CN112418026B - 基于视频检测的车辆违章检测方法、系统和装置 - Google Patents
基于视频检测的车辆违章检测方法、系统和装置 Download PDFInfo
- Publication number
- CN112418026B CN112418026B CN202011251357.9A CN202011251357A CN112418026B CN 112418026 B CN112418026 B CN 112418026B CN 202011251357 A CN202011251357 A CN 202011251357A CN 112418026 B CN112418026 B CN 112418026B
- Authority
- CN
- China
- Prior art keywords
- video
- preset
- violation
- monitoring
- template
- 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.)
- Active
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
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
- G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于视频检测的车辆违章检测方法、系统和装置,通过拍摄装置拍摄监控视频上传至数据库;检测装置从数据库获取所述监控视频进行打标签,根据监控视频的标签确定预设视频模板;确定监控视频的关键帧,根据关键帧将监控视频拆分为若干个视频片段,基于预设检测模型根据预设视频模板对若干视频片段进行打分排序,将打分最高的视频片段确定为目标视频片段;当打分的最高分大于等于预设阈值时,将目标视频片段中与预设视频模板中的标记帧对应的相同时间戳的帧确定为违章证据图,并根据监控视频的标签、监控视频对应的预设视频模板和违章证据图确定对应的违章信息,将违章信息生成显示页面。由此使得交通违章的检测更加高效和便捷。
Description
技术领域
本发明属于计算机技术领域,尤其涉及一种智能视频事件检测方法、系统、电子设备及可存储介质。
背景技术
交通事件是指经常发生的停车事件、逆行事件、行人事件、抛撒事件、烟雾事件、拥堵事件及其它一些中断正常交通、引起拥挤和延误、降低道路通行能力的特殊事件。全世界每年因为交通事件引起的生产力损失、财产损失、人身伤害达到数亿美元。由于交通事件的频繁发生,在我国已经成为一个严重的社会问题。
视频交通事件检测技术一般分为“间接检测方法”和“直接检测方法”两大类。前一种是根据交通流的变化来间接的判断交通事件的存在,这种方法由于数据误差及交通情况的复杂性,导致事件检测的时间较长,而且不适合在交通量较低的情况下使用。第二种方法则是直接通过采集到的视频图像,使用图像处理技术来发现车辆行驶异常的方法,在交通量较低的情况下也能有良好的检测结果,但无法给出精确数据从宏观上体现事件。
发明内容
本发明实施例的第一目的在于提供一种基于视频检测的车辆违章检测方法,旨在解决以上现在技术存在的至少一个问题。
本发明实施例是这样实现的,一种基于视频检测的车辆违章检测方法,包括:
拍摄装置拍摄检测路段的监控视频,将所述监控视频上传至数据库;
检测装置从数据库获取所述监控视频,对所述监控视频进行打标签,根据所述监控视频的标签确定对应的预设视频模板;确定所述监控视频的关键帧,根据关键帧将所述监控视频拆分为若干个具有相同数量帧的视频片段,基于预设检测模型根据所述预设视频模板对所述若干视频片段进行打分排序,将打分最高的视频片段确定为目标视频片段;
当所述打分的最高分大于等于预设阈值时,将所述目标视频片段中与所述预设视频模板中的标记帧对应的相同时间戳的帧确定为违章证据图,并根据所述监控视频的标签、所述监控视频对应的预设视频模板和所述违章证据图确定对应的违章信息,将所述违章信息生成显示页面。
在一个实施例中,所述从数据库获取监控视频,对所述监控视频进行打标签,根据所述监控视频的标签确定对应的预设视频模板包括:从系统数据库中获取待检测视频,根据所述待检测视频的基础信息对所述监控视频进行打标签,根据所述监控视频的标签从预设视频模板库中选取对应的预设视频模板;所述待检测视频为数据中所有待检测视频中拍摄时间最早的视频,所述基础信息包括视频拍摄位置信息、视频拍摄时间信息、对应的视频拍摄装置的设备信息。
在一个实施例中,所述预设视频模板包括具有标签的若干和所述目标视频片段具有相同帧的视频,且所述预设视频模板的帧经过灰度处理,所述预设视频模板的标签包括位置信息。
在一个实施例中,所述根据所述监控视频的标签从预设视频模板库中选取对应的预设视频模板包括;根据所述监控视频的位置信息遍历所述预设视频模板库,将位置信息和所述监控视频的位置信息相同的预设视频模板确定为对应的预设视频模板。
在一个实施例中,所述基于预设检测模型根据所述预设视频模板对所述若干视频片段进行打分排序包括:对所述视频片段的每一帧进行灰度化,基于图像相似度算法模型,对所述视频片段的每一帧和预设视频模板的同一时间戳的帧进行相似度计算得到每一帧的相似度,对所述视频片段的所有帧进行加权计算后得出所述视频片段和预设视频模板的相似度,根据所述相似度对所述若干视频片段进行打分排序,相似度越高打分越高,得分越高排序越前。
在一个实施例中,所违章信息包括违章车辆的车辆信息、违章发生的位置信息和违章类型,所述显示页面包括所述违章证据图和所述违章信息,所述预设视频模板中包括违章类型信息,可以通过所述预设视频模板确定所述目标视频片段的违章类型。
在一个实施例中,所述方法还包括,将所述显示页面在客户端进行显示,或将所述显示页面上传至数据库,当数据库接收到发送请求时将所述显示页面发送至请求用户的用户终端。
本发明实施例的另一目的在于提供一种基于视频检测的车辆违章检测系统,包括:
拍摄装置和检测装置,所述拍摄装置用于拍摄检测路段的监控视频,将所述监控视频上传至数据库;
所述检测装置包括:
视频获取单元,用于从数据库获取所述监控视频,对所述监控视频进行打标签,根据所述监控视频的标签确定对应的预设视频模板;
目标视频确定单元,用于确定所述监控视频的关键帧,根据关键帧将所述监控视频拆分为若干个具有相同数量帧的视频片段,基于预设检测模型根据所述预设视频模板对所述若干视频片段进行打分排序,将打分最高的视频片段确定为目标视频片段;
检测结果确定单元,用于当所述打分的最高分大于等于预设阈值时,将所述目标视频片段中与所述预设视频模板中的标记帧对应的相同时间戳的帧确定为违章证据图,并根据所述监控视频的标签、所述监控视频对应的预设视频模板和所述违章证据图确定对应的违章信息,将所述违章信息生成显示页面。
本发明实施例的又一目的在于提供一种电子设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行所述基于视频检测的车辆违章检测方法的步骤。
本发明实施例的再一目的在于一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行所述基于视频检测的车辆违章检测方法的步骤。
本发明实施例提供的一种基于视频检测的车辆违章检测方法,通过拍摄装置拍摄检测路段的监控视频,将所述监控视频上传至数据库;检测装置从数据库获取所述监控视频,对所述监控视频进行打标签,根据所述监控视频的标签确定对应的预设视频模板;确定所述监控视频的关键帧,根据关键帧将所述监控视频拆分为若干个具有相同数量帧的视频片段,基于预设检测模型根据所述预设视频模板对所述若干视频片段进行打分排序,将打分最高的视频片段确定为目标视频片段;当所述打分的最高分大于等于预设阈值时,将所述目标视频片段中与所述预设视频模板中的标记帧对应的相同时间戳的帧确定为违章证据图,并根据所述监控视频的标签、所述监控视频对应的预设视频模板和所述违章证据图确定对应的违章信息,将所述违章信息生成显示页面。由此使得交通违章的检测更加高效和便捷。
附图说明
图1为本发明一个实施例提供的一种基于视频检测的车辆违章检测方法的实现流程;
图2是本发明实施例提供的一种基于视频检测的车辆违章检测系统的主要模块示意图;
图3为本发明实施例提供的可以应用于其中的示例性系统架构图;
图4为适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本发明实施例中可能采用术语第一、第二等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。
需要指出的是,在不冲突的情况下,本发明中的实施例以及实施例中的特征可以互相组合。
为了进一步阐述本发明为实现预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明的具体实施方式、结构、特征及其功效,详细说明如下。
图1示出了本发明实施例提供的一种基于视频检测的车辆违章检测方法的实现流程,为了便于说明,仅示出与本发明实施例相关的部分,详述如下:
一种基于视频检测的车辆违章检测方法,包括:
S101:拍摄装置拍摄检测路段的监控视频,将所述监控视频上传至数据库;
S102:检测装置从数据库获取所述监控视频,对所述监控视频进行打标签,根据所述监控视频的标签确定对应的预设视频模板;确定所述监控视频的关键帧,根据关键帧将所述监控视频拆分为若干个具有相同数量帧的视频片段,基于预设检测模型根据所述预设视频模板对所述若干视频片段进行打分排序,将打分最高的视频片段确定为目标视频片段;当所述打分的最高分大于等于预设阈值时,将所述目标视频片段中与所述预设视频模板中的标记帧对应的相同时间戳的帧确定为违章证据图,并根据所述监控视频的标签、所述监控视频对应的预设视频模板和所述违章证据图确定对应的违章信息,将所述违章信息生成显示页面。
在S101中,拍摄装置拍摄检测路段的监控视频,将所述监控视频上传至数据库。拍摄装置可以设置在红路灯路口、十字路口、实线路况、学校、弯道、高速公路等区域,按照设定步长采集视频图像并把视频数据上传至系统数据库中,数据库中的视频将定期进行自动删除,以节省数据库存储空间。
在步骤S102中,检测装置从数据库获取监控视频,该监控视频为拍摄装置拍摄的待检测视频,对所述监控视频进行打标签,根据所述监控视频的标签确定对应的预设视频模板,由此可以获取到视频拍摄设备拍摄的视频进行检测,将获取到的监控视频进行打标签,可以使得根据标签在预设视频模板库中选取和标签对应的预设视频模板。
在一个实施例中,所述从数据库获取监控视频,对所述监控视频进行打标签,根据所述监控视频的标签确定对应的预设视频模板包括:从系统数据库中获取待检测视频,根据所述待检测视频的基础信息对所述监控视频进行打标签,根据所述监控视频的标签从预设视频模板库中选取对应的预设视频模板,所述预设视频模板包括了在具体地理位置(具体路段具体路口)的违章类型(闯红灯、逆行、压实线行驶等)信息;所述待检测视频为数据中所有待检测视频中拍摄时间最早的视频,所述基础信息包括视频拍摄位置信息、视频拍摄时间信息、对应的视频拍摄装置的设备信息。由此,可以通过标签确定监控视频的基础信息,比如监控视频的来源(设备信息,哪个设备拍摄的),地理位置信息,拍摄时间信息等,进而可以通过标签在预设视频模板库中选择和标签匹配的预设视频模板,也可以通过标签确定违章类型(违章类型)所对应的具体地理位置,也可以当需要对事件(违章)进行追溯时,可以根据标签反映的监控视频的来源进行追溯。
在一个实施例中,所述预设视频模板包括具有标签的若干和所述目标视频片段具有相同帧的视频,且所述预设视频模板的帧经过灰度处理,所述预设视频模板的标签包括位置信息。
在一个实施例中,所述根据所述监控视频的标签从预设视频模板库中选取对应的预设视频模板包括;根据所述监控视频的位置信息遍历所述预设视频模板库,将位置信息和所述监控视频的位置信息相同的预设视频模板确定为对应的预设视频模板。
具体的,比如获取到一个监控视频,该监控视频是A设备在街道X的路口B拍摄,拍摄时间为2020年3月2号上午9点,则将该监控视频可以打标签为“X街道路口B,3月2号上午9点,A”,在预设视频模板库中匹配标签为X街道路口B的视频模板做为对应的预设模板。在这里,需要说明的是,预设视频模板可以直接表征车辆违章的类型,比如,当通过该预设视频模板确定该车辆违章时,可以直接根据该预设视频模板确定车辆违章的类型。可以将已经产生违章的视频片段处理为同类违章事件的预设视频模板。
在步骤S102中,检测装置还确定上述从数据库获取到的所述监控视频的关键帧,根据关键帧将所述监控视频拆分为若干个具有相同数量帧的视频片段,基于预设检测模型根据所述预设视频模板对所述若干视频片段进行打分排序,将打分最高的视频片段确定为目标视频片段,由此可以确定该监控视频是否是满足违章类型的视频,即是否是属于违章的视频片段,并未后续的处理进行准备。如果没有满足违章类型的视频片段,则该监控视频不违章,当确定该监控视频不违章时,触发数据自动删除该监控视频的操作。
在一个实施例中,所述基于预设检测模型根据所述预设视频模板对所述若干视频片段进行打分排序包括:对所述视频片段的每一帧进行灰度化,基于图像相似度算法模型,对所述视频片段的每一帧和预设视频模板的同一时间戳的帧进行相似度计算得到每一帧的相似度,对所述视频片段的所有帧进行加权计算后得出所述视频片段和预设视频模板的相似度,根据所述相似度对所述若干视频片段进行打分排序,相似度越高打分越高,得分越高排序越前。
在步骤S102中,检测装置还将上述打分排序进一步处理,当所述打分的最高分大于等于预设阈值时,将所述目标视频片段中与所述预设视频模板中的标记帧对应的相同时间戳的帧确定为违章证据图,并根据所述监控视频的标签、所述监控视频对应的预设视频模板和所述违章证据图确定对应的违章信息,将所述违章信息生成显示页面。
在这里,预设阈值可以根据实际情况进行设定,比如在压线行驶方面,预设阈值可以设置为100%,闯红灯,可以设为90%。
在一个实施例中,所违章信息包括违章车辆的车辆信息、违章发生的位置信息和违章类型,所述显示页面包括所述违章证据图和所述违章信息,所述预设视频模板中包括违章类型信息,可以通过所述预设视频模板确定所述目标视频片段的违章类型。比如,当监控视频为在2020年3月2号上午9点某车辆在街道X的路口B的压线行驶,在界面显示内容为:车辆车牌号XXXXX、违章时间:2020年3月2号上午9点、违章路段路口:街道X的路口B、违章类型:压线行驶,以及违章证据图。
在一个实施例中,所述方法还包括,将所述显示页面在客户端进行显示,或将所述显示页面上传至数据库,当数据库接收到发送请求时将所述显示页面发送至请求用户的用户终端。比如,当生产显示页面后可以直接在系统所在客户端前端页面进行,也可以将该页面上传至数据库中,当有用户请求获取该显示页面时,数据库将该显示页面下发至请求用户的终端进行查看。
由此,通过拍摄装置拍摄检测路段的监控视频,将所述监控视频上传至数据库;检测装置从数据库获取所述监控视频,对所述监控视频进行打标签,根据所述监控视频的标签确定对应的预设视频模板;确定所述监控视频的关键帧,根据关键帧将所述监控视频拆分为若干个具有相同数量帧的视频片段,基于预设检测模型根据所述预设视频模板对所述若干视频片段进行打分排序,将打分最高的视频片段确定为目标视频片段;当所述打分的最高分大于等于预设阈值时,将所述目标视频片段中与所述预设视频模板中的标记帧对应的相同时间戳的帧确定为违章证据图,并根据所述监控视频的标签、所述监控视频对应的预设视频模板和所述违章证据图确定对应的违章信息,将所述违章信息生成显示页面。由此使得交通违章的检测更加高效和便捷,可视化程度更好。
图2示出了本发明实施例提供的一种智能视频事件检测系统的主要模块示意图,为了便于说明,仅示出与本发明实施例相关的部分,详述如下:
一种基于视频检测的车辆违章检测系统200,包括:
拍摄装置201和检测装置300,所述拍摄装置201用于拍摄检测路段的监控视频,将所述监控视频上传至数据库;
所述检测装置300包括:
视频获取单元301,用于从数据库获取所述监控视频,对所述监控视频进行打标签,根据所述监控视频的标签确定对应的预设视频模板;
目标视频确定单元302,用于确定所述监控视频的关键帧,根据关键帧将所述监控视频拆分为若干个具有相同数量帧的视频片段,基于预设检测模型根据所述预设视频模板对所述若干视频片段进行打分排序,将打分最高的视频片段确定为目标视频片段;
检测结果确定单元303,用于当所述打分的最高分大于等于预设阈值时,将所述目标视频片段中与所述预设视频模板中的标记帧对应的相同时间戳的帧确定为违章证据图,并根据所述监控视频的标签、所述监控视频对应的预设视频模板和所述违章证据图确定对应的违章信息,将所述违章信息生成显示页面。
拍摄装置拍摄检测路段的监控视频,将所述监控视频上传至数据库。拍摄装置可以设置在红路灯路口、十字路口、实线路况、学校、弯道、高速公路等区域,按照设定步长采集视频图像并把视频数据上传至系统数据库中,数据库中的视频将定期进行自动删除,以节省数据库存储空间。
检测装置从数据库获取监控视频,该监控视频为拍摄装置拍摄的待检测视频,对所述监控视频进行打标签,根据所述监控视频的标签确定对应的预设视频模板,由此可以获取到视频拍摄设备拍摄的视频进行检测,将获取到的监控视频进行打标签,可以使得根据标签在预设视频模板库中选取和标签对应的预设视频模板。
在一个实施例中,所述从数据库获取监控视频,对所述监控视频进行打标签,根据所述监控视频的标签确定对应的预设视频模板包括:从系统数据库中获取待检测视频,根据所述待检测视频的基础信息对所述监控视频进行打标签,根据所述监控视频的标签从预设视频模板库中选取对应的预设视频模板,所述预设视频模板包括了在具体地理位置(具体路段具体路口)的违章类型(闯红灯、逆行、压实线行驶等)信息;所述待检测视频为数据中所有待检测视频中拍摄时间最早的视频,所述基础信息包括视频拍摄位置信息、视频拍摄时间信息、对应的视频拍摄装置的设备信息。由此,可以通过标签确定监控视频的基础信息,比如监控视频的来源(设备信息,哪个设备拍摄的),地理位置信息,拍摄时间信息等,进而可以通过标签在预设视频模板库中选择和标签匹配的预设视频模板,也可以通过标签确定违章类型(违章类型)所对应的具体地理位置,也可以当需要对事件(违章)进行追溯时,可以根据标签反映的监控视频的来源进行追溯。
在一个实施例中,所述预设视频模板包括具有标签的若干和所述目标视频片段具有相同帧的视频,且所述预设视频模板的帧经过灰度处理,所述预设视频模板的标签包括位置信息。
在一个实施例中,所述根据所述监控视频的标签从预设视频模板库中选取对应的预设视频模板包括;根据所述监控视频的位置信息遍历所述预设视频模板库,将位置信息和所述监控视频的位置信息相同的预设视频模板确定为对应的预设视频模板。
具体的,比如获取到一个监控视频,该监控视频是A设备在街道X的路口B拍摄,拍摄时间为2020年3月2号上午9点,则将该监控视频可以打标签为“X街道路口B,3月2号上午9点,A”,在预设视频模板库中匹配标签为X街道路口B的视频模板做为对应的预设模板。在这里,需要说明的是,预设视频模板可以直接表征车辆违章的类型,比如,当通过该预设视频模板确定该车辆违章时,可以直接根据该预设视频模板确定车辆违章的类型。可以将已经产生违章的视频片段处理为同类违章事件的预设视频模板。
检测装置还确定上述从数据库获取到的所述监控视频的关键帧,根据关键帧将所述监控视频拆分为若干个具有相同数量帧的视频片段,基于预设检测模型根据所述预设视频模板对所述若干视频片段进行打分排序,将打分最高的视频片段确定为目标视频片段,由此可以确定该监控视频是否是满足违章类型的视频,即是否是属于违章的视频片段,并未后续的处理进行准备。如果没有满足违章类型的视频片段,则该监控视频不违章,当确定该监控视频不违章时,触发数据自动删除该监控视频的操作。
在一个实施例中,所述基于预设检测模型根据所述预设视频模板对所述若干视频片段进行打分排序包括:对所述视频片段的每一帧进行灰度化,基于图像相似度算法模型,对所述视频片段的每一帧和预设视频模板的同一时间戳的帧进行相似度计算得到每一帧的相似度,对所述视频片段的所有帧进行加权计算后得出所述视频片段和预设视频模板的相似度,根据所述相似度对所述若干视频片段进行打分排序,相似度越高打分越高,得分越高排序越前。
检测装置还将上述打分排序进一步处理,当所述打分的最高分大于等于预设阈值时,将所述目标视频片段中与所述预设视频模板中的标记帧对应的相同时间戳的帧确定为违章证据图,并根据所述监控视频的标签、所述监控视频对应的预设视频模板和所述违章证据图确定对应的违章信息,将所述违章信息生成显示页面。
在这里,预设阈值可以根据实际情况进行设定,比如在压线行驶方面,预设阈值可以设置为100%,闯红灯,可以设为90%。
在一个实施例中,所违章信息包括违章车辆的车辆信息、违章发生的位置信息和违章类型,所述显示页面包括所述违章证据图和所述违章信息,所述预设视频模板中包括违章类型信息,可以通过所述预设视频模板确定所述目标视频片段的违章类型。比如,当监控视频为在2020年3月2号上午9点某车辆在街道X的路口B的压线行驶,在界面显示内容为:车辆车牌号XXXXX、违章时间:2020年3月2号上午9点、违章路段路口:街道X的路口B、违章类型:压线行驶,以及违章证据图。
在一个实施例中,所述方法还包括,将所述显示页面在客户端进行显示,或将所述显示页面上传至数据库,当数据库接收到发送请求时将所述显示页面发送至请求用户的用户终端。比如,当生产显示页面后可以直接在系统所在客户端前端页面进行,也可以将该页面上传至数据库中,当有用户请求获取该显示页面时,数据库将该显示页面下发至请求用户的终端进行查看。
由此,本发明实施例提供的基于视频检测的车辆违章检测系统200,包括:拍摄装置201和检测装置300,所述拍摄装置201用于拍摄检测路段的监控视频,将所述监控视频上传至数据库;所述检测装置300包括:视频获取单元301,用于从数据库获取所述监控视频,对所述监控视频进行打标签,根据所述监控视频的标签确定对应的预设视频模板;目标视频确定单元302,用于确定所述监控视频的关键帧,根据关键帧将所述监控视频拆分为若干个具有相同数量帧的视频片段,基于预设检测模型根据所述预设视频模板对所述若干视频片段进行打分排序,将打分最高的视频片段确定为目标视频片段;检测结果确定单元303,用于当所述打分的最高分大于等于预设阈值时,将所述目标视频片段中与所述预设视频模板中的标记帧对应的相同时间戳的帧确定为违章证据图,并根据所述监控视频的标签、所述监控视频对应的预设视频模板和所述违章证据图确定对应的违章信息,将所述违章信息生成显示页面。由此使得交通违章的检测更加高效和便捷。
本发明实施例的又一目的在于提供一种电子设备,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行所述智能视频事件检测方法的步骤。
本发明实施例的再一目的在于一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行所述智能视频事件检测方法的步骤。
图3示出了可以应用本发明实施例的检测方法或检测装置的示例性系统架构500。
如图3所示,系统架构500可以包括终端设备501、502、503,网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备501、502、503通过网络504与服务器505交互,以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器505可以是提供各种服务的服务器,例如对用户利用终端设备501、502、503所发送的往来消息提供支持的后台管理服务器。后台管理服务器可以在接收到终端设备请求后进行分析等处理,并将处理结果反馈给终端设备。
需要说明的是,本发明实施例所提供的车辆违章检测方法可以由服务器505执行,也可以由终端设备501、502、503执行,相应地,车辆违章检测系统可以由服务器505执行,也可以由终端设备501、502、503执行。
应该理解,图3中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图4,其示出了适于用来实现本发明实施例的电子设备的计算机系统600的结构示意图。图4示出的计算机系统仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图4所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;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607;包括硬盘等的存储部分608;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609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,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610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608。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明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609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,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。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、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。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括确定单元、提取单元、训练单元和筛选单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,确定单元还可以被描述为“确定候选用户集的单元”。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,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、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于视频检测的车辆违章检测方法,其特征在于,包括:
拍摄装置拍摄检测路段的监控视频,将所述监控视频上传至数据库;
检测装置从数据库获取所述监控视频,对所述监控视频进行打标签,根据所述监控视频的标签确定对应的预设视频模板;确定所述监控视频的关键帧,根据关键帧将所述监控视频拆分为若干个具有相同数量帧的视频片段,基于预设检测模型根据所述预设视频模板对所述若干视频片段进行打分排序,将打分最高的视频片段确定为目标视频片段;当所述打分的最高分大于等于预设阈值时,将所述目标视频片段中与所述预设视频模板中的标记帧对应的相同时间戳的帧确定为违章证据图,并根据所述监控视频的标签、所述监控视频对应的预设视频模板和所述违章证据图确定对应的违章信息,将所述违章信息生成显示页面;所述违章信息包括违章车辆的车辆信息、违章发生的位置信息和违章类型,所述显示页面包括所述违章证据图和所述违章信息,所述预设视频模板中包括违章类型信息,可以通过所述预设视频模板确定所述目标视频片段的违章类型,所述违章类型包括闯红灯、逆行和压实线行驶。
2.根据权利要求1所述的检测方法,其特征在于,
所述从数据库获取监控视频,对所述监控视频进行打标签,根据所述监控视频的标签确定对应的预设视频模板包括:从系统数据库中获取待检测视频,根据所述待检测视频的基础信息对所述监控视频进行打标签,根据所述监控视频的标签从预设视频模板库中选取对应的预设视频模板;所述待检测视频为数据中所有待检测视频中拍摄时间最早的视频,所述基础信息包括视频拍摄位置信息、视频拍摄时间信息、对应的视频拍摄装置的设备信息。
3.根据权利要求2所述的检测方法,其特征在于,所述预设视频模板包括具有标签的若干和所述目标视频片段具有相同帧的视频,且所述预设视频模板的帧经过灰度处理,所述预设视频模板的标签包括位置信息。
4.根据权利要求3所述的检测方法,其特征在于,所述根据所述监控视频的标签从预设视频模板库中选取对应的预设视频模板包括;根据所述监控视频的位置信息遍历所述预设视频模板库,将位置信息和所述监控视频的位置信息相同的预设视频模板确定为对应的预设视频模板。
5.根据权利要求4 所述的检测方法,其特征在于,所述基于预设检测模型根据所述预设视频模板对所述若干视频片段进行打分排序包括:对所述视频片段的每一帧进行灰度化,基于图像相似度算法模型,对所述视频片段的每一帧和预设视频模板的同一时间戳的帧进行相似度计算得到每一帧的相似度,对所述视频片段的所有帧进行加权计算后得出所述视频片段和预设视频模板的相似度,根据所述相似度对所述若干视频片段进行打分排序,相似度越高打分越高,得分越高排序越前。
6.根据权利要求1所述的检测方法,其特征在于,所述方法还包括,将所述显示页面在客户端进行显示,或将所述显示页面上传至数据库,当数据库接收到发送请求时将所述显示页面发送至请求用户的用户终端。
7.一种基于视频检测的车辆违章检测系统,其特征在于,包括:
拍摄装置和检测装置,所述拍摄装置用于拍摄检测路段的监控视频,将所述监控视频上传至数据库;
所述检测装置包括:
视频获取单元,用于从数据库获取所述监控视频,对所述监控视频进行打标签,根据所述监控视频的标签确定对应的预设视频模板;
目标视频确定单元,用于确定所述监控视频的关键帧,根据关键帧将所述监控视频拆分为若干个具有相同数量帧的视频片段,基于预设检测模型根据所述预设视频模板对所述若干视频片段进行打分排序,将打分最高的视频片段确定为目标视频片段;
检测结果确定单元,用于当所述打分的最高分大于等于预设阈值时,将所述目标视频片段中与所述预设视频模板中的标记帧对应的相同时间戳的帧确定为违章证据图,并根据所述监控视频的标签、所述监控视频对应的预设视频模板和所述违章证据图确定对应的违章信息,将所述违章信息生成显示页面;所述违章信息包括违章车辆的车辆信息、违章发生的位置信息和违章类型,所述显示页面包括所述违章证据图和所述违章信息,所述预设视频模板中包括违章类型信息,可以通过所述预设视频模板确定所述目标视频片段的违章类型,所述违章类型包括闯红灯、逆行和压实线行驶。
8.一种电子设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1至6中任一项权利要求所述的基于视频检测的车辆违章检测方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行权利要求1至6中任一项权利要求所述的基于视频检测的车辆违章检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011251357.9A CN112418026B (zh) | 2020-11-11 | 2020-11-11 | 基于视频检测的车辆违章检测方法、系统和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011251357.9A CN112418026B (zh) | 2020-11-11 | 2020-11-11 | 基于视频检测的车辆违章检测方法、系统和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112418026A CN112418026A (zh) | 2021-02-26 |
CN112418026B true CN112418026B (zh) | 2023-06-02 |
Family
ID=74781798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011251357.9A Active CN112418026B (zh) | 2020-11-11 | 2020-11-11 | 基于视频检测的车辆违章检测方法、系统和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112418026B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113141486A (zh) * | 2021-04-01 | 2021-07-20 | 深圳市安软科技股份有限公司 | 基于边缘计算引擎的数据传输方法、装置及相关设备 |
CN115472014B (zh) * | 2022-09-16 | 2023-10-10 | 苏州映赛智能科技有限公司 | 一种交通追溯方法、系统、服务器及计算机存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693632A (zh) * | 2012-04-27 | 2012-09-26 | 徐贵力 | 一种基于视觉图像的监控装置和监控方法 |
CN104504408A (zh) * | 2015-01-12 | 2015-04-08 | 吴建忠 | 一种人脸识别比对方法和实现该方法的系统 |
WO2015089867A1 (zh) * | 2013-12-17 | 2015-06-25 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种交通违章检测方法 |
CN110717414A (zh) * | 2019-09-24 | 2020-01-21 | 青岛海信网络科技股份有限公司 | 一种目标检测追踪方法、装置及设备 |
CN110996138A (zh) * | 2019-12-17 | 2020-04-10 | 腾讯科技(深圳)有限公司 | 一种视频标注方法、设备及存储介质 |
CN112200067A (zh) * | 2020-10-09 | 2021-01-08 | 宁波职业技术学院 | 智能视频事件检测方法、系统、电子设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6970102B2 (en) * | 2003-05-05 | 2005-11-29 | Transol Pty Ltd | Traffic violation detection, recording and evidence processing system |
-
2020
- 2020-11-11 CN CN202011251357.9A patent/CN112418026B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102693632A (zh) * | 2012-04-27 | 2012-09-26 | 徐贵力 | 一种基于视觉图像的监控装置和监控方法 |
WO2015089867A1 (zh) * | 2013-12-17 | 2015-06-25 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种交通违章检测方法 |
CN104504408A (zh) * | 2015-01-12 | 2015-04-08 | 吴建忠 | 一种人脸识别比对方法和实现该方法的系统 |
CN110717414A (zh) * | 2019-09-24 | 2020-01-21 | 青岛海信网络科技股份有限公司 | 一种目标检测追踪方法、装置及设备 |
CN110996138A (zh) * | 2019-12-17 | 2020-04-10 | 腾讯科技(深圳)有限公司 | 一种视频标注方法、设备及存储介质 |
CN112200067A (zh) * | 2020-10-09 | 2021-01-08 | 宁波职业技术学院 | 智能视频事件检测方法、系统、电子设备和存储介质 |
Non-Patent Citations (2)
Title |
---|
Similarity based vehicle trajectory clustering and anomaly detection;Zhouyu Fu等;《IEEE International Conference on Image Processing 2005》;II-602 * |
基于监控视频的运动车辆检测与违章分析;杜厚鹏;《中国优秀硕士学位论文全文数据库 信息科技辑》(第05期);I138-929 * |
Also Published As
Publication number | Publication date |
---|---|
CN112418026A (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112200067B (zh) | 智能视频事件检测方法、系统、电子设备和存储介质 | |
CN107945198B (zh) | 用于标注点云数据的方法和装置 | |
CN112418026B (zh) | 基于视频检测的车辆违章检测方法、系统和装置 | |
KR102002024B1 (ko) | 객체 라벨링 처리 방법 및 객체 관리 서버 | |
CN107885873B (zh) | 用于输出信息的方法和装置 | |
CN111784774B (zh) | 目标检测方法、装置、计算机可读介质及电子设备 | |
CN109947989B (zh) | 用于处理视频的方法和装置 | |
CN106919610B (zh) | 车联网数据处理方法、系统及服务器 | |
CN112347296B (zh) | 一种基于人脸识别的人员与案件关联分析方法和装置 | |
CN111563398A (zh) | 用于确定目标物的信息的方法和装置 | |
CN114708426A (zh) | 目标检测方法、模型训练方法、装置、设备及存储介质 | |
CN114708545A (zh) | 基于图像的对象侦测方法、装置、设备和存储介质 | |
CN110646002B (zh) | 用于处理信息的方法和装置 | |
AU2020412338B2 (en) | Method and device for improving the searchability of incident-specific social media content posted via particularly identified communication devices | |
CN113473166A (zh) | 一种数据存储系统及方法 | |
US20220366355A1 (en) | Address information collection method and apparatus | |
CN107084728B (zh) | 用于检测数字地图的方法和装置 | |
CN115273025A (zh) | 交通资产的盘点方法、装置、介质及电子设备 | |
Łubkowski et al. | Assessment of quality of identification of data in systems of automatic licence plate recognition | |
CN114708535A (zh) | 测试事件检测算法的方法、装置、电子设备及存储介质 | |
CN110659540A (zh) | 一种交通灯检测方法和装置 | |
CN110334763B (zh) | 模型数据文件生成、图像识别方法、装置、设备及介质 | |
US20170330051A1 (en) | System and Method for Automated Road Identification in Distant Traffic Camera Images | |
CN113869427A (zh) | 一种场景分析方法、装置、电子设备及存储介质 | |
CN111259194B (zh) | 用于确定重复视频的方法和装置 |
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 |