均设置车载单元(Onboard Unit，OBU)，进而影响该种方式的普适性。可以理解，OBU设置在车上，可以路边架设路侧单元(Road Side Unit，RSU)，相互之间通过微波进行通讯，该OBU表征自动驾驶车辆的身份。
有鉴于此，本公开提供了一种突发事件的监控方法，通过道路上设置的摄像头获取其采集区域内的监控视频，基于该监控视频，将采集区域内处于运动状态的对象确定为目标监控对象，并基于监控视频，确定目标监控对象的加速度信息。然后，基于加速度信息确定目标监控对象是否发生突发事件，并响应于确定目标监控对象发生突发事件，向当前处于目标监控对象周围预设范围内的其他对象发送预警信息。可以理解，目前路上通常设置有大批量的摄像头，本公开提供的监控方法避免了自动驾驶车辆主动上报急刹事件引起的上述问题，减小了预警延迟问题，且普适性高。
图1示意性示出了根据本公开实施例的突发事件监控方法的应用场景100。
需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
如图1所示，根据该实施例的应用场景100可以包括摄像头110和服务器120。服务器120可以和摄像头110通过网络进行交互，例如，可以通过各种连接类型的网络实现交互，例如有线、无线通信链路或者光纤电缆等等。
摄像头110例如可以是道路上安装的监控摄像头。摄像头110可以用于获取其采集范围内的监控视频。监控视频中例如可以包括监控对象，监控对象例如可以是自动驾驶车辆、非自动驾驶车辆、行人、非机动车等等。
服务器120可以是提供各种服务的服务器。例如，服务器120可以接收来自摄像头110采集的监控视频，对监控视频进行分析处理，并反馈处理结果。
需要说明的是，本公开实施例所提供的突发事件监控方法一般可以由服务器120执行。相应地，本公开实施例所提供的突发事件监控装置一般可以设置于服务器120中。
例如，摄像头110可以获取其采集范围的监控视频，并将监控视频上传给服务器120。服务器120可以基于获得的监控视频确定目标监控对象以及目标监控对象的加速度信息，根据该加速度信息确定目标监控对象是否发生突发事件。若发生，服务器120可以向目标监控对象周围预设范围内的其他对象发送预警信息，以使其他对象可以及时执行相应的操作避免事故发生。
应该理解，图1中的摄像头和服务器的数目仅仅是示意性的。根据实际需要，可以具有任意数目的摄像头和服务器。
图2示意性示出了根据本公开实施例的突发事件监控方法的流程图。
如图2所示，该方法包括操作S201～S204。
在操作S201，获取关于预设区域的监控视频。
根据本公开实施例，可以通过道路上设置的监控摄像头获取监控摄像头采集区域内的监控视频。
在本公开实施例中，预设区域例如可以是监控摄像头的采集区域，或者也可以是监控摄像头采集区域内的感兴趣区域(Region Of Interest，简称ROI)。
根据本公开实施例，可以实时获取监控视频。例如，监控摄像头可以实时地采集道路的监控视频，并将采集的监控视频实时上传至服务器。监控视频中可以包括道路上行驶的车辆、路上行走的行人等。
在操作S202，基于监控视频，将预设区域内处于运动状态的对象确定为目标监控对象，并基于监控视频，确定目标监控对象的加速度信息。
根据本公开实施例，可以基于监控视频，确定第一视频帧中各对象的轮廓信息以及第一视频帧中的运动区域和非运动区域。然后，基于第一视频帧中各对象的轮廓信息和第一视频帧中的运动区域和非运动区域，确定各对象中处于运动状态的对象。
在本公开实施例中，可以基于监控视频中的一个或几个视频帧来确定各对象的轮廓信息。例如，可以通过实例分割的方法获取视频帧中的每个对象的轮廓信息。例如，可以采用基于神经网络的分割方法，其中，分割的背景为对象之外的物体(例如，马路、天空等)，分割的前景为各对象(例如，人、机动车、非机动车等)。
在本公开实施例中，可以基于监控视频中的多个视频帧来确定视频帧中的运动区域和非运动区域。例如，可以通过背景建模的方法确定视频帧中的运动区域和非运动区域。例如，可以使用混合高斯模型或者Vibe(Visual Background Extractor)算法，其中，背景模型输出0值所对应的区域可以为非运动的背景区域，输出1值所对应的区域可以为运动的前景区域。
根据本公开实施例，基于针对某一视频帧得到的各对象的轮廓信息和该视频帧中的运动区域和非运动区域，对于每一个对象，确定其轮廓内属于运动区域的部分是否超过阈值(例如，50％)，如果超过，则将该对象确定为处于运动状态的目标对象。
在本公开实施例中，还可以将预设区域内处于运动状态且运动速度大于速度阈值的对象确定为目标监控对象。可以理解，运动速度过低的对象几乎不会发生严重的急刹事件，并且在低速时，由于跟踪算法的惯性会导致其在低速时会产生一定的速度波动。有鉴于此，本公开实施例可以滤掉低速运动的对象，减少计算量，提高响应速度。
根据本公开实施例，在确定了需要关注的目标监控对象之后，可以在监控视频中跟踪目标监控对象，以确定各目标监控对象的加速度信息。
在本公开实施例中，可以基于监控视频，获取目标监控对象的位置变化信息，基于目标监控对象的位置变化信息，以及与位置变化信息对应的时长信息，确定目标监控对象的加速度信息。例如，可以在图像中获取目标监控对象周围的一静止物体(例如，固定在道路上的监控摄像头等)，以在监控视频中获取目标监控对象相对于该静止物体的相对位置的变化。
根据本公开实施例，还可以通过卡尔曼滤波器对各视频中的目标监控对象的位置进行滤波处理，以去除噪声影响。
根据本公开实施例，监控视频可以包括N个视频帧，可以获取目标监控对象在监控视频的第i个视频帧中的位置和第i-n个视频帧中的位置之间的位移信息，以及基于该位移信息，以及第i个视频帧和第i-n个视频帧之间的时间差值，确定目标监控对象关于第i个视频帧的加速度信息，其中，N为大于1的整数，i为大于等于2且小于等于N的整数，n为大于1且小于j的整数。
例如，图3示意性示出了根据本公开实施例的确定加速度信息的示意图。如图3所示，当n＝1时，可以获取目标监控对象在第1帧和第2帧之间的位移信息ΔS1，以及第1帧和第2帧之间的时间差值Δt1，基于ΔS1和Δt1确定关于第2帧的加速度a1。或者，当n＝2时，可以获取目标监控对象在第1帧和第3帧之间的位移信息(ΔS1+ΔS2)，以及第1帧和第3帧之间的时间差值(Δt1+Δt2)，基于(ΔS1+ΔS2)和(Δt1+Δt2)确定关于第3帧的加速度a2。本公开实施例不限定n的取值，本领域技术人员可以根据实际需要进行设定。
在本公开实施例中，获取目标监控对象在监控视频的第i个视频帧中的位置和第i-n个视频帧中的位置之间的位移信息可以包括：获取目标监控对象在第i个视频帧和第i-n个视频中的像素坐标，基于像素坐标和世界坐标之间的转换关系，确定目标监控对象在世界坐标系下的位移信息。例如，可以先通过目标监控对象在第1帧和第2帧中的像素坐标，确定目标监控对象在第1帧和第2帧中分别对应的世界坐标，并基于目标监控对象在第1帧和第2帧中分别对应的世界坐标确定目标监控对象的在第1帧和第2帧之间的位移ΔS1。
根据本公开实施例，可以根据实例分割得到的每个目标监控对象的轮廓信息，确定各目标监控对象的中心位置，该中心位置可以作为该目标监控对象在像素坐标中的位置或者在世界坐标中的位置。
在本公开实施例中，可以通过对位移信息进行关于时间差值的二阶求导，得到目标监控对象的加速度信息。例如，可以通过ΔS＝a*Δt2来计算加速度。例如，如图3所示，可以通过ΔS1和Δt1确定a1。本公开实施例通过ΔS＝a*Δt2来计算加速度，相比于通过速度计算加速度的方法而言，可以起到天然滤波的作用，可以过滤掉目标监控对象突然的前后抖动，同样的抖动在加速度上的表现更为平滑，并且加速度的计算量也会下降。
可以理解，由于本公开实施例采用ΔS＝a*Δt2的方式计算加速度，则无法直接确定加速度的值为正还是负。因此，本公开实施例可以获取目标监控对象关于第i-1个视频帧的位移信息，在关于第i-1个视频帧的位移大于关于第i个视频帧的位移的情况下，加速度的值为负值，否则加速度的值为正值，其中，关于第i-1个视频帧的位移信息为第训个视频帧和第i-1-n个视频帧之间的位置变化信息，关于第i个视频帧的位置变化信息为第i个视频帧和第i-n个视频帧之间的位置变化信息。
例如，如图3所示，可以基于ΔS2和Δt2计算关于第3帧相对于第2帧的加速度a2，并比较ΔS1和ΔS2，若ΔS2大于ΔS1，则表示目标监控对象在加速行驶，则a2可以为正，若ΔS2小于ΔS1，则表示目标监控对象在减速行驶，则a2可以为负。
在操作S203，基于加速度信息确定目标监控对象是否发生突发事件。
根据本公开实施例，突发事件例如可以包括急刹事件，即，目标监控对象发生紧急制动操作。突发事件还可以包括急加速事件，即，目标监控对象发生紧急加速操作。可以理解，车辆急刹时，很容易出现后车追尾事件，或者当司机不熟练误判油门和刹车时，车辆紧急加速，也容易出现交通事故。有鉴于此，本公开实施例可以基于各目标监控对象的加速度信息，确定是否有目标监控对象发生急刹或者急加速的突发事件。
在本公开一实施例中，获取目标监控对象在多个连续帧中分别对应的多个加速度，在多个加速度满足以下至少一个判断条件时，确定目标监控对象发生急刹事件：多个加速度的均值小于第一加速度阈值、多个加速度的方差小于第一方差阈值、多个连续帧中最后一帧所对应的加速度小于第一加速度阈值和多个加速度中小于第一加速度阈值的加速度的数量大于累计次数阈值。
例如，如图3所示，可以获取第2帧、第3帧、第4帧和第5帧对应的加速度a1、a2、a3和a4，本公开不限定多个加速度的数量，本领域技术人员可以根据实际判断需要进行设定。当a1、a2、a3和a4的均值小于第一加速度阈值(第一加速度阈值可以为负值，以确定该次事件为急刹事件)且方差小于第一方差阈值且a4电小于第一加速度阈值且a1、a2、a3和a4中小于第一加速度阈值的数量大于累计次数阈值(例如，加速度数量的50％)，可以确定该目标监控对象发生急刹事件。
在本公开另一实施例中，获取目标监控对象在多个连续帧中分别对应的多个加速度，在多个加速度满足以下至少一个判断条件时，确定目标监控对象发生急加速事件：多个加速度的均值大于第二加速度阈值、多个加速度的方差小于第二方差阈值、多个连续帧中最后一帧所对应的加速度大于第二加速度阈值和多个加速度中大于第二加速度阈值的加速度的数量大于累计次数阈值。
例如，如图3所示，可以获取第2帧、第3帧、第4帧和第5帧对应的加速度a1、a2、a3和a4，本公开不限定多个加速度的数量，本领域技术人员可以根据实际判断需要进行设定。当a1、a2、a3和a4的均值大于第二加速度阈值(第二加速度阈值可以为正值，以确定该次事件为突然加速事件)且方差小于第二方差阈值且a4也大于第二加速度阈值且a1、a2、a3和a4中大于第二加速度阈值的数量大于累计次数阈值(例如，加速度数量的50％)，可以确定该目标监控对象发生突然加速事件。
可以理解，本实施例中的加速度阈值、方差阈值和累计次数阈值均可以为预先设置的，上述阈值可以通过经验、仿真实验等确定。
在本公开实施例中，可以针对车辆行驶的不同的场景，在获取车辆的加速度的准确性低的场景下，可以设置更为严格的突发事件的判断条件，进而能够提高获取车辆为急刹车辆的准确性。
在操作S204，响应于确定目标监控对象发生突发事件，向当前处于目标监控对象周围预设范围内的其他对象发送预警信息。
根据本公开实施例，若确定目标监控对象发生突发事件，可以将该目标监控对象的位置发送给其周围的其他对象，以警示其他对象该目标监控对象在该位置处发生突发事件。
在本公开实施例中，若确定目标监控对象发生急刹事件，可以向该目标监控对象后方预设范围内的其他对象发送预警信息。若确定目标监控对象发生突然加速事件，可以像该目标监控对象前方预设范围内的其他对象发送预警信息。
本公开实施例可以根据监控视频中每个视频帧中目标监控对象的位置，确定目标监控对象的位置变化，进而根据目标监控对象的位置变化和目标监控对象的行驶时长确定目标监控对象的加速度信息，并响应于确定目标监控对象发生突发事件，向当前处于目标监控对象周围预设范围内的其他对象发送预警信息。可以理解，目前路上通常设置有大批量的摄像头，本公开提供的监控方法避免了自动驾驶车辆主动上报急刹事件引起的上述问题，减小了预警延迟问题，且普适性高。
本公开实施例在计算加速度时，可以通过位移信息对时间差值的二阶求导计算加速度，从而可以减少噪声和计算量，提高加速度计算的准确性以及计算效率。
图4示意性示出了根据本公开的实施例的突发事件监控装置400的框图。
如图4所示，装置400包括第一获取模块410、第一确定模块420、第二确定模块430和预警模块440。
第一获取模块410用于获取关于预设区域的监控视频。根据本公开实施例，第一获取模块410例如可以执行上文参考图2描述的操作S201，在此不再赘述。
第一确定模块420用于基于监控视频，将预设区域内处于运动状态的对象确定为目标监控对象，并基于监控视频，确定目标监控对象的加速度信息。根据本公开实施例，第一确定模块420例如可以执行上文参考图2描述的操作S202，在此不再赘述。
第二确定模块430用于基于加速度信息确定目标监控对象是否发生突发事件。根据本公开实施例，第二确定模块430例如可以执行上文参考图2描述的操作S203，在此不再赘述。
预警模块440用于响应于确定目标监控对象发生突发事件，向当前处于目标监控对象周围预设范围内的其他对象发送预警信息。根据本公开实施例，预警模块440例如可以执行上文参考图2描述的操作S204，在此不再赘述。
根据本公开的实施例，第一确定模块420还用于：将预设区域内处于运动状态且运动速度大于速度阈值的对象确定为目标监控对象。
根据本公开的实施例，监控视频包括第一视频帧，基于监控视频，将预设区域内处于运动状态的对象确定为目标监控对象，包括：基于监控视频，确定监控视频的第一视频帧中各对象的轮廓信息，基于监控视频，确定第一视频帧中的运动区域和非运动区域，基于第一视频帧中各对象的轮廓信息和第一视频帧中的运动区域和非运动区域，确定各对象中处于运动状态的对象。
根据本公开的实施例，基于监控视频，确定目标监控对象的加速度信息，包括：基于监控视频，获取目标监控对象的位置变化信息，基于目标监控对象的位置变化信息，以及与位置变化信息对应的时长信息，确定目标监控对象的加速度信息。
根据本公开的实施例，监控视频包括N个视频帧，N为大于1的整数，获取目标监控对象在监控视频的第i个视频帧中的位置和第i-n个视频帧中的位置之间的位移信息，其中，i为大于等于2且小于等于N的整数，n为大于1且小于i的整数，基于位移信息，以及第i个视频帧和i-n个视频帧之间的时间差值，确定目标监控对象关于第i个视频帧的加速度信息。
根据本公开的实施例，获取目标监控对象在监控视频的第i个视频帧和第i-n个视频帧之间的位移信息，包括：获取目标监控对象在第i个视频帧和第i-n个视频中的像素坐标，基于像素坐标和世界坐标之间的转换关系，确定目标监控对象在世界坐标系下的位移信息。
根据本公开的实施例，基于位移信息，以及第i个视频帧和i-n个视频帧之间的时间差值，确定目标监控对象关于第i个视频帧的加速度信息，包括：对位移信息进行关于时间差值的二阶求导，得到目标监控对象关于第i个视频帧的加速度信息，获取目标监控对象关于第i-1个视频帧的位移信息，在关于第i-1个视频帧的位移大于关于第i个视频帧的位移的情况下，加速度的值为负值，否则加速度的值为正值，其中，关于第i-1个视频帧的位移信息为第i-1个视频帧和第i-1-n个视频帧之间的位置变化信息，关于第i个视频帧的位置变化信息为第i个视频帧和第i-n个视频帧之间的位置变化信息。
根据本公开的实施例，基于加速度信息确定目标监控对象是否发生突发事件，包括：获取目标监控对象在多个连续帧中分别对应的多个加速度，在多个加速度满足以下至少一个判断条件时，确定目标监控对象发生急刹事件：多个加速度的均值小于第一加速度阈值、多个加速度的方差小于第一方差阈值、多个连续帧中最后一帧所对应的加速度小于第一加速度阈值和多个加速度中小于第一加速度阈值的加速度的数量大于累计次数阈值。
根据本公开的实施例，基于加速度信息确定目标监控对象是否发生突发事件，包括：获取目标监控对象在多个连续帧中分别对应的多个加速度，在多个加速度满足以下至少一个判断条件时，确定目标监控对象发生急加速事件：多个加速度的均值大于第二加速度阈值、多个加速度的方差小于第二方差阈值、多个连续帧中最后一帧所对应的加速度大于第二加速度阈值和多个加速度中大于第二加速度阈值的加速度的数量大于累计次数阈值。
根据本公开的实施例，获取关于预设区域的监控视频，包括：通过道路上设置的监控摄像头获取监控摄像头采集区域内的监控视频。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
例如，第一获取模块410、第一确定模块420、第二确定模块430和预警模块440中的任意多个可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，第一获取模块410、第一确定模块420、第二确定模块430和预警模块440中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一获取模块410、第一确定模块420、第二确定模块430和预警模块440中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
图5示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的方框图。图5示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示，根据本公开实施例的电子设备500包括处理器501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。处理器501例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器501还可以包括用于缓存用途的板载存储器。处理器501可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
在RAM 503中，存储有电子设备500操作所需的各种程序和数据。处理器501、ROM502以及RAM 503通过总线504彼此相连。处理器501通过执行ROM 502和/或RAM 503中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM502和RAM 503以外的一个或多个存储器中。处理器501也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
根据本公开的实施例，电子设备500还可以包括输入/输出(I/O)接口505，输入/输出(I/O)接口505也连接至总线504。电子设备500还可以包括连接至I/O接口505的以下部件中的一项或多项：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被处理器501执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、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。在本公开中，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。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 502和/或RAM 503和/或ROM 502和RAM 503以外的一个或多个存储器。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (22)

1.一种突发事件的监控方法，包括：
获取关于预设区域的监控视频；
基于所述监控视频，将所述预设区域内处于运动状态的对象确定为目标监控对象，并基于所述监控视频，确定所述目标监控对象的加速度信息；
基于所述加速度信息确定所述目标监控对象是否发生突发事件；以及
响应于确定所述目标监控对象发生突发事件，向当前处于所述目标监控对象周围预设范围内的其他对象发送预警信息。
2.根据权利要求1所述的方法，其中，所述将所述预设区域内处于运动状态的对象确定为目标监控对象，还包括：
将所述预设区域内处于运动状态且运动速度大于速度阈值的对象确定为目标监控对象。
3.根据权利要求1所述的方法，其中，所述监控视频包括第一视频帧，所述基于所述监控视频，将所述预设区域内处于运动状态的对象确定为目标监控对象，包括：
基于所述监控视频，确定所述监控视频的第一视频帧中各对象的轮廓信息；
基于所述监控视频，确定所述第一视频帧中的运动区域和非运动区域；
基于所述第一视频帧中各对象的轮廓信息和所述第一视频帧中的运动区域和非运动区域，确定所述各对象中处于运动状态的对象。
4.根据权利要求1所述的方法，其中，所述基于所述监控视频，确定所述目标监控对象的加速度信息，包括：
基于所述监控视频，获取所述目标监控对象的位置变化信息；
基于所述目标监控对象的位置变化信息，以及与所述位置变化信息对应的时长信息，确定所述目标监控对象的加速度信息。
5.根据权利要求4所述的方法，其中，
所述监控视频包括N个视频帧，N为大于1的整数；
所述基于所述监控视频，获取所述目标监控对象的位置变化信息，包括：
获取所述目标监控对象在所述监控视频的第i个视频帧中的位置和第i-n个视频帧中的位置之间的位移信息，其中，i为大于等于2且小于等于N的整数，n为大于1且小于i的整数；
所述基于所述目标监控对象的位置变化信息，以及与所述位置变化信息对应的时长信息，确定所述目标监控对象的加速度信息，包括：
基于所述位移信息，以及第i个视频帧和i-n个视频帧之间的时间差值，确定所述目标监控对象关于所述第i个视频帧的加速度信息。
6.根据权利要求5所述的方法，其中，所述获取所述目标监控对象在所述监控视频的第i个视频帧和第i-n个视频帧之间的位移信息，包括：
获取所述目标监控对象在所述第i个视频帧和所述第i-n个视频中的像素坐标；
基于像素坐标和世界坐标之间的转换关系，确定所述目标监控对象在世界坐标系下的位移信息。
7.根据权利要求5所述的方法，其中，所述基于位移信息，以及第i个视频帧和第i-n个视频帧之间的时间差值，确定所述目标监控对象关于所述第i个视频帧的加速度信息，包括：
对所述位移信息进行关于所述时间差值的二阶求导，得到所述目标监控对象关于所述第i个视频帧的加速度信息；
获取所述目标监控对象关于第i-1个视频帧的位移信息，在关于第i-1个视频帧的位移大于关于第i个视频帧的位移的情况下，所述加速度的值为负值，否则所述加速度的值为正值，
其中，所述关于第i-1个视频帧的位移信息为所述第i-1个视频帧和第i-1-n个视频帧之间的位置变化信息，所述关于第i个视频帧的位置变化信息为第i个视频帧和第i-n个视频帧之间的位置变化信息。
8.根据权利要求1所述的方法，其中，所述基于所述加速度信息确定所述目标监控对象是否发生突发事件，包括：
获取所述目标监控对象在多个连续帧中分别对应的多个加速度；
在所述多个加速度满足以下至少一个判断条件时，确定所述目标监控对象发生急刹事件：
所述多个加速度的均值小于第一加速度阈值；
所述多个加速度的方差小于第一方差阈值；
所述多个连续帧中最后一帧所对应的加速度小于所述第一加速度阈值；以及
所述多个加速度中小于所述第一加速度阈值的加速度的数量大于累计次数阈值。
9.根据权利要求1所述的方法，其中，所述基于所述加速度信息确定所述目标监控对象是否发生突发事件，包括：
获取所述目标监控对象在多个连续帧中分别对应的多个加速度；
在所述多个加速度满足以下至少一个判断条件时，确定所述目标监控对象发生急加速事件：
所述多个加速度的均值大于第二加速度阈值；
所述多个加速度的方差小于第二方差阈值；
所述多个连续帧中最后一帧所对应的加速度大于所述第二加速度阈值；以及
所述多个加速度中大于所述第二加速度阈值的加速度的数量大于累计次数阈值。
10.根据权利要求1所述的方法，其中，所述获取关于预设区域的监控视频，包括：
通过道路上设置的监控摄像头获取所述监控摄像头采集区域内的监控视频。
11.一种突发事件的监控装置，包括：
第一获取模块，用于获取关于预设区域的监控视频；
第一确定模块，用于基于所述监控视频，将所述预设区域内处于运动状态的对象确定为目标监控对象，并基于所述监控视频，确定所述目标监控对象的加速度信息；
第二确定模块，用于基于所述加速度信息确定所述目标监控对象是否发生突发事件；以及
预警模块，用于响应于确定所述目标监控对象发生突发事件，向当前处于所述目标监控对象周围预设范围内的其他对象发送预警信息。
12.根据权利要求11所述的装置，其中，所述第一确定模块还用于：
将所述预设区域内处于运动状态且运动速度大于速度阈值的对象确定为目标监控对象。
13.根据权利要求11所述的装置，其中，所述监控视频包括第一视频帧，所述基于所述监控视频，将所述预设区域内处于运动状态的对象确定为目标监控对象，包括：
基于所述监控视频，确定所述监控视频的第一视频帧中各对象的轮廓信息；
基于所述监控视频，确定所述第一视频帧中的运动区域和非运动区域；
基于所述第一视频帧中各对象的轮廓信息和所述第一视频帧中的运动区域和非运动区域，确定所述各对象中处于运动状态的对象。
14.根据权利要求11所述的装置，其中，所述基于所述监控视频，确定所述目标监控对象的加速度信息，包括：
基于所述监控视频，获取所述目标监控对象的位置变化信息；
基于所述目标监控对象的位置变化信息，以及与所述位置变化信息对应的时长信息，确定所述目标监控对象的加速度信息。
15.根据权利要求14所述的装置，其中，
所述监控视频包括N个视频帧，N为大于1的整数；
所述基于所述监控视频，获取所述目标监控对象的位置变化信息，包括：
获取所述目标监控对象在所述监控视频的第i个视频帧中的位置和第i-n个视频帧中的位置之间的位移信息，其中，i为大于等于2且小于等于N的整数，n为大于1且小于i的整数；
所述基于所述目标监控对象的位置变化信息，以及与所述位置变化信息对应的时长信息，确定所述目标监控对象的加速度信息，包括：
基于所述位移信息，以及第i个视频帧和i-n个视频帧之间的时间差值，确定所述目标监控对象关于所述第i个视频帧的加速度信息。
16.根据权利要求15所述的装置，其中，所述获取所述目标监控对象在所述监控视频的第i个视频帧和第i-n个视频帧之间的位移信息，包括：
获取所述目标监控对象在所述第i个视频帧和所述第i-n个视频中的像素坐标；
基于像素坐标和世界坐标之间的转换关系，确定所述目标监控对象在世界坐标系下的位移信息。
17.根据权利要求15所述的装置，其中，所述基于位移信息，以及第i个视频帧和第i-n个视频帧之间的时间差值，确定所述目标监控对象关于所述第i个视频帧的加速度信息，包括：
对所述位移信息进行关于所述时间差值的二阶求导，得到所述目标监控对象关于所述第i个视频帧的加速度信息；
获取所述目标监控对象关于第i-1个视频帧的位移信息，在关于第i-1个视频帧的位移大于关于第i个视频帧的位移的情况下，所述加速度的值为负值，否则所述加速度的值为正值，
其中，所述关于第i-1个视频帧的位移信息为所述第i-1个视频帧和第i-1-n个视频帧之间的位置变化信息，所述关于第i个视频帧的位置变化信息为第i个视频帧和第i-n个视频帧之间的位置变化信息。
18.根据权利要求11所述的装置，其中，所述基于所述加速度信息确定所述目标监控对象是否发生突发事件，包括：
获取所述目标监控对象在多个连续帧中分别对应的多个加速度；
在所述多个加速度满足以下至少一个判断条件时，确定所述目标监控对象发生急刹事件：
所述多个加速度的均值小于第一加速度阈值；
所述多个加速度的方差小于第一方差阈值；
所述多个连续帧中最后一帧所对应的加速度小于所述第一加速度阈值；以及
所述多个加速度中小于所述第一加速度阈值的加速度的数量大于累计次数阈值。
19.根据权利要求11所述的装置，其中，所述基于所述加速度信息确定所述目标监控对象是否发生突发事件，包括：
获取所述目标监控对象在多个连续帧中分别对应的多个加速度；
在所述多个加速度满足以下至少一个判断条件时，确定所述目标监控对象发生急加速事件：
所述多个加速度的均值大于第二加速度阈值；
所述多个加速度的方差小于第二方差阈值；
所述多个连续帧中最后一帧所对应的加速度大于所述第二加速度阈值；以及
所述多个加速度中大于所述第二加速度阈值的加速度的数量大于累计次数阈值。
20.根据权利要求11所述的装置，其中，所述获取关于预设区域的监控视频，包括：
通过道路上设置的监控摄像头获取所述监控摄像头采集区域内的监控视频。
21.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～10中任一项所述的方法。
22.一种计算机可读介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～10中任一项所述的方法。
CN202010607297.3A 2020-06-29 2020-06-29 突发事件的监控方法、装置、电子设备和介质 Pending CN111767850A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010607297.3A CN111767850A (zh) 2020-06-29 2020-06-29 突发事件的监控方法、装置、电子设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010607297.3A CN111767850A (zh) 2020-06-29 2020-06-29 突发事件的监控方法、装置、电子设备和介质

Publications (1)

Publication Number Publication Date
CN111767850A true CN111767850A (zh) 2020-10-13

Family

ID=72724401

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010607297.3A Pending CN111767850A (zh) 2020-06-29 2020-06-29 突发事件的监控方法、装置、电子设备和介质

Country Status (1)

Country Link
CN (1) CN111767850A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112530021A (zh) * 2020-12-24 2021-03-19 北京百度网讯科技有限公司 用于处理数据的方法、装置、设备以及存储介质
EP3893221A1 (en) * 2020-09-16 2021-10-13 Beijing Baidu Netcom Science And Technology Co. Ltd. Event detection method and apparatus for cloud control platform, device, and storage medium
CN113807636A (zh) * 2021-04-12 2021-12-17 河北广电传智信息技术有限公司 区域监管方法、装置、电子设备及计算机存储介质

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060210166A1 (en) * 2005-03-03 2006-09-21 Fuji Photo Film Co. Ltd. Image extracting apparatus, image extracting method, and image extracting program
CN104504903A (zh) * 2014-12-31 2015-04-08 北京赛维安讯科技发展有限公司 交通事件采集装置及方法、交通事件监测系统及方法
CN104680557A (zh) * 2015-03-10 2015-06-03 重庆邮电大学 视频序列图像中的异常行为智能检测方法
CN105519102A (zh) * 2015-03-26 2016-04-20 北京旷视科技有限公司 视频监控方法、视频监控系统以及计算机程序产品
CN105718710A (zh) * 2014-12-02 2016-06-29 高德软件有限公司 一种驾驶行为分析方法及设备
CN105760849A (zh) * 2016-03-09 2016-07-13 北京工业大学 基于视频的目标对象行为数据获取方法及装置
CN106611512A (zh) * 2015-10-23 2017-05-03 杭州海康威视数字技术股份有限公司 前车起步的处理方法、装置和系统
CN107025704A (zh) * 2017-03-14 2017-08-08 上海小蚁科技有限公司 基于加速度传感器的驾驶行为检测方法及装置、行车记录仪和汽车
US20170337753A1 (en) * 2016-05-17 2017-11-23 International Business Machines Corporation Vehicle accident reporting system
CN108247650A (zh) * 2018-02-01 2018-07-06 达闼科技（北京）有限公司 处理方法、装置、机器人、运动物体及可读存储介质
CN108510797A (zh) * 2018-04-04 2018-09-07 南京微达电子科技有限公司 基于雷达侦测的高速公路预警系统及方法
CN109215160A (zh) * 2017-06-30 2019-01-15 百度在线网络技术（北京）有限公司 用于黑匣子的数据发送方法和装置
CN109249806A (zh) * 2018-09-03 2019-01-22 深圳市易成自动驾驶技术有限公司 车辆安全行驶控制方法、设备、系统及可读存储介质
US20190147259A1 (en) * 2017-11-12 2019-05-16 Bendix Commercial Vehicle Systems Llc Driving oriented digital video recorder system
CN109934075A (zh) * 2017-12-19 2019-06-25 杭州海康威视数字技术股份有限公司 异常事件检测方法、装置、系统及电子设备
CN110032947A (zh) * 2019-03-22 2019-07-19 深兰科技（上海）有限公司 一种监控事件发生的方法及装置
CN110444014A (zh) * 2019-07-01 2019-11-12 淮阴工学院 基于反向st-mrf车辆跟踪算法的防追尾预警方法
CN110580708A (zh) * 2018-06-11 2019-12-17 杭州海康威视数字技术股份有限公司 一种快速移动检测方法、装置及电子设备
CN110712665A (zh) * 2019-10-22 2020-01-21 深圳市微度数字技术有限公司 机车安全驾驶智能辅助装置
CN111242015A (zh) * 2020-01-10 2020-06-05 同济大学 一种基于运动轮廓语义图预测行车危险场景的方法

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060210166A1 (en) * 2005-03-03 2006-09-21 Fuji Photo Film Co. Ltd. Image extracting apparatus, image extracting method, and image extracting program
CN105718710A (zh) * 2014-12-02 2016-06-29 高德软件有限公司 一种驾驶行为分析方法及设备
CN104504903A (zh) * 2014-12-31 2015-04-08 北京赛维安讯科技发展有限公司 交通事件采集装置及方法、交通事件监测系统及方法
CN104680557A (zh) * 2015-03-10 2015-06-03 重庆邮电大学 视频序列图像中的异常行为智能检测方法
CN105519102A (zh) * 2015-03-26 2016-04-20 北京旷视科技有限公司 视频监控方法、视频监控系统以及计算机程序产品
CN106611512A (zh) * 2015-10-23 2017-05-03 杭州海康威视数字技术股份有限公司 前车起步的处理方法、装置和系统
CN105760849A (zh) * 2016-03-09 2016-07-13 北京工业大学 基于视频的目标对象行为数据获取方法及装置
US20170337753A1 (en) * 2016-05-17 2017-11-23 International Business Machines Corporation Vehicle accident reporting system
CN107025704A (zh) * 2017-03-14 2017-08-08 上海小蚁科技有限公司 基于加速度传感器的驾驶行为检测方法及装置、行车记录仪和汽车
CN109215160A (zh) * 2017-06-30 2019-01-15 百度在线网络技术（北京）有限公司 用于黑匣子的数据发送方法和装置
US20190147259A1 (en) * 2017-11-12 2019-05-16 Bendix Commercial Vehicle Systems Llc Driving oriented digital video recorder system
CN109934075A (zh) * 2017-12-19 2019-06-25 杭州海康威视数字技术股份有限公司 异常事件检测方法、装置、系统及电子设备
CN108247650A (zh) * 2018-02-01 2018-07-06 达闼科技（北京）有限公司 处理方法、装置、机器人、运动物体及可读存储介质
CN108510797A (zh) * 2018-04-04 2018-09-07 南京微达电子科技有限公司 基于雷达侦测的高速公路预警系统及方法
CN110580708A (zh) * 2018-06-11 2019-12-17 杭州海康威视数字技术股份有限公司 一种快速移动检测方法、装置及电子设备
CN109249806A (zh) * 2018-09-03 2019-01-22 深圳市易成自动驾驶技术有限公司 车辆安全行驶控制方法、设备、系统及可读存储介质
CN110032947A (zh) * 2019-03-22 2019-07-19 深兰科技（上海）有限公司 一种监控事件发生的方法及装置
CN110444014A (zh) * 2019-07-01 2019-11-12 淮阴工学院 基于反向st-mrf车辆跟踪算法的防追尾预警方法
CN110712665A (zh) * 2019-10-22 2020-01-21 深圳市微度数字技术有限公司 机车安全驾驶智能辅助装置
CN111242015A (zh) * 2020-01-10 2020-06-05 同济大学 一种基于运动轮廓语义图预测行车危险场景的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨建国;刘勇;贾凡;: "从高空摄像中获取车辆瞬态信息和驾驶行为", 西安交通大学学报, no. 04, pages 122 - 126 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3893221A1 (en) * 2020-09-16 2021-10-13 Beijing Baidu Netcom Science And Technology Co. Ltd. Event detection method and apparatus for cloud control platform, device, and storage medium
CN112530021A (zh) * 2020-12-24 2021-03-19 北京百度网讯科技有限公司 用于处理数据的方法、装置、设备以及存储介质
CN112530021B (zh) * 2020-12-24 2023-06-23 北京百度网讯科技有限公司 用于处理数据的方法、装置、设备以及存储介质
CN113807636A (zh) * 2021-04-12 2021-12-17 河北广电传智信息技术有限公司 区域监管方法、装置、电子设备及计算机存储介质
CN113807636B (zh) * 2021-04-12 2024-04-09 河北广电传智信息技术有限公司 区域监管方法、装置、电子设备及计算机存储介质

Similar Documents

Publication Publication Date Title
US11314209B2 (en) Detection of driving actions that mitigate risk
JP7499256B2 (ja) ドライバの挙動を分類するためのシステムおよび方法
US10860869B2 (en) Time to collision using a camera
US9224049B2 (en) Detection of static object on thoroughfare crossings
CN111767851A (zh) 突发事件的监控方法、装置、电子设备和介质
CN111369831A (zh) 一种道路驾驶危险预警方法、装置和设备
CN111767850A (zh) 突发事件的监控方法、装置、电子设备和介质
RU2017109073A (ru) Обнаружение и прогнозирование движения пешеходов с помощью обращенной назад камеры
US10229505B2 (en) Motion determination system and method thereof
CN103987577A (zh) 用于监视和信号化车辆的周围环境中的交通情况的方法
JP2007310574A (ja) 衝突危険性判定システム及び警告システム
JP7472832B2 (ja) 車両制御装置、車両制御方法及び車両制御用コンピュータプログラム
CN111497741B (zh) 碰撞预警方法及装置
CA3056611A1 (fr) Systeme de generation automatique d'alertes destinees aux usagers d'une route
CN112560546B (zh) 抛洒行为检测方法、装置及存储介质
CN115761668A (zh) 摄像头的污渍识别方法、装置、车辆及存储介质
US20220036099A1 (en) Moving body obstruction detection device, moving body obstruction detection system, moving body obstruction detection method, and storage medium
CN111598009A (zh) 监控急刹车辆的方法、装置、电子设备和存储介质
JP2022027305A (ja) 危険運転検出装置、危険運転検出システム、及び危険運転検出プログラム
CN114511834A (zh) 一种确定提示信息的方法、装置、电子设备及存储介质
CN112528711B (zh) 用于处理信息的方法和装置
US20220028258A1 (en) Warning presentation control device, warning presentation control system, method of controlling warning presentation, and recording medium storing warning presentation control program
US20230122293A1 (en) Occluded oncoming vehicles detection systems and methods
Thammakaroon et al. Improvement of forward collision warning in real driving environment using machine vision
JP2022124740A (ja) 画像収集装置、画像収集方法及び画像収集用コンピュータプログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211009

Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant after: Apollo Zhilian (Beijing) Technology Co.,Ltd.

Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.