CN112532953B - 一种智慧城市道路照明控制的数据处理方法及系统 - Google Patents
一种智慧城市道路照明控制的数据处理方法及系统 Download PDFInfo
- Publication number
- CN112532953B CN112532953B CN202011537012.XA CN202011537012A CN112532953B CN 112532953 B CN112532953 B CN 112532953B CN 202011537012 A CN202011537012 A CN 202011537012A CN 112532953 B CN112532953 B CN 112532953B
- Authority
- CN
- China
- Prior art keywords
- target
- vehicle
- vehicle speed
- street lamp
- feature
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 238000005286 illumination Methods 0.000 claims abstract description 118
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 154
- 239000011159 matrix material Substances 0.000 claims description 87
- 238000012937 correction Methods 0.000 claims description 24
- 230000007547 defect Effects 0.000 claims description 18
- 230000003068 static effect Effects 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 12
- 238000013075 data extraction Methods 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 8
- 238000013508 migration Methods 0.000 claims description 8
- 230000005012 migration Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000004134 energy conservation Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 5
- 239000002699 waste material Substances 0.000 abstract description 5
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
-
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
- G08G1/054—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed photographing overspeeding vehicles
-
- 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)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及智慧城市和道路照明技术领域,特别涉及一种智慧城市道路照明控制的数据处理方法及系统。本发明在检测到获取的实时图像中存在目标车辆时确定第一目标智能路灯以及第二目标智能路灯,然后确定第一目标智能路灯以及第二目标智能路灯各自的照明范围,然后确定目标车辆经由第一照明范围进入第二照明范围的目标耗时,从而根据目标耗时控制第一目标智能路灯和第二目标智能路灯的工作状态。本发明能够在目标车辆驶入第二照明范围之前提前点亮第二目标智能路灯,避免第二智能路灯整夜点亮,从而避免电力资源的浪费实现节能减排,还能确保目标车辆的照明效果,保证夜间驾驶安全性。
Description
技术领域
本发明涉及智慧城市和道路照明技术领域,特别涉及一种智慧城市道路照明控制的数据处理方法及系统。
背景技术
随着科技的发展,智慧城市的建设越来越成熟。智慧城市能够改善或者解决很多大城市病,从而为人们的生产生活提供良好的环境。现如今,节能减排是智慧城市发展的主要方向,以道路照明为例,如何在确保车辆的行驶安全性的前提下实现路灯的节能减排是现目前需要需要解决的一个技术问题。
发明内容
为改善相关技术中存在的上述技术问题,本发明提供了一种智慧城市道路照明控制的数据处理方法及系统。
本发明实施例的第一方面,提供了一种智慧城市道路照明控制的数据处理方法,应用于路灯控制服务器,所述路灯控制服务器与多个智能路灯通信连接,所述路灯控制服务器还与多个智慧摄像头通信连接,所述方法包括:
获取所述多个智慧摄像头中的至少一个目标摄像头拍摄的实时图像;在检测到所述实时图像中存在目标车辆时,确定所述实时图像中的第一目标智能路灯以及与所述第一目标智能路灯对应的第二目标智能路灯;其中,所述第一目标智能路灯和所述第二目标智能路灯为所述多个智能路灯中的智能路灯,所述第二目标智能路灯根据所述目标车辆的行车轨迹得到,所述行车轨迹通过对所述实时图像进行图像识别得到;
基于所述实时图像确定所述目标车辆的车速变化数据;根据所述车速变化数据以及所述实时图像对应的时序信息绘制所述目标车辆的车速变化轨迹,提取所述车速变化轨迹的轨迹特征序列;
根据预存的所述第一目标智能路灯的第一路灯配置数据以及预存的所述第二目标智能路灯的第二路灯配置数据,确定所述第一目标智能路灯的第一照明范围以及所述第二目标智能路灯的第二照明范围;
基于所述第一照明范围、所述第二照明范围以及提取得到的轨迹特征序列,确定所述目标车辆经由所述第一照明范围进入所述第二照明范围的目标耗时;根据所述目标耗时控制所述第一目标智能路灯和所述第二目标智能路灯的工作状态。
可选地,基于所述实时图像确定所述目标车辆的车速变化数据,包括:
从所述实时图像中识别所述目标车辆的轮廓区域,并提取所述轮廓区域的静态图像特征;
根据所述实时图像对应的每相邻两个视频帧之间的余弦距离确定所述轮廓区域的动态图像特征;
基于所述静态图像特征和所述动态图像特征确定所述目标车辆的车速变化数据。
可选地,基于所述静态图像特征和所述动态图像特征确定所述目标车辆的车速变化数据,包括:
确定所述目标车辆的车辆类型数据以及各轮廓变化特征;在基于所述车辆类型数据、所述静态图像特征和所述动态图像特征判定出存在与所述目标车辆对应的第一车速计算标签的情况下,根据所述目标车辆在所述第一车速计算标签下的轮廓变化特征,以及所述目标车辆在所述第一车速计算标签下的轮廓变化特征的特征识别度,确定所述目标车辆在与所述第一车速计算标签对应的第二车速计算标签下的各轮廓变化特征与所述目标车辆在所述第一车速计算标签下的各轮廓变化特征之间的特征重合度,并基于所述特征重合度将所述目标车辆在所述第二车速计算标签下的与在所述第一车速计算标签下的轮廓变化特征之间的特征重合度位于设定重合度区间内的轮廓变化特征迁移到所述第一车速计算标签下;其中,所述第一车速计算标签用于表征以所述目标车辆为参考进行车速计算,所述第二车速标签用于表征以所述目标车辆以外的物体为参考进行车速计算;
若确定出所述目标车辆对应的所述第二车速计算标签下包含有多个存在连续性标识的轮廓变化特征,根据所述目标车辆在所述第一车速计算标签下的轮廓变化特征以及所述目标车辆在所述第一车速计算标签下的轮廓变化特征的特征识别度,确定所述目标车辆在所述第二车速计算标签下的各存在连续性标识的轮廓变化特征之间的特征重合度,并根据所述各存在连续性标识的轮廓变化特征之间的特征重合度对所述第二车速计算标签下的各存在连续性标识的轮廓变化特征进行特征融合;根据所述目标车辆在所述第一车速计算标签下的轮廓变化特征以及所述目标车辆在所述第一车速计算标签下的轮廓变化特征的特征识别度为上述融合得到的目标轮廓变化特征添加迁移优先级,并基于所述迁移优先级由大到小的顺序将至少部分所述目标轮廓变化特征迁移到所述第一车速计算标签下;
根据所述第一车速计算标签下的轮廓变化特征以及所述第二车速计算标签下的轮廓变化特征,确定所述目标车辆的车速变化数据。
可选地,根据所述第一车速计算标签下的轮廓变化特征以及所述第二车速计算标签下的轮廓变化特征,确定所述目标车辆的车速变化数据,包括:
确定所述第一车速计算标签下的轮廓变化特征对应的第一特征矩阵以及所述第二车速计算标签下的轮廓变化特征对应的第二特征矩阵;获取所述所述第一特征矩阵对应的第一矩阵元素队列,获取所述第二特征矩阵对应的第二矩阵元素队列;在所述第一矩阵元素队列和所述第二矩阵元素队列的队列长度相同的前提下,统计所述第一矩阵元素队列和所述第二矩阵元素队列中分别包括的多个具有不同的变化权重的矩阵元素;获得所述第一特征矩阵在所述第一矩阵元素队列的任一矩阵元素的车辆部位区域特征并将所述第二矩阵元素队列中具有最大变化权重的矩阵元素确定为目标矩阵元素;
根据所述静态图像特征和所述动态图像特征之间的特征相似系数将所述车辆部位区域特征添加到所述目标矩阵元素中以在所述目标矩阵元素中确定出与所述车辆部位区域特征对应的车辆部位形变特征;基于所述车辆部位区域特征以及所述车辆部位形变特征,生成所述第一特征矩阵和所述第二特征矩阵之间的车速计算偏差数据;以所述车辆部位形变特征为基础特征在所述目标矩阵元素中获取图像帧缺损特征,根据所述车速计算偏差数据对应的车速偏移系数分布,将所述图像帧缺损特征添加到所述车辆部位区域特征所在的矩阵元素中以在所述车辆部位区域特征所在的矩阵元素中得到所述图像帧缺损特征对应的车辆缺损形变特征,并根据所述车辆缺损形变特征对应的基础特征确定瞬时车速数据;
确定用于将所述车辆部位区域特征添加到所述目标矩阵元素中的特征线程执行数据;根据所述车辆缺损形变特征与所述特征线程执行数据上的多个数据节点对应的执行参数特征之间的特征重合度,在所述第二矩阵元素队列中依次获取所述瞬时车速数据对应的车速修正元素,直至获取到的所述车速修正元素所在矩阵元素的时效性权重与所述瞬时车速数据在所述第一矩阵元素队列中的时效性权重一致时,停止获取下一矩阵元素中的车速修正元素,并建立所述瞬时车速数据与最后一次获取到的车速修正元素之间的车速修正关系;基于所述车速修正关系以及所述目标车辆在每个设定时间步长内的位移数据确定所述目标车辆的车速变化数据。
可选地,根据所述车速变化数据以及所述实时图像对应的时序信息绘制所述目标车辆的车速变化轨迹,提取所述车速变化轨迹的轨迹特征序列,包括:
生成所述车速变化数据对应的第一车速变化列表,提取所述实时图像对应的时序信息的第一时序特征列表,将所述第一车速变化列表与所述第一时序特征列表进行融合得到时速变化列表;确定出所述第一车速变化列表对应的第一列表结构化数据与所述第一时序特征列表对应的第二列表结构化数据之间的第一结构化差异数据以及所述第一时序特征列表对应的第二列表结构化数据与所述时速变化列表对应的第三列表结构化数据之间的第二结构化差异数据;
针对所述第一车速变化列表,以所述第一列表结构化数据为参考数据基于所述第一结构化差异数据对所述第一车速变化列表进行列表结构校正得到第二车速变化列表;针对所述第一时序特征列表,以所述第二列表结构化数据为参考数据基于所述第二结构化差异数据对所述第一时序特征列表进行列表结构校正得到第二时序特征列表;
分别将所述第一车速变化列表和所述第一时序特征列表、所述第一车速变化列表和所述第二车速变化列表、所述第一时序特征列表和所述时速变化列表、以及所述第一时序特征列表和所述第二时序特征列表进行列表相关性计算,得到第一相关性计算结果、第二相关性计算结果、第三相关性计算结果和第四相关性计算结果;确定出所述第一相关性计算结果和所述第二相关性计算结果之间的第一相关性差值以及所述第三相关性计算结果和所述第四相关性计算结果之间的第二相关性差值;判断所述第一相关性差值和所述第二相关性差值是否均位于设定差值区间内;
若是,根据所述第一相关性计算结果和所述第三相关性计算结果确定出针对所述目标车辆进行车速变化轨迹绘制的原始轨迹数据并按照所述目标车辆对应的原始轨迹数据对所述第一车速变化列表、所述第一时序特征列表和所述时速变化列表进行列表数据提取得到目标轨迹数据集合;若否,分别确定出所述第一相关性差值和所述第二相关性差值与所述设定差值区间的第一区间差值和第二区间差值;比较所述第一区间差值和所述第二区间差值的大小;在所述第一区间差值小于所述第二区间差值时,根据所述第一相关性计算结果和所述第二相关性计算结果确定出针对所述目标车辆进行车速变化轨迹绘制的原始轨迹数据并按照所述目标车辆对应的原始轨迹数据对所述第一车速变化列表、所述第一时序特征列表和所述时速变化列表进行列表数据提取得到目标轨迹数据集合;在所述第一区间差值大于所述第二区间差值时,根据所述第三相关性计算结果和所述第四相关性计算结果确定出针对所述目标车辆进行车速变化轨迹绘制的原始轨迹数据并按照所述目标车辆对应的原始轨迹数据对所述第一车速变化列表、所述第一时序特征列表和所述时速变化列表进行列表数据提取得到目标轨迹数据集合;基于所述目标轨迹数据集合对所述目标车辆进行车速变化轨迹绘制,得到所述目标车辆对应的车速变化轨迹,并基于预设轨迹识别模型对所述车速变化轨迹进行轨迹特征提取,得到轨迹特征序列。
可选地,根据预存的所述第一目标智能路灯的第一路灯配置数据以及预存的所述第二目标智能路灯的第二路灯配置数据,确定所述第一目标智能路灯的第一照明范围以及所述第二目标智能路灯的第二照明范围,包括:
基于所述第一路灯配置数据中的第一照明标签对应的第一照明数据、第一功率标签对应的第一功率数据,确定所述第一目标智能路灯的第一照明范围;
基于所述第二路灯配置数据中的第二照明标签对应的第二照明数据、第二功率标签对应的第二功率数据,确定所述第二目标智能路灯的第一照明范围。
可选地,基于所述第一照明范围、所述第二照明范围以及提取得到的轨迹特征序列,确定所述目标车辆经由所述第一照明范围进入所述第二照明范围的目标耗时,包括:
确定所述第一照明范围和所述第二照明范围的重叠照明范围;
根据所述轨迹特征序列确定所述目标车辆对应的目标车速;其中,所述目标车速为所述目标车辆在不同行驶状态下的平均车速的均值;
基于所述重叠照明范围以及所述目标车速,计算所述目标车辆经由所述第一照明范围进入所述第二照明范围的目标耗时。
可选地,根据所述目标耗时控制所述第一目标智能路灯和所述第二目标智能路灯的工作状态,包括:
根据所述目标耗时确定第一传输耗时和第二传输耗时;
基于所述第一传输耗时控制所述第一目标智能路灯在所述目标车辆驶出所述第一照明范围之后关闭;
基于所述第二传输耗时控制所述第二目标智能路灯在所述目标车辆驶入所述第二照明范围之前开启。
可选地,确定所述实时图像中的第一目标智能路灯以及与所述第一目标智能路灯对应的第二目标智能路灯,包括:
对所述实时图像进行图像识别得到行车轨迹;
根据所述行车轨迹确定所述第二目标智能路灯。
本发明实施例的第二方面,提供了一种智慧城市道路照明控制的数据处理系统,包括路灯控制服务器、多个智能路灯和多个智慧摄像头;所述路灯控制服务器与多个智能路灯通信连接,所述路灯控制服务器还与多个智慧摄像头通信连接,所述路灯控制服务器用于:
获取所述多个智慧摄像头中的至少一个目标摄像头拍摄的实时图像;在检测到所述实时图像中存在目标车辆时,确定所述实时图像中的第一目标智能路灯以及与所述第一目标智能路灯对应的第二目标智能路灯;其中,所述第一目标智能路灯和所述第二目标智能路灯为所述多个智能路灯中的智能路灯,所述第二目标智能路灯根据所述目标车辆的行车轨迹得到,所述行车轨迹通过对所述实时图像进行图像识别得到;
基于所述实时图像确定所述目标车辆的车速变化数据;根据所述车速变化数据以及所述实时图像对应的时序信息绘制所述目标车辆的车速变化轨迹,提取所述车速变化轨迹的轨迹特征序列;
根据预存的所述第一目标智能路灯的第一路灯配置数据以及预存的所述第二目标智能路灯的第二路灯配置数据,确定所述第一目标智能路灯的第一照明范围以及所述第二目标智能路灯的第二照明范围;
基于所述第一照明范围、所述第二照明范围以及提取得到的轨迹特征序列,确定所述目标车辆经由所述第一照明范围进入所述第二照明范围的目标耗时;根据所述目标耗时控制所述第一目标智能路灯和所述第二目标智能路灯的工作状态。
本发明的实施例提供的技术方案可以包括以下有益效果。
首先在检测到获取的实时图像中存在目标车辆时确定第一目标智能路灯以及第二目标智能路灯,其次基于实时图像确定所述目标车辆的车速变化数据并结合实时图像对应的时序信息绘制目标车辆的车速变化轨迹,然后提取车速变化轨迹的轨迹特征序列,进一步确定第一目标智能路灯以及第二目标智能路灯各自的照明范围,这样可以确定目标车辆经由第一照明范围进入第二照明范围的目标耗时,从而根据目标耗时控制第一目标智能路灯和第二目标智能路灯的工作状态。如此,能够在目标车辆驶入第二照明范围之前提前点亮第二目标智能路灯,避免第二智能路灯整夜点亮,从而避免电力资源的浪费,实现节能减排,还能够确保目标车辆的照明效果,保证夜间驾驶安全性。
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的,并不能限制本发明。
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,示出了符合本发明的实施例,并于说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种智慧城市道路照明控制的数据处理方法的流程图;
图2是根据一示例性实施例示出的一种智慧城市道路照明控制的数据处理系统的架构示意图。
图3是根据一示例性实施例示出的一种路灯控制服务器的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
发明人经研究发现,为了确保车辆的行驶安全性的前提下实现路灯的节能减排,需要精准控制路灯的间歇性开启和关闭,同时需要对车辆的车速进行考虑。为实现上述目的,本发明实施例提供了智慧城市道路照明控制的数据处理方法及系统。
首先请参阅图1,示出了一种智慧城市道路照明控制的数据处理方法,所述方法可以应用于路灯控制服务器,所述路灯控制服务器与多个智能路灯通信连接,所述路灯控制服务器还与多个智慧摄像头通信连接。在上述基础上,所述方法可以包括以下步骤S11-步骤S14所描述的内容。
步骤S11,获取所述多个智慧摄像头中的至少一个目标摄像头拍摄的实时图像;在检测到所述实时图像中存在目标车辆时,确定所述实时图像中的第一目标智能路灯以及与所述第一目标智能路灯对应的第二目标智能路灯。
例如,所述第一目标智能路灯和所述第二目标智能路灯为所述多个智能路灯中的智能路灯,所述第二目标智能路灯根据所述目标车辆的行车轨迹得到,所述行车轨迹通过对所述实时图像进行图像识别得到。
步骤S12,基于所述实时图像确定所述目标车辆的车速变化数据;根据所述车速变化数据以及所述实时图像对应的时序信息绘制所述目标车辆的车速变化轨迹,提取所述车速变化轨迹的轨迹特征序列。
例如,车速变化数据可以是目标车辆在不同时刻的车速之间的差异数据,时序信息为实时图像的拍摄时刻信息,车速变化轨迹用于描述目标车辆的车速变化趋势。轨迹特征序列用于记录车速变化轨迹在不同时刻的车速突变类型(急加速或者急刹)。
步骤S13,根据预存的所述第一目标智能路灯的第一路灯配置数据以及预存的所述第二目标智能路灯的第二路灯配置数据,确定所述第一目标智能路灯的第一照明范围以及所述第二目标智能路灯的第二照明范围。
例如,路灯配置数据用于记录智能路灯的相关设备参数。照明范围是指智能路灯照射在地面上的范围。
步骤S14,基于所述第一照明范围、所述第二照明范围以及提取得到的轨迹特征序列,确定所述目标车辆经由所述第一照明范围进入所述第二照明范围的目标耗时;根据所述目标耗时控制所述第一目标智能路灯和所述第二目标智能路灯的工作状态。
可以理解,通过执行上述步骤S11-步骤S14,首先在检测到获取的实时图像中存在目标车辆时确定第一目标智能路灯以及第二目标智能路灯,其次基于实时图像确定所述目标车辆的车速变化数据并结合实时图像对应的时序信息绘制目标车辆的车速变化轨迹,然后提取车速变化轨迹的轨迹特征序列,进一步确定第一目标智能路灯以及第二目标智能路灯各自的照明范围,这样可以确定目标车辆经由第一照明范围进入第二照明范围的目标耗时,从而根据目标耗时控制第一目标智能路灯和第二目标智能路灯的工作状态。如此,能够在目标车辆驶入第二照明范围之前提前点亮第二目标智能路灯,避免第二智能路灯整夜点亮,从而避免电力资源的浪费,实现节能减排,还能够确保目标车辆的照明效果,保证夜间驾驶安全性。
在一些示例中,步骤S12所描述的基于所述实时图像确定所述目标车辆的车速变化数据,可以包括以下步骤S121-步骤S123所描述的内容。
步骤S121,从所述实时图像中识别所述目标车辆的轮廓区域,并提取所述轮廓区域的静态图像特征。
步骤S122,根据所述实时图像对应的每相邻两个视频帧之间的余弦距离确定所述轮廓区域的动态图像特征。
步骤S123,基于所述静态图像特征和所述动态图像特征确定所述目标车辆的车速变化数据。
如此,基于上述步骤S121-步骤S123,能够将目标车辆的轮廓区域的静态图像特征和动态图像特征考虑在内,从而基于较小的轮廓区域准确确定车速变化数据。
进一步地,步骤S123所描述的基于所述静态图像特征和所述动态图像特征确定所述目标车辆的车速变化数据,示例性地包括以下步骤S1231-步骤S1233所描述的内容。
步骤S1231,确定所述目标车辆的车辆类型数据以及各轮廓变化特征;在基于所述车辆类型数据、所述静态图像特征和所述动态图像特征判定出存在与所述目标车辆对应的第一车速计算标签的情况下,根据所述目标车辆在所述第一车速计算标签下的轮廓变化特征,以及所述目标车辆在所述第一车速计算标签下的轮廓变化特征的特征识别度,确定所述目标车辆在与所述第一车速计算标签对应的第二车速计算标签下的各轮廓变化特征与所述目标车辆在所述第一车速计算标签下的各轮廓变化特征之间的特征重合度,并基于所述特征重合度将所述目标车辆在所述第二车速计算标签下的与在所述第一车速计算标签下的轮廓变化特征之间的特征重合度位于设定重合度区间内的轮廓变化特征迁移到所述第一车速计算标签下;其中,所述第一车速计算标签用于表征以所述目标车辆为参考进行车速计算,所述第二车速标签用于表征以所述目标车辆以外的物体为参考进行车速计算。
步骤S1232,若确定出所述目标车辆对应的所述第二车速计算标签下包含有多个存在连续性标识的轮廓变化特征,根据所述目标车辆在所述第一车速计算标签下的轮廓变化特征以及所述目标车辆在所述第一车速计算标签下的轮廓变化特征的特征识别度,确定所述目标车辆在所述第二车速计算标签下的各存在连续性标识的轮廓变化特征之间的特征重合度,并根据所述各存在连续性标识的轮廓变化特征之间的特征重合度对所述第二车速计算标签下的各存在连续性标识的轮廓变化特征进行特征融合;根据所述目标车辆在所述第一车速计算标签下的轮廓变化特征以及所述目标车辆在所述第一车速计算标签下的轮廓变化特征的特征识别度为上述融合得到的目标轮廓变化特征添加迁移优先级,并基于所述迁移优先级由大到小的顺序将至少部分所述目标轮廓变化特征迁移到所述第一车速计算标签下。
步骤S1233,根据所述第一车速计算标签下的轮廓变化特征以及所述第二车速计算标签下的轮廓变化特征,确定所述目标车辆的车速变化数据。
这样一来,能够根据不同的车速计算标准实现对目标车辆的车速变化数据的综合计算,从而将智慧摄像头的拍摄误差考虑在内,确保车速变化数据尽可能与实际车速变化相接近。
更进一步地,步骤S1233所描述的根据所述第一车速计算标签下的轮廓变化特征以及所述第二车速计算标签下的轮廓变化特征,确定所述目标车辆的车速变化数据,可以通过以下步骤S1233a-步骤S1233c所描述的内容实现。
步骤S1233a,确定所述第一车速计算标签下的轮廓变化特征对应的第一特征矩阵以及所述第二车速计算标签下的轮廓变化特征对应的第二特征矩阵;获取所述所述第一特征矩阵对应的第一矩阵元素队列,获取所述第二特征矩阵对应的第二矩阵元素队列;在所述第一矩阵元素队列和所述第二矩阵元素队列的队列长度相同的前提下,统计所述第一矩阵元素队列和所述第二矩阵元素队列中分别包括的多个具有不同的变化权重的矩阵元素;获得所述第一特征矩阵在所述第一矩阵元素队列的任一矩阵元素的车辆部位区域特征并将所述第二矩阵元素队列中具有最大变化权重的矩阵元素确定为目标矩阵元素。
步骤S1233b,根据所述静态图像特征和所述动态图像特征之间的特征相似系数将所述车辆部位区域特征添加到所述目标矩阵元素中以在所述目标矩阵元素中确定出与所述车辆部位区域特征对应的车辆部位形变特征;基于所述车辆部位区域特征以及所述车辆部位形变特征,生成所述第一特征矩阵和所述第二特征矩阵之间的车速计算偏差数据;以所述车辆部位形变特征为基础特征在所述目标矩阵元素中获取图像帧缺损特征,根据所述车速计算偏差数据对应的车速偏移系数分布,将所述图像帧缺损特征添加到所述车辆部位区域特征所在的矩阵元素中以在所述车辆部位区域特征所在的矩阵元素中得到所述图像帧缺损特征对应的车辆缺损形变特征,并根据所述车辆缺损形变特征对应的基础特征确定瞬时车速数据。
步骤S1233c确定用于将所述车辆部位区域特征添加到所述目标矩阵元素中的特征线程执行数据;根据所述车辆缺损形变特征与所述特征线程执行数据上的多个数据节点对应的执行参数特征之间的特征重合度,在所述第二矩阵元素队列中依次获取所述瞬时车速数据对应的车速修正元素,直至获取到的所述车速修正元素所在矩阵元素的时效性权重与所述瞬时车速数据在所述第一矩阵元素队列中的时效性权重一致时,停止获取下一矩阵元素中的车速修正元素,并建立所述瞬时车速数据与最后一次获取到的车速修正元素之间的车速修正关系;基于所述车速修正关系以及所述目标车辆在每个设定时间步长内的位移数据确定所述目标车辆的车速变化数据。
在一个可能的实施例中,步骤S12所描述的根据所述车速变化数据以及所述实时图像对应的时序信息绘制所述目标车辆的车速变化轨迹,提取所述车速变化轨迹的轨迹特征序列,进一步可以包括以下步骤(1)-步骤(4)所描述的内容。
(1)生成所述车速变化数据对应的第一车速变化列表,提取所述实时图像对应的时序信息的第一时序特征列表,将所述第一车速变化列表与所述第一时序特征列表进行融合得到时速变化列表;确定出所述第一车速变化列表对应的第一列表结构化数据与所述第一时序特征列表对应的第二列表结构化数据之间的第一结构化差异数据以及所述第一时序特征列表对应的第二列表结构化数据与所述时速变化列表对应的第三列表结构化数据之间的第二结构化差异数据。
(2)针对所述第一车速变化列表,以所述第一列表结构化数据为参考数据基于所述第一结构化差异数据对所述第一车速变化列表进行列表结构校正得到第二车速变化列表;针对所述第一时序特征列表,以所述第二列表结构化数据为参考数据基于所述第二结构化差异数据对所述第一时序特征列表进行列表结构校正得到第二时序特征列表。
(3)分别将所述第一车速变化列表和所述第一时序特征列表、所述第一车速变化列表和所述第二车速变化列表、所述第一时序特征列表和所述时速变化列表、以及所述第一时序特征列表和所述第二时序特征列表进行列表相关性计算,得到第一相关性计算结果、第二相关性计算结果、第三相关性计算结果和第四相关性计算结果;确定出所述第一相关性计算结果和所述第二相关性计算结果之间的第一相关性差值以及所述第三相关性计算结果和所述第四相关性计算结果之间的第二相关性差值;判断所述第一相关性差值和所述第二相关性差值是否均位于设定差值区间内。
(4)若是,根据所述第一相关性计算结果和所述第三相关性计算结果确定出针对所述目标车辆进行车速变化轨迹绘制的原始轨迹数据并按照所述目标车辆对应的原始轨迹数据对所述第一车速变化列表、所述第一时序特征列表和所述时速变化列表进行列表数据提取得到目标轨迹数据集合;若否,分别确定出所述第一相关性差值和所述第二相关性差值与所述设定差值区间的第一区间差值和第二区间差值;比较所述第一区间差值和所述第二区间差值的大小;在所述第一区间差值小于所述第二区间差值时,根据所述第一相关性计算结果和所述第二相关性计算结果确定出针对所述目标车辆进行车速变化轨迹绘制的原始轨迹数据并按照所述目标车辆对应的原始轨迹数据对所述第一车速变化列表、所述第一时序特征列表和所述时速变化列表进行列表数据提取得到目标轨迹数据集合;在所述第一区间差值大于所述第二区间差值时,根据所述第三相关性计算结果和所述第四相关性计算结果确定出针对所述目标车辆进行车速变化轨迹绘制的原始轨迹数据并按照所述目标车辆对应的原始轨迹数据对所述第一车速变化列表、所述第一时序特征列表和所述时速变化列表进行列表数据提取得到目标轨迹数据集合;基于所述目标轨迹数据集合对所述目标车辆进行车速变化轨迹绘制,得到所述目标车辆对应的车速变化轨迹,并基于预设轨迹识别模型对所述车速变化轨迹进行轨迹特征提取,得到轨迹特征序列。
可以理解,基于上述步骤(1)-步骤(4),能够确保车速变化轨迹的平滑性,从而尽可能减少车速变化轨迹的系统性突变而导致轨迹特征序列出现较大的偏差。
进一步地,步骤S13所描述的根据预存的所述第一目标智能路灯的第一路灯配置数据以及预存的所述第二目标智能路灯的第二路灯配置数据,确定所述第一目标智能路灯的第一照明范围以及所述第二目标智能路灯的第二照明范围,包括:基于所述第一路灯配置数据中的第一照明标签对应的第一照明数据、第一功率标签对应的第一功率数据,确定所述第一目标智能路灯的第一照明范围;基于所述第二路灯配置数据中的第二照明标签对应的第二照明数据、第二功率标签对应的第二功率数据,确定所述第二目标智能路灯的第一照明范围。
在一个可能的示例中,步骤S14所描述的基于所述第一照明范围、所述第二照明范围以及提取得到的轨迹特征序列,确定所述目标车辆经由所述第一照明范围进入所述第二照明范围的目标耗时,包括:确定所述第一照明范围和所述第二照明范围的重叠照明范围;根据所述轨迹特征序列确定所述目标车辆对应的目标车速;其中,所述目标车速为所述目标车辆在不同行驶状态下的平均车速的均值;基于所述重叠照明范围以及所述目标车速,计算所述目标车辆经由所述第一照明范围进入所述第二照明范围的目标耗时。如此,可以确保目标耗时与目标车辆的实际行驶路况相匹配。
在一些示例中,步骤S14所描述的根据所述目标耗时控制所述第一目标智能路灯和所述第二目标智能路灯的工作状态,包括:根据所述目标耗时确定第一传输耗时和第二传输耗时;基于所述第一传输耗时控制所述第一目标智能路灯在所述目标车辆驶出所述第一照明范围之后关闭;基于所述第二传输耗时控制所述第二目标智能路灯在所述目标车辆驶入所述第二照明范围之前开启。这样,能够在目标车辆驶入第二照明范围之前提前点亮第二目标智能路灯,避免第二智能路灯整夜点亮,从而避免电力资源的浪费,实现节能减排,还能够确保目标车辆的照明效果,保证夜间驾驶安全性。
进一步地,步骤S11所描述的确定所述实时图像中的第一目标智能路灯以及与所述第一目标智能路灯对应的第二目标智能路灯,包括:对所述实时图像进行图像识别得到行车轨迹;根据所述行车轨迹确定所述第二目标智能路灯。
基于上述同样的发明构思,如图2所示,还示出了一种智慧城市道路照明控制的数据处理系统100,包括路灯控制服务器200、多个智能路灯300和多个智慧摄像头400。其中,所述路灯控制服务器200与多个智能路灯300通信连接,所述路灯控制服务器200还与多个智慧摄像头400通信连接,所述路灯控制服务器200用于:
获取所述多个智慧摄像头中的至少一个目标摄像头拍摄的实时图像;在检测到所述实时图像中存在目标车辆时,确定所述实时图像中的第一目标智能路灯以及与所述第一目标智能路灯对应的第二目标智能路灯;其中,所述第一目标智能路灯和所述第二目标智能路灯为所述多个智能路灯中的智能路灯,所述第二目标智能路灯根据所述目标车辆的行车轨迹得到,所述行车轨迹通过对所述实时图像进行图像识别得到;
基于所述实时图像确定所述目标车辆的车速变化数据;根据所述车速变化数据以及所述实时图像对应的时序信息绘制所述目标车辆的车速变化轨迹,提取所述车速变化轨迹的轨迹特征序列;
根据预存的所述第一目标智能路灯的第一路灯配置数据以及预存的所述第二目标智能路灯的第二路灯配置数据,确定所述第一目标智能路灯的第一照明范围以及所述第二目标智能路灯的第二照明范围;
基于所述第一照明范围、所述第二照明范围以及提取得到的轨迹特征序列,确定所述目标车辆经由所述第一照明范围进入所述第二照明范围的目标耗时;根据所述目标耗时控制所述第一目标智能路灯和所述第二目标智能路灯的工作状态。
可以理解,关于上述系统实施例的说明请参阅对图1所示的方法实施例的说明。
此外,请结合参阅图3,示出了一种路灯控制服务器200,包括互相之间通信的处理器210和存储器220。其中,所述处理器210在运行时从所述存储器220中读取计算机程序,并通过运行所述计算机程序实现如图1所示的方法。
综上,在应用上述方案时,首先在检测到获取的实时图像中存在目标车辆时确定第一目标智能路灯以及第二目标智能路灯,其次基于实时图像确定所述目标车辆的车速变化数据并结合实时图像对应的时序信息绘制目标车辆的车速变化轨迹,然后提取车速变化轨迹的轨迹特征序列,进一步确定第一目标智能路灯以及第二目标智能路灯各自的照明范围,这样可以确定目标车辆经由第一照明范围进入第二照明范围的目标耗时,从而根据目标耗时控制第一目标智能路灯和第二目标智能路灯的工作状态。如此,能够在目标车辆驶入第二照明范围之前提前点亮第二目标智能路灯,避免第二智能路灯整夜点亮,从而避免电力资源的浪费,实现节能减排,还能够确保目标车辆的照明效果,保证夜间驾驶安全性。
应当理解的是,本发明并不局限于上面已经描述的内容,并且可以在不脱离其范围执行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (8)
1.一种智慧城市道路照明控制的数据处理方法,其特征在于,应用于路灯控制服务器,所述路灯控制服务器与多个智能路灯通信连接,所述路灯控制服务器还与多个智慧摄像头通信连接,所述方法包括:
获取所述多个智慧摄像头中的至少一个目标摄像头拍摄的实时图像;在检测到所述实时图像中存在目标车辆时,确定所述实时图像中的第一目标智能路灯以及与所述第一目标智能路灯对应的第二目标智能路灯;其中,所述第一目标智能路灯和所述第二目标智能路灯为所述多个智能路灯中的智能路灯,所述第二目标智能路灯根据所述目标车辆的行车轨迹得到,所述行车轨迹通过对所述实时图像进行图像识别得到;
基于所述实时图像确定所述目标车辆的车速变化数据;根据所述车速变化数据以及所述实时图像对应的时序信息绘制所述目标车辆的车速变化轨迹,提取所述车速变化轨迹的轨迹特征序列;
根据预存的所述第一目标智能路灯的第一路灯配置数据以及预存的所述第二目标智能路灯的第二路灯配置数据,确定所述第一目标智能路灯的第一照明范围以及所述第二目标智能路灯的第二照明范围;
基于所述第一照明范围、所述第二照明范围以及提取得到的轨迹特征序列,确定所述目标车辆经由所述第一照明范围进入所述第二照明范围的目标耗时;根据所述目标耗时控制所述第一目标智能路灯和所述第二目标智能路灯的工作状态;
其中,基于所述实时图像确定所述目标车辆的车速变化数据,包括:
从所述实时图像中识别所述目标车辆的轮廓区域,并提取所述轮廓区域的静态图像特征;
根据所述实时图像对应的每相邻两个视频帧之间的余弦距离确定所述轮廓区域的动态图像特征;
基于所述静态图像特征和所述动态图像特征确定所述目标车辆的车速变化数据;
其中,基于所述静态图像特征和所述动态图像特征确定所述目标车辆的车速变化数据,包括:
确定所述目标车辆的车辆类型数据以及各轮廓变化特征;在基于所述车辆类型数据、所述静态图像特征和所述动态图像特征判定出存在与所述目标车辆对应的第一车速计算标签的情况下,根据所述目标车辆在所述第一车速计算标签下的轮廓变化特征,以及所述目标车辆在所述第一车速计算标签下的轮廓变化特征的特征识别度,确定所述目标车辆在与所述第一车速计算标签对应的第二车速计算标签下的各轮廓变化特征与所述目标车辆在所述第一车速计算标签下的各轮廓变化特征之间的特征重合度,并基于所述特征重合度将所述目标车辆在所述第二车速计算标签下的与在所述第一车速计算标签下的轮廓变化特征之间的特征重合度位于设定重合度区间内的轮廓变化特征迁移到所述第一车速计算标签下;其中,所述第一车速计算标签用于表征以所述目标车辆为参考进行车速计算,所述第二车速标签用于表征以所述目标车辆以外的物体为参考进行车速计算;
若确定出所述目标车辆对应的所述第二车速计算标签下包含有多个存在连续性标识的轮廓变化特征,根据所述目标车辆在所述第一车速计算标签下的轮廓变化特征以及所述目标车辆在所述第一车速计算标签下的轮廓变化特征的特征识别度,确定所述目标车辆在所述第二车速计算标签下的各存在连续性标识的轮廓变化特征之间的特征重合度,并根据所述各存在连续性标识的轮廓变化特征之间的特征重合度对所述第二车速计算标签下的各存在连续性标识的轮廓变化特征进行特征融合;根据所述目标车辆在所述第一车速计算标签下的轮廓变化特征以及所述目标车辆在所述第一车速计算标签下的轮廓变化特征的特征识别度为上述融合得到的目标轮廓变化特征添加迁移优先级,并基于所述迁移优先级由大到小的顺序将至少部分所述目标轮廓变化特征迁移到所述第一车速计算标签下;
根据所述第一车速计算标签下的轮廓变化特征以及所述第二车速计算标签下的轮廓变化特征,确定所述目标车辆的车速变化数据。
2.根据权利要求1所述的方法,其特征在于,根据所述第一车速计算标签下的轮廓变化特征以及所述第二车速计算标签下的轮廓变化特征,确定所述目标车辆的车速变化数据,包括:
确定所述第一车速计算标签下的轮廓变化特征对应的第一特征矩阵以及所述第二车速计算标签下的轮廓变化特征对应的第二特征矩阵;获取所述所述第一特征矩阵对应的第一矩阵元素队列,获取所述第二特征矩阵对应的第二矩阵元素队列;在所述第一矩阵元素队列和所述第二矩阵元素队列的队列长度相同的前提下,统计所述第一矩阵元素队列和所述第二矩阵元素队列中分别包括的多个具有不同的变化权重的矩阵元素;获得所述第一特征矩阵在所述第一矩阵元素队列的任一矩阵元素的车辆部位区域特征并将所述第二矩阵元素队列中具有最大变化权重的矩阵元素确定为目标矩阵元素;
根据所述静态图像特征和所述动态图像特征之间的特征相似系数将所述车辆部位区域特征添加到所述目标矩阵元素中以在所述目标矩阵元素中确定出与所述车辆部位区域特征对应的车辆部位形变特征;基于所述车辆部位区域特征以及所述车辆部位形变特征,生成所述第一特征矩阵和所述第二特征矩阵之间的车速计算偏差数据;以所述车辆部位形变特征为基础特征在所述目标矩阵元素中获取图像帧缺损特征,根据所述车速计算偏差数据对应的车速偏移系数分布,将所述图像帧缺损特征添加到所述车辆部位区域特征所在的矩阵元素中以在所述车辆部位区域特征所在的矩阵元素中得到所述图像帧缺损特征对应的车辆缺损形变特征,并根据所述车辆缺损形变特征对应的基础特征确定瞬时车速数据;
确定用于将所述车辆部位区域特征添加到所述目标矩阵元素中的特征线程执行数据;根据所述车辆缺损形变特征与所述特征线程执行数据上的多个数据节点对应的执行参数特征之间的特征重合度,在所述第二矩阵元素队列中依次获取所述瞬时车速数据对应的车速修正元素,直至获取到的所述车速修正元素所在矩阵元素的时效性权重与所述瞬时车速数据在所述第一矩阵元素队列中的时效性权重一致时,停止获取下一矩阵元素中的车速修正元素,并建立所述瞬时车速数据与最后一次获取到的车速修正元素之间的车速修正关系;基于所述车速修正关系以及所述目标车辆在每个设定时间步长内的位移数据确定所述目标车辆的车速变化数据。
3.根据权利要求1-2任一项所述的方法,其特征在于,根据所述车速变化数据以及所述实时图像对应的时序信息绘制所述目标车辆的车速变化轨迹,提取所述车速变化轨迹的轨迹特征序列,包括:
生成所述车速变化数据对应的第一车速变化列表,提取所述实时图像对应的时序信息的第一时序特征列表,将所述第一车速变化列表与所述第一时序特征列表进行融合得到时速变化列表;确定出所述第一车速变化列表对应的第一列表结构化数据与所述第一时序特征列表对应的第二列表结构化数据之间的第一结构化差异数据以及所述第一时序特征列表对应的第二列表结构化数据与所述时速变化列表对应的第三列表结构化数据之间的第二结构化差异数据;
针对所述第一车速变化列表,以所述第一列表结构化数据为参考数据基于所述第一结构化差异数据对所述第一车速变化列表进行列表结构校正得到第二车速变化列表;针对所述第一时序特征列表,以所述第二列表结构化数据为参考数据基于所述第二结构化差异数据对所述第一时序特征列表进行列表结构校正得到第二时序特征列表;
分别将所述第一车速变化列表和所述第一时序特征列表、所述第一车速变化列表和所述第二车速变化列表、所述第一时序特征列表和所述时速变化列表、以及所述第一时序特征列表和所述第二时序特征列表进行列表相关性计算,得到第一相关性计算结果、第二相关性计算结果、第三相关性计算结果和第四相关性计算结果;确定出所述第一相关性计算结果和所述第二相关性计算结果之间的第一相关性差值以及所述第三相关性计算结果和所述第四相关性计算结果之间的第二相关性差值;判断所述第一相关性差值和所述第二相关性差值是否均位于设定差值区间内;
若是,根据所述第一相关性计算结果和所述第三相关性计算结果确定出针对所述目标车辆进行车速变化轨迹绘制的原始轨迹数据并按照所述目标车辆对应的原始轨迹数据对所述第一车速变化列表、所述第一时序特征列表和所述时速变化列表进行列表数据提取得到目标轨迹数据集合;若否,分别确定出所述第一相关性差值和所述第二相关性差值与所述设定差值区间的第一区间差值和第二区间差值;比较所述第一区间差值和所述第二区间差值的大小;在所述第一区间差值小于所述第二区间差值时,根据所述第一相关性计算结果和所述第二相关性计算结果确定出针对所述目标车辆进行车速变化轨迹绘制的原始轨迹数据并按照所述目标车辆对应的原始轨迹数据对所述第一车速变化列表、所述第一时序特征列表和所述时速变化列表进行列表数据提取得到目标轨迹数据集合;在所述第一区间差值大于所述第二区间差值时,根据所述第三相关性计算结果和所述第四相关性计算结果确定出针对所述目标车辆进行车速变化轨迹绘制的原始轨迹数据并按照所述目标车辆对应的原始轨迹数据对所述第一车速变化列表、所述第一时序特征列表和所述时速变化列表进行列表数据提取得到目标轨迹数据集合;基于所述目标轨迹数据集合对所述目标车辆进行车速变化轨迹绘制,得到所述目标车辆对应的车速变化轨迹,并基于预设轨迹识别模型对所述车速变化轨迹进行轨迹特征提取,得到轨迹特征序列。
4.根据权利要求1所述的方法,其特征在于,根据预存的所述第一目标智能路灯的第一路灯配置数据以及预存的所述第二目标智能路灯的第二路灯配置数据,确定所述第一目标智能路灯的第一照明范围以及所述第二目标智能路灯的第二照明范围,包括:
基于所述第一路灯配置数据中的第一照明标签对应的第一照明数据、第一功率标签对应的第一功率数据,确定所述第一目标智能路灯的第一照明范围;
基于所述第二路灯配置数据中的第二照明标签对应的第二照明数据、第二功率标签对应的第二功率数据,确定所述第二目标智能路灯的第一照明范围。
5.根据权利要求1所述的方法,其特征在于,基于所述第一照明范围、所述第二照明范围以及提取得到的轨迹特征序列,确定所述目标车辆经由所述第一照明范围进入所述第二照明范围的目标耗时,包括:
确定所述第一照明范围和所述第二照明范围的重叠照明范围;
根据所述轨迹特征序列确定所述目标车辆对应的目标车速;其中,所述目标车速为所述目标车辆在不同行驶状态下的平均车速的均值;
基于所述重叠照明范围以及所述目标车速,计算所述目标车辆经由所述第一照明范围进入所述第二照明范围的目标耗时。
6.根据权利要求1所述的方法,其特征在于,根据所述目标耗时控制所述第一目标智能路灯和所述第二目标智能路灯的工作状态,包括:
根据所述目标耗时确定第一传输耗时和第二传输耗时;
基于所述第一传输耗时控制所述第一目标智能路灯在所述目标车辆驶出所述第一照明范围之后关闭;
基于所述第二传输耗时控制所述第二目标智能路灯在所述目标车辆驶入所述第二照明范围之前开启。
7.根据权利要求1所述的方法,其特征在于,确定所述实时图像中的第一目标智能路灯以及与所述第一目标智能路灯对应的第二目标智能路灯,包括:
对所述实时图像进行图像识别得到行车轨迹;
根据所述行车轨迹确定所述第二目标智能路灯。
8.一种智慧城市道路照明控制的数据处理系统,其特征在于,包括路灯控制服务器、多个智能路灯和多个智慧摄像头;所述路灯控制服务器与多个智能路灯通信连接,所述路灯控制服务器还与多个智慧摄像头通信连接,所述路灯控制服务器用于:
获取所述多个智慧摄像头中的至少一个目标摄像头拍摄的实时图像;在检测到所述实时图像中存在目标车辆时,确定所述实时图像中的第一目标智能路灯以及与所述第一目标智能路灯对应的第二目标智能路灯;其中,所述第一目标智能路灯和所述第二目标智能路灯为所述多个智能路灯中的智能路灯,所述第二目标智能路灯根据所述目标车辆的行车轨迹得到,所述行车轨迹通过对所述实时图像进行图像识别得到;
基于所述实时图像确定所述目标车辆的车速变化数据;根据所述车速变化数据以及所述实时图像对应的时序信息绘制所述目标车辆的车速变化轨迹,提取所述车速变化轨迹的轨迹特征序列;
根据预存的所述第一目标智能路灯的第一路灯配置数据以及预存的所述第二目标智能路灯的第二路灯配置数据,确定所述第一目标智能路灯的第一照明范围以及所述第二目标智能路灯的第二照明范围;
基于所述第一照明范围、所述第二照明范围以及提取得到的轨迹特征序列,确定所述目标车辆经由所述第一照明范围进入所述第二照明范围的目标耗时;根据所述目标耗时控制所述第一目标智能路灯和所述第二目标智能路灯的工作状态;
其中,基于所述实时图像确定所述目标车辆的车速变化数据,包括:
从所述实时图像中识别所述目标车辆的轮廓区域,并提取所述轮廓区域的静态图像特征;
根据所述实时图像对应的每相邻两个视频帧之间的余弦距离确定所述轮廓区域的动态图像特征;
基于所述静态图像特征和所述动态图像特征确定所述目标车辆的车速变化数据;
其中,基于所述静态图像特征和所述动态图像特征确定所述目标车辆的车速变化数据,包括:
确定所述目标车辆的车辆类型数据以及各轮廓变化特征;在基于所述车辆类型数据、所述静态图像特征和所述动态图像特征判定出存在与所述目标车辆对应的第一车速计算标签的情况下,根据所述目标车辆在所述第一车速计算标签下的轮廓变化特征,以及所述目标车辆在所述第一车速计算标签下的轮廓变化特征的特征识别度,确定所述目标车辆在与所述第一车速计算标签对应的第二车速计算标签下的各轮廓变化特征与所述目标车辆在所述第一车速计算标签下的各轮廓变化特征之间的特征重合度,并基于所述特征重合度将所述目标车辆在所述第二车速计算标签下的与在所述第一车速计算标签下的轮廓变化特征之间的特征重合度位于设定重合度区间内的轮廓变化特征迁移到所述第一车速计算标签下;其中,所述第一车速计算标签用于表征以所述目标车辆为参考进行车速计算,所述第二车速标签用于表征以所述目标车辆以外的物体为参考进行车速计算;
若确定出所述目标车辆对应的所述第二车速计算标签下包含有多个存在连续性标识的轮廓变化特征,根据所述目标车辆在所述第一车速计算标签下的轮廓变化特征以及所述目标车辆在所述第一车速计算标签下的轮廓变化特征的特征识别度,确定所述目标车辆在所述第二车速计算标签下的各存在连续性标识的轮廓变化特征之间的特征重合度,并根据所述各存在连续性标识的轮廓变化特征之间的特征重合度对所述第二车速计算标签下的各存在连续性标识的轮廓变化特征进行特征融合;根据所述目标车辆在所述第一车速计算标签下的轮廓变化特征以及所述目标车辆在所述第一车速计算标签下的轮廓变化特征的特征识别度为上述融合得到的目标轮廓变化特征添加迁移优先级,并基于所述迁移优先级由大到小的顺序将至少部分所述目标轮廓变化特征迁移到所述第一车速计算标签下;
根据所述第一车速计算标签下的轮廓变化特征以及所述第二车速计算标签下的轮廓变化特征,确定所述目标车辆的车速变化数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011537012.XA CN112532953B (zh) | 2020-12-23 | 2020-12-23 | 一种智慧城市道路照明控制的数据处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011537012.XA CN112532953B (zh) | 2020-12-23 | 2020-12-23 | 一种智慧城市道路照明控制的数据处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112532953A CN112532953A (zh) | 2021-03-19 |
CN112532953B true CN112532953B (zh) | 2021-07-06 |
Family
ID=74975908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011537012.XA Active CN112532953B (zh) | 2020-12-23 | 2020-12-23 | 一种智慧城市道路照明控制的数据处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112532953B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114356939B (zh) * | 2022-03-21 | 2022-05-24 | 科大天工智能装备技术(天津)有限公司 | 应用于城市空间中的路灯智能管理方法、装置及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009118987A1 (en) * | 2008-03-27 | 2009-10-01 | Aisin Aw Co., Ltd. | Travel pattern information obtaining device, travel pattern information obtaining method, and travel pattern information obtaining program |
CN102202443A (zh) * | 2010-03-25 | 2011-09-28 | 鸿富锦精密工业(深圳)有限公司 | 路灯电力管理系统及方法 |
CN104582186A (zh) * | 2015-01-14 | 2015-04-29 | 北京丹普法莫物联网科技有限责任公司 | 一种基于物联网视觉俘获的照明系统及其控制方法 |
CN104751634A (zh) * | 2015-04-22 | 2015-07-01 | 贵州大学 | 高速公路隧道行车图像采集信息的综合应用方法 |
CN104822196A (zh) * | 2015-04-15 | 2015-08-05 | 常州大学 | 一种基于视觉技术的路灯亮度自动调节系统 |
CN110139444A (zh) * | 2019-05-28 | 2019-08-16 | 莆田市烛火信息技术有限公司 | 一种智慧城市道路照明控制方法 |
CN111278197A (zh) * | 2020-01-21 | 2020-06-12 | 浙江大华技术股份有限公司 | 路灯控制方法、装置、存储介质及电子装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3213288B8 (en) * | 2014-10-30 | 2019-11-06 | Verizon Patent and Licensing Inc. | Parking and traffic analysis |
-
2020
- 2020-12-23 CN CN202011537012.XA patent/CN112532953B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009118987A1 (en) * | 2008-03-27 | 2009-10-01 | Aisin Aw Co., Ltd. | Travel pattern information obtaining device, travel pattern information obtaining method, and travel pattern information obtaining program |
CN102202443A (zh) * | 2010-03-25 | 2011-09-28 | 鸿富锦精密工业(深圳)有限公司 | 路灯电力管理系统及方法 |
CN104582186A (zh) * | 2015-01-14 | 2015-04-29 | 北京丹普法莫物联网科技有限责任公司 | 一种基于物联网视觉俘获的照明系统及其控制方法 |
CN104822196A (zh) * | 2015-04-15 | 2015-08-05 | 常州大学 | 一种基于视觉技术的路灯亮度自动调节系统 |
CN104751634A (zh) * | 2015-04-22 | 2015-07-01 | 贵州大学 | 高速公路隧道行车图像采集信息的综合应用方法 |
CN110139444A (zh) * | 2019-05-28 | 2019-08-16 | 莆田市烛火信息技术有限公司 | 一种智慧城市道路照明控制方法 |
CN111278197A (zh) * | 2020-01-21 | 2020-06-12 | 浙江大华技术股份有限公司 | 路灯控制方法、装置、存储介质及电子装置 |
Non-Patent Citations (1)
Title |
---|
智慧路灯节能控制关键技术研究;陈善亮;《中国优秀硕士学位论文全文库信息科技辑,2018年第11期》;20181115;第1-51页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112532953A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12072021B2 (en) | Vehicle gear control method and apparatus, computer device, and storage medium | |
Hsu et al. | Robust license plate detection in the wild | |
CN109753949B (zh) | 一种基于深度学习的多视窗交通标志检测方法 | |
Li et al. | Parking slot detection on around-view images using DCNN | |
CN109948707A (zh) | 模型训练方法、装置、终端及存储介质 | |
Zhao et al. | Detection of passenger flow on and off buses based on video images and YOLO algorithm | |
JP7292355B2 (ja) | 車両整列情報を特定する方法及び装置、電子機器、路側機器、クラウド制御プラットフォーム、記憶媒体並びにコンピュータプログラム製品 | |
CN112532953B (zh) | 一种智慧城市道路照明控制的数据处理方法及系统 | |
CN115512251A (zh) | 基于双分支渐进式特征增强的无人机低照度目标跟踪方法 | |
CN115665936B (zh) | 一种隧道照明节能控制策略生成方法、系统、终端及介质 | |
CN112733818B (zh) | 基于注意力机制的车灯状态识别方法、装置、终端和介质 | |
WO2021146906A1 (zh) | 测试场景仿真方法、装置、计算机设备和存储介质 | |
CN116403174A (zh) | 一种端到端自动驾驶方法、系统、仿真系统及存储介质 | |
CN113177528A (zh) | 基于多任务学习策略训练网络模型的车牌识别方法及系统 | |
CN112069983A (zh) | 多任务特征融合共享学习的低光照行人检测方法及系统 | |
CN113989939A (zh) | 一种基于改进yolo算法的小目标行人检测系统 | |
CN109492522A (zh) | 特定目标检测模型训练程序、设备及计算机可读存储介质 | |
Hou et al. | Application of YOLO V2 in construction vehicle detection | |
CN107463886A (zh) | 一种双闪识别以及车辆避障的方法和系统 | |
CN111310660A (zh) | 用于adas场景的目标检测虚警抑制方法及装置 | |
CN110633641A (zh) | 一种智能安防行人检测方法、系统、装置及存储介质 | |
CN116386076A (zh) | 一种基于轻量型cnn的行人检测与跟踪方法 | |
CN114419896B (zh) | 基于数字孪生的交通信号灯控制方法、装置、设备及介质 | |
CN112861266B (zh) | 设备驱动模式的控制方法、装置、介质及电子设备 | |
CN115424324A (zh) | 基于边缘计算的路灯节能控制方法、装置及存储介质 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: No. 26 Xinnan Aijian Road, Fenghuang Community, Pinghu Street, Longgang District, Shenzhen City, Guangdong Province, 518100 Patentee after: Shenzhen Chaoyang Hui Technology Co.,Ltd. Address before: 518100 Xinnan Aijian Road, Fenghuang community, Pinghu street, Longgang District, Shenzhen City, Guangdong Province Patentee before: SHENZHEN ZHAOYANGHUI ELECTRICAL EQUIPMENT CO.,LTD. |