CN112699747A - 用于确定车辆状态的方法、装置、路侧设备和云控平台 - Google Patents

用于确定车辆状态的方法、装置、路侧设备和云控平台 Download PDF

Info

Publication number
CN112699747A
CN112699747A CN202011520864.8A CN202011520864A CN112699747A CN 112699747 A CN112699747 A CN 112699747A CN 202011520864 A CN202011520864 A CN 202011520864A CN 112699747 A CN112699747 A CN 112699747A
Authority
CN
China
Prior art keywords
vehicle
determining
state
characteristic information
parameter
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.)
Granted
Application number
CN202011520864.8A
Other languages
English (en)
Other versions
CN112699747B (zh
Inventor
高旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Apollo Intelligent Connectivity Beijing Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011520864.8A priority Critical patent/CN112699747B/zh
Publication of CN112699747A publication Critical patent/CN112699747A/zh
Application granted granted Critical
Publication of CN112699747B publication Critical patent/CN112699747B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种用于确定车辆状态的方法、装置、路侧设备和云控平台，涉及智能交通领域。具体实现方案为：获取道路监控视频；对于道路监控视频中的至少一个视频帧，确定各视频帧中至少一个车辆的车辆参数；根据各车辆的车辆参数，确定各车辆对应的车辆特征信息和车道特征信息；对于每一车辆，响应于确定该车辆的车辆特征信息和车道特征信息满足预设的特征条件，将该车辆的车辆状态确定为排队状态。本实现方式提供一种用于确定车辆状态的方法，能够提高车辆状态确定的准确度。

Description

用于确定车辆状态的方法、装置、路侧设备和云控平台
技术领域
本申请涉及计算机技术领域，具体涉及智能交通领域，尤其涉及一种用于确定车辆状态的方法、装置、路侧设备和云控平台。
背景技术
目前，在智能交通领域中，通常是根据车速确定车辆状态。如将车速较小的车辆的车辆状态确定为排队状态。
在实践中发现，采用这种方式，可能会由于某些车辆正在插队，此时车速较小，将该车辆的车辆状态误判为排队状态。可见，现在的车辆状态确定方法存在着准确度较差的问题。
发明内容
提供了一种车辆状态确定方法、装置、路侧设备和云控平台。
根据第一方面，提供了一种用于确定车辆状态的方法，包括：获取道路监控视频；对于道路监控视频中的至少一个视频帧，确定各视频帧中至少一个车辆的车辆参数；根据各车辆的车辆参数，确定各车辆对应的车辆特征信息和车道特征信息；对于每一车辆，响应于确定该车辆的车辆特征信息和车道特征信息满足预设的特征条件，将该车辆的车辆状态确定为排队状态。
根据第二方面，提供了一种用于确定车辆状态的装置，包括：视频获取单元，被配置成获取道路监控视频；参数确定单元，被配置成对于道路监控视频中的至少一个视频帧，确定各视频帧中至少一个车辆的车辆参数；特征确定单元，被配置成根据各车辆的车辆参数，确定各车辆对应的车辆特征信息和车道特征信息；状态确定单元，被配置成对于每一车辆，响应于确定该车辆的车辆特征信息和车道特征信息满足预设的特征条件，将该车辆的车辆状态确定为排队状态。
根据第三方面，提供了一种用于确定车辆状态的电子设备，包括：一个或多个计算单元；存储单元，用于存储一个或多个程序；当一个或多个程序被一个或多个计算单元执行，使得一个或多个计算单元实现如上任意一项用于确定车辆状态的方法。
根据第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被计算单元执行时实现如上任意一项用于确定车辆状态的方法。
根据第五方面，提供了一种路侧设备，包括第三方面提供的用于确定车辆状态的电子设备。
根据第六方面，提供了一种云控平台，包括第三方面提供的用于确定车辆状态的电子设备。
根据第七方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被计算单元执行时实现如上任意一项用于确定车辆状态的方法。
根据本申请的技术，提供一种用于确定车辆状态的方法，能够根据车辆的车辆特征信息和车道特征信息，确定该车辆是否处于排队状态，综合考虑了车辆的局部特征以及车辆相对于车道的全局特征，多维度综合确定车辆状态，能够提高车辆状态确定的准确度。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是本申请的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本申请的用于确定车辆状态的方法的一个实施例的流程图；
图3是根据本申请的用于确定车辆状态的方法的一个应用场景的示意图；
图4是根据本申请的用于确定车辆状态的方法的另一个实施例的流程图；
图5是根据本申请的用于确定车辆状态的装置的一个实施例的结构示意图；
图6是用来实现本申请实施例的用于确定车辆状态的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于确定车辆状态的方法或用于确定车辆状态的装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括监控设备101、网络102和服务器103。网络102用以在监控设备101和服务器103之间提供通信链路的介质。网络102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。
监控设备101的数量可以为多个，分别设于多段道路，用于监控相应的道路上车辆的行驶情况。具体的，监控设备101可以设于某交叉路口的电杆上，能够监控得到道路监控视频。道路监控视频中包含一定时间段内道路上车辆的行驶情况。监控设备101通过网络102与服务器103交互，以接收或发送消息等。监控设备101可以将监控得到的道路监控视频通过网络102发送给服务器103。
监控设备101可以是硬件，也可以是软件。当监控设备101为硬件时，可以是各种电子设备，包括但不限于枪机、半球型摄像机、一体化摄像机、红外日夜两用摄像机、高速球摄像机、网络摄像机等等。当监控设备101为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器103可以是提供各种服务的服务器，例如获取监控设备101发送的道路监控视频，基于对道路监控视频中各个视频帧进行分析，确定各个视频帧中处于排队状态的车辆，根据处于排队状态的车辆数量，可以估计排队车辆长度。进一步服务器103可以控制交通信号灯根据车辆长度调整显示信息。
需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本申请实施例所提供的用于确定车辆状态的方法一般由服务器103执行。相应地，用于确定车辆状态的装置一般设置于服务器103中。
应该理解，图1中的监控设备、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监控设备、网络和服务器。
继续参考图2，示出了根据本申请的用于确定车辆状态的方法的一个实施例的流程200。本实施例的用于确定车辆状态的方法，包括以下步骤：
步骤201，获取道路监控视频。
本实施例中，执行主体(如图1所示的服务器103)可以接收至少一个监控设备传输的道路监控视频，道路监控视频中包含各个道路中的车辆行驶图像信息。其中，监控设备可以为分设于各个道路路口的监控摄像头，也可以为各个车辆中的行车记录设备等，本实施例对此不做限定。进一步可选的，获取到的道路监控视频可以为预设时长的监控视频，例如可以为60秒内的监控视频等等，本实施例对此不做限定。
步骤202，对于道路监控视频中的至少一个视频帧，确定各视频帧中至少一个车辆的车辆参数。
本实施例中，执行主体可以对于道路监控视频中的至少一个视频帧进行图像分析，确定出各视频帧中至少一个车辆的车辆参数。优选的，执行主体可以对于道路监控视频中的每个视频帧进行图像分析。根据每个视频帧中的特征、视频帧之间的差异特征、视频帧之间的相似特征等因素确定各视频帧中至少一个车辆的车辆参数。其中，车辆参数用于描述车辆的自身特征以及车道中车辆的总体特征。举例来说，车辆的自身特征可以包括但不限于车辆速度、车辆相对于车道的位置以及车辆的周围车辆分布情况，车道中车辆的总体特征可以包括但不限于车道中的车辆总数量、车道中车辆的离散分布情况等等，本实施例对此不做限定。
步骤203，根据各车辆的车辆参数，确定各车辆对应的车辆特征信息和车道特征信息。
本实施例中，车辆特征信息为用于描述车辆自身特征的信息，车道特征信息为用于描述车道中车辆的总体特征的信息。对于每个车辆而言，该车辆的车辆参数中包含着反映该车辆的自身特征的参数，以及反映该车辆所在车道中车辆的总体特征的参数。通过对各车辆的车辆参数进行相应的运算，能够确定出与反映该车辆的自身特征的参数对应的车辆特征信息，以及确定出与反映该车辆所在车道中车辆的总体特征的车道特征信息。
步骤204，对于每一车辆，响应于确定该车辆的车辆特征信息和车道特征信息满足预设的特征条件，将该车辆的车辆状态确定为排队状态。
本实施例中，预设的特征条件为用于判断该车辆的车辆状态是排队状态还是运动状态的条件。其中，运动状态指示该车辆在车道中正常行驶，排队状态指示该车辆正在车道中排队等待通行。
继续参见图3，其示出了根据本申请的用于确定车辆状态的方法的一个应用场景的示意图。在图3的应用场景中，上述用于确定车辆状态的方法可以应用到交通灯智能调控的场景中。如图3所示，监控设备301设于道路路口，用于监控第一车道303和第二车道304中的车辆行驶情况，生成道路监控视频。监控设备可以将获取到的道路监控视频传输给服务器，以使服务器对于车辆监控视频中的各个视频帧，确定各视频帧中至少一个车辆的车辆参数。车辆参数可以包括但不限于车速、密度分布参数、相对位置、每个车道的车辆数量，以及每个车道的车辆离散程度。
进一步的，可以根据各车辆的车辆参数，确定各车辆对应的车辆特征信息和车道特征信息。对于第一车道303和第二车道304中的6个车辆中的每一车辆，可以判断该车辆的车辆特征信息和车道特征信息是否满足预设的特征条件，如果满足，可以将该车辆的车辆状态确定为排队状态。如果第一车道303中处于排队状态的车辆数量大于指定的阈值，则调整交通信号灯302的显示信息。例如第一车道303中处于排队状态的车辆数量为3，指定的阈值为2，则控制将交通信号灯302的显示信息调整为红灯显示时长降低至预设的时长。
本申请上述实施例提供的用于确定车辆状态的方法，可以根据道路监控视频中的至少一个视频帧，确定各视频帧中至少一个车辆的车辆参数，根据车辆参数确定出车辆的车辆特征信息和车道特征信息。并根据车辆的车辆特征信息和车道特征信息，确定该车辆是否处于排队状态，综合考虑了车辆的局部特征以及车辆相对于车道的全局特征，多维度综合确定车辆状态，能够提高车辆状态确定的准确度。
继续参见图4，其示出了根据本申请的用于确定车辆状态的方法的另一个实施例的流程400。如图4所示，本实施例的用于确定车辆状态的方法可以包括以下步骤：
步骤401，获取道路监控视频。
本实施例中，对于步骤401的详细描述请参照对步骤201的详细描述，在此不再赘述。
步骤402，对于道路监控视频中的至少一个视频帧，确定各视频帧中至少一个车辆的车辆参数。
本实施例中，对于步骤402的详细描述请参照对步骤202的详细描述，在此不再赘述。
其中，车辆参数可以包括第一参数和/或第二参数。第一参数可以为反映该车辆的自身特征的参数，第二参数可以为反映该车辆所在车道中车辆的总体特征的参数。
步骤403，确定与第一参数对应的第一损失函数。
本实施例中，第一参数可以包括车辆的速度、车辆的密度分布参数以及车辆在车道中的相对位置，与第一参数对应的第一损失函数用于描述车辆的自身特征对应的损失函数，具体可以为：
Figure BDA0002848865990000061
其中，
Figure BDA0002848865990000062
表示第一损失函数，
Figure BDA0002848865990000063
表示在t时刻编号为i的车辆，
Figure BDA0002848865990000064
表示编号为i的车辆在t时刻的状态。其中，
Figure BDA0002848865990000065
的数值为1时，表示此时的车辆状态为运动状态，
Figure BDA0002848865990000071
的数值为0时，表示此时的车辆状态为排队状态。
Figure BDA0002848865990000072
表示编号为i的车辆在t时刻的密度分布参数，xi表示车辆的位置坐标的纵坐标数值，d表示监控设备采集到的图像的宽度，
Figure BDA0002848865990000073
表示车辆i在t时刻的速度。
在本实施例的一些可选的实现方式中，车辆的速度可以通过以下步骤获取得到：针对每个车辆，确定该车辆在道路监控视频中的位置坐标变化信息；根据该位置坐标变化信息，确定该车辆对应的车辆速度。
本实现方式中，位置坐标变化信息可以用于描述该车辆的位移。具体的，可以通过位置坐标变化信息确定车辆的初始位置坐标与当前位置坐标之间的距离值。可选的，可以通过欧式距离函数来计算该距离值。进一步的，还可以根据初始位置坐标对应的视频帧与当前位置坐标对应的视频帧之间相差的帧数目，确定时间信息。再根据距离值与时间信息的比值，得到该车辆对应的车辆速度。
在本实施例的一些可选的实现方式中，车辆的密度分布参数可以通过以下步骤获取得到：针对每个车辆，确定与该车辆的距离小于预设的距离阈值的目标区域；根据该目标区域的车辆数量，确定该车辆对应的车辆密度分布参数。
本实现方式中，以每个车辆所处位置坐标为圆心，将预设的距离阈值作为半径，能够得出相应的目标区域。根据目标区域的车辆数量与车辆总数量的比值，可以计算得到该车辆对应的车辆密度分布参数。
在本实施例的一些可选的实现方式中，车辆在车道中的相对位置可以通过以下步骤获取得到：针对每个车辆，根据该车辆的纵坐标数值，确定第一长度；根据第一长度和预设的第二长度之间的比值，确定该车辆对应的车辆相对位置。
本实现方式中，在监控设备采集到的图像中未包含完整的车道线和/或未包含完整的停车线的情况下，可以确定每个车辆所处的位置坐标，根据该位置坐标的纵坐标数值，确定第一长度。再根据第一长度和预设的第二长度之间的比值，可以确定该车辆对应的车辆相对位置。其中，预设的第二长度可以为监控设备采集到的图像的宽度。可选的，在监控设备采集到的图像中包含完整的车道线以及完整的停车线的情况下，可以将车辆与停车线之间的距离长度确定为第一长度，以及将车道线长度确定为第二长度，再根据第一长度和第二长度之间的比值，确定该车辆对应的车辆相对位置。
步骤404，根据第一参数和第一损失函数，确定各车辆的车辆特征信息。
本实施例中，可以将第一参数代入上述的第一损失函数，得到各车辆的车辆特征信息。其中，第一参数可以包括上述的车辆的速度、上述的车辆的密度分布参数以及上述的车辆在车道中的相对位置。将各车辆的车辆特征信息代入上述第一损失函数，可以计算各车辆的速度、各车辆的密度分布参数以及各车辆在车道中的相对位置之间的乘积，得到相应的数值，将该数值确定为各车辆的车辆特征信息。
步骤405，确定与第二参数对应的第二损失函数。
本实施例中，第二参数可以包括各个车道的车辆数量以及各个车道的车辆方差。其中，第二损失函数用于描述车道中车辆的总体特征对应的损失函数，具体可以为：
Figure BDA0002848865990000081
其中，
Figure BDA0002848865990000082
表示第二损失函数，
Figure BDA0002848865990000083
表示在t时刻编号为i的车辆，
Figure BDA0002848865990000084
表示编号为i的车辆在t时刻的状态，Nt表示当前车道中的车辆数量，σ2表示车辆方差，cap表示每条车道中最多可以容纳的车辆数量，λ1、λ2、λ3表示超参数。
在本实施例的一些可选的实现方式中，车辆方差可以通过以下步骤计算得出：对于每个车道，确定该车道内的至少一个车辆坐标；确定该至少一个车辆坐标对应的平均位置坐标；根据该至少一个车辆坐标和该平均位置坐标之间的距离值，确定各个距离值的平方和；将该平方和的平均数确定为车辆方差。
步骤406，根据第二参数和第二损失函数，确定各车辆的车道特征信息。
本实施例中，可以将第二参数代入第二损失函数，得到包含未知数
Figure BDA0002848865990000085
的代数式，将该代数式确定为各车辆的车道特征信息。
步骤407，对于每一车辆，根据该车辆的车辆特征信息和车道特征信息，确定该车辆对应的状态分类信息。
本实施例中，可以根据该车辆的车辆特征信息和车道特征信息，构建车辆状态函数，车辆状态函数用于通过最小化损失函数得到车辆状态分类，具体可以为：
Figure BDA0002848865990000091
其中，
Figure BDA0002848865990000092
表示车辆状态集合，车辆状态集合
Figure BDA0002848865990000093
其中，
Figure BDA0002848865990000094
表示编号为i的车辆在t时刻的状态，Nt表示当前车道中的车辆数量，τ表示超参数。
Figure BDA0002848865990000095
表示总损失函数，具体如下：
Figure BDA0002848865990000096
其中，λ表示预先设置好的系数，
Figure BDA0002848865990000097
表示上述的车辆特征信息，
Figure BDA0002848865990000098
表示上述的车道特征信息。
步骤408，响应于确定状态分类信息为预设的目标分类信息，确定车辆特征信息和车道特征信息满足预设的特征条件。
本实施例中，状态分类信息可以为上述的
Figure BDA0002848865990000099
的数值，目标分类信息可以为0，响应于状态分类信息
Figure BDA00028488659900000910
的数值为0，确定车辆特征信息和车道特征信息满足预设的特征条件。
步骤409，对于每一车辆，响应于确定该车辆的车辆特征信息和车道特征信息满足预设的特征条件，将该车辆的车辆状态确定为排队状态。
本实施例中，对步骤409的详细描述请参照对步骤204的详细描述，在此不再赘述。
在本实施例的一些可选的实施方式中，还可以执行以下步骤：确定道路监控视频中处于排队状态的车辆数量；根据车辆数量确定车辆排队长度。
本实施例中，在确定出各车辆的车辆状态之后，可以统计车辆状态为排队状态的车辆数量，根据该车辆数量确定车辆排队长度，可选的，可以将处于排队状态的车辆数量乘以预设的阈值得到车辆排队长度，该预设的阈值可以用于反映车辆的车长。
在本实施例的另一些可选的实施方式中，还可以执行以下步骤：确定道路监控视频对应的目标交通信号灯；根据车辆排队长度，确定目标交通信号灯的显示信息。
本实施例中，可以预先存储有各个监控设备和相应的交通信号灯之间的对应关系，在获取到道路监控视频之后，可以确定该道路监控视频所属的监控设备，再确定与该监控设备对应的目标交通信号灯。进一步的，可以根据车辆排队长度，确定目标交通信号灯的显示信息。其中，显示信息可以包括但不限于对应的灯态显示信息和时长显示信息。例如，显示信息可以包括对应存储的“红灯，60s”，其中，灯态显示信息可以为“红灯”，时长显示信息可以为“60s”。
从图4中可以看出，与图2对应的实施例相比，本实施例中的用于确定车辆状态的方法的流程400，还可以通过确定道路监控视频中处于排队状态的车辆数量，确定车辆排队长度，以此确定目标交通信号灯的显示信息。这一过程能够实现对目标交通信号灯的动态调控，例如在判断出道路监控视频中处于排队状态的车辆数量较多、车辆排队长度较长的情况下，将目标交通信号灯的显示信息调整为降低红灯的显示时长，从而可以降低车辆溢流情况发生的概率，进而提高了交通管控的效果。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于确定车辆状态的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的用于确定车辆状态的装置500包括：视频获取单元501、参数确定单元502、特征确定单元503以及状态确定单元504。
视频获取单元501，被配置成获取道路监控视频。
参数确定单元502，被配置成对于道路监控视频中的至少一个视频帧，确定各视频帧中至少一个车辆的车辆参数。
特征确定单元503，被配置成根据各车辆的车辆参数，确定各车辆对应的车辆特征信息和车道特征信息。
本实施例中，车辆参数包括第一参数和/或第二参数。
状态确定单元504，被配置成对于每一车辆，响应于确定该车辆的车辆特征信息和车道特征信息满足预设的特征条件，将该车辆的车辆状态确定为排队状态。
在本实施例的一些可选的实现方式中，特征确定单元503进一步被配置成：确定与第一参数对应的第一损失函数；根据第一参数和第一损失函数，确定各车辆的车辆特征信息。
在本实施例的一些可选的实现方式中，特征确定单元503进一步被配置成：确定与第二参数对应的第二损失函数；根据第二参数和第二损失函数，确定各车辆的车道特征信息。
在本实施例的一些可选的实现方式中，上述用于确定车辆状态的装置还包括：分类确定单元，被配置成对于每一车辆，根据该车辆的车辆特征信息和车道特征信息，确定该车辆对应的状态分类信息；条件确定单元，被配置成响应于确定状态分类信息为预设的目标分类信息，确定车辆特征信息和车道特征信息满足预设的特征条件。
在本实施例的一些可选的实现方式中，上述用于确定车辆状态的装置还包括：数量确定单元，被配置成确定道路监控视频中处于排队状态的车辆数量；排队长度确定单元，被配置成根据车辆数量确定车辆排队长度。
在本实施例的一些可选的实现方式中，上述用于确定车辆状态的装置还包括：信号灯确定单元，被配置成确定道路监控视频对应的目标交通信号灯；显示确定单元，被配置成根据车辆排队长度，确定目标交通信号灯的显示信息。
应当理解，上述用于确定车辆状态的装置500中记载的单元501至单元504分别与参考图2中描述的方法中的各个步骤相对应。由此，上文针对用于确定车辆状态的方法描述的操作和特征同样适用于装置500及其中包含的单元，在此不再赘述。
根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质、一种路侧设备、一种云控平台和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元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。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号计算单元(DSP)、以及任何适当的计算单元、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如用于确定车辆状态的方法。例如，在一些实施例中，用于确定车辆状态的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的用于确定车辆状态的方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行用于确定车辆状态的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程计算单元的可编程系统上执行和/或解释，该可编程计算单元可以是专用或者通用可编程计算单元，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的计算单元或控制器，使得程序代码当由计算单元或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
在本公开的上下文中，路侧设备可以包括上述用于确定车辆状态的电子设备、通信部件等，电子设备可以与通信部件一体集成，也可以分体设置，本实施例对此不做限定。其中，通信部件用于电子设备和服务器、感知设备(如路侧相机)等进行通信。电子设备可以获取感知设备(如路侧相机)的数据，例如图片和视频等，从而进行视频处理和数据计算。
在本公开的上下文中，云控平台在云端执行处理，云控平台包括的电子设备可以获取感知设备(如路侧相机)的数据，例如图片和视频等，从而进行视频处理和数据计算；云控平台也可以称为车路协同管理平台、边缘计算平台、云计算平台、中心系统、云端服务器等，本实施例对此不做限定。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种用于确定车辆状态的方法，所述方法包括：
获取道路监控视频；
对于所述道路监控视频中的至少一个视频帧，确定各视频帧中至少一个车辆的车辆参数；
根据各车辆的车辆参数，确定各车辆对应的车辆特征信息和车道特征信息；
对于每一车辆，响应于确定该车辆的所述车辆特征信息和所述车道特征信息满足预设的特征条件，将该车辆的车辆状态确定为排队状态。
2.根据权利要求1所述的用于确定车辆状态的方法，其中，所述车辆参数包括第一参数；以及
所述根据各车辆的车辆参数，确定各车辆的车辆特征信息和车道特征信息，包括：
确定与所述第一参数对应的第一损失函数；
根据所述第一参数和所述第一损失函数，确定各车辆的所述车辆特征信息。
3.根据权利要求1所述的用于确定车辆状态的方法，其中，所述车辆参数包括第二参数，以及
所述根据各车辆的车辆参数，确定各车辆的车辆特征信息和车道特征信息，包括：
确定与所述第二参数对应的第二损失函数；
根据所述第二参数和所述第二损失函数，确定各车辆的所述车道特征信息。
4.根据权利要求1所述的用于确定车辆状态的方法，其中，所述方法还包括：
对于每一车辆，根据该车辆的所述车辆特征信息和所述车道特征信息，确定该车辆对应的状态分类信息；
响应于确定所述状态分类信息为预设的目标分类信息，确定所述车辆特征信息和所述车道特征信息满足所述预设的特征条件。
5.根据权利要求1至4任一项所述的用于确定车辆状态的方法，其中，所述方法还包括：
确定所述道路监控视频中处于所述排队状态的车辆数量；
根据所述车辆数量确定车辆排队长度。
6.根据权利要求5所述的用于确定车辆状态的方法，其中，所述方法还包括：
确定所述道路监控视频对应的目标交通信号灯；
根据所述车辆排队长度，确定所述目标交通信号灯的显示信息。
7.一种用于确定车辆状态的装置，所述装置包括：
视频获取单元，被配置成获取道路监控视频；
参数确定单元，被配置成对于所述道路监控视频中的至少一个视频帧，确定各视频帧中至少一个车辆的车辆参数；
特征确定单元，被配置成根据各车辆的车辆参数，确定各车辆对应的车辆特征信息和车道特征信息；
状态确定单元，被配置成对于每一车辆，响应于确定该车辆的所述车辆特征信息和所述车道特征信息满足预设的特征条件，将该车辆的车辆状态确定为排队状态。
8.根据权利要求7所述的用于确定车辆状态的装置，其中，所述车辆参数包括第一参数；以及
所述特征确定单元进一步被配置成：
确定与所述第一参数对应的第一损失函数；
根据所述第一参数和所述第一损失函数，确定各车辆的所述车辆特征信息。
9.根据权利要求7所述的用于确定车辆状态的装置，其中，所述车辆参数包括第二参数，以及
所述特征确定单元进一步被配置成：
确定与所述第二参数对应的第二损失函数；
根据所述第二参数和所述第二损失函数，确定各车辆的所述车道特征信息。
10.根据权利要求7所述的用于确定车辆状态的装置，其中，所述装置还包括：
分类确定单元，被配置成对于每一车辆，根据该车辆的所述车辆特征信息和所述车道特征信息，确定该车辆对应的状态分类信息；
条件确定单元，被配置成响应于确定所述状态分类信息为预设的目标分类信息，确定所述车辆特征信息和所述车道特征信息满足所述预设的特征条件。
11.根据权利要求7至10任一项所述的用于确定车辆状态的装置，其中，所述装置还包括：
数量确定单元，被配置成确定所述道路监控视频中处于所述排队状态的车辆数量；
排队长度确定单元，被配置成根据所述车辆数量确定车辆排队长度。
12.根据权利要求11所述的用于确定车辆状态的装置，其中，所述装置还包括：
信号灯确定单元，被配置成确定所述道路监控视频对应的目标交通信号灯；
显示确定单元，被配置成根据所述车辆排队长度，确定所述目标交通信号灯的显示信息。
13.一种用于确定车辆状态的电子设备，包括：
一个或多个计算单元；
存储单元，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个计算单元执行，使得所述一个或多个计算单元实现如权利要求1-6中任一所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的方法。
15.一种路侧设备，包括如权利要求13所述的电子设备。
16.一种云控平台，包括如权利要求13所述的电子设备。
17.一种计算机程序产品，包括计算机程序，所述计算机程序被计算单元执行时实现根据权利要求1-6中任一项所述的方法。
CN202011520864.8A 2020-12-21 2020-12-21 用于确定车辆状态的方法、装置、路侧设备和云控平台 Active CN112699747B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011520864.8A CN112699747B (zh) 2020-12-21 2020-12-21 用于确定车辆状态的方法、装置、路侧设备和云控平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011520864.8A CN112699747B (zh) 2020-12-21 2020-12-21 用于确定车辆状态的方法、装置、路侧设备和云控平台

Publications (2)

Publication Number Publication Date
CN112699747A true CN112699747A (zh) 2021-04-23
CN112699747B CN112699747B (zh) 2024-07-26

Family

ID=75509756

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011520864.8A Active CN112699747B (zh) 2020-12-21 2020-12-21 用于确定车辆状态的方法、装置、路侧设备和云控平台

Country Status (1)

Country Link
CN (1) CN112699747B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101364347A (zh) * 2008-09-17 2009-02-11 同济大学 基于视频的交叉口车辆控制延误的检测方法
CN101714263A (zh) * 2008-10-06 2010-05-26 中兴通讯股份有限公司 用于电子收费车道的车辆管理方法及管理系统
CN101859494A (zh) * 2009-04-06 2010-10-13 通用汽车环球科技运作公司 车队车辆管理
CN105447457A (zh) * 2015-11-15 2016-03-30 安徽清新互联信息科技有限公司 一种基于自适应特征的车牌字符识别方法
CN105809956A (zh) * 2014-12-31 2016-07-27 大唐电信科技股份有限公司 获取车辆排队长度的方法和装置
CN108039044A (zh) * 2017-12-05 2018-05-15 安徽大学 基于多尺度卷积神经网络的车辆智能排队的系统及方法
CN108062569A (zh) * 2017-12-21 2018-05-22 东华大学 一种基于红外和雷达的无人车驾驶决策方法
CN109426800A (zh) * 2017-08-22 2019-03-05 北京图森未来科技有限公司 一种车道线检测方法和装置
CN110009634A (zh) * 2019-04-22 2019-07-12 苏州海赛人工智能有限公司 一种基于全卷积网络的车道内车辆计数方法
CN111127877A (zh) * 2019-11-19 2020-05-08 华为技术有限公司 一种路况信息的监测方法及装置
CN111627241A (zh) * 2020-05-27 2020-09-04 北京百度网讯科技有限公司 用于生成车辆排队信息的方法和装置
US20200364472A1 (en) * 2019-05-14 2020-11-19 Neusoft Corporation Vehicle tracking method, computer readable storage medium, and electronic device

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101364347A (zh) * 2008-09-17 2009-02-11 同济大学 基于视频的交叉口车辆控制延误的检测方法
CN101714263A (zh) * 2008-10-06 2010-05-26 中兴通讯股份有限公司 用于电子收费车道的车辆管理方法及管理系统
CN101859494A (zh) * 2009-04-06 2010-10-13 通用汽车环球科技运作公司 车队车辆管理
CN105809956A (zh) * 2014-12-31 2016-07-27 大唐电信科技股份有限公司 获取车辆排队长度的方法和装置
CN105447457A (zh) * 2015-11-15 2016-03-30 安徽清新互联信息科技有限公司 一种基于自适应特征的车牌字符识别方法
CN109426800A (zh) * 2017-08-22 2019-03-05 北京图森未来科技有限公司 一种车道线检测方法和装置
CN108039044A (zh) * 2017-12-05 2018-05-15 安徽大学 基于多尺度卷积神经网络的车辆智能排队的系统及方法
CN108062569A (zh) * 2017-12-21 2018-05-22 东华大学 一种基于红外和雷达的无人车驾驶决策方法
CN110009634A (zh) * 2019-04-22 2019-07-12 苏州海赛人工智能有限公司 一种基于全卷积网络的车道内车辆计数方法
US20200364472A1 (en) * 2019-05-14 2020-11-19 Neusoft Corporation Vehicle tracking method, computer readable storage medium, and electronic device
CN111127877A (zh) * 2019-11-19 2020-05-08 华为技术有限公司 一种路况信息的监测方法及装置
CN111627241A (zh) * 2020-05-27 2020-09-04 北京百度网讯科技有限公司 用于生成车辆排队信息的方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张文学；连世新: "《大数据挖掘技术及其在医药领域的应用》", 30 September 2020, 燕山大学出版社, pages: 110 *
王闯;贺莹;: "基于逆透视变换的车辆排队长度检测方法及硬件实现", 《计算机测量与控制》, vol. 24, no. 08, pages 28 - 31 *

Also Published As

Publication number Publication date
CN112699747B (zh) 2024-07-26

Similar Documents

Publication Publication Date Title
EP3944213B1 (en) Method, device, storage medium and computer program for controlling traffic
CN112712712B (zh) 确定车辆排队信息的方法、装置、路侧设备和云控平台
CN114449343A (zh) 一种视频处理方法、装置、设备及存储介质
CN112863187B (zh) 感知模型的检测方法、电子设备、路侧设备和云控平台
CN112966599A (zh) 关键点识别模型的训练方法、关键点识别方法及装置
EP4109431A1 (en) Method, apparatus and storage medium of determining state of intersection
CN112528927A (zh) 基于轨迹分析的置信度确定方法、路侧设备及云控平台
CN113313962A (zh) 信号灯故障监测方法、装置、电子设备及存储介质
CN113420792A (zh) 图像模型的训练方法、电子设备、路侧设备及云控平台
JP7446359B2 (ja) 交通データ予測方法、交通データ予測装置、電子機器、記憶媒体、コンピュータプログラム製品及びコンピュータプログラム
CN112597895A (zh) 基于偏移量检测的置信度确定方法、路侧设备及云控平台
CN112688991B (zh) 用于执行点云扫描操作的方法、相关装置及存储介质
CN113657596A (zh) 训练模型和图像识别的方法和装置
CN112991735A (zh) 交通流量监测系统的测试方法、装置及设备
CN112699747A (zh) 用于确定车辆状态的方法、装置、路侧设备和云控平台
CN114987494A (zh) 驾驶场景处理方法、装置及电子设备
CN113487864A (zh) 确定路口状态的方法、装置、电子设备和存储介质
US20210097394A1 (en) Method and apparatus for compressing deep learning model
CN112560726A (zh) 目标检测置信度确定方法、路侧设备及云控平台
CN115242648B (zh) 扩缩容判别模型训练方法和算子扩缩容方法
CN112700657A (zh) 用于生成检测信息的方法、装置、路侧设备和云控平台
CN115100461B (zh) 图像分类模型训练方法、装置、电子设备、介质
CN114863701B (zh) 交通信号灯控制方法、装置、电子设备和介质
CN114067565B (zh) 确定拥堵识别精度的方法及装置
CN112683216B (zh) 用于生成车辆长度信息的方法、装置、路侧设备和云控平台

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
TA01 Transfer of patent application right

Effective date of registration: 20211012

Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant after: Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd.

Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant