CN112700657B - 用于生成检测信息的方法、装置、路侧设备和云控平台 - Google Patents
用于生成检测信息的方法、装置、路侧设备和云控平台 Download PDFInfo
- Publication number
- CN112700657B CN112700657B CN202011519211.8A CN202011519211A CN112700657B CN 112700657 B CN112700657 B CN 112700657B CN 202011519211 A CN202011519211 A CN 202011519211A CN 112700657 B CN112700657 B CN 112700657B
- Authority
- CN
- China
- Prior art keywords
- target
- detection frame
- target detection
- frame
- determining
- 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
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06V2201/07—Target detection
Abstract
本申请公开了一种用于生成检测信息的方法、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,确定各视频帧中的至少一个目标检测框;对于至少一个目标检测框中的每个目标检测框,响应于确定该目标检测框中的目标对象的速度大于预设的速度阈值,且该目标检测框中的前景区域满足预设的区域条件,将该目标检测框确定为误检框;根据除误检框之外的目标检测框,生成检测信息。本实现方式提供一种用于生成检测信息的方法,能够提高检测准确度。
Description
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,尤其涉及一种用于生成检测信息的方法、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,很多场景依赖于对车辆的监控视频进行目标检测,其中,目标检测是指基于目标几何和统计特征的图像分割。
在进行目标检测的过程中,往往会根据目标检测的需求,在场景中框选出相应的目标区域,得到检测框。然而,在实践中发现,这些检测框并不一定能够精准地反应目标对象,根据这些检测框输出的检测信息存在着检测准确度较差的问题。
发明内容
提供了一种用于生成检测信息的方法、装置、路侧设备和云控平台。
根据第一方面,提供了一种用于生成检测信息的方法,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,确定各视频帧中的至少一个目标检测框;对于至少一个目标检测框中的每个目标检测框,响应于确定该目标检测框中的目标对象的速度大于预设的速度阈值,且该目标检测框中的前景区域满足预设的区域条件,将该目标检测框确定为误检框;根据除误检框之外的目标检测框,生成检测信息。
根据第二方面,提供了一种用于生成检测信息的装置,包括:视频获取单元,被配置成获取道路监控视频;检测框确定单元,被配置成对于道路监控视频中的至少一个视频帧,确定各视频帧中的至少一个目标检测框;误检框确定单元,被配置成对于至少一个目标检测框中的每个目标检测框,响应于确定该目标检测框中的目标对象的速度大于预设的速度阈值,且该目标检测框中的前景区域满足预设的区域条件,将该目标检测框确定为误检框;信息生成单元,被配置成根据除误检框之外的目标检测框,生成检测信息。
根据第三方面,提供了一种用于生成检测信息的电子设备,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生成检测信息的方法。
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生成检测信息的方法。
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生成检测信息的电子设备。
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生成检测信息的电子设备。
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生成检测信息的方法。
根据本申请的技术,提供一种用于生成检测信息的方法,能够在生成目标检测框之后,根据目标检测框中目标对象的速度以及前景区域,从目标检测框中筛选误检框,以使得根据除误检框之外的目标检测框生成检测信息,能够提高生成的检测信息的检测准确度。
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生成检测信息的方法的一个实施例的流程图;
图3是根据本申请的用于生成检测信息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生成检测信息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生成检测信息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生成检测信息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生成检测信息的方法或用于生成检测信息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,针对确定出的道路监控视频中的每个目标检测框,可以识别该目标检测框是否为误检框,并根据除误检框之外的目标检测框,生成检测信息。进一步服务器103可以将检测信息输出给相应的终端设备,以使终端设备显示该检测信息。终端设备可以为检测工作人员所使用的手机、平板、电脑等电子设备,在此不做具体限定。
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生成检测信息的方法一般由服务器103执行。相应地,用于生成检测信息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生成检测信息的方法的一个实施例的流程200。本实施例的用于生成检测信息的方法,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,确定各视频帧中的至少一个目标检测框。
本实施例中,执行主体可以通过预设的目标检测算法对道路监控视频中的至少一个视频帧进行目标检测,得到各视频帧中的至少一个目标检测框。其中,预设的目标检测算法可以包括但不限于Yolo算法(You Only Look Once,一种基于深度神经网络的对象识别和定位算法)、R-CNN算法(Region-CNN,一种将深度学习应用到目标检测上的算法)等等,本实施例中不做赘述。优选的,可以对道路监控视频中包括的所有视频帧中每个视频帧,确定该视频帧中的至少一个目标检测框。其中,每一目标检测框可以包含相应的目标对象,目标对象可以包括但不限于车辆、行人等等,本实施例中对此不做限定。
需要说明的是,目标检测是指基于目标几何和统计特征的图像分割。目前用于实现目标检测的算法具有很多种类,如上述的预设的目标检测算法,这些算法的工作原理已为本领域技术人员所熟知,因此本实施例对于预设的目标检测算法的工作原理在此不再赘述。
步骤203,对于至少一个目标检测框中的每个目标检测框,响应于确定该目标检测框中的目标对象的速度大于预设的速度阈值,且该目标检测框中的前景区域满足预设的区域条件,将该目标检测框确定为误检框。
本实施例中,对于至少一个目标检测框中的每个目标检测框,执行主体可以确定该目标检测框中的目标对象,并基于对各个视频帧进行图像分析,得到该目标对象的速度。响应于确定目标对象的速度大于预设的速度阈值,可以进一步获取目标检测框中的前景区域。其中,前景区域指的是机器视觉领域中需要检测的目标区域。与前景区域相对的是背景区域,背景区域指的是机器视觉领域中图像中除前景区域之外的其它区域。
在本实施例一些可选的实现方式中,可以通过以下步骤获取目标检测框中的前景区域:根据目标检测框在连续的视频帧中的像素变化情况,确定目标检测框中的各个像素对应的状态信息,状态信息包括运动或者静止;将状态信息为运动的像素组成的区域确定为前景区域,以及将状态信息为静止的像素组成的区域确定为背景区域。
本实现方式中,连续的视频帧可以包括目标检测框所在的目标视频帧、目标视频帧向前预设数量的视频帧以及目标视频帧向后预设数量的视频帧。
进一步可以判断前景区域是否满足预设的区域条件,其中,预设的区域条件可以是前景区域是否过小,也即是前景区域的面积是否小于预设的阈值。如果目标检测框中的前景区域满足预设的区域条件,则说明前景区域的面积小于预设的阈值,由于前景区域是目标检测需要检测的区域,如果前景区域过小,则说明该目标检测框存在误检,将该目标检测框确定为误检框。步骤204,根据除误检框之外的目标检测框,生成检测信息。
本实施例中,检测信息可以为针对不同应用场景输出的、用于描述前景区域的信息。举例来说,在目标跟踪场景下,根据除误检框之外的目标检测框生成的检测信息可以包括跟踪的目标对象的行为情况。假设跟踪的目标对象为车辆,生成的检测信息可以为该车辆的行驶情况。其中,行驶情况可以包括但不限于车速、行驶轨迹、车辆负载情况等等,本实施例中对此不做限定。又或者,在异常事件检测场景下,根据除误检框之外的目标检测框生成的检测信息可以为检测到的具体异常事件,具体异常事件可以包括但不限于车辆违章、交通事故等等,本实施例中对此不做限定。
在本实施例的一些可选的实施方式中,在将该目标检测框确定为误检框之后,可以对误检框进行标记。在需要生成检测信息的情况下,可以根据标记,快速确定出除误检框之外的目标检测框,以根据除误检框之外的目标检测框,生成检测信息。
继续参见图3,其示出了根据本申请的用于生成检测信息的方法的一个应用场景的示意图。在图3的应用场景中,上述用于生成检测信息的方法可以应用到目标追踪的场景中,监控设备301设于道路路口,用于监控道路中车辆行驶情况,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。服务器在获取到监控设备传输的道路监控视频之后,可以对道路监控视频中的每个视频帧,确定该视频帧中的至少一个目标检测框,如图3中的第一目标检测框302和第二目标检测框303。进一步的,可以确定各个目标检测框中车辆的行驶速度。如果行驶速度大于预设的速度阈值,确定各个目标检测框中的前景区域,如图3所示的第一目标检测框302和第二目标检测框303中的车辆所在区域。通过图像分析可知,车辆所在区域与第一目标检测框302的面积之比数值较大,不符合预设的区域条件,继续将其确认为目标检测框。而车辆所在区域与第二目标检测框303的面积之比数值较小,符合预设的区域条件,将第二目标检测框303确定为误检框。后续只根据第一目标检测框302生成对车辆的检测信息,检测准确度更高。
本申请上述实施例提供的用于生成检测信息的方法,可以对于道路监控视频中的至少一个目标检测框,根据目标检测框中目标对象的速度以及目标检测框中的前景区域,确定该目标检测框是否为误检框。这一过程能够筛选出前景区域占比较小的目标检测框作为误检框,并且同时考虑到了如果目标对象的速度较小,在区分背景区域和前景区域时,会将该目标对象所属区域误认为背景区域。针对这种情况,不适用将前景区域占比较小的目标检测框作为误检框。从而根据除误检框之外的目标检测框生成检测信息,能够提高生成的检测信息的检测准确度。
继续参见图4,其示出了根据本申请的用于生成检测信息的方法的另一个实施例的流程400。如图4所示,本实施例的用于生成检测信息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,针对步骤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,确定各视频帧中的至少一个目标检测框。
本实施例中,针对步骤402的详细描述请参照对步骤202的详细描述,在此不再赘述。
步骤403,对于至少一个目标检测框中的每个目标检测框,确定该目标检测框所属的目标视频帧。
本实施例中,针对道路监控视频中的每个视频帧,可以存在至少一个目标检测框。其中,每个目标检测框具有与之对应的目标视频帧。
步骤404,确定目标视频帧的上一视频帧的前景区域集合。
本实施例中,执行主体在确定出目标视频帧之后,可以在道路监控视频中确定出目标视频帧的上一视频帧。并且确定出该上一视频帧的前景区域集合。其中,前景区域集合指的是该上一视频帧中所有前景区域组成的集合。对于上一视频帧中的前景区域集合的确定,可以根据预设的背景建模算法计算得到。预设的背景建模算法可以包括但不限于ViBe背景建模算法(Visual Background Extractor,一种像素级视频背景建模算法)、混合高斯模型算法等等,本实施例对此不做限定。以ViBe背景建模算法为例,可以通过计算各个像素与预设的背景像素之间的相似度,将各个像素归为前景区域或者背景区域。
步骤405,根据前景区域集合和目标视频帧,确定该目标检测框中的前景区域。
本实施例中,执行主体可以根据上一视频帧的前景区域集合和目标视频帧,先确定目标视频帧的前景区域集合,再从目标视频帧的前景区域集合中确定该目标检测框中的前景区域。
在本实施例的一些可选的实现方式中,根据前景区域集合和目标视频帧,确定该目标检测框中的前景区域,包括:根据前景区域集合、目标视频帧以及预设的背景模型,确定初始前景图像;对初始前景图像进行图像处理,得到目标前景图像;根据目标前景图像,确定该目标检测框中的前景区域。
本实现方式中,预设的背景模型的输入数据可以为上一视频帧的前景区域集合以及当前的目标视频帧,输出数据可以为目标视频帧对应的初始前景图像。进一步可以对初始前景图像进行图像处理,可以包括但不限于形态学滤波处理等处理方式。进而在得到目标前景图像之后,根据目标前景图像,确定该目标检测框中的前景区域。
在本实施例的另一些可选的实现方式中,还可以执行以下步骤:定期更新预设的背景模型。
本实现方式中,还可以定期更新预设的背景模型,具体的,可以间隔预设时间更新预设的背景模型,也可以间隔预设数量的视频帧更新预设的背景模型,本实施例对此不做限定。通过定期更新预设的背景模型,可以及时更新预设的背景模型中存储的关于背景像素的序列,以使前景区域与背景区域的划分更加精准。
步骤406,对于至少一个目标检测框中的每个目标检测框,响应于确定该目标检测框中的目标对象的速度大于预设的速度阈值,且该目标检测框中的前景区域满足预设的区域条件,将该目标检测框确定为误检框。
本实施例中,对于步骤406的详细描述请参照对步骤203的详细描述,在此不再赘述。
在本实施例的一些可选的实现方式中,还可以执行以下步骤:对于至少一个目标检测框中的每个目标检测框,获取该目标检测框中的前景区域对应的第一像素数量;获取该目标检测框对应的第二像素数量;确定第一像素数量和第二像素数量的比值;响应于确定比值小于预设的比例阈值,确定该目标检测框中的前景区域满足预设的区域条件。
本实现方式中,预设的区域条件可以为前景区域和目标检测框之间的像素数量之比小于预设的比例阈值。如果满足预设的区域条件,则确定前景区域占比较小。如果不满足预设的区域条件,则确定前景区域占比较大。
步骤407,删除误检框。
本实施例中,在确定出误检框之后,执行主体可以删除误检框,以此节约存储空间。
步骤408,根据除误检框之外的目标检测框,生成检测信息。
本实施例中,针对步骤408的详细描述请参照对步骤204的详细描述,在此不再赘述。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于生成检测信息的方法的流程400,还可以定期更新预设的背景模型,提高了对于前景区域和背景区域的划分精准度。并且还可以删除误检框,能够节约存储空间。
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生成检测信息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,本实施例的用于生成检测信息的装置500包括:视频获取单元501、检测框确定单元502、误检框确定单元503以及信息生成单元504。
视频获取单元501,被配置成获取道路监控视频。
检测框确定单元502,被配置成对于道路监控视频中的至少一个视频帧,确定各视频帧中的至少一个目标检测框。
误检框确定单元503,被配置成对于至少一个目标检测框中的每个目标检测框,响应于确定该目标检测框中的目标对象的速度大于预设的速度阈值,且该目标检测框中的前景区域满足预设的区域条件,将该目标检测框确定为误检框。
信息生成单元504,被配置成根据除误检框之外的目标检测框,生成检测信息。
在本实施例的一些可选的实现方式中,生成单元502包括:获取模块,被配置成获取登录环境信息中的目标互联网协议地址和目标物理地址,以及预设安全条件中预先存储的安全互联网协议地址以及安全物理地址;第一生成模块,被配置成响应于确定目标互联网协议地址和安全互联网协议地址不匹配以及目标物理地址和安全物理地址不匹配,基于目标账户的数据信息生成子账户。
在本实施例的一些可选的实现方式中,上述装置还包括:第一像素获取单元,被配置成对于至少一个目标检测框中的每个目标检测框,获取该目标检测框中的前景区域对应的第一像素数量;第二像素获取单元,被配置成获取该目标检测框对应的第二像素数量;比值确定单元,被配置成确定第一像素数量和第二像素数量的比值;条件确定单元,被配置成响应于确定比值小于预设的比例阈值,确定该目标检测框中的前景区域满足预设的区域条件。
在本实施例的一些可选的实现方式中,上述装置还包括:视频帧确定单元,被配置成对于至少一个目标检测框中的每个目标检测框,确定该目标检测框所属的目标视频帧;区域集合确定单元,被配置成确定目标视频帧的上一视频帧的前景区域集合;前景区域确定单元,被配置成根据前景区域集合和目标视频帧,确定该目标检测框中的前景区域。
在本实施例的一些可选的实现方式中,前景区域确定单元进一步被配置成:根据前景区域集合、目标视频帧以及预设的背景模型,确定初始前景图像;对初始前景图像进行图像处理,得到目标前景图像;根据目标前景图像,确定该目标检测框中的前景区域。
在本实施例的一些可选的实现方式中,上述装置还包括:更新单元,被配置成定期更新预设的背景模型。
在本实施例的一些可选的实现方式中,上述装置还包括:删除单元,被配置成删除误检框。
应当理解,用于生成检测信息的装置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,上文针对用于生成检测信息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,例如用于生成检测信息的方法。例如,在一些实施例中,用于生成检测信息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生成检测信息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生成检测信息的方法。
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生成检测信息的电子设备、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 (16)
1.一种用于生成检测信息的方法,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,确定各视频帧中的至少一个目标检测框;
对于所述至少一个目标检测框中的每个目标检测框,确定该目标检测框中的目标对象,基于对各个视频帧进行图像分析,得到该目标检测框中的目标对象的速度,响应于确定该目标检测框中的目标对象的速度大于预设的速度阈值,且该目标检测框中的前景区域满足预设的区域条件,将该目标检测框确定为误检框;其中,所述预设的区域条件包括:所述前景区域的面积是否小于预设的阈值,通过以下步骤获取该目标检测框中的前景区域:根据该目标检测框在连续的视频帧中的像素变化情况,确定该目标检测框中的各个像素对应的状态信息;将状态信息为运动的像素组成的区域确定为前景区域;
根据除所述误检框之外的目标检测框,生成检测信息。
2.根据权利要求1所述的用于生成检测信息的方法,其中,所述方法还包括:
对于所述至少一个目标检测框中的每个目标检测框,获取该目标检测框中的前景区域对应的第一像素数量;
获取该目标检测框对应的第二像素数量;
确定所述第一像素数量和所述第二像素数量的比值;
响应于确定所述比值小于预设的比例阈值,确定该目标检测框中的前景区域满足所述预设的区域条件。
3.根据权利要求1所述的用于生成检测信息的方法,其中,所述方法还包括:
对于所述至少一个目标检测框中的每个目标检测框,确定该目标检测框所属的目标视频帧;
确定所述目标视频帧的上一视频帧的前景区域集合;
根据所述前景区域集合和所述目标视频帧,确定该目标检测框中的前景区域。
4.根据权利要求3所述的用于生成检测信息的方法,其中,所述根据所述前景区域集合和所述目标视频帧,确定该目标检测框中的前景区域,包括:
根据所述前景区域集合、所述目标视频帧以及预设的背景模型,确定初始前景图像;
对所述初始前景图像进行图像处理,得到目标前景图像;
根据所述目标前景图像,确定该目标检测框中的前景区域。
5.根据权利要求4所述的用于生成检测信息的方法,其中,所述方法还包括:
定期更新所述预设的背景模型。
6.根据权利要求1至5任一项所述的用于生成检测信息的方法,其中,所述方法还包括:
删除所述误检框。
7.一种用于生成检测信息的装置,所述装置包括:
视频获取单元,被配置成获取道路监控视频;
检测框确定单元,被配置成对于所述道路监控视频中的至少一个视频帧,确定各视频帧中的至少一个目标检测框;
误检框确定单元,被配置成对于所述至少一个目标检测框中的每个目标检测框,确定该目标检测框中的目标对象,基于对各个视频帧进行图像分析,得到该目标检测框中的目标对象的速度,响应于确定该目标检测框中的目标对象的速度大于预设的速度阈值,且该目标检测框中的前景区域满足预设的区域条件,将该目标检测框确定为误检框;其中,所述预设的区域条件包括:所述前景区域的面积是否小于预设的阈值,通过以下步骤获取该目标检测框中的前景区域:根据该目标检测框在连续的视频帧中的像素变化情况,确定该目标检测框中的各个像素对应的状态信息;将状态信息为运动的像素组成的区域确定为前景区域;
信息生成单元,被配置成根据除所述误检框之外的目标检测框,生成检测信息。
8.根据权利要求7所述的用于生成检测信息的装置,其中,所述装置还包括:
第一像素获取单元,被配置成对于所述至少一个目标检测框中的每个目标检测框,获取该目标检测框中的前景区域对应的第一像素数量;
第二像素获取单元,被配置成获取该目标检测框对应的第二像素数量;
比值确定单元,被配置成确定所述第一像素数量和所述第二像素数量的比值;
条件确定单元,被配置成响应于确定所述比值小于预设的比例阈值,确定该目标检测框中的前景区域满足所述预设的区域条件。
9.根据权利要求7所述的用于生成检测信息的装置,其中,所述装置还包括:
视频帧确定单元,被配置成对于所述至少一个目标检测框中的每个目标检测框,确定该目标检测框所属的目标视频帧;
区域集合确定单元,被配置成确定所述目标视频帧的上一视频帧的前景区域集合;
前景区域确定单元,被配置成根据所述前景区域集合和所述目标视频帧,确定该目标检测框中的前景区域。
10.根据权利要求9所述的用于生成检测信息的装置,其中,所述前景区域确定单元进一步被配置成:
根据所述前景区域集合、所述目标视频帧以及预设的背景模型,确定初始前景图像;
对所述初始前景图像进行图像处理,得到目标前景图像;
根据所述目标前景图像,确定该目标检测框中的前景区域。
11.根据权利要求10所述的用于生成检测信息的装置,其中,所述装置还包括:
更新单元,被配置成定期更新所述预设的背景模型。
12.根据权利要求7至11任一项所述的用于生成检测信息的装置,其中,所述装置还包括:
删除单元,被配置成删除所述误检框。
13.一种用于生成检测信息的电子设备,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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011519211.8A CN112700657B (zh) | 2020-12-21 | 2020-12-21 | 用于生成检测信息的方法、装置、路侧设备和云控平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011519211.8A CN112700657B (zh) | 2020-12-21 | 2020-12-21 | 用于生成检测信息的方法、装置、路侧设备和云控平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112700657A CN112700657A (zh) | 2021-04-23 |
CN112700657B true CN112700657B (zh) | 2023-04-28 |
Family
ID=75509457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011519211.8A Active CN112700657B (zh) | 2020-12-21 | 2020-12-21 | 用于生成检测信息的方法、装置、路侧设备和云控平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112700657B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296742A (zh) * | 2016-08-19 | 2017-01-04 | 华侨大学 | 一种结合特征点匹配的在线目标跟踪方法 |
JP2017005485A (ja) * | 2015-06-10 | 2017-01-05 | 住友電気工業株式会社 | 画像監視装置および画像監視方法 |
CN106845325A (zh) * | 2015-12-04 | 2017-06-13 | 杭州海康威视数字技术股份有限公司 | 一种信息检测方法及装置 |
CN110517288A (zh) * | 2019-07-23 | 2019-11-29 | 南京莱斯电子设备有限公司 | 基于全景多路4k视频图像的实时目标检测跟踪方法 |
WO2020001216A1 (zh) * | 2018-06-26 | 2020-01-02 | 杭州海康威视数字技术股份有限公司 | 异常事件的检测 |
CN110807385A (zh) * | 2019-10-24 | 2020-02-18 | 腾讯科技(深圳)有限公司 | 目标检测方法、装置、电子设备及存储介质 |
CN111712731A (zh) * | 2019-07-25 | 2020-09-25 | 深圳市大疆创新科技有限公司 | 目标检测方法、系统及可移动平台 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930720A (zh) * | 2012-10-25 | 2013-02-13 | 北京交通大学 | 一种基于视频的交通信息检测装置与方法 |
WO2016149938A1 (zh) * | 2015-03-26 | 2016-09-29 | 北京旷视科技有限公司 | 视频监控方法、视频监控系统以及计算机程序产品 |
CN107295296B (zh) * | 2016-04-01 | 2020-04-14 | 中国科学院上海高等研究院 | 一种监控视频选择性存储与恢复方法及系统 |
CN107872644B (zh) * | 2016-09-23 | 2020-10-09 | 亿阳信通股份有限公司 | 视频监控方法及装置 |
CN110738686B (zh) * | 2019-10-12 | 2022-12-02 | 四川航天神坤科技有限公司 | 静动态结合的视频人车检测方法及系统 |
CN110689555B (zh) * | 2019-10-12 | 2022-07-22 | 四川航天神坤科技有限公司 | 基于前景检测的kcf跟踪目标丢失检测方法及系统 |
-
2020
- 2020-12-21 CN CN202011519211.8A patent/CN112700657B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017005485A (ja) * | 2015-06-10 | 2017-01-05 | 住友電気工業株式会社 | 画像監視装置および画像監視方法 |
CN106845325A (zh) * | 2015-12-04 | 2017-06-13 | 杭州海康威视数字技术股份有限公司 | 一种信息检测方法及装置 |
CN106296742A (zh) * | 2016-08-19 | 2017-01-04 | 华侨大学 | 一种结合特征点匹配的在线目标跟踪方法 |
WO2020001216A1 (zh) * | 2018-06-26 | 2020-01-02 | 杭州海康威视数字技术股份有限公司 | 异常事件的检测 |
CN110517288A (zh) * | 2019-07-23 | 2019-11-29 | 南京莱斯电子设备有限公司 | 基于全景多路4k视频图像的实时目标检测跟踪方法 |
CN111712731A (zh) * | 2019-07-25 | 2020-09-25 | 深圳市大疆创新科技有限公司 | 目标检测方法、系统及可移动平台 |
CN110807385A (zh) * | 2019-10-24 | 2020-02-18 | 腾讯科技(深圳)有限公司 | 目标检测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112700657A (zh) | 2021-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113221677B (zh) | 一种轨迹异常检测方法、装置、路侧设备和云控平台 | |
CN113011323B (zh) | 通行状态的获取方法、相关装置、路侧设备及云控平台 | |
CN112530021B (zh) | 用于处理数据的方法、装置、设备以及存储介质 | |
US11900676B2 (en) | Method and apparatus for detecting target in video, computing device, and storage medium | |
CN110675635B (zh) | 相机外参的获取方法、装置、电子设备及存储介质 | |
CN112560684B (zh) | 车道线检测方法、装置、电子设备、存储介质以及车辆 | |
CN113392794B (zh) | 车辆跨线识别方法、装置、电子设备和存储介质 | |
JP2021168174A (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 | |
CN111601013B (zh) | 用于处理视频帧的方法和装置 | |
CN113326773A (zh) | 识别模型训练方法、识别方法、装置、设备及存储介质 | |
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 | |
CN113052047B (zh) | 交通事件的检测方法、路侧设备、云控平台及系统 | |
CN113378857A (zh) | 目标检测方法、装置、电子设备及存储介质 | |
CN113780578A (zh) | 模型训练方法、装置、电子设备及可读存储介质 | |
CN112700657B (zh) | 用于生成检测信息的方法、装置、路侧设备和云控平台 | |
CN115953434A (zh) | 轨迹匹配方法、装置、电子设备和存储介质 | |
CN112861811B (zh) | 目标识别方法、装置、设备、存储介质及雷达 | |
CN110634155A (zh) | 一种基于深度学习的目标检测方法和装置 | |
CN113657596A (zh) | 训练模型和图像识别的方法和装置 | |
CN114429631A (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
JP2022006180A (ja) | 画像の手ぶれ補正方法、装置、電子機器、記憶媒体、コンピュータプログラム製品、路側機およびクラウド制御プラットフォーム | |
CN112597895B (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 | |
CN112560726B (zh) | 目标检测置信度确定方法、路侧设备及云控平台 | |
CN114863701B (zh) | 交通信号灯控制方法、装置、电子设备和介质 | |
CN113963322B (zh) | 一种检测模型训练方法、装置及电子设备 |
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 Room 101, 1st floor, building 1, yard 7, Ruihe West 2nd Road, economic and Technological Development Zone, Daxing District, Beijing Applicant after: Apollo Zhilian (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 |