CN112767681A - 一种交通状态检测方法、装置及相关设备 - Google Patents

一种交通状态检测方法、装置及相关设备 Download PDF

Info

Publication number
CN112767681A
CN112767681A CN202011492978.6A CN202011492978A CN112767681A CN 112767681 A CN112767681 A CN 112767681A CN 202011492978 A CN202011492978 A CN 202011492978A CN 112767681 A CN112767681 A CN 112767681A
Authority
CN
China
Prior art keywords
state
target
vehicle
traffic
video frame
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
CN202011492978.6A
Other languages
English (en)
Other versions
CN112767681B (zh
Inventor
商慧杰
董保磊
周敏敏
谢会斌
李聪廷
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.)
Jinan Boguan Intelligent Technology Co Ltd
Original Assignee
Jinan Boguan Intelligent 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 Jinan Boguan Intelligent Technology Co Ltd filed Critical Jinan Boguan Intelligent Technology Co Ltd
Priority to CN202011492978.6A priority Critical patent/CN112767681B/zh
Publication of CN112767681A publication Critical patent/CN112767681A/zh
Application granted granted Critical
Publication of CN112767681B publication Critical patent/CN112767681B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed

Abstract

本申请公开了一种交通状态检测方法，包括根据检测指令采集获得当前视频帧；根据所述当前视频帧和历史视频帧确定目标状态车辆数量；根据所述目标状态车辆数量计算目标状态车辆占比；对所述当前视频帧进行网络分割，确定车辆区域和车道区域；根据所述车辆区域和所述车道区域计算车辆空间占有率；根据所述目标状态车辆占比和所述车道空间占有率确定交通状态；该交通状态检测方法可以有效提高交通状态检测效率，保证交通状态检测结果的准确性，减少设施部署成本。本申请还公开了一种交通状态检测装置、系统以及计算机可读存储介质，均具有上述有益效果。

Description

一种交通状态检测方法、装置及相关设备
技术领域
本申请涉及智能交通技术领域，特别涉及一种交通状态检测方法，还涉及一种交通状态检测装置、系统以及计算机可读存储介质。
背景技术
随着互联网行业的快速发展，智能交通领域不断融合前沿新技术，而当前城市发展迅速，交通道路主干道吃紧，交通状况会对人们的上下班、出游等出行产生很大影响。因此，如何有效利用收集到的交通信息，准确分析判别道路交通状态并进行合理调度，缓解交通管理压力，成为了较为关键的技术。目前，在相关的道路交通状态检测方法中，多是通过管理人员观察判断或安装路面感应线圈的形式来检测道路车辆通行情况。然而，基于管理人员观察判断的人工实现方式更加依赖于个人主观意识和个人观察经验，存在严重的检测结果不准确以及效率低下的问题；并且，在实际场景中，安装路面感应线圈的实现方式存在着硬件设施安装复杂、设施部署成本高的缺陷。
因此，如何有效提高交通状态检测效率，保证交通状态检测结果的准确性，减少设施部署成本是本领域技术人员亟待解决的问题。
发明内容
本申请的目的是提供一种交通状态检测方法，该交通状态检测方法可以有效提高交通状态检测效率，保证交通状态检测结果的准确性，减少设施部署成本；本申请的另一目的是提供一种交通状态检测装置、系统以及计算机可读存储介质，也具有上述有益效果。
第一方面，本申请提供了一种交通状态检测方法，包括：
根据检测指令采集获得当前视频帧；
根据所述当前视频帧和历史视频帧确定目标状态车辆数量；
根据所述目标状态车辆数量计算目标状态车辆占比；
对所述当前视频帧进行网络分割，确定车辆区域和车道区域；
根据所述车辆区域和所述车道区域计算车道空间占有率；
根据所述目标状态车辆占比和所述车道空间占有率确定交通状态。
优选的，所述目标状态包括停车状态和缓行状态；则所述根据所述当前视频帧和历史视频帧确定目标状态车辆数量，包括：
结合所述历史视频帧的目标检测结果，对所述当前视频帧进行目标检测和目标跟踪，确定各目标车辆；
计算各所述目标车辆在所述当前视频帧和历史视频帧的目标框交集；
根据所述目标框交集确定对应目标车辆的车辆状态；
将所述当前视频帧中处于所述停车状态的目标车辆数量作为停车状态车辆数量；
将所述当前视频帧中处于所述缓行状态的目标车辆数量作为缓行状态车辆数量。
优选的，所述根据所述目标状态车辆数量计算目标状态车辆占比，包括：
统计所述当前视频帧中的目标车辆数量；
根据所述目标状态车辆数量和所述目标车辆数量计算获得当前帧目标状态车辆占比；
根据所述当前帧目标状态车辆占比和上一帧目标状态车辆占比计算获得所述目标状态车辆占比。
优选的，所述根据所述当前帧目标状态车辆占比和上一帧目标状态车辆占比计算获得所述目标状态车辆占比，包括：
根据预设权值对所述当前帧目标状态车辆占比和所述上一帧目标状态车辆占比进行权重计算，获得所述目标状态车辆占比。
优选的，所述根据所述目标状态车辆占比和所述车道空间占有率确定交通状态，包括：
分别将所述目标状态车辆占比和所述车道空间占有率与对应的预设阈值进行对比，获得对比结果；
根据所述对比结果确定所述交通状态。
优选的，所述根据所述目标状态车辆占比和所述车道空间占有率确定交通状态之后，还包括：
判断所述交通状态是否为预设状态；
若所述交通状态为所述预设状态，则判断所述交通状态与上一交通状态是否相同；
若所述交通状态与所述上一交通状态不同，则将所述交通状态上报至监控中心。
优选的，所述根据检测指令采集获得当前视频帧，包括：
按照预设时间间隔响应所述检测指令，获取所述当前视频帧。
第二方面，本申请还公开了一种交通状态检测装置，包括：
视频帧获取模块，用于根据检测指令采集获得当前视频帧；
目标检测模块，用于根据所述当前视频帧和历史视频帧确定目标状态车辆数量；
第一数据计算模块，用于根据所述目标状态车辆数量计算目标状态车辆占比；
网络分割模块，用于对所述当前视频帧进行网络分割，确定车辆区域和车道区域；
第二数据计算模块，用于根据所述车辆区域和所述车道区域计算车道空间占有率；
交通状态确定模块，用于根据所述目标状态车辆占比和所述车道空间占有率确定交通状态。
第三方面，本申请还公开了一种交通状态检测系统，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序以实现如上所述的任一种交通状态检测方法的步骤。
第四方面，本申请还公开了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用以实现如上所述的任一种交通状态检测方法的步骤。
本申请所提供的一种交通状态检测方法，包括根据检测指令采集获得当前视频帧；根据所述当前视频帧和历史视频帧确定目标状态车辆数量；根据所述目标状态车辆数量计算目标状态车辆占比；对所述当前视频帧进行网络分割，确定车辆区域和车道区域；根据所述车辆区域和所述车道区域计算车道空间占有率；根据所述目标状态车辆占比和所述车道空间占有率确定交通状态。
可见，本申请所提供的交通状态检测方法，结合目标检测技术、目标跟踪技术和网络分割技术实现交通状态检测，对于获取到的视频流，采用目标检测和目标跟踪技术进行目标状态车辆占比计算，采用网络分割技术进行车道空间占有率计算，最后根据目标状态车辆占比和车道空间占有率确定道路的当前交通状态，由此，通过图像处理技术获取多个交通参数并进行综合分析，可以更为快速准确的确定道路交通状态，保证检测效率及其检测结果的准确性，并且，该种实现方式仅需获取视频流即可实现道路交通状态检测，无需部署其他硬件设施，大大降低了设施部署成本。
本申请所提供的一种交通状态检测装置、系统以及计算机可读存储介质，均具有上述有益效果，在此不再赘述。
附图说明
为了更清楚地说明现有技术和本申请实施例中的技术方案，下面将对现有技术和本申请实施例描述中需要使用的附图作简要的介绍。当然，下面有关本申请实施例的附图描述的仅仅是本申请中的一部分实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图，所获得的其他附图也属于本申请的保护范围。
图1为本申请所提供的一种交通状态检测方法的流程示意图；
图2为本申请所提供的一种交通状态检测装置的结构示意图；
图3为本申请所提供的一种交通状态检测系统的结构示意图。
具体实施方式
本申请的核心是提供一种交通状态检测方法，该交通状态检测方法可以有效提高交通状态检测效率，保证交通状态检测结果的准确性，减少设施部署成本；本申请的另一核心是提供一种交通状态检测装置、系统以及计算机可读存储介质，也具有上述有益效果。
为了对本申请实施例中的技术方案进行更加清楚、完整地描述，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行介绍。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
请参考图1，图1为本申请所提供的一种交通状态检测方法的流程示意图，该交通状态检测方法可包括：
S101：根据检测指令采集获得当前视频帧；
本步骤旨在实现视频帧的获取，即通过图像采集获得上述当前视频帧，该当前视频帧用于实现交通状态检测，可通过部署于道路两边的图像采集设备，如摄像探头等采集获得。具体的，当接主控器收到检测指令时，即可将该检测指令下发至图像采集设备进行当前视频帧的采集，并对其进行后续处理。其中，检测指令的获取方式并不影响本技术方案的实施，可以由技术人员通过前端设备直接输入，也可以为基于预设响应条件自动触发，如定时条件，本申请对此不做限定。
作为一种优选实施例，上述根据检测指令采集获得当前视频帧，可以包括：按照预设时间间隔响应检测指令，获取当前视频帧。
本优选实施例提供了一种检测指令的获取方法，即基于定时条件自动触发，也即按照预设时间间隔自动响应检测指令进行当前视频帧的采集，实现周期性的交通状态检测。其中，预设时间间隔的取值并不唯一，由技术人员根据实际情况进行设定即可，本申请对此不做限定。
作为一种优选实施例，上述根据检测指令采集获得当前视频帧，可以包括：根据所述检测指令确定目标检测区域，并采集所述目标检测区域对应的当前视频帧。
在进行视频流采集之前，可以先设定目标检测区域，以便实现目标检测区域内视频流的采集，进而实现目标区域内交通状态的检测。具体的，当获取到检测指令时，即可对该检测指令进行解析获得目标检测区域，进而采集得到该目标检测区域的当前视频帧。其中，目标检测区域由技术人员根据实际需求进行设定，例如，当图像采集设备的视野涵盖多条车道，但只需要对某一条车道进行交通状态检测时，即可设定该车道所在的区域作为目标检测区域；当图像采集设备的视野涵盖机动车道和非机动车道，但只需要对机动车道进行交通状态检测时，即可设定该机动车道对所在的区域作为目标检测区域。可以理解的是，上述目标检测区域的获取方式仅为本优选实施例所提供的一种实现方式，并不唯一，也可以由技术人员直接通过相应的终端进行设定并输入，本申请对此不做限定。
S102：根据当前视频帧和历史视频帧确定目标状态车辆数量；
本步骤旨在实现目标状态车辆数量的获取，该目标状态车辆数量是指处于目标状态的车辆的数量，目标状态包括但不限于停止状态、缓行状态、正常行驶状态等，对应的，即可获得处于停止状态的车辆的数量，处于缓行状态的车辆的数量，处于正常行驶状态的车辆的数量等。
可以理解的是，在实际场景中，道路上的车辆均处于行驶状态，因此，需要在当前视频帧的基础上结合历史视频帧确定具体的车辆行驶状态，进而获得处于对应车辆行驶状态的数量，即上述目标状态车辆数量。
需要说明的是，具体的目标状态的类型划分并不唯一，可以只分为停止状态和行驶状态，也可以进行更为细化的划分，如上述停止状态、缓行状态以及正常行驶状态，本申请对此不做限定。
作为一种优选实施例，上述目标状态可以包括停车状态和缓行状态；则上述根据当前视频帧和历史视频帧确定目标状态车辆数量，可以包括：结合历史视频帧的目标检测结果，对当前视频帧进行目标检测和目标跟踪，确定各目标车辆；计算各目标车辆在当前视频帧和历史视频帧的目标框交集；根据目标框交集确定对应目标车辆的车辆状态；将当前视频帧中处于停车状态的目标车辆数量作为停车状态车辆数量；将当前视频帧中处于缓行状态的目标车辆数量作为缓行状态车辆数量。
本优先实施例提供了一种目标状态车辆数量的获取方法，在本优选实施例中，设定目标状态包括停车状态和缓行状态，对应的，目标状态车辆数量可以包括停车状态车辆数量和缓行状态车辆数量。需要说明的是，上述历史视频帧是指采集时间先于当前视频帧的视频帧，二者之间间隔帧数的具体取值由技术人员根据实际情况进行设定即可，本申请对此不做限定。
在具体实现过程中，首先结合历史视频帧的目标检测结果对当前视频帧进行目标检测和目标跟踪，获得各目标车辆，也就是将当前视频帧与历史视频帧中相同的车辆作为上述目标车辆，进一步，确定各个目标车辆在历史视频帧中的目标框和在当前视频帧中的目标框，并计算同一目标车辆对应的两个目标框的交集，即上述目标框交集，由此，即可根据该目标框交集确定对应目标车辆的车辆状态，如停车状态或缓行状态，并分别统计处于停车状态的车辆数量和处于缓行状态的车辆数量，对应获得停车状态车辆数量和缓行状态车辆数量。
其中，上述根据目标框交集确定对应目标车辆的车辆状态可以包括：当目标框交集的面积超出预设值时，判定车辆状态为停车状态，当目标框交集的面积未超出预设值时，判定车辆状态为缓行状态。
可以理解的是，目标框交集越大，即交集面积越大，说明当前时间段内对应目标车辆的移动范围越小，目标框交集越小，即交集面积越小，说明当前时间段内对应目标车辆的移动范围越大，因此，可以根据目标框交集对应的预设值进行车辆状态的判定。更为细化的，还可以将车辆状态划分为停车状态、缓行状态以及正常行驶状态，在此基础上，则可以设定当目标框交集接近100％时，对应的车辆状态为停止状态；当目标框交集接近0时，对应的车辆状态为正常行驶状态；当目标框交集处于二者之间时，对应的车辆状态为缓行状态。其中，预设值的具体取值由技术人员根据实际情况进行设定即可，本申请对此不做限定。
S103：根据目标状态车辆数量计算目标状态车辆占比；
本步骤旨在实现目标状态车辆占比，即处于目标状态的车辆在当前视频帧中的占据比例，在获得目标状态车辆数量后，直接进行计算即可。例如，可以统计当前视频帧中目标车辆的总数量，进而基于该目标车辆总数量和目标状态车辆数量计算获得上述目标状态车辆占比。进一步，对应于上述停车状态和缓行状态，该目标状态车辆占比可以包括停车状态车辆占比和缓行状态车辆占比。
作为一种优选实施例，上述根据目标状态车辆数量计算目标状态车辆占比，可以包括：统计当前视频帧中的目标车辆数量；根据目标状态车辆数量和目标车辆数量计算获得当前帧目标状态车辆占比；根据当前帧目标状态车辆占比和上一帧目标状态车辆占比计算获得目标状态车辆占比。
本优选实施例提供了一种目标状态车辆占比的计算方法，首先，统计当前视频帧中的目标车辆数量，即车辆总数量；进一步，根据目标状态车辆数量和目标车辆数量计算获得当前帧目标状态车辆占比，即计算目标状态车辆数量和目标车辆数量的商值；最后，结合上一帧目标状态车辆占比计算获得实际的目标状态车辆占比，其中，上一帧目标状态车辆占比是指当前视频帧的上一视频帧的目标状态车辆占比，二者为相邻视频帧。由此，通过结合上一视频帧的相关参数实现目标状态车辆占比的计算，可以有效保证计算结果的准确性，进一步提高交通状态检测结果的准确性。
作为一种优选实施例，上述根据当前帧目标状态车辆占比和上一帧目标状态车辆占比计算获得目标状态车辆占比，可以包括：根据预设权值对当前帧目标状态车辆占比和上一帧目标状态车辆占比进行权重计算，获得目标状态车辆占比。
当基于相邻两视频帧的目标状态车辆占比实现实际的目标状态车辆占比时，可通过权重计算实现。具体的，可以预先为相邻两视频帧的目标状态车辆占比设定对应的权值，即上述预设权值，如0.6和0.4(二者预设权值相加为1)，进而基于该预设权值对二者进行权重计算，获得实际的目标状态车辆占比。
S104：对当前视频帧进行网络分割，确定车辆区域和车道区域；
S105：根据车辆区域和车道区域计算车道空间占有率；
以上步骤旨在实现车道空间占有率的计算，该车道空间占有率是指在对应数据帧中的车道区域内，车辆区域所占据的比例。具体而言，首先可以对当前视频帧进行网络分割，确定车辆区域和车道区域，进而通过像素点计算或者面积计算等方式获得车辆区域占据车道区域的比例，即车道空间占有率。由此，即可通过将目标状态车辆占比和车道空间占有率相结合实现当前交通状态的检测。可以理解的是，车道空间占有率越高，交通状态越为拥堵。
需要说明的是，上述目标状态车辆占比和车道空间占有率的获取顺序并不唯一，为保证检测效率，二者可同时执行，如图1所示。当然，用于获取目标状态车辆占比和车道空间占有率的视频帧数可相同，也可不同，但二者应当对应于同一时间节点的视频帧。
S106：根据目标状态车辆占比和车道空间占有率确定交通状态。
本步骤旨在实现交通状态的确定，通过结合当前视频帧的目标状态车辆占比和车道空间占有率进行综合分析，确定当前交通状态。由此，通过图像处理技术获取多个交通参数进行综合分析，可以更为快速准确的确定道路交通状态，保证检测结果的准确性。
作为一种优选实施例，上述根据目标状态车辆占比和车道空间占有率确定交通状态，可以包括：分别将目标状态车辆占比和车道空间占有率与对应的预设阈值进行对比，获得对比结果；根据对比结果确定所述交通状态。
具体而言，在基于目标状态车辆占比和车道空间占有率进行交通状态判定时，可预先为二者设定对应的阈值，进而通过阈值对比实现交通状态的判定。例如，当二者超过各自对应的阈值时，即可判定当前交通状态为拥堵状态。当然，预设阈值的具体取值由技术人员根据实际情况进行设定即可，本申请对此不做限定。
作为一种优选实施例，上述根据目标状态车辆占比和车道空间占有率确定交通状态之后，还可以包括：判断交通状态是否为预设状态；若交通状态为预设状态，则判断交通状态与上一交通状态是否相同；若交通状态与上一交通状态不同，则将交通状态上报至监控中心。
本优选实施例所提供的交通状态检测方法，可实现信息上传功能。其中，上述预设状态由技术人员根据实际需求进行设定即可，例如，假设预设状态为缓行状态，当检测到的交通状态为缓行状态，且不同于上一交通状态时(如上一交通状态为正常行驶状态或停止状态)，则可将该缓行状态上报至监控中心。可以理解的是，上述交通状态的上报方法仅为本优选实施例所提供的一种实现方式，并不唯一，例如，可以在获得交通状态后直接与上一交通状态进行对比，若二者不同，则直接上报当前交通状态，若二者相同，则无需上报，也就是在交通状态发生改变时做到交通状态的及时上报，以做到及时通知监控管理人员，并进行及时的道路车辆管理。
可见，本申请所提供的交通状态检测方法，结合目标检测技术、目标跟踪技术和网络分割技术实现交通状态检测，对于获取到的视频流，采用目标检测和目标跟踪技术进行目标状态车辆占比计算，采用网络分割技术进行车道空间占有率计算，最后根据目标状态车辆占比和车道空间占有率确定道路的当前交通状态，由此，通过图像处理技术获取多个交通参数并进行综合分析，可以更为快速准确的确定道路交通状态，保证检测效率及其检测结果的准确性，并且，该种实现方式仅需获取视频流即可实现道路交通状态检测，无需部署其他硬件设施，大大降低了设施部署成本。
本申请实施例提供了另一种交通状态检测方法，该交通状态检测方法的具体实现流程如下：
一、获取交通信息参数(目标状态车辆占比和车道空间占有率)：
1、采集视频流，并绘制检测区域以及车道区域，逐帧捕获图像；初始化全局参数，设置交通状态判断时间周期P(预设时间间隔)，在每个周期P内检测交通状态；
2、累计计算周期P内的图像总帧数Nframe；
3、获取缓行目标所占比例(缓行状态车辆占比)和静止目标所占比例(停车状态车辆占比)：
(1)针对每帧图像，采用检测网络进行目标检测，首先加载目标检测网络模型，输入当前帧图像，获得当前帧图像的目标检测结果，进而根据不同类别将目标检测结果加载到跟踪模块获取目标跟踪结果，此处目标跟踪结果即为车辆；
(2)分析在当前检测区域车道内的所有目标，每个目标存储十帧检测跟踪结果，统计当前帧目标总数，并计算当前帧目标与十帧前目标框的交集，进而根据如下公式确定目标是处于缓行状态还是停车状态：
Figure BDA0002841240030000101
其中，Vstatus表示目标状态，Bcur表示当前帧目标框，Bfront表示十帧前目标框，LAmble表示缓行目标框交集比例，LPark表示停车目标框交集比例，两个交集比例均为预先设置的配置参数，取值范围是0～1；
若目标处于停车状态，则停车目标数量NPark累加，且停车目标帧数NParkFrame累加；若目标处于缓行状态，则缓行目标数量NAmble累加；
(3)计算当前帧缓行目标所占比例和停车目标所占比例，并计算目标占比结果，即当前帧与前一帧目标占比的加权平均值：
RcAmble＝NAmble/NAll；
RcPark＝NPark/NAll；
RAmble＝α*RfAmble+β*RcAmble；
RPark＝α*RfPark+β*RcPark；
其中，NAll表示当前帧目标总数，α和β是预先设置的当前帧比例及上一帧比例的权值系数，取值范围为0～1；RcAmble表示当前帧缓行目标占比，RcPark表示当前帧停车目标占比，RfAmble表示前一帧缓行目标占比，RfPark表示前一帧停车目标占比；RAmble为缓行目标占比，RPark为停车目标占比；
4、获取道路空间占有率(车道空间占有率)：
(1)采用图像分割网络模型进行道路分割，获取车道空间占有率，为保证性能，且不影响检测效果，设定每Nf帧图像加载一次分割网络模型，获取分割结果，区分道路及车辆目标等类别；
(2)车道空间占有率默认为0，根据道路分割结果，以及预先绘制的车道区域，获取道路空间占有率：
Ospace＝Sroad/Arearoad；
其中，Ospace为车道空间占有率，Sroad为道路分割结果在预先绘制的道路区域中的像素点总数，Arearoad为预先绘制的车道区域的面积。
二、分析道路交通状态：
1、计算停车目标帧数占周期P内的图像总帧数的比例：
RParkFrame＝NParkFrame/Nframe；
其中，RParkFrame为停车目标帧数占比；
2、默认道路状态为畅通，根据如下公式判定当前帧的交通状态：
(1)阻塞拥堵判断条件：
RParkFrame＞ThPark且Ospace≥ThBlock或RPark＞ThPark且Ospace≥ThBlock；
(2)缓行拥堵判断条件：
RParkFrame*2＞ThPark且Ospace≥ThJam或RAmble＞ThPark且Ospace≥ThJam；
其中，ThPark为预先设置的停车目标帧数占比阈值，ThBlock为预先设置的停车拥堵车道空间占有率阈值，ThJam为预先设置的缓行拥堵车道空间占有率阈值；
(3)其余情况为道路畅通。
3、分析当前周期交通状态：
(1)判断是否达到判断周期时间P，若是则获取交通状态参数；
(2)判断当前状态是否为阻塞拥堵或缓行拥堵，且前一周期交通状态为畅通，若满足条件则判别交通状态为拥堵，并上报拥堵状态；
(3)记录当前交通状态，提供给下一周期进行判断；
(4)计时器清空，进行下一周期判断，返回步骤(1)。
可见，本申请实施例所提供的交通状态检测方法，结合目标检测技术、目标跟踪技术和网络分割技术实现交通状态检测，对于获取到的视频流，采用目标检测和目标跟踪技术进行目标状态车辆占比计算，采用网络分割技术进行车道空间占有率计算，最后根据目标状态车辆占比和车道空间占有率确定道路的当前交通状态，由此，通过图像处理技术获取多个交通参数并进行综合分析，可以更为快速准确的确定道路交通状态，保证检测效率及其检测结果的准确性，并且，该种实现方式仅需获取视频流即可实现道路交通状态检测，无需部署其他硬件设施，大大降低了设施部署成本。
为解决上述技术问题，本申请还提供了一种交通状态检测装置，请参考图2，图2为本申请所提供的一种交通状态检测装置的结构示意图，该交通状态检测装置可包括：
视频帧获取模块1，用于根据检测指令采集获得当前视频帧；
目标检测模块2，用于根据当前视频帧和历史视频帧确定目标状态车辆数量；
第一数据计算模块3，用于根据目标状态车辆数量计算目标状态车辆占比；
网络分割模块4，用于对当前视频帧进行网络分割，确定车辆区域和车道区域；
第二数据计算模块5，用于根据车辆区域和车道区域计算车道空间占有率；
交通状态确定模块6，用于根据目标状态车辆占比和车道空间占有率确定交通状态。
可见，本申请实施例所提供的交通状态检测装置，结合目标检测技术、目标跟踪技术和网络分割技术实现交通状态检测，对于获取到的视频流，采用目标检测和目标跟踪技术进行目标状态车辆占比计算，采用网络分割技术进行车道空间占有率计算，最后根据目标状态车辆占比和车道空间占有率确定道路的当前交通状态，由此，通过图像处理技术获取多个交通参数并进行综合分析，可以更为快速准确的确定道路交通状态，保证检测效率及其检测结果的准确性，并且，该种实现方式仅需获取视频流即可实现道路交通状态检测，无需部署其他硬件设施，大大降低了设施部署成本。
作为一种优选实施例，上述目标状态可包括停车状态和缓行状态；则上述目标检测模块2可具体用于结合历史视频帧的目标检测结果，对当前视频帧进行目标检测和目标跟踪，确定各目标车辆；计算各目标车辆在当前视频帧和历史视频帧的目标框交集；根据目标框交集确定对应目标车辆的车辆状态；将当前视频帧中处于停车状态的目标车辆数量作为停车状态车辆数量；将当前视频帧中处于缓行状态的目标车辆数量作为缓行状态车辆数量。
作为一种优选实施例，上述第一数据计算模块3可包括：
数量统计单元，用于统计当前视频帧中的目标车辆数量；
当前帧占比计算单元，用于根据目标状态车辆数量和目标车辆数量计算获得当前帧目标状态车辆占比；
实际占比计算单元，用于根据当前帧目标状态车辆占比和上一帧目标状态车辆占比计算获得目标状态车辆占比。
作为一种优选实施例，上述可具体用于根据预设权值对当前帧目标状态车辆占比和上一帧目标状态车辆占比进行权重计算，获得目标状态车辆占比。
作为一种优选实施例，上述交通状态确定模块6可具体用于分别将目标状态车辆占比和车道空间占有率与对应的预设阈值进行对比，获得对比结果；根据对比结果确定交通状态。
作为一种优选实施例，该交通状态检测装置还可包括信息上传模块，用于在上述根据目标状态车辆占比和车道空间占有率确定交通状态之后，判断交通状态是否为预设状态；若交通状态为预设状态，则判断交通状态与上一交通状态是否相同；若交通状态与上一交通状态不同，则将交通状态上报至监控中心。
作为一种优选实施例，上述视频帧获取模块1可具体用于按照预设时间间隔响应检测指令，获取当前视频帧。
对于本申请提供的装置的介绍请参照上述方法实施例，本申请在此不做赘述。
为解决上述技术问题，本申请还提供了一种交通状态检测系统，请参考图3，图3为本申请所提供的一种交通状态检测系统的结构示意图，该交通状态检测系统可包括：
存储器10，用于存储计算机程序；
处理器20，用于执行计算机程序时可实现如上述任意一种交通状态检测方法的步骤。
对于本申请提供的系统的介绍请参照上述方法实施例，本申请在此不做赘述。
为解决上述问题，本申请还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时可实现如上述任意一种交通状态检测方法的步骤。
该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
对于本申请提供的计算机可读存储介质的介绍请参照上述方法实施例，本申请在此不做赘述。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM或技术领域内所公知的任意其它形式的存储介质中。
以上对本申请所提供的技术方案进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请的保护范围内。

Claims (10)

1.一种交通状态检测方法，其特征在于，包括：
根据检测指令采集获得当前视频帧；
根据所述当前视频帧和历史视频帧确定目标状态车辆数量；
根据所述目标状态车辆数量计算目标状态车辆占比；
对所述当前视频帧进行网络分割，确定车辆区域和车道区域；
根据所述车辆区域和所述车道区域计算车道空间占有率；
根据所述目标状态车辆占比和所述车道空间占有率确定交通状态。
2.根据权利要求1所述的交通状态检测方法，其特征在于，所述目标状态包括停车状态和缓行状态；则所述根据所述当前视频帧和历史视频帧确定目标状态车辆数量，包括：
结合所述历史视频帧的目标检测结果，对所述当前视频帧进行目标检测和目标跟踪，确定各目标车辆；
计算各所述目标车辆在所述当前视频帧和历史视频帧的目标框交集；
根据所述目标框交集确定对应目标车辆的车辆状态；
将所述当前视频帧中处于所述停车状态的目标车辆数量作为停车状态车辆数量；
将所述当前视频帧中处于所述缓行状态的目标车辆数量作为缓行状态车辆数量。
3.根据权利要求1或2所述的交通状态检测方法，其特征在于，所述根据所述目标状态车辆数量计算目标状态车辆占比，包括：
统计所述当前视频帧中的目标车辆数量；
根据所述目标状态车辆数量和所述目标车辆数量计算获得当前帧目标状态车辆占比；
根据所述当前帧目标状态车辆占比和上一帧目标状态车辆占比计算获得所述目标状态车辆占比。
4.根据权利要求3所述的交通状态检测方法，其特征在于，所述根据所述当前帧目标状态车辆占比和上一帧目标状态车辆占比计算获得所述目标状态车辆占比，包括：
根据预设权值对所述当前帧目标状态车辆占比和所述上一帧目标状态车辆占比进行权重计算，获得所述目标状态车辆占比。
5.根据权利要求1所述的交通状态检测方法，其特征在于，所述根据所述目标状态车辆占比和所述车道空间占有率确定交通状态，包括：
分别将所述目标状态车辆占比和所述车道空间占有率与对应的预设阈值进行对比，获得对比结果；
根据所述对比结果确定所述交通状态。
6.根据权利要求1所述的交通状态检测方法，其特征在于，所述根据所述目标状态车辆占比和所述车道空间占有率确定交通状态之后，还包括：
判断所述交通状态是否为预设状态；
若所述交通状态为所述预设状态，则判断所述交通状态与上一交通状态是否相同；
若所述交通状态与所述上一交通状态不同，则将所述交通状态上报至监控中心。
7.根据权利要求1所述的交通状态检测方法，其特征在于，所述根据检测指令采集获得当前视频帧，包括：
按照预设时间间隔响应所述检测指令，获取所述当前视频帧。
8.一种交通状态检测装置，其特征在于，包括：
视频帧获取模块，用于根据检测指令采集获得当前视频帧；
目标检测模块，用于根据所述当前视频帧和历史视频帧确定目标状态车辆数量；
第一数据计算模块，用于根据所述目标状态车辆数量计算目标状态车辆占比；
网络分割模块，用于对所述当前视频帧进行网络分割，确定车辆区域和车道区域；
第二数据计算模块，用于根据所述车辆区域和所述车道区域计算车道空间占有率；
交通状态确定模块，用于根据所述目标状态车辆占比和所述车道空间占有率确定交通状态。
9.一种交通状态检测系统，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序以实现如权利要求1至7任一项所述的交通状态检测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用以实现如权利要求1至7任一项所述的交通状态检测方法的步骤。
CN202011492978.6A 2020-12-16 2020-12-16 一种交通状态检测方法、装置及相关设备 Active CN112767681B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011492978.6A CN112767681B (zh) 2020-12-16 2020-12-16 一种交通状态检测方法、装置及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011492978.6A CN112767681B (zh) 2020-12-16 2020-12-16 一种交通状态检测方法、装置及相关设备

Publications (2)

Publication Number Publication Date
CN112767681A true CN112767681A (zh) 2021-05-07
CN112767681B CN112767681B (zh) 2022-08-19

Family

ID=75695814

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011492978.6A Active CN112767681B (zh) 2020-12-16 2020-12-16 一种交通状态检测方法、装置及相关设备

Country Status (1)

Country Link
CN (1) CN112767681B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113538916A (zh) * 2021-07-26 2021-10-22 上海商汤科技开发有限公司 交通路口检测方法、装置、电子设备及存储介质
CN114387788A (zh) * 2021-12-02 2022-04-22 浙江大华技术股份有限公司 车辆交替通行的识别方法、识别设备及计算机存储介质
CN114529858A (zh) * 2022-04-21 2022-05-24 浙江大华技术股份有限公司 车辆状态识别方法、电子设备及计算机可读存储介质
CN114882709A (zh) * 2022-04-22 2022-08-09 四川云从天府人工智能科技有限公司 车辆拥堵检测方法、装置及计算机存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103593976A (zh) * 2013-11-28 2014-02-19 青岛海信网络科技股份有限公司 基于检测器确定道路交通状态的方法及系统
CN103838772A (zh) * 2012-11-26 2014-06-04 香港生产力促进局 一种多源交通数据融合方法
CN104751629A (zh) * 2013-12-31 2015-07-01 中国移动通信集团公司 一种交通事件的检测方法和系统
CN105844959A (zh) * 2016-06-13 2016-08-10 北京精英智通科技股份有限公司 车辆入位的判定方法、装置及车辆出位的判定方法、装置
CN106023594A (zh) * 2016-06-13 2016-10-12 北京精英智通科技股份有限公司 一种车位遮挡的判定方法、装置及车辆管理系统
EP3093828A1 (en) * 2015-05-12 2016-11-16 HERE Global B.V. Dynamic multi-lane capacity optimization in a mixed vehicle environment
CN106530684A (zh) * 2015-09-11 2017-03-22 杭州海康威视系统技术有限公司 处理交通道路信息的方法及装置
CN106600955A (zh) * 2015-10-14 2017-04-26 富士通株式会社 检测交通状态的方法、装置和电子设备
CN110287905A (zh) * 2019-06-27 2019-09-27 浙江工业大学 一种基于深度学习的交通拥堵区域实时检测方法
CN110298307A (zh) * 2019-06-27 2019-10-01 浙江工业大学 一种基于深度学习的异常停车实时检测方法
CN110992693A (zh) * 2019-12-04 2020-04-10 浙江工业大学 一种基于深度学习的交通拥堵程度多维度分析方法
CN111435565A (zh) * 2018-12-26 2020-07-21 杭州海康威视数字技术股份有限公司 道路交通状态检测方法、装置、电子设备及存储介质
CN111626275A (zh) * 2020-07-30 2020-09-04 江苏金智慧安科技有限公司 一种基于智能视频分析的异常停车检测方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103838772A (zh) * 2012-11-26 2014-06-04 香港生产力促进局 一种多源交通数据融合方法
CN103593976A (zh) * 2013-11-28 2014-02-19 青岛海信网络科技股份有限公司 基于检测器确定道路交通状态的方法及系统
CN104751629A (zh) * 2013-12-31 2015-07-01 中国移动通信集团公司 一种交通事件的检测方法和系统
EP3093828A1 (en) * 2015-05-12 2016-11-16 HERE Global B.V. Dynamic multi-lane capacity optimization in a mixed vehicle environment
CN106530684A (zh) * 2015-09-11 2017-03-22 杭州海康威视系统技术有限公司 处理交通道路信息的方法及装置
CN106600955A (zh) * 2015-10-14 2017-04-26 富士通株式会社 检测交通状态的方法、装置和电子设备
CN105844959A (zh) * 2016-06-13 2016-08-10 北京精英智通科技股份有限公司 车辆入位的判定方法、装置及车辆出位的判定方法、装置
CN106023594A (zh) * 2016-06-13 2016-10-12 北京精英智通科技股份有限公司 一种车位遮挡的判定方法、装置及车辆管理系统
CN111435565A (zh) * 2018-12-26 2020-07-21 杭州海康威视数字技术股份有限公司 道路交通状态检测方法、装置、电子设备及存储介质
CN110287905A (zh) * 2019-06-27 2019-09-27 浙江工业大学 一种基于深度学习的交通拥堵区域实时检测方法
CN110298307A (zh) * 2019-06-27 2019-10-01 浙江工业大学 一种基于深度学习的异常停车实时检测方法
CN110992693A (zh) * 2019-12-04 2020-04-10 浙江工业大学 一种基于深度学习的交通拥堵程度多维度分析方法
CN111626275A (zh) * 2020-07-30 2020-09-04 江苏金智慧安科技有限公司 一种基于智能视频分析的异常停车检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
何最红: "基于视频的交通流参数检测方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113538916A (zh) * 2021-07-26 2021-10-22 上海商汤科技开发有限公司 交通路口检测方法、装置、电子设备及存储介质
CN113538916B (zh) * 2021-07-26 2023-02-17 上海商汤科技开发有限公司 交通路口检测方法、装置、电子设备及存储介质
CN114387788A (zh) * 2021-12-02 2022-04-22 浙江大华技术股份有限公司 车辆交替通行的识别方法、识别设备及计算机存储介质
CN114387788B (zh) * 2021-12-02 2023-09-29 浙江大华技术股份有限公司 车辆交替通行的识别方法、识别设备及计算机存储介质
CN114529858A (zh) * 2022-04-21 2022-05-24 浙江大华技术股份有限公司 车辆状态识别方法、电子设备及计算机可读存储介质
CN114882709A (zh) * 2022-04-22 2022-08-09 四川云从天府人工智能科技有限公司 车辆拥堵检测方法、装置及计算机存储介质

Also Published As

Publication number Publication date
CN112767681B (zh) 2022-08-19

Similar Documents

Publication Publication Date Title
CN112767681B (zh) 一种交通状态检测方法、装置及相关设备
CN108986465B (zh) 一种车流量检测的方法、系统及终端设备
CN111339994B (zh) 一种判断临时违章停车的方法及装置
CN110032947B (zh) 一种监控事件发生的方法及装置
CN110889328A (zh) 检测道路交通状况的方法、装置、电子设备和存储介质
KR101530636B1 (ko) 단위구간 안의 차량의 수를 계수하여 교통밀도를 산출하는 장치 및 방법
CN114155706B (zh) 一种服务区车辆判别方法、装置、电子设备和存储介质
CN108847024A (zh) 基于视频的交通拥堵识别方法及系统
CN108804987B (zh) 门开闭状态检测方法和装置、以及人流检测系统
CN110114801A (zh) 图像前景检测装置及方法、电子设备
CN105957352B (zh) 违章停车检测方法和装置
CN109711313B (zh) 一种识别向河道内倾倒污水的实时视频监控方法
CN112509338B (zh) 一种静默式低点视频监控交通拥堵事件检测方法
US11205078B2 (en) System for computationally efficient analysis of traffic details in traffic video stream and a method thereof
CN110008957B (zh) 基于车牌识别和图像方差算法的小区违停告警方法
Zheng et al. Detecting cycle failures at signalized intersections using video image processing
JP6446742B2 (ja) タイヤパターン判定装置、車種判別装置、タイヤパターン判定方法及びプログラム
CN112329515A (zh) 一种高点视频监控拥堵事件检测方法
CN112419750B (zh) 一种静默式低点出口道溢出事件检测方法
CN113643529B (zh) 基于大数据分析的停车场车道拥堵预测方法及系统
CN112634650B (zh) 基于音视频监控的停车场管理方法和系统
CN114882709A (zh) 车辆拥堵检测方法、装置及计算机存储介质
CN114463980A (zh) 一种交通状态检测方法、装置、存储介质及电子装置
JP4939860B2 (ja) イメージ・データを分析するための方法および装置
CN110717352B (zh) 一种站台客流量的统计方法、服务器及图像采集设备

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
GR01 Patent grant
GR01 Patent grant