CN111932882A - 一种基于图像识别的道路事故实时预警系统、方法和设备 - Google Patents
一种基于图像识别的道路事故实时预警系统、方法和设备 Download PDFInfo
- Publication number
- CN111932882A CN111932882A CN202010809735.4A CN202010809735A CN111932882A CN 111932882 A CN111932882 A CN 111932882A CN 202010809735 A CN202010809735 A CN 202010809735A CN 111932882 A CN111932882 A CN 111932882A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- road
- pedestrian
- information
- preset
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/752—Contour matching
-
- 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
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30236—Traffic on road, railway or crossing
-
- 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
Abstract
本发明公开了一种基于图像识别的道路事故实时预警系统、方法和设备,属于车辆领域。本发明通过监控视频中的车辆信息、行人信息以及路况信息获得行人和车辆对应的移动轨迹,并通过根据行人和车辆对应的移动轨迹,以及当前车辆的移动轨迹,预测预设时间内预设路段内是否发生事故,相交于某个路段的事故发生可能性进行预测,可以实现针对该车辆的道路事故预警,实时性较高,适用范围更大,准确性更高。
Description
技术领域
本发明涉及车辆领域,特别涉及一种基于图像识别的道路事故实时预警系统、方法和设备。
背景技术
随着城市道路网络复杂度的提高,交通事故一直是全世界人类致死的主要原因,每年夺走约数百万人的生命。因此,及时开发一种能够预警交通事故方法,将能够挽救更多的生命。
现有技术所提供的方法是通过运用机器学习模型,并输入包括驾驶行为、天气、道路复杂程度等在内的事故诱发因素对交通事故进行预警;
现有技术还提供可一种交通事故预警方法,通过地图数据以及事故历史记录,得出易发生事故路段,并监控该易发生事故路段内的车流量进行监控,在车流量满足预设值时,触发交通事故预警。
但是在实际应用中,现有技术提供的技术方案存在以下问题:
1、由于诱发交通事故的因素较为复杂,除了输入的事故诱发因素之外,还可能存在其他因素也能触发交通事故,所以通过机器学习模型进行事故预测,准确性较低;
2、通过地图数据和历史数据进行道路事故预测,只能实现对某个路段的事故发生可能性进行预判,无法针对单个车辆在行进路上的由于车辆行驶时道路的实际情况进行分析并得出针对该车辆的道路事故预警,从而导致道路事故预警的适用范围较小;
3、通过地图数据和历史数据进行道路事故预测,只能实现对某个路段的事故发生可能性进行预判,无法对道路中某个具体位置是否发生事故进行预警,从而导致道路事故预警的可靠性较低。
发明内容
为了解决现有技术的问题,本发明实施例提供了一种基于图像识别的道路事故实时预警系统、方法和设备。所述技术方案如下:
一方面,提供了一种基于图像识别的道路事故实时预警方法,所述方法包括:
获取当前车辆所在预设路段内多个监控设备发送的监控视频,并分别获取所述监控设备与所述当前车辆之间的可用道路;
分别识别所述多个监控视频内的车辆信息、行人信息以及路况信息;
分别根据所述车辆信息、所述行人信息、所述路况信息以及所述可用道路,预测预设时间之内所述预设路段内行人和车辆对应的移动轨迹;
根据所述行人和车辆对应的移动轨迹,以及所述当前车辆的移动轨迹,预测所述预设时间内所述预设路段内是否发生事故;
若所述预设时间内所述预设路段内发生事故,则执行规避驾驶策略。
可选的,所述识别所述监控视频内的车辆信息、行人信息以及路况信息包括:
识别所述监控视频包含的多个视频帧内所有车辆的车辆信息,所述车辆信息包括所述所有车辆的行驶方向、行驶速度以及突发驾驶动作;所述突发驾驶动作包括车辆异常停止和车辆异常转向;
识别所述多个视频帧内所有行人的行人信息,所述行人信息包括所述所有行人的行走方向、行走速度和突发动作;所述突发动作包括行人异常加速和异常停止;
识别所述多个视频帧内道路的路况信息,所述路况信息包括道路障碍物和道路边界。
可选的,所述根据所述车辆信息、所述行人信息、所述路况信息、所述可用道路,预测预设时间之内所述预设路段内行人和车辆对应的移动轨迹包括:
根据所述行驶速度、所述行驶方向、所述突发驾驶动作、所述路况信息以及所述可用道路,预测所述车辆在所述预设时间之内的移动轨迹
根据所述行走方向、所述行走速度、突发动作、所述可用道路以及所述路况信息,预测所述行人在所述预设时间之内的移动轨迹。
可选的,所述根据所述行人和车辆对应的移动轨迹,以及所述当前车辆的移动轨迹,预测所述预设时间内所述预设路段内是否发生事故包括:
若所述当前车辆的移动轨迹与所述任意车辆的移动轨迹在所述预设时间内的任意时刻重合,则预测所述预设时间内所述预设路段内发生事故;否则,则未发生事故;
若所述当前车辆的移动轨迹与所述任意行人的移动轨迹在所述预设时间内的任意时刻重合,则预测所述预设时间内所述预设路段内发生事故;否则,则未发生事故。
可选的,所述若所述预设时间内所述预设路段内发生事故,则执行规避驾驶策略包括:
若所述当前车辆的移动轨迹与所述任意车辆的移动轨迹在所述预设时间内的任意时刻重合,所述任意车辆在所述任意时刻的行驶速度不为0,则执行提醒驾驶员减速的提示信息或者控制车辆减速中的至少一个;
若所述当前车辆的移动轨迹与所述任意车辆的移动轨迹在所述预设时间内的任意时刻重合,所述任意车辆在所述任意时刻的行驶速度为0,预测所述任意车辆所在位置存在可用路段,则执行提醒驾驶员减速并变换车道的提示信息或者控制车辆减速并变换车道中的至少一个;所述任意车辆所在位置不存在可用路段,则执行提醒驾驶员减速并停车的提示信息或者控制车辆减速并停车的至少一个;
若所述当前车辆的移动轨迹与所述任意行人的移动轨迹在所述预设时间内的任意时刻重合,所述任意行人在所述任意时刻的行驶速度不为0,则执行提醒驾驶员减速的提示信息或者控制车辆减速中的至少一个;
若所述当前车辆的移动轨迹与所述任意行人的移动轨迹在所述预设时间内的任意时刻重合,所述任意行人在所述任意时刻的行驶速度为0,预测所述任意行人或所述任意车辆所在位置存在可用路段,则执行提醒驾驶员减速并变换车道的提示信息或者控制车辆减速并变换车道中的至少一个;所述任意行人所在位置不存在可用路段,则执行提醒驾驶员减速并停车的提示信息或者控制车辆减速并停车的至少一个。
可选的,所述预测所述任意行人或所述任意车辆所在位置存在可用路段包括:
根据所述路况信息,预测在所述任意时刻时所述任意车辆或所述任意行人左右两侧道路中的至少一侧是否存在道路边界或者道路障碍物;
根据所述行人和车辆对应的移动轨迹,以及所述当前车辆的移动轨迹,预测所述所有车辆或者所有行人中的其他任意车辆或者其他任意行人在所述任意时刻的位置是否在所述左右两侧道路中的至少一侧;
若在所述任意时刻时所述任意车辆或所述任意行人左右两侧道路中的至少一侧不存在道路边界或者道路障碍物,所述所有车辆或者所有行人中的其他任意车辆或者其他任意行人在所述任意时刻的位置不在所述左右两侧道路中的至少一侧,则所述任意行人或所述任意车辆所在位置存在可用路段。
可选的,所述方法还包括:
向所述预设范围内的所有车辆发出事故预警信息,所述事故预警信息包括事故发生时间和事故发生位置;
接收所述预测范围内的所有车辆发送的事故预警信息;
若所述事故预警信息指示所述预设时间内所述预设路段内发生事故,则执行所述规避驾驶策略。
可选的,所述方法还包括:
根据所述多个监控视频内的车辆信息、行人信息以及路况信息,获取车辆数量、行人数量以及道路障碍物数量;
若所述车辆数量、所述行人数量以及所述道路障碍物数量中的任意一个大于或者等于预设阈值,则减小所述预设时间;
若所述车辆数量、所述行人数量以及所述道路障碍物数量都小于预设阈值,则增大所述预设时间。
另一方面,提供了一种基于图像识别的道路事故实时预警设备,所述设备包括:
传输模块,用于获取当前车辆所在预设路段内多个监控设备发送的监控视频,并分别获取所述监控设备与所述当前车辆之间的可用道路;
识别模块,用于分别识别所述多个监控视频内的车辆信息、行人信息以及路况信息;
预测模块,用于分别根据所述车辆信息、所述行人信息、所述路况信息以及所述可用道路,预测预设时间之内所述预设路段内行人和车辆对应的移动轨迹;
所述预测模块还用于根据所述行人和车辆对应的移动轨迹,以及所述当前车辆的移动轨迹,预测所述预设时间内所述预设路段内是否发生事故;
执行模块,用于在所述预测模块判定所述预设时间内所述预设路段内发生事故时,执行规避驾驶策略。
可选的,所述识别模块具体用于:
识别所述监控视频包含的多个视频帧内所有车辆的车辆信息,所述车辆信息包括所述所有车辆的行驶方向、行驶速度以及突发驾驶动作;所述突发驾驶动作包括车辆异常停止和车辆异常转向;
识别所述多个视频帧内所有行人的行人信息,所述行人信息包括所述所有行人的行走方向、行走速度和突发动作;所述突发动作包括行人异常加速和异常停止;
识别所述多个视频帧内道路的路况信息,所述路况信息包括道路障碍物和道路边界。
可选的,所述预测模块具体用于:
根据所述行驶速度、所述行驶方向、所述突发驾驶动作、所述路况信息以及所述可用道路,预测所述车辆在所述预设时间之内的移动轨迹
根据所述行走方向、所述行走速度、突发动作、所述可用道路以及所述路况信息,预测所述行人在所述预设时间之内的移动轨迹。
可选的,所述预测模块还具体用于:
若所述当前车辆的移动轨迹与所述任意车辆的移动轨迹在所述预设时间内的任意时刻重合,则预测所述预设时间内所述预设路段内发生事故;否则,则未发生事故;
若所述当前车辆的移动轨迹与所述任意行人的移动轨迹在所述预设时间内的任意时刻重合,则预测所述预设时间内所述预设路段内发生事故;否则,则未发生事故。
可选的,所述执行模块具体用于:
若所述当前车辆的移动轨迹与所述任意车辆的移动轨迹在所述预设时间内的任意时刻重合,所述任意车辆在所述任意时刻的行驶速度不为0,则执行提醒驾驶员减速的提示信息或者控制车辆减速中的至少一个;
若所述当前车辆的移动轨迹与所述任意车辆的移动轨迹在所述预设时间内的任意时刻重合,所述任意车辆在所述任意时刻的行驶速度为0,预测所述任意车辆所在位置存在可用路段,则执行提醒驾驶员减速并变换车道的提示信息或者控制车辆减速并变换车道中的至少一个;所述任意车辆所在位置不存在可用路段,则执行提醒驾驶员减速并停车的提示信息或者控制车辆减速并停车的至少一个;
若所述当前车辆的移动轨迹与所述任意行人的移动轨迹在所述预设时间内的任意时刻重合,所述任意行人在所述任意时刻的行驶速度不为0,则执行提醒驾驶员减速的提示信息或者控制车辆减速中的至少一个;
若所述当前车辆的移动轨迹与所述任意行人的移动轨迹在所述预设时间内的任意时刻重合,所述任意行人在所述任意时刻的行驶速度为0,预测所述任意行人或所述任意车辆所在位置存在可用路段,则执行提醒驾驶员减速并变换车道的提示信息或者控制车辆减速并变换车道中的至少一个;所述任意行人所在位置不存在可用路段,则执行提醒驾驶员减速并停车的提示信息或者控制车辆减速并停车的至少一个。
可选的,所述预测模块还具体用于:
根据所述路况信息,预测在所述任意时刻时所述任意车辆或所述任意行人左右两侧道路中的至少一侧是否存在道路边界或者道路障碍物;
根据所述行人和车辆对应的移动轨迹,以及所述当前车辆的移动轨迹,预测所述所有车辆或者所有行人中的其他任意车辆或者其他任意行人在所述任意时刻的位置是否在所述左右两侧道路中的至少一侧;
若在所述任意时刻时所述任意车辆或所述任意行人左右两侧道路中的至少一侧不存在道路边界或者道路障碍物,所述所有车辆或者所有行人中的其他任意车辆或者其他任意行人在所述任意时刻的位置不在所述左右两侧道路中的至少一侧,则所述任意行人或所述任意车辆所在位置存在可用路段。
可选的,:
所述传输模块还用于向所述预设范围内的所有车辆发出事故预警信息,所述事故预警信息包括事故发生时间和事故发生位置;
所述传输模块还用于接收所述预测范围内的所有车辆发送的事故预警信息;
所述执行模块还用于若所述事故预警信息指示所述预设时间内所述预设路段内发生事故,则执行所述规避驾驶策略。
可选的,所述执行模块还用于:
根据所述多个监控视频内的车辆信息、行人信息以及路况信息,获取车辆数量、行人数量以及道路障碍物数量;
若所述车辆数量、所述行人数量以及所述道路障碍物数量中的任意一个大于或者等于预设阈值,则减小所述预设时间;
若所述车辆数量、所述行人数量以及所述道路障碍物数量都小于预设阈值,则增大所述预设时间。
另一方面,提供了一种基于图像识别的道路事故实时预警系统,所述系统包括:
传输设备,用于获取当前车辆所在预设路段内多个监控设备发送的监控视频,并分别获取所述监控设备与所述当前车辆之间的可用道路;
识别设备,用于分别识别所述多个监控视频内的车辆信息、行人信息以及路况信息;
预测设备,用于分别根据所述车辆信息、所述行人信息、所述路况信息以及所述可用道路,预测预设时间之内所述预设路段内行人和车辆对应的移动轨迹;
所述预测设备还用于根据所述行人和车辆对应的移动轨迹,以及所述当前车辆的移动轨迹,预测所述预设时间内所述预设路段内是否发生事故;
执行设备,用于在所述预测设备判定所述预设时间内所述预设路段内发生事故时,执行规避驾驶策略。
可选的,所述识别设备具体用于:
识别所述监控视频包含的多个视频帧内所有车辆的车辆信息,所述车辆信息包括所述所有车辆的行驶方向、行驶速度以及突发驾驶动作;所述突发驾驶动作包括车辆异常停止和车辆异常转向;
识别所述多个视频帧内所有行人的行人信息,所述行人信息包括所述所有行人的行走方向、行走速度和突发动作;所述突发动作包括行人异常加速和异常停止;
识别所述多个视频帧内道路的路况信息,所述路况信息包括道路障碍物和道路边界。
可选的,所述预测设备具体用于:
根据所述行驶速度、所述行驶方向、所述突发驾驶动作、所述路况信息以及所述可用道路,预测所述车辆在所述预设时间之内的移动轨迹
根据所述行走方向、所述行走速度、突发动作、所述可用道路以及所述路况信息,预测所述行人在所述预设时间之内的移动轨迹。
可选的,所述预测设备还具体用于:
若所述当前车辆的移动轨迹与所述任意车辆的移动轨迹在所述预设时间内的任意时刻重合,则预测所述预设时间内所述预设路段内发生事故;否则,则未发生事故;
若所述当前车辆的移动轨迹与所述任意行人的移动轨迹在所述预设时间内的任意时刻重合,则预测所述预设时间内所述预设路段内发生事故;否则,则未发生事故。
可选的,所述执行设备具体用于:
若所述当前车辆的移动轨迹与所述任意车辆的移动轨迹在所述预设时间内的任意时刻重合,所述任意车辆在所述任意时刻的行驶速度不为0,则执行提醒驾驶员减速的提示信息或者控制车辆减速中的至少一个;
若所述当前车辆的移动轨迹与所述任意车辆的移动轨迹在所述预设时间内的任意时刻重合,所述任意车辆在所述任意时刻的行驶速度为0,预测所述任意车辆所在位置存在可用路段,则执行提醒驾驶员减速并变换车道的提示信息或者控制车辆减速并变换车道中的至少一个;所述任意车辆所在位置不存在可用路段,则执行提醒驾驶员减速并停车的提示信息或者控制车辆减速并停车的至少一个;
若所述当前车辆的移动轨迹与所述任意行人的移动轨迹在所述预设时间内的任意时刻重合,所述任意行人在所述任意时刻的行驶速度不为0,则执行提醒驾驶员减速的提示信息或者控制车辆减速中的至少一个;
若所述当前车辆的移动轨迹与所述任意行人的移动轨迹在所述预设时间内的任意时刻重合,所述任意行人在所述任意时刻的行驶速度为0,预测所述任意行人或所述任意车辆所在位置存在可用路段,则执行提醒驾驶员减速并变换车道的提示信息或者控制车辆减速并变换车道中的至少一个;所述任意行人所在位置不存在可用路段,则执行提醒驾驶员减速并停车的提示信息或者控制车辆减速并停车的至少一个。
可选的,所述预测设备还具体用于:
根据所述路况信息,预测在所述任意时刻时所述任意车辆或所述任意行人左右两侧道路中的至少一侧是否存在道路边界或者道路障碍物;
根据所述行人和车辆对应的移动轨迹,以及所述当前车辆的移动轨迹,预测所述所有车辆或者所有行人中的其他任意车辆或者其他任意行人在所述任意时刻的位置是否在所述左右两侧道路中的至少一侧;
若在所述任意时刻时所述任意车辆或所述任意行人左右两侧道路中的至少一侧不存在道路边界或者道路障碍物,所述所有车辆或者所有行人中的其他任意车辆或者其他任意行人在所述任意时刻的位置不在所述左右两侧道路中的至少一侧,则所述任意行人或所述任意车辆所在位置存在可用路段。
可选的,:
所述传输设备还用于向所述预设范围内的所有车辆发出事故预警信息,所述事故预警信息包括事故发生时间和事故发生位置;
所述传输设备还用于接收所述预测范围内的所有车辆发送的事故预警信息;
所述执行设备还用于若所述事故预警信息指示所述预设时间内所述预设路段内发生事故,则执行所述规避驾驶策略。
可选的,所述执行设备还用于:
根据所述多个监控视频内的车辆信息、行人信息以及路况信息,获取车辆数量、行人数量以及道路障碍物数量;
若所述车辆数量、所述行人数量以及所述道路障碍物数量中的任意一个大于或者等于预设阈值,则减小所述预设时间;
若所述车辆数量、所述行人数量以及所述道路障碍物数量都小于预设阈值,则增大所述预设时间。
本发明实施例提供了一种基于图像识别的道路事故实时预警系统、方法和设备,包括:获取当前车辆所在预设路段内多个监控设备发送的监控视频,并分别获取监控设备与当前车辆之间的可用道路;分别识别多个监控视频内的车辆信息、行人信息以及路况信息;分别根据车辆信息、行人信息、路况信息以及可用道路,预测预设时间之内预设路段内行人和车辆对应的移动轨迹;根据行人和车辆对应的移动轨迹,以及当前车辆的移动轨迹,预测预设时间内预设路段内是否发生事故;若预设时间内预设路段内发生事故,则执行规避驾驶策略。
本发明实施例提供的技术方案带来的有益效果是:
1、由于监控视频中的车辆信息、行人信息以及路况信息实时性较强,同时真实反应了道路环境,所以通过监控视频中的车辆信息、行人信息以及路况信息进行道路事故预警,使得预警结果的准确性进一步提高。
2、由于通过监控视频中的车辆信息、行人信息以及路况信息,可定位到道路的具体位置,所以通过监控视频中的车辆信息、行人信息以及路况信息获得行人和车辆对应的移动轨迹,并通过根据行人和车辆对应的移动轨迹,以及当前车辆的移动轨迹,预测预设时间内预设路段内是否发生事故,相交于某个路段的事故发生可能性进行预测,可以实现针对该车辆的道路事故预警,实时性较高,适用范围更大,准确性更高。
3、由于通过监控视频中的车辆信息、行人信息以及路况信息,可定位到道路的具体位置,所以可以对道路事故具体位置进行预测,相较于某个路段的事故发生可能性进行预判,可靠性进一步提高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于图像识别的道路事故实时预警方法流程图;
图2是本发明实施例提供的一种基于图像识别的道路事故实时预警方法流程图;
图3是本发明实施例提供的一种基于图像识别的道路事故实时预警设备结构示意图;
图4是本发明实施例提供的一种基于图像识别的道路事故实时预警系统示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
本发明实施例提供了一种基于图像识别的道路事故实时预警方法,参照图1所示,该方法包括:
101、获取当前车辆所在预设路段内多个监控设备发送的监控视频,并分别获取监控设备与当前车辆之间的可用道路。
102、分别识别多个监控视频内的车辆信息、行人信息以及路况信息。
具体的,识别监控视频包含的多个视频帧内所有车辆的车辆信息,车辆信息包括所有车辆的行驶方向、行驶速度以及突发驾驶动作;突发驾驶动作包括车辆异常停止和车辆异常转向;
识别多个视频帧内所有行人的行人信息,行人信息包括所有行人的行走方向、行走速度和突发动作;突发动作包括行人异常加速和异常停止;
识别多个视频帧内道路的路况信息,路况信息包括道路障碍物和道路边界。
103、分别根据车辆信息、行人信息、路况信息以及可用道路,预测预设时间之内预设路段内行人和车辆对应的移动轨迹。
具体的,根据行驶速度、行驶方向、突发驾驶动作、路况信息以及可用道路,预测车辆在预设时间之内的移动轨迹
根据行走方向、行走速度、突发动作、可用道路以及路况信息,预测行人在预设时间之内的移动轨迹。
104、根据行人和车辆对应的移动轨迹,以及当前车辆的移动轨迹,预测预设时间内预设路段内是否发生事故。
具体的,若当前车辆的移动轨迹与任意车辆的移动轨迹在预设时间内的任意时刻重合,则预测预设时间内预设路段内发生事故;否则,则未发生事故;
若当前车辆的移动轨迹与任意行人的移动轨迹在预设时间内的任意时刻重合,则预测预设时间内预设路段内发生事故;否则,则未发生事故。
105、若预设时间内预设路段内发生事故,则执行规避驾驶策略。
具体的,若当前车辆的移动轨迹与任意车辆的移动轨迹在预设时间内的任意时刻重合,任意车辆在任意时刻的行驶速度不为0,则执行提醒驾驶员减速的提示信息或者控制车辆减速中的至少一个;
若当前车辆的移动轨迹与任意车辆的移动轨迹在预设时间内的任意时刻重合,任意车辆在任意时刻的行驶速度为0,预测任意车辆所在位置存在可用路段,则执行提醒驾驶员减速并变换车道的提示信息或者控制车辆减速并变换车道中的至少一个;任意车辆所在位置不存在可用路段,则执行提醒驾驶员减速并停车的提示信息或者控制车辆减速并停车的至少一个;
若当前车辆的移动轨迹与任意行人的移动轨迹在预设时间内的任意时刻重合,任意行人在任意时刻的行驶速度不为0,则执行提醒驾驶员减速的提示信息或者控制车辆减速中的至少一个;
若当前车辆的移动轨迹与任意行人的移动轨迹在预设时间内的任意时刻重合,任意行人在任意时刻的行驶速度为0,预测任意行人或任意车辆所在位置存在可用路段,则执行提醒驾驶员减速并变换车道的提示信息或者控制车辆减速并变换车道中的至少一个;任意行人所在位置不存在可用路段,则执行提醒驾驶员减速并停车的提示信息或者控制车辆减速并停车的至少一个。
其中,预测任意行人或任意车辆所在位置存在可用路段包括:
根据路况信息,预测在任意时刻时任意车辆或任意行人左右两侧道路中的至少一侧是否存在道路边界或者道路障碍物;
根据行人和车辆对应的移动轨迹,以及当前车辆的移动轨迹,预测所有车辆或者所有行人中的其他任意车辆或者其他任意行人在任意时刻的位置是否在左右两侧道路中的至少一侧;
若在任意时刻时任意车辆或任意行人左右两侧道路中的至少一侧不存在道路边界或者道路障碍物,所有车辆或者所有行人中的其他任意车辆或者其他任意行人在任意时刻的位置不在左右两侧道路中的至少一侧,则任意行人或任意车辆所在位置存在可用路段。
可选的,所述方法还包括:
向预设范围内的所有车辆发出事故预警信息,事故预警信息包括事故发生时间和事故发生位置;
接收预测范围内的所有车辆发送的事故预警信息;
若事故预警信息指示预设时间内预设路段内发生事故,,则执行规避驾驶策略。
可选的,所述方法还包括:
根据多个监控视频内的车辆信息、行人信息以及路况信息,获取车辆数量、行人数量以及道路障碍物数量;
若车辆数量、行人数量以及道路障碍物数量中的任意一个大于或者等于预设阈值,则减小预设时间;
若车辆数量、行人数量以及道路障碍物数量都小于预设阈值,则增大预设时间。
本发明实施例提供了一种基于图像识别的道路事故实时预警方法,由于监控视频中的车辆信息、行人信息以及路况信息实时性较强,同时真实反应了道路环境以及可定位到道路的具体位置,所以通过监控视频中的车辆信息、行人信息以及路况信息获得行人和车辆对应的移动轨迹,并通过根据行人和车辆对应的移动轨迹,以及当前车辆的移动轨迹,预测预设时间内预设路段内是否发生事故,相交于某个路段的事故发生可能性进行预测,可以实现针对该车辆的道路事故预警,实时性较高,适用范围更大,准确性更高。
实施例二
本发明实施例提供了一种基于图像识别的道路事故实时预警方法,参照图2所示,该方法包括:
201、获取当前车辆所在预设路段内多个监控设备发送的监控视频。
具体的,当前车辆实时更新可用监控设备列表,该可用监控设备列表至少包括监控设备的网络地址和地理位置;监控设备可以通过实时广播实现将自身的网络地址和地理位置发送至车辆;
当前车辆实时向该列表内所有监控设备发送获取请求;
监控设备根据该获取请求后,向当前车辆发送监控视频;
可选的,为了进一步提高准确性,当前车辆还可以实时对监控视频的质量进行监控,该过程可以通过以下操作中的任意一个实现:
获取监控设备在向当前车辆进行监控视频传输过程中的丢帧率,若该丢帧率大于预设值,则停止接收该监控设备发送的监控视频,并向该监控设备发送停止发送监控视频的指示;或者
获取监控视频内任意多个视频片段的清晰度,若该清晰度小于预设值,则停止接收该监控设备发送的监控视频,并向该监控设备发送停止发送监控视频的指示。
202、分别获取监控设备与当前车辆之间的可用道路。
具体的,该过程可以通过可用监控设备列表中监控设备的地理位置所对应固定范围内的地图数据得出,本发明实施例对具体的计算方式不加以限定。
203、识别监控视频包含的多个视频帧内所有车辆的车辆信息。
具体的,车辆信息包括所有车辆的行驶方向、行驶速度以及突发驾驶动作;突发驾驶动作包括车辆异常停止和车辆异常转向;
分别识别多个视频帧内用于描述车身图像的所有像素点,该过程可以是通过预先对识别程序进行样本训练后,再将该多个视频帧输入该识别程序实现的,本发明实施例对具体的识别方式不加以限定。
对于识别出的多个车辆中的任意一个,执行以下操作:
识别该车辆的行驶方向,该过程可以为:
分别识别该车辆的车身图像在各个视频帧的位置,并根据该车身图像中多个像素点的分别在该各个视频帧的坐标,得到该车辆的位移;
获取该车辆行进道路上的多个连贯并且沿道路纵向直线排列的像素点,并设置该多个像素点所组成的直线图像为基准线条;
根据该车辆的位移和基准线条判断该车辆的行驶方向;
若车辆的位移与基准线条的夹角为0,则该车辆的行驶方向为直线行驶;
若车辆的位移与基准线条的夹角不为0,则该车辆的行驶方向为转向,并根据该夹角的变化方向确定该车辆的转向方向;
其中,该车身图像中的多个像素点可以是随机选取的,也可以是识别该车辆图像中的特定像素点,例如车辆顶部或者车辆车窗上的像素点。
在识别该车辆的行驶方向之后,识别该车辆的行驶速度,该过程可以为:
根据该车辆的位移大小和该多个视频帧的时间长度,判断该车辆的行驶速度。
在识别该车辆的行驶速度之后,识别该车辆的车辆异常停止,该过程可以为:
若在该时间长度的开始时刻至1/2时刻,车辆的速度大于预设值,且在1/2时刻至该时间长度的结束时刻,车辆的速度为0,则该车辆异常停止;
在识别该车辆的行驶方向之后,识别该车辆的车辆异常转向,该过程可以为:
根据该时间长度内夹角值的变化值,得到该夹角的变化率,若该变化率大于预设值;则该车辆异常转向。
204、识别多个视频帧内所有行人的行人信息。
具体的,行人信息包括所有行人的行走方向、行走速度和突发动作;突发动作包括行人异常加速和异常停止;
分别识别多个视频帧内用于描述行人图像的所有像素点,该过程可以是通过预先对识别程序进行样本训练后,再将该多个视频帧输入该识别程序实现的,本发明实施例对具体的识别方式不加以限定。
对于识别出的多个行人中的任意一个,执行以下操作:
识别该行人的行走方向的过程为:
分别识别该行人图像在各个视频帧的位置,并根据该行人图像中多个像素点的分别在该各个视频帧的坐标,得到该行人的位移;
根据该行人的位移和基准线条判断该行人的行驶方向;
若行人的位移与基准线条的夹角为0,则该行人的行驶方向为直线行驶;
若行人的位移与基准线条的夹角不为0,则该行人的行驶方向为转向,并根据该夹角的变化方向确定该行人的转向方向;
其中,该行人图像中的多个像素点可以是随机选取的,也可以是识别该行人图像中的特定像素点,例如行人面部与行人脚部之间呈直线排列的多个像素点。
在识别该行人的行走方向后,识别该行人的行走速度,该过程为:
根据该行人的位移大小和该多个视频帧的时间长度,判断该行人的行驶速度。
在识别该行人的行走速度之后,识别该行人的异常加速,该过程可以为:
若在该时间长度内行人的行驶速度变化率大于预设阈值,则该行人异常加速。
在识别该行人的行走速度之后,识别该行人的异常停止,该过程可以为:
若在该时间长度的开始时刻至1/2时刻,行人的速度大于预设值,且在1/2时刻至该时间长度的结束时刻,行人的速度为0,则该车辆异常停止。
205、识别多个视频帧内道路的路况信息。
具体的,路况信息包括道路障碍物和道路边界。
识别道路障碍物的过程为:
从用于描述路面的所有像素点中获取灰度值不满足预设灰度值区间以及和像素值不满足预设像素值区间的所有像素点;
获取该像素点所组成的图像;
判断图像的轮廓是否与系统预先配置的车辆、行人以及道路设施轮廓匹配,且该图像的面积满足预设值,若是,则道路中存在障碍物,其中,该图像的面积是通过像素点的个数计算的,示例性的,可以设置一个像素点的面积为1个单位面积,通过识别像素点的个数实现对该图像面积的计算。
识别道路边界的过程为:
根据系统预先配置的道路宽度以及道路两侧参照物图像,从该多个视频帧中识别出道路边界,该识别过程可以是通过预先对识别程序进行样本训练后,再将该多个视频帧输入该识别程序实现的,本发明实施例对具体的识别方式不加以限定
可选的,在监控设备位置固定的情况下,道路边界可以是预先进行识别后,将识别结果预先存储于监控设备中的。
值得注意的是,步骤203至步骤205是实现分别识别多个监控视频内的车辆信息、行人信息以及路况信息的过程,除了上述步骤所述的方式之外,还可以通过其他方式实现该过程,本发明实施例对具体的方式不加以限定。另外,除了上述步骤所述的顺序之外,步骤203至步骤205也可以同时进行,还可以按照其他顺序执行,本发明实施例对步骤203至步骤205的执行顺序不加以限定。
206、根据行驶速度、行驶方向、突发驾驶动作、路况信息以及可用道路,预测车辆在预设时间之内的移动轨迹。
具体的,对于所有监控视频中任意一个监控视频所包含的任意一个车辆,执行以下操作;
识别该车辆的车牌图像,当车辆未发生突发驾驶动作时;
在该监控视频内所能监控的道路范围内,根据路况信息获取该车辆在道路边界指示的道路内按照规避道路障碍物行驶时的至少一个可行驶路线;
根据车辆的行驶速度和行驶方向,从该至少一个可行驶轨迹中预测车辆的行驶轨迹,该预测过程中可以是通过判定车辆在行驶方向上以行驶速度行驶时所有可能的轨迹与该至少一个可行驶轨迹的重合度最高的可行驶轨迹;
从其余监控视频中获取包含该车牌图像的监控视频,并获取包含该车辆图像中该车辆的行驶轨迹;
将上述所有行驶轨迹,按照发送该监控视频的所有监控设备所在地理位置,在该所有监控设备所在地理位置的可用道路上按照行驶轨迹的方向进行组合,生成该车辆的移动轨迹。
当车辆发生突发驾驶动作时,且突发驾驶动作为车辆异常停止,则预测车辆在预设时间之内无移动轨迹;
当车辆发生突发驾驶动作时,且突发驾驶动作为车辆异常转向,车辆的行驶速度为0,则预测车辆在预设时间之内无移动轨迹;
当车辆发生突发驾驶动作时,且突发驾驶动作为车辆异常转向,车辆的行驶速度不为0,则:
根据车辆的位移与基准线条的夹角的变化率计算车辆在预设时间的1/2时刻时的夹角;
设置该夹角为行驶方向,计算车辆的移动轨迹;其中,该计算过程与当车辆未发生突发驾驶动作时的过程相同,此处不再加以赘述。
对该监控视频内的下一个车辆继续执行上述步骤,直至对所有监控视频中的所有车辆都完成预测。
207、根据行走方向、行走速度、突发动作、可用道路以及路况信息,预测行人在预设时间之内的移动轨迹。
具体的,
识别该行人的图像,当行人未发生突发动作时;
根据车辆的行走速度和行走方向,从该至少一个可行驶轨迹中预测行人的行走轨迹,该预测过程中可以是通过判定行人在行走方向上以行走速度行驶时所有可能的轨迹与该至少一个可行走轨迹的重合度最高的可行走轨迹;
从其余监控视频中获取包含该行人的图像的监控视频,并获取包含该行人的图像中该行人的行走轨迹;
将上述所有行走轨迹,按照发送该监控视频的所有监控设备所在地理位置,在该所有监控设备所在地理位置的可用道路上按照行走轨迹的方向进行组合,生成该行人的移动轨迹。
当行人发生突发动作时,且突发动作为异常停止,则预测行人在预设时间之内无移动轨迹;
当车辆发生突发驾驶动作时,且突发动作为异常转向,车辆的行走速度不为0,则:
根据行人转向后的方向为行走方向,计算行人的移动轨迹;其中,该计算过程与当行人未发生突发动作时的过程相同,此处不再加以赘述。
对该监控视频内的下一个行人继续执行上述步骤,直至对所有监控视频中的所有行人都完成预测。
值得注意的是,步骤206至步骤207是实现分别根据车辆信息、行人信息、路况信息以及可用道路,预测预设时间之内预设路段内行人和车辆对应的移动轨迹的过程,除了上述步骤所述的方式之外,还可以通过其他方式实现该过程,本发明实施例对具体的方式不加以限定。另外,除了上述步骤所述的顺序之外,步骤206至步骤207也可以同时进行,还可以按照其他顺序执行,本发明实施例对步骤206至步骤207的执行顺序不加以限定。
208、若当前车辆的移动轨迹与任意车辆的移动轨迹在预设时间内的任意时刻重合,则预测预设时间内预设路段内发生事故;否则,则未发生事故。
具体的,该过程可以是通过将当前车辆的移动轨迹与任意车辆的移动轨迹输入地图数据中进行对比得出的,本发明实施例对具体的对比过程不加以限定。
其中,当前车辆的移动轨迹的获取过程包括:
当道路边界指示的道路内不存在道路障碍物时,获取当前车辆在道路边界指示的道路内,且在行驶方向上以行驶速度行驶预设时间时的移动轨迹;
当道路边界指示的道路内不存在道路障碍物时,获取当前车辆在道路边界指示的道路内,且在行驶方向上以行驶速度,并按照规避道路障碍物行驶预设时间时的移动轨迹。
209、若当前车辆的移动轨迹与任意行人的移动轨迹在预设时间内的任意时刻重合,则预测预设时间内预设路段内发生事故;否则,则未发生事故。
具体的,该过程可以是通过将当前车辆的移动轨迹与任意行人的移动轨迹输入地图数据中进行对比得出的,本发明实施例对具体的对比过程不加以限定。
值得注意的是,步骤208至步骤209是实现根据行人和车辆对应的移动轨迹,以及当前车辆的移动轨迹,预测预设时间内预设路段内是否发生事故的过程,除了上述步骤所述的方式之外,还可以通过其他方式实现该过程,本发明实施例对具体的方式不加以限定。
210、根据路况信息,预测在任意时刻时任意车辆或任意行人左右两侧道路中的至少一侧是否存在道路边界或者道路障碍物。
具体的,该任意时刻时任意车辆或任意行人为步骤209所述的移动轨迹在该任意时刻重合的任意车辆或任意行人;步骤210所述的过程可以为:
获取当前车辆的移动轨迹在该任意时刻的地理位置,该当前车辆的移动轨迹在任意时刻的地理位置即为当前车车辆的移动轨迹与任意车辆或任意行人的移动轨迹的重合点的地理位置;该获取过程可以是通过对地图数据进行查找实现的;
获取该地理位置所在范围的至少一个监控设备;该过程可以是通过对可用监控设备列表进行查询实现的;
识别该至少一个监控设备发送的监控视频中的路况信息,该方式与步骤205所述的方式相同,此处不再加以赘述;
若路况信息指示监控视频中存在道路障碍物,则获取监控视频中道路障碍所在位置的地理位置,以及道路边界所在位置的地理位置;该过程可以是通过监控视频中道路障碍物图像的位置、监控视频中道路边界图像的位置、监控设备的摄像镜头焦距以及监控设备的地理位置计算得出;
根据道路障碍的地理位置与重合点的地理位置,计算道路障碍物与重合点之间的第一距离;
根据道路左右两侧的道路边界的地理位置与重合点的地理位置,计算道路左右两侧的道路边界与重合点之间的第二距离和第三距离;
若第一距离、第二距离以及第三距离中的至少一个大于或者等于车辆宽度的1.5倍,则在任意时刻时任意车辆或任意行人左右两侧道路中的至少一侧不存在道路边界或者道路障碍物,否则在任意时刻时任意车辆或任意行人左右两侧道路中的至少一侧存在道路边界或者道路障碍物。
若路况信息指示监控视频中不存在道路障碍物,则获取道路边界所在位置的地理位置;该过程可以是通过监控视频中道路边界图像的位置、监控设备的摄像镜头焦距以及监控设备的地理位置计算得出;
根据道路左右两侧的道路边界的地理位置与重合点的地理位置,计算道路左右两侧的道路边界与重合点之间的第二距离和第三距离;
若第二距离以及第三距离中的至少一个大于或者等于车辆宽度的1.5倍,则在任意时刻时任意车辆或任意行人左右两侧道路中的至少一侧不存在道路边界或者道路障碍物,否则在任意时刻时任意车辆或任意行人左右两侧道路中的至少一侧存在道路边界或者道路障碍物。
其中,第一距离、第二距离和第三距离为以道路的宽度所在直线为x轴,且以及以道路长度所在直线为y轴组成的坐标系下,各个地理位置所连接的直线在x轴的投影长度,且第一距离所在的直线在y轴上的投影小于或等于预设值;若且第一距离所在的直线在y轴上的投影大于预设值,则判定监控视频中不存在道路障碍物。
211、根据行人和车辆对应的移动轨迹,以及当前车辆的移动轨迹,预测所有车辆或者所有行人中的其他任意车辆或者其他任意行人在任意时刻的位置是否在左右两侧道路中的至少一侧。
具体的,该在左右两侧道路为步骤210所述的移动轨迹在预设时间内的任意时刻重合点所在地理位置的左右两侧道路;该过程可以为:
获取移动轨迹在任意时刻的地理位置与重合点的地理位置之间的距离在预设距离范围内的移动轨迹数量;
若该移动轨迹数量为0,则所有车辆或者所有行人中的其他任意车辆或者其他任意行人在任意时刻的位置不在左右两侧道路中的至少一侧;
若该移动轨迹数量不为0,所有车辆或者所有行人中的其他任意车辆或者其他任意行人在任意时刻的位置在左右两侧道路中的至少一侧;
其中,该预设距离范围可以为以重点的地理位置为圆形,半径为5米所组成的圆形范围。
值得注意的是,步骤210至步骤211是实现预测任意行人或任意车辆所在位置存在可用路段的过程,除了上述步骤所述的方式之外,还可以通过其他方式实现该过程,本发明实施例对具体的方式不加以限定。
在执行完步骤210至步骤211之后,若判定在任意时刻时任意车辆或任意行人左右两侧道路中的至少一侧不存在道路边界或者道路障碍物,所有车辆或者所有行人中的其他任意车辆或者其他任意行人在任意时刻的位置不在左右两侧道路中的至少一侧,则任意行人或任意车辆所在位置存在可用路段。
212、若当前车辆的移动轨迹与任意车辆的移动轨迹在预设时间内的任意时刻重合,任意车辆在任意时刻的行驶速度不为0,则执行提醒驾驶员减速的提示信息或者控制车辆减速中的至少一个。
具体的,提醒驾驶员减速的提示信息的过程可以是通过向车辆的语音播放设备或者与该车辆无线连接的移动设备输出提示第一预设语音实现的,本发明实施例对具体的第一预设语音不加以限定。
控制车辆减速的过程可以为:
获取车辆在预设时间内将行驶速度减速至0,且行驶距离为重合点与当前车辆之间的距离时的第一加速度值;
根据该第一加速度值控制车辆减速。
213、若当前车辆的移动轨迹与任意行人的移动轨迹在预设时间内的任意时刻重合,任意行人在任意时刻的行驶速度不为0,则执行提醒驾驶员减速的提示信息或者控制车辆减速中的至少一个。
具体的,执行提醒驾驶员减速的提示信息或者控制车辆减速中的至少一个的过程与步骤212所述的过程相同,此处不再加以赘述。
214、若当前车辆的移动轨迹与任意行人的移动轨迹在预设时间内的任意时刻重合,任意行人在任意时刻的行驶速度为0,预测任意行人或任意车辆所在位置存在可用路段,则执行提醒驾驶员减速并变换车道的提示信息或者控制车辆减速并变换车道中的至少一个;任意行人所在位置不存在可用路段,则执行提醒驾驶员减速并停车的提示信息或者控制车辆减速并停车的至少一个。
具体的,提醒驾驶员减速的提示信息的过程可以是通过向车辆的语音播放设备或者与该车辆无线连接的移动设备输出提示第二预设语音实现的,本发明实施例对具体的第二预设语音不加以限定。
控制车辆减速并停车的过程可以为:
获取车辆在预设时间内将行驶速度减速至0,且行驶距离为重合点与当前车辆之间的1/2距离时的第二加速度值;
根据该第二加速度值控制车辆减速。
值得注意的是,步骤212至步骤214是实现若事故预警信息指示预设时间内预设路段内发生事故,,则执行规避驾驶策略的过程,除了上述步骤所述的方式之外,还可以通过其他方式实现该过程,本发明实施例对具体的方式不加以限定。
可选的,所述方法还包括:
向预设范围内的所有车辆发出事故预警信息,事故预警信息包括事故发生时间和事故发生位置;其中,该事故发生时间为步骤209所述的任意时刻,该事故发生位置为重合点的地理位置;
接收预测范围内的所有车辆发送的事故预警信息;
若事故预警信息指示预设时间内预设路段内发生事故,,则执行规避驾驶策略,其中,该郭恒与步骤212至步骤214所述的过程相同,此处不再加以赘述。
可选的,所述方法还包括:
根据多个监控视频内的车辆信息、行人信息以及路况信息,获取车辆数量、行人数量以及道路障碍物数量;其中,该过程是通过计算
若车辆数量、行人数量以及道路障碍物数量中的任意一个大于或者等于预设阈值,则减小预设时间;
若车辆数量、行人数量以及道路障碍物数量都小于预设阈值,则增大预设时间。
本发明实施例提供了一种基于图像识别的道路事故实时预警方法,该方法带来的有益效果是:
1、由于监控视频中的车辆信息、行人信息以及路况信息实时性较强,同时真实反应了道路环境,所以通过监控视频中的车辆信息、行人信息以及路况信息进行道路事故预警,使得预警结果的准确性进一步提高。
2、由于通过监控视频中的车辆信息、行人信息以及路况信息,可定位到道路的具体位置,所以通过监控视频中的车辆信息、行人信息以及路况信息获得行人和车辆对应的移动轨迹,并通过根据行人和车辆对应的移动轨迹,以及当前车辆的移动轨迹,预测预设时间内预设路段内是否发生事故,相交于某个路段的事故发生可能性进行预测,可以实现针对该车辆的道路事故预警,实时性较高,适用范围更大,准确性更高。
3、由于通过监控视频中的车辆信息、行人信息以及路况信息,可定位到道路的具体位置,所以可以对道路事故具体位置进行预测,相较于某个路段的事故发生可能性进行预判,可靠性进一步提高。
实施例三
本发明实施例提供了一种基于图像识别的道路事故实时预警设备,参照图3所示,该设备包括:
传输模块31,用于获取当前车辆所在预设路段内多个监控设备发送的监控视频,并分别获取监控设备与当前车辆之间的可用道路;
识别模块32,用于分别识别多个监控视频内的车辆信息、行人信息以及路况信息;
预测模块33,用于分别根据车辆信息、行人信息、路况信息以及可用道路,预测预设时间之内预设路段内行人和车辆对应的移动轨迹;
预测模块33还用于根据行人和车辆对应的移动轨迹,以及当前车辆的移动轨迹,预测预设时间内预设路段内是否发生事故;
执行模块34,用于在预测模块33判定预设时间内预设路段内发生事故时,执行规避驾驶策略。
可选的,识别模块32具体用于:
识别监控视频包含的多个视频帧内所有车辆的车辆信息,车辆信息包括所有车辆的行驶方向、行驶速度以及突发驾驶动作;突发驾驶动作包括车辆异常停止和车辆异常转向;
识别多个视频帧内所有行人的行人信息,行人信息包括所有行人的行走方向、行走速度和突发动作;突发动作包括行人异常加速和异常停止;
识别多个视频帧内道路的路况信息,路况信息包括道路障碍物和道路边界。
可选的,预测模块33具体用于:
根据行驶速度、行驶方向、突发驾驶动作、路况信息以及可用道路,预测车辆在预设时间之内的移动轨迹
根据行走方向、行走速度、突发动作、可用道路以及路况信息,预测行人在预设时间之内的移动轨迹。
可选的,预测模块33还具体用于:
若当前车辆的移动轨迹与任意车辆的移动轨迹在预设时间内的任意时刻重合,则预测预设时间内预设路段内发生事故;否则,则未发生事故;
若当前车辆的移动轨迹与任意行人的移动轨迹在预设时间内的任意时刻重合,则预测预设时间内预设路段内发生事故;否则,则未发生事故。
可选的,执行模块34具体用于:
若当前车辆的移动轨迹与任意车辆的移动轨迹在预设时间内的任意时刻重合,任意车辆在任意时刻的行驶速度不为0,则执行提醒驾驶员减速的提示信息或者控制车辆减速中的至少一个;
若当前车辆的移动轨迹与任意车辆的移动轨迹在预设时间内的任意时刻重合,任意车辆在任意时刻的行驶速度为0,预测任意车辆所在位置存在可用路段,则执行提醒驾驶员减速并变换车道的提示信息或者控制车辆减速并变换车道中的至少一个;任意车辆所在位置不存在可用路段,则执行提醒驾驶员减速并停车的提示信息或者控制车辆减速并停车的至少一个;
若当前车辆的移动轨迹与任意行人的移动轨迹在预设时间内的任意时刻重合,任意行人在任意时刻的行驶速度不为0,则执行提醒驾驶员减速的提示信息或者控制车辆减速中的至少一个;
若当前车辆的移动轨迹与任意行人的移动轨迹在预设时间内的任意时刻重合,任意行人在任意时刻的行驶速度为0,预测任意行人或任意车辆所在位置存在可用路段,则执行提醒驾驶员减速并变换车道的提示信息或者控制车辆减速并变换车道中的至少一个;任意行人所在位置不存在可用路段,则执行提醒驾驶员减速并停车的提示信息或者控制车辆减速并停车的至少一个。
可选的,预测模块33还具体用于:
根据路况信息,预测在任意时刻时任意车辆或任意行人左右两侧道路中的至少一侧是否存在道路边界或者道路障碍物;
根据行人和车辆对应的移动轨迹,以及当前车辆的移动轨迹,预测所有车辆或者所有行人中的其他任意车辆或者其他任意行人在任意时刻的位置是否在左右两侧道路中的至少一侧;
若在任意时刻时任意车辆或任意行人左右两侧道路中的至少一侧不存在道路边界或者道路障碍物,所有车辆或者所有行人中的其他任意车辆或者其他任意行人在任意时刻的位置不在左右两侧道路中的至少一侧,则任意行人或任意车辆所在位置存在可用路段。
可选的,:
传输模块31还用于向预设范围内的所有车辆发出事故预警信息,事故预警信息包括事故发生时间和事故发生位置;
传输模块31还用于接收预测范围内的所有车辆发送的事故预警信息;
执行模块还用于若事故预警信息指示预设时间内预设路段内发生事故,,则执行规避驾驶策略。
可选的,执行模块34还用于:
根据多个监控视频内的车辆信息、行人信息以及路况信息,获取车辆数量、行人数量以及道路障碍物数量;
若车辆数量、行人数量以及道路障碍物数量中的任意一个大于或者等于预设阈值,则减小预设时间;
若车辆数量、行人数量以及道路障碍物数量都小于预设阈值,则增大预设时间。
本发明实施例提供了一种基于图像识别的道路事故实时预警,由于监控视频中的车辆信息、行人信息以及路况信息实时性较强,同时真实反应了道路环境以及可定位到道路的具体位置,所以通过监控视频中的车辆信息、行人信息以及路况信息获得行人和车辆对应的移动轨迹,并通过根据行人和车辆对应的移动轨迹,以及当前车辆的移动轨迹,预测预设时间内预设路段内是否发生事故,相交于某个路段的事故发生可能性进行预测,可以实现针对该车辆的道路事故预警,实时性较高,适用范围更大,准确性更高。
实施例四
本发明实施例提供了一种基于图像识别的道路事故实时预警系统,参照图4所示,该系统包括:
传输设备41,用于获取当前车辆所在预设路段内多个监控设备发送的监控视频,并分别获取监控设备与当前车辆之间的可用道路;
识别设备42,用于分别识别多个监控视频内的车辆信息、行人信息以及路况信息;
预测设备43,用于分别根据车辆信息、行人信息、路况信息以及可用道路,预测预设时间之内预设路段内行人和车辆对应的移动轨迹;
预测设备43还用于根据行人和车辆对应的移动轨迹,以及当前车辆的移动轨迹,预测预设时间内预设路段内是否发生事故;
执行设备44,用于在预测设备43判定预设时间内预设路段内发生事故时,执行规避驾驶策略。
可选的,识别设备42具体用于:
识别监控视频包含的多个视频帧内所有车辆的车辆信息,车辆信息包括所有车辆的行驶方向、行驶速度以及突发驾驶动作;突发驾驶动作包括车辆异常停止和车辆异常转向;
识别多个视频帧内所有行人的行人信息,行人信息包括所有行人的行走方向、行走速度和突发动作;突发动作包括行人异常加速和异常停止;
识别多个视频帧内道路的路况信息,路况信息包括道路障碍物和道路边界。
可选的,预测设备43具体用于:
根据行驶速度、行驶方向、突发驾驶动作、路况信息以及可用道路,预测车辆在预设时间之内的移动轨迹
根据行走方向、行走速度、突发动作、可用道路以及路况信息,预测行人在预设时间之内的移动轨迹。
可选的,预测设备43还具体用于:
若当前车辆的移动轨迹与任意车辆的移动轨迹在预设时间内的任意时刻重合,则预测预设时间内预设路段内发生事故;否则,则未发生事故;
若当前车辆的移动轨迹与任意行人的移动轨迹在预设时间内的任意时刻重合,则预测预设时间内预设路段内发生事故;否则,则未发生事故。
可选的,执行设备44具体用于:
若当前车辆的移动轨迹与任意车辆的移动轨迹在预设时间内的任意时刻重合,任意车辆在任意时刻的行驶速度不为0,则执行提醒驾驶员减速的提示信息或者控制车辆减速中的至少一个;
若当前车辆的移动轨迹与任意车辆的移动轨迹在预设时间内的任意时刻重合,任意车辆在任意时刻的行驶速度为0,预测任意车辆所在位置存在可用路段,则执行提醒驾驶员减速并变换车道的提示信息或者控制车辆减速并变换车道中的至少一个;任意车辆所在位置不存在可用路段,则执行提醒驾驶员减速并停车的提示信息或者控制车辆减速并停车的至少一个;
若当前车辆的移动轨迹与任意行人的移动轨迹在预设时间内的任意时刻重合,任意行人在任意时刻的行驶速度不为0,则执行提醒驾驶员减速的提示信息或者控制车辆减速中的至少一个;
若当前车辆的移动轨迹与任意行人的移动轨迹在预设时间内的任意时刻重合,任意行人在任意时刻的行驶速度为0,预测任意行人或任意车辆所在位置存在可用路段,则执行提醒驾驶员减速并变换车道的提示信息或者控制车辆减速并变换车道中的至少一个;任意行人所在位置不存在可用路段,则执行提醒驾驶员减速并停车的提示信息或者控制车辆减速并停车的至少一个。
可选的,预测设备43还具体用于:
根据路况信息,预测在任意时刻时任意车辆或任意行人左右两侧道路中的至少一侧是否存在道路边界或者道路障碍物;
根据行人和车辆对应的移动轨迹,以及当前车辆的移动轨迹,预测所有车辆或者所有行人中的其他任意车辆或者其他任意行人在任意时刻的位置是否在左右两侧道路中的至少一侧;
若在任意时刻时任意车辆或任意行人左右两侧道路中的至少一侧不存在道路边界或者道路障碍物,所有车辆或者所有行人中的其他任意车辆或者其他任意行人在任意时刻的位置不在左右两侧道路中的至少一侧,则任意行人或任意车辆所在位置存在可用路段。
可选的,:
传输设备41还用于向预设范围内的所有车辆发出事故预警信息,事故预警信息包括事故发生时间和事故发生位置;
传输设备41还用于接收预测范围内的所有车辆发送的事故预警信息;
执行设备44还用于若事故预警信息指示预设时间内预设路段内发生事故,,则执行规避驾驶策略。
可选的,执行设备44还用于:
根据多个监控视频内的车辆信息、行人信息以及路况信息,获取车辆数量、行人数量以及道路障碍物数量;
若车辆数量、行人数量以及道路障碍物数量中的任意一个大于或者等于预设阈值,则减小预设时间;
若车辆数量、行人数量以及道路障碍物数量都小于预设阈值,则增大预设时间。
本发明实施例提供了一种基于图像识别的道路事故实时预警系统,由于监控视频中的车辆信息、行人信息以及路况信息实时性较强,同时真实反应了道路环境以及可定位到道路的具体位置,所以通过监控视频中的车辆信息、行人信息以及路况信息获得行人和车辆对应的移动轨迹,并通过根据行人和车辆对应的移动轨迹,以及当前车辆的移动轨迹,预测预设时间内预设路段内是否发生事故,相交于某个路段的事故发生可能性进行预测,可以实现针对该车辆的道路事故预警,实时性较高,适用范围更大,准确性更高。
上述所有可选技术方案,可以采用任意结合形成本发明的可选实施例,在此不再一一赘述。
需要说明的是:上述实施例提供的基于图像识别的道路事故实时预警系统、设备在执行基于图像识别的道路事故实时预警方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的基于图像识别的道路事故实时预警系统、设备和方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,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 (10)
1.一种基于图像识别的道路事故实时预警方法,其特征在于,所述方法包括:
获取当前车辆所在预设路段内多个监控设备发送的监控视频,并分别获取所述监控设备与所述当前车辆之间的可用道路;
分别识别所述多个监控视频内的车辆信息、行人信息以及路况信息;
分别根据所述车辆信息、所述行人信息、所述路况信息以及所述可用道路,预测预设时间之内所述预设路段内行人和车辆对应的移动轨迹;
根据所述行人和车辆对应的移动轨迹,以及所述当前车辆的移动轨迹,预测所述预设时间内所述预设路段内是否发生事故;
若所述预设时间内所述预设路段内发生事故,则执行规避驾驶策略。
2.根据权利要求1所述的方法,其特征在于,所述识别所述监控视频内的车辆信息、行人信息以及路况信息包括:
识别所述监控视频包含的多个视频帧内所有车辆的车辆信息,所述车辆信息包括所述所有车辆的行驶方向、行驶速度以及突发驾驶动作;所述突发驾驶动作包括车辆异常停止和车辆异常转向;
识别所述多个视频帧内所有行人的行人信息,所述行人信息包括所述所有行人的行走方向、行走速度和突发动作;所述突发动作包括行人异常加速和异常停止;
识别所述多个视频帧内道路的路况信息,所述路况信息包括道路障碍物和道路边界。
3.根据权利要求2所述的方法,其特征在于,所述根据所述车辆信息、所述行人信息、所述路况信息、所述可用道路,预测预设时间之内所述预设路段内行人和车辆对应的移动轨迹包括:
根据所述行驶速度、所述行驶方向、所述突发驾驶动作、所述路况信息以及所述可用道路,预测所述车辆在所述预设时间之内的移动轨迹
根据所述行走方向、所述行走速度、突发动作、所述可用道路以及所述路况信息,预测所述行人在所述预设时间之内的移动轨迹。
4.根据权利要求3所述的方法,其特征在于,所述根据所述行人和车辆对应的移动轨迹,以及所述当前车辆的移动轨迹,预测所述预设时间内所述预设路段内是否发生事故包括:
若所述当前车辆的移动轨迹与所述任意车辆的移动轨迹在所述预设时间内的任意时刻重合,则预测所述预设时间内所述预设路段内发生事故;否则,则未发生事故;
若所述当前车辆的移动轨迹与所述任意行人的移动轨迹在所述预设时间内的任意时刻重合,则预测所述预设时间内所述预设路段内发生事故;否则,则未发生事故。
5.根据权利要求4所述的方法,其特征在于,所述若所述预设时间内所述预设路段内发生事故,则执行规避驾驶策略包括:
若所述当前车辆的移动轨迹与所述任意车辆的移动轨迹在所述预设时间内的任意时刻重合,所述任意车辆在所述任意时刻的行驶速度不为0,则执行提醒驾驶员减速的提示信息或者控制车辆减速中的至少一个;
若所述当前车辆的移动轨迹与所述任意车辆的移动轨迹在所述预设时间内的任意时刻重合,所述任意车辆在所述任意时刻的行驶速度为0,预测所述任意车辆所在位置存在可用路段,则执行提醒驾驶员减速并变换车道的提示信息或者控制车辆减速并变换车道中的至少一个;所述任意车辆所在位置不存在可用路段,则执行提醒驾驶员减速并停车的提示信息或者控制车辆减速并停车的至少一个;
若所述当前车辆的移动轨迹与所述任意行人的移动轨迹在所述预设时间内的任意时刻重合,所述任意行人在所述任意时刻的行驶速度不为0,则执行提醒驾驶员减速的提示信息或者控制车辆减速中的至少一个;
若所述当前车辆的移动轨迹与所述任意行人的移动轨迹在所述预设时间内的任意时刻重合,所述任意行人在所述任意时刻的行驶速度为0,预测所述任意行人或所述任意车辆所在位置存在可用路段,则执行提醒驾驶员减速并变换车道的提示信息或者控制车辆减速并变换车道中的至少一个;所述任意行人所在位置不存在可用路段,则执行提醒驾驶员减速并停车的提示信息或者控制车辆减速并停车的至少一个。
6.根据权利要求5所述的方法,其特征在于,所述预测所述任意行人或所述任意车辆所在位置存在可用路段包括:
根据所述路况信息,预测在所述任意时刻时所述任意车辆或所述任意行人左右两侧道路中的至少一侧是否存在道路边界或者道路障碍物;
根据所述行人和车辆对应的移动轨迹,以及所述当前车辆的移动轨迹,预测所述所有车辆或者所有行人中的其他任意车辆或者其他任意行人在所述任意时刻的位置是否在所述左右两侧道路中的至少一侧;
若在所述任意时刻时所述任意车辆或所述任意行人左右两侧道路中的至少一侧不存在道路边界或者道路障碍物,所述所有车辆或者所有行人中的其他任意车辆或者其他任意行人在所述任意时刻的位置不在所述左右两侧道路中的至少一侧,则所述任意行人或所述任意车辆所在位置存在可用路段。
7.根据权利要求1至6任一所述的方法,其特征在于,所述方法还包括:
向所述预设范围内的所有车辆发出事故预警信息,所述事故预警信息包括事故发生时间和事故发生位置;
接收所述预测范围内的所有车辆发送的事故预警信息;
若所述事故预警信息指示所述预设时间内所述预设路段内发生事故,则执行所述规避驾驶策略。
8.根据权利要求1至7任一所述的方法,其特征在于,所述方法还包括:
根据所述多个监控视频内的车辆信息、行人信息以及路况信息,获取车辆数量、行人数量以及道路障碍物数量;
若所述车辆数量、所述行人数量以及所述道路障碍物数量中的任意一个大于或者等于预设阈值,则减小所述预设时间;
若所述车辆数量、所述行人数量以及所述道路障碍物数量都小于预设阈值,则增大所述预设时间。
9.一种基于图像识别的道路事故实时预警设备,其特征在于,所述设备包括:
传输模块,用于获取当前车辆所在预设路段内多个监控设备发送的监控视频,并分别获取所述监控设备与所述当前车辆之间的可用道路;
识别模块,用于分别识别所述多个监控视频内的车辆信息、行人信息以及路况信息;
预测模块,用于分别根据所述车辆信息、所述行人信息、所述路况信息以及所述可用道路,预测预设时间之内所述预设路段内行人和车辆对应的移动轨迹;
所述预测模块还用于根据所述行人和车辆对应的移动轨迹,以及所述当前车辆的移动轨迹,预测所述预设时间内所述预设路段内是否发生事故;
执行模块,用于在所述预测模块判定所述预设时间内所述预设路段内发生事故时,执行规避驾驶策略。
10.一种基于图像识别的道路事故实时预警系统,其特征在于,所述设备包括
传输设备,用于获取当前车辆所在预设路段内多个监控设备发送的监控视频,并分别获取所述监控设备与所述当前车辆之间的可用道路;
识别设备,用于分别识别所述多个监控视频内的车辆信息、行人信息以及路况信息;
预测设备,用于分别根据所述车辆信息、所述行人信息、所述路况信息以及所述可用道路,预测预设时间之内所述预设路段内行人和车辆对应的移动轨迹;
所述预测设备还用于根据所述行人和车辆对应的移动轨迹,以及所述当前车辆的移动轨迹,预测所述预设时间内所述预设路段内是否发生事故;
执行设备,用于在所述预测设备判定所述预设时间内所述预设路段内发生事故时,执行规避驾驶策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010809735.4A CN111932882B (zh) | 2020-08-13 | 2020-08-13 | 一种基于图像识别的道路事故实时预警系统、方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010809735.4A CN111932882B (zh) | 2020-08-13 | 2020-08-13 | 一种基于图像识别的道路事故实时预警系统、方法和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111932882A true CN111932882A (zh) | 2020-11-13 |
CN111932882B CN111932882B (zh) | 2022-05-06 |
Family
ID=73310900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010809735.4A Active CN111932882B (zh) | 2020-08-13 | 2020-08-13 | 一种基于图像识别的道路事故实时预警系统、方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111932882B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113733930A (zh) * | 2021-08-20 | 2021-12-03 | 合众新能源汽车有限公司 | 一种纯电动汽车下电停车挡锁定自动控制方法及装置 |
CN114973642A (zh) * | 2022-01-17 | 2022-08-30 | 东华理工大学 | 基于大数据轨迹分析的计算机路径决策系统和决策方法 |
CN115083208A (zh) * | 2022-07-20 | 2022-09-20 | 深圳市城市交通规划设计研究中心股份有限公司 | 人车冲突预警方法、预警分析方法、电子设备及存储介质 |
CN115512312A (zh) * | 2022-09-15 | 2022-12-23 | 北京四维远见信息技术有限公司 | 一种相机交替曝光的对地拍照方法、装置、设备及介质 |
CN116740660A (zh) * | 2023-08-11 | 2023-09-12 | 深圳市明世弘生电子科技有限公司 | 一种基于ai技术的车辆数据处理方法和系统 |
Citations (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004268829A (ja) * | 2003-03-11 | 2004-09-30 | Denso Corp | 車両用歩行者衝突危険判定装置 |
US20110246156A1 (en) * | 2008-12-23 | 2011-10-06 | Continental Safety Engineering International Gmbh | Method for Determining the Probability of a Collision of a Vehicle With a Living Being |
CN102735256A (zh) * | 2012-06-26 | 2012-10-17 | 上海安悦四维信息技术有限公司 | 一种识别主辅路的车载导航装置及导航方法 |
CN103907146A (zh) * | 2011-09-20 | 2014-07-02 | 丰田自动车株式会社 | 行人行动预测装置以及行人行动预测方法 |
CN104392621A (zh) * | 2014-11-26 | 2015-03-04 | 长安大学 | 一种基于车车通信的公路异常停车预警方法及其实现系统 |
CN105761547A (zh) * | 2016-03-28 | 2016-07-13 | 安徽云森物联网科技有限公司 | 一种基于图像的交通碰撞预警技术及系统 |
CN105788321A (zh) * | 2016-03-31 | 2016-07-20 | 腾讯科技(深圳)有限公司 | 车辆通信方法、装置及系统 |
CN105788365A (zh) * | 2016-04-15 | 2016-07-20 | 浪潮集团有限公司 | 采用v2i与摄像头结合的交通路口车祸预防系统实现方法 |
CN106530828A (zh) * | 2016-12-07 | 2017-03-22 | 深圳市元征科技股份有限公司 | 车辆行驶状态预警方法及装置 |
CN106571064A (zh) * | 2016-11-10 | 2017-04-19 | 深圳市元征软件开发有限公司 | 基于路边单元的行人监测方法及装置 |
CN107233051A (zh) * | 2017-07-03 | 2017-10-10 | 北京小米移动软件有限公司 | 扫地机器人的控制方法及装置 |
US20170358210A1 (en) * | 2016-06-08 | 2017-12-14 | Robin Hardie Stewart | Method for Enabling an Interoperable Vehicle Safety Network Using Wireless Communication |
CN107708084A (zh) * | 2017-09-30 | 2018-02-16 | 广东欧珀移动通信有限公司 | 数据处理方法和装置、计算机设备、计算机可读存储介质 |
CN107731009A (zh) * | 2017-11-28 | 2018-02-23 | 吉林大学 | 一种适用于无信号灯交叉路口车辆避人、避撞系统及方法 |
CN108022026A (zh) * | 2018-01-25 | 2018-05-11 | 戴姆勒股份公司 | 一种交通安全预警方法、装置及包括该装置的系统 |
CN108389430A (zh) * | 2018-01-12 | 2018-08-10 | 南京理工大学 | 一种基于视频检测的交叉口行人与机动车碰撞预测方法 |
CN109559532A (zh) * | 2018-12-10 | 2019-04-02 | 北京工业大学 | 高速公路出口分流区车路协同安全预警控制方法 |
CN109583151A (zh) * | 2019-02-20 | 2019-04-05 | 百度在线网络技术(北京)有限公司 | 车辆的行驶轨迹预测方法及装置 |
CN109684933A (zh) * | 2018-11-30 | 2019-04-26 | 广州大学 | 一种前方行人窜出马路的预警方法 |
CN109697420A (zh) * | 2018-12-17 | 2019-04-30 | 长安大学 | 一种面向城市交通的移动目标检测及跟踪方法 |
CN110083163A (zh) * | 2019-05-20 | 2019-08-02 | 三亚学院 | 一种用于自动驾驶汽车的5g c-v2x车路云协同感知方法及系统 |
CN110103952A (zh) * | 2019-04-29 | 2019-08-09 | 北京百度网讯科技有限公司 | 辅助车辆驾驶的方法、设备、介质和系统 |
CN110155045A (zh) * | 2019-04-04 | 2019-08-23 | 芜湖伯特利汽车安全系统股份有限公司 | 一种车辆紧急加速自保护系统及其自保护方法 |
CN110210417A (zh) * | 2019-06-05 | 2019-09-06 | 深圳前海达闼云端智能科技有限公司 | 一种行人运动轨迹的预测方法、终端及可读存储介质 |
CN110264783A (zh) * | 2019-06-19 | 2019-09-20 | 中设设计集团股份有限公司 | 基于车路协同的车辆防碰撞预警系统及方法 |
US20190325754A1 (en) * | 2018-03-19 | 2019-10-24 | Derq Inc. | Early warning and collision avoidance |
CN110459064A (zh) * | 2019-09-19 | 2019-11-15 | 上海眼控科技股份有限公司 | 车辆违法行为检测方法、装置、计算机设备 |
CN110473402A (zh) * | 2019-08-20 | 2019-11-19 | 河北德冠隆电子科技有限公司 | 一种基于目标异常行为轨迹分析的异常事件检测预警系统 |
CN110909626A (zh) * | 2019-11-04 | 2020-03-24 | 上海眼控科技股份有限公司 | 车辆压线检测方法、装置、移动终端及存储介质 |
CN110930692A (zh) * | 2019-10-24 | 2020-03-27 | 河北德冠隆电子科技有限公司 | 一种主动式车辆连续跟踪装置、系统及方法 |
CN111002981A (zh) * | 2019-12-26 | 2020-04-14 | 苏州智加科技有限公司 | 提示方法、装置、自动驾驶车辆及存储介质 |
CN210454790U (zh) * | 2019-04-04 | 2020-05-05 | 芜湖伯特利汽车安全系统股份有限公司 | 一种车辆紧急加速自保护系统 |
CN111137282A (zh) * | 2019-12-04 | 2020-05-12 | 宝能汽车有限公司 | 车辆的碰撞预测方法、装置、车辆和电子设备 |
CN111161322A (zh) * | 2019-12-31 | 2020-05-15 | 大连理工大学 | 一种基于人车交互的lstm神经网络行人轨迹预测方法 |
KR20200057927A (ko) * | 2018-11-19 | 2020-05-27 | 한국건설기술연구원 | 스마트폰 발생 신호를 이용한 보행자 충돌 방지시스템 |
CN111210662A (zh) * | 2020-03-04 | 2020-05-29 | 五邑大学 | 一种基于机器视觉与dsrc的交叉口安全预警系统及其预警方法 |
CN111314702A (zh) * | 2020-02-13 | 2020-06-19 | 广东飞达交通工程有限公司 | 一种基于图像识别的车辆实时监控系统、方法及设备 |
CN111311958A (zh) * | 2018-12-11 | 2020-06-19 | 上海博泰悦臻电子设备制造有限公司 | 基于v2x技术的转弯路况提醒方法、系统及v2x服务器 |
CN111354182A (zh) * | 2018-12-20 | 2020-06-30 | 阿里巴巴集团控股有限公司 | 一种辅助驾驶方法和系统 |
CN111369811A (zh) * | 2019-11-22 | 2020-07-03 | 杭州海康威视系统技术有限公司 | 一种碰撞预测方法、装置及电子设备 |
CN111369053A (zh) * | 2020-03-03 | 2020-07-03 | 广东工业大学 | 一种人车交互场景下行人与车辆的轨迹预测方法 |
CN111402630A (zh) * | 2020-03-11 | 2020-07-10 | 浙江吉利汽车研究院有限公司 | 一种道路预警方法、装置及存储介质 |
CN111429739A (zh) * | 2018-12-20 | 2020-07-17 | 阿里巴巴集团控股有限公司 | 一种辅助驾驶方法和系统 |
-
2020
- 2020-08-13 CN CN202010809735.4A patent/CN111932882B/zh active Active
Patent Citations (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004268829A (ja) * | 2003-03-11 | 2004-09-30 | Denso Corp | 車両用歩行者衝突危険判定装置 |
US20110246156A1 (en) * | 2008-12-23 | 2011-10-06 | Continental Safety Engineering International Gmbh | Method for Determining the Probability of a Collision of a Vehicle With a Living Being |
CN103907146A (zh) * | 2011-09-20 | 2014-07-02 | 丰田自动车株式会社 | 行人行动预测装置以及行人行动预测方法 |
CN102735256A (zh) * | 2012-06-26 | 2012-10-17 | 上海安悦四维信息技术有限公司 | 一种识别主辅路的车载导航装置及导航方法 |
CN104392621A (zh) * | 2014-11-26 | 2015-03-04 | 长安大学 | 一种基于车车通信的公路异常停车预警方法及其实现系统 |
CN105761547A (zh) * | 2016-03-28 | 2016-07-13 | 安徽云森物联网科技有限公司 | 一种基于图像的交通碰撞预警技术及系统 |
CN105788321A (zh) * | 2016-03-31 | 2016-07-20 | 腾讯科技(深圳)有限公司 | 车辆通信方法、装置及系统 |
CN105788365A (zh) * | 2016-04-15 | 2016-07-20 | 浪潮集团有限公司 | 采用v2i与摄像头结合的交通路口车祸预防系统实现方法 |
US20170358210A1 (en) * | 2016-06-08 | 2017-12-14 | Robin Hardie Stewart | Method for Enabling an Interoperable Vehicle Safety Network Using Wireless Communication |
CN106571064A (zh) * | 2016-11-10 | 2017-04-19 | 深圳市元征软件开发有限公司 | 基于路边单元的行人监测方法及装置 |
CN106530828A (zh) * | 2016-12-07 | 2017-03-22 | 深圳市元征科技股份有限公司 | 车辆行驶状态预警方法及装置 |
CN107233051A (zh) * | 2017-07-03 | 2017-10-10 | 北京小米移动软件有限公司 | 扫地机器人的控制方法及装置 |
CN107708084A (zh) * | 2017-09-30 | 2018-02-16 | 广东欧珀移动通信有限公司 | 数据处理方法和装置、计算机设备、计算机可读存储介质 |
CN107731009A (zh) * | 2017-11-28 | 2018-02-23 | 吉林大学 | 一种适用于无信号灯交叉路口车辆避人、避撞系统及方法 |
CN108389430A (zh) * | 2018-01-12 | 2018-08-10 | 南京理工大学 | 一种基于视频检测的交叉口行人与机动车碰撞预测方法 |
CN108022026A (zh) * | 2018-01-25 | 2018-05-11 | 戴姆勒股份公司 | 一种交通安全预警方法、装置及包括该装置的系统 |
US20190325754A1 (en) * | 2018-03-19 | 2019-10-24 | Derq Inc. | Early warning and collision avoidance |
KR20200057927A (ko) * | 2018-11-19 | 2020-05-27 | 한국건설기술연구원 | 스마트폰 발생 신호를 이용한 보행자 충돌 방지시스템 |
CN109684933A (zh) * | 2018-11-30 | 2019-04-26 | 广州大学 | 一种前方行人窜出马路的预警方法 |
CN109559532A (zh) * | 2018-12-10 | 2019-04-02 | 北京工业大学 | 高速公路出口分流区车路协同安全预警控制方法 |
CN111311958A (zh) * | 2018-12-11 | 2020-06-19 | 上海博泰悦臻电子设备制造有限公司 | 基于v2x技术的转弯路况提醒方法、系统及v2x服务器 |
CN109697420A (zh) * | 2018-12-17 | 2019-04-30 | 长安大学 | 一种面向城市交通的移动目标检测及跟踪方法 |
CN111429739A (zh) * | 2018-12-20 | 2020-07-17 | 阿里巴巴集团控股有限公司 | 一种辅助驾驶方法和系统 |
CN111354182A (zh) * | 2018-12-20 | 2020-06-30 | 阿里巴巴集团控股有限公司 | 一种辅助驾驶方法和系统 |
CN109583151A (zh) * | 2019-02-20 | 2019-04-05 | 百度在线网络技术(北京)有限公司 | 车辆的行驶轨迹预测方法及装置 |
CN210454790U (zh) * | 2019-04-04 | 2020-05-05 | 芜湖伯特利汽车安全系统股份有限公司 | 一种车辆紧急加速自保护系统 |
CN110155045A (zh) * | 2019-04-04 | 2019-08-23 | 芜湖伯特利汽车安全系统股份有限公司 | 一种车辆紧急加速自保护系统及其自保护方法 |
CN110103952A (zh) * | 2019-04-29 | 2019-08-09 | 北京百度网讯科技有限公司 | 辅助车辆驾驶的方法、设备、介质和系统 |
CN110083163A (zh) * | 2019-05-20 | 2019-08-02 | 三亚学院 | 一种用于自动驾驶汽车的5g c-v2x车路云协同感知方法及系统 |
CN110210417A (zh) * | 2019-06-05 | 2019-09-06 | 深圳前海达闼云端智能科技有限公司 | 一种行人运动轨迹的预测方法、终端及可读存储介质 |
CN110264783A (zh) * | 2019-06-19 | 2019-09-20 | 中设设计集团股份有限公司 | 基于车路协同的车辆防碰撞预警系统及方法 |
CN110473402A (zh) * | 2019-08-20 | 2019-11-19 | 河北德冠隆电子科技有限公司 | 一种基于目标异常行为轨迹分析的异常事件检测预警系统 |
CN110459064A (zh) * | 2019-09-19 | 2019-11-15 | 上海眼控科技股份有限公司 | 车辆违法行为检测方法、装置、计算机设备 |
CN110930692A (zh) * | 2019-10-24 | 2020-03-27 | 河北德冠隆电子科技有限公司 | 一种主动式车辆连续跟踪装置、系统及方法 |
CN110909626A (zh) * | 2019-11-04 | 2020-03-24 | 上海眼控科技股份有限公司 | 车辆压线检测方法、装置、移动终端及存储介质 |
CN111369811A (zh) * | 2019-11-22 | 2020-07-03 | 杭州海康威视系统技术有限公司 | 一种碰撞预测方法、装置及电子设备 |
CN111137282A (zh) * | 2019-12-04 | 2020-05-12 | 宝能汽车有限公司 | 车辆的碰撞预测方法、装置、车辆和电子设备 |
CN111002981A (zh) * | 2019-12-26 | 2020-04-14 | 苏州智加科技有限公司 | 提示方法、装置、自动驾驶车辆及存储介质 |
CN111161322A (zh) * | 2019-12-31 | 2020-05-15 | 大连理工大学 | 一种基于人车交互的lstm神经网络行人轨迹预测方法 |
CN111314702A (zh) * | 2020-02-13 | 2020-06-19 | 广东飞达交通工程有限公司 | 一种基于图像识别的车辆实时监控系统、方法及设备 |
CN111369053A (zh) * | 2020-03-03 | 2020-07-03 | 广东工业大学 | 一种人车交互场景下行人与车辆的轨迹预测方法 |
CN111210662A (zh) * | 2020-03-04 | 2020-05-29 | 五邑大学 | 一种基于机器视觉与dsrc的交叉口安全预警系统及其预警方法 |
CN111402630A (zh) * | 2020-03-11 | 2020-07-10 | 浙江吉利汽车研究院有限公司 | 一种道路预警方法、装置及存储介质 |
Non-Patent Citations (4)
Title |
---|
BENJAMIN VÖLZ等: "Inferring Pedestrian Motions at Urban Crosswalks", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 * |
张志远等: "结合社会特征和注意力的行人轨迹预测模型", 《西安电子科技大学学报》 * |
杨轸等: "基于视频的交叉口目标轨迹自动采集", 《同济大学学报(自然科学版)》 * |
王礼坤: "路侧行人运动预测方法研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113733930A (zh) * | 2021-08-20 | 2021-12-03 | 合众新能源汽车有限公司 | 一种纯电动汽车下电停车挡锁定自动控制方法及装置 |
CN113733930B (zh) * | 2021-08-20 | 2023-09-29 | 合众新能源汽车股份有限公司 | 一种纯电动汽车下电停车挡锁定自动控制方法及装置 |
CN114973642A (zh) * | 2022-01-17 | 2022-08-30 | 东华理工大学 | 基于大数据轨迹分析的计算机路径决策系统和决策方法 |
CN114973642B (zh) * | 2022-01-17 | 2023-09-08 | 深圳市聚业美家科技有限公司 | 基于大数据轨迹分析的计算机路径决策系统和决策方法 |
CN115083208A (zh) * | 2022-07-20 | 2022-09-20 | 深圳市城市交通规划设计研究中心股份有限公司 | 人车冲突预警方法、预警分析方法、电子设备及存储介质 |
CN115083208B (zh) * | 2022-07-20 | 2023-02-03 | 深圳市城市交通规划设计研究中心股份有限公司 | 人车冲突预警方法、预警分析方法、电子设备及存储介质 |
CN115512312A (zh) * | 2022-09-15 | 2022-12-23 | 北京四维远见信息技术有限公司 | 一种相机交替曝光的对地拍照方法、装置、设备及介质 |
CN116740660A (zh) * | 2023-08-11 | 2023-09-12 | 深圳市明世弘生电子科技有限公司 | 一种基于ai技术的车辆数据处理方法和系统 |
CN116740660B (zh) * | 2023-08-11 | 2023-11-21 | 深圳市明世弘生电子科技有限公司 | 一种基于ai技术的车辆数据处理方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111932882B (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111932882B (zh) | 一种基于图像识别的道路事故实时预警系统、方法和设备 | |
CN109017786B (zh) | 车辆避障方法 | |
US20210035442A1 (en) | Autonomous Vehicles and a Mobility Manager as a Traffic Monitor | |
US11702070B2 (en) | Autonomous vehicle operation with explicit occlusion reasoning | |
CN111540237A (zh) | 基于多数据融合的车辆安全行驶保障方案自动生成的方法 | |
CN113936491B (zh) | 一种基于5g网络的自动驾驶路况导航方法、系统及介质 | |
CN109993969A (zh) | 一种路况判定信息获取方法、装置及设备 | |
WO2019080874A1 (zh) | 一种车辆借道通行的方法和控制中心 | |
CN110047276B (zh) | 障碍物车辆的拥堵状态确定方法、装置和相关产品 | |
CN111210662A (zh) | 一种基于机器视觉与dsrc的交叉口安全预警系统及其预警方法 | |
CN105151043A (zh) | 一种无人驾驶汽车紧急避让的系统和方法 | |
CN109584567A (zh) | 基于车路协同的交通管理方法 | |
US11820387B2 (en) | Detecting driving behavior of vehicles | |
CN111448596A (zh) | 驾驶控制方法以及驾驶控制装置 | |
JP2018025977A (ja) | 自動運転システム | |
CN111731294B (zh) | 行驶控制装置、行驶控制方法以及存储程序的存储介质 | |
CN112612272A (zh) | 一种避障控制方法、电子设备及存储介质 | |
CN114126940A (zh) | 电子控制装置 | |
CN113895456A (zh) | 自动驾驶车辆的交叉路口行驶方法、装置、车辆及介质 | |
CN112689584B (zh) | 自动驾驶控制方法以及自动驾驶控制系统 | |
CN114663804A (zh) | 可行驶区域检测方法、装置、移动设备及存储介质 | |
CN112185170A (zh) | 交通安全提示方法及道路监控设备 | |
CN112829762A (zh) | 一种车辆行驶速度生成方法以及相关设备 | |
DE102019122015A1 (de) | Verfahren zum betreiben eines automatischen bremssystems | |
CN115497323A (zh) | 基于v2x的车辆协同变道方法及设备 |
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 |