CN112185146A - 一种针对非车辆目标的预警方法及系统 - Google Patents
一种针对非车辆目标的预警方法及系统 Download PDFInfo
- Publication number
- CN112185146A CN112185146A CN202010959259.4A CN202010959259A CN112185146A CN 112185146 A CN112185146 A CN 112185146A CN 202010959259 A CN202010959259 A CN 202010959259A CN 112185146 A CN112185146 A CN 112185146A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- vehicle target
- early warning
- driving
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
-
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种针对非车辆目标的预警方法及系统，涉及智能安全驾驶领域，所述方法包括：获取车辆前行道路的图像信息；从所述图像信息中获取人行横道区域信息并获取包含有所述人行横道区域的预置区域内的非车辆目标分布密度信息；根据预置非车辆目标重识别算法对所述预置区域内的每一个非车辆目标进行标识，并确定每一个非车辆目标的行驶方向及行驶速度；根据非车辆目标分布密度信息和所述每一个非车辆目标的行驶方向及行驶速度向所述车辆输出行驶预警信息。本发明通过综合考虑行人及非机动车等非车辆目标的行驶方向、行人及非机动车等非车辆目标驾驶人的注意力、行人密度及非机动车车流量等多维度融合信息，可以提升预警信息的准确性。
Description
技术领域
本发明涉及智能驾驶领域，特别涉及一种针对非车辆目标的预警方法及装置。
背景技术
随着人民生活水平的不断提高，机动车的保有量逐年增加，道路交通安全状况也面临越来越严峻的考验，文明参与交通的要求显得非常迫切。道路交通安全法规定，机动车行经人行横道时，应当减速行驶；遇行人正在通过人行横道，应当停车让行。同时，全国各个城市都在举办创建文明城市活动，机动车礼让行人是一个城市文明的体现，也是保障人民生命安全的基本规则。遗憾的是，现实中，很多车辆在斑马线前不减速、不礼让，车辆与行人及非机动车争抢极易引发交通事故，造成人员及财产损失。
目前现有的车辆行车提醒方法，通常是根据行人是否位于与行车方向交叉的斑马线上，或者主要取决于行人与车辆之间的距离来进行车辆的行驶预警，然而仅通过行人是否位于斑马线上或者行人与车辆之间的预设距离这种单一维度来进行车辆的行驶预警是不够全面的，进而导致输出的预警信息不够准确，使得车辆可能违反交通规则进而威胁到人身、财产安全。
发明内容
为解决上述技术问题，本发明提供一种针对非车辆目标的预警方法及系统，可以解决现有行驶预警依据维度单一导致的预警信息不够准确的问题。
为实现上述目的，本发明提供一种针对非车辆目标的预警方法，所述方法包括：
获取车辆前行道路的图像信息；
从所述图像信息中获取人行横道区域信息并获取包含有所述人行横道区域的预置区域内的非车辆目标分布密度信息；
根据预置非车辆目标重识别算法对所述预置区域内的每一个非车辆目标进行标识，并确定每一个非车辆目标的行驶方向及行驶速度；
根据所述非车辆目标分布密度信息和所述每一个非车辆目标的行驶方向及行驶速度向所述车辆输出行驶预警信息。
进一步地，所述根据非车辆目标分布密度信息和每一个非车辆目标的行驶方向及行驶速度向车辆输出行驶预警信息的步骤之前，所述方法还包括：
根据预置人脸检测算法获取每一个非车辆目标当前的视角信息；
所述根据非车辆目标分布密度信息和每一个非车辆目标的行驶方向及行驶速度向车辆输出行驶预警信息的步骤包括：
根据非车辆目标分布密度信息、每一个非车辆目标的行驶方向及行驶速度、以及每一个非车辆目标当前的视角信息向所述车辆输出行驶预警信息。
进一步地，所述根据非车辆目标分布密度信息、每一个非车辆目标的行驶方向及行驶速度、以及非车辆目标当前的视角信息向所述车辆输出行驶预警信息的步骤包括：
根据非车辆目标分布密度信息、每一个非车辆目标的行驶方向及行驶速度、以及每一个非车辆目标当前的视角信息确定所述车辆行驶的预警等级；
向所述车辆输出与所述预警等级对应的预警信息，不同预警等级对应不同的预警信息。
进一步地，所述从所述图像信息中获取人行横道区域信息的步骤包括：
通过预置场景分割算法从所述图像信息中获取人行横道区域信息。
进一步地，所述通过预置场景分割算法从所述图像信息中获取人行横道区域信息的步骤之前，所述方法包括：
通过预置图像增强网络对所述图像信息进行图像增强。
进一步地，所述获取包含有所述人行横道区域的预置区域内的非车辆目标分布密度信息的步骤包括：
根据预置单阶检测算法获取包含有所述人行横道区域的预置区域内的非车辆目标分布密度信息。
进一步地，所述非车辆目标包括行人和/或非机动车，所述非车辆目标分布密度信息为行人密度信息和/或非机动车车流量信息。
进一步地，本发明提供一种针对非车辆目标的预警系统，所述系统包括：
获取模块，用于获取车辆前行道路的图像信息；
所述获取模块，还用于从所述图像信息中获取人行横道区域信息并获取包含有所述人行横道区域的预置区域内的非车辆目标分布密度信息；
确定模块，用于根据预置非车辆目标重识别算法对所述预置区域内的每一个非车辆目标进行标识，并确定每一个非车辆目标的行驶方向及行驶速度；
预警模块，用于根据所述非车辆目标分布密度信息和所述每一个非车辆目标的行驶方向及行驶速度向所述车辆输出行驶预警信息。
进一步地，所述获取模块，还用于根据预置人脸检测算法获取每一个非车辆目标当前的视角信息；
所述预警模块，具体用于根据非车辆目标分布密度信息、每一个非车辆目标的行驶方向及行驶速度、以及每一个非车辆目标当前的视角信息向所述车辆输出行驶预警信息。
进一步地，所述预警模块，具体还用于根据非车辆目标分布密度信息、每一个非车辆目标的行驶方向及行驶速度、以及每一个非车辆目标当前的视角信息确定所述车辆行驶的预警等级；
向所述车辆输出与所述预警等级对应的预警信息，不同预警等级对应不同的预警信息。
进一步地，所述获取模块，具体用于通过预置场景分割算法从所述图像信息中获取人行横道区域信息。
进一步地，所述系统还包括：图像增强模块；
所述图像增强模块，用于通过预置图像增强网络对所述图像信息进行图像增强。
进一步地，所述获取模块，具体还用于根据预置单阶检测算法获取包含有所述人行横道区域的预置区域内的非车辆目标分布密度信息。
进一步地，所述非车辆目标包括行人和/或非机动车，所述非车辆目标分布密度信息为行人密度信息和/或非机动车车流量信息。
本发明提供的一种针对非车辆目标的预警方法及系统，通过综合考虑行人及非机动车等非车辆目标的行驶方向、行人及非机动车等非车辆目标驾驶人的注意力、行人密度及非机动车车流量等多维度融合信息，进行预警等级的确定，并通过不同的预警级别来向车辆输出预警信息，可以提升预警信息的准确性，从而可以提醒车辆执行相应的行驶操作，进而可以有效避让行人及非机动车等非车辆目标，从而提高车辆通行效率并保障非车辆目标的通行安全。
附图说明
图1是本发明提供的一种针对非车辆目标的预警方法的流程图；
图2是本发明提供的一种针对非车辆目标的预警系统的示意图。
具体实施方式
下面通过附图和实施例，对本发明的装置结构和实现方式做进一步的详细描述。
本发明提供一种针对非车辆目标的预警方法，如图1所示，具体包括如下步骤：
101、获取车辆前行道路的图像信息。
对于本发明实施例，前行道路的图像信息的获取可以通过车辆的车载摄像或行车记录仪装置采集，所述前行道路为车辆当前行驶道路，所述车载摄像装置采集的是车辆当前行驶道路的图像或视频信息。
102、从所述图像信息中获取人行横道区域信息并获取包含有所述人行横道区域的预置区域内的非车辆目标分布密度信息。
其中，所述非车辆目标包括行人和/或非机动车，所述预设区域是指，以人行横道所在区域为主，并上下扩充1-3米的宽度，左右扩充以车载摄像或行车记录仪装置采集图像的宽度为准，以此更好的检测出行人及非机动车辆。
对于本发明实施例，所述从所述图像信息中获取人行横道区域信息的步骤具体可以包括：通过预置场景分割算法从所述图像信息中获取人行横道区域信息。需要说明的是，为了进一步提升图像处理精度，在通过预置场景分割算法从所述图像信息中获取人行横道区域信息的步骤之前，还可以包括：通过预置图像增强网络对所述图像信息进行图像增强。
具体地，所述基于场景分割算法包括但不限于deeplab-v3算法，分割出人行横道区域的信息，并判断行人是否在人行横道区域；为解决因光照强度变化，路面行人机动车以及绿植遮挡导致人行横道线检测精度不高的问题，提出了一种将增强后的图像与实例分割网络Deeplabv3相结合的人行横道线检测方法。首先，使用图像增强网络对待检测图像进行图像增强，提高图像对比度和清晰度，然后使用一个基于编码器、解码器架构的实例分割网络Deeplabv3进行人行横道线进行分割。该算法提出的方法在道路环境多变和夜晚中能很好的将人行横道线的分割，其人行横道线正检率最高可达98.7％，较直接采用Deeplabv3网络和U-Net网络，检测精度提高了2.6个百分点。
进一步地，所述获取包含有所述人行横道区域的预置区域内的非车辆目标分布密度信息的步骤可以包括：根据预置单阶检测算法获取包含有所述人行横道区域的预置区域内的非车辆目标分布密度信息。其中，所述非车辆目标分布密度信息可以为行人密度信息和/或非机动车车流量信息。
具体地，所述预置单阶段检测方法包括但不限于YOLO4、SSD等回归式的目标检测方法，并对检测结果进行统计，计算出人行横道线两侧的行人密度及非机动车的车流量。
103、根据预置非车辆目标重识别算法对所述预置区域内的每一个非车辆目标进行标识，并确定每一个非车辆目标的行驶方向及行驶速度。
具体地，所述行人及非机动车的重识别方法包括但不限于深度神经网络Inception、Siam-RPN++等跟踪算法，确定并为行人及非机动车辆设置id。所述行驶方向及速度，依据同一行人和非机动车的id和车辆当前行驶道路的图像或视频信息中的坐标位置，确定行驶轨迹，来判断行人及非机动车的行驶方向及行驶速度。
104、根据预置人脸检测算法获取每一个非车辆目标当前的视角信息。
具体地，所述基于深度学习算法的人脸检测方法包括但不限于深度神经网络YOLO4、SSD、Faster-RCNN等方法，根据是否检测到行人及及非机动车驾驶人脸，及人脸的朝向等信息，来判断行人及非机动车驾驶人对机动车的关注程度。
105、根据非车辆目标分布密度信息、每一个非车辆目标的行驶方向及行驶速度、以及每一个非车辆目标当前的视角信息向所述车辆输出行驶预警信息。
对于本发明实施例，通过将上述独立的信息及决策综合起来，得到最终决策，优点是容错率很好，并且抗干扰能力强，可以利用适当的融合方法消除少部分的干扰数据。除此之外，该融合方法还具有较强的数据分析能力。并且通过在非车辆目标分布密度信息和所述每一个非车辆目标的行驶方向及行驶速度这两个维度的基础上，增加每一个非车辆目标当前的视角信息这一维度进一步确定行驶预警信息，可以进一步提升预警信息的输出准确率。
对于本发明实施例，所述根据非车辆目标分布密度信息、每一个非车辆目标的行驶方向及行驶速度、以及非车辆目标当前的视角信息向所述车辆输出行驶预警信息的步骤包括：根据非车辆目标分布密度信息、每一个非车辆目标的行驶方向及行驶速度、以及每一个非车辆目标当前的视角信息确定所述车辆行驶的预警等级；向所述车辆输出与所述预警等级对应的预警信息，不同预警等级对应不同的预警信息。本发明实施例利用数据来划分不同预警等级，从而根据不同的预警等级，给出合理、可靠的预警信息。其中，预警等级可以但不限于划分为低级、中级、高级，对应的行驶预警信息可以但不限于正常行驶、减速慢行、停车避让。
本发明实施例提供的一种针对非车辆目标的预警方法，通过综合考虑行人及非机动车等非车辆目标的行驶方向、行人及非机动车等非车辆目标驾驶人的注意力、行人密度及非机动车车流量等多维度融合信息，进行预警等级的确定，并通过不同的预警级别来向车辆输出预警信息，可以提升预警信息的准确性，从而可以提醒车辆执行相应的行驶操作，进而可以有效避让行人及非机动车等非车辆目标，从而提高车辆通行效率并保障非车辆目标的通行安全。
作为图1所示方法的具体实现方式，本发明实施例提供一种针对非车辆目标的预警系统，如图2所示，所述系统包括：获取模块21，用于获取车辆前行道路的图像信息，其中，前行道路的图像信息的获取可以通过车辆的车载摄像或行车记录仪装置采集，所述前行道路为车辆当前行驶道路，所述车载摄像装置采集的是车辆当前行驶道路的图像或视频信息。
所述获取模块21，还用于从所述图像信息中获取人行横道区域信息并获取包含有所述人行横道区域的预置区域内的非车辆目标分布密度信息。
其中，所述非车辆目标包括行人和/或非机动车，所述预设区域是指，以人行横道所在区域为主，并上下扩充1-3米的宽度，左右扩充以车载摄像或行车记录仪装置采集图像的宽度为准，以此更好的检测出行人及非机动车辆。
确定模块22，用于根据预置非车辆目标重识别算法对所述预置区域内的每一个非车辆目标进行标识，并确定每一个非车辆目标的行驶方向及行驶速度。
其中，所述行人及非机动车的重识别方法包括但不限于深度神经网络Inception、Siam-RPN++等跟踪算法，确定并为行人及非机动车辆设置id。所述行驶方向及速度，依据同一行人和非机动车的id和车辆当前行驶道路的图像或视频信息中的坐标位置，确定行驶轨迹，来判断行人及非机动车的行驶方向及行驶速度。
预警模块23，用于根据所述非车辆目标分布密度信息和所述每一个非车辆目标的行驶方向及行驶速度向所述车辆输出行驶预警信息。
进一步地，所述获取模块21，还用于根据预置人脸检测算法获取每一个非车辆目标当前的视角信息，其中，所述基于深度学习算法的人脸检测方法包括但不限于深度神经网络YOLO4、SSD、Faster-RCNN等方法，根据是否检测到行人及及非机动车驾驶人脸，及人脸的朝向等信息，来判断行人及非机动车驾驶人对机动车的关注程度；所述预警模块23，具体用于根据非车辆目标分布密度信息、每一个非车辆目标的行驶方向及行驶速度、以及每一个非车辆目标当前的视角信息向所述车辆输出行驶预警信息。
对于本发明实施例，通过将上述独立的信息及决策综合起来，得到最终决策，优点是容错率很好，并且抗干扰能力强，可以利用适当的融合方法消除少部分的干扰数据。除此之外，该融合方法还具有较强的数据分析能力。并且通过在非车辆目标分布密度信息和所述每一个非车辆目标的行驶方向及行驶速度这两个维度的基础上，增加每一个非车辆目标当前的视角信息这一维度进一步确定行驶预警信息，可以进一步提升预警信息的输出准确率。
进一步地，所述预警模块23，具体还用于根据非车辆目标分布密度信息、每一个非车辆目标的行驶方向及行驶速度、以及每一个非车辆目标当前的视角信息确定所述车辆行驶的预警等级；向所述车辆输出与所述预警等级对应的预警信息，不同预警等级对应不同的预警信息。
需要说明的是，本发明实施例利用数据来划分不同预警等级，从而根据不同的预警等级，给出合理、可靠的预警信息。其中，预警等级可以但不限于划分为低级、中级、高级，对应的行驶预警信息可以但不限于正常行驶、减速慢行、停车避让。
进一步地，所述获取模块21，具体用于通过预置场景分割算法从所述图像信息中获取人行横道区域信息。优选地，为了进一步提升图像处理精度，所述系统还包括：图像增强模块24；所述图像增强模块24，用于通过预置图像增强网络对所述图像信息进行图像增强。
其中，所述基于场景分割算法包括但不限于deeplab-v3算法，分割出人行横道区域的信息，并判断行人是否在人行横道区域；为解决因光照强度变化，路面行人机动车以及绿植遮挡导致人行横道线检测精度不高的问题，提出了一种将增强后的图像与实例分割网络Deeplabv3相结合的人行横道线检测方法。首先，使用图像增强网络对待检测图像进行图像增强，提高图像对比度和清晰度，然后使用一个基于编码器、解码器架构的实例分割网络Deeplabv3进行人行横道线进行分割。该算法提出的方法在道路环境多变和夜晚中能很好的将人行横道线的分割，其人行横道线正检率最高可达98.7％，较直接采用Deeplabv3网络和U-Net网络，检测精度提高了2.6个百分点。
进一步地，所述获取模块21，具体还用于根据预置单阶检测算法获取包含有所述人行横道区域的预置区域内的非车辆目标分布密度信息，其中，所述非车辆目标分布密度信息可以为行人密度信息和/或非机动车车流量信息，所述单阶段检测方法包括但不限于YOLO4、SSD等回归式的目标检测方法，并对检测结果进行统计，计算出人行横道线两侧的行人密度及非机动车的车流量。
本发明实施例提供的一种针对非车辆目标的预警系统，通过综合考虑行人及非机动车等非车辆目标的行驶方向、行人及非机动车等非车辆目标驾驶人的注意力、行人密度及非机动车车流量等多维度融合信息，进行预警等级的确定，并通过不同的预警级别来向车辆输出预警信息，可以提升预警信息的准确性，从而可以提醒车辆执行相应的行驶操作，进而可以有效避让行人及非机动车等非车辆目标，从而提高车辆通行效率并保障非车辆目标的通行安全。
应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。
在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。
为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说；这些实施例的各种修改方式都是显而易见的，并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此，本公开并不限于本文给出的实施例，而是与本申请公开的原理和新颖性特征的最广范围相一致。
上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block)，单元，和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性 (interchangeability)，上述的各种说明性部件(illustrative components)，单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块，或单元都可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中，本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc) 包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (14)
1.一种针对非车辆目标的预警方法，其特征在于，所述方法包括：
获取车辆前行道路的图像信息；
从所述图像信息中获取人行横道区域信息并获取包含有所述人行横道区域的预置区域内的非车辆目标分布密度信息；
根据预置非车辆目标重识别算法对所述预置区域内的每一个非车辆目标进行标识，并确定每一个非车辆目标的行驶方向及行驶速度；
根据所述非车辆目标分布密度信息和所述每一个非车辆目标的行驶方向及行驶速度向所述车辆输出行驶预警信息。
2.根据权利要求1所述的一种针对非车辆目标的预警方法，其特征在于，所述根据非车辆目标分布密度信息和每一个非车辆目标的行驶方向及行驶速度向车辆输出行驶预警信息的步骤之前，所述方法还包括：
根据预置人脸检测算法获取每一个非车辆目标当前的视角信息；
所述根据非车辆目标分布密度信息和每一个非车辆目标的行驶方向及行驶速度向车辆输出行驶预警信息的步骤包括：
根据非车辆目标分布密度信息、每一个非车辆目标的行驶方向及行驶速度、以及每一个非车辆目标当前的视角信息向所述车辆输出行驶预警信息。
3.根据权利要求2所述的一种针对非车辆目标的预警方法，其特征在于，所述根据非车辆目标分布密度信息、每一个非车辆目标的行驶方向及行驶速度、以及非车辆目标当前的视角信息向所述车辆输出行驶预警信息的步骤包括：
根据非车辆目标分布密度信息、每一个非车辆目标的行驶方向及行驶速度、以及每一个非车辆目标当前的视角信息确定所述车辆行驶的预警等级；
向所述车辆输出与所述预警等级对应的预警信息，不同预警等级对应不同的预警信息。
4.根据权利要求1所述的一种针对非车辆目标的预警方法，其特征在于，所述从所述图像信息中获取人行横道区域信息的步骤包括：
通过预置场景分割算法从所述图像信息中获取人行横道区域信息。
5.根据权利要求4所述的一种针对非车辆目标的预警方法，其特征在于，所述通过预置场景分割算法从所述图像信息中获取人行横道区域信息的步骤之前，所述方法包括：
通过预置图像增强网络对所述图像信息进行图像增强。
6.根据权利要求1所述的一种针对非车辆目标的预警方法，其特征在于，所述获取包含有所述人行横道区域的预置区域内的非车辆目标分布密度信息的步骤包括：
根据预置单阶检测算法获取包含有所述人行横道区域的预置区域内的非车辆目标分布密度信息。
7.根据权利要求1-6任一项所述的一种针对非车辆目标的预警方法，其特征在于，所述非车辆目标包括行人和/或非机动车，所述非车辆目标分布密度信息为行人密度信息和/或非机动车车流量信息。
8.一种针对非车辆目标的预警系统，其特征在于，所述系统包括：
获取模块，用于获取车辆前行道路的图像信息；
所述获取模块，还用于从所述图像信息中获取人行横道区域信息并获取包含有所述人行横道区域的预置区域内的非车辆目标分布密度信息；
确定模块，用于根据预置非车辆目标重识别算法对所述预置区域内的每一个非车辆目标进行标识，并确定每一个非车辆目标的行驶方向及行驶速度；
预警模块，用于根据所述非车辆目标分布密度信息和所述每一个非车辆目标的行驶方向及行驶速度向所述车辆输出行驶预警信息。
9.根据权利要求8所述的一种针对非车辆目标的预警系统，其特征在于，
所述获取模块，还用于根据预置人脸检测算法获取每一个非车辆目标当前的视角信息；
所述预警模块，具体用于根据非车辆目标分布密度信息、每一个非车辆目标的行驶方向及行驶速度、以及每一个非车辆目标当前的视角信息向所述车辆输出行驶预警信息。
10.根据权利要求9所述的一种针对非车辆目标的预警系统，其特征在于，
所述预警模块，具体还用于根据非车辆目标分布密度信息、每一个非车辆目标的行驶方向及行驶速度、以及每一个非车辆目标当前的视角信息确定所述车辆行驶的预警等级；
向所述车辆输出与所述预警等级对应的预警信息，不同预警等级对应不同的预警信息。
11.根据权利要求8所述的一种针对非车辆目标的预警系统，其特征在于，
所述获取模块，具体用于通过预置场景分割算法从所述图像信息中获取人行横道区域信息。
12.根据权利要求11所述的一种针对非车辆目标的预警系统，其特征在于，所述系统还包括：图像增强模块；
所述图像增强模块，用于通过预置图像增强网络对所述图像信息进行图像增强。
13.根据权利要求8所述的一种针对非车辆目标的预警系统，其特征在于，
所述获取模块，具体还用于根据预置单阶检测算法获取包含有所述人行横道区域的预置区域内的非车辆目标分布密度信息。
14.根据权利要求8-13任一项所述的一种针对非车辆目标的预警系统，其特征在于，所述非车辆目标包括行人和/或非机动车，所述非车辆目标分布密度信息为行人密度信息和/或非机动车车流量信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010959259.4A CN112185146A (zh) | 2020-09-14 | 2020-09-14 | 一种针对非车辆目标的预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010959259.4A CN112185146A (zh) | 2020-09-14 | 2020-09-14 | 一种针对非车辆目标的预警方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112185146A true CN112185146A (zh) | 2021-01-05 |
Family
ID=73921868
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010959259.4A Pending CN112185146A (zh) | 2020-09-14 | 2020-09-14 | 一种针对非车辆目标的预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112185146A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104050837A (zh) * | 2014-06-10 | 2014-09-17 | 奇瑞汽车股份有限公司 | 一种行车安全提示方法和装置 |
| 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 |
| CN109664820A (zh) * | 2018-09-25 | 2019-04-23 | 平安科技（深圳）有限公司 | 基于行车记录仪的驾驶提示方法、装置、设备和存储介质 |
| EP3628559A2 (en) * | 2018-09-07 | 2020-04-01 | Baidu Online Network Technology (Beijing) Co., Ltd. | Fault alarm method and device for automatic driving system |
-
2020
- 2020-09-14 CN CN202010959259.4A patent/CN112185146A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104050837A (zh) * | 2014-06-10 | 2014-09-17 | 奇瑞汽车股份有限公司 | 一种行车安全提示方法和装置 |
| 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 |
| EP3628559A2 (en) * | 2018-09-07 | 2020-04-01 | Baidu Online Network Technology (Beijing) Co., Ltd. | Fault alarm method and device for automatic driving system |
| CN109664820A (zh) * | 2018-09-25 | 2019-04-23 | 平安科技（深圳）有限公司 | 基于行车记录仪的驾驶提示方法、装置、设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Lane departure warning systems and lane line detection methods based on image processing and semantic segmentation: A review | |
| KR102613839B1 (ko) | 긴급 차량들의 검출 | |
| Shepelev et al. | The use of multi-sensor video surveillance system to assess the capacity of the road network | |
| Pavlic et al. | Classification of images in fog and fog-free scenes for use in vehicles | |
| CN111028529A (zh) | 安装在车辆中的车载设备及相关设备与方法 | |
| US10814815B1 (en) | System for determining occurrence of an automobile accident and characterizing the accident | |
| WO2018059586A1 (zh) | 车辆识别方法、装置及车辆 | |
| CN109711009B (zh) | 无人驾驶汽车性能评价方法、装置、电子设备及介质 | |
| CN107590999B (zh) | 一种基于卡口数据的交通状态判别方法 | |
| Laureshyn et al. | Application of automated video analysis for behavioural studies: concept and experience | |
| CN113936465B (zh) | 交通事件检测方法及装置 | |
| CN112861773A (zh) | 一种基于多层次的泊位状态检测方法及系统 | |
| CN111739338A (zh) | 一种基于多类型传感器的停车管理方法及系统 | |
| US20150246677A1 (en) | Method, host vehicle and following space management unit for managing following space | |
| CN113205691A (zh) | 一种识别车辆位置的方法及装置 | |
| CN111951601B (zh) | 一种识别配送车辆停放位置的方法及装置 | |
| Shepelev et al. | Identification of distinguishing characteristics of intersections based on statistical analysis and data from video cameras | |
| CN113052141A (zh) | 一种检测车辆停放位置的方法及装置 | |
| CN112185146A (zh) | 一种针对非车辆目标的预警方法及系统 | |
| DE102012221652A1 (de) | Verfahren und Vorrichtung zum Bestimmen, ob in einer Verkehrssituation Linksverkehr oder Rechtsverkehr besteht | |
| CN116811854A (zh) | 汽车运行轨迹确定方法、装置、汽车和存储介质 | |
| CN114419906B (zh) | 一种基于大数据的智能交通实现方法、设备、存储介质 | |
| CN107452230A (zh) | 一种障碍物检测方法、装置、终端设备及存储介质 | |
| CN113033352B (zh) | 一种基于结合改进目标语义分割和目标检测模型的实时移动交通违法检测方法 | |
| Berghaus et al. | Speed Reduction Measure Based on Nudging Using Real-Time Vehicle Trajectory Acquisition With Thermal Cameras |
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 | ||
| CB02 | Change of applicant information |
Address after: 075000 ten building, phase 1, airport economic and Technological Development Zone, Zhangjiakou, Hebei Applicant after: Smart intercommunication Technology Co.,Ltd. Address before: 075000 ten building, phase 1, airport economic and Technological Development Zone, Zhangjiakou, Hebei Applicant before: INTELLIGENT INTERCONNECTION TECHNOLOGIES Co.,Ltd. |
|
| CB02 | Change of applicant information |