CN113538968B - 用于输出信息的方法和装置 - Google Patents
用于输出信息的方法和装置 Download PDFInfo
- Publication number
- CN113538968B CN113538968B CN202110820060.8A CN202110820060A CN113538968B CN 113538968 B CN113538968 B CN 113538968B CN 202110820060 A CN202110820060 A CN 202110820060A CN 113538968 B CN113538968 B CN 113538968B
- Authority
- CN
- China
- Prior art keywords
- target
- targets
- information
- time
- collision
- 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
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
Abstract
本公开提供了用于输出信息的方法和装置,涉及图像识别领域,尤其涉及智能交通领域,可应用于自动驾驶场景。具体实现方案为:获取实时视频流;从实时视频流中检测出至少两个目标的关键点;根据每个目标的关键点进行目标跟踪得到每个目标的跟踪信息;根据每个目标的跟踪信息预测每个目标的行驶轨迹;对于任意两个目标,根据这两个目标的行驶轨迹的交点和到达交点的时间确定碰撞概率;针对碰撞概率大于预定阈值的目标输出提示信息。该实现方案能够对于可能发生的交通事故进行预警,提高道路安全系数。
Description
技术领域
本公开涉及图像识别领域,尤其涉及智能交通领域,可应用于自动驾驶场景。
背景技术
随着我国经济的发展,车辆市场保有量将持续增加,停车难及停车位的有效管理等问题将越来越严重。在这种时代背景下衍生出了很多智慧停车系统,其中基于视频方式的抓拍设备受到了大家的广泛关注。采用视频的方式可以很好的解决停车问题,但这种系统没有充分利用视频信息,造成监管系统存在一定资源浪费等问题。
发明内容
本公开提供了一种用于输出信息的方法、装置、设备、存储介质以及计算机程序产品。
根据本公开的第一方面,提供了一种用于输出信息的方法,包括:获取实时视频流;从所述实时视频流中检测出至少两个目标的关键点;根据每个目标的关键点进行目标跟踪得到每个目标的跟踪信息;根据每个目标的跟踪信息预测每个目标的行驶轨迹;对于任意两个目标,根据这两个目标的行驶轨迹的交点和到达交点的时间确定碰撞概率;针对碰撞概率大于预定阈值的目标输出提示信息。
根据本公开的第二方面,提供了一种用于输出信息的装置,包括:获取单元,被配置成获取实时视频流;检测单元,被配置成从所述实时视频流中检测出至少两个目标的关键点;跟踪单元,被配置成根据每个目标的关键点进行目标跟踪得到每个目标的跟踪信息;预测单元,被配置成根据每个目标的跟踪信息预测每个目标的行驶轨迹;确定单元,被配置成对于任意两个目标,根据这两个目标的行驶轨迹的交点和到达交点的时间确定碰撞概率;输出单元,被配置成针对碰撞概率大于预定阈值的目标输出提示信息。
根据本公开的第三方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行第一方面所述的方法。
根据本公开的第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行第一方面所述的方法。
根据本公开的第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现第一方面所述的方法。
本申请实施例提供的用于输出信息的方法和装置,通过对目标进行跟踪分析以及预测,通过分析结果,一方面可以对交通事故进行更加精准的检测,另一方面在事故发生之前进行预警来预防事故发生,因此就需要加上时间维度,对于可能发生的事故进行预警。通过上述技术方案可以很好的提升停车系统的适应性,增加了路内停车系统的功能,同时减少了交通事故的产生,优化了交通环境,推动了智能交通的发展。
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,不构成对本公开的限定。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输出信息的方法的一个实施例的流程图;
图3a-3e是根据本申请的用于输出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输出信息的方法的又一个实施例的流程图;
图5是根据本申请的用于输出信息的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开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,而不会背离本公开的范围和精神。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。
图1示出了可以应用本申请的用于输出信息的方法或用于输出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可以包括摄像头101、102、103,网络104和服务器105。网络104用以在摄像头101、102、103和服务器105之间提供通信链路的介质。网络104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。
用户可以使用摄像头101、102、103通过网络104与服务器105交互,以接收或发送消息等。
摄像头101、102、103泛指用于进行车辆监控的、可识别出车牌号的摄像头。可以是在十字路口对违法(比如,跨越车道压实线、逆向行驶、占用非机动车道、不按导向标识行驶、闯红灯等)车辆进行抓拍的电子警察。还可以是安装位置在高速公路、省道和国道的一些重点路段用来抓拍超速开车违法行为的卡口摄像头。摄像头101、102、103还可以是违停抓拍摄像头、流量监控摄像头、天网监控摄像头、流动抓拍摄像头等。
服务器105可以是提供各种服务的服务器,例如对摄像头101、102、103上采集的车辆数据提供分析的后台分析服务器。后台分析服务器可以对接收到的车辆数据进行分析等处理,并将处理结果(例如车辆碰撞概率)输出到车主的终端或辅助停车设备。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,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。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。
需要说明的是,本申请实施例所提供的用于输出信息的方法一般由服务器105执行,相应地,用于输出信息的装置一般设置于服务器105中。
应该理解,图1中的摄像头、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摄像头、网络和服务器。
继续参考图2,示出了根据本申请的用于输出信息的方法的一个实施例的流程200。该用于输出信息的方法,包括以下步骤:
步骤201,获取实时视频流。
在本实施例中,用于输出信息的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从摄像头获取实时视频流。摄像头可对准停车位,重点监测停车过程中安全隐患。可选地,摄像头也可对准道路。如图3a、3b所示,摄像头可采集视频流,再将视频流实时发送到服务器。
步骤202,从实时视频流中检测出至少两个目标的关键点。
在本实施例中,目标可以是行人、车辆等。可通过现有技术常用的目标检测模型从视频中识别出目标。然后再通过现有技术中的各种方法从目标中检测出关键点。例如通过关键点检测模型从目标中检测出关键点。关键点检测模型可以是现有的各种神经网络结构(例如DenseBox、VGGNet、ResNet、SegNet等)。如图3c所示,车辆关键点可以是车轮轴、车牌、车门转轴、车门把手等。在车辆关键点检测模型的训练过程中,可以从大量车辆图像中通过人工标注方式或机器标注方式标注出了22个关键点作为训练样本训练出车辆关键点检测模型。在进行目标关键点检测时,将图像输入训练好的车辆关键点检测模型就可以检测出图像中车辆的关键点。如图3d所示,人体关键点可以是头、颈、左右肩、左右肘、左右手腕、左右臀、左右膝盖、左右脚踝等。在人体关键点检测模型的训练过程中,可以从大量行人图像中通过人工标注方式或机器标注方式标注出13个关键点作为训练样本训练出人体关键点检测模型。在进行目标关键点检测时,将图像输入训练好的人体关键点检测模型就可以检测出图像中人体的关键点。受视角影响,一个目标检测到关键点数量不固定。因为需要检测目标碰撞的情况,因此需要至少检测出两个目标,如果没有检测到目标或只有一个目标则无需执行后续步骤。
步骤203,根据每个目标的关键点进行目标跟踪得到每个目标的跟踪信息。
在本实施例中,不需要对每一帧图像进行目标检测和关键点提取。主要考虑时耗问题,因为关键点提取时耗较长,所以不会对每一帧都做关键点提取。本公开采用检测关键点和跟踪关键点结合方式实现目标的跟踪和预测。基于上述提取的关键点,对关键点进行跟踪,这里采用传统的特征点目标跟踪方法。可根据目标的关键点的位置确定出目标的位置。跟踪信息可包括时间及目标的位置。
步骤204,根据每个目标的跟踪信息预测每个目标的行驶轨迹。
在本实施例中,可根据不同视频帧中目标的位置进行轨迹预测,预测一定时间内目标的位置。从而确定出目标移动的速度和方向。通过速度和预测时间,可以计算到目标的行驶轨迹,通过计算轨迹的交点就可以得到碰撞点位置。这里的行驶轨迹可以是图像坐标系中的行驶轨迹,也可以转换成物理坐标系下的行驶轨迹。坐标系转换方法是现有技术,因此不再赘述。
步骤205,对于任意两个目标,根据这两个目标的行驶轨迹的交点和到达交点的时间确定碰撞概率。
在本实施例中,多个目标预测轨迹在物理坐标系或图像坐标系存在交集,并且间隔时间在一定预制范围之内。在碰撞预警判断中,因为车辆存在一定宽度,如果采用关键点判断车辆是否碰撞到行人,明显不合理。所以在计算车辆的轨迹的时候要采用最外侧的关键点,一般车辆目标要有左边和右边两条轨迹信息。两条轨迹信息,一侧可以通过关键点轨迹信息计算得到,另外一侧是结合轨迹信息和车辆宽度计算得到,通过这两条轨迹信息就可以初步得到车辆移动方向的断面信息,如果两个目标断面信息存在交集,并且间隔时间在设定范围内,那么就可以触发碰撞预警。
两个目标的行驶轨迹可能存在一个交点,也可能不相交。如果两个目标的行驶轨迹相交,则根据可交点的位置计算两个目标分别到达交点的时间。根据这两个时间差来计算碰撞概率。可简单的将时间差划分成若干等级,不同等级对应的碰撞概率不同,例如,若时间差为0-3秒,则碰撞概率为90%,若时间差为3-6秒,则碰撞概率为80%,...,若时间差为30秒以上,则碰撞概率为0。
步骤206,针对碰撞概率大于预定阈值的目标输出提示信息。
在本实施例中,预定阈值可以是90%。如果碰撞概率大于预定阈值,则提示这两个目标,可通过周边环境安装的扬声器等设备提醒车辆和行人注意安全,还可引导车辆和行人避免碰撞。可选地,还可识别出车牌,播放包含车牌号的提示信息,例如,播放“京N2xxxx右前方有行人,请注意安全”。
本公开的上述实施例提供的方法,通过关键点检测与跟踪技术,预测目标轨迹信息,并且判断目标与目标的位置关系,可以解决当前停车系统不能做碰撞预警的功能,同时对车位入位全程监控与引导,一方面可以及时人工干预,维持停车场次序,减少交通事件发生,另一方面可以将相关数据推送给交通管理部门,减少交通争议的产生,为智慧交通提供有力数据支撑。
在本实施例的一些可选的实现方式中,根据每个目标的跟踪信息预测每个目标的行驶轨迹,包括:将每个目标的跟踪信息转换到物理坐标系中,计算每个目标的速度和运动方向。根据每个目标的速度、运动方向预测每个目标的在预定时间内的位置。
有了上述跟踪轨迹,将轨迹转换到物理坐标系中(转换方法为现有技术,因此不再赘述),在物理坐标系可以计算到目标的平均速度,瞬时速度,车辆和行人行驶方向等信息。在物理坐标系中有一系列目标位置P(xi,yi,ti)(按照时间轴顺序排放),将目标位置连接起来就能得到轨迹信息,将最后若干位置连接起来,计算平均斜率就可以得到目标的运动方向。
P(Xi,yi,ti)表示目标在ti时刻的位置,i表示视频帧的编号,最新的视频帧编号为1,总共记录N帧,那么平均速度可以表示为:
瞬时速度可以表示为:
其中M表示间隔多少帧。
可根据每个目标的平均速度或瞬时速度、及对应的运动方向预测每个目标的在预定时间内的位置。
将目标从图像坐标系转换到物理坐标系后,可将图像中重叠但实际并没有交集的目标过滤出来,避免误检。提高了检测准确率。
在本实施例的一些可选的实现方式中,根据这两个目标的行驶轨迹的交点和到达交点的时间确定碰撞概率,包括:若这两个目标的行驶轨迹存在交点,则根据每个目标的速度计算每个目标到达交点的预计到达时间。根据这两个目标的预计到达时间计算碰撞概率,其中,碰撞概率随着这两个目标的预计到达时间之差的增大而减小。
可通过以下公式计算碰撞概率p:
p=1-(|t1-t2|)/T
其中t1和t2分别表示目标到达交点的预计到达时间,计算得到时间间隔越接近,碰撞的概率越高。T为预测时间,可以设为5秒钟。通过预测到达时间,过滤掉时间差较大的目标,提高检测速度。
在本实施例的一些可选的实现方式中,速度包括平均速度和瞬时速度。以及根据每个目标的速度计算每个目标到达交点的预计到达时间,包括:对于每个目标,分别根据平均速度和瞬时速度计算该目标到达交点的第一预计到达时间和第二预计到达时间。根据这两个目标的预计到达时间计算碰撞概率,包括:根据这两个目标的第一预计到达时间和第二预计到达时间的组合关系计算出四组候选碰撞概率。将四组候选碰撞概率中的最大值确定为这两个目标的碰撞概率。每个目标都能计算出两种预计到达时间。两个目标一共有四种预计到达时间的组合,计算出四组概率,然后取最大值。这样可以在保证准确性的同时最大限度提高安全性。
在本实施例的一些可选的实现方式中,该方法还包括:每隔预定时间间隔,重新从实时视频流中提取出至少两个目标的关键点的位置信息。根据重新提取的至少两个目标的关键点的位置信息修正每个目标的跟踪信息。检测若干帧(根据实验统计信息当前设置6帧)会重新对视频帧进行目标检测与关键点提取,本步骤采用本次提取的关键点信息修正相同目标的跟踪结果信息。从而可以在降低计算量的同时,避免跟踪目标偏离,导致的误检。
在本实施例的一些可选的实现方式中,该方法还包括:若检测到碰撞概率大于预定阈值的碰撞事件,则启动录像。若检测到碰撞事件消失,则停止录像。如果存在上述事件,需要触发自动录像,为停车事件和碰撞事件提供视频依据,防止后续交通争议的产生。同时还需要自动给用户和车辆引导屏推送提醒消息,提醒用户注意安全。
继续参见图3e,图3e是根据本实施例的用于输出信息的方法的应用场景的一个示意图。在图3e的应用场景中,服务器从摄像头采集的实时视频中检测出行驶中的车辆和行人。根据多帧视频计算出车辆行驶速度为v1向前直行。行人的行驶速度为v2,向左直行。根据车辆的轨迹和行人的轨迹可得到交点。当前时刻车辆距离交点的距离为s1,则根据车辆的速度v1,可计算出车辆预计到达交点的时间为t1=s1/v1。当前时刻行人距离交点的距离为s2,则根据行人的速度v2,可计算出行人预计到达交点的时间为t2=s2/v2。再根据t1和t2的时间差,计算碰撞概率。p=1-(|t1-t2|)/T,T可设置为5秒。若碰撞概率高于阈值0.9,则通过周边的扬声器提醒行人左后方有车,注意安全。还可提醒司机右前方有行人,注意安全。
进一步参考图4,其示出了用于输出信息的方法的又一个实施例的流程400。该用于输出信息的方法的流程400,包括以下步骤:
步骤401,获取实时视频流。
步骤402,从实时视频流中检测出至少两个目标的关键点。
步骤403,根据每个目标的关键点进行目标跟踪得到每个目标的跟踪信息。
步骤404,根据每个目标的跟踪信息预测每个目标的行驶轨迹。
步骤405,对于任意两个目标,根据这两个目标的行驶轨迹的交点和到达交点的时间确定碰撞概率。
步骤401-405与步骤201-205基本相同,因此不再赘述。
步骤406,识别出碰撞概率大于预定阈值的目标的车牌号。
在本实施例中,可通过OCR(Optical Character Recognition,光学字符识别)方法识别出车牌号。
步骤407,根据车牌号输出提示信息。
在本实施例中,可通过车牌号获得司机的联系方式,向司机推送提示信息。还可将录像推送给司机。可以及时提醒司机,从而避免事故发生。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于输出信息的方法的流程400体现了对车牌号识别的步骤。由此,本实施例描述的方案可以针对性的输出提示信息,从而引起司机的关注,提高安全性。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于输出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,本实施例的用于输出信息的装置500包括:获取单元501、检测单元502、跟踪单元503、预测单元504和确定单元505。其中,获取单元501,被配置成获取实时视频流;检测单元502,被配置成从所述实时视频流中检测出至少两个目标的关键点;跟踪单元503,被配置成根据每个目标的关键点进行目标跟踪得到每个目标的跟踪信息;预测单元504,被配置成根据每个目标的跟踪信息预测每个目标的行驶轨迹;确定单元505,被配置成对于任意两个目标,根据这两个目标的行驶轨迹的交点和到达交点的时间确定碰撞概率;输出单元506,被配置成针对碰撞概率大于预定阈值的目标输出提示信息。
在本实施例中,用于输出信息的装置500的获取单元501、检测单元502、跟踪单元503、预测单元504、确定单元505和输出单元506的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204、步骤205和步骤206。
在本实施例的一些可选的实现方式中,预测单元504进一步被配置成:将每个目标的跟踪信息转换到物理坐标系中,计算每个目标的速度和运动方向。根据每个目标的速度、运动方向预测每个目标的在预定时间内的位置。
在本实施例的一些可选的实现方式中,确定单元505进一步被配置成:若这两个目标的行驶轨迹存在交点,则根据每个目标的速度计算每个目标到达交点的预计到达时间。根据这两个目标的预计到达时间计算碰撞概率,其中,碰撞概率随着这两个目标的预计到达时间之差的增大而减小。
在本实施例的一些可选的实现方式中,速度包括平均速度和瞬时速度。以及确定单元505进一步被配置成:对于每个目标,分别根据平均速度和瞬时速度计算该目标到达交点的第一预计到达时间和第二预计到达时间。根据这两个目标的第一预计到达时间和第二预计到达时间的组合关系计算出四组候选碰撞概率。将四组候选碰撞概率中的最大值确定为这两个目标的碰撞概率。
在本实施例的一些可选的实现方式中,装置500还包括修正单元(附图中未示出),被配置成:每隔预定时间间隔,重新从实时视频流中提取出至少两个目标的关键点的位置信息。根据重新提取的至少两个目标的关键点的位置信息修正每个目标的跟踪信息。
在本实施例的一些可选的实现方式中,装置还包括录像单元(附图中未示出),被配置成:若检测到碰撞概率大于预定阈值的碰撞事件,则启动录像。若检测到碰撞事件消失,则停止录像。
在本实施例的一些可选的实现方式中,输出单元506进一步被配置成:识别出碰撞概率大于预定阈值的目标的车牌号。根据车牌号输出提示信息。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行流程200或400所述的方法。
一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行流程200或400所述的方法。
一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现流程200或400所述的方法。
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、数字信号处理器(DSP)、以及任何适当的处理器、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,例如用于输出信息的方法。例如,在一些实施例中,用于输出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输出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输出信息的方法。
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处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,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处理器或控制器,使得程序代码当由处理器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。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种用于输出信息的方法,包括:
获取实时视频流;
从所述实时视频流中检测出至少两个目标的关键点,其中,目标包括车辆和行人,其中,车辆的关键点包括车轮轴、车牌、车门转轴、车门把手,行人的关键点包括头、颈、左右肩、左右肘、左右手腕、左右臀、左右膝盖、左右脚踝;
根据每个目标的关键点进行目标跟踪得到每个目标的跟踪信息;
根据每个目标的跟踪信息预测每个目标的行驶轨迹,其中,车辆目标的行驶轨迹包括两条轨迹信息,一条轨迹信息通过最外侧关键点轨迹信息计算得到,另一条轨迹信息是结合已计算出的轨迹信息和车辆宽度计算得到;
对于任意两个目标,根据这两个目标的行驶轨迹的交点和到达交点的时间确定碰撞概率,通过以下公式计算碰撞概率p:
p=1-(|t1-t2|)/T;
其中t1和t2分别表示目标到达交点的预计到达时间,T为预测时间;
针对碰撞概率大于预定阈值的目标输出提示信息。
2.根据权利要求1所述的方法,其中,所述根据每个目标的跟踪信息预测每个目标的行驶轨迹,包括:
将每个目标的跟踪信息转换到物理坐标系中,计算每个目标的速度和运动方向;
根据每个目标的速度、运动方向预测每个目标的在预定时间内的位置。
3.根据权利要求2所述的方法,其中,所述根据这两个目标的行驶轨迹的交点和到达交点的时间确定碰撞概率,包括:
若这两个目标的行驶轨迹存在交点,则根据每个目标的速度计算每个目标到达所述交点的预计到达时间;
根据这两个目标的预计到达时间计算碰撞概率,其中,碰撞概率随着这两个目标的预计到达时间之差的增大而减小。
4.根据权利要求3所述的方法,其中,速度包括平均速度和瞬时速度;以及
所述根据每个目标的速度计算每个目标到达所述交点的预计到达时间,包括:
对于每个目标,分别根据平均速度和瞬时速度计算该目标到达所述交点的第一预计到达时间和第二预计到达时间;
所述根据这两个目标的预计到达时间计算碰撞概率,包括:
根据这两个目标的第一预计到达时间和第二预计到达时间的组合关系计算出四组候选碰撞概率;
将四组候选碰撞概率中的最大值确定为这两个目标的碰撞概率。
5.根据权利要求1所述的方法,其中,所述方法还包括:
每隔预定时间间隔,重新从实时视频流中提取出所述至少两个目标的关键点的位置信息;
根据重新提取的所述至少两个目标的关键点的位置信息修正每个目标的跟踪信息。
6.根据权利要求1-5中任一项所述的方法,其中,所述方法还包括:
若检测到碰撞概率大于预定阈值的碰撞事件,则启动录像;
若检测到所述碰撞事件消失,则停止录像。
7.根据权利要求1-5中任一项所述的方法,其中,所述针对碰撞概率大于预定阈值的目标输出提示信息,包括:
识别出碰撞概率大于预定阈值的目标的车牌号;
根据车牌号输出提示信息。
8.一种用于输出信息的装置,包括:
获取单元,被配置成获取实时视频流;
检测单元,被配置成从所述实时视频流中检测出至少两个目标的关键点,其中,目标包括车辆和行人,其中,车辆的关键点包括车轮轴、车牌、车门转轴、车门把手,行人的关键点包括头、颈、左右肩、左右肘、左右手腕、左右臀、左右膝盖、左右脚踝;
跟踪单元,被配置成根据每个目标的关键点进行目标跟踪得到每个目标的跟踪信息;
预测单元,被配置成根据每个目标的跟踪信息预测每个目标的行驶轨迹,其中,车辆目标的行驶轨迹包括两条轨迹信息,一条轨迹信息通过最外侧关键点轨迹信息计算得到,另一条轨迹信息是结合已计算出的轨迹信息和车辆宽度计算得到;
确定单元,被配置成对于任意两个目标,根据这两个目标的行驶轨迹的交点和到达交点的时间确定碰撞概率,通过以下公式计算碰撞概率p:
p=1-(|t1-t2|)/T;
其中t1和t2分别表示目标到达交点的预计到达时间,T为预测时间;
输出单元,被配置成针对碰撞概率大于预定阈值的目标输出提示信息。
9.根据权利要求8所述的装置,其中,所述预测单元进一步被配置成:
将每个目标的跟踪信息转换到物理坐标系中,计算每个目标的速度和运动方向;
根据每个目标的速度、运动方向预测每个目标的在预定时间内的位置。
10.根据权利要求9所述的装置,其中,所述确定单元进一步被配置成:
若这两个目标的行驶轨迹存在交点,则根据每个目标的速度计算每个目标到达所述交点的预计到达时间;
根据这两个目标的预计到达时间计算碰撞概率,其中,碰撞概率随着这两个目标的预计到达时间之差的增大而减小。
11.根据权利要求10所述的装置,其中,速度包括平均速度和瞬时速度;以及
所述确定单元进一步被配置成:
对于每个目标,分别根据平均速度和瞬时速度计算该目标到达所述交点的第一预计到达时间和第二预计到达时间;
根据这两个目标的第一预计到达时间和第二预计到达时间的组合关系计算出四组候选碰撞概率;
将四组候选碰撞概率中的最大值确定为这两个目标的碰撞概率。
12.根据权利要求8所述的装置,其中,所述装置还包括修正单元,被配置成:
每隔预定时间间隔,重新从实时视频流中提取出所述至少两个目标的关键点的位置信息;
根据重新提取的所述至少两个目标的关键点的位置信息修正每个目标的跟踪信息。
13.根据权利要求8-12中任一项所述的装置,其中,所述装置还包括录像单元,被配置成:
若检测到碰撞概率大于预定阈值的碰撞事件,则启动录像;
若检测到所述碰撞事件消失,则停止录像。
14.根据权利要求8-12中任一项所述的装置,其中,所述输出单元进一步被配置成:
识别出碰撞概率大于预定阈值的目标的车牌号;
根据车牌号输出提示信息。
15.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110820060.8A CN113538968B (zh) | 2021-07-20 | 2021-07-20 | 用于输出信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110820060.8A CN113538968B (zh) | 2021-07-20 | 2021-07-20 | 用于输出信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113538968A CN113538968A (zh) | 2021-10-22 |
CN113538968B true CN113538968B (zh) | 2023-02-28 |
Family
ID=78129023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110820060.8A Active CN113538968B (zh) | 2021-07-20 | 2021-07-20 | 用于输出信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113538968B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114530058A (zh) * | 2022-03-03 | 2022-05-24 | 恒大恒驰新能源汽车研究院(上海)有限公司 | 一种碰撞预警方法、装置和系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110516620A (zh) * | 2019-08-29 | 2019-11-29 | 腾讯科技(深圳)有限公司 | 目标跟踪方法、装置、存储介质及电子设备 |
CN111800507A (zh) * | 2020-07-06 | 2020-10-20 | 湖北经济学院 | 一种交通监控方法及交通监控系统 |
CN113071520A (zh) * | 2021-04-16 | 2021-07-06 | 阿波罗智联(北京)科技有限公司 | 车辆行驶控制方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160023193A (ko) * | 2014-08-21 | 2016-03-03 | 현대자동차주식회사 | 긴급 제동 시스템에서 전방위 확장 적용을 위한 충돌 위험 판단 방법 및 장치 |
US9604641B2 (en) * | 2015-06-16 | 2017-03-28 | Honda Motor Co., Ltd. | System and method for providing vehicle collision avoidance at an intersection |
CN110210417B (zh) * | 2019-06-05 | 2021-09-28 | 达闼机器人有限公司 | 一种行人运动轨迹的预测方法、终端及可读存储介质 |
-
2021
- 2021-07-20 CN CN202110820060.8A patent/CN113538968B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110516620A (zh) * | 2019-08-29 | 2019-11-29 | 腾讯科技(深圳)有限公司 | 目标跟踪方法、装置、存储介质及电子设备 |
CN111800507A (zh) * | 2020-07-06 | 2020-10-20 | 湖北经济学院 | 一种交通监控方法及交通监控系统 |
CN113071520A (zh) * | 2021-04-16 | 2021-07-06 | 阿波罗智联(北京)科技有限公司 | 车辆行驶控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113538968A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109345829B (zh) | 无人车的监控方法、装置、设备及存储介质 | |
WO2022227766A1 (zh) | 交通异常检测的方法和装置 | |
CN110532916B (zh) | 一种运动轨迹确定方法及装置 | |
JP7266627B2 (ja) | 早期警報方法、装置、電子機器、記録媒体及びコンピュータプログラム製品 | |
US9704201B2 (en) | Method and system for detecting uninsured motor vehicles | |
CN103208190B (zh) | 基于对象检测的交通流量检测方法 | |
CN105513342A (zh) | 一种基于视频跟踪的车辆排队长度计算方法 | |
CN104282154A (zh) | 一种车辆超载监控系统及方法 | |
CN113469115A (zh) | 用于输出信息的方法和装置 | |
CN106412508A (zh) | 车辆违章压线智能监控方法和系统 | |
CN113822285A (zh) | 一种用于复杂应用场景的车辆违停识别方法 | |
Xie et al. | Development of a comprehensive framework for video-based safety assessment | |
CN112071084A (zh) | 一种利用深度学习判断违章停车的方法和系统 | |
CN112562406B (zh) | 一种越线行驶的识别方法及装置 | |
CN114648748A (zh) | 一种基于深度学习的机动车违停智能识别方法及系统 | |
JP2023524623A (ja) | 交通異常を検出するための方法、装置、機器、記憶媒体およびプログラム | |
CN111524350B (zh) | 车路协同异常行驶状况检测方法、系统、终端设备及介质 | |
CN112528759A (zh) | 一种基于计算机视觉的交通违章行为检测方法 | |
CN113538968B (zh) | 用于输出信息的方法和装置 | |
Iszaidy et al. | Video size comparison for embedded vehicle speed detection & travel time estimation system by using Raspberry Pi | |
CN110097571B (zh) | 快速高精度的车辆碰撞预测方法 | |
WO2018209470A1 (zh) | 一种车牌辨识方法和系统 | |
CN116311166A (zh) | 交通障碍物识别方法、装置及电子设备 | |
CN105069407B (zh) | 一种基于视频的交通流量获取方法 | |
CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 |
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 |