CN112598908A - 驾驶员闯红灯识别方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明实施例提供了一种驾驶员闯红灯识别方法、装置、电子设备及存储介质，方法包括：实时获取交通路口图像，并实时接收V2X信号帧；解析T1时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S1，并记录当前时刻为T1；解析T2时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S2，并记录当前时刻为T2；在T1至T2时间段中任选时刻T3，确定T3时刻交通信号灯颜色状态S3；若S1、S2和S3均为红灯状态，则确定驾驶员有闯红灯行为。本发明实施例能够结合图像技术与车用无线通信技术对驾驶员闯红灯行为进行自动检测。

Description

驾驶员闯红灯识别方法、装置、电子设备及存储介质

技术领域

本发明涉及智能汽车领域，尤其涉及一种驾驶员闯红灯识别方法、装置、电子设备及存储介质。

背景技术

智能汽车是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术，是高新技术的综合体。

v2x(vehicle to everything)，即车对外界的信息交换。车联网通过整合全球定位系统(GPS)导航技术、车对车交流技术、无线通信及远程感应技术奠定了新的汽车技术发展方向。

发明内容

针对现有技术中存在的问题，本发明实施例提供一种驾驶员闯红灯识别方法、装置、电子设备及存储介质。

第一方面，本发明实施例提供一种驾驶员闯红灯识别方法，包括：

实时获取交通路口图像，并实时接收V2X信号帧，所述V2X信号帧包括当前交通信号灯的定位信息、当前交通信号灯颜色状态信息、当前交通信号灯倒计时秒数信息和当前信号灯适用车道信息；

当满足第一预设条件时，解析T1时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S1，并记录当前时刻为T1；

在预设时间内，当满足第二预设条件时，解析T2时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S2，并记录当前时刻为T2；

在T1至T2时间段中任选时刻T3，根据所述交通路口图像和所述V2X信号帧确定T3时刻交通信号灯颜色状态S3；

若所述交通信号灯颜色状态S1、所述交通信号灯颜色状态S2和所述交通信号灯颜色状态S3均为红灯状态，则确定驾驶员有闯红灯行为。

进一步地，还包括：

若确定驾驶员有闯红灯行为，则基于所述交通路口图像，将T1至T2时间段的交通路口视频上传，使得监管人员获知驾驶员有闯红灯行为。

进一步地，所述满足第一预设条件，具体包括：

基于卷积神经网络检测地标和第一停止线，确定车辆所在车道的指向信息和车辆与所述第一停止线的相对距离；

当所述车辆与所述第一停止线的相对距离小于等于阈值时，确定为满足第一预设条件；

所述满足第二预设条件，具体包括：

基于卷积神经网络检测地标和第二停止线，确定车辆所在车道的指向信息和车辆与所述第二停止线的相对距离；

当所述车辆与所述第二停止线的相对距离小于等于阈值时，确定为满足第二预设条件；

其中，所述指向信息为直行，和/或，左转，和/或，右转。

进一步地，还包括:

在满足第一预设条件，和/或，满足第二预设条件时，判断所述车辆的当前车速是否大于零；

若所述车辆的当前车速等于零，则不进行所述V2X信号帧解析。

第二方面，本发明实施例提供了一种驾驶员闯红灯识别装置，包括：

获取模块，用于实时获取交通路口图像，并实时接收V2X信号帧，所述V2X信号帧包括当前交通信号灯的定位信息、当前交通信号灯颜色状态信息、当前交通信号灯倒计时秒数信息和当前信号灯适用车道信息；

第一记录模块，用于当满足第一预设条件时，解析T1时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S1，并记录当前时刻为T1；

第二记录模块，用于在预设时间内，当满足第二预设条件时，解析T2时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S2，并记录当前时刻为T2；

第一确定模块，用于在T1至T2时间段中任选时刻T3，根据所述交通路口图像和所述V2X信号帧确定T3时刻交通信号灯颜色状态S3；

第二确定模块，用于若所述交通信号灯颜色状态S1、所述交通信号灯颜色状态S2和所述交通信号灯颜色状态S3均为红灯状态，则确定驾驶员有闯红灯行为。

进一步地，还包括：

监督模块，用于若确定驾驶员有闯红灯行为，则基于所述交通路口图像，将T1至T2时间段的交通路口视频上传，使得监管人员获知驾驶员有闯红灯行为。

进一步地，所述第一记录模块中所述满足第一预设条件，具体用于：

基于卷积神经网络检测地标和第一停止线，确定车辆所在车道的指向信息和车辆与所述第一停止线的相对距离；

当所述车辆与所述第一停止线的相对距离小于等于阈值时，确定为满足第一预设条件；

所述第二记录模块中所述满足第二预设条件，具体包括：

基于卷积神经网络检测地标和第二停止线，确定车辆所在车道的指向信息和车辆与所述第二停止线的相对距离；

当所述车辆与所述第二停止线的相对距离小于等于阈值时，确定为满足第二预设条件；

其中，所述指向信息为直行，和/或，左转，和/或，右转。

进一步地，还包括:

判断模块，用于在满足第一预设条件，和/或，满足第二预设条件时，判断所述车辆的当前车速是否大于零；

若所述车辆的当前车速等于零，则不进行所述V2X信号帧解析。

第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上第一方面所述的驾驶员闯红灯识别方法的步骤。

第四方面，本发明实施例还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上第一方面所述的驾驶员闯红灯识别方法的步骤。

由上述技术方案可知，本发明实施例提供的驾驶员闯红灯识别方法、装置、电子设备及存储介质，实时获取交通路口图像，并实时接收V2X信号帧，所述V2X信号帧包括当前交通信号灯的定位信息、当前交通信号灯颜色状态信息、当前交通信号灯倒计时秒数信息和当前信号灯适用车道信息；当满足第一预设条件时，解析T1时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S1，并记录当前时刻为T1；在预设时间内，当满足第二预设条件时，解析T2时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S2，并记录当前时刻为T2；在T1至T2时间段中任选时刻T3，根据所述交通路口图像和所述V2X信号帧确定T3时刻交通信号灯颜色状态S3；若所述交通信号灯颜色状态S1、所述交通信号灯颜色状态S2和所述交通信号灯颜色状态S3均为红灯状态，则确定驾驶员有闯红灯行为。可见，本发明实施例提供的驾驶员闯红灯识别方法能够结合图像技术与车用无线通信技术对驾驶员闯红灯行为进行自动检测。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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为本发明一实施例提供的驾驶员闯红灯识别方法的流程示意图；

图2为本发明另一实施例提供的驾驶员闯红灯识别方法的示意图；

图3为本发明一实施例提供的十字路口状态示意图；

图4为本发明一实施例提供的驾驶员闯红灯识别装置的结构示意图

图5为本发明一实施例提供的电子设备的实体结构示意图；

具体实施方式

为使本发明实施例的目的、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地描述，显然，所描述的实施例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。下面将通过具体实施例对本发明提供的驾驶员闯红灯识别方法进行详细解释和说明。

图1为本发明一实施例提供的驾驶员闯红灯识别方法的流程示意图；如图1所示，该方法包括：

步骤101：实时获取交通路口图像，并实时接收V2X信号帧，所述V2X信号帧包括当前交通信号灯的定位信息、当前交通信号灯颜色状态信息、当前交通信号灯倒计时秒数信息和当前信号灯适用车道信息。

在本步骤中，可以理解的是，通过摄像头实时监控车辆驾驶情况，监控交通道路路口情况，拍摄交通路口实时视频并转化为图像；实时接收路边单元发送的V2X信号帧，路边单元以10Hz的频率广播V2X信号帧，路边单元将交通路口中当前交通信号灯的定位信息、当前交通信号灯颜色状态、当前交通信号灯倒计时秒数、当前信号灯适用车道(如左转道、右转道、直行道)组合为一个V2X信号帧，周围车辆接收V2X信号帧，可以通过V2X车载单元解析获得当前交通信号灯颜色状态、当前交通信号灯倒计时秒数以及适用车道等信息。

步骤102：当满足第一预设条件时，解析T1时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S1，并记录当前时刻为T1。

在本步骤中，举例来说，满足第一预设条件可以为当车辆行至路口时，参见图2，通过图像算法(卷积神经网络)通过对地标与停止线检测，获取当前车辆所在车道(本实例中为直行车道)，与停止线相对距离。以此停止线为出发停止线(第一停止线)，图像算法跟踪该停止线，直至与该停止线距离小于等于阈值(此处为0)，即出发停止线(第一停止线)消失，通过车载can总线，获取此时车速，车速大于0，即车头端到达或处于但车尾部未越过停止线时。当满足第一预设条件时，解析T1时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S1，并记录当前时刻为T1，如V2X车载单元解析V2X路边单元发送的当前信号灯状态S1(本实例中为直行红灯)并记录当前时刻T1。

步骤103：在预设时间内，当满足第二预设条件时，解析T2时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S2，并记录当前时刻为T2。

在本步骤中，可以理解的是，图像算法(卷积神经网络)继续对停止线进行检测，在一定阈值时间内再次检测出停止线，此停止线默认为到达停止线(第二停止线)，图像算法跟踪该停止线，直至与该停止线距离小于等于阈值(此处为0)，即到达停止线(第二停止线)消失，通过车载can总线获取此时车速，车速大于0，即车头端进入对向车道；通过V2X路边单元获取当前信号灯状态S2，并记录当前时刻T2。

步骤104：在T1至T2时间段中任选时刻T3，根据所述交通路口图像和所述V2X信号帧确定T3时刻交通信号灯颜色状态S3。

在本步骤中，可以理解的是，从T1至T2时刻中任取一个时刻T3，向V2X路边单元请求该时刻信号灯状态，车载V2X单元解析该信号灯状态S3，通过车载can总线获取此时车速。

步骤105：若所述交通信号灯颜色状态S1、所述交通信号灯颜色状态S2和所述交通信号灯颜色状态S3均为红灯状态，则确定驾驶员有闯红灯行为。

在本步骤中，可以理解的是，当且仅当S1，S2，S3均为红灯状态时，确定驾驶员有闯红灯行为。

由上面技术方案可知，本发明实施例提供的驾驶员闯红灯识别方法，实时获取交通路口图像，并实时接收V2X信号帧，所述V2X信号帧包括当前交通信号灯的定位信息、当前交通信号灯颜色状态信息、当前交通信号灯倒计时秒数信息和当前信号灯适用车道信息；当满足第一预设条件时，解析T1时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S1，并记录当前时刻为T1；在预设时间内，当满足第二预设条件时，解析T2时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S2，并记录当前时刻为T2；在T1至T2时间段中任选时刻T3，根据所述交通路口图像和所述V2X信号帧确定T3时刻交通信号灯颜色状态S3；若所述交通信号灯颜色状态S1、所述交通信号灯颜色状态S2和所述交通信号灯颜色状态S3均为红灯状态，则确定驾驶员有闯红灯行为。可见，本发明实施例提供的驾驶员闯红灯识别方法能够结合图像技术与车用无线通信技术对驾驶员闯红灯行为进行自动检测。

在上述实施例基础上，在本实施例中，还包括：

若确定驾驶员有闯红灯行为，则基于所述交通路口图像，将T1至T2时间段的交通路口视频上传，使得监管人员获知驾驶员有闯红灯行为。

在本实施例中，可以理解的是，若确定驾驶员有闯红灯行为，车载DVR选取T1至T2时刻的视频至服务器告知监管人员，其余状态或无法获取此三个状态均不上传视频。

由上面技术方案可知，本发明实施例驾驶员闯红灯识别方法，能够起到规范驾驶员驾驶行为的作用，方便商用车队对驾驶员的驾驶习惯进行统一监控和管理；另一方面实现监管人员对驾驶人员进行告警，减少由交通事故造成的人员财产损失，降低交通运输的代价。

在上述实施例基础上，在本实施例中，所述满足第一预设条件，具体包括：

基于卷积神经网络检测地标和第一停止线，确定车辆所在车道的指向信息和车辆与所述第一停止线的相对距离；

当所述车辆与所述第一停止线的相对距离小于等于阈值时，确定为满足第一预设条件；

所述满足第二预设条件，具体包括：

基于卷积神经网络检测地标和第二停止线，确定车辆所在车道的指向信息和车辆与所述第二停止线的相对距离；

当所述车辆与所述第二停止线的相对距离小于等于阈值时，确定为满足第二预设条件；

其中，所述指向信息为直行，和/或，左转，和/或，右转。

由上面技术方案可知，本发明实施例驾驶员闯红灯识别方法，通过上述第一预设条件和第二预设条件的设定，有助于平台管理人员实时准确检测驾驶员原始习惯和有无闯红灯行为。

在上述实施例基础上，在本实施例中，还包括:

在满足第一预设条件，和/或，满足第二预设条件时，判断所述车辆的当前车速是否大于零；

若所述车辆的当前车速等于零，则不进行所述V2X信号帧解析。

由上面技术方案可知，本发明实施例驾驶员闯红灯识别方法，通过确定车辆的当前车速，一方面可以避免误判，有助于提升监测质量；另一方面，若所述车辆的当前车速等于零，则不进行所述V2X信号帧解析，从而减少V2X车载单元工作量，进而降低后台服务器工作量，有助于准确检测驾驶员驾驶习惯。

为了更好地理解本发明，下面结合实施例进一步阐述本发明的内容，但本发明不仅仅局限于下面实施例。

利用本发明实施例可以方便平台管理人员实时检测驾驶员驾驶习惯与有无闯红灯，在本实施例中需要说明的是，包括V2X路边单元，V2X车载单元，摄像头，车载can总线，后台服务器。摄像头实时监控前车驾驶环境，同时将前车采集视频转换为图像，根据卷积神经网络判断是否有人行道与停止线，若存在则此停止线默认为出发停止线(第一停止线)，当车前轮越过出发停止线，记录V2X路边单元发送的信号灯状态S1与当前时刻T1；当车前轮越过第二个停止线时，默认此停止线为到达停止线(第二停止线)。记录V2X路边单元发送的此时信号灯状态S2与当前时刻T2，在T1与T2时刻之间，假定为时刻T3，记录T3时刻V2X路边单元的发送的此时信号灯状态S3，若三次状态均为红灯，则选取T1-T2时刻段视频上传至后台服务器。具体的，以图3中情形车辆处于直行车道，而直行交通灯此时为红色。V2X路边单元安装位于交通信号灯上，交通信号灯每隔1s(1秒)将当前信号灯的灯色和倒计时秒数通过有线或无线的方式传输至路边单元。路边单元将当前交通灯的定位信息、当前灯色、当前倒计时秒数、当前交通灯适用车道等信息组合为一个V2X信号帧，路边单元以10Hz的频率广播V2X信号帧，周围车辆接收到V2X信号帧后可以通过V2X车载单元解析获得当前交通信号灯的灯色、倒计时读秒数以及适用车道等信息。当车辆行至路口时，参见图2，通过图像算法(卷积神经网络)通过对地标与停止线检测，获取当前车辆所在车道(本实例中为直行车道)，与停止线相对距离。以此停止线为出发停止线(第一停止线)，图像算法跟踪该停止线，直至与该停止线距离小于等于阈值(此处为0)，即出发停止线(第一停止线)消失，通过车载can总线，获取此时车速，车速大于0，即车头端到达或处于但车尾部未越过停止线时，V2X车载单元解析V2X路边单元发送的当前信号灯状态S1(本实例中为直行红灯)并记录当前时刻T1，图像算法(卷积神经网络)继续对停止线进行检测，在一定阈值时间内再次检测出停止线，此停止线默认为到达停止线(第二停止线)，图像算法跟踪该停止线，直至与该停止线距离小于等于阈值(此处为0)，即到达停止线(第二停止线)消失，通过车载can总线获取此时车速，车速大于0，即车头端进入对向车道。通过V2X路边单元获取当前信号灯状态S2，并记录当前时刻T2。从T1至T2时刻中任取一个时刻T3，向V2X路边单元请求该时刻信号灯状态，车载V2X单元解析该信号灯状态S3，通过车载can总线获取此时车速。当且仅当S1，S2，S3均为红灯状态时，车载DVR选取T1至T2时刻的视频至服务器告知监管人员，其余状态或无法获取此三个状态均不上传视频。左转与右转判断与直行类似，本处不再赘述。通过本发明实施例结合图像技术和V2X技术能够对驾驶员闯红灯行为进行自动检测，从而对驾驶人员进行告警，减少由交通事故造成的人员财产损失，降低交通运输的代价；另一方面，起到规范驾驶员驾驶行为的作用，方便商用车队对驾驶员的驾驶习惯进行统一监控和管理。

图4为本发明一实施例提供的驾驶员闯红灯识别装置的结构示意图，如图4所示，该装置包括：获取模块201、第一记录模块202、第二记录模块203、第一确定模块204和第二确定模块205，其中：

其中，获取模块201，用于实时获取交通路口图像，并实时接收V2X信号帧，所述V2X信号帧包括当前交通信号灯的定位信息、当前交通信号灯颜色状态信息、当前交通信号灯倒计时秒数信息和当前信号灯适用车道信息；

第一记录模块202，用于当满足第一预设条件时，解析T1时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S1，并记录当前时刻为T1；

第二记录模块203，用于在预设时间内，当满足第二预设条件时，解析T2时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S2，并记录当前时刻为T2；

第一确定模块204，用于在T1至T2时间段中任选时刻T3，根据所述交通路口图像和所述V2X信号帧确定T3时刻交通信号灯颜色状态S3；

第二确定模块205，用于若所述交通信号灯颜色状态S1、所述交通信号灯颜色状态S2和所述交通信号灯颜色状态S3均为红灯状态，则确定驾驶员有闯红灯行为。

进一步地，还包括：

监督模块，用于若确定驾驶员有闯红灯行为，则基于所述交通路口图像，将T1至T2时间段的交通路口视频上传，使得监管人员获知驾驶员有闯红灯行为。

进一步地，所述第一记录模块中所述满足第一预设条件，具体用于：

基于卷积神经网络检测地标和第一停止线，确定车辆所在车道的指向信息和车辆与所述第一停止线的相对距离；

当所述车辆与所述第一停止线的相对距离小于等于阈值时，确定为满足第一预设条件；

所述第二记录模块中所述满足第二预设条件，具体包括：

基于卷积神经网络检测地标和第二停止线，确定车辆所在车道的指向信息和车辆与所述第二停止线的相对距离；

当所述车辆与所述第二停止线的相对距离小于等于阈值时，确定为满足第二预设条件；

其中，所述指向信息为直行，和/或，左转，和/或，右转。

进一步地，还包括:

判断模块，用于在满足第一预设条件，和/或，满足第二预设条件时，判断所述车辆的当前车速是否大于零；

若所述车辆的当前车速等于零，则不进行所述V2X信号帧解析。

本发明实施例提供的驾驶员闯红灯识别装置具体可以用于执行上述实施例的驾驶员闯红灯识别方法，其技术原理和有益效果类似，具体可参见上述实施例，此处不再赘述。

基于相同的发明构思，本发明实施例提供一种电子设备，参见图5，电子设备具体包括如下内容：处理器301、通信接口303、存储器302和通信总线304；

其中，处理器301、通信接口303、存储器302通过总线304完成相互间的通信；通信接口303用于实现各建模软件及智能制造装备模块库等相关设备之间的信息传输；处理器301用于调用存储器302中的计算机程序，处理器执行计算机程序时实现上述各方法实施例所提供的方法，例如，处理器执行计算机程序时实现下述步骤：实时获取交通路口图像，并实时接收V2X信号帧，所述V2X信号帧包括当前交通信号灯的定位信息、当前交通信号灯颜色状态信息、当前交通信号灯倒计时秒数信息和当前信号灯适用车道信息；当满足第一预设条件时，解析T1时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S1，并记录当前时刻为T1；在预设时间内，当满足第二预设条件时，解析T2时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S2，并记录当前时刻为T2；在T1至T2时间段中任选时刻T3，根据所述交通路口图像和所述V2X信号帧确定T3时刻交通信号灯颜色状态S3；若所述交通信号灯颜色状态S1、所述交通信号灯颜色状态S2和所述交通信号灯颜色状态S3均为红灯状态，则确定驾驶员有闯红灯行为。

基于相同的发明构思，本发明又一实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法实施例提供的方法，例如，实时获取交通路口图像，并实时接收V2X信号帧，所述V2X信号帧包括当前交通信号灯的定位信息、当前交通信号灯颜色状态信息、当前交通信号灯倒计时秒数信息和当前信号灯适用车道信息；当满足第一预设条件时，解析T1时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S1，并记录当前时刻为T1；在预设时间内，当满足第二预设条件时，解析T2时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S2，并记录当前时刻为T2；在T1至T2时间段中任选时刻T3，根据所述交通路口图像和所述V2X信号帧确定T3时刻交通信号灯颜色状态S3；若所述交通信号灯颜色状态S1、所述交通信号灯颜色状态S2和所述交通信号灯颜色状态S3均为红灯状态，则确定驾驶员有闯红灯行为。

以上所描述的装置实施例仅仅是示意性的，其中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的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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计算机可读存储介质中，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，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分的方法。

此外，在本发明中，诸如“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

此外，在本发明中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

此外，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种驾驶员闯红灯识别方法，其特征在于，包括：

实时获取交通路口图像，并实时接收V2X信号帧，所述V2X信号帧包括当前交通信号灯的定位信息、当前交通信号灯颜色状态信息、当前交通信号灯倒计时秒数信息和当前信号灯适用车道信息；

当满足第一预设条件时，解析T1时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S1，并记录当前时刻为T1；

在预设时间内，当满足第二预设条件时，解析T2时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S2，并记录当前时刻为T2；

在T1至T2时间段中任选时刻T3，根据所述交通路口图像和所述V2X信号帧确定T3时刻交通信号灯颜色状态S3；

若所述交通信号灯颜色状态S1、所述交通信号灯颜色状态S2和所述交通信号灯颜色状态S3均为红灯状态，则确定驾驶员有闯红灯行为。

2.根据权利要求1所述的驾驶员闯红灯识别方法，其特征在于，还包括：

若确定驾驶员有闯红灯行为，则基于所述交通路口图像，将T1至T2时间段的交通路口视频上传，使得监管人员获知驾驶员有闯红灯行为。

3.根据权利要求1所述的驾驶员闯红灯识别方法，其特征在于，所述满足第一预设条件，具体包括：

基于卷积神经网络检测地标和第一停止线，确定车辆所在车道的指向信息和车辆与所述第一停止线的相对距离；

当所述车辆与所述第一停止线的相对距离小于等于阈值时，确定为满足第一预设条件；

所述满足第二预设条件，具体包括：

基于卷积神经网络检测地标和第二停止线，确定车辆所在车道的指向信息和车辆与所述第二停止线的相对距离；

当所述车辆与所述第二停止线的相对距离小于等于阈值时，确定为满足第二预设条件；

其中，所述指向信息为直行，和/或，左转，和/或，右转。

4.根据权利要求1所述的驾驶员闯红灯识别方法，其特征在于，还包括:

在满足第一预设条件，和/或，满足第二预设条件时，判断所述车辆的当前车速是否大于零；

若所述车辆的当前车速等于零，则不进行所述V2X信号帧解析。

5.一种驾驶员闯红灯识别装置，其特征在于，包括：

获取模块，用于实时获取交通路口图像，并实时接收V2X信号帧，所述V2X信号帧包括当前交通信号灯的定位信息、当前交通信号灯颜色状态信息、当前交通信号灯倒计时秒数信息和当前信号灯适用车道信息；

第一记录模块，用于当满足第一预设条件时，解析T1时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S1，并记录当前时刻为T1；

第二记录模块，用于在预设时间内，当满足第二预设条件时，解析T2时刻接收到的所述V2X信号帧，确定当前交通信号灯颜色状态S2，并记录当前时刻为T2；

第一确定模块，用于在T1至T2时间段中任选时刻T3，根据所述交通路口图像和所述V2X信号帧确定T3时刻交通信号灯颜色状态S3；

第二确定模块，用于若所述交通信号灯颜色状态S1、所述交通信号灯颜色状态S2和所述交通信号灯颜色状态S3均为红灯状态，则确定驾驶员有闯红灯行为。

6.根据权利要求5所述的驾驶员闯红灯识别装置，其特征在于，还包括：

监督模块，用于若确定驾驶员有闯红灯行为，则基于所述交通路口图像，将T1至T2时间段的交通路口视频上传，使得监管人员获知驾驶员有闯红灯行为。

7.根据权利要求5所述的驾驶员闯红灯识别装置，其特征在于，所述第一记录模块中所述满足第一预设条件，具体用于：

基于卷积神经网络检测地标和第一停止线，确定车辆所在车道的指向信息和车辆与所述第一停止线的相对距离；

当所述车辆与所述第一停止线的相对距离小于等于阈值时，确定为满足第一预设条件；

所述第二记录模块中所述满足第二预设条件，具体包括：

基于卷积神经网络检测地标和第二停止线，确定车辆所在车道的指向信息和车辆与所述第二停止线的相对距离；

当所述车辆与所述第二停止线的相对距离小于等于阈值时，确定为满足第二预设条件；

其中，所述指向信息为直行，和/或，左转，和/或，右转。

8.根据权利要求5所述的驾驶员闯红灯识别装置，其特征在于，还包括:

判断模块，用于在满足第一预设条件，和/或，满足第二预设条件时，判断所述车辆的当前车速是否大于零；

若所述车辆的当前车速等于零，则不进行所述V2X信号帧解析。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～4任一项所述的驾驶员闯红灯识别方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1～4任一项所述的驾驶员闯红灯识别方法。

Images