CN112562406B - 一种越线行驶的识别方法及装置 - Google Patents
一种越线行驶的识别方法及装置 Download PDFInfo
- Publication number
- CN112562406B CN112562406B CN202011358298.5A CN202011358298A CN112562406B CN 112562406 B CN112562406 B CN 112562406B CN 202011358298 A CN202011358298 A CN 202011358298A CN 112562406 B CN112562406 B CN 112562406B
- Authority
- CN
- China
- Prior art keywords
- road image
- preset
- lane
- line
- target solid
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
Abstract
本申请公开了一种越线行驶的识别方法,包括:获取第一道路图像及第二道路图像;使用第一预设模型,识别道路图像分别包含的车道线的数量;使用数量对应的第二预设模型,识别道路图像分别包含的车道线;根据分别包含的车道线,按照预设规则确定所述第一道路图像及所述第二道路图像包括的目标实线;当两个道路图像中包括的目标实线的夹角的度数超过预设角度阈值时,判断车辆发生了越线行驶行为,本申请通过第一预设模型识别图像中包含的车道线数量,然后使用车道线数量对应的第二预设模型识别图像中的车道线,保证了车道线识别的准确性,且可通过车载摄像头拍摄的图像识别车辆是否发生越线驾驶行为,突破了现有技术基于监控识别带来的空间限制。
Description
技术领域
本发明涉及交通安全技术领域,尤其涉及一种越线行驶的识别方法及装置。
背景技术
随着车辆的普及,越来越多的人可以选择开车出行。然而,存在一些驾驶员会做出随意变道、跨越实线等危险驾驶行为,这些危险驾驶行为经常导致严重的交通事故,危害着驾驶员和乘客的安全。现有技术中,对危险驾驶行为的检测及处罚主要依赖于路口架设的摄像头,但路口摄像头的拍摄范围非常有限,很多司机仅在摄像头附近规范驾驶行为,而在其它区域时常做出危险驾驶行为。
CN201710702929.2公开了一种违章变道检测方法,在输入的交通监控视频的场景中标记出待检测区域中的实线;基于标记的实线逐帧检测视频序列是否车辆出现在标记的实线附近,若有车辆接近实线则对该车辆进行跟踪。在跟踪的过程中计算当前车辆所有位置到实线上的垂直或水平投影,并计算投影到实际位置的有向距离,当相邻两帧出现该距离的符号反向则说明车辆已经越过实线。
CN201810402670.4公开了一种基于智能视频分析技术的车辆越线检测方法,根据实时光强对视频监控图像进行预处理;采用改进的三帧差分算法将视频监控图像中的车辆检测出来;检测到车辆位置后,跟踪车辆的运动轨迹;通过不断的迭代计算获得目标在当前帧的实际位置,获取车辆的运动轨迹;将上一帧的结果作为下一帧的初始值,如此不断循环迭代;得到车辆的多条运动轨迹,选取合适的运动轨迹检测警戒线与轨迹是否相交,判定车辆是否越线。上述两种方法均依赖于交通监控视频,地理局限性较高,且都需要进行目标检测与目标跟踪,需要消耗较高的资源,且对监控范围外的场景无法做到判别。
发明内容
为了解决现有技术的不足,本发明的主要目的在于提供一种越线行驶的识别方法及装置,以实现基于车载摄像头识别车辆是否发生了越线行驶。
为了达到上述目的,第一方面本发明提供了一种越线行驶的识别方法,所述方法包括:
获取预设摄像头拍摄的第一道路图像及经过预设时间段后拍摄的第二道路图像,所述预设摄像头设于车辆上;
使用第一预设模型,识别所述第一道路图像及所述第二道路图像分别包含的车道线的数量;
使用所述第一道路图像包含的车道线的数量对应的第二预设模型,根据所述第一道路图像识别所述第一道路图像包含的车道线;
使用所述第二道路图像包含的车道线的数量对应的第二预设模型,根据所述第二道路图像识别所述第二道路图像包含的车道线;
根据所述第一道路图像及第二道路图像分别包含的车道线,按照预设规则确定所述第一道路图像及所述第二道路图像包括的目标实线;
当所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角的度数超过预设角度阈值时,判断车辆发生了越线行驶行为。
在一些实施例中,所述当所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角的度数超过预设阈值时,判断车辆发生了越线行驶行为包括:
识别所述第一道路图像中所述目标实线对应的第一坐标集合及所述第二道路图像中所述目标实线对应的第二坐标集合,所述坐标集合包括组成所述目标实线的像素点在道路图像中的坐标;
根据所述第一坐标集合及所述第二坐标集合,生成所述第一道路图像中所述目标实线对应的第一单位方向向量及所述第二道路图像中所述目标实线对应的第二单位方向向量;
根据所述第一单位方向向量及所述第二单位方向向量,确定所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角;
当所述夹角的度数超过预设阈值时,判断车辆发生了越线行驶行为。
在一些实施例中,所述根据所述第一道路图像及第二道路图像分别包含的车道线,按照预设规则确定所述第一道路图像及所述第二道路图像包括的目标实线包括:
根据所述第一道路图像及第二道路图像分别包含的车道线,识别所述第一道路图像及所述第二道路图像分别包含的第一车道线和第二车道线,所述第一车道线和所述第二车道线是所有包含的车道线中位于中间的两条车道线;
当所述第一车道线的每一预设部分的平均像素值与所述第一车道线的总平均像素值的差值不超过预设差值阈值时,确定所述第一车道线为目标实线;和/或当所述第二车道线的每一预设部分的平均像素值与所述第二车道线的总平均像素值的差值不超过预设差值阈值时,确定所述第二车道线为目标实线。
在一些实施例中,所述当所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角的度数超过预设角度阈值时,判断车辆发生了越线行驶行为包括:
当所述角度的度数超过预设角度阈值且所述车辆在所述预设时间段内行驶的距离不超过预设距离阈值时,判断车辆发生了越线行驶行为。
在一些实施例中,所述第一预设模型是经训练的mobilenetv3模型,所述第一预设模型的训练过程包括:
获取训练样本集,所述训练样本集包括车道图像,所述车道图像预先标注了包含的车道;
使用所述训练样本集对所述mobilenetv3模型进行训练,获得第一预设模型。
在一些实施例中,所述获取预设摄像头拍摄的第一道路图像及经过预设时间段后拍摄的第二道路图像包括:
获取行车记录仪拍摄的第一道路图像及经过预设时间段后拍摄的第二道路图像。
第二方面,本申请提供了一种越线行驶的识别装置,所述装置包括:
获取模块,用于获取预设摄像头拍摄的第一道路图像及经过预设时间段后拍摄的第二道路图像,所述预设摄像头设于车辆上;
识别模块,用于使用第一预设模型,识别所述第一道路图像及所述第二道路图像分别包含的车道线的数量;使用所述第一道路图像包含的车道线的数量对应的第二预设模型,根据所述第一道路图像识别所述第一道路图像包含的车道线;使用所述第二道路图像包含的车道线的数量对应的第二预设模型,根据所述第二道路图像识别所述第二道路图像包含的车道线;根据所述第一道路图像及第二道路图像分别包含的车道线,按照预设规则确定所述第一道路图像及所述第二道路图像包括的目标实线;
判断模块,用于当所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角的度数超过预设角度阈值时,判断车辆发生了越线行驶行为。
在一些实施例中,所述识别模块还用于识别所述第一道路图像中所述目标实线对应的第一坐标集合及所述第二道路图像中所述目标实线对应的第二坐标集合,所述坐标集合包括组成所述目标实线的像素点在道路图像中的坐标;根据所述第一坐标集合及所述第二坐标集合,生成所述第一道路图像中所述目标实线对应的第一单位方向向量及所述第二道路图像中所述目标实线对应的第二单位方向向量;根据所述第一单位方向向量及所述第二单位方向向量,确定所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角;当所述夹角的度数超过预设阈值时,判断车辆发生了越线行驶行为。
第三方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上任一项所述的方法的步骤。
第四方面,本申请提供了一种计算机系统,所述系统包括:
一个或多个处理器;
以及与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行如下操作:
获取预设摄像头拍摄的第一道路图像及经过预设时间段后拍摄的第二道路图像,所述预设摄像头设于车辆上;
使用第一预设模型,识别所述第一道路图像及所述第二道路图像分别包含的车道线的数量;
使用所述第一道路图像包含的车道线的数量对应的第二预设模型,根据所述第一道路图像识别所述第一道路图像包含的车道线;
使用所述第二道路图像包含的车道线的数量对应的第二预设模型,根据所述第二道路图像识别所述第二道路图像包含的车道线;
根据所述第一道路图像及第二道路图像分别包含的车道线,按照预设规则确定所述第一道路图像及所述第二道路图像包括的目标实线;
当所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角的度数超过预设角度阈值时,判断车辆发生了越线行驶行为。
本发明实现的有益效果为:
本申请提供了一种越线行驶的识别方法,包括:获取预设摄像头拍摄的第一道路图像及经过预设时间段后拍摄的第二道路图像,所述预设摄像头设于车辆上;使用第一预设模型,识别所述第一道路图像及所述第二道路图像分别包含的车道线的数量;使用所述第一道路图像包含的车道线的数量对应的第二预设模型,根据所述第一道路图像识别所述第一道路图像包含的车道线;使用所述第二道路图像包含的车道线的数量对应的第二预设模型,根据所述第二道路图像识别所述第二道路图像包含的车道线;根据所述第一道路图像及第二道路图像分别包含的车道线,按照预设规则确定所述第一道路图像及所述第二道路图像包括的目标实线;当所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角的度数超过预设角度阈值时,判断车辆发生了越线行驶行为,本申请通过第一预设模型识别图像中包含的车道线数量,然后使用车道线数量对应的第二预设模型识别图像中的车道线,保证了车道线识别的准确性,且实现了通过车载摄像头拍摄的道路图像识别车辆是否发生越线驾驶行为,突破了现有技术中基于监控摄像头识别越线行驶行为的空间限制,避免了部署监控摄像头所需的物料成本和人工成本。
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是本申请实施例提供的识别流程图;
图2是本申请实施例提供的方法流程图;
图3是本申请实施例提供的装置结构图;
图4是本申请实施例提供的计算机系统结构图。
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。
如背景技术所述,现有技术中通常通过设置在道路上的监控摄像头监控车辆是否发生了跨越实线驾驶的行为,拍摄范围非常有限,而且不能保证识别的准确性。
为解决上述问题,本申请提出了一种越线行驶的识别系统,包括处理设备和预设在车辆上的摄像头。处理设备根据摄像头拍摄的第一道路图像及经过预设时间段后拍摄的第二道路图像,使用第一预设模型识别分别包含的车道线的数量,根据数量对应的第二预设模型,识别第一道路图像及第二道路图像分别包含的车道线,并根据预设规则识别第一道路图像及第二道路图像分别包含的目标车道线,当两个图像中目标车道线的夹角的角度超过预设阈值时,判断车辆发生了越线驾驶行为。所述摄像头可以是行车记录仪等任意具有拍摄能力并预先设置在车辆上的设备。其中,所述越线行驶包括机动车发生跨越实线的驾驶行为。
实施例一
具体的,上述第一预设模型可以是经训练的mobilenetv3图像分类网络模型,所述第一预设模型和第二预设模型的训练过程包括:
S1、获取训练样本;
优选的,可以将行车记录仪历史拍摄的视频按照3s一张的采样频率进行截取,然后对采集的图像进行数据清洗,选取其中包含了车道线的图像。同时,对图像中包含的车道线进行像素级标注,表明这些像素在图像中的语义为车道线,同时对图像中车道线的数量进行标注。
S2、使用训练样本对mobilenetv3图像分类网络模型进行训练,得到第一预设模型;
mobilenetv3图像分类网络模型是一种神经网络模型,所述第一预设模型可以用于识别图像中包含的车道线的数量。
S3、将训练样本根据包含的车道线数量划分为多个训练样本集,使用训练样本集分别训练每一车道线数量对应的第二预设模型。
所述第二预设模型可以是经训练的机器学习模型,每一车道线数量具有对应的第二预设模型,第二预设模型可根据输入的图像,判断图像中包含的每一行像素对应的分类,然后根据分类结果确定每一行中代表车道线的像素所在的位置,从而识别出图像中包含的车道线。每一车道线包括组成车道线的所有像素点在图像中的坐标。得到的所述第二预设模型可以有多个,分别用于识别包含一个车道线的图像中包括的车道线、用于识别包含两个车道线的图像中包括的车道线和用于识别包含三个车道线的图像包括的车道线等。
如图1所示,使用上述识别系统进行越线行驶的识别包括:
步骤一、获取行车记录仪拍摄的第一道路图像及预设时间段后拍摄的第二道路图像;
所述第一道路图像和所述第二道路图像是行车记录仪等车载摄像头拍摄的车辆前的道路图像。
步骤二、使用第一预设模型,识别所述第一道路图像及所述第二道路图像分别包含的车道线的数量;
第一道路图像和第二道路图像包含的车道的数量可以相同,也可以不同。
步骤三、使用第一道路图像包含的车道线的数量对应的第二预设模型,识别第一道路图像包含的车道线;使用第二道路图像包含的车道线的数量对应的第二预设模型,识别第二道路图像包含的车道线;
第一道路图像包含的车道线的数量对应的第二预设模型可识别第一道路图像包含的所有车道线,并生成每一车道线对应的第一像素集合,第一像素集合中包括组成车道线的每一像素点在第一道路图像中的坐标。第二道路图像包含的车道线的数量对应的第二预设模型可识别第二道路图像包含的所有车道线,并生成每一车道线对应的第二像素集合,第二像素集合中包括组成车道线的每一像素点在第二道路图像中的坐标。
步骤四、根据第一像素集合和第二像素集合,确定第一道路图像和第二道路图像中分别包含的第一车道线和第二车道线;
第一车道线和第二车道线是第一道路图像包含的所有车道线中位于中间的两条车道线。
步骤五、确定第一车道线及所述第二车道线是否为实线;
可根据组成第一车道线的所有像素点的像素值均值及第一车道线每一预设部分的像素点的像素值均值,确定第一车道线中是否包含某一预设部分的像素值与整体的像素值差距过大。当存在差距过大的预设部分时,确定该条车道线是虚线,否则是实线。优选的,所述预设部分是车道线的三分之一的长度。
可根据组成第二车道线的所有像素点的像素值均值及第二车道线每一预设部分的像素点的像素值均值,确定第二车道线中是否包含某一预设部分的像素值与整体的像素值差距过大。当存在差距过大的预设部分时,确定该条车道线是虚线,否则是实线。
确定第一车道线和第二车道线中是实线的车道线为目标实线。
步骤六、根据第一道路图像和第二道路图像中目标实线分别对应的像素集合,确定第一道路图像和第二道路图像中目标实线分别对应的单位方向向量;
当具有两个目标实线时,可生成第一道路图像中第一车道线对应的第一单位方向向量和第二车道线对应的第二单位方向向量及第二道路图像中第一车道线对应的第三单位方向向量和第二车道线对应的第四单位方向向量。
步骤七、根据第一道路图像和第二道路图像中目标实线分别对应的单位方向向量,确定第一道路图像包含的目标实线和第二道路图像包含的目标实线的夹角;
当具有两个目标实线时,可计算第一单位方向向量与第三单位方向向量的点积和第二单位方向向量与第四单位方向向量的点积,点积值即为第一单位方向向量与第三单位方向向量以及第二单位方向向量与第四单位方向向量的夹角的余弦值。当具有一个目标实线时,可计算两个道路图像分别对应的单位方向向量的点积,点积值即为两个道路图像中目标实线的夹角的余弦值。
根据余弦值即确定夹角的度数。当具有一个目标实线时,夹角的度数超过预设的角度阈值且车辆的行驶距离不超过预设距离阈值时,判断车辆发生了越线驾驶行为。也可预设余弦值的取值阈值,当夹角的余弦值不满足预设的取值阈值且车辆的行驶距离不超过预设距离阈值时,判断车辆发生了越线驾驶行为。所述预设距离阈值可以是10米。当具有两个目标实线时,其中一个夹角的度数超过预设的角度阈值且车辆的行驶距离不超过预设距离阈值时,判断车辆发生了越线驾驶行为;或当其中一个夹角的余弦值不满足预设的取值阈值且车辆的行驶距离不超过预设距离阈值时,判断车辆发生了越线驾驶行为。
当判断发生了越线行驶行为时,可向司机发出报警信号;当判断未发生越线驾驶行为时,可继续对后续采集的图像进行分析,识别车辆是否发生了越线行驶行为。
实施例二
对应上述实施例,本申请提供了一种越线行驶的识别方法,如图2所示,所述方法包括:
210、获取预设摄像头拍摄的第一道路图像及经过预设时间段后拍摄的第二道路图像,所述预设摄像头设于车辆上;
所述预设时间段可以是预先确定的任意值,例如3秒。
优选的,所述获取预设摄像头拍摄的第一道路图像及经过预设时间段后拍摄的第二道路图像包括:
211、获取行车记录仪拍摄的第一道路图像及经过预设时间段后拍摄的第二道路图像。
220、使用第一预设模型,识别所述第一道路图像及所述第二道路图像分别包含的车道线的数量;
230、使用所述第一道路图像包含的车道线的数量对应的第二预设模型,根据所述第一道路图像识别所述第一道路图像包含的车道线;
240、使用所述第二道路图像包含的车道线的数量对应的第二预设模型,根据所述第二道路图像识别所述第二道路图像包含的车道线;
250、根据所述第一道路图像及第二道路图像分别包含的车道线,按照预设规则确定所述第一道路图像及所述第二道路图像包括的目标实线;
优选的,所述根据所述第一道路图像及第二道路图像分别包含的车道线,按照预设规则确定所述第一道路图像及所述第二道路图像包括的目标实线包括:
251、根据所述第一道路图像及第二道路图像分别包含的车道线,识别所述第一道路图像及所述第二道路图像分别包含的第一车道线和第二车道线,所述第一车道线和所述第二车道线是所有包含的车道线中位于中间的两条车道线;
252、当所述第一车道线的每一预设部分的平均像素值与所述第一车道线的总平均像素值的差值不超过预设差值阈值时,确定所述第一车道线为目标实线;和/或当所述第二车道线的每一预设部分的平均像素值与所述第二车道线的总平均像素值的差值不超过预设差值阈值时,确定所述第二车道线为目标实线。
260、当所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角的度数超过预设角度阈值时,判断车辆发生了越线行驶行为。
优选的,所述当所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角的度数超过预设阈值时,判断车辆发生了越线行驶行为包括:
261、识别所述第一道路图像中所述目标实线对应的第一坐标集合及所述第二道路图像中所述目标实线对应的第二坐标集合,所述坐标集合包括组成所述目标实线的像素点在道路图像中的坐标;
262、根据所述第一坐标集合及所述第二坐标集合,生成所述第一道路图像中所述目标实线对应的第一单位方向向量及所述第二道路图像中所述目标实线对应的第二单位方向向量;
263、根据所述第一单位方向向量及所述第二单位方向向量,确定所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角;
264、当所述夹角的度数超过预设阈值时,判断车辆发生了越线行驶行为。
优选的,所述当所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角的度数超过预设角度阈值时,判断车辆发生了越线行驶行为包括:
265、当所述角度的度数超过预设角度阈值且所述车辆在所述预设时间段内行驶的距离不超过预设距离阈值时,判断车辆发生了越线行驶行为。
优选的,所述第一预设模型是经训练的mobilenetv3模型,所述第一预设模型的训练过程包括:
270、获取训练样本集,所述训练样本集包括车道图像,所述车道图像预先标注了包含的车道;
271、使用所述训练样本集对所述mobilenetv3模型进行训练,获得第一预设模型。
实施例三
对应上述实施例,本申请提供了一种越线行驶的识别装置,如图3所示,所述装置包括:
获取模块310,用于获取预设摄像头拍摄的第一道路图像及经过预设时间段后拍摄的第二道路图像,所述预设摄像头设于车辆上;
识别模块320,用于使用第一预设模型,识别所述第一道路图像及所述第二道路图像分别包含的车道线的数量;使用所述第一道路图像包含的车道线的数量对应的第二预设模型,根据所述第一道路图像识别所述第一道路图像包含的车道线;使用所述第二道路图像包含的车道线的数量对应的第二预设模型,根据所述第二道路图像识别所述第二道路图像包含的车道线;根据所述第一道路图像及第二道路图像分别包含的车道线,按照预设规则确定所述第一道路图像及所述第二道路图像包括的目标实线;
判断模块330,用于当所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角的度数超过预设角度阈值时,判断车辆发生了越线行驶行为。
优选的,所述识别模块320还用于识别所述第一道路图像中所述目标实线对应的第一坐标集合及所述第二道路图像中所述目标实线对应的第二坐标集合,所述坐标集合包括组成所述目标实线的像素点在道路图像中的坐标;根据所述第一坐标集合及所述第二坐标集合,生成所述第一道路图像中所述目标实线对应的第一单位方向向量及所述第二道路图像中所述目标实线对应的第二单位方向向量;根据所述第一单位方向向量及所述第二单位方向向量,确定所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角;当所述夹角的度数超过预设阈值时,判断车辆发生了越线行驶行为。
优选的,所述识别模块320还用于根据所述第一道路图像及第二道路图像分别包含的车道线,识别所述第一道路图像及所述第二道路图像分别包含的第一车道线和第二车道线,所述第一车道线和所述第二车道线是所有包含的车道线中位于中间的两条车道线;当所述第一车道线的每一预设部分的平均像素值与所述第一车道线的总平均像素值的差值不超过预设差值阈值时,确定所述第一车道线为目标实线;和/或当所述第二车道线的每一预设部分的平均像素值与所述第二车道线的总平均像素值的差值不超过预设差值阈值时,确定所述第二车道线为目标实线。
优选的,所述判断模块330还用于当所述角度的度数超过预设角度阈值且所述车辆在所述预设时间段内行驶的距离不超过预设距离阈值时,判断车辆发生了越线行驶行为。
优选的,第一预设模型是经训练的mobilenetv3模型,所述识别装置包括训练模块,用于获取训练样本集,所述训练样本集包括标注了包含的车道图像;使用所述训练样本集对所述mobilenetv3模型进行训练,获得第一预设模型。
优选的,所述获取模块310还用于获取行车记录仪拍摄的第一道路图像及经过预设时间段后拍摄的第二道路图像。
实施例四
对应上述方法、设备及系统,本申请实施例四提供一种计算机系统,包括:一个或多个处理器;以及与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行如下操作:
获取预设摄像头拍摄的第一道路图像及经过预设时间段后拍摄的第二道路图像,所述预设摄像头设于车辆上;
使用第一预设模型,识别所述第一道路图像及所述第二道路图像分别包含的车道线的数量;
使用所述第一道路图像包含的车道线的数量对应的第二预设模型,根据所述第一道路图像识别所述第一道路图像包含的车道线;
使用所述第二道路图像包含的车道线的数量对应的第二预设模型,根据所述第二道路图像识别所述第二道路图像包含的车道线;
根据所述第一道路图像及第二道路图像分别包含的车道线,按照预设规则确定所述第一道路图像及所述第二道路图像包括的目标实线;
当所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角的度数超过预设角度阈值时,判断车辆发生了越线行驶行为。
其中,图4示例性的展示出了计算机系统的架构,具体可以包括处理器1510,视频显示适配器1511,磁盘驱动器1512,输入/输出接口1513,网络接口1514,以及存储器1520。上述处理器1510、视频显示适配器1511、磁盘驱动器1512、输入/输出接口1513、网络接口1514,与存储器1520之间可以通过通信总线1530进行通信连接。
其中,处理器1510可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本申请所提供的技术方案。
存储器1520可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1520可以存储用于控制计算机系统1500运行的操作系统1521,用于控制计算机系统1500的低级别操作的基本输入输出系统(BIOS)1522。另外,还可以存储网页浏览器1523,数据存储管理1524,以及图标字体处理系统1525等等。上述图标字体处理系统1525就可以是本申请实施例中具体实现前述各步骤操作的应用程序。总之,在通过软件或者固件来实现本申请所提供的技术方案时,相关的程序代码保存在存储器1520中,并由处理器1510来调用执行。输入/输出接口1513用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
网络接口1514用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1530包括一通路,在设备的各个组件(例如处理器1510、视频显示适配器1511、磁盘驱动器1512、输入/输出接口1513、网络接口1514,与存储器1520)之间传输信息。
另外,该计算机系统1500还可以从虚拟资源对象领取条件信息数据库1541中获得具体领取条件的信息,以用于进行条件判断,等等。
需要说明的是,尽管上述设备仅示出了处理器1510、视频显示适配器1511、磁盘驱动器1512、输入/输出接口1513、网络接口1514,存储器1520,总线1530等,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本申请方案所必需的组件,而不必包含图中所示的全部组件。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。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可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,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,云服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
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非易失性计算机可读存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程上述提到的存储介质可以是只读存储器,磁盘或光盘等。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
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 (9)
1.一种越线行驶的识别方法,其特征在于,所述方法包括:
获取预设摄像头拍摄的第一道路图像及经过预设时间段后拍摄的第二道路图像,所述预设摄像头设于车辆上;
使用第一预设模型,识别所述第一道路图像及所述第二道路图像分别包含的车道线的数量;
使用所述第一道路图像包含的车道线的数量对应的第二预设模型,根据所述第一道路图像识别所述第一道路图像包含的车道线;
使用所述第二道路图像包含的车道线的数量对应的第二预设模型,根据所述第二道路图像识别所述第二道路图像包含的车道线;
根据所述第一道路图像及第二道路图像分别包含的车道线,按照预设规则确定所述第一道路图像及所述第二道路图像包括的目标实线;
所述根据所述第一道路图像及第二道路图像分别包含的车道线,按照预设规则确定所述第一道路图像及所述第二道路图像包括的目标实线包括:
根据所述第一道路图像及第二道路图像分别包含的车道线,识别所述第一道路图像及所述第二道路图像分别包含的第一车道线和第二车道线,所述第一车道线和所述第二车道线是所有包含的车道线中位于中间的两条车道线;
当所述第一车道线的每一预设部分的平均像素值与所述第一车道线的总平均像素值的差值不超过预设差值阈值时,确定所述第一车道线为目标实线;和/或
当所述第二车道线的每一预设部分的平均像素值与所述第二车道线的总平均像素值的差值不超过预设差值阈值时,确定所述第二车道线为目标实线;
当所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角的度数超过预设角度阈值时,判断车辆发生了越线行驶行为。
2.根据权利要求1所述的方法,其特征在于,所述当所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角的度数超过预设阈值时,判断车辆发生了越线行驶行为包括:
识别所述第一道路图像中所述目标实线对应的第一坐标集合及所述第二道路图像中所述目标实线对应的第二坐标集合,所述坐标集合包括组成所述目标实线的像素点在道路图像中的坐标;
根据所述第一坐标集合及所述第二坐标集合,生成所述第一道路图像中所述目标实线对应的第一单位方向向量及所述第二道路图像中所述目标实线对应的第二单位方向向量;
根据所述第一单位方向向量及所述第二单位方向向量,确定所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角;
当所述夹角的度数超过预设阈值时,判断车辆发生了越线行驶行为。
3.根据权利要求1或2所述的方法,其特征在于,所述当所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角的度数超过预设角度阈值时,判断车辆发生了越线行驶行为包括:
当所述角度的度数超过预设角度阈值且所述车辆在所述预设时间段内行驶的距离不超过预设距离阈值时,判断车辆发生了越线行驶行为。
4.根据权利要求1或2所述的方法,其特征在于,所述第一预设模型是经训练的mobilenetv3模型,所述第一预设模型的训练过程包括:
获取训练样本集,所述训练样本集包括车道图像,所述车道图像预先标注了包含的车道;
使用所述训练样本集对所述mobilenetv3模型进行训练,获得第一预设模型。
5.根据权利要求1或2所述的方法,其特征在于,所述获取预设摄像头拍摄的第一道路图像及经过预设时间段后拍摄的第二道路图像包括:
获取行车记录仪拍摄的第一道路图像及经过预设时间段后拍摄的第二道路图像。
6.一种越线行驶的识别装置,其特征在于,所述装置包括:
获取模块,用于获取预设摄像头拍摄的第一道路图像及经过预设时间段后拍摄的第二道路图像,所述预设摄像头设于车辆上;
识别模块,用于使用第一预设模型,识别所述第一道路图像及所述第二道路图像分别包含的车道线的数量;使用所述第一道路图像包含的车道线的数量对应的第二预设模型,根据所述第一道路图像识别所述第一道路图像包含的车道线;使用所述第二道路图像包含的车道线的数量对应的第二预设模型,根据所述第二道路图像识别所述第二道路图像包含的车道线;根据所述第一道路图像及第二道路图像分别包含的车道线,按照预设规则确定所述第一道路图像及所述第二道路图像包括的目标实线;所述根据所述第一道路图像及第二道路图像分别包含的车道线,按照预设规则确定所述第一道路图像及所述第二道路图像包括的目标实线包括:根据所述第一道路图像及第二道路图像分别包含的车道线,识别所述第一道路图像及所述第二道路图像分别包含的第一车道线和第二车道线,所述第一车道线和所述第二车道线是所有包含的车道线中位于中间的两条车道线;当所述第一车道线的每一预设部分的平均像素值与所述第一车道线的总平均像素值的差值不超过预设差值阈值时,确定所述第一车道线为目标实线;和/或当所述第二车道线的每一预设部分的平均像素值与所述第二车道线的总平均像素值的差值不超过预设差值阈值时,确定所述第二车道线为目标实线;
判断模块,用于当所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角的度数超过预设角度阈值时,判断车辆发生了越线行驶行为。
7.根据权利要求6所述的装置,其特征在于,所述识别模块还用于识别所述第一道路图像中所述目标实线对应的第一坐标集合及所述第二道路图像中所述目标实线对应的第二坐标集合,所述坐标集合包括组成所述目标实线的像素点在道路图像中的坐标;根据所述第一坐标集合及所述第二坐标集合,生成所述第一道路图像中所述目标实线对应的第一单位方向向量及所述第二道路图像中所述目标实线对应的第二单位方向向量;根据所述第一单位方向向量及所述第二单位方向向量,确定所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角;当所述夹角的度数超过预设阈值时,判断车辆发生了越线行驶行为。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
9.一种计算机系统,其特征在于,所述系统包括:
一个或多个处理器;
以及与所述一个或多个处理器关联的存储器,所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时,执行如下操作:
获取预设摄像头拍摄的第一道路图像及经过预设时间段后拍摄的第二道路图像,所述预设摄像头设于车辆上;
使用第一预设模型,识别所述第一道路图像及所述第二道路图像分别包含的车道线的数量;
使用所述第一道路图像包含的车道线的数量对应的第二预设模型,根据所述第一道路图像识别所述第一道路图像包含的车道线;
使用所述第二道路图像包含的车道线的数量对应的第二预设模型,根据所述第二道路图像识别所述第二道路图像包含的车道线;
根据所述第一道路图像及第二道路图像分别包含的车道线,按照预设规则确定所述第一道路图像及所述第二道路图像包括的目标实线;
所述根据所述第一道路图像及第二道路图像分别包含的车道线,按照预设规则确定所述第一道路图像及所述第二道路图像包括的目标实线包括:
根据所述第一道路图像及第二道路图像分别包含的车道线,识别所述第一道路图像及所述第二道路图像分别包含的第一车道线和第二车道线,所述第一车道线和所述第二车道线是所有包含的车道线中位于中间的两条车道线;
当所述第一车道线的每一预设部分的平均像素值与所述第一车道线的总平均像素值的差值不超过预设差值阈值时,确定所述第一车道线为目标实线;和/或
当所述第二车道线的每一预设部分的平均像素值与所述第二车道线的总平均像素值的差值不超过预设差值阈值时,确定所述第二车道线为目标实线;
当所述第一道路图像包括的目标实线与所述第二道路图像包括的目标实线的夹角的度数超过预设角度阈值时,判断车辆发生了越线行驶行为。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011358298.5A CN112562406B (zh) | 2020-11-27 | 2020-11-27 | 一种越线行驶的识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011358298.5A CN112562406B (zh) | 2020-11-27 | 2020-11-27 | 一种越线行驶的识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112562406A CN112562406A (zh) | 2021-03-26 |
CN112562406B true CN112562406B (zh) | 2022-08-16 |
Family
ID=75046418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011358298.5A Active CN112562406B (zh) | 2020-11-27 | 2020-11-27 | 一种越线行驶的识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112562406B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113408413B (zh) * | 2021-06-18 | 2023-03-24 | 苏州科达科技股份有限公司 | 应急车道的识别方法、系统及装置 |
CN115830562A (zh) * | 2022-12-12 | 2023-03-21 | 昆易电子科技(上海)有限公司 | 车道信息的确定方法、计算机设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894271A (zh) * | 2010-07-28 | 2010-11-24 | 重庆大学 | 汽车偏离车道线角度和距离的视觉计算及预警方法 |
CN103117005A (zh) * | 2011-11-16 | 2013-05-22 | 财团法人工业技术研究院 | 车道偏移警示方法及系统 |
CN103587529A (zh) * | 2013-10-12 | 2014-02-19 | 长安大学 | 一种直道路段换道过程越线时刻预测系统及预测方法 |
CN105426861A (zh) * | 2015-12-02 | 2016-03-23 | 百度在线网络技术(北京)有限公司 | 车道线确定方法及装置 |
CN106647776A (zh) * | 2017-02-24 | 2017-05-10 | 驭势科技(北京)有限公司 | 车辆变道趋势的判断方法、判断装置和计算机存储介质 |
CN108528336A (zh) * | 2018-04-18 | 2018-09-14 | 福州大学 | 一种车辆压线提前预警系统 |
CN109344704A (zh) * | 2018-08-24 | 2019-02-15 | 南京邮电大学 | 一种基于行车方向与车道线夹角的车辆变道行为检测方法 |
CN111382614A (zh) * | 2018-12-28 | 2020-07-07 | 沈阳美行科技有限公司 | 车辆定位方法、装置、电子设备、计算机可读存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100941271B1 (ko) * | 2007-03-30 | 2010-02-11 | 현대자동차주식회사 | 자동차용 차선이탈 방지 방법 |
CN103496370B (zh) * | 2013-10-15 | 2018-01-30 | 扬州瑞控汽车电子有限公司 | 一种车道偏离预警方法 |
CN103991410B (zh) * | 2014-04-22 | 2016-03-02 | 国通道路交通管理工程技术研究中心有限公司 | 一种预防重点运输车辆压线违法行为的方法及系统 |
CN105810015B (zh) * | 2016-03-18 | 2018-07-17 | 上海欧菲智能车联科技有限公司 | 车道偏离预警方法及系统和车辆 |
CN108556737A (zh) * | 2018-04-11 | 2018-09-21 | 济南浪潮高新科技投资发展有限公司 | 一种车辆压线违章预先提示装置 |
CN110929655B (zh) * | 2019-11-27 | 2023-04-14 | 厦门金龙联合汽车工业有限公司 | 一种行驶过程中车道线识别方法、终端设备及存储介质 |
CN111179345B (zh) * | 2019-12-27 | 2024-01-23 | 大连海事大学 | 基于车载机器视觉的前方车辆越线违章行为自动检测方法及系统 |
CN111597905B (zh) * | 2020-04-20 | 2023-06-09 | 淮阴工学院 | 一种基于视频技术的公路隧道停车检测方法 |
-
2020
- 2020-11-27 CN CN202011358298.5A patent/CN112562406B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101894271A (zh) * | 2010-07-28 | 2010-11-24 | 重庆大学 | 汽车偏离车道线角度和距离的视觉计算及预警方法 |
CN103117005A (zh) * | 2011-11-16 | 2013-05-22 | 财团法人工业技术研究院 | 车道偏移警示方法及系统 |
CN103587529A (zh) * | 2013-10-12 | 2014-02-19 | 长安大学 | 一种直道路段换道过程越线时刻预测系统及预测方法 |
CN105426861A (zh) * | 2015-12-02 | 2016-03-23 | 百度在线网络技术(北京)有限公司 | 车道线确定方法及装置 |
CN106647776A (zh) * | 2017-02-24 | 2017-05-10 | 驭势科技(北京)有限公司 | 车辆变道趋势的判断方法、判断装置和计算机存储介质 |
CN108528336A (zh) * | 2018-04-18 | 2018-09-14 | 福州大学 | 一种车辆压线提前预警系统 |
CN109344704A (zh) * | 2018-08-24 | 2019-02-15 | 南京邮电大学 | 一种基于行车方向与车道线夹角的车辆变道行为检测方法 |
CN111382614A (zh) * | 2018-12-28 | 2020-07-07 | 沈阳美行科技有限公司 | 车辆定位方法、装置、电子设备、计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112562406A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102189262B1 (ko) | 엣지 컴퓨팅을 이용한 교통 정보 수집 장치 및 방법 | |
US11840239B2 (en) | Multiple exposure event determination | |
CN109345829B (zh) | 无人车的监控方法、装置、设备及存储介质 | |
CN102792314B (zh) | 交叉通行碰撞警报系统 | |
Battiato et al. | On-board monitoring system for road traffic safety analysis | |
CN112562406B (zh) | 一种越线行驶的识别方法及装置 | |
CN111753612A (zh) | 一种抛洒物检测方法、装置及存储介质 | |
JP2010132056A (ja) | 検知装置、検知方法および車両制御装置 | |
CN116547725A (zh) | 一种车辆预警方法、装置、设备及存储介质 | |
CN111160132B (zh) | 障碍物所在车道的确定方法、装置、电子设备和存储介质 | |
Satzoda et al. | Drive analysis using lane semantics for data reduction in naturalistic driving studies | |
CN113538968B (zh) | 用于输出信息的方法和装置 | |
CN116152753A (zh) | 车辆信息识别方法和系统、存储介质和电子装置 | |
CN113220805B (zh) | 地图生成装置、记录介质以及地图生成方法 | |
US20220101025A1 (en) | Temporary stop detection device, temporary stop detection system, and recording medium | |
CN115841660A (zh) | 距离预测方法、装置、设备、存储介质及车辆 | |
CN113435350A (zh) | 一种交通标线检测方法、装置、设备和介质 | |
CN116368545A (zh) | 一种车辆预警方法、系统、装置、设备及存储介质 | |
CN113177509A (zh) | 一种倒车行为识别方法及装置 | |
CN113674311A (zh) | 异常行为检测方法、装置、电子设备、存储介质 | |
CN112784817A (zh) | 车辆所在车道检测方法、装置、设备及存储介质 | |
CN112866636A (zh) | 基于最远可视距离的团雾识别预警方法、系统和电子设备 | |
CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
Foresti et al. | Vehicle detection and tracking for traffic monitoring | |
CN117087675B (zh) | 一种车辆通过性的检测方法、装置、设备及介质 |
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 |