CN113593227B - 交通拥堵检测方法及服务器 - Google Patents
交通拥堵检测方法及服务器 Download PDFInfo
- Publication number
- CN113593227B CN113593227B CN202110832908.9A CN202110832908A CN113593227B CN 113593227 B CN113593227 B CN 113593227B CN 202110832908 A CN202110832908 A CN 202110832908A CN 113593227 B CN113593227 B CN 113593227B
- Authority
- CN
- China
- Prior art keywords
- detected
- traffic jam
- video
- image
- jam 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—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
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30264—Parking
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供交通拥堵检测方法及服务器。该方法包括:每隔设定时长,分别缩短各第一待检测视频的时长,得到多个第一待检测图像集合;针对任意一个待检测图像集合,确定与所述第一待检测图像集合相对应的交通拥堵检测结果。由此,本公开通过缩短第一待检测视频的时长,并对得到的第一待检测图像集合进行检测,并不是对第一待检测视频实时进行检测的。所以,减少了计算量,避免了服务器因为工作量太大而崩溃的问题,提高了交通拥堵检测的效率。
Description
技术领域
本发明涉及智能交通技术领域,特别涉及一种交通拥堵检测方法及服务器。
背景技术
随着公路事业的快速发展,日常管理工作中,拥堵的早发现和预防也越来越受到重视。其中,影响公路通行的主要原因就是发生突发事件后占用车道、以及恶劣天气等。
现有技术中,主要通过GPU(graphics processing unit,图像处理器)服务器基于道路上的摄像机拍摄出的待检测视频对道路拥堵情况进行检测。但是,目前GPU服务器是实时对待检测视频进行检测,在接入多路视频的情况下,GPU服务器可能会出现崩溃无法正常工作的情况。由此导致交通拥堵检测效率较低。
发明内容
本公开示例性的实施方式中提供一种交通拥堵检测方法及服务器,用于提高交通拥堵检测效率。
本公开的第一方面提供一种服务器,包括存储单元和处理器,其中:
所述存储单元,被配置为存储各第一待检测视频;
所述处理器,被配置为:
每隔设定时长,分别缩短各第一待检测视频的时长,得到多个第一待检测图像集合;
针对任意一个待检测图像集合,确定与所述第一待检测图像集合相对应的交通拥堵检测结果。
本实施例中通过对第一待检测视频的时长进行缩短,得到第一待检测图像集合,并得到与所述第一待检测图像集合相对应的交通拥堵检测结果,由此,本实施例通过缩短各第一待检测视频的时长,然后对得到的第一待检测图像集合进行检测,并且是每隔设定时长检测一次。所以,减少了计算量,避免了服务器因为工作量太大而崩溃的问题,提高了交通拥堵检测的效率。
在一个实施例中,所述交通拥堵检测结果包括发生交通拥堵和未发生交通拥堵;所述处理器,还被配置为:
所述针对任意一个待检测图像集合,确定与所述第一待检测图像集合相对应的交通拥堵检测结果之后,确定与所述交通拥堵检测结果为发生交通拥堵的各第一待检测视频所对应的各摄像机标识;并,
分别缩短与所述各摄像机标识相对应的各摄像机所采集的第二待检测视频的时长,得到第二待检测图像集合,其中所述第二待检测视频包括但不限于位于所述第一待检测视频的各图像帧之后的图像;
针对任意一个第二待检测图像集合,确定与所述第二待检测图像集合相对应的目标交通拥堵检测结果。
本实施例通过确定出与所述交通拥堵检测结果为发生交通拥堵的各第一待检测视频所对应的各摄像机标识,并对与摄像机标识相对应的各摄像机所采集的第二待检测视频进行再次进行检测,以此保证得到的目标交通拥堵检测结果更加准确,提高了交通拥堵检测结果的准确率。
在一个实施例中,所述处理器执行所述针对任意一个第二待检测图像集合,确定与所述第二待检测图像集合相对应的目标交通拥堵检测结果,具体被配置为:
针对任意一个第二待检测图像集合,多次确定与所述第二待检测图像集合相对应的中间交通拥堵检测结果;
若确定各中间交通拥堵检测结果相同,且所述中间交通拥堵检测结果为发生交通拥堵,则确定所述目标交通拥堵检测结果为发生交通拥堵;
否则,则确定所述目标交通拥堵检测结果为未发生交通拥堵。
本实施例中通过对第二待检测图像集合中的各图像进行多次交通拥堵检测,然后基于多次检测得到的中间交通拥堵检测结果确定出目标交通拥堵检测结果。以提高目标交通拥堵检测结果的准确率。
在一个实施例中,所述处理器执行所述分别缩短各第一待检测视频的时长,得到多个第一待检测图像集合,具体被配置为:
分别对各第一待检测视频进行裁剪处理,得到所述多个第一待检测图像集合;或,
分别对各第一待检测视频进行裁剪处理,得到所述多个第一视频数据,并针对任一所述第一视频数据,对所述第一视频数据进行抽帧处理,得到所述多个第一待检测图像集合;或,
分别对各第一待检测视频进行抽帧处理,得到所述多个第一待检测图像集合。
本实施例通过对第一待检测视频进行裁剪处理和/或抽帧处理,以对第一待检测视频的时长进行缩短,以缩短各第一待检测视频的时长,以此来提高交通拥堵检测效率。
在一个实施例中,所述处理器执行分别缩短与所述各摄像机标识相对应的各摄像机所采集的第二待检测视频的时长,得到第二待检测图像集合,具体被配置为:
分别对各第二待检测视频进行裁剪处理,得到所述多个第二待检测图像集合;或,
分别对各第二待检测视频进行裁剪处理,得到所述多个第二视频数据,并针对任一第二视频数据,对所述第二视频数据进行抽帧处理,得到所述多个第二待检测图像集合;或,
分别对各第二待检测视频进行抽帧处理,得到所述多个第二待检测图像集合。
本实施例中对第二待检测视频进行裁剪处理和/或抽帧处理,以对第二待检测视频的时长进行缩短,以此提高交通拥堵检测效率。
在一个实施例中,所述处理器执行针对任意一个待检测图像集合,确定与所述第一待检测图像集合相对应的交通拥堵检测结果,具体被配置为:
基于预设的交通拥堵检测算法对所述第一待检测图像集合中的各图像进行检测,得到与所述第一待检测图像集合相对应的交通拥堵检测结果;或,
将所述第一待检测图像集合中的各图像发送至指定服务器中,以使所述指定服务器利用预设的交通拥堵检测算法对所述第一待检测图像集合中的各图像进行检测,得到第一待检测图像集合相对应的交通拥堵检测结果。
本实施例通过利用自身的交通拥堵检测算法对所述第一待检测图像集合中的各图像进行检测或者是利用指定服务器对对所述第一待检测图像集合中的各图像进行检测。提高检测结果的准确性。
在一个实施例中,所述处理器执行每隔设定时长,分别缩短各第一待检测视频的时长,得到多个第一待检测图像数据集合,具体被配置为:
利用多个第一线程分别缩短各第一待检测视频的时长,得到所述多个第一待检测图像数据集合;其中不同第一线程所处理的第一待检测视频不相同;
所述处理器执行所述分别缩短与所述各摄像机标识相对应的各摄像机所采集的第二待检测视频的时长,得到第二待检测图像数据集合,具体被配置为:
利用多个第二线程分别缩短与所述各摄像机标识相对应的各摄像机所采集的第二待检测视频的时长,得到所述第二待检测图像数据集合,其中不同第二线程所处理的第二待检测视频不相同。
本实施例通过利用多线程对各第一待检测视频或第二待检测视频进行并行处理,以此来提高交通拥堵检测效率。
本公开第二方面提供一种交通拥堵检测方法,所述方法包括:
每隔设定时长,分别缩短各第一待检测视频的时长,得到多个第一待检测图像集合;
针对任意一个待检测图像集合,确定与所述第一待检测图像集合相对应的交通拥堵检测结果。
在一个实施例中,所述交通拥堵检测结果包括发生交通拥堵和未发生交通拥堵;
所述针对任意一个待检测图像集合,确定与所述第一待检测图像集合相对应的交通拥堵检测结果之后,所述方法还包括:
确定与所述交通拥堵检测结果为发生交通拥堵的各第一待检测视频所对应的各摄像机标识;并,
分别缩短与所述各摄像机标识相对应的各摄像机所采集的第二待检测视频的时长,得到第二待检测图像集合,其中所述第二待检测视频包括但不限于位于所述第一待检测视频的各图像帧之后的图像;
针对任意一个第二待检测图像集合,确定与所述第二待检测图像集合相对应的目标交通拥堵检测结果。
在一个实施例中,所述针对任意一个第二待检测图像集合,确定与所述第二待检测图像集合相对应的目标交通拥堵检测结果,包括:
针对任意一个第二待检测图像集合,多次确定与所述第二待检测图像集合相对应的中间交通拥堵检测结果;
若确定各中间交通拥堵检测结果相同,且所述中间交通拥堵检测结果为发生交通拥堵,则确定所述目标交通拥堵检测结果为发生交通拥堵;
否则,则确定所述目标交通拥堵检测结果为未发生交通拥堵。
在一个实施例中,所述分别缩短各第一待检测视频的时长,得到多个第一待检测图像集合,包括:
分别对各第一待检测视频进行裁剪处理,得到所述多个第一待检测图像集合;或,
分别对各第一待检测视频进行裁剪处理,得到所述多个第一视频数据,并针对任一所述第一视频数据,对所述第一视频数据进行抽帧处理,得到所述多个第一待检测图像集合;或,
分别对各第一待检测视频进行抽帧处理,得到所述多个第一待检测图像集合。
在一个实施例中,所述分别缩短与所述各摄像机标识相对应的各摄像机所采集的第二待检测视频的时长,得到第二待检测图像集合,包括:
分别对各第二待检测视频进行裁剪处理,得到所述多个第二待检测图像集合;或,
分别对各第二待检测视频进行裁剪处理,得到所述多个第二视频数据,并针对任一第二视频数据,对所述第二视频数据进行抽帧处理,得到所述多个第二待检测图像集合;或,
分别对各第二待检测视频进行抽帧处理,得到所述多个第二待检测图像集合。
在一个实施例中,所述针对任意一个待检测图像集合,确定与所述第一待检测图像集合相对应的交通拥堵检测结果,包括:
基于预设的交通拥堵检测算法对所述第一待检测图像集合中的各图像进行检测,得到与所述第一待检测图像集合相对应的交通拥堵检测结果;或,
将所述第一待检测图像集合中的各图像发送至指定服务器中,以使所述指定服务器利用预设的交通拥堵检测算法对所述第一待检测图像集合中的各图像进行检测,得到第一待检测图像集合相对应的交通拥堵检测结果。
在一个实施例中,每隔设定时长,分别缩短各第一待检测视频的时长,得到多个第一待检测图像数据集合,包括:
利用多个第一线程分别缩短各第一待检测视频的时长,得到所述多个第一待检测图像数据集合;其中不同第一线程所处理的第一待检测视频不相同;
所述分别缩短与所述各摄像机标识相对应的各摄像机所采集的第二待检测视频的时长,得到第二待检测图像数据集合,包括:
利用多个第二线程分别缩短与所述各摄像机标识相对应的各摄像机所采集的第二待检测视频的时长,得到所述第二待检测图像数据集合,其中不同第二线程所处理的第二待检测视频不相同。
根据本公开实施例提供的第三方面,提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述计算机程序用于执行如第二方面所述的方法。
附图说明
为了更清楚地说明本公开实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为根据本公开一个实施例中的适用场景示意图;
图2为根据本公开一个实施例的交通拥堵检测方法的流程示意图之一;
图3为根据本公开一个实施例的交通拥堵检测方法的流程示意图之二;
图4为根据本公开一个实施例的交通拥堵检测方法的流程示意图之三;
图5为根据本公开一个实施例的交通拥堵检测装置;
图6为根据本公开一个实施例的服务器的结构示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本公开一部分实施例,而不是全部的实施例。基于本公开中的实施例,本领域普通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,都属于本公开保护的范围。
本公开实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本公开实施例描述的应用场景是为了更加清楚的说明本公开实施例的技术方案,并不构成对于本公开实施例提供的技术方案的限定,本领域普通技术人员可知,随着新应用场景的出现,本公开实施例提供的技术方案对于类似的技术问题,同样适用。其中,在本公开的描述中,除非另有说明,“多个”的含义是两个或两个以上。
现有技术中,主要通过GPU(graphics processing unit,图像处理器)服务器基于道路上的摄像机拍摄出的待检测视频对道路拥堵情况进行检测。但是,目前GPU服务器是实时对待检测视频进行检测,在接入多路视频的情况下,GPU服务器可能会出现崩溃无法正常工作的情况。由此导致交通拥堵检测效率较低。
因此,本公开提供一种交通拥堵检测方法,通过对第一待检测视频的时长进行缩短,得到第一待检测图像集合,并得到与所述第一待检测图像集合相对应的交通拥堵检测结果,由此,减少了计算量,避免了服务器因为工作量太大而崩溃的问题,提高了交通拥堵检测的效率。下面,结合附图对本公开的方案详细的进行介绍。
如图1所示,一种交通拥堵检测方法的应用场景,该应用场景中包括多个交通路段对应的摄像机110、服务器120和终端设备130,其中,本实施例中的服务器120可为中央处理器CPU,也可为图像处理器GPU。图1中是以一个终端设备130为例,实际上不限制终端设备130的数量。其中,终端设备130可为手机、平板电脑和个人计算机等。
在一种可能的应用场景中,服务器120每隔设定时长,从各交通路段对应的摄像机110中的获取到多个第一待检测视频之后,分别缩短各第一待检测视频的时长,得到多个第一待检测图像集合;然后针对任意一个待检测图像集合,确定与所述第一待检测图像集合相对应的交通拥堵检测结果,即确定出多个交通路段对应的交通拥堵检测结果。然后服务器120将各交通路段对应的交通拥堵检测结果发送至终端设备130中进行显示。
服务器在执行本公开的方法之前,首先需要根据配置文件对各数据进行初始化,其中,各数据包括:设定时长、第一线程的数量、第二线程的数量、待检测视频等数据进行初始化处理。其中,初始化的先后顺序可为:首先,根据配置文件对设定时长进行设置,然后根据配置文件中对待检测视频进行初预处理,得到第一待检测视频,最后,对第一线程的数量以及第二线程的数量进行设置。
如图2所示,为本公开的交通拥堵检测方法的流程示意图,可包括以下步骤:
步骤201:每隔设定时长,分别缩短各第一待检测视频的时长,得到多个第一待检测图像集合;
在一个实施例中,可通过以下三种方式缩短各第一待检测视频的时长:
方式一:分别对各第一待检测视频进行裁剪处理,得到所述多个第一待检测图像集合。
在一个实施例中,方式一具体可实施为:针对任意一个第一待检测视频,对所述第一待检测视频中与预设指定时长对应的图像进行裁剪,得到所述第一待检测图像集合。
其中,预设指定时长可为距离当前时间最近的指定时长。
例如,第一待检测视频的时长为30秒,预设指定时长为距离当前时间最近5秒(即视频的最后5秒),则将第一待检测视频中第26秒至第30秒对应的图像进行裁剪,得到所述第一待检测图像集合。
方式二:分别对各第一待检测视频进行裁剪处理,得到所述多个第一视频数据,并针对任一所述第一视频数据,对所述第一视频数据进行抽帧处理,得到所述多个第一待检测图像集合。
其中,抽帧处理为每隔指定帧数进行一次。
例如,若指定帧数为5帧,若第一视频数据包含30帧图像,即第1帧至第30帧。则进行抽帧处理后得到的第一待检测图像包括:第6帧图像、第12帧图像、第18帧图像、第24帧图像以及第30帧图像。
需要说明的是,本实施例中的预设指定时长以及指定帧数仅用于解释说明,并不对预设指定时长以及指定帧数的实际值进行限定,预设指定时长以及指定帧数具体的值可根据实际情况进行设置,本实施例在此并不进行限定。
方式三:分别对各第一待检测视频进行抽帧处理,得到所述多个第一待检测图像集合。
为了进一步提高交通拥堵检测结果的处理效率,在一个实施例中,步骤201可实施为:利用多个第一线程分别缩短各第一待检测视频的时长,得到所述多个第一待检测图像数据集合;其中不同第一线程所处理的第一待检测视频不相同。
其中,第一线程的数量为预先设置好的,第一线程的数量可与第一待检测视频的数量相等,也可与第一待检测视频的数量不相等。可根据具体的实际情况进行设置。本实施例在此并不进行限定。下面,针对第一待检测视频的数量的具体情况对利用多个第一线程分别缩短各第一待检测视频的时长,得到所述多个第一待检测图像数据集合进行详细的说明:
(1)第一线程的数量与第一待检测视频的数量不相等:
从线程池中获取预设数量的第一线程,并利用各第一线程分别缩短各第一待检测视频的时长,得到所述各第一待检测图像数据集合之后,将获取的预设数量的第一线程进行释放,然后判断是否还存在未缩短时长的第一待检测视频,若是,则返回执行从线程池中获取预设数量的第一线程,并利用各第一线程分别缩短各第一待检测视频的时长的步骤,直至不存在未缩短时长的第一待检测视频,则结束。
其中,各第一待检测视频的处理顺序是预先设置好的。
例如,第一待检测视频的数量为6个,包括:视频1、视频2、视频3、视频4、视频5、视频6。若第一线程的预设数量为2个,则从线程池中获取预设数量的第一线程(即第一线程1和第一线程2),利用第一线程1和第一线程2分别缩短视频1和视频2的时长之后,将第一线程1和第一线程2进行释放。然后再从线程池中获取预设数量的第一线程(即第一线程3和第一线程4),并利用第一线程3和第一线程4分别缩短视频3和视频4的时长之后,将第一线程3和第一线程4进行删除。最后从线程池中获取预设数量的第一线程(即第一线程5和第一线程6),并利用第一线程5和第一线程6分别缩短视频5和视频6的时长之后,将第一线程5和第一线程6进行删除。
(2)第一线程的数量与第一待检测视频的数量相等:
确定所述第一待检测视频的数量,将所述第一线程的预设数量设置为与所述第一待检测视频的数量相等之后,则从线程池中获取预设数量的第一线程,并利用各第一线程分别缩短各第一待检测视频的时长,得到所述多个第一待检测图像数据集合。
例如,第一待检测视频的数量为6个,包括:视频1、视频2、视频3、视频4、视频5、视频6。则将第一线程的数量设置为6个。则从线程池中获取6各第一线程(即第一线程1、第一线程2、第一线程3、第一线程4、第一线程5和第一线程6),然后利用第一线程1、第一线程2、第一线程3、第一线程4、第一线程5和第一线程6分别缩短视频1、视频2、视频3、视频4、视频5以及视频6的时长。
为了避免浪费资源,在一个实施例中,在执行步骤201之前,确定当前时间在预设的检测时间范围内。
例如,预设的检测时间范围为6:00~18:00,若当前时间为7:00,则确定出当前时间在预设的检测时间范围内。若当前时间为22:00,则确定当前时间不在预设的时间范围内。
其中,本实施例中的预设的检测时间范围中的值仅用于解释说明,并不对本实施例中的检测时间范围进行限定,检测时间范围可根据实际情况进行设置。
步骤202:针对任意一个待检测图像集合,确定与所述第一待检测图像集合相对应的交通拥堵检测结果。
在一个实施例中,可通过以下两种方式确定与所述第一待检测图像集合相对应的交通拥堵检测结果:
方式一:基于预设的交通拥堵检测算法对所述第一待检测图像集合中的各图像进行检测,得到与所述第一待检测图像集合相对应的交通拥堵检测结果。
方式二:将所述第一待检测图像集合中的各图像发送至指定服务器中,以使所述指定服务器利用预设的交通拥堵检测算法对所述第一待检测图像集合中的各图像进行检测,得到第一待检测图像集合相对应的交通拥堵检测结果。
为了使得确定出的交通拥堵检测结果更加准确,在一个实施例中,如图3所示,可包括以下步骤:
步骤301:确定与所述交通拥堵检测结果为发生交通拥堵的各第一待检测视频所对应的各摄像机标识;
其中,可将确定出交通拥堵检测结果为发生交通拥堵的第一待检测视频对应的摄像机标识存储在拥堵摄像机集合中。
其中所述交通拥堵检测结果包括发生交通拥堵和未发生交通拥堵;
步骤302:分别缩短与所述各摄像机标识相对应的各摄像机所采集的第二待检测视频的时长,得到第二待检测图像集合,其中所述第二待检测视频包括但不限于位于所述第一待检测视频的各图像帧之后的图像;
例如,第一待检测视频为摄像机1采集的视频,为0-30秒,第二待检测视频时长也为摄像机1所采集的视频,为0-45秒。
需要说明的是,步骤302中也可每隔设定时长执行一次分别缩短与所述各摄像机标识相对应的各摄像机所采集的第二待检测视频的时长的步骤。可根据具体实际情况进行设置。
在一个实施例中,可通过以下三种方式缩短各第二待检测视频的时长:
方式一:分别对各第二待检测视频进行裁剪处理,得到所述多个第二待检测图像集合。
方式二:分别对各第二待检测视频进行裁剪处理,得到所述多个第二视频数据,并针对任一第二视频数据,对所述第二视频数据进行抽帧处理,得到所述多个第二待检测图像集合。
方式三:分别对各第二待检测视频进行抽帧处理,得到所述多个第二待检测图像集合。
其中,缩短第二待检测视频时长与缩短第一待检测视频时长的方式相同,本实施例在此并不进行赘述。
为了提高交通拥堵检测效率,在一个实施例中,步骤302可实施为:利用多个第二线程分别缩短与所述各摄像机标识相对应的各摄像机所采集的第二待检测视频的时长,得到所述第二待检测图像数据集合,其中不同第二线程所处理的第二待检测视频不相同。
其中,第二线程的数量可根据具体的情况进行设置,可与第一线程的数量相同,也可与第一线程的数量不同。本实施例在此并不进行限定,并且利用第二线程缩短第二待检测视频时长的方式与利用第一线程缩短第一待检测视频时长的方式相同,本实施例在此不再进行赘述。
步骤303:针对任意一个第二待检测图像集合,确定与所述第二待检测图像集合相对应的目标交通拥堵检测结果。
在一个实施例,可通过以下方式确定出所述目标交通拥堵检测结果:
针对任意一个第二待检测图像集合,多次确定与所述第二待检测图像集合相对应的中间交通拥堵检测结果;若确定各中间交通拥堵检测结果相同,且所述中间交通拥堵检测结果为发生交通拥堵,则确定所述目标交通拥堵检测结果为发生交通拥堵;否则,则确定所述目标交通拥堵检测结果为未发生交通拥堵。
其中,确定中间交通拥堵检测结果的数量是预先设置好的,可根据具体的实际情况进行设置,本实施例在此并不进行限定。
例如,若确定中间交通拥堵检测结果的数量为3次,则三次确定出的中间交通拥堵检测结果相同,且均为发生交通拥堵,则确定目标交通拥堵检测结果为发生交通拥堵。否则,确定目标交通拥堵检测结果为未发生交通拥堵。
在一个实施例中,可通过以下两种方式确定与所述第二待检测图像集合相对应的中间交通拥堵检测结果:
方式一:基于预设的交通拥堵检测算法对所述第二待检测图像集合中的各图像进行检测,得到与所述第二待检测图像集合相对应的中间交通拥堵检测结果。
方式二:将所述第二待检测图像集合中的各图像发送至指定服务器中,以使所述指定服务器利用预设的交通拥堵检测算法对所述第二待检测图像集合中的各图像进行检测,得到第二待检测图像集合相对应的中间交通拥堵检测结果。
为了进一步的了解本公开的技术方案,下面结合图4进行详细的说明,可包括以下步骤:
步骤401:每隔设定时长,利用各第一线程分别对各第二待检测视频进行裁剪处理,得到所述多个第一视频数据;
步骤402:针对任一第一视频数据,利用第一线程对所述第一视频数据进行抽帧处理,得到所述多个第一待检测图像集合;
步骤403:利用第一线程基于预设的交通拥堵检测算法对所述第一待检测图像集合中的各图像进行检测,得到与所述第一待检测图像集合相对应的交通拥堵检测结果;
步骤404:利用第二线程确定与所述交通拥堵检测结果为发生交通拥堵的各第一待检测视频所对应的各摄像机标识;
步骤405:利用第二线程分别对与所述各摄像机标识相对应的各摄像机所采集的第二待检测视频进行裁剪处理,得到所述多个第二视频数据;其中所述第二待检测视频包括但不限于位于所述第一待检测视频的各图像帧之后的图像;
步骤406:针对任一第二视频数据,利用第二线程对所述第二视频数据进行抽帧处理,得到所述多个第二待检测图像集合;
步骤407:针对任意一个第二待检测图像集合,利用第二线程多次确定与所述第二待检测图像集合相对应的中间交通拥堵检测结果;
步骤408:利用第二线程判断各中间交通拥堵检测结果是否相同,且所述中间交通拥堵检测结果为发生交通拥堵,若是,则执行步骤409,若否,则执行步骤410;
步骤409:利用第二线程确定所述目标交通拥堵检测结果为发生交通拥堵;
步骤410:利用第二线程确定所述目标交通拥堵检测结果为未发生交通拥堵。
基于相同的公开构思,本公开如上所述的交通拥堵检测方法还可以由一种交通拥堵检测装置实现。该交通拥堵检测装置的效果与前述方法的效果相似,在此不再赘述。
图5为根据本公开一个实施例的交通拥堵检测装置的结构示意图。
如图5所示,本公开的交通拥堵检测装置500可以包括时长缩短模块510和交通拥堵检测结果确定模块520。
时长缩短模块510,用于每隔设定时长,分别缩短各第一待检测视频的时长,得到多个第一待检测图像集合;
交通拥堵检测结果确定模块520,用于针对任意一个待检测图像集合,确定与所述第一待检测图像集合相对应的交通拥堵检测结果。
在一个实施例中,所述交通拥堵检测结果包括发生交通拥堵和未发生交通拥堵;所述装置还包括:
摄像机标识确定模块530,用于所述针对任意一个待检测图像集合,确定与所述第一待检测图像集合相对应的交通拥堵检测结果之后,确定与所述交通拥堵检测结果为发生交通拥堵的各第一待检测视频所对应的各摄像机标识;并,
第二待检测图像集合确定模块540,用于分别缩短与所述各摄像机标识相对应的各摄像机所采集的第二待检测视频的时长,得到第二待检测图像集合,其中所述第二待检测视频包括但不限于位于所述第一待检测视频的各图像帧之后的图像;
目标交通拥堵检测结果确定模块550,用于针对任意一个第二待检测图像集合,确定与所述第二待检测图像集合相对应的目标交通拥堵检测结果。
在一个实施例中,目标交通拥堵检测结果确定模块550,具体用于:
针对任意一个第二待检测图像集合,多次确定与所述第二待检测图像集合相对应的中间交通拥堵检测结果;
若确定各中间交通拥堵检测结果相同,且所述中间交通拥堵检测结果为发生交通拥堵,则确定所述目标交通拥堵检测结果为发生交通拥堵;
否则,则确定所述目标交通拥堵检测结果为未发生交通拥堵。
在一个实施例中,时长缩短模块510,具体用于:
分别对各第一待检测视频进行裁剪处理,得到所述多个第一待检测图像集合;或,
分别对各第一待检测视频进行裁剪处理,得到所述多个第一视频数据,并针对任一所述第一视频数据,对所述第一视频数据进行抽帧处理,得到所述多个第一待检测图像集合;或,
分别对各第一待检测视频进行抽帧处理,得到所述多个第一待检测图像集合。
在一个实施例中,所述第二待检测图像集合确定模块540,具体用于:
分别对各第二待检测视频进行裁剪处理,得到所述多个第二待检测图像集合;或,
分别对各第二待检测视频进行裁剪处理,得到所述多个第二视频数据,并针对任一第二视频数据,对所述第二视频数据进行抽帧处理,得到所述多个第二待检测图像集合;或,
分别对各第二待检测视频进行抽帧处理,得到所述多个第二待检测图像集合。
在一个实施例中,所述交通拥堵检测结果确定模块520,具体用于:
基于预设的交通拥堵检测算法对所述第一待检测图像集合中的各图像进行检测,得到与所述第一待检测图像集合相对应的交通拥堵检测结果;或,
将所述第一待检测图像集合中的各图像发送至指定服务器中,以使所述指定服务器利用预设的交通拥堵检测算法对所述第一待检测图像集合中的各图像进行检测,得到第一待检测图像集合相对应的交通拥堵检测结果。
在一个实施例中,所述时长缩短模块510,具体用于:
利用多个第一线程分别缩短各第一待检测视频的时长,得到所述多个第一待检测图像数据集合;其中不同第一线程所处理的第一待检测视频不相同;
所述第二待检测图像数据集合确定模块540,具体用于:
利用多个第二线程分别缩短与所述各摄像机标识相对应的各摄像机所采集的第二待检测视频的时长,得到所述第二待检测图像数据集合,其中不同第二线程所处理的第二待检测视频不相同。
在介绍了本公开示例性实施方式的一种交通拥堵检测方法及装置之后,接下来,介绍根据本公开的另一示例性实施方式的服务器。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中,本公开中的服务器可以中央处理器,也可以为图形处理器。根据本公开的服务器可以至少包括至少一个处理器、以及至少一个计算机存储介质。其中,计算机存储介质存储有程序代码,当程序代码被处理器执行时,使得处理器执行本说明书上述描述的根据本公开各种示例性实施方式的交通拥堵检测方法中的步骤。例如,处理器可以执行如图2中所示的步骤201-202。
下面参照图6来描述根据本公开的这种实施方式的服务器600。图6显示的服务器600仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,服务器600以通用服务器的形式表现。服务器600的组件可以包括但不限于:上述至少一个处理器601、上述至少一个计算机存储介质602、连接不同系统组件(包括计算机存储介质602和处理器601)的总线603。
总线603表示几类总线结构中的一种或多种,包括计算机存储介质总线或者计算机存储介质控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
计算机存储介质602可以包括易失性计算机存储介质形式的可读介质,例如随机存取计算机存储介质(RAM)621和/或高速缓存存储介质622,还可以进一步包括只读计算机存储介质(ROM)623。
计算机存储介质602还可以包括具有一组(至少一个)程序模块624的程序/实用工具625,这样的程序模块624包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
服务器600也可以与一个或多个外部设备604(例如键盘、指向设备等)通信,还可与一个或者多个使得用户能与服务器600交互的设备通信,和/或与使得该服务器600能与一个或多个其它服务器进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口605进行。并且,服务器600还可以通过网络适配器606与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器606通过总线603与用于服务器600的其它模块通信。应当理解,尽管图中未示出,可以结合服务器600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在一些可能的实施方式中,本公开提供的一种交通拥堵检测方法的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在计算机设备上运行时,程序代码用于使计算机设备执行本说明书上述描述的根据本公开各种示例性实施方式的交通拥堵检测方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取计算机存储介质(RAM)、只读计算机存储介质(ROM)、可擦式可编程只读计算机存储介质(EPROM或闪存)、光纤、便携式紧凑盘只读计算机存储介质(CD-ROM)、光计算机存储介质件、磁计算机存储介质件、或者上述的任意合适的组合。
本公开的实施方式的交通拥堵检测的程序产品可以采用便携式紧凑盘只读计算机存储介质(CD-ROM)并包括程序代码,并可以在电子设备上运行。然而,本公开的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务器上执行。在涉及远程电子设备的情形中,远程电子设备可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户电子设备,或者,可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意,尽管在上文详细描述中提及了装置的若干模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之,上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。
此外,尽管在附图中以特定顺序描述了本公开方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘计算机存储介质、CD-ROM、光学计算机存储介质等)上实施的计算机程序产品的形式。
本公开是参照根据本公开的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读计算机存储介质中,使得存储在该计算机可读计算机存储介质中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样,倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内,则本公开也意图包含这些改动和变型在内。
Claims (6)
1.一种服务器,其特征在于,包括存储单元和处理器,其中:
所述存储单元,被配置为存储各第一待检测视频;
所述处理器,被配置为:
每隔设定时长,分别缩短各第一待检测视频的时长,得到多个第一待检测图像集合;
针对任意一个待检测图像集合,确定与所述第一待检测图像集合相对应的交通拥堵检测结果;其中,所述交通拥堵检测结果包括发生交通拥堵和未发生交通拥堵;
确定与所述交通拥堵检测结果为发生交通拥堵的各第一待检测视频所对应的各摄像机标识;并,
分别缩短与所述各摄像机标识相对应的各摄像机所采集的第二待检测视频的时长,得到第二待检测图像集合,其中所述第二待检测视频包括但不限于位于所述第一待检测视频的各图像帧之后的图像;
针对任意一个第二待检测图像集合,多次确定与所述第二待检测图像集合相对应的中间交通拥堵检测结果;
若确定各中间交通拥堵检测结果相同,且所述中间交通拥堵检测结果为发生交通拥堵,则确定目标交通拥堵检测结果为发生交通拥堵;
否则,则确定所述目标交通拥堵检测结果为未发生交通拥堵。
2.根据权利要求1中所述的服务器,其特征在于,所述处理器执行所述分别缩短各第一待检测视频的时长,得到多个第一待检测图像集合,具体被配置为:
分别对各第一待检测视频进行裁剪处理,得到所述多个第一待检测图像集合;或,
分别对各第一待检测视频进行裁剪处理,得到多个第一视频数据,并针对任一所述第一视频数据,对所述第一视频数据进行抽帧处理,得到所述多个第一待检测图像集合;或,
分别对各第一待检测视频进行抽帧处理,得到所述多个第一待检测图像集合。
3.根据权利要求1所述的服务器,其特征在于,所述处理器执行分别缩短与所述各摄像机标识相对应的各摄像机所采集的第二待检测视频的时长,得到第二待检测图像集合,具体被配置为:
分别对各第二待检测视频进行裁剪处理,得到多个第二待检测图像集合;或,
分别对各第二待检测视频进行裁剪处理,得到多个第二视频数据,并针对任一第二视频数据,对所述第二视频数据进行抽帧处理,得到所述多个第二待检测图像集合;或,
分别对各第二待检测视频进行抽帧处理,得到所述多个第二待检测图像集合。
4.根据权利要求1~3中任一所述的服务器,其特征在于,所述处理器执行针对任意一个待检测图像集合,确定与所述第一待检测图像集合相对应的交通拥堵检测结果,具体被配置为:
基于预设的交通拥堵检测算法对所述第一待检测图像集合中的各图像进行检测,得到与所述第一待检测图像集合相对应的交通拥堵检测结果;或,
将所述第一待检测图像集合中的各图像发送至指定服务器中,以使所述指定服务器利用预设的交通拥堵检测算法对所述第一待检测图像集合中的各图像进行检测,得到第一待检测图像集合相对应的交通拥堵检测结果。
5.根据权利要求1中所述的服务器,其特征在于,所述处理器执行每隔设定时长,分别缩短各第一待检测视频的时长,得到多个第一待检测图像数据集合,具体被配置为:
利用多个第一线程分别缩短各第一待检测视频的时长,得到所述多个第一待检测图像数据集合;其中不同第一线程所处理的第一待检测视频不相同;
所述处理器执行所述分别缩短与所述各摄像机标识相对应的各摄像机所采集的第二待检测视频的时长,得到第二待检测图像数据集合,具体被配置为:
利用多个第二线程分别缩短与所述各摄像机标识相对应的各摄像机所采集的第二待检测视频的时长,得到所述第二待检测图像数据集合,其中不同第二线程所处理的第二待检测视频不相同。
6.一种交通拥堵检测方法,其特征在于,所述方法包括:
每隔设定时长,分别缩短各第一待检测视频的时长,得到多个第一待检测图像集合;
针对任意一个待检测图像集合,确定与所述第一待检测图像集合相对应的交通拥堵检测结果;其中,所述交通拥堵检测结果包括发生交通拥堵和未发生交通拥堵;
确定与所述交通拥堵检测结果为发生交通拥堵的各第一待检测视频所对应的各摄像机标识;并,
分别缩短与所述各摄像机标识相对应的各摄像机所采集的第二待检测视频的时长,得到第二待检测图像集合,其中所述第二待检测视频包括但不限于位于所述第一待检测视频的各图像帧之后的图像;
针对任意一个第二待检测图像集合,多次确定与所述第二待检测图像集合相对应的中间交通拥堵检测结果;
若确定各中间交通拥堵检测结果相同,且所述中间交通拥堵检测结果为发生交通拥堵,则确定目标交通拥堵检测结果为发生交通拥堵;
否则,则确定所述目标交通拥堵检测结果为未发生交通拥堵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110832908.9A CN113593227B (zh) | 2021-07-22 | 2021-07-22 | 交通拥堵检测方法及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110832908.9A CN113593227B (zh) | 2021-07-22 | 2021-07-22 | 交通拥堵检测方法及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113593227A CN113593227A (zh) | 2021-11-02 |
CN113593227B true CN113593227B (zh) | 2022-06-10 |
Family
ID=78249264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110832908.9A Active CN113593227B (zh) | 2021-07-22 | 2021-07-22 | 交通拥堵检测方法及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113593227B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103903444A (zh) * | 2014-04-17 | 2014-07-02 | 姜廷顺 | 一种即时发现快速路拥堵引发点的方法和系统 |
CN110781759A (zh) * | 2019-09-29 | 2020-02-11 | 浙江大华技术股份有限公司 | 车辆与驾驶人员的信息绑定方法、装置及计算机存储介质 |
CN111583655A (zh) * | 2020-05-29 | 2020-08-25 | 苏州大学 | 一种车流量检测方法、装置、设备及介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013168065A (ja) * | 2012-02-16 | 2013-08-29 | Sony Corp | 情報処理装置、端末装置、情報処理方法、及び状況表示方法 |
CN105139647B (zh) * | 2015-07-27 | 2017-12-08 | 福建工程学院 | 一种道路拥堵实时检测的方法 |
CN105336169B (zh) * | 2015-12-09 | 2018-06-26 | 青岛海信网络科技股份有限公司 | 一种基于视频判断交通拥堵的方法和系统 |
CN106652487A (zh) * | 2016-11-28 | 2017-05-10 | 重庆交通大学 | 一种交通密度检测系统及其检测方法 |
JP6936192B2 (ja) * | 2018-07-09 | 2021-09-15 | 株式会社トヨタマップマスター | 渋滞状態特定方法、渋滞状態特定装置及びコンピュータプログラム |
KR101995813B1 (ko) * | 2018-12-31 | 2019-07-03 | 렉스젠(주) | 영상 기반의 교통 정보 제공 시스템 및 그 방법 |
-
2021
- 2021-07-22 CN CN202110832908.9A patent/CN113593227B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103903444A (zh) * | 2014-04-17 | 2014-07-02 | 姜廷顺 | 一种即时发现快速路拥堵引发点的方法和系统 |
CN110781759A (zh) * | 2019-09-29 | 2020-02-11 | 浙江大华技术股份有限公司 | 车辆与驾驶人员的信息绑定方法、装置及计算机存储介质 |
CN111583655A (zh) * | 2020-05-29 | 2020-08-25 | 苏州大学 | 一种车流量检测方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113593227A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10042744B2 (en) | Adopting an existing automation script to a new framework | |
CN113011323B (zh) | 通行状态的获取方法、相关装置、路侧设备及云控平台 | |
US11037301B2 (en) | Target object detection method, readable storage medium, and electronic device | |
CN107992366B (zh) | 对多个目标对象进行检测和跟踪的方法、系统和电子设备 | |
CN114925114A (zh) | 一种场景数据挖掘方法、装置、电子设备和存储介质 | |
CN113538963A (zh) | 用于输出信息的方法、装置、设备以及存储介质 | |
US20160112285A1 (en) | Apparatus and method for detecting abnormal connection | |
CN113052047B (zh) | 交通事件的检测方法、路侧设备、云控平台及系统 | |
CN111611086A (zh) | 信息处理方法、装置、电子设备和介质 | |
CN113763425A (zh) | 道路区域标定方法及电子设备 | |
CN113593227B (zh) | 交通拥堵检测方法及服务器 | |
CN111831447A (zh) | 一种基于性能监控的应用弹性扩容方法及装置 | |
CN114554110B (zh) | 视频生成方法、装置、电子设备和存储介质 | |
CN115495151A (zh) | 规则引擎的迁移方法、装置、设备、存储介质及程序产品 | |
CN115330140A (zh) | 一种基于数据挖掘的建筑风险预测方法及其预测系统 | |
CN113344214A (zh) | 数据处理模型的训练方法、装置、电子设备及存储介质 | |
CN113963568B (zh) | 停车信息的处理方法、前端设备、电子设备及存储介质 | |
CN110932927B (zh) | 一种业务处理方法、装置、设备及可读存储介质 | |
CN113920719B (zh) | 交通溯源方法及电子设备 | |
CN112463343B (zh) | 业务进程的重启方法和装置、存储介质、电子设备 | |
CN112114972B (zh) | 数据倾斜的预测方法及装置 | |
CN113947945B (zh) | 车辆行驶的报警方法、装置、电子设备和可读存储介质 | |
CN115190008B (zh) | 故障处理方法、故障处理装置、电子设备及存储介质 | |
CN114827291A (zh) | 一种ai智能协议解析方法、装置、电子设备和存储介质 | |
CN116244488A (zh) | 一种目标数据识别方法及识别装置 |
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 |