CN113380021A - 车辆状态检测方法、装置、服务器及计算机可读存储介质 - Google Patents
车辆状态检测方法、装置、服务器及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113380021A CN113380021A CN202010159771.0A CN202010159771A CN113380021A CN 113380021 A CN113380021 A CN 113380021A CN 202010159771 A CN202010159771 A CN 202010159771A CN 113380021 A CN113380021 A CN 113380021A
- Authority
- CN
- China
- Prior art keywords
- motor vehicle
- vehicle
- target time
- running
- state detection
- 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
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
- G08G1/0125—Traffic data processing
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种车辆状态检测方法、装置、服务器及计算机可读存储介质。本申请实施例通过定位系统获取非机动车的定位信息,对该非机动车所处位置进行初步判断,排除该机动车行驶在小区等内部车道上,再通过定位系统获取该非机动车的运行速度,以确认当前时刻该非机动车是否为运行状态和判断是否超速,以及通过摄像头拍摄的连续的多张行驶图像进一步的确定该非机动车在目标时间内处于机动车道路场景的置信度和该非机动车在所述目标时间内行驶经过的机动车道路的个数,精确判断在目标时间内,该非机动车是否存在违规占有机动车道,采用这种方式对非机动车辆的运行情况进行实时精准的监控,可减少潜在交通事故的发生频次,降低死亡率。
Description
技术领域
本申请涉及交通技术领域,尤其涉及车辆状态检测方法、装置、服务器及计算机可读存储介质。
背景技术
随着城市化发展的不断深化,人们生活的节奏越来越快,4G网络的高速发展活跃了外卖和快递市场,人们享受着网上购物和送餐给生活带来的便利。
然而在便利的同时,由于外卖和快递市场对外送和派件业务有着严格的时效限制,快递小哥往往存在着道路闯红灯、超速、占用机动车道和逆行等行为,交通事故频发。据统计,仅上海市在2019上半年,共发生涉及快递、外卖行业各类道路交通事故325起,造成5人死亡,324人受伤。
现有的视觉检测非机动车逆行的方案通常是基于静态摄像头的,部署在城市的公共道路、各类园区、高速公路主路以及重要出入口及主要车流通道,统计上述路段的实时发生的非机动车辆占用机动车道;快递和外卖行业缺乏有效的车辆管理平台,对非机动车自身占用机动车道检测还缺乏有效的方法。
发明内容
本申请实施例提供一种车辆状态检测方法、装置、服务器及计算机可读存储介质,通过定位系统获取非机动车的定位信息,对该非机动车所处位置进行初步判断,排除该机动车行驶在小区等内部车道上,再通过定位系统获取该非机动车的运行速度,以确认当前时刻该非机动车是否为运行状态和判断是否超速,以及通过摄像头拍摄的连续的多张行驶图像进一步的确定该非机动车在目标时间内处于机动车道路场景的置信度和该非机动车在所述目标时间内行驶经过的机动车道路的个数,精确判断在目标时间内,该非机动车是否存在违规占有机动车道,采用这种方式对非机动车辆的运行情况进行实时精准的监控,可对于违规的行为,产生警告和记录,提高对类似于快递和外卖行业的车辆管理的效率,减少潜在交通事故的发生频次,降低死亡率。
一方面,本申请实施例提供一种车辆状态检测方法,所述方法包括:
获取非机动车在目标时间内反馈的车辆运行信息,所述车辆运行信息包括所述非机动车上摄像头在所述目标时间内拍摄的连续的多张行驶图像、所述非机动车上定位系统在所述目标时间内运行的定位信息和运行速度;
根据所述多张行驶图像,确定所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车在所述目标时间内行驶经过的机动车道路的个数;
根据所述定位信息、所述运行速度、所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车行驶的机动车道路的个数,检测所述车辆是否为违规车辆。
在一些实施例中,所述根据所述多张行驶图像,确定所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车在所述目标时间内行驶经过的机动车道路的个数,包括:
依次以所述连续的多张行驶图像为目标行驶图像;
将所述目标行驶图像输入预先训练的道路场景分类模型;
确定所述目标行驶图像对应的所述非机动车在所述目标时间内处于机动车道路场景的置信度;
确定所述目标行驶图像对应的所述非机动车在所述目标时间内行驶经过的机动车道路的个数。
在一些实施例中,在所述将所述目标行驶图像输入预先训练的道路场景分类模型之前,所述方法包括:
获取预先采集的非机动车行驶图像集;
获取对所述非机动车行驶图像集中每张非机动车行驶图像的机动车道类型标记;
根据所述非机动车行驶图像集和每张非机动车行驶图像的机动车道类型标记,离线训练预设的神经网路模型,得到所述道路场景分类模型。
在一些实施例中,所述根据所述定位信息、所述运行速度、所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车行驶的机动车道路的个数,检测所述车辆是否为违规车辆,包括:
根据所述定位信息,确定所述非机动车是否行驶于外部车道;
比较所述运行速度与预设速度阈值;
比较所述非机动车在所述目标时间内处于机动车道路场景的置信度,与预设置信度阈值;
比较所述非机动车在所述目标时间内行驶经过的机动车道路的个数,与预设机动车道路的个数阈值;
若所述非机动车行驶于外部车道、所述运行速度不小于所述速度阈值、所述非机动车在所述目标时间内处于机动车道路场景的置信度不小于所述置信度阈值,以及所述非机动车在所述目标时间内行驶经过的机动车道路的个数不小于所述机动车道路的个数阈值,确定所述非机动车为违规车辆。
在一些实施例中,所述非机动车上摄像头在所述目标时间内拍摄的连续的多张行驶图像,包括:
获取所述非机动车上摄像头在所述目标时间内拍摄的监控视频;
对所述监控视频进行筛选,确定有效视频图像;
获取所述有效视频图像中所述非机动车连续的多张行驶图像。
在一些实施例中,所述车辆状态检测方法还包括:
在确定所述非机动车为违规车辆之后,获取所述非机动车的车主信息;
将所述有效视频图像和所述非机动车的车主信息发送至服务器进行保存;
将所述非机动车的检测结果反馈至所述非机动车的控制器。
在一些实施例中,所述获取非机动车在目标时间内反馈的车辆运行信息,包括:
基于与所述设于非机动车的摄像头之间的网络连接,接收所述摄像头传输过来的所述摄像头拍摄得到的图片;
基于与所述设于非机动车的定位装置之间的网络连接,接收所述定位装置传输过来的定位信息和速度信息。
另一方面,本申请实施例提供一种车辆状态检测装置,所述装置包括:
第一获取单元,用于获取非机动车在目标时间内反馈的车辆运行信息,所述车辆运行信息包括所述非机动车上摄像头在所述目标时间内拍摄的连续的多张行驶图像、所述非机动车上定位系统在所述目标时间内运行的定位信息和运行速度;
第一确定单元,用于根据所述多张行驶图像,确定所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车在所述目标时间内行驶经过的机动车道路的个数;
第一检测单元,用于根据所述定位信息、所述运行速度、所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车行驶的机动车道路的个数,检测所述车辆是否为违规车辆。
另一方面,本申请实施例提供一种服务器,所述服务器包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现所述的车辆状态检测方法。
另一方面,本申请实施例提供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进行加载,以执行所述的车辆状态检测方法中的步骤。
本申请实施例提供的车辆状态检测方法,该方法包括:获取非机动车在目标时间内反馈的车辆运行信息,车辆运行信息包括非机动车上摄像头在目标时间内拍摄的连续的多张行驶图像、非机动车上定位系统在目标时间内运行的定位信息和运行速度;根据多张行驶图像,确定非机动车在目标时间内处于机动车道路场景的置信度和非机动车在目标时间内行驶经过的机动车道路的个数;根据运行速度、定位信息、非机动车在目标时间内处于机动车道路场景的置信度和非机动车行驶的机动车道路的个数,检测车辆是否为违规车辆。本申请实施例通过定位系统获取非机动车的定位信息,对该非机动车所处位置进行初步判断,排除该机动车行驶在小区等内部车道上,再通过定位系统获取该非机动车的运行速度,以确认当前时刻该非机动车是否为运行状态和判断是否超速,以及通过摄像头拍摄的连续的多张行驶图像进一步的确定该非机动车在目标时间内处于机动车道路场景的置信度和该非机动车在所述目标时间内行驶经过的机动车道路的个数,精确判断在目标时间内,该非机动车是否存在违规占有机动车道,采用这种方式对非机动车辆的运行情况进行实时精准的监控,可对于违规的行为,产生警告和记录,提高对类似于快递和外卖行业的车辆管理的效率,减少潜在交通事故的发生频次,降低死亡率。
附图说明
下面结合附图,通过对本申请的具体实施方式详细描述,将使本申请的技术方案及其它有益效果显而易见。
图1为本申请实施例所提供的车辆状态检测系统的场景示意图;
图2为本申请实施例中车辆状态检测方法的一个实施例流程示意图;
图3为本申请实施例中步骤201的一个实施例流程示意图;
图4为本申请实施例中步骤203的一个实施例流程示意图;
图5为本申请实施例中车辆状态检测方法的另一个实施例流程示意图;
图6为本申请实施例中车辆状态检测装置的一个实施例结构示意图;
图7为本申请实施例中服务器的一个实施例结构示意图。
具体实施方式
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清楚、完整地描述。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,本领域技术人员在没有作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。
在本申请的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接或可以相互通讯;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
在本申请中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高度小于第二特征。
下文的公开提供了许多不同的实施方式或例子用来实现本申请的不同结构。为了简化本申请的公开,下文中对特定例子的部件和设置进行描述。当然,它们仅仅为示例,并且目的不在于限制本申请。此外,本申请可以在不同例子中重复参考数字和/或参考字母,这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施方式和/或设置之间的关系。此外,本申请提供了的各种特定的工艺和材料的例子,但是本领域普通技术人员可以意识到其他工艺的应用和/或其他材料的使用。
本申请实施例提供一种车辆状态检测方法、装置、服务器及计算机可读存储介质。以下分别进行详细说明。
请参阅图1,图1为本发明实施例所提供的车辆状态检测系统的场景示意图,该车辆状态检测系统可以包括服务器100,服务器100中集成有车辆状态检测装置。本申请实施例中服务器100主要用于获取非机动车在目标时间内反馈的车辆运行信息,所述车辆运行信息包括所述非机动车上摄像头在所述目标时间内拍摄的连续的多张行驶图像、所述非机动车上定位系统在所述目标时间内运行的定位信息和运行速度;根据所述多张行驶图像,确定所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车在所述目标时间内行驶经过的机动车道路的个数;根据所述定位信息、所述运行速度、所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车行驶的机动车道路的个数,检测所述车辆是否为违规车辆。
需要说明的是,本申请实施例中,非机动车上安装了传感控制系统,该检测系统包括摄像头、定位装置、控制器、以及网络通信装置,其中,该摄像头可以安装在车头或车尾,定位装置可以是GPS定位装置和/或北斗定位装置。
摄像头即记录车辆行驶途中的影像等相关资讯的仪器。安装摄像头后,能够记录汽车行驶全过程的视频图像,可为交通事故提供证据。不同的是摄像头产品有不同的外观,但其基本组成都有:
(1)镜头,透镜结构,由几片透镜组成,有塑胶透镜或玻璃透镜。
(2)图像传感器,可以分为CCD(charge-coupled device):电荷耦合器件和CMOS(complementary metal oxide semiconductor):互补金属氧化物半导体。
(3)电源,摄像头内部需要两种工作电压:3.3V和2.5V,最新工艺芯片有用到1.8V。
网络通信装置即将非机动车上安装的摄像头、定位装置、以及控制器与服务器进行网络通信连接。
控制器即根据服务器发出的处理信息产生预警信息,具体的,首次产生黄色响铃提醒,如果在半个小时连续三次响铃,将采取红色紧急制动响应,直到预警干预信息解除,非机动车才可正常行驶。
本申请实施例中,该服务器100可以是独立的服务器,也可以是服务器组成的服务器网络或服务器集群,例如,本申请实施例中所描述的服务器100,其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中,云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成。
具体的,该服务器100为服务器集群时,可以包括视频服务器、平台服务器和后台服务器等,视频服务器保存非机动车传感控制系统传过来的有效视频数据,设备编号和GPS非机动车位置信息。平台服务器通过非机动车监控视频完成对非机动车逆行状态的检测。
后台服务器运行的企业的管理服务器,后台运行企业的中心管理平台,该中心管理平台有接入交换机,接入交换机、平台服务器、视频服务器、存储器均通过网线与汇聚交换机相连。
本领域技术人员可以理解,图1中示出的应用环境,仅仅是与本申请方案一种应用场景,并不构成对本申请方案应用场景的限定,其他的应用环境还可以包括比图1中所示更多或更少的服务器,例如图1中仅示出1个服务器,可以理解的,该车辆状态检测系统还可以包括一个或多个其他服务器,例如一个或多个其他服务器等,具体此处不作限定。
另外,如图1所示,该车辆状态检测系统还可以包括存储器200,用于存储视频数据,如存储非机动车监控视频数据,以便平台管理员可以查阅非机动车监控视频数据,确定非机动车使用人员是否违规占用机动车道。
需要说明的是,图1所示的车辆状态检测系统的场景示意图仅仅是一个示例,本发明实施例描述的车辆状态检测系统以及场景是为了更加清楚的说明本发明实施例的技术方案,并不构成对于本发明实施例提供的技术方案的限定,本领域普通技术人员可知,随着车辆状态检测系统的演变和新业务场景的出现,本发明实施例提供的技术方案对于类似的技术问题,同样适用。
首先,本申请实施例中提供一种车辆状态检测方法,该车辆状态检测方法的执行主体为车辆状态检测装置,该车辆状态检测装置可以应用于服务器,该车辆状态检测方法包括:获取非机动车在目标时间内反馈的车辆运行信息,所述车辆运行信息包括所述非机动车上摄像头在所述目标时间内拍摄的连续的多张行驶图像、所述非机动车上定位系统在所述目标时间内运行的定位信息和运行速度;根据所述多张行驶图像,确定所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车在所述目标时间内行驶经过的机动车道路的个数;根据所述定位信息、所述运行速度、所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车行驶的机动车道路的个数,检测所述车辆是否为违规车辆。
如图2所示,为本申请实施例中车辆状态检测方法的一个实施例流程示意图,该车辆状态检测方法包括:
201、获取非机动车在目标时间内反馈的车辆运行信息,车辆运行信息包括非机动车上摄像头在目标时间内拍摄的连续的多张行驶图像、非机动车上定位系统在目标时间内运行的定位信息和运行速度。
“非机动车”,即以人力或者畜力驱动,上道路行驶的交通工具,以及虽有动力装置驱动但设计最高时速、空车质量、外形尺寸符合有关国家标准的残疾人机动轮椅车、电动自行车等交通工具。因此非机动车属于非机动车,故应走非机动车道。
现有的非机动车逆行检测解决方案通常是基于静态摄像头的,部署在城市的公共道路、各类园区、高速公路主路以及重要出入口及主要车流通道,统计上述路段的实时发生的车辆逆行时间,由于室外场景复杂多变以及嵌入式摄像头的安装问题,会造成获得的视频帧角度和曝光出现问题,降低非机动车逆行检测的准确性。
本申请实施例中,在非机动车上车头或车尾设置有摄像头,优选的,该摄像头设置在非机动车车头,摄像头中的拍摄装置正对方向与非机动车行驶方向相同,以便拍摄非机动车行驶方向的图像。
其中,所述获取非机动车在目标时间内反馈的车辆运行信息,可以包括:
基于与所述设于非机动车的摄像头之间的网络连接,接收所述摄像头传输过来的所述摄像头拍摄得到的图片。
基于与所述设于非机动车的定位装置之间的网络连接,接收所述定位装置传输过来的定位信息和速度信息。
具体的,定位信息可以包括具体的定位地址和道路级别信息,速度信息指的是每时刻对应的速率,其中定位地址可用于区分该道路是否为外部道路,例如,当定位地址为阳光小区星光大道,则判定该道路为非外部道路,具体根据实际需求而定。
其中,如图3所示,在本申请一些实施例中,所述非机动车上摄像头在所述目标时间内拍摄的连续的多张行驶图像,包括:
301、获取非机动车上摄像头在目标时间内拍摄的监控视频。
该监控视频可以是在非机动车中也可设置用于与服务器100通讯连接的网络通信装置,该网络通信装置与摄像头连接,通过网络通信装置可以将摄像头连接中的数据存储器存储的监控视频实时发送到服务器100。
本发明的实施例中,服务器100与网络通信装置之间可通过任何通信方式实现通信,包括但不限于,基于第三代合作伙伴计划(3rd Generation Partnership Project,3GPP)、长期演进(Long Term Evolution,LTE)、全球互通微波访问(WorldwideInteroperability for Microwave Access,WiMAX)的移动通信,或基于TCP/IP协议族(TCP/IP Protocol Suite,TCP/IP)、用户数据报协议(User Datagram Protocol,UDP)协议的计算机网络通信,以及未来新出现的移动通讯方式等。
302、对监控视频进行筛选,确定有效视频图像。
一般情况下,监控视频比较长,且由于非机动车停放时间,导致监控视频中会出现一些无用的视频片段,例如非机动车较长时间的停留,摄像头拍摄的视频图像等。因此,本申请实施例中可以对所述监控视频进行筛选,确定有效视频图像。具体的,可以通过将定位装置与摄像头进行关联,当定位装置检测到非机动车辆的运行速度不小于0或检测到非机动车辆的定位信息的地址持续更变时,可将这段时间内摄像头拍摄的视频定义为有效视频图像。
303、获取有效视频图像中非机动车连续的多张行驶图像。
本申请实施例中,可以将有效视频图像中的所有图像作为后续判断非机动车行驶在非机动车道上的依据,即该多张行驶图像即为有效视频图像整体,当然,也可以仅从有效视频图像中选取部分图像,得到多张行驶图像,具体此处不作限定。
202、根据多张行驶图像,确定非机动车在所述目标时间内处于机动车道路场景的置信度和非机动车在目标时间内行驶经过的机动车道路的个数。
非机动车在行驶过程中,通过定位装置实时提供速度信息和定位信息,并不能精确判断该非机动车行驶在非机动车道上,因此,为了提高判断该非机动车是否行驶在非机动车道上的精准性,还需要计算每张行驶图像中包括机动车道路的置信度,其中,每张行驶图像都对应一个置信度,该置信度以时间轴为基准,并与每张图片对应的非机动车在该时刻行驶的实际运行信息相关联。
具体的,所述根据所述多张行驶图像,计算每张行驶图像中包括机动车道路的置信度,可以包括:
(1)依次以所述连续的多张行驶图像为目标行驶图像。
其中,该连续的多张行驶照片是连续帧图片,具体的,为了确保信息的连贯性和精确性,可以根据实际情况确定摄像头拍摄视频的帧率和清晰度,具体不做限定,视情况而定。
(2)将所述目标行驶图像输入预先训练的道路场景分类模型。
具体的,该预先训练的道路场景分类模型可以预先采集大量非机动车行驶的图像,对初始神经网络模型进行训练,得到预先训练的非机动车道路场景分类模型,具体过程可以如下:
获取预先采集的非机动车行驶图像集。
该非机动车行驶图像集的数量可更具实际情况而定,为了满足分类模型的准确性,可以采集多个图像集,每个图像集中都包括多种道路类型。
获取对所述非机动车行驶图像集中每张非机动车行驶图像的机动车道类型标记。
机动车道类型多样,图像类别差异性大,简单分为二分类性能较差,因此,道路场景分类算法根据图像内容和特征将常见的行驶区域分为八个类型:典型机动车道,过街天桥,人行横道,隧道,典型自行车道,人行道,商业楼地下通道,邻街地区。其中,可将这八类道路类型映射为两类问题,从而提高了非机动车道路场景分类模型分类的准确性。
根据所述非机动车行驶图像集和每张非机动车行驶图像的机动车道类型标记,离线训练预设的神经网路模型,得到所述道路场景分类模型。
本发明实施例中,用预先训练好的深度学习模型可以是深度神经网络(DeepNeural Network,DNN)模型、卷积神经网络(Convolutional Neural Network,CNN)模型、深度置信网络(Deep Belief Networks,DBN)模型、递归神经网络(Recurrent NeuralNetwork,RNN)模型或生成对抗网络(Generative Adversarial Networks,GAN)模型等。该深度学习模型可以通过大量的非机动车拍摄图像进行训练之后得到。
(3)确定所述目标行驶图像对应的所述非机动车在所述目标时间内处于机动车道路场景的置信度。
具体的,为了提高道路场景分类模型的运行速度,可以采用轻量级分类网络mobilenetv3。网络mobilenetv3中包含具有线性瓶颈的逆残差结构(the invertedresidual with linear bottleneck)和轻量级注意力结构(squeeze and excitation)结构。通过网络mobilenetv3输出置信度Pt和对应的类别号Ct。
(4)确定所述目标行驶图像对应的所述非机动车在所述目标时间内行驶经过的机动车道路的个数。
在一段运行视频中,非机动车可能会进行转弯、掉头以及更换车道等操作,因此,所拍摄的视频中可能具有多个不同的道路场景图片,通过道路场景分类模型,确定所述非机动车在目标时间行驶经过的机动车道路的个数,例如,将一段目标图像输入道路场景分类器,该道路场景分类器会生成对应的类别号Ct和对应的道路类别个数,即确定所述目标行驶图像对应的所述非机动车在所述目标时间内行驶经过的机动车道路的个数。
203、根据定位信息、运行速度、非机动车在目标时间内处于机动车道路场景的置信度和非机动车行驶的机动车道路的个数,检测车辆是否为违规车辆。
其中,在本申请一些实施例中,如图4所示,所述根据所述定位信息、所述运行速度、所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车行驶的机动车道路的个数,检测所述车辆是否为违规车辆,包括:
401、根据定位信息,确定非机动车是否行驶于外部车道。
402、比较运行速度与预设速度阈值。
403、比较非机动车在目标时间内处于机动车道路场景的置信度,与预设置信度阈值。
404、比较非机动车在目标时间内行驶经过的机动车道路的个数,与预设机动车道路的个数阈值。
405、若非机动车行驶于外部车道、运行速度不小于速度阈值、非机动车在目标时间内处于机动车道路场景的置信度不小于置信度阈值,以及非机动车在目标时间内行驶经过的机动车道路的个数不小于机动车道路的个数阈值,确定非机动车为违规车辆。
具体的,因为占道是一个连续的过程,仅靠一张图片的分类结果并不够准确,为了提高对占道事件的准确判断,可基于视频序列的加权投票算法,将获取的行驶图像以视频帧方式放入判别队列中:
具体的,行驶图像对应的视频信息三元At={It,Vt,Rt},当非机动车运行的速度满足行驶在外部车道满足置信度满足行驶的机动车道路的个数满足其中,t为当前时间、m为视频序列的长度、i为视频帧,It为在t时刻对应的图像帧、Vt为在t时刻对应的非机动车的运行速度、Rt为t时刻对应的非机动车行驶的机动车道路的个数、Ct为对应道路的类别号,TV为速度阈值、TP置信度阈值、TR为机动车道路的个数阈值,当满足上面四个条件,将定为占用机动车道事件。
综上所述,由此可知,本申请实施例通过获取非机动车当前运行速度、定位信息以及连续的多张行驶图像,并对这三种数据进行实时分析,同时对连续的多张行驶图像进行计算,得出每张行驶图像中包括机动车道路的置信度,从而准确的判断非机动车是否存在违规占有机动车道,采用这种方式对非机动车辆的运行进行监控,可对于违规的行为,产生警告和记录,提高对类似于快递和外卖行业的车辆管理的效率,减少潜在交通事故的发生频次,降低死亡率。
在本申请一些实施例中,如图5所示,所述车辆状态检测方法还包括:
501、在确定非机动车为违规车辆之后,获取非机动车的车主信息。
具体的,每个非机动车在使用前都可进行身份登记,其中包括个人的身份证信息,联系方式,即对应的车牌。
502、将有效视频图像和非机动车的车主信息发送至服务器进行保存。
其中,将有效视频图像和非机动车的车主信息发送至服务器进行保存,可以供后期使用,防止误判。
503、将非机动车的检测结果反馈至非机动车的控制器。
具体的,可根据实际需求进行调整控制模式,具体不做限定,例如,当检测非机动车第一次违规行驶,可进行语音提示,在半个小内,检测到非机动车第二次违规行驶,可再次进行语音提示和亮灯警告,进一步的,在半个小时内超过两次检测到非机动车违规行驶,则可采取红色紧急制动响应,直到预警干预信息解除,非机动车运行状态将被远程监控。
为便于更好的实施本申请实施例中车辆状态检测方法,在车辆状态检测方法基础之上,本申请实施例中还提供一种车辆状态检测装置,该车辆状态检测装置应用于服务器,如图6所示,该车辆状态检测装置600包括第一获取单元601、第一确定单元602和第一检测单元603,具体如下:
第一获取单元601,用于获取非机动车在目标时间内反馈的车辆运行信息,所述车辆运行信息包括所述非机动车上摄像头在所述目标时间内拍摄的连续的多张行驶图像、所述非机动车上定位系统在所述目标时间内运行的定位信息和运行速度。
第一确定单元602,用于根据所述多张行驶图像,确定所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车在所述目标时间内行驶经过的机动车道路的个数。
第一检测单元603,用于根据所述定位信息、所述运行速度、所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车行驶的机动车道路的个数,检测所述车辆是否为违规车辆。
在本申请一些实施例中,所述确定单元602具体用于:
依次以所述连续的多张行驶图像为目标行驶图像。
将所述目标行驶图像输入预先训练的道路场景分类模型。
确定所述目标行驶图像对应的所述非机动车在所述目标时间内处于机动车道路场景的置信度。
确定所述目标行驶图像对应的所述非机动车在所述目标时间内行驶经过的机动车道路的个数。
在本申请一些实施例中,所述车辆状态检测装置600还包括:
第二获取单元,用于获取预先采集的非机动车行驶图像集。
第三获取单元,用于获取对所述非机动车行驶图像集中每张非机动车行驶图像的机动车道类型标记。
第一训练单元,用于根据所述非机动车行驶图像集和每张非机动车行驶图像的机动车道类型标记,离线训练预设的神经网路模型,得到所述道路场景分类模型。
在本申请一些实施例中,所述检测单元603具体用于:
根据所述定位信息,确定所述非机动车是否行驶于外部车道。
比较所述运行速度与预设速度阈值。
比较所述非机动车在所述目标时间内处于机动车道路场景的置信度,与预设置信度阈值。
比较所述非机动车在所述目标时间内行驶经过的机动车道路的个数,与预设机动车道路的个数阈值。
若所述非机动车行驶于外部车道、所述运行速度不小于所述速度阈值、所述非机动车在所述目标时间内处于机动车道路场景的置信度不小于所述置信度阈值,以及所述非机动车在所述目标时间内行驶经过的机动车道路的个数不小于所述机动车道路的个数阈值,确定所述非机动车为违规车辆。
在本申请一些实施例中,所述第一获取单元601具体用于:
获取所述非机动车上摄像头在所述目标时间内拍摄的监控视频。
对所述监控视频进行筛选,确定有效视频图像。
获取所述有效视频图像中所述非机动车连续的多张行驶图像。
在本申请一些实施例中,所述第一获取单元601具体用于:
基于与所述设于非机动车的摄像头之间的网络连接,接收所述摄像头传输过来的所述摄像头拍摄得到的图片。
基于与所述设于非机动车的定位装置之间的网络连接,接收所述定位装置传输过来的定位信息和速度信息。
在本申请一些实施例中,所述装置还包括:
第四获取单元,用于在确定所述非机动车为违规车辆之后,获取所述非机动车的车主信息。
第一保存单元,用于将所述有效视频图像和所述非机动车的车主信息发送至服务器进行保存。
第一反馈单元,用于将所述非机动车的检测结果反馈至所述非机动车的控制器。
本申请实施例通过第一获取单元601获取非机动车在目标时间内反馈的车辆运行信息,所述车辆运行信息包括所述非机动车上摄像头在所述目标时间内拍摄的连续的多张行驶图像、所述非机动车上定位系统在所述目标时间内运行的定位信息和运行速度;第一确定单元602根据所述多张行驶图像,确定所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车在所述目标时间内行驶经过的机动车道路的个数;第一检测单元603根据所述定位信息、所述运行速度、所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车行驶的机动车道路的个数,检测所述车辆是否为违规车辆。本申请实施例通过定位系统获取非机动车的定位信息,对该非机动车所处位置进行初步判断,排除该机动车行驶在小区等内部车道上,再通过定位系统获取该非机动车的运行速度,以确认当前时刻该非机动车是否为运行状态和判断是否超速,以及通过摄像头拍摄的连续的多张行驶图像进一步的确定该非机动车在目标时间内处于机动车道路场景的置信度和该非机动车在所述目标时间内行驶经过的机动车道路的个数,精确判断在目标时间内,该非机动车是否存在违规占有机动车道,采用这种方式对非机动车辆的运行情况进行实时精准的监控,可对于违规的行为,产生警告和记录,提高对类似于快递和外卖行业的车辆管理的效率,减少潜在交通事故的发生频次,降低死亡率。
本发明实施例还提供一种服务器,其集成了本发明实施例所提供的任一种车辆状态检测装置,所述服务器包括:
一个或多个处理器。
存储器。以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行上述车辆状态检测方法实施例中任一实施例中所述的车辆状态检测方法中的步骤。
本发明实施例还提供一种服务器,其集成了本发明实施例所提供的任一种车辆状态检测装置。如图7所示,其示出了本发明实施例所涉及的服务器的结构示意图,具体来讲:
该服务器可以包括一个或者一个以上处理核心的处理器701、一个或一个以上计算机可读存储介质的存储器702、电源703和输入单元704等部件。本领域技术人员可以理解,图7中示出的服务器结构并不构成对服务器的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器701是该服务器的控制中心,利用各种接口和线路连接整个服务器的各个部分,通过运行或执行存储在存储器702内的软件程序和/或模块,以及调用存储在存储器702内的数据,执行服务器的各种功能和处理数据,从而对服务器进行整体监控。可选的,处理器701可包括一个或多个处理核心;优选的,处理器701可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器701中。
存储器702可用于存储软件程序以及模块,处理器701通过运行存储在存储器702的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器702可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据服务器的使用所创建的数据等。此外,存储器702可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器702还可以包括存储器控制器,以提供处理器701对存储器702的访问。
服务器还包括给各个部件供电的电源703,优选的,电源703可以通过电源管理系统与处理器701逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源703还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该服务器还可包括输入单元704,该输入单元704可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,服务器还可以包括显示单元等,在此不再赘述。具体在本实施例中,服务器中的处理器701会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器702中,并由处理器701来运行存储在存储器702中的应用程序,从而实现各种功能,如下:
获取非机动车在目标时间内反馈的车辆运行信息,所述车辆运行信息包括所述非机动车上摄像头在所述目标时间内拍摄的连续的多张行驶图像、所述非机动车上定位系统在所述目标时间内运行的定位信息和运行速度。
根据所述多张行驶图像,确定所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车在所述目标时间内行驶经过的机动车道路的个数。
根据所述定位信息、所述运行速度、所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车行驶的机动车道路的个数,检测所述车辆是否为违规车辆。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本发明实施例提供一种计算机可读存储介质,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行本发明实施例所提供的任一种车辆状态检测中的步骤。例如,所述计算机程序被处理器进行加载可以执行如下步骤:
获取非机动车在目标时间内反馈的车辆运行信息,所述车辆运行信息包括所述非机动车上摄像头在所述目标时间内拍摄的连续的多张行驶图像、所述非机动车上定位系统在所述目标时间内运行的定位信息和运行速度。
根据所述多张行驶图像,确定所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车在所述目标时间内行驶经过的机动车道路的个数。
根据所述定位信息、所述运行速度、所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车行驶的机动车道路的个数,检测所述车辆是否为违规车辆。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
以上对本申请实施例所提供的一种车辆状态检测方法、装置、服务器及计算机可读存储介质进行了详细介绍,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技术方案及其核心思想;本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例的技术方案的范围。
Claims (10)
1.一种车辆状态检测方法,其特征在于,所述方法包括:
获取非机动车在目标时间内反馈的车辆运行信息,所述车辆运行信息包括所述非机动车上摄像头在所述目标时间内拍摄的连续的多张行驶图像、所述非机动车上定位系统在所述目标时间内运行的定位信息和运行速度;
根据所述多张行驶图像,确定所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车在所述目标时间内行驶经过的机动车道路的个数;
根据所述定位信息、所述运行速度、所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车行驶的机动车道路的个数,检测所述车辆是否为违规车辆。
2.根据权利要求1所述的车辆状态检测方法,其特征在于,所述根据所述多张行驶图像,确定所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车在所述目标时间内行驶经过的机动车道路的个数,包括:
依次以所述连续的多张行驶图像为目标行驶图像;
将所述目标行驶图像输入预先训练的道路场景分类模型;
确定所述目标行驶图像对应的所述非机动车在所述目标时间内处于机动车道路场景的置信度;
确定所述目标行驶图像对应的所述非机动车在所述目标时间内行驶经过的机动车道路的个数。
3.根据权利要求2所述的车辆状态检测方法,其特征在于,在所述将所述目标行驶图像输入预先训练的道路场景分类模型之前,所述方法包括:
获取预先采集的非机动车行驶图像集;
获取对所述非机动车行驶图像集中每张非机动车行驶图像的机动车道类型标记;
根据所述非机动车行驶图像集和每张非机动车行驶图像的机动车道类型标记,离线训练预设的神经网路模型,得到所述道路场景分类模型。
4.根据权利要求1所述的车辆状态检测方法,其特征在于,所述根据所述定位信息、所述运行速度、所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车行驶的机动车道路的个数,检测所述车辆是否为违规车辆,包括:
根据所述定位信息,确定所述非机动车是否行驶于外部车道;
比较所述运行速度与预设速度阈值;
比较所述非机动车在所述目标时间内处于机动车道路场景的置信度,与预设置信度阈值;
比较所述非机动车在所述目标时间内行驶经过的机动车道路的个数,与预设机动车道路的个数阈值;
若所述非机动车行驶于外部车道、所述运行速度不小于所述速度阈值、所述非机动车在所述目标时间内处于机动车道路场景的置信度不小于所述置信度阈值,以及所述非机动车在所述目标时间内行驶经过的机动车道路的个数不小于所述机动车道路的个数阈值,确定所述非机动车为违规车辆。
5.根据权利要求1所述的车辆状态检测方法,其特征在于,所述非机动车上摄像头在所述目标时间内拍摄的连续的多张行驶图像,包括:
获取所述非机动车上摄像头在所述目标时间内拍摄的监控视频;
对所述监控视频进行筛选,确定有效视频图像;
获取所述有效视频图像中所述非机动车连续的多张行驶图像。
6.根据权利要求5所述的车辆状态检测方法,其特征在于,所述车辆状态检测方法还包括:
在确定所述非机动车为违规车辆之后,获取所述非机动车的车主信息;
将所述有效视频图像和所述非机动车的车主信息发送至服务器进行保存;
将所述非机动车的检测结果反馈至所述非机动车的控制器。
7.根据权利要求1所述的方法,其特征在于,所述获取非机动车在目标时间内反馈的车辆运行信息,包括:
基于与所述设于非机动车的摄像头之间的网络连接,接收所述摄像头传输过来的所述摄像头拍摄得到的图片;
基于与所述设于非机动车的定位装置之间的网络连接,接收所述定位装置传输过来的定位信息和速度信息。
8.一种车辆状态检测装置,其特征在于,所述装置包括:
第一获取单元,用于获取非机动车在目标时间内反馈的车辆运行信息,所述车辆运行信息包括所述非机动车上摄像头在所述目标时间内拍摄的连续的多张行驶图像、所述非机动车上定位系统在所述目标时间内运行的定位信息和运行速度;
第一确定单元,用于根据所述多张行驶图像,确定所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车在所述目标时间内行驶经过的机动车道路的个数;
第一检测单元,用于根据所述定位信息、所述运行速度、所述非机动车在所述目标时间内处于机动车道路场景的置信度和所述非机动车行驶的机动车道路的个数,检测所述车辆是否为违规车辆。
9.一种服务器,其特征在于,所述服务器包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现权利要求1至7中任一项所述的车辆状态检测方法。
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进行加载,以执行权利要求1至7中任一项所述的车辆状态检测方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010159771.0A CN113380021B (zh) | 2020-03-10 | 2020-03-10 | 车辆状态检测方法、装置、服务器及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010159771.0A CN113380021B (zh) | 2020-03-10 | 2020-03-10 | 车辆状态检测方法、装置、服务器及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113380021A true CN113380021A (zh) | 2021-09-10 |
CN113380021B CN113380021B (zh) | 2023-10-10 |
Family
ID=77568614
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010159771.0A Active CN113380021B (zh) | 2020-03-10 | 2020-03-10 | 车辆状态检测方法、装置、服务器及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113380021B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114446055A (zh) * | 2021-09-22 | 2022-05-06 | 湖南喜宝达信息科技有限公司 | 一种电单车及其占道行驶的监控方法、存储介质 |
CN115273456A (zh) * | 2022-06-14 | 2022-11-01 | 北京车网科技发展有限公司 | 一种两轮电动车违规行驶的判定方法、系统和存储介质 |
CN115662190A (zh) * | 2022-12-23 | 2023-01-31 | 深圳曦华科技有限公司 | 车辆基于道路异常状态识别的提示信息处理方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101750069A (zh) * | 2008-11-28 | 2010-06-23 | 阿尔派株式会社 | 导航装置及导航装置的限制信息提示方法 |
CN106004883A (zh) * | 2016-05-24 | 2016-10-12 | 北京小米移动软件有限公司 | 车辆违规提醒的方法及装置 |
CN106997664A (zh) * | 2017-05-19 | 2017-08-01 | 苏州寅初信息科技有限公司 | 一种用于共享单车智能行驶的控制方法及其系统 |
US20180218610A1 (en) * | 2015-09-30 | 2018-08-02 | Bayerische Motoren Werke Aktiengesellschaft | Method and System for Determining Road Users with Potential for Interaction |
CN108363064A (zh) * | 2018-02-26 | 2018-08-03 | 桂林电子科技大学 | 一种预防电动自行车进入机动车道行驶的组合提醒装置 |
CN108399752A (zh) * | 2018-04-28 | 2018-08-14 | 上海与德科技有限公司 | 一种驾驶违章预判方法、装置、服务器和介质 |
CN207852085U (zh) * | 2018-02-02 | 2018-09-11 | 长安大学 | 一种车辆占用非机动车道的智能检测系统 |
CN109243005A (zh) * | 2017-07-10 | 2019-01-18 | 李公健 | 自行车警用监督管理及智能城市管理的行驶记录系统 |
CN110738150A (zh) * | 2019-09-29 | 2020-01-31 | 浙江大华技术股份有限公司 | 相机联动抓拍方法、装置以及计算机存储介质 |
CN110796883A (zh) * | 2019-11-06 | 2020-02-14 | 山东浪潮人工智能研究院有限公司 | 一种基于图像识别的电动自行车违章提醒方法及装置 |
-
2020
- 2020-03-10 CN CN202010159771.0A patent/CN113380021B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101750069A (zh) * | 2008-11-28 | 2010-06-23 | 阿尔派株式会社 | 导航装置及导航装置的限制信息提示方法 |
US20180218610A1 (en) * | 2015-09-30 | 2018-08-02 | Bayerische Motoren Werke Aktiengesellschaft | Method and System for Determining Road Users with Potential for Interaction |
CN106004883A (zh) * | 2016-05-24 | 2016-10-12 | 北京小米移动软件有限公司 | 车辆违规提醒的方法及装置 |
CN106997664A (zh) * | 2017-05-19 | 2017-08-01 | 苏州寅初信息科技有限公司 | 一种用于共享单车智能行驶的控制方法及其系统 |
CN109243005A (zh) * | 2017-07-10 | 2019-01-18 | 李公健 | 自行车警用监督管理及智能城市管理的行驶记录系统 |
CN207852085U (zh) * | 2018-02-02 | 2018-09-11 | 长安大学 | 一种车辆占用非机动车道的智能检测系统 |
CN108363064A (zh) * | 2018-02-26 | 2018-08-03 | 桂林电子科技大学 | 一种预防电动自行车进入机动车道行驶的组合提醒装置 |
CN108399752A (zh) * | 2018-04-28 | 2018-08-14 | 上海与德科技有限公司 | 一种驾驶违章预判方法、装置、服务器和介质 |
CN110738150A (zh) * | 2019-09-29 | 2020-01-31 | 浙江大华技术股份有限公司 | 相机联动抓拍方法、装置以及计算机存储介质 |
CN110796883A (zh) * | 2019-11-06 | 2020-02-14 | 山东浪潮人工智能研究院有限公司 | 一种基于图像识别的电动自行车违章提醒方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114446055A (zh) * | 2021-09-22 | 2022-05-06 | 湖南喜宝达信息科技有限公司 | 一种电单车及其占道行驶的监控方法、存储介质 |
CN115273456A (zh) * | 2022-06-14 | 2022-11-01 | 北京车网科技发展有限公司 | 一种两轮电动车违规行驶的判定方法、系统和存储介质 |
CN115273456B (zh) * | 2022-06-14 | 2023-08-29 | 北京车网科技发展有限公司 | 一种两轮电动车违规行驶的判定方法、系统和存储介质 |
CN115662190A (zh) * | 2022-12-23 | 2023-01-31 | 深圳曦华科技有限公司 | 车辆基于道路异常状态识别的提示信息处理方法及装置 |
CN115662190B (zh) * | 2022-12-23 | 2023-03-21 | 深圳曦华科技有限公司 | 车辆基于道路异常状态识别的提示信息处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113380021B (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11182598B2 (en) | Smart area monitoring with artificial intelligence | |
US11990036B2 (en) | Driver behavior monitoring | |
WO2020248386A1 (zh) | 视频分析方法、装置、计算机设备及存储介质 | |
US20240290201A1 (en) | Driver behavior monitoring | |
US20240149882A1 (en) | Multiple exposure event determination | |
US11380105B2 (en) | Identification and classification of traffic conflicts | |
KR101375583B1 (ko) | 비디오에서의 물체 조밀도 판단 | |
CN113380021A (zh) | 车辆状态检测方法、装置、服务器及计算机可读存储介质 | |
KR102453627B1 (ko) | 딥러닝 기반 교통 흐름 분석 방법 및 시스템 | |
CN109598943A (zh) | 车辆违章的监控方法、装置及系统 | |
CN114013324B (zh) | 内置多功能摄像头的充电装置及充电监测方法 | |
CN109191829B (zh) | 道路安全监控方法及系统、计算机可读存储介质 | |
CN112466003B (zh) | 车辆状态检测方法、装置、计算机设备及存储介质 | |
US9760783B2 (en) | Vehicle occupancy detection using passenger to driver feature distance | |
KR102122850B1 (ko) | 딥 러닝 기반의 교통분석 및 차량번호 인식 솔루션 | |
CN113160575A (zh) | 一种非机动车辆及驾驶人的交通违法行为检测方法及系统 | |
CN110032947A (zh) | 一种监控事件发生的方法及装置 | |
US20220366575A1 (en) | Method and system for gathering information of an object moving in an area of interest | |
CN114078319A (zh) | 一种检测交通事故隐患地点的方法及装置 | |
CN116311166A (zh) | 交通障碍物识别方法、装置及电子设备 | |
CN113112813B (zh) | 违章停车检测方法及装置 | |
WO2023246720A1 (zh) | 路侧停车检测方法、系统及电子设备 | |
JP2014241134A (ja) | 動きベクトルを使用して車両を分類する方法およびシステム | |
CN111627224A (zh) | 车辆速度异常检测方法、装置、设备及存储介质 | |
CN113538968B (zh) | 用于输出信息的方法和装置 |
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 |