CN112069937A - 事件检测方法及其装置、电子设备、存储介质 - Google Patents
事件检测方法及其装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN112069937A CN112069937A CN202010851101.5A CN202010851101A CN112069937A CN 112069937 A CN112069937 A CN 112069937A CN 202010851101 A CN202010851101 A CN 202010851101A CN 112069937 A CN112069937 A CN 112069937A
- Authority
- CN
- China
- Prior art keywords
- image
- event
- target
- target object
- target event
- 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.)
- Withdrawn
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 109
- 238000000034 method Methods 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 30
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 210000003608 fece Anatomy 0.000 description 18
- 238000010586 diagram Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本申请公开了一种事件检测方法及其装置、电子设备、存储介质。其中,事件检测方法包括:检测到视频流的第一图像存在目标事件;从第一图像中获取目标事件中的目标对象;对视频流中位于第一图像之后的第二图像进行目标对象的跟踪;确定第一图像之后的预设数量帧第二图像中均跟踪到目标对象,生成表示存在目标事件的第一告警消息。上述方案,能够提高事件检测的准确性。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种事件检测方法及其装置、电子设备、存储介质。
背景技术
日常生活中,特定区域往往有专用目的,使得特定区域用于特定对象的使用,而禁止其余对象对特定区域的占用。以街面粪车偷排为例,一般地,粪车被要求按照规定运往废物处置中心等特定区域进行处理,却出现粪车直接将化粪池残渣排入市政管网的雨水井管道的异常事件。
为了提高城市精细化管理水平、改善市民生活质量,通常通过视频流的监控,对街面粪车偷排等异常事件进行检测,生成告警信息。现有技术中对视频流中图像进行事件检测与告警时,常常出现告警信息的误报。基于此,如何提高事件检测的准确性,成为亟待解决的问题。
发明内容
本申请至少提供一种事件检测方法及其装置、电子设备、存储介质。
本申请第一方面提供了一种事件检测方法,包括:检测到视频流的第一图像存在目标事件;从所述第一图像中获取所述目标事件中的目标对象;对所述视频流中位于所述第一图像之后的第二图像进行所述目标对象的跟踪;确定所述第一图像之后的预设数量帧第二图像中均跟踪到所述目标对象,生成表示存在所述目标事件的第一告警消息。
因此,检测到视频流的第一图像存在目标事件后,从第一图像中获取目标事件中的目标对象,从而对视频流中位于第一图像之后的第二图像进行目标对象的跟踪,持续跟踪目标对象的变化状态,在确定第一图像之后的预设数量帧第二图像均跟踪到目标对象的情况下,表明目标事件持续存在,生成表示存在目标事件的第一告警消息,可提高事件检测的准确性,而且,避免在每帧图像检测到目标事件时立即进行告警,从而导致告警频繁,由此可以改善用户体验。
其中,所述检测到视频流的第一图像存在目标事件,包括:检测所述第一图像是否存在预设类型的目标对象;若所述第一图像存在所述预设类型的目标对象的概率大于预设概率阈值,则确定所述第一图像存在所述目标事件。
因此,通过比较第一图像存在预设类型的目标对象的概率与预设概率阈值的大小关系,可过滤掉视频流中一部分图像,筛选出存在目标事件可能性更高的第一图像,实现目标对象的精准识别。
其中,所述预设类型的目标对象为预设类型的车辆。
因此,可将事件检测应用于预设类型的车辆。
其中,所述检测所述第一图像是否存在预设类型的目标对象,包括:
在确定当前处于所述目标事件的检测时间内的情况下,为所述目标事件确定所述第一图像的第一检测区域;检测所述第一检测区域是否存在预设类型的目标对象;所述对所述视频流中位于所述第一图像之后的第二图像进行所述目标对象的跟踪,包括:为所述目标事件确定所述第二图像的第二检测区域;在所述第二检测区域中进行所述对目标对象的跟踪。
因此,通过对第一图像的第一检测区域进行目标对象检测,实现目标事件的识别,而后只需要在第二图像的第二检测区域中进行目标对象的跟踪,即可获取目标事件是否连续的情况。
其中,所述从所述第一图像中获取所述目标事件中的目标对象,包括:从所述第一图像中获取所述目标对象的特征信息;所述进行对所述目标对象的跟踪,包括:利用所述目标对象的特征信息进行对所述目标对象的跟踪。
因此,可利用目标对象的特征信息,实现目标对象的持续跟踪。
其中,所述第一告警消息包括以下至少一者:所述目标事件的开始时间、事件等级。
因此,能够把目标事件的事件类型、开始时间、事件等级等信息通过告警消息发出。
其中,所述确定所述第一图像之后的预设数量帧第二图像中均跟踪到所述目标对象,包括:确定与所述第一图像的时间间隔小于或等于告警触发时长的每帧第二图像均跟踪到所述目标对象。
因此,预先设定告警触发时长,在确定与第一图像的时间间隔小于或等于告警触发时长的每帧第二图像是否均跟踪到目标对象的情况下,确定第一图像之后的预设数量帧第二图像均跟踪到目标对象,从而在目标对象被持续跟踪达到告警触发时长后,判断是否生成表示存在目标事件的第一告警消息,提高告警的准确性。
其中,在所述生成表示存在所述目标事件的第一告警消息之后,所述方法还包括:对所述视频流中位于第二图像之后的第三图像进行所述目标对象的跟踪;确定连续至少一帧所述第三图像未跟踪到所述目标对象,生成表示所述目标事件已结束的第二告警消息。
因此,生成第一告警信息后,持续跟踪目标对象,不仅在目标事件结束之前,不再生成新的告警信息,避免一个持续性的目标事件持续推送告警信息,而且跟踪一个目标事件完整的始末状态,将持续跟踪到目标对象的情况归并于一个连续的事件告警。
其中,在所述确定连续至少一帧所述第三图像未跟踪到所述目标对象之后,所述方法还包括:统计所述第一图像至不存在所述目标事件的第三图像之间的时间间隔,以作为所述目标事件的持续时间;记录所述目标事件的持续时间,和/或,将所述持续时间打包至所述第二告警消息中。
因此,通过统计时间间隔获知目标事件的持续时间,实现目标事件的持续跟踪,将目标事件持续存在于视频流图像中的情况归并于一个连续的事件告警。
其中,所述方法还包括以下至少一个步骤:接收第一终端反馈的对目标事件的处理反馈信息,基于所述处理反馈信息记录所述目标事件的当前处理状态;接收第二终端对目标事件的查询指令,向所述第二终端反馈所述目标事件的信息,其中,所述目标事件的信息包括所述目标事件的开始时间、结束时间、持续时间、事件等级和当前处理状态中的至少一者。
因此,可以实现目标事件的查询,还可以通过处理反馈信息了解目标事件的处理情况。
其中,在所述检测到视频流的第一图像存在目标事件之前,所述方法还包括:提供至少一类所述目标事件的管理界面;通过所述管理界面,获取并保存用户输入的所述目标事件的配置参数,其中,所述目标事件的配置参数包括以下至少一者:所述目标事件的检测时间、在所述视频流的图像中的检测区域、事件等级和告警触发时长,其中,所述告警触发时长用于确定所述预设数量帧的帧数。
因此,通过管理界面对目标事件的配置参数进行灵活调整,不仅自定义事件检测中的告警触发条件,使得事件检测更贴合用户的实际需要,而且提高事件检测方法的扩展性或通用性、提升场景适用性,并且目标事件的配置参数可包括目标事件的检测时间、在视频流的图像中的检测区域、事件等级和告警触发时长。
本申请第二方面提供了一种事件检测装置,包括:检测模块,用于检测到视频流的第一图像存在目标事件;获取模块,用于从所述第一图像中获取所述目标事件中的目标对象;跟踪模块,用于对所述视频流中位于所述第一图像之后的第二图像进行所述目标对象的跟踪;告警信息生成模块,用于确定所述第一图像之后的预设数量帧第二图像中均跟踪到所述目标对象,生成表示存在所述目标事件的第一告警消息。
本申请第三方面提供了一种电子设备,包括相互耦接的存储器和处理器,处理器用于执行存储器中存储的程序指令,以实现上述第一方面中的事件检测方法。
本申请第四方面提供了一种计算机可读存储介质,其上存储有程序指令,程序指令被处理器执行时实现上述第一方面中的事件检测方法。
上述方案,检测到视频流的第一图像存在目标事件后,从第一图像中获取目标事件中的目标对象,从而对视频流中位于第一图像之后的第二图像进行目标对象的跟踪,持续跟踪目标对象的变化状态,在确定第一图像之后的预设数量帧第二图像均跟踪到目标对象的情况下,表明目标事件持续存在,生成表示存在目标事件的第一告警消息,可提高事件检测的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本申请的实施例,并与说明书一起用于说明本申请的技术方案。
图1是本申请事件检测方法一实施例的流程示意图;
图2是本申请事件检测方法另一实施例的流程示意图;
图3是本申请事件检测装置一实施例的结构示意图;
图4是本申请电子设备一实施例的框架示意图;
图5是本申请计算机可读存储介质一实施例的框架示意图。
具体实施方式
下面结合说明书附图,对本申请实施例的方案进行详细说明。
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、接口、技术之类的具体细节,以便透彻理解本申请。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。此外,本文中的“多”表示两个或者多于两个。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
请参阅图1,图1是本申请事件检测方法一实施例的流程示意图。具体而言,可以包括如下步骤:
步骤S11:检测到视频流的第一图像存在目标事件。
视频流为摄像头等视频采集装置采集得到的,由若干帧图像组成。通过获取视频流,检测视频流的图像中是否存在目标事件,若存在,则将该帧图像作为第一图像。第一图像为目标对象持续出现在视频流中的第一帧图像,指示于目标事件的开始,从而可利用第一图像以及第一图像之后的图像判断是否需要发送第一告警信息。
检测到视频流的第一图像存在目标事件,触发是否生成表示存在目标事件的第一告警消息的判断,其中,视频流的第一图像存在目标事件的检测方式不作具体限定。在一公开实施例中,检测到视频流的第一图像存在目标事件时,检测第一图像是否存在预设类型的目标对象,若第一图像存在预设类型的目标对象的概率大于预设概率阈值,则确定第一图像存在目标事件。检测第一图像是否存在预设类型的目标对象时,确定当前处于目标事件的检测时间内,为目标事件确定第一图像的第一检测区域,从而检测第一检测区域是否存在预设类型的目标对象,若是,则确定第一图像存在预设类型的目标对象。
预设类型的目标对象包括但不限于预设类型的车辆、预设特征的人脸图像等存在大量样本数据的目标对象,在此不作限定。预设类型的车辆例如为封罐车、包括集装箱的大型车等包括特征信息的车辆。第一图像存在预设类型的目标对象的概率的获取方式包括但不限于算法模型,在此不作具体限定。预设概率阈值的大小可自定义设置,例如80%,90%等,在此不作具体限定。在检测第一图像存在预设类型的目标对象,且第一图像存在预设类型的目标对象的概率大于预设概率阈值时,确定视频流的第一图像存在目标事件,可过滤掉视频流中一部分图像,筛选出存在目标事件可能性更高的第一图像,实现目标对象的精准识别,从而能够更加精准地判断到一个目标事件的开始,从源头上减少第一告警信息的误报。
在另一公开实施例中,确定第一图像是否存在目标事件时,也可以不进行第一图像存在预设类型的目标对象的概率与预设概率阈值的比较,直接在检测第一图像存在预设类型的目标对象的情况下,则确定第一图像存在目标事件,提高事件检测效率。
为了提高事件检测方法的扩展性或通用性、提升场景适用性,也为了根据实际情况调整生成第一告警信息的规则和策略,可以针对不同视频流,自定义设置与目标事件对应的配置参数。在一公开实施例中,在检测到视频流的第一图像存在目标事件之前,可提供至少一类目标事件的管理界面;通过管理界面,获取并保存用户输入的目标事件的配置参数。目标事件的配置参数包括以下至少一者:目标事件的检测时间、在视频流的图像中的检测区域、事件等级和告警触发时长。目标事件的检测时间用于判断当前时间是否执行本公开实施例的事件检测方法,该检测时间可自定义设置时间区间。目标事件在视频流的图像中的检测区域用于跟踪目标对象的区域,从而在检测区域中进行对目标对象的跟踪。事件等级包括重大风险、较大风险、一般风险等自定义设置的事件等级类型。告警触发时长用于确定本公开实施例中步骤S14中预设数量帧的帧数。目标事件的配置参数包括默认配置参数,未检测到用户输入的目标事件的配置参数的情况下,将默认配置参数作为目标事件的配置参数,例如,默认配置参数中的检测时间为长期有效、事件等级为一般风险等。因此,通过管理界面对目标事件的配置参数进行灵活调整,不仅自定义事件检测中的告警触发条件,使得事件检测更贴合用户的实际需要,而且提高事件检测方法的扩展性或通用性、提升场景适用性。
在一公开实施例中,通过检测第一图像是否存在预设类型的目标对象,检测到视频流的第一图像存在目标事件时,先确定当前是否处于目标事件的检测时间内,在确定当前处于目标事件的检测时间内的情况下,为目标事件确定第一图像的第一检测区域,从而检测第一检测区域是否存在预设类型的目标对象,若是,则确定第一图像存在预设类型的目标对象,进而检测到视频流的第一图像存在目标事件。第一检测区域是检测是否存在与目标事件对应的目标对象的区域,由若干个区域点坐标绘制形成,其区域大小可自定义设置。
步骤S12:从第一图像中获取目标事件中的目标对象。
检测到视频流的第一图像存在目标事件后,即可从第一图像中获取目标事件中的目标对象,以方便后续对目标对象进行跟踪,例如但不限于目标事件为街面粪车偷排的情况下,从第一图像中获取与街面粪车偷排对应的目标对象为粪车。同一第一图像中可能存在若干个目标对象,且每个目标对象携带有特征信息。目标对象的特征信息包括但不限于目标对象的身份标识号(ID,Identity document)等用于区分目标对象与其余对象的信息。在一公开实施例中,从第一图像中获取目标事件中的目标对象时,从第一图像中获取目标对象的特征信息,从而利用特征信息实现目标对象与视频流图像中的其余对象的区分。从第一图像中获取目标对象的特征信息后,即可利用目标对象的特征信息进行对目标对象的跟踪。
步骤S13:对视频流中位于第一图像之后的第二图像进行目标对象的跟踪。
本公开实施例中,避免单帧图像检测到存在目标事件后立即发送第一告警信息,在检测到视频流的第一图像存在目标事件后,持续对第一图像之后的第二图像进行目标对象的跟踪,提高事件检测的准确性。对视频流中位于第一图像之后的第二图像进行目标对象的跟踪时,为目标事件确定第二图像的第二检测区域,在第二检测区域中进行对目标对象的跟踪。第二检测区域与第一检测区域可以相同或不同。因此,在检测到视频流的第一图像存在目标事件后,利用获取的目标对象,持续对第一图像之后的第二图像进行目标对象的跟踪,从而确定目标事件的存在情况,实现对目标事件的持续跟踪。本公开实施例中,仅需判断第一图像是否存在目标事件,在第一图像存在目标事件后,获取目标事件的目标对象,从而对第一图像之后的图像进行目标对象的跟踪,无需对每帧第二图像进行是否存在目标事件的判断,而是通过对目标对象进行跟踪,实现第一图像后的第二图像是否存在目标事件的判断,进而确定与目标对象对应的目标事件是否连续。
由于已经从第一图像中获取到目标事件中的目标对象,无需像第一图像一样复杂地进行目标事件存在与否的判断,只需对第二图像进行目标对象的跟踪即可确定目标对象持续存在,可大大简化图像处理的过程、减少图像处理资源。
步骤S14:确定第一图像之后的预设数量帧第二图像中均跟踪到目标对象,生成表示存在目标事件的第一告警消息。
确定第一图像之后的预设数量帧第二图像均跟踪到目标对象,表明目标事件一直持续存在,从而生成表示存在目标事件的第一告警消息。本公开实施例中,确定多帧图像均跟踪到目标对象的情况下,确定目标事件持续存在,才生成第一告警信息,避免第一图像存在目标事件即发送第一告警信息时的重复生成并推送第一告警信息,并且可对多帧第二图像进行分拣,在预设数量帧第二图像中未跟踪到目标对象的情况下,不进行告警。因此,判断第一图像之后的预设数量帧第二图像均跟踪到目标对象,实现对目标事件的存在状态的跟踪,得到更加有效和准确的第一告警信息,减少第一告警信息的误报。
第一告警消息包括以下至少一者:目标事件开始时间、事件等级。目标事件的开始时间可以为第一图像对应的时间,还可以为生成表示存在目标事件的第一告警消息对应的时间。目标事件的事件等级可自定义设置。
预设数量帧的帧数可根据需要自定义设置,例如,直接设置帧数的大小,5帧、20帧等;预设数量帧还可以根据告警触发时长确定,例如,预设数量帧为告警触发时长内的所有图像对应的帧数,从而确定与第一图像的时间间隔小于或等于告警触发时长的每帧第二图像均跟踪到目标对象时,则确定第一图像之后的预设数量帧第二图像均跟踪到目标对象。通过告警触发时长确定预设数量帧第二图像,对跟踪到目标对象的时长有一定要求,避免目标事件短暂存在而后消失的情况下,产生第一告警信息的误报。
在一应用实施例中,在确定当前处于目标事件的检测时间内的情况下,为目标事件确定第一图像的第一检测区域,检测第一检测区域是否存在预设类型的目标对象,从而检测第一图像是否存在预设类型的目标对象;若第一图像存在预设类型的目标对象的概率大于预设概率阈值,则确定第一图像存在目标事件;从第一图像中获取目标对象的特征信息后,并将告警触发时长内的图像作为第二图像;为目标事件确定第二图像的第二检测区域;利用目标对象的特征信息在第二检测区域中进行对目标对象的跟踪,若确定与第一图像的时间间隔小于或等于告警触发时长的每帧第二图像均跟踪到目标对象,表明目标对象持续存在,则生成表示存在目标事件的第一告警消息。
上述方案,检测到视频流的第一图像存在目标事件后,从第一图像中获取目标事件中的目标对象,从而对视频流中位于第一图像之后的第二图像进行目标对象的跟踪,持续跟踪目标对象的变化状态,在确定第一图像之后的预设数量帧第二图像均跟踪到目标对象的情况下,表明目标事件持续存在,生成表示存在目标事件的第一告警消息,可提高事件检测的准确性,而且,避免在每帧图像检测到目标事件时立即进行告警,从而导致告警频繁,由此可以改善用户体验。
为了跟踪一个目标事件完整的始末状态,也为了避免针对相同目标对象连续生成很多表示存在所述目标事件的第一告警消息,在生成表示存在目标事件的第一告警消息后,还可继续跟踪目标对象、进行后续处理,直到目标事件已结束。请参阅图2,图2是本申请事件检测方法另一实施例的流程示意图。具体而言,可以包括如下步骤:
步骤S21:检测到视频流的第一图像存在目标事件。
本公开实施例中,检测第一图像是否存在预设类型的目标对象,若第一图像存在预设类型的目标对象的概率大于预设概率阈值,则确定第一图像存在目标事件。
步骤S22:从第一图像中获取目标事件中的目标对象。
检测到视频流的第一图像存在目标事件后,即可从第一图像中获取目标事件中的目标对象,以方便后续对目标对象进行跟踪。
步骤S23:对视频流中位于第一图像之后的第二图像进行目标对象的跟踪。
在检测到视频流的第一图像存在目标事件后,利用获取的目标对象,持续对第一图像之后的第二图像进行目标对象的跟踪,从而确定目标事件的存在情况,实现对目标事件的持续跟踪。
步骤S24:确定第一图像之后的预设数量帧第二图像中均跟踪到目标对象,生成表示存在目标事件的第一告警消息。
确定第一图像之后的预设数量帧第二图像均跟踪到目标对象,表明目标事件处于连续状态,从而生成表示存在目标事件的第一告警消息。本公开实施例中,确定与第一图像的时间间隔小于或等于告警触发时长的每帧第二图像均跟踪到目标对象,从而确定第一图像之后的预设数量帧第二图像中均跟踪到目标对象,指示于持续跟踪到目标对象,从而生成表示存在目标事件的第一告警消息,可提高事件检测的准确性。
其余有关步骤S21-步骤S24的说明可参阅上图1所示的步骤S11-步骤S14的具体描述,在此不做赘述。
步骤S25:对视频流中位于第二图像之后的第三图像进行目标对象的跟踪。
生成第一告警信息后,持续对视频流中位于第二图像之后的第三图像进行目标对象的跟踪,从而持续关注目标事件是否结束。由于已经从第一图像中获取到目标事件中的目标对象,无需像第一图像一样复杂地进行目标事件存在与否的判断,只需对第三图像进行目标对象的跟踪即可确定目标对象持续存在,可大大简化图像处理的过程、减少图像处理资源。
步骤S26:确定连续至少一帧第三图像未跟踪到目标对象,生成表示目标事件已结束的第二告警消息。
本公开实施例中,可以在检测到第一帧未跟踪到目标对象第三图像时,即生成表示目标事件已结束的第二告警消息;还可以为了提高目标事件的判断准确性,在确定连续多帧第三图像均未跟踪到目标对象的情况下,表明第三图像中未跟踪到目标对象的状态已经持续了一段时间,再生成表示目标事件已结束的第二告警消息。第三图像的帧数还可以通过预设结束时长确定,其中,预设结束时长可自定义设置。在生成第一告警信息之后,通过持续对视频流中位于第二图像之后的第三图像进行目标对象的跟踪,跟踪目标事件的变化过程,直到确定连续至少一帧第三图像未跟踪到目标对象,则判定目标事件已结束。本公开实施例中,输出第一告警信息后,可持续对目标对象进行跟踪,在目标事件结束之前,不再生成新的告警信息,从而将需要连续告警的事件归并为一个持续的目标事件,避免相同目标对象连续输出很多表示存在所述目标事件的第一告警消息,而干扰用户的判断。判断目标事件是否结束时,为了提高判断的准确性,可增加第三图像的帧数,在此不对第三图像的帧数作具体限定。
第一告警信息表示存在目标事件,指示于目标事件的开始,而第二告警信息表示目标事件已结束。为了了解目标事件的状态情况,可获取目标事件的持续时间,从而可以记录目标事件的持续时间,或者将持续时间打包至对应的告警消息中。在一公开实施例中,在生成第一告警信息后、确定连续至少一帧第三图像未跟踪到目标对象之前,可统计第一图像至第三图像之间的时间间隔,以作为目标事件的持续时间,按照预设周期定期更新目标事件的持续时间,直到确定连续至少一帧第三图像未跟踪到目标对象之后,获取第一图像至未跟踪到目标对象的第三图像之间的时间间隔,以作为目标事件的持续时间,进而从目标事件开始、目标事件中间持续状态、以及目标事件的结束状态的整个过程中记录目标事件的持续时间。在确定连续至少一帧第三图像未跟踪到目标对象之前,将持续时间打包至第一告警消息中;在确定连续至少一帧第三图像未跟踪到目标对象之后,将持续时间打包至第二告警消息中。在另一公开实施例中,仅在确定连续至少一帧第三图像未跟踪到目标对象之后,统计第一图像至未跟踪到目标对象的第三图像之间的时间间隔,以作为目标事件的持续时间,从而可以记录目标事件的持续时间,还可以将持续时间打包至第二告警消息中。因此,通过统计时间间隔获知目标事件的持续时间,实现目标对象的持续跟踪,将目标事件持续存在的情况归并于一个连续的事件告警。
在一公开实施例中,第一告警信息生成后,可接收第一终端反馈的对目标事件的处理反馈信息,基于处理反馈信息记录目标事件的当前处理状态。第一终端包括但不限于目标事件处理人使用的终端、管理人员使用的终端等终端,其中,管理人员使用的终端可接收并转发目标事件处理人使用的终端发送的处理反馈信息。可以理解的,为了方便对目标事件的查询,可接收第二终端对目标事件的查询指令,向第二终端反馈目标事件的信息。其中,目标事件的信息包括目标事件的开始时间、结束时间、持续时间、事件等级和当前处理状态中的至少一者。第二终端为任意终端,能够发送查询指令即可,并且第二终端可通过气泡提示、语音提示、弹窗提示等方式提示目标事件的信息,在此不作限定。目标事件的开始时间、事件等级与目标事件的开始时间、事件等级对应。目标事件的结束时间与生成表示目标事件已结束的第二告警消息的时间对应,而当前处理状态基于处理反馈信息生成。查询指令可以查询之前发生现已结束的目标事件,也可以查询当前正在发生的目标事件,换言之,查询指令所查询的目标事件可以是发出过第一告警信息的任意目标事件,在此不作具体限定。
在一应用场景中,为了加强智慧水务的监管,避免市政管网被街面粪车偷排等异常事件破坏,可利用摄像头在雨水井管道附近进行视频流的获取,从而利用本公开任一实施例中事件检测方法对街面粪车偷排进行检测。目标事件为街面粪车偷排,预设类型的目标对象为粪车,预设概率阈值为80%,告警触发时长为2分钟。在本应用场景中,在确定当前处于街面粪车偷排的检测时间内的情况下,为街面粪车偷排这一目标事件确定第一图像的第一检测区域,检测第一检测区域是否存在粪车,若第一图像存在粪车的概率大于80%,则确定第一图像存在街面粪车偷排;从第一图像中获取粪车的特征信息后,在检测到视频流的第一图像存在街面粪车偷排后,将第一图像后2分钟内的图像作为第二图像,为街面粪车偷排确定第二图像的第二检测区域,利用粪车的特征信息在第二检测区域中进行粪车的跟踪,排除将小轿车、面包车、摩托车等小型车,若确定与第一图像的时间间隔小于或等于2分钟的每帧第二图像均跟踪到粪车,表明粪车持续存在,则生成表示存在街面粪车偷排的第一告警消息。在生成一条表示存在街面粪车偷排的第一告警信息后,持续对视频流中位于第二图像之后的第三图像进行粪车的跟踪,在此期间,在第三图像持续跟踪到粪车时,不进行告警,并在确定连续至少一帧第三图像未跟踪到粪车时,生成表示街面粪车偷排已结束的第二告警消息。本应用场景中,仅需在第一图像中判断存在粪车的概率是否大于80%,后续第二图像或第三图像中,无需获取存在粪车的概率,而是通过利用粪车的特征信息对粪车进行跟踪,只要能够在第一图像之后的图像中跟踪到粪车,则无需多次生成表示存在目标事件的第一告警消息,直到确定连续至少一帧第三图像未跟踪到粪车时,生成表示所述目标事件已结束的第二告警消息。一般地,粪车为封罐车、包括集装箱的大型车等,与小轿车、面包车、摩托车等车辆不同,从而本应用场景中利用粪车的特征信息,将与车辆的预设类型不相符的车辆过滤,实现对粪车的精准识别和跟踪,进而实现目标事件的精准定位和溯源,还可以降低人工巡查和摸排成本。
上述方案,检测到视频流的第一图像存在目标事件后,从第一图像中获取目标事件中的目标对象,通过对视频流中位于第一图像之后的第二图像进行目标对象的跟踪,在确定第一图像之后的预设数量帧第二图像均跟踪到目标对象的情况下,表明目标对象持续存在,生成表示存在目标事件的第一告警消息,可提高事件检测的准确性;进一步地,对视频流中位于第二图像之后的第三图像进行目标对象的跟踪,在确定连续至少一帧第三图像未跟踪到目标对象的情况下,生成表示目标事件已结束的第二告警消息,从而通过目标对象的跟踪对目标事件的整个过程进行监控和记录,跟踪一个目标事件完整的始末状态,避免一个持续性的目标事件持续推送告警信息。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
请参阅图3,图3是本申请事件检测装置30一实施例的结构示意图。事件检测装置30包括检测模块31、获取模块32、跟踪模块33、告警信息生成模块34。检测模块31,用于检测到视频流的第一图像存在目标事件;获取模块32,用于从第一图像中获取目标事件中的目标对象;跟踪模块33用于对视频流中位于第一图像之后的第二图像进行目标对象的跟踪;告警信息生成模块34,用于确定第一图像之后的预设数量帧第二图像中均跟踪到目标对象,生成表示存在目标事件的第一告警消息。
在一公开实施例中,检测模块31用于检测到视频流的第一图像存在目标事件时,还用于检测第一图像是否存在预设类型的目标对象;若第一图像存在预设类型的目标对象的概率大于预设概率阈值,则确定第一图像存在目标事件。
在一公开实施例中,预设类型的目标对象为预设类型的车辆。
在一公开实施例中,检测模块31用于检测第一图像是否存在预设类型的目标对象时,还用于在确定当前处于目标事件的检测时间内的情况下,为目标事件确定第一图像的第一检测区域;检测第一检测区域是否存在预设类型的目标对象。跟踪模块33用于对视频流中位于第一图像之后的第二图像进行目标对象的跟踪时,还用于为目标事件确定第二图像的第二检测区域;在第二检测区域中进行对目标对象的跟踪。
在一公开实施例中,获取模块32用于从第一图像中获取目标事件中的目标对象时,还用于从第一图像中获取目标对象的特征信息。跟踪模块33用于进行对目标对象的跟踪时,还用于利用目标对象的特征信息进行对目标对象的跟踪。
在一公开实施例中,第一告警消息包括以下至少一者:目标事件的开始时间、事件等级。告警信息生成模块34用于确定第一图像之后的预设数量帧第二图像中均跟踪到目标对象时,还用于确定与第一图像的时间间隔小于或等于告警触发时长的每帧第二图像均跟踪到目标对象。
在一公开实施例中,告警信息生成模块34在用于生成表示存在目标事件的第一告警消息之后,跟踪模块33还用于对视频流中位于第二图像之后的第三图像进行目标对象的跟踪,从而告警信息生成模块34还用于确定连续至少一帧第三图像未跟踪到目标对象,生成表示目标事件已结束的第二告警消息。
在一公开实施例中,事件检测装置30还包括时间统计模块35,在告警信息生成模块34用于确定连续至少一帧第三图像未跟踪到目标对象之后,时间统计模块35用于统计第一图像至不存在目标事件的第三图像之间的时间间隔,以作为目标事件的持续时间;记录目标事件的持续时间,和/或,将持续时间打包至第二告警消息中。
在一公开实施例中,事件检测装置30还包括接收模块36,接收模块36用于接收第一终端反馈的对目标事件的处理反馈信息,基于处理反馈信息记录目标事件的当前处理状态;接收模块36还用于接收第二终端对目标事件的查询指令,向第二终端反馈目标事件的信息,其中,目标事件的信息包括目标事件的开始时间、结束时间、持续时间、事件等级和当前处理状态中的至少一者。
在一公开实施例中,事件检测装置30还包括配置参数获取模块37在检测模块31用于检测到视频流的第一图像存在目标事件之前,配置参数获取模块37用于提供至少一类目标事件的管理界面;通过管理界面,获取并保存用户输入的目标事件的配置参数,其中,目标事件的配置参数包括以下至少一者:目标事件的检测时间、在视频流的图像中的检测区域、事件等级和告警触发时长,其中,告警触发时长用于确定预设数量帧的帧数。
上述方案,检测模块31检测到视频流的第一图像存在目标事件后,获取模块32从第一图像中获取目标事件中的目标对象,从而跟踪模块33对视频流中位于第一图像之后的第二图像进行目标对象的跟踪,持续跟踪目标对象的变化状态,告警信息生成模块34在确定第一图像之后的预设数量帧第二图像均跟踪到目标对象的情况下,表明目标事件持续存在,生成表示存在目标事件的第一告警消息,可提高事件检测的准确性。
请参阅图4,图4是本申请电子设备40一实施例的框架示意图。电子设备40包括相互耦接的存储器41和处理器42,处理器42用于执行存储器41中存储的程序指令,以实现上述任一事件检测方法实施例的步骤。在一个具体的实施场景中,电子设备40可以包括但不限于:微型计算机、服务器,此外,电子设备40还可以包括笔记本电脑、平板电脑等移动设备,在此不做限定。
具体而言,处理器42用于控制其自身以及存储器41以实现上述任一事件检测方法实施例的步骤。处理器42还可以称为CPU(Central Processing Unit,中央处理单元)。处理器42可能是一种集成电路芯片,具有信号的处理能力。处理器42还可以是通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外,处理器42可以由集成电路芯片共同实现。
上述方案,可提高事件检测的准确性。
请参阅图5,图5是本申请计算机可读存储介质50一实施例的框架示意图。计算机可读存储介质50存储有能够被处理器运行的程序指令501,程序指令501用于实现上述任一图像检测模型的训练方法实施例的步骤,或实现上述任一图像检测方法实施例中的步骤。
上述方案,可提高事件检测的准确性。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处,其相同或相似之处可以互相参考,为了简洁,本文不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性、机械或其它的形式。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (14)
1.一种事件检测方法,其特征在于,包括:
检测到视频流的第一图像存在目标事件;
从所述第一图像中获取所述目标事件中的目标对象;
对所述视频流中位于所述第一图像之后的第二图像进行所述目标对象的跟踪;
确定所述第一图像之后的预设数量帧第二图像中均跟踪到所述目标对象,生成表示存在所述目标事件的第一告警消息。
2.根据权利要求1所述的方法,其特征在于,所述检测到视频流的第一图像存在目标事件,包括:
检测所述第一图像是否存在预设类型的目标对象;
若所述第一图像存在所述预设类型的目标对象的概率大于预设概率阈值,则确定所述第一图像存在所述目标事件。
3.根据权利要求2所述的方法,其特征在于,所述预设类型的目标对象为预设类型的车辆。
4.根据权利要求2或3所述的方法,其特征在于,所述检测所述第一图像是否存在预设类型的目标对象,包括:
在确定当前处于所述目标事件的检测时间内的情况下,为所述目标事件确定所述第一图像的第一检测区域;
检测所述第一检测区域是否存在预设类型的目标对象;
所述对所述视频流中位于所述第一图像之后的第二图像进行所述目标对象的跟踪,包括:
为所述目标事件确定所述第二图像的第二检测区域;
在所述第二检测区域中进行对所述目标对象的跟踪。
5.根据权利要求2至4任一项所述的方法,其特征在于,所述从所述第一图像中获取所述目标事件中的目标对象,包括:
从所述第一图像中获取所述目标对象的特征信息;
所述进行对所述目标对象的跟踪,包括:
利用所述目标对象的特征信息进行对所述目标对象的跟踪。
6.根据权利要求1至5任一项所述的方法,其特征在于,所述第一告警消息包括以下至少一者:所述目标事件的开始时间、事件等级。
7.根据权利要求1至6所述的方法,其特征在于,所述确定所述第一图像之后的预设数量帧第二图像中均跟踪到所述目标对象,包括:
确定与所述第一图像的时间间隔小于或等于告警触发时长的每帧第二图像均跟踪到所述目标对象。
8.根据权利要求1至7任一项所述的方法,其特征在于,在所述生成表示存在所述目标事件的第一告警消息之后,所述方法还包括:
对所述视频流中位于第二图像之后的第三图像进行所述目标对象的跟踪;
确定连续至少一帧所述第三图像未跟踪到所述目标对象,生成表示所述目标事件已结束的第二告警消息。
9.根据权利要求8所述的方法,其特征在于,在所述确定连续至少一帧所述第三图像未跟踪到所述目标对象之后,所述方法还包括:
统计所述第一图像至不存在所述目标事件的第三图像之间的时间间隔,以作为所述目标事件的持续时间;
记录所述目标事件的持续时间,和/或,将所述持续时间打包至所述第二告警消息中。
10.根据权利要求1至9任一项所述的方法,其特征在于,所述方法还包括以下至少一个步骤:
接收第一终端反馈的对目标事件的处理反馈信息,基于所述处理反馈信息记录所述目标事件的当前处理状态;
接收第二终端对目标事件的查询指令,向所述第二终端反馈所述目标事件的信息,其中,所述目标事件的信息包括所述目标事件的开始时间、结束时间、持续时间、事件等级和所述当前处理状态中的至少一种。
11.根据权利要求1至10任一项所述的方法,其特征在于,在所述检测到视频流的第一图像存在目标事件之前,所述方法还包括:
提供至少一类所述目标事件的管理界面;
通过所述管理界面,获取并保存用户输入的所述目标事件的配置参数,其中,所述目标事件的配置参数包括以下至少一者:所述目标事件的检测时间、在所述视频流的图像中的检测区域、事件等级和告警触发时长,其中,所述告警触发时长用于确定所述预设数量帧的帧数。
12.一种事件检测装置,其特征在于,包括:
检测模块,用于检测到视频流的第一图像存在目标事件;
获取模块,用于从所述第一图像中获取所述目标事件中的目标对象;
跟踪模块,用于对所述视频流中位于所述第一图像之后的第二图像进行所述目标对象的跟踪;
告警信息生成模块,用于确定所述第一图像之后的预设数量帧第二图像中均跟踪到所述目标对象,生成表示存在所述目标事件的第一告警消息。
13.一种电子设备,其特征在于,包括相互耦接的存储器和处理器;
所述处理器用于执行所述存储器存储的程序指令,以实现权利要求1至11任一项所述的事件检测方法。
14.一种计算机可读存储介质,其上存储有程序指令,其特征在于,所述程序指令被处理器执行时实现权利要求1至11任一项所述的事件检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010851101.5A CN112069937A (zh) | 2020-08-21 | 2020-08-21 | 事件检测方法及其装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010851101.5A CN112069937A (zh) | 2020-08-21 | 2020-08-21 | 事件检测方法及其装置、电子设备、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112069937A true CN112069937A (zh) | 2020-12-11 |
Family
ID=73659362
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010851101.5A Withdrawn CN112069937A (zh) | 2020-08-21 | 2020-08-21 | 事件检测方法及其装置、电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112069937A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112464898A (zh) * | 2020-12-15 | 2021-03-09 | 北京市商汤科技开发有限公司 | 事件检测方法及装置、电子设备和存储介质 |
CN112633184A (zh) * | 2020-12-25 | 2021-04-09 | 成都商汤科技有限公司 | 告警方法及装置、电子设备和存储介质 |
CN113011290A (zh) * | 2021-03-03 | 2021-06-22 | 上海商汤智能科技有限公司 | 事件检测方法及装置、电子设备和存储介质 |
CN113179423A (zh) * | 2021-04-23 | 2021-07-27 | 深圳市商汤科技有限公司 | 事件的检测输出方法及装置、电子设备和存储介质 |
CN113438286A (zh) * | 2021-06-15 | 2021-09-24 | 上海商汤智能科技有限公司 | 信息推送方法及装置、电子设备和存储介质 |
CN113611008A (zh) * | 2021-07-30 | 2021-11-05 | 广州文远知行科技有限公司 | 一种车辆行驶场景采集方法、装置、设备及介质 |
WO2022156294A1 (zh) * | 2021-01-21 | 2022-07-28 | Oppo广东移动通信有限公司 | 视频处理方法及装置、计算机可读存储介质和电子设备 |
CN114972411A (zh) * | 2022-08-01 | 2022-08-30 | 科大讯飞(苏州)科技有限公司 | 图像关联方法、计算机设备及存储介质 |
CN114999172A (zh) * | 2022-05-24 | 2022-09-02 | 浙江大华技术股份有限公司 | 事件处理方法、装置、存储介质及电子装置 |
-
2020
- 2020-08-21 CN CN202010851101.5A patent/CN112069937A/zh not_active Withdrawn
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112464898A (zh) * | 2020-12-15 | 2021-03-09 | 北京市商汤科技开发有限公司 | 事件检测方法及装置、电子设备和存储介质 |
CN112633184A (zh) * | 2020-12-25 | 2021-04-09 | 成都商汤科技有限公司 | 告警方法及装置、电子设备和存储介质 |
WO2022156294A1 (zh) * | 2021-01-21 | 2022-07-28 | Oppo广东移动通信有限公司 | 视频处理方法及装置、计算机可读存储介质和电子设备 |
CN113011290A (zh) * | 2021-03-03 | 2021-06-22 | 上海商汤智能科技有限公司 | 事件检测方法及装置、电子设备和存储介质 |
CN113179423A (zh) * | 2021-04-23 | 2021-07-27 | 深圳市商汤科技有限公司 | 事件的检测输出方法及装置、电子设备和存储介质 |
CN113438286A (zh) * | 2021-06-15 | 2021-09-24 | 上海商汤智能科技有限公司 | 信息推送方法及装置、电子设备和存储介质 |
CN113438286B (zh) * | 2021-06-15 | 2023-08-01 | 上海商汤智能科技有限公司 | 信息推送方法及装置、电子设备和存储介质 |
CN113611008A (zh) * | 2021-07-30 | 2021-11-05 | 广州文远知行科技有限公司 | 一种车辆行驶场景采集方法、装置、设备及介质 |
CN113611008B (zh) * | 2021-07-30 | 2023-09-01 | 广州文远知行科技有限公司 | 一种车辆行驶场景采集方法、装置、设备及介质 |
CN114999172A (zh) * | 2022-05-24 | 2022-09-02 | 浙江大华技术股份有限公司 | 事件处理方法、装置、存储介质及电子装置 |
CN114972411A (zh) * | 2022-08-01 | 2022-08-30 | 科大讯飞(苏州)科技有限公司 | 图像关联方法、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112069937A (zh) | 事件检测方法及其装置、电子设备、存储介质 | |
CN112069939A (zh) | 事件检测方法及其装置、电子设备、存储介质 | |
CN109219838B (zh) | 一种交通监测报警方法、装置、终端设备及存储介质 | |
CN109639504B (zh) | 一种基于云平台的告警信息处理方法和装置 | |
CN110475124B (zh) | 视频卡顿检测方法及装置 | |
CN110557419A (zh) | 一种任务处理方法、装置及云计算系统 | |
KR20180021287A (ko) | 차량 침입 탐지 장치 및 방법 | |
WO2012038964A2 (en) | A traffic enforcement system and methods thereof | |
WO2018232941A1 (zh) | 一种共享单车防盗方法和装置 | |
CN103942954A (zh) | 车辆参数信息的分析预警方法及其分析预警系统 | |
CN113380034B (zh) | 事故定位方法和装置、电子设备和计算机可读存储介质 | |
CN113963316A (zh) | 目标事件的确定方法、装置、存储介质及电子装置 | |
CN105160876A (zh) | 一种汽车喇叭监控系统 | |
CN113408319A (zh) | 一种城市道路异常感知处理方法、装置、系统及存储介质 | |
CN114708425A (zh) | 车辆违停的识别方法、装置及计算机可读存储介质 | |
CN113192348A (zh) | 车辆异常告警方法、装置及计算机设备 | |
CN112419655B (zh) | 一种报警信息推送方法、装置、设备及介质 | |
CN112885106A (zh) | 基于车辆大数据的区域禁行检测系统、方法及存储介质 | |
JP2002044647A (ja) | 音響・画像協調センシング方法及びそのシステム、並びにこの方法を記録した記録媒体 | |
CN114155476B (zh) | Aeb有效避免事故场景识别方法、装置、设备及介质 | |
CN116206455A (zh) | 一种行为上报方法、装置、电子设备、存储介质及车辆 | |
CN109660385A (zh) | 一种多渠道故障报警方法及装置、电子设备 | |
CN118260639A (zh) | 一种dms告警分类方法、告警分类方法、装置及设备 | |
CN114220285A (zh) | 超速车辆的定位与示警方法、装置、电子设备及可读介质 | |
CN118261496A (zh) | 一种adas告警分类方法、告警分类方法、装置及设备 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201211 |
|
WW01 | Invention patent application withdrawn after publication |