CN112750317A - 车辆逆行检测方法、装置、设备及计算机可读存储介质 - Google Patents
车辆逆行检测方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112750317A CN112750317A CN202011520348.5A CN202011520348A CN112750317A CN 112750317 A CN112750317 A CN 112750317A CN 202011520348 A CN202011520348 A CN 202011520348A CN 112750317 A CN112750317 A CN 112750317A
- Authority
- CN
- China
- Prior art keywords
- lane
- track
- information
- driving
- vehicle
- 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.)
- Withdrawn
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 claims abstract description 62
- 230000011218 segmentation Effects 0.000 claims abstract description 42
- 239000013598 vector Substances 0.000 claims description 53
- 238000006073 displacement reaction Methods 0.000 claims description 43
- 230000006399 behavior Effects 0.000 claims description 39
- 230000015654 memory Effects 0.000 claims description 19
- 238000013139 quantization Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 9
- 230000003068 static effect Effects 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 239000006185 dispersion Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000003211 malignant effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种车辆逆行检测方法、装置、设备及计算机可读存储介质；方法包括：确定视频流中目标车辆的轨迹信息；通过预设的车道分割模型获取视频流中的车道信息，车道信息包括至少一个车道对应的行车区域和行车方向；根据轨迹信息和每一车道的行车区域和行车方向确定目标车辆是否存在逆行行为。通过本公开，能够提升车辆逆行检测的检测准确率和检测效率。
Description
技术领域
本公开涉及车辆技术领域，尤其涉及一种车辆逆行检测方法、装置、设备和计算机可读存储介质。
背景技术
车辆逆行是一种非常严重的交通违法行为，少数车辆的逆行就有可能造成恶性交通事故，严重危害道路安全和道路通行效率。为了实现准确的车辆逆行检测，往往通过人工查看的形式查找监控视频中是否出现逆行行为。通过人工进行监控视频的实时检测不仅费时费力，检测效率低，而且容易延误和遗漏。
发明内容
本公开实施例提供一种车辆逆行检测方法、装置、设备及计算机可读存储介质。
本公开实施例的技术方案是这样实现的：
本公开实施例提供一种车辆逆行检测方法，包括：确定视频流中目标车辆的轨迹信息；通过预设的车道分割模型获取视频流中的车道信息，车道信息包括至少一个车道对应的行车区域和行车方向；根据轨迹信息和每一车道的行车区域和行车方向确定目标车辆是否存在逆行行为。
在本公开的一个实施例中，所述根据轨迹信息和每一车道的行车区域和行车方向确定目标车辆是否存在逆行行为，包括：根据轨迹信息中目标车辆在多个时刻下的位置信息，确定目标车辆的位移方向；根据目标车辆在多个时刻下的位置信息和每一车道的行车区域，确定目标车辆所处的目标车道；基于目标车道的行车方向与目标车辆的位移方向是否偏差，确定目标车辆是否存在逆行行为。
在本公开的一个实施例中，所述通过预设的车道分割模型获取视频流中的车道信息，包括：响应于车道信息获取条件，通过车道分割模型获取视频流中的车道信息；车道信息获取条件包括以下至少之一：在影像采集设备发生转动的情况下；在影像采集设备初始化的情况下；其中，影像采集设备用于获取当前真实场景下的影像信息并输出视频流。
在本公开的一个实施例中，检测影像采集设备发生转动的方法，包括：在视频流抽取多个图像帧；多个图像帧至少包括当前图像帧和与当前图像帧相邻的历史图像帧；通过当前图像帧和历史图像帧确定影像采集设备是否发生转动。
在本公开的一个实施例中，所述通过预设的车道分割模型获取视频流中的车道信息，包括：将视频流中的一个图像帧输入至车道分割模型中，得到图像帧的分割结果，分割结果包括至少一个车道中每一车道对应的行车区域；根据样本轨迹获取规则，获取每一车道对应的行车区域中多个样本车辆对应的样本轨迹；根据每一车道对应的行车区域和每一车道对应的行车区域中多个样本车辆对应的样本轨迹，确定每一车道对应的行车方向。
在本公开的一个实施例中，所述样本轨迹包括样本车辆的起始位置和终止位置；所述根据每一车道对应的行车区域和每一车道对应的行车区域中多个样本车辆对应的样本轨迹，确定每一车道对应的行车方向，包括：根据每一车道对应的行车区域中多个样本车辆对应的起始位置和终止位置，确定每一车道对应的行车区域中多个样本车辆对应的轨迹方向；根据每一车道对应的行车区域中多个样本车辆对应的轨迹方向，确定至少一个车道中每一车道对应的行车方向。
在本公开的一个实施例中，所述样本轨迹获取规则，包括以下至少之一：以预设的时间间隔获取样本轨迹；统计获取的样本轨迹数量，在样本轨迹数量达到预设数量的情况下，停止样本轨迹的获取。
在本公开的一个实施例中，所述根据每一车道对应的行车区域中多个样本车辆对应的轨迹方向，确定至少一个车道中每一车道对应的行车方向，包括：对多个轨迹方向中的每一轨迹方向进行归一化处理，得到每一轨迹方向对应的轨迹向量；将每一车道对应的多个轨迹向量的向量和确定为每一车道对应的方向。
在本公开的一个实施例中，所述方法还包括：根据每一车道对应的行车方向，和每一车道对应的多个轨迹向量，确定每一车道对应的轨迹偏移量化值；其中，轨迹偏移量化值用于表征车道对应的多个轨迹向量之间的离散程度；在轨迹偏移量化值超过预设精度阈值的情况下，重新根据视频流确定车道信息。
在本公开的一个实施例中，所述基于目标车道的行车方向与目标车辆的位移方向是否偏差，确定目标车辆是否存在逆行行为，包括：根据目标车辆的位移方向对应的至少一个子位移方向与目标车道的行车方向的夹角，获取至少一个夹角；其中，位移方向包括至少一个子位移方向，子位移方向根据相邻两个时刻下的位置信息确定；在每一所述夹角均大于预设的夹角阈值的情况下，判定目标车辆存在逆行行为；在至少一个夹角小于或等于夹角阈值的情况下，判定目标车辆不存在逆行行为。
本公开实施例提供一种车辆逆行检测装置，包括：一种车辆逆行检测装置，其特征在于，包括：第一确定模块，用于确定视频流中目标车辆的轨迹信息；获取模块，用于通过预设的车道分割模型获取视频流中的车道信息，车道信息包括至少一个车道对应的行车区域和行车方向；第二确定模块，用于根据轨迹信息和每一车道的行车区域和行车方向确定目标车辆是否存在逆行行为。
逆行本公开实施例提供一种车辆逆行检测设备，包括：存储器，用于存储可执行计算机程序；处理器，用于执行所述存储器中存储的可执行计算机程序时，实现上述的车辆逆行检测方法。
本公开实施例提供一种计算机可读存储介质，存储有计算机程序，用于被处理器执行时，实现上述的车辆逆行检测方法。
本公开实施例提供的车辆逆行检测方法，通过确定视频流中目标车辆的轨迹信息；通过预设的车道分割模型获取视频流中的车道信息，车道信息包括至少一个车道对应的行车区域和行车方向；根据轨迹信息和每一车道的行车区域和行车方向确定目标车辆是否存在逆行行为。根据本公开实施例提供的车辆逆行检测方法，由于根据视频流直接获取目标车辆的轨迹信息，相对于传统技术中人工判断车辆行驶方向的方案，本公开实施例得到的轨迹信息更加准确，并且提高了实时性；在得到轨迹信息之后，结合视频流中当前车道的车道信息，可以直接得到目标车辆是否存在逆行行为的检测结果，提升了车辆逆行检测的检测效率。
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和解释性的，而非限制本公开。
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，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1为本公开实施例提供的车辆逆行检测方法的一个可选的流程示意图；
图2为本公开实施例提供的车辆逆行检测方法的一个可选的流程示意图；
图3为本公开实施例提供的车辆逆行检测方法的一个可选的流程示意图；
图4为本公开实施例提供的车辆逆行检测方法的一个可选的流程示意图；
图5为本公开实施例提供的车辆逆行检测方法的一个可选的流程示意图；
图6为本公开实施例提供的车辆逆行检测方法的一个可选的流程示意图；
图7为本公开实施例提供的车辆逆行检测方法的一个可选的流程示意图；
图8为本公开实施例提供的车辆逆行检测系统的一个可选的系统示意图；
图9为本公开实施例提供的一个可选的车辆检测跟踪示意图；
图10为本公开实施例提供的一个可选的车道分割示意图；
图11为本公开实施例提供的一个可选的车道方向估计示意图；
图12为本公开实施例提供的一个可选的车辆逆行检测示意图；
图13为本公开实施例提供的一种车辆逆行检测装置的组成结构示意图；
图14为本公开实施例提供的一种设备的硬件实体示意图。
具体实施方式
为了使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开作进一步地详细描述，所描述的实施例不应视为对本公开的限制，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它实施例，都属于本公开保护的范围。
图1是本公开实施例提供的车辆逆行检测方法的一个可选的流程示意图，将结合图1示出的步骤进行说明。
S101、确定视频流中目标车辆的轨迹信息。
本公开的一些实施例中，本公开可以通过影像采集设备获取当前道路的实时视频流，通过目标识别技术，实时识别该视频流中的目标车辆。本公开中在实时视频流中识别出的目标车辆可以为一个，也可以为多个。
本公开的一些实施例中，该视频流为按照时序排列的大量图像帧，根据影像采集设备的硬件因素和配置信息，可以按照与该硬件因素和配置信息对应的帧率实时获取当前道路的图像帧。为了减少计算量，提升检测的实时性，可以根据预设的图像抽取频率，在该视频流的大量图像帧中抽取对应的待检测图像帧，并根据该待检测图像帧获取目标车辆的轨迹信息。
本公开的一些实施例中，S101可以包括：对该视频流中的图像帧(或，待检测图像帧)进行车辆识别，在识别到车辆的情况下，将该车辆作为目标车辆，并将识别到该车辆的图像帧作为该目标车辆对应的起始图像帧，获取该目标车辆在该起始图像帧中的相对位置。对于该起始图像帧之后的若干个图像帧，按照时间顺序不断获取该目标车辆在每一图像帧的相对位置，直至该目标车辆消失在该视频流中的图像帧中，将该目标车辆最后出现的一个图像帧作为终止图像帧。依次连接该目标车辆在图像帧的相对位置，即可获取到该目标车辆的轨迹信息，通过该轨迹信息可以获取到该目标车辆相对于图像帧的行驶方向。
本公开的一些实施例中，还可以通过光流法获取该目标车辆在视频流中的轨迹信息。其中，可以通过以下步骤提取轨迹信息：获取该目标车辆的视频流，在该视频流中抽取按照时序排列的多个视频截图，并通过预设的光流模型提取每一视频截图中该目标车辆的光流特征，根据得到的光流特征确定目标车辆的轨迹信息。
S102、通过预设的车道分割模型获取视频流中的车道信息；车道信息包括至少一个车道对应的行车区域和行车方向。
在本公开的一些实施例中，该车道信息包括该视频流中当前道路包含的至少一个车道的行车区域和行车方向。其中，该视频流可以包括多条车道，该车道信息包括每一车道对应的行车区域和行车方向，该每一车道对应的区域为相对于视频流中图像帧的相对区域，该每一车道对应的行车方向为相对于视频流中图像帧的相对方向。可以通过以下方式实现获取所述视频流中的车道信息：
(1)数据库中预先存储所有影像采集设备与每一影像采集设备对应的车道信息，通过获取影像采集设备的设备标识，可以在该数据库中查找对应的车道信息。
(2)数据库中预先存储所有影像采集设备与每一影像采集设备对应的相对位置，通过获取影像采集设备的设备标识，可以在该数据库中查找对应的相对位置，并根据该相对位置在高精地图获取真实场景下该影像采集设备周围的车道信息。
(3)抽取该视频流中的任意一个图像帧，对该图像帧进行场景分析，通过预设的车道分割模型获取该图像中每一车道的区域分割结果和道路方向标识，进而确定每一车道对应的区域和方向，即车道信息。
S103、根据轨迹信息和每一车道的行车区域和行车方向确定目标车辆是否存在逆行行为。
在本公开的一些实施例中，通过轨迹信息获取该目标车辆相对于图像帧的行驶方向，并且，根据当前车道相对于图像帧的行车方向，在该行驶方向与目标车道的行车方向之间的角度差大于预设角度阈值的情况下，判定该目标车辆存在逆行行为；在该行驶方向与目标车道的行车方向之间的角度差小于或等于预设角度阈值的情况下，判定该目标车辆不存在逆行行为。
在本公开的一些实施例中，在步骤103之后，还包括，在判定该目标车辆存在逆行行为的情况下，还会根据该目标车辆的轨迹信息对应的起始图像帧和终止图像帧，在该视频流中截取对应的部分视频，并存储为该目标车辆对应的逆行行为的存档视频。其中，在对该目标车辆进行检测的同时，还可以获取该目标车辆的车牌号，在存储该存档视频的过程中，可以将该车牌号作为该存档视频的索引值。
通过本公开实施例对于图1的上述示例性实施可知，本公开实施例通过确定视频流中目标车辆的轨迹信息；通过预设的车道分割模型获取视频流中的车道信息；根据轨迹信息和车道信息确定目标车辆是否存在逆行行为。根据本公开实施例提供的车辆逆行检测方法，由于根据视频流直接获取目标车辆的轨迹信息，相对于传统技术中人工进行车辆行驶方向的判断方案，本公开实施例得到的轨迹信息更加准确，并且提高了实时性；在得到轨迹信息之后，结合视频流中当前车道的车道信息，可以直接得到目标车辆是否存在逆行行为的检测结果，提升了车辆逆行检测的检测效率。
图2是本公开实施例提供的车辆逆行检测方法的一个可选的流程示意图，基于图1，图1示出的S103可以包括S201至S204，将结合图2示出的步骤进行说明。
S201、根据轨迹信息中目标车辆在多个时刻下的位置信息，确定目标车辆的位移方向。
在本公开的一个实施例中，将该目标车辆出现在该视频流中的图像帧作为起始图像帧，将该目标车辆出现在该视频流中的图像帧作为终止图像帧，通过分析视频流中的该起始图像帧至该终止图像帧中的多个图像帧(包括该起始图像帧和终止图像帧)，可以得到该轨迹信息。其中，可以将该多个图像帧中每一图像帧输入至车辆识别模型中，获取每一图像帧中目标车辆在图像帧中的位置信息，该位置信息用于表征该目标车辆在图像帧的相对位置。
在本公开的一个实施例中，用于表征目标车辆在图像帧中相对位置的位置信息，可以包括以下至少之一：该目标车辆对应的检测框位置信息、该目标车辆对应的车轮关键点信息。其中，该检测框位置信息可以为以下至少之一：检测框各顶点的相对位置、检测框中心点的相对位置、检测框底边中点的相对位置和检测框外接圆圆心的相对位置。
在本公开的一个实施例中，可以通过以下方式实现根据轨迹信息中目标车辆在多个时刻下的位置信息，确定目标车辆的位移方向：
(1)获取该多个时刻下的位置信息中时间最早的起始图像帧对应的位置信息，和时间最晚的终止图像帧对应的位置信息，根据起始图像帧对应的位置信息和终止图像帧对应的位置信息得到一个向量，该向量的方向为目标车辆的位移方向。
(2)获取该多个时刻下的位置信息中相邻两个时刻的图像帧对应的位置信息，可以得到多个子位移方向，将该多个子位移方向的平均向量作为目标车辆的位移方向。例如，存在N个时刻的位置信息，根据相邻两个时刻的图像帧对应的位置信息可以得到N-1个子位移方向，将该N-1个子位移方向的平均向量作为目标车辆的位移方向。
S202、根据目标车辆在多个时刻下的位置信息和每一车道的行车区域，确定目标车辆所处的目标车道。
在本公开的一个实施例中，在影像采集设备进行初始化的情况下，会对当前拍摄的视频流中任意一个图像帧进行图像分割，进而可以得到每一车道的车道区域，也就是每一个车道在图像帧中的相对区域。在获取到该目标车辆对应的位置信息后，根据该位置信息，可以在该车道信息中的至少一个车道中确定该目标车辆属于的目标车道。
S203、基于目标车道的行车方向与目标车辆的位移方向是否偏差，确定目标车辆是否存在逆行行为。
在本公开的一个实施例中，其中，该行车方向为交通法规定的标准方向。根据S202获取到的目标车辆所处的目标车道，可以获取该目标车道对应的行车方向。
在本公开的一个实施例中，可以通过以下方法实现上述S203：在位移方向与目标车道的行车方向之间的角度差大于预设角度阈值的情况下，判定该目标车辆存在逆行行为；在该位移方向与目标车道的行车方向之间的角度差小于或等于预设角度阈值的情况下，判定该目标车辆不存在逆行行为。
在本公开的一个实施例中，还可以通过以下方法实现上述S203：根据目标车辆的位移方向对应的至少一个子位移方向与目标车道的行车方向的夹角，获取至少一个夹角；其中，位移方向包括至少一个子位移方向，子位移方向根据相邻两个时刻下的位置信息确定；在每一夹角均大于预设的夹角阈值的情况下，判定目标车辆存在逆行行为；在至少一个夹角小于或等于夹角阈值的情况下，判定目标车辆不存在逆行行为。
通过本公开实施例对于图2的上述示例性实施可知，本公开实施例根据目标车辆轨迹信息中多个时刻对应的位置信息，可以准确的获取该目标车辆在视频流中图像帧的相对位置，并通过该相对位置确定目标车辆位移方向，可以提升位移方向的精度和准确度；由于获取车辆所处的目标车道，进而确定该目标车道对应的目标车道的行车方向，可以在当前场景存在不同行车方向的多条车道的情况下，仍可以准确判断车辆是否出现逆行，在提升本公开对车辆逆行检测准确度的同时，还可以提升本公开的应用范围。
图3是本公开实施例提供的车辆逆行检测方法的一个可选的流程示意图，基于图1或图2，以基于图1为例，图1示出的S102可以更新为S301，将结合图3示出的步骤进行说明。
S301、响应于车道信息获取条件，通过车道分割模型获取视频流中的车道信息。
在本公开的一个实施例中，上述车道信息获取条件包括以下至少之一：车道信息获取条件包括以下至少之一：在影像采集设备发生转动的情况下；在影像采集设备初始化的情况下；其中，影像采集设备用于获取当前真实场景下的影像信息并输出视频流。
其中，可以通过以下方法检测所述影像采集设备发生转动：在视频流抽取多个图像帧；多个图像帧至少包括当前图像帧和与当前图像帧相邻的历史图像帧；通过当前图像帧和历史图像帧确定影像采集设备是否发生转动。进一步地，本公开可以根据预设的静态区域在该当前图像帧和历史图像帧中分别截取当前静态子图像和历史静态子图像，对比该当前静态子图像和历史静态子图像，在差异度大于预设阈值的情况下，判定该影像采集设备发生转动。该预设的静态区域可以根据在一段时间内该影像采集设备未发生转动的过程中采集的多个图像帧确定。对于具体的道路场景，该静态区域可以为道路两侧的路灯、树木和建筑等环境物体所在的区域，与该静态区域相对的非静态区域为道路内侧车辆行驶的区域。
需要说明的是，在影像采集设备初始化/或影像采集设备发生转动的情况下，由于该影像采集设备对当前场景的采集角度发生变化。在采集角度发生变化的情况下，根据当前采集角度采集的目标车辆的轨迹信息与预先存储的车道信息并不匹配，因此，需要根据视频流重新确定车道信息。
在本公开的一个实施例中，若不满足该车道信息获取条件时，该车道信息为固定不变的，也就是说，每当进行目标车辆的逆行检测时，根据当前采集角度采集的目标车辆的轨迹信息与预先存储的车道信息是匹配的，可以直接在数据库中查找该车道信息，不会重新根据视频流确定车道信息。
通过本公开实施例对于图3的上述示例性实施可知，本公开实施例影像采集设备初始化/或影像采集设备发生转动的情况下，通过视频流重新确定新的车道信息，该新的车道信息可以准确的对通过当前影像采集设备采集的目标车辆的轨迹信息进行检测，进而判断车辆是否出现逆行，在提升本公开对车辆逆行检测准确度的同时，还可以提升本公开的应用范围。
图4是本公开实施例提供的车辆逆行检测方法的一个可选的流程示意图，基于图3，图3示出的S301可以更新为S401至S403，将结合图4示出的步骤进行说明。
S401、响应于车道信息获取条件，将视频流中的一个图像帧输入至预设的车道分割模型中，得到图像帧的分割结果，分割结果包括至少一个车道中每一车道对应的行车区域。
在本公开的一个实施例中，响应于该车道信息获取条件，在该视频流中获取一个图像帧，分别将该图像帧输入至预设的车道分割模型中，获取该图像帧对应的分割结果，该分割结果包括图像帧中每一车道对应的行车区域，即每一车道在图像帧中的相对区域。
S402、根据样本轨迹获取规则，获取至少一个车道中每一车道中多个样本车辆对应的样本轨迹。
在本公开的一个实施例中，该样本轨迹获取规则包括以下至少之一：在图像帧对应时刻后的预设时间间隔内(即以预设的时间间隔)进行样本轨迹的获取；统计获取的样本轨迹数量，在样本轨迹数量达到预设数量的情况下，停止样本轨迹的获取。其中，每一车道中可以包括至少一个样本车辆对应的样本轨迹，其中，一个样本车辆仅对应一个样本轨迹。
在本公开的一个实施例中，S402可以包括：在对视频流进行样本轨迹的获取中，会一直获取当前视频流中的样本轨迹，并实时统计获取的样本轨迹数量，在样本轨迹数量达到预设数量的情况下，停止样本轨迹的获取。
在本公开的一个实施例中，S402还可以包括：在对视频流进行样本轨迹的获取中，会一直获取当前视频流中的样本轨迹，在该图像帧对应时刻后的时间间隔到达时，停止对样本轨迹的获取。
在本公开的一个实施例中，S402还可以包括：在对视频流进行样本轨迹的获取中，若在该图像帧对应时刻后的时间间隔到达时，统计的样本轨迹数量未达到预设数量，则认定样本轨迹获取失败，重新执行S402。
S403、根据每一车道对应的行车区域和每一车道对应的行车区域中多个样本车辆对应的样本轨迹，确定每一车道对应的行车方向。
在本公开的一个实施例中，根据每一样本车辆的样本轨迹，可以确定每一样本车辆对应的行驶方向。对于每一车道中包含的多个样本车辆，可以获取每一车道中多个样本车辆对应的行驶方向，将任意一个车道中多个样本车辆的行驶方向的平均值作为该车道对应的行车方向。
例如，对于多个车道中的第一车道，在第一车道对应的行车区域中，可以找到车辆A、车辆B和车辆C，其中，根据车辆A的样本轨迹可以知道车辆A的行驶方向D1，根据车辆B的样本轨迹可以知道车辆B的行驶方向D2，根据车辆C的样本轨迹可以知道车辆C的行驶方向D3，该第一车道对应的行车方向为D1、D2、D3的平均值。若方向的单位为角度，在D1为50度，D2为60度，D3为70度的情况下，该第一车道对应的行车方向为60度；若方向的单位为向量，在D1为(0.7，0.7)，D2为(0.5，0.87)，D3为(0.87，0.5)的情况下，该第一车道对应的行车方向为(0.7，0.7)。
通过本公开实施例对于图4的上述示例性实施可知，本公开实施例根据每一车道对应的区域和每一车道中多个样本车辆对应的样本轨迹，确定每一车道对应的行车方向，由于分析当前场景下每一车道中多个样本轨迹，并根据得到的每一车道中多个样本车辆的行驶方向确定每一车道的行车方向，可以在任意场景下准确的估计当前场景下的车道行车方向，间接地提升了车辆逆行检测的准确度。
图5是本公开实施例提供的车辆逆行检测方法的一个可选的流程示意图，基于图4，图4示出的S403可以更新为S501至S502，将结合图5示出的步骤进行说明。
S501、根据每一车道对应的行车区域中多个样本车辆对应的起始位置和终止位置，确定每一车道对应的行车区域中多个样本车辆对应的轨迹方向。
在本公开的一个实施例中，对于每一样本车辆的样本轨迹，获取该样本轨迹对应的起始图像帧和终止图像帧，并在该起始图像帧中获取起始位置，在该终止图像帧中获取该终止位置，根据该起始位置和终止位置可以确定样本轨迹对应的轨迹方向。
例如，对于多个车道中的第一车道，在第一车道对应的区域中，可以找到车辆A和车辆B，其中，根据车辆A的样本轨迹可以知道车辆A的起始位置为(x1，y1)和终止位置(x2，y2)，根据车辆B的样本轨迹可以知道车辆B的起始位置为(x3，y3)和终止位置(x4，y4)。该车辆A的轨迹方向为
该车辆B的轨迹方向为
S502、根据每一车道对应的行车区域中多个样本车辆对应的轨迹方向，确定至少一个车道中每一车道对应的行车方向。
在本公开的一个实施例中，将每一车道中多个样本车辆对应的轨迹方向的平均值作为该车道对应的行车方向。
通过本公开实施例对于图5的上述示例性实施可知，本公开实施例通过每一样本轨迹中的起始位置和终止位置，确定每一车道中多个样本车辆对应的轨迹方向，进而确定每一车道对应的行车方向，由于采用起始位置和终止位置，在减少计算量的同时，可以提升每一样本车辆对应轨迹方向的预测准确度；由于根据多个样本车辆对应的轨迹方向确定目标车道的行车方向，排除了因个别车辆异常行驶而造成的目标车道的行车方向估计错误问题，进而提升了车道风险估计的准确度。
图6是本公开实施例提供的车辆逆行检测方法的一个可选的流程示意图，基于图5及上述其他实施例，图5示出的S502可以更新为S601至S602，将结合图6示出的步骤进行说明。
S601、对多个轨迹方向中的每一轨迹方向进行归一化处理，得到每一轨迹方向对应的轨迹向量。
在本公开的一个实施例中，S601包括，确定每一轨迹方向对应的轨迹模长，根据每一轨迹方向的轨迹模长对每一轨迹方向进行归一化处理，即可得到每一轨迹方向对应的轨迹向量。其中，轨迹方向由起始轨迹坐标点和终止轨迹坐标点确定，先获取轨迹方向中的起始轨迹坐标点和终止轨迹坐标点的平方和，再对该平方和进行开平方可以得到该轨迹方向对应的轨迹模长，将起始轨迹坐标点、终止轨迹坐标点分别与该轨迹模长的比值作为该轨迹方向对应的轨迹向量。
例如，对于一个轨迹方向
先确定该轨迹方向对应的轨迹模长
根据该轨迹模长对轨迹方向进行归一化，可以得到轨迹向量为
S602、将每一车道对应的多个轨迹向量的向量和确定为每一车道对应的行车方向。
在本公开的一个实施例中，在获取到每一车道对应的多个轨迹向量之后，对于其中的任意一个车道，会根据该车道对应的多个轨迹向量的向量和确定该车道对应的行车方向。在一个实施例中，还可以对该向量和进行归一化处理，将归一化处理后的向量和作为该车道对应的行车方向。
例如，若存在第二车道，该第二车道包括轨迹向量
和
该车道对应的行车方向为
示例性的，当
的情况下，该第二车道对应的行车方向为(1.7，1.7)。还可以对得到的第二车道的行车方向进行归一化处理，得到归一化处理后的行车方向为(0.7，0.7)。
通过本公开实施例对于图6的上述示例性实施可知，本公开实施例通过将每一轨迹方向进行归一化处理，并根据归一化处理后的轨迹向量机选每一车道对应的行车方向，可以进一步的减少预测目标车道的行车方向时的数据计算量，在保证计算准确度的同时，提升了目标车道的行车方向的估计效率，进而可以提升车辆逆行行为的检测效率。
图7是本公开实施例提供的车辆逆行检测方法的一个可选的流程示意图，基于图6及上述其他实施例，所述方法还包括S701至S702，将结合图7示出的步骤进行说明。
S701、根据每一车道对应的行车方向，和每一车道对应的多个轨迹向量，确定每一车道对应的轨迹偏移量化值。
在本公开的一个实施例中，轨迹偏移量化值用于表征车道对应的多个轨迹向量之间的离散程度。其中，轨迹偏移量化值可以为该车道对应的行车方向和多个轨迹向量之间的极差、离均差平方和、方差、标准差和变异系数。
在本实施例中，在该轨迹偏移量化值为极差的情况下，可以先将向量格式的车道对应的行车方向和轨迹向量转化为角度的格式，取其中的最大角度和最小角度，将最大角度和最小角度之间的差值作为该轨迹偏移量化值。例如，在车道对应的行车方向为(0.7，0.7)，轨迹向量1为(0.5，0.87)，轨迹向量2为(0.87，0.5)的情况下，可以得到最大角度为60度，最小角度为30度，因此，该车道对应的轨迹偏移量化值为30度。
在本实施例中，在该轨迹偏移量化值为标准差的情况下，可以先将向量格式的车道对应的行车方向和轨迹向量转化为角度的格式，对转化后得到的多个角度求取标准差。例如，在车道对应的行车方向为(0.7，0.7)，轨迹向量1为(0.5，0.87)，轨迹向量2为(0.87，0.5)的情况下，可以得到对应的角度为45度，60度和30度，因此，该车道对应的轨迹偏移量化值为45度，60度和30度的标准差12.25。
S702、在轨迹偏移量化值超过预设精度阈值的情况下，重新根据视频流确定车道信息。
在本公开的一个实施例中，轨迹偏移量化值越大，表征该车道对应的多个轨迹向量越离散；轨迹偏移量化值越小，表征该车道对应的多个轨迹向量越集中。对应地，在轨迹偏移量化值超过预设精度阈值的情况下，表示该车道中各样本车辆的轨迹向量差距较大，即采集到的轨迹向量中可能出现多个逆行行为的轨迹向量，因此，生成的车道对应的行车方向准确度较低，需要重新根据视频流确定车道信息。在一个实施例中，可以跳转至上述实施例中“根据视频流确定车道信息”的步骤。
通过本公开实施例对于图7的上述示例性实施可知，本公开实施例通过获取用于表征多个轨迹向量之间的离散程度的车道的轨迹偏移量化值，在多个轨迹向量离散程度较高的情况下，判定车道对应的行车方向准确度较低，从而重新生成车道信息，可以避免因极端场景下各样本车辆的轨迹无法准确反映车道信息的情况下，造成逆行行为误判的情况；另外，由于在多个轨迹向量离散程度较低的情况下，进行逆行行为的判定，可以提升车辆逆行行为的检测准确度。
下面，将说明本公开实施例在一个实际的应用场景中的示例性应用。
车辆逆行是一种非常严重的交通违法行为，少数车辆的逆行就有可能造成恶性交通事故，严重危害道路安全和道路通行效率。自动逆行检测在交警应用中，发挥了十分重要的管控作用。
相关技术中，在交通领域，逆行车辆检测主要依赖于道路上架设的大量摄像头，先获得海量监控视频，再利用光流法、背景建模等方法去检测跟踪车辆目标，进而利用获得的车辆轨迹信息判断车辆是否逆行，辅以人工去判断该逆行事件的真伪。通过上述方法可以检出很多逆行车辆，但仍然受限于很多场景，例如车道没有标注范围或方向，或是监控摄像头发生了偏转导致视频画面的角度与原先不同。在这些场景下，上述方法无法继续运行。
因此，本公开实施例提出了一种车辆逆行检测方法，实现了摄像机转动状态监控，自动分割车道，并估计各车道的正确行驶方向，以完成无需人工标注行车方向和摄像头发生可能转动情况下的车辆逆行检测任务。
通过本公开实施了提出的车辆逆行检测算法，由于基于全景分割，实现不同行车方向的车道区域识别，估计每个区域的行车方向，替代手动标注，方便大规模部署；并且，由于引入摄像头转动判断，可以在监控摄像头转动后迅速重启，避免因拍摄角度变化而出现误报；由于设定了一定过滤逻辑和过滤阈值，可以避免因为因少量检测失误导致的误报。
车辆逆行检测是一种视频异常事件检测系统，输入的是监控摄像头拍摄的视频，输出的是含有逆行的车辆轨迹。该系统包括以下模块：视频结构化模块：对于输入的视频流进行结构化，可以检测跟踪车辆，对于每一辆车辆输出其行驶轨迹，包括每一帧时该车辆的检测框和车轮关键点。场景理解模块：每隔一段周期输入一次监控视频的截图，判断与上一次输入相比是否有摄像头转动。若是首次输入或是发生了转动，就输出不同车道的全景分割结果，并且调用车道方向估计模块。车道方向估计模块：输入接下来一段时间(一般为5min)各车道内的车辆轨迹，将其运动方向取平均作为车道方向估计结果输出。车辆逆行检测模块：根据每辆车的轨迹，以及所属车道的行驶方向，判断是否存在逆行。若存在逆行，输出该轨迹的信息。该车道方向为上述实施例中目标车道的行车方向。
图8是本公开实施例提供的车辆逆行检测系统的一个可选的系统示意图，包含：视频结构化模块801，场景理解模块802，车道方向估计模块803，车辆逆行检测模块804。
在本公开的一个实施例中，视频结构化模块801的输入为监控摄像头的实时视频流，输出为每一辆车辆的行驶轨迹，包括每一帧该车辆的检测框和车轮关键点；其中，可以使用检测跟踪工具，获取视频中出现的车辆轨迹，提取其检测框和关键点信息，作为车道方向估计模块和车辆逆行检测模块的输入。图9为本公开实施例提供的一个可选的车辆检测跟踪示意图，通过该检测跟踪工具可以对当前视频流中每一帧图像的车辆进行检测，得到车辆对应的标注框。
在本公开的一个实施例中，场景理解模块802的输入为视频流的某一帧截图，输出为根据图片划分车道，输出不同车道的全景分割结果。并且，还可以根据前后两帧截图判断摄像头是否发生转动。其中，使用车道分割模型和摄像头转动模型，分割车道作为之后判断每辆车所属车道的依据。并且判定摄像头是否发生转动，以决定是否再次启动车道方向估计模块。图10为本公开实施例提供的一个可选的车道分割示意图，通过该车道分割模型可以对当前视频流中每一帧图像的车道进行分割，得到每一帧图像中车道对应的区域。
在本公开的一个实施例中，车道方向估计模块803的输入为视频结构化模块得出的车辆轨迹信息，和场景理解模块输出的分割图；输出为每一车道的平均行驶方向。其中，车道方向估计算法,根据视频结构化模块得出的车辆轨迹信息,在场景理解模块输出的分割图上读取每一帧每辆车检测框底边中心点所属车道的标号。并将同一车道里，所有的轨迹从起始到结束的方向取平均作为结果输出。图11为本公开实施例提供的一个可选的车道方向估计示意图，通过该车道方向估计模块可以对当前视频流中每一条车道的车道方向进行估计。
在本公开的一个实施例中，定义向量
表示某个车辆轨迹的方向。对于轨迹Tx，设起始帧的检测框底边中心点是(x1，y1)，终止帧的检测框底边中心点是(x2，y2),则
则该车道的平均方向定义为：
如果车道方向估计模块运行5min内无法收集足够轨迹(不少于5个)，或者各轨迹标准差过大(大于20)，则认为该车道的方向估计失败。
在本公开的一个实施例中，逆行检测模块804的输入为视频结构化模块得出的车辆轨迹信息，场景理解模块输出的分割图，方向估计模块输出的车道方向；输出为所有发生逆行的轨迹。该逆行检测模块804在车道方向估计模块803成功后启动。
其中，由于视频结构化模块可能有极少量的检测框发生偏移，我们定义一个轨迹发生逆行的标准：
对于轨迹Tx，若存在帧号frame1，frame2，frame3，三个时刻的车辆检测框底边中心点分别是(x1，y1)，(x2，y2)，(x3，y3)。则它们两两之间的位移方向是
若有
和
和
夹角都大于120°，且
则认为存在逆行。
图12为本公开实施例提供的一个可选的车辆逆行检测示意图，通过该车辆逆行检测模块可以输出出现逆行行为的目标车辆的轨迹信息，其中，可以通过输出逆行行为对应的多张图像帧。
根据本公开实施例提供的车辆逆行检测方法和系统，可以达到：1、实时预警：交警可以利用此系统，及时发现危险的逆行行为，以便于派出警力去制止该行为，可以减少发生事故的风险。2、事后追责：交警可以利用此系统，在事后发现漏掉的逆行行为，以作为罚款的依据。
图13为本公开实施例提供的一种车辆逆行检测装置的组成结构示意图，如图13所示，所述车辆逆行检测装置1300包括第一确定模块1301、获取模块1302和第二确定模块1303，其中：
第一确定模块1301，用于确定视频流中目标车辆的轨迹信息；
获取模块1302，用于通过预设的车道分割模型获取视频流中的车道信息，车道信息包括至少一个车道对应的行车区域和行车方向；
第二确定模块1303，用于根据轨迹信息和每一车道的行车区域和行车方向确定目标车辆是否存在逆行行为。
在本公开的一个实施例中，第二确定模块1303，还用于根据轨迹信息中目标车辆在多个时刻下的位置信息，确定目标车辆的位移方向；根据目标车辆在多个时刻下的位置信息和每一车道的行车区域，确定目标车辆所处的目标车道；基于目标车道的行车方向与目标车辆的位移方向是否偏差，确定目标车辆是否存在逆行行为。
在本公开的一个实施例中，获取模块1302，还用于响应于车道信息获取条件，通过车道分割模型获取视频流中的车道信息；车道信息获取条件包括以下至少之一：在影像采集设备发生转动的情况下；在影像采集设备初始化的情况下；其中，影像采集设备用于获取当前真实场景下的影像信息并输出视频流。
在本公开的一个实施例中，获取模块1302，还用于在视频流抽取多个图像帧；多个图像帧至少包括当前图像帧和与当前图像帧相邻的历史图像帧；通过当前图像帧和历史图像帧确定影像采集设备是否发生转动。
在本公开的一个实施例中，获取模块1302，还用于将视频流中的一个图像帧输入至车道分割模型中，得到图像帧的分割结果，分割结果包括至少一个车道中每一车道对应的行车区域；根据样本轨迹获取规则，获取每一车道对应的行车区域中多个样本车辆对应的样本轨迹；根据每一车道对应的行车区域和每一车道对应的行车区域中多个样本车辆对应的样本轨迹，确定每一车道对应的行车方向。
在本公开的一个实施例中，样本轨迹包括样本车辆的起始位置和终止位置；获取模块1302，还用于根据每一车道对应的行车区域中多个样本车辆对应的起始位置和终止位置，确定每一车道对应的行车区域中多个样本车辆对应的轨迹方向；根据每一车道对应的行车区域中多个样本车辆对应的轨迹方向，确定至少一个车道中每一车道对应的行车方向。
在本公开的一个实施例中，样本轨迹获取规则，包括以下至少之一：以预设的时间间隔获取样本轨迹；统计获取的样本轨迹数量，在样本轨迹数量达到预设数量的情况下，停止样本轨迹的获取。
在本公开的一个实施例中，获取模块1302，还用于对多个轨迹方向中的每一轨迹方向进行归一化处理，得到每一轨迹方向对应的轨迹向量；将每一车道对应的多个轨迹向量的向量和确定为每一车道对应的方向。
在本公开的一个实施例中，第二确定模块1303，还用于根据每一车道对应的行车方向，和每一车道对应的多个轨迹向量，确定每一车道对应的轨迹偏移量化值；其中，轨迹偏移量化值用于表征车道对应的多个轨迹向量之间的离散程度；在轨迹偏移量化值超过预设精度阈值的情况下，重新根据视频流确定车道信息。
在本公开的一个实施例中，第二确定模块1303，还用于根据目标车辆的位移方向对应的至少一个子位移方向与目标车道的行车方向的夹角，获取至少一个夹角；其中，位移方向包括至少一个子位移方向，子位移方向根据相邻两个时刻下的位置信息确定；在每一夹角均大于预设的夹角阈值的情况下，判定目标车辆存在逆行行为；在存在至少一个夹角小于或等于夹角阈值的情况下，判定目标车辆不存在逆行行为。
这里需要指出的是：以上装置实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本公开装置实施例中未披露的技术细节，请参照本公开方法实施例的描述而理解。
需要说明的是，本公开实施例中，如果以软件功能模块的形式实现上述车辆逆行检测方法，并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本公开实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得终端(可以是具有摄像头的智能手机、平板电脑等)执行本公开各个实施例所述方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本公开实施例不限制于任何特定的硬件和软件结合。
对应地，本公开实施例提供一种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上述实施例中任一所述车辆逆行检测方法中的步骤。
对应地，本公开实施例中，还提供了一种芯片，所述芯片包括可编程逻辑电路和/或程序指令，当所述芯片运行时，用于实现上述实施例中任一所述车辆逆行检测方法中的步骤。
对应地，本公开实施例中，还提供了一种计算机程序产品，当该计算机程序产品被终端的处理器执行时，其用于实现上述实施例中任一所述车辆逆行检测方法中的步骤。
基于同一技术构思，本公开实施例提供一种设备，用于实施上述方法实施例记载的车辆逆行检测方法。图14为本公开实施例提供的一种设备的硬件实体示意图，如图14所示，所述设备1400包括存储器1410和处理器1420，所述存储器1410存储有可在处理器1420上运行的计算机程序，所述处理器1420执行所述程序时实现本公开实施例任一所述车辆逆行检测方法中的步骤。
存储器1410配置为存储由处理器1420可执行的指令和应用，还可以缓存待处理器1420以及终端中各模块待处理或已经处理的数据(例如，图像数据、音频数据、语音通信数据和视频通信数据)，可以通过闪存(FLASH)或随机访问存储器(Random Access Memory，RAM)实现。
处理器1420执行程序时实现上述任一项的车辆逆行检测方法的步骤。处理器1420通常控制终端1400的总体操作。
上述处理器可以为特定用途集成电路(Application Specific IntegratedCircuit，ASIC)、数字信号处理器(Digital Signal Processor，DSP)、数字信号处理装置(Digital Signal Processing Device，DSPD)、可编程逻辑装置(Programmable LogicDevice，PLD)、现场可编程门阵列(Field Programmable Gate Array，FPGA)、中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器中的至少一种。可以理解地，实现上述处理器功能的电子器件还可以为其它，本公开实施例不作具体限定。
上述计算机可读存储介质/存储器可以是只读存储器(Read Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory，FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory，CD-ROM)等存储器；也可以是包括上述存储器之一或任意组合的各种终端，如移动电话、计算机、平板设备、个人数字助理等。
这里需要指出的是：以上存储介质和终端实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本公开存储介质和终端实施例中未披露的技术细节，请参照本公开方法实施例的描述而理解。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本公开的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本公开的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本公开实施例的实施过程构成任何限定。上述本公开实施例序号仅仅为了描述，不代表实施例的优劣。
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本公开所提供的几个实施例中，应该理解到，所揭露的终端和方法，可以通过其它的方式实现。以上所描述的终端实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本公开实施例方案的目的。
另外，在本公开各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
或者，本公开上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本公开实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得设备自动测试线执行本公开各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
本公开所提供的几个方法实施例中所揭露的方法，在不冲突的情况下可以任意组合，得到新的方法实施例。
本公开所提供的几个方法或终端实施例中所揭露的特征，在不冲突的情况下可以任意组合，得到新的方法实施例或终端实施例。
以上所述，仅为本公开的实施方式，但本公开的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本公开揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以所述权利要求的保护范围为准。
Claims (13)
1.一种车辆逆行检测方法，其特征在于，包括：
确定视频流中目标车辆的轨迹信息；
通过预设的车道分割模型获取所述视频流中的车道信息，所述车道信息包括至少一个车道对应的行车区域和行车方向；
根据所述轨迹信息和每一所述车道的行车区域和行车方向确定所述目标车辆是否存在逆行行为。
2.根据权利要求1所述的方法，其特征在于，所述根据所述轨迹信息和每一所述车道的行车区域和行车方向确定所述目标车辆是否存在逆行行为，包括：
根据所述轨迹信息中所述目标车辆在多个时刻下的位置信息，确定所述目标车辆的位移方向；
根据所述目标车辆在多个时刻下的位置信息和每一所述车道的行车区域，确定所述目标车辆所处的目标车道；
基于所述目标车道的行车方向与所述目标车辆的位移方向是否偏差，确定所述目标车辆是否存在逆行行为。
3.根据权利要求2所述的方法，其特征在于，基于所述目标车道的行车方向与所述目标车辆的位移方向是否偏差，确定所述目标车辆是否存在逆行行为，包括：
根据所述目标车辆的位移方向对应的至少一个子位移方向与所述目标车道的行车方向的夹角，获取至少一个夹角；其中，所述位移方向包括至少一个子位移方向，每一所述子位移方向根据相邻两个时刻下的位置信息确定；
在每一所述夹角均大于预设的夹角阈值的情况下，判定所述目标车辆存在逆行行为；
在至少一个所述夹角小于或等于所述夹角阈值的情况下，判定所述目标车辆不存在逆行行为。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述通过预设的车道分割模型获取所述视频流中的车道信息，包括：
响应于车道信息获取条件，通过所述车道分割模型获取所述视频流中的车道信息；
所述车道信息获取条件包括以下至少之一：
在所述影像采集设备发生转动的情况下；
在所述影像采集设备初始化的情况下；其中，所述影像采集设备用于获取当前真实场景下的影像信息并输出所述视频流。
5.根据权利要求4所述的方法，其特征在于，检测所述影像采集设备发生转动的方法，包括：
在所述视频流抽取多个图像帧；所述多个图像帧至少包括当前图像帧和与所述当前图像帧相邻的历史图像帧；
通过所述当前图像帧和所述历史图像帧确定所述影像采集设备是否发生转动。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述通过预设的车道分割模型获取所述视频流中的车道信息，包括：
将所述视频流中的一个图像帧输入至所述车道分割模型中，得到所述图像帧的分割结果，所述分割结果包括所述至少一个车道中每一所述车道对应的行车区域；
根据样本轨迹获取规则，获取每一所述车道对应的行车区域中多个样本车辆对应的样本轨迹；
根据每一所述车道对应的行车区域和每一所述车道对应的行车区域中多个样本车辆对应的样本轨迹，确定每一所述车道对应的行车方向。
7.根据权利要求6所述的方法，其特征在于，所述样本轨迹包括所述样本车辆的起始位置和终止位置；所述根据每一所述车道对应的行车区域和每一所述车道对应的行车区域中多个样本车辆对应的样本轨迹，确定每一所述车道对应的行车方向，包括：
根据每一所述车道对应的行车区域中多个样本车辆对应的起始位置和终止位置，确定每一所述车道对应的行车区域中多个样本车辆对应的轨迹方向；
根据每一所述车道对应的行车区域中多个样本车辆对应的轨迹方向，确定所述至少一个车道中每一所述车道对应的行车方向。
8.根据权利要求6所述的方法，其特征在于，所述样本轨迹获取规则，包括以下至少之一：
以预设的时间间隔获取样本轨迹；
统计获取的样本轨迹数量，在所述样本轨迹数量达到预设数量的情况下，停止样本轨迹的获取。
9.根据权利要求7所述的方法，其特征在于，所述根据每一所述车道对应的行车区域中多个样本车辆对应的轨迹方向，确定所述至少一个车道中每一所述车道对应的行车方向，包括：
对多个轨迹方向中的每一所述轨迹方向进行归一化处理，得到每一所述轨迹方向对应的轨迹向量；
将每一所述车道对应的多个轨迹向量的向量和确定为每一所述车道对应的行车方向。
10.根据权利要求9所述的方法，其特征在于，所述方法还包括：
根据每一所述车道对应的行车方向，和每一所述车道对应的多个轨迹向量，确定每一所述车道对应的轨迹偏移量化值；其中，所述轨迹偏移量化值用于表征所述车道对应的多个轨迹向量之间的离散程度；
在所述轨迹偏移量化值超过预设精度阈值的情况下，重新根据所述视频流确定所述车道信息。
11.一种车辆逆行检测装置，其特征在于，包括：
第一确定模块，用于确定视频流中目标车辆的轨迹信息；
获取模块，用于通过预设的车道分割模型获取所述视频流中的车道信息，所述车道信息包括至少一个车道对应的行车区域和行车方向；
第二确定模块，用于根据所述轨迹信息和每一所述车道的行车区域和行车方向确定所述目标车辆是否存在逆行行为。
12.一种车辆逆行检测设备，其特征在于，包括：
存储器，用于存储可执行指令；
处理器，用于执行所述存储器中存储的计算机程序时，实现权利要求1至10任一项所述的方法。
13.一种计算机可读存储介质，其特征在于，存储有计算机程序，用于被处理器执行时，实现权利要求1至10任一项所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011520348.5A CN112750317A (zh) | 2020-12-21 | 2020-12-21 | 车辆逆行检测方法、装置、设备及计算机可读存储介质 |
| PCT/CN2021/086694 WO2022134387A1 (zh) | 2020-12-21 | 2021-04-12 | 车辆逆行检测方法、装置、设备、计算机可读存储介质、计算机程序产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011520348.5A CN112750317A (zh) | 2020-12-21 | 2020-12-21 | 车辆逆行检测方法、装置、设备及计算机可读存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112750317A true CN112750317A (zh) | 2021-05-04 |
Family
ID=75648102
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011520348.5A Withdrawn CN112750317A (zh) | 2020-12-21 | 2020-12-21 | 车辆逆行检测方法、装置、设备及计算机可读存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112750317A (zh) |
| WO (1) | WO2022134387A1 (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113602264A (zh) * | 2021-08-17 | 2021-11-05 | 北京市商汤科技开发有限公司 | 一种车辆行驶行为检测方法、装置、设备和存储介质 |
| CN114360261A (zh) * | 2021-12-30 | 2022-04-15 | 北京软通智慧科技有限公司 | 车辆逆行的识别方法、装置、大数据分析平台和介质 |
| CN114913695A (zh) * | 2022-06-21 | 2022-08-16 | 上海西井信息科技有限公司 | 基于ai视觉的车辆逆行检测方法、系统、设备及存储介质 |
| US20230111391A1 (en) * | 2021-10-07 | 2023-04-13 | Here Global B.V. | Method, apparatus, and computer program product for identifying wrong-way driven vehicles |
| WO2023124133A1 (zh) * | 2021-12-29 | 2023-07-06 | 上海商汤智能科技有限公司 | 交通行为检测方法及装置、电子设备、存储介质和计算机程序产品 |
| CN116434560A (zh) * | 2023-06-15 | 2023-07-14 | 跨越速运集团有限公司 | 一种违规行驶的识别方法、装置、设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106571039A (zh) * | 2016-08-22 | 2017-04-19 | 中海网络科技股份有限公司 | 一种高速公路违章行为自动抓拍系统 |
| KR20180135227A (ko) * | 2017-06-12 | 2018-12-20 | 윤현민 | 역주행 방지 시스템 |
| CN111898491A (zh) * | 2020-07-15 | 2020-11-06 | 上海高德威智能交通系统有限公司 | 一种车辆逆向行驶的识别方法、装置及电子设备 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004234486A (ja) * | 2003-01-31 | 2004-08-19 | Matsushita Electric Ind Co Ltd | 車両逆走検知装置 |
| CN101937614A (zh) * | 2010-06-12 | 2011-01-05 | 北京中科卓视科技有限责任公司 | 一种即插即用的交通综合检测系统 |
| KR101416457B1 (ko) * | 2013-11-22 | 2014-08-06 | 주식회사 넥스파시스템 | 역주행 차량 및 보행자 위험상황 인지가 적용된 도로방범시스템 |
| CN104464305A (zh) * | 2014-12-11 | 2015-03-25 | 天津艾思科尔科技有限公司 | 车辆逆行智能检测装置与方法 |
| CN111611901B (zh) * | 2020-05-15 | 2023-10-03 | 北京百度网讯科技有限公司 | 车辆逆行检测方法、装置、设备以及存储介质 |
-
2020
- 2020-12-21 CN CN202011520348.5A patent/CN112750317A/zh not_active Withdrawn
-
2021
- 2021-04-12 WO PCT/CN2021/086694 patent/WO2022134387A1/zh active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106571039A (zh) * | 2016-08-22 | 2017-04-19 | 中海网络科技股份有限公司 | 一种高速公路违章行为自动抓拍系统 |
| KR20180135227A (ko) * | 2017-06-12 | 2018-12-20 | 윤현민 | 역주행 방지 시스템 |
| CN111898491A (zh) * | 2020-07-15 | 2020-11-06 | 上海高德威智能交通系统有限公司 | 一种车辆逆向行驶的识别方法、装置及电子设备 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113602264A (zh) * | 2021-08-17 | 2021-11-05 | 北京市商汤科技开发有限公司 | 一种车辆行驶行为检测方法、装置、设备和存储介质 |
| WO2023019936A1 (zh) * | 2021-08-17 | 2023-02-23 | 上海商汤智能科技有限公司 | 一种车辆行驶行为检测方法、装置、设备和存储介质 |
| CN113602264B (zh) * | 2021-08-17 | 2023-02-28 | 北京市商汤科技开发有限公司 | 一种车辆行驶行为检测方法、装置、设备和存储介质 |
| US20230111391A1 (en) * | 2021-10-07 | 2023-04-13 | Here Global B.V. | Method, apparatus, and computer program product for identifying wrong-way driven vehicles |
| WO2023124133A1 (zh) * | 2021-12-29 | 2023-07-06 | 上海商汤智能科技有限公司 | 交通行为检测方法及装置、电子设备、存储介质和计算机程序产品 |
| CN114360261A (zh) * | 2021-12-30 | 2022-04-15 | 北京软通智慧科技有限公司 | 车辆逆行的识别方法、装置、大数据分析平台和介质 |
| CN114913695A (zh) * | 2022-06-21 | 2022-08-16 | 上海西井信息科技有限公司 | 基于ai视觉的车辆逆行检测方法、系统、设备及存储介质 |
| CN114913695B (zh) * | 2022-06-21 | 2023-10-31 | 上海西井科技股份有限公司 | 基于ai视觉的车辆逆行检测方法、系统、设备及存储介质 |
| CN116434560A (zh) * | 2023-06-15 | 2023-07-14 | 跨越速运集团有限公司 | 一种违规行驶的识别方法、装置、设备及存储介质 |
| CN116434560B (zh) * | 2023-06-15 | 2023-08-25 | 跨越速运集团有限公司 | 一种违规行驶的识别方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022134387A1 (zh) | 2022-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112750317A (zh) | 车辆逆行检测方法、装置、设备及计算机可读存储介质 | |
| CN109816701B (zh) | 一种目标跟踪方法及装置、存储介质 | |
| CN109166261B (zh) | 基于图像识别的图像处理方法、装置、设备及存储介质 | |
| CN109887281B (zh) | 一种监控交通事件的方法及系统 | |
| KR101758576B1 (ko) | 물체 탐지를 위한 레이더 카메라 복합 검지 장치 및 방법 | |
| US10212397B2 (en) | Abandoned object detection apparatus and method and system | |
| CN108389396B (zh) | 一种基于视频的车型匹配方法、装置和计费系统 | |
| AU2014240669B2 (en) | Object monitoring system, object monitoring method, and monitoring target extraction project | |
| CN111860318A (zh) | 一种建筑工地行人徘徊检测方法、装置、设备及存储介质 | |
| US10853949B2 (en) | Image processing device | |
| CN111583118B (zh) | 图像拼接方法、装置、存储介质及电子设备 | |
| CN112183367B (zh) | 车辆数据检错方法、装置、服务器及存储介质 | |
| CN103761748A (zh) | 异常行为检测方法和装置 | |
| CN111738240A (zh) | 区域监测方法、装置、设备及存储介质 | |
| CN113822910A (zh) | 多目标跟踪方法、装置、电子设备及存储介质 | |
| CN110647818A (zh) | 一种遮挡目标物体的识别方法及装置 | |
| CN115761655A (zh) | 一种目标跟踪方法及装置 | |
| CN113673311A (zh) | 一种交通异常事件检测方法、设备及计算机存储介质 | |
| CN113869137A (zh) | 事件检测方法、装置、终端设备及存储介质 | |
| CN112733719A (zh) | 一种融合人脸及人体特征的跨境行人轨迹检测方法 | |
| CN113869258A (zh) | 交通事件检测方法、装置、电子设备及可读存储介质 | |
| CN112115946B (zh) | 车牌的套牌识别方法、装置、存储介质和电子设备 | |
| CN114913470B (zh) | 一种事件检测方法及装置 | |
| CN114648056A (zh) | 关联方法、电子设备及计算机可读存储介质 | |
| CN111741267B (zh) | 一种车辆延误的确定方法、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 | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40041139 Country of ref document: HK |
|
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210504 |