CN113807270A - 道路拥堵检测方法、装置及电子设备 - Google Patents
道路拥堵检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113807270A CN113807270A CN202111106124.4A CN202111106124A CN113807270A CN 113807270 A CN113807270 A CN 113807270A CN 202111106124 A CN202111106124 A CN 202111106124A CN 113807270 A CN113807270 A CN 113807270A
- Authority
- CN
- China
- Prior art keywords
- road
- target
- area
- information
- 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.)
- Pending
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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
- G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- 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
- G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
-
- 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
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- 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
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- 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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供了一种道路拥堵检测方法、装置及电子设备,涉及图像处理技术领域,尤其涉及智能交通技术领域。具体实现方案为:获取第一道路对应的L个摄像头在同一目标时刻拍摄的K个图像,所述第一道路包括M个路段,每个路段对应至少一个摄像头,M、L和K均为正整数,L大于或等于M;针对每个图像,对所述图像进行目标检测,得到一个面积占比信息,所述面积占比信息表征车辆在目标路段的车道上的占比面积相对于所述目标路段的车道区域面积的比例,所述目标路段为所述M个路段中所述图像对应的路段;基于所述M个路段对应的K个面积占比信息,确定所述第一道路在所述目标时刻的第一拥堵检测结果。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及智能交通技术领域,具体涉及一种道路拥堵检测方法、装置及电子设备。
背景技术
随着社会经济的高速发展,车辆数量急剧增加,道路拥堵的交通问题时常发生,为了解决此类问题,有必要对道路进行拥堵检测。
目前,关于道路拥堵检测方案通常是:基于图像识别的方式进行车辆计数,即通过监测一段时间内道路上行驶的车辆数量来确定道路是否拥堵。
发明内容
本公开提供了一种道路拥堵检测方法、装置及电子设备。
根据本公开的第一方面,提供了一种道路拥堵检测方法,包括:
获取第一道路对应的L个摄像头在同一目标时刻拍摄的K个图像,所述第一道路包括M个路段,每个路段对应至少一个摄像头,M、L和K均为正整数,L大于或等于M;
针对每个图像,对所述图像进行目标检测,得到一个面积占比信息,所述面积占比信息表征车辆在目标路段的车道上的占比面积相对于所述目标路段的车道区域面积的比例,所述目标路段为所述M个路段中所述图像对应的路段;
基于所述M个路段对应的K个面积占比信息,确定所述第一道路在所述目标时刻的第一拥堵检测结果。
根据本公开的第二方面,提供了一种道路拥堵检测装置,包括:
第一获取模块,用于获取第一道路对应的L个摄像头在同一目标时刻拍摄的K个图像,所述第一道路包括M个路段,每个路段对应至少一个摄像头,M、L和K均为正整数,L大于或等于M;
检测模块,用于针对每个图像,对所述图像进行目标检测,得到一个面积占比信息,所述面积占比信息表征车辆在目标路段的车道上的占比面积相对于所述目标路段的车道区域面积的比例,所述目标路段为所述M个路段中所述图像对应的路段;
确定模块,用于基于所述M个路段对应的K个面积占比信息,确定所述第一道路在所述目标时刻的第一拥堵检测结果。
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
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,该指令被至少一个处理器执行,以使至少一个处理器能够执行第一方面中的任一项方法。
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,该计算机指令用于使计算机执行第一方面中的任一项方法。
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,该计算机程序在被处理器执行时实现第一方面中的任一项方法。
根据本公开的技术解决了道路拥堵的检测效果比较差的问题,提高了道路拥堵的检测准确性。
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是根据本公开第一实施例的道路拥堵检测方法的流程示意图;
图2是摄像头与路段车道区域的对应关系图之一:
图3是摄像头与路段车道区域的对应关系图之二;
图4是摄像头与路段车道区域的对应关系图之三;
图5是摄像头与道路的位置关系图之一;
图6是摄像头与道路的位置关系图之二;
图7是摄像头与道路的位置关系图之三;
图8是不同摄像头拍摄的图像关系图之一;
图9是不同摄像头拍摄的图像关系图之二;
图10是停车场内道路与摄像头的映射关系图;
图11是根据本公开第二实施例的道路拥堵检测装置的结构示意图;
图12是用来实施本公开的实施例的示例电子设备的示意性框图。
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。
第一实施例
如图1所示,本公开提供一种道路拥堵检测方法,包括如下步骤:
步骤S101:获取第一道路对应的L个摄像头在同一目标时刻拍摄的K个图像,所述第一道路包括M个路段,每个路段对应至少一个摄像头。
其中,M、L和K均为正整数,L大于或等于M。
本实施例中,道路拥堵检测方法涉及图像处理技术领域,尤其涉及智能交通技术领域,其可以广泛应用于导航路线规划、车位推荐、车辆引导分流等场景。本公开实施例的道路拥堵检测方法,可以由本公开实施例的道路拥堵检测装置执行。本公开实施例的道路拥堵检测装置可以配置在任意电子设备中,以执行本公开实施例的道路拥堵检测方法。该电子设备可以为服务器,也可以为终端,这里不做具体限定。
第一道路可以是可行驶车辆的任意一条道路,比如,第一道路可以为城市规划道路,也可以为乡村道路,还可以为目标空间对象中的一条道路,目标空间对象可以为停车场、园区、小区等,还可以为架设在空中的道路,亦或是隧道,这里对第一道路所处的位置不做具体限定。
第一道路可以为呈直线的道路,也可以为弯曲的道路,还可以为呈环线的道路,亦或是呈曲线的道路,这里对第一道路的形状不做具体限定。
第一道路的长度可以为100米、1公里或多公里等,这里对第一道路的长度不做具体限定。
第一道路可以为单车道、双车道或多车道,第一道路可以为单向道或双向道,这里均不作具体限定。
第一道路的路侧可以搭建至少一个摄像头,每个摄像头可以覆盖到该第一道路中某一路段的至少一个车道的大部分或全部范围,以使摄像头可以比较全面地拍摄到覆盖路段车道上的车辆,从而可以更全面地评估覆盖路段车道上的车辆所引起的拥堵情况。
如图2所示,第一道路为单车道,摄像头201可以覆盖到第一道路中路段202的车道上全部范围。
如图3所示,第一道路为单向道,该单向道可以包括两条车道,摄像头301可以覆盖到第一道路中路段302的两条车道上全部范围。
第一道路可以为双向道,为了进行更加精细化地检测,可以在第一道路的路段两侧分别搭建摄像头,以分别检测第一道路的两个路径方向上的拥堵情况。在该种场景下,针对第一道路中的路段,可以使每侧的摄像头覆盖到该路段的一个路径方向上车道的大部分或全部范围。
如图4所示,摄像头401可以覆盖到第一道路的路段402中往左行驶路径方向的车道上的全部范围,摄像头403可以覆盖到第一道路的路段402中往右行驶路径方向的车道上的全部范围。其中,一个路径方向上的车道数量可以为1个,也可以为两个,甚至是多个,这里不进行具体限定。
在第一道路的长度比较短的情况下,第一道路可以仅包括一个路段,通过在该路段的路侧设置摄像头,即可以对第一道路的拥堵情况进行检测。也可以根据第一道路的实际情况,将第一道路划分成多个路段,针对每个路段,可以在该路段的路侧搭建至少一个摄像头,这至少一个摄像头可以覆盖到该路段车道的大部分或全部范围。
设第一道路用符号R1表示,可以将该第一道路划分成M个路段,路段可以用r表示,即第一道路R1可以由多个路段r组成,用R1=r1+…+ri+…+rM表示,或用R1(r1,…,ri,…,rM)表示。
可以根据第一道路的实际情况在第一道路的路侧为每个路段搭建摄像头,如图5所示,第一道路为单向道,该单向道可以包括一个或多个车道,该第一道路包括4个路段,分别为路段501、路段502、路段503和路段504,可以为每个路段搭建一个摄像头,这4个摄像头可以间隔排列在第一道路的同一侧。另外,这4个摄像头也可以排列在不同侧,如图6所示。
如图7所示,第一道路可以为双向道,包括4个路段,分别为路段701、路段702、路段703和路段704,可以在第一道路的一侧为这4个路段分别搭建一个摄像头,以检测第一道路的一个路径方向上车道的拥堵情况,并可以在第一道路的另一侧为这4个路段也分别搭建一个摄像头,以检测第一道路的另一个路径方向上车道的拥堵情况。
另外,在一场景中,若第一道路包括多个车道,且一侧车道的路径方向为直行后向左转,另一侧车道的路径方向为直行后向右转,虽然车辆在第一道路上的行驶方向一致,即虽然第一道路为单向道,但是该第一道路可以对应多个路径方向,在该场景中,为了准确检测第一道路到底在哪个路径方向上存在拥堵,也可以在第一道路的两侧分别搭建摄像头,以检测第一道路不同路径方向上车道的拥堵情况。
在搭建摄像头时,当第一道路为单向道时,摄像头的朝向可以为朝向车辆的行驶方向,也可以为背离车辆的行驶方向,这里不做具体限定。当第一道路为双向道时,每侧摄像头的朝向通常是朝向车辆的行驶方向。
第一道路搭建的摄像头可以用Camera(c1,…,ci,…,cL)表示,第一道路与摄像头的映射关系可以用R1->{c1,…,ci,…,cL}表示,即第一道路可以由L个摄像头覆盖。
在第一道路的路侧搭建的L个摄像头可以实时或周期拍摄第一道路上车辆行驶场景下的图像,并对拍摄的图像进行上报。在一可选实施方式中,可以每隔预设时长启动这L个摄像头进行图像拍摄,摄像头可以对拍摄的图像进行上报。
并且,在一时刻,一个摄像头可以拍摄一个图像,也可以拍摄多个图像,或者,也可以不拍摄图像,这里不进行具体限定;也就是说,K可以大于L,也可以等于L,亦或是小于L。为了保证道路拥堵检测的准确性,通常每个路段对应至少一个图像,即针对每个路段,摄像头均可以拍摄到包含有该路段图像内容的至少一个图像,此时K大于或等于M。
在一可选实施方式中,可以获取第一道路对应的L个摄像头在同一目标时刻一一拍摄的K个图像,K等于L。比如,在T1时刻,L个摄像头中每个摄像头均拍摄一个图像,得到K个图像,并进行上报,相应的,道路拥堵检测装置可以接收这L个摄像头上报的且在同一目标时刻一一拍摄的K个图像,在该种场景下,目标时刻即可以为T1时刻。同时,摄像头也可以将图像的标识上报给道路拥堵检测装置,该图像的标识可以表征该图像是由哪个摄像头拍摄的。
道路拥堵检测装置也可以获取预先存储的K个图像,这K个图像是第一道路对应的L个摄像头在同一目标时刻拍摄的图像,该目标时刻可以为相对于当前时刻的历史时刻。
需要说明的是,第一道路中相邻路段对应的不同摄像头的拍摄范围可以部分重叠,即相邻路段对应的不同摄像头拍摄的图像中可以存在部分相同场景下的图像内容,也可以不重叠,这里不进行具体限定。第一道路中同一路段对应的不同摄像头的拍摄范围也可以部分重叠,也可以不重叠,这里不进行具体限定。
通常情况下,相邻路段对应的不同摄像头的拍摄范围的重叠部分不能过多,如图8中的左图所示,相邻路段对应的不同摄像头拍摄的图像801和图像802仅存在一小部分的图像内容重叠。第一道路中同一路段对应的不同摄像头的拍摄范围的重叠部分也不能过多,如图8中的右图所示,同一路段对应的不同摄像头拍摄的图像803和图像804仅存在一小部分的图像内容重叠。
第一道路中相邻路段对应的不同摄像头的拍摄范围不重叠的情况下,其间隔的拍摄范围不能过大,以免影响第一道路的拥堵检测效果,如图9中的左图所示,相邻路段对应的不同摄像头拍摄的图像901和图像902的图像内容边缘邻近,在实际场景中,则说明两个摄像头的覆盖范围在空间上不重叠,但是两个覆盖范围的边缘相邻。第一道路中同一路段对应的不同摄像头的拍摄范围不重叠的情况下,其间隔的拍摄范围也不能过大,如图9中的右图所示,同一路段对应的不同摄像头拍摄的图像903和图像904的图像内容边缘邻近。
步骤S102:针对每个图像,对所述图像进行目标检测,得到一个面积占比信息,所述面积占比信息表征车辆在目标路段的车道上的占比面积相对于所述目标路段的车道区域面积的比例,所述目标路段为所述M个路段中所述图像对应的路段。
该步骤中,目标检测可以指的是对图像中的车辆图像内容进行检测,以确定出图像中为车辆的像素。可以采用现有的或新的目标检测算法对图像进行目标检测,这里不对目标检测的算法进行具体限定。
面积占比信息表征车辆在路段车道上的占比面积相对于目标路段的车道区域面积的比例,车辆在路段车道上的占比面积可以指的是车辆覆盖路段车道区域的面积,即该比例可以为:车辆覆盖路段车道区域的面积/路段的车道区域面积。
目标路段可以为进行目标检测的图像对应的路段,可以对该图像进行识别,以确定该图像的图像内容所处的路段;也可以基于该图像的标识,确定其对应的摄像头,再利用搭建的摄像头与第一道路的路段的映射关系,确定该图像对应的路段。
面积占比信息的确定方式可以包括多种,比如,可以对图像进行目标检测,得到图像中为车辆的像素点,将图像中为车辆的像素点数量除以图像总的像素点数量,得到的值确定为目标路段对应的面积占比信息。
又比如,可以对图像进行目标检测,以确定图像中车辆的像素轮廓,得到图像中的车辆检测框,将所有车辆的车辆检测框围合成一个多边形,将该多边形的面积除以图像面积,得到的值确定为目标路段对应的面积占比信息。也可以将所有车辆的车辆检测框的面积相加,得到面积和,之后将该面积和除以图像面积,得到的值确定为目标路段对应的面积占比信息。这样,在摄像头拍摄的角度存在物体遮挡住车辆的场景下,通过检测图像中的车辆检测框来确定面积占比信息,可以提高面积占比信息的准确性。
还比如,可以对图像进行目标检测,以确定图像中车辆的像素轮廓,得到图像中的车辆检测框,将所有车辆的车辆检测框的面积相加,得到面积和,基于图像场景与实际场景的对应关系,可以确定该面积和对应实际场景下的车道区域面积,将该面积和对应实际场景下的车道区域面积处于目标路段总的车道区域面积,得到的值确定为该目标路段对应的面积占比信息。这样,在摄像头未完全覆盖到目标路段的车道区域范围,或者在覆盖到目标路段的车道区域范围的同时也覆盖了其他区域范围的情况下,通过将图像中的车辆检测框的面积映射到实际场景下车辆在目标路段车道上的占比面积,可以提高面积占比信息的准确性。
另外,由于每个路段可以对应至少一个摄像头,因此,当每个路段对应至少一个图像时,每个路段可以对应至少一个面积占比信息,最终可以得到M个路段对应的K个面积占比信息,K大于或等于M。在每个路段对应多个摄像头的情况下,如每个路段对应两个摄像头,每个摄像头覆盖到该路段的一个路径方向上车道的区域范围,在该种场景下,面积占比信息表征的是车辆在路段的一个路径方向车道上的占比面积相对于路段的该路径方向上车道区域面积的比例。
步骤S103:基于所述M个路段对应的K个面积占比信息,确定所述第一道路在所述目标时刻的第一拥堵检测结果。
该步骤中,第一拥堵检测结果可以表征第一道路在目标时刻是否处于拥堵状态,也可以表征第一道路在目标时刻的拥堵程度,或者,在第一道路处于不拥堵状态的情况下,还可以表征第一道路在目标时刻的畅通程度。
基于K个面积占比信息确定第一道路在目标时刻的第一拥堵检测结果的确定方式可以包括多种,比如,在K个面积占比信息中至少存在预设数量的第一面积占比信息的情况下,可以确定第一道路在目标时刻处于拥堵状态,相应的,第一面积占比信息的数量越多,可以表明第一道路越拥堵。其中,该预设数量可以根据实际情况进行设置,可以为一个固定值,也可以随着K的不同而不同,这里不进行具体限定,第一面积占比信息可以为比例大于第一预设阈值的面积占比信息,表征第一面积占比信息对应的路段车道上拥堵。
又比如,在K个面积占比信息满足预设条件的情况下,可以确定第一道路在目标时刻处于拥堵状态,该预设条件可以包括K个面积占比信息中存在N个目标面积占比信息,该N个目标面积占比信息为第一道路中连续分布的N个路段对应的面积占比信息,且目标面积占比信息为比例大于第一预设阈值的面积占比信息。也就是说,若判断第一道路中连续N个路段拥堵,则确定第一道路在目标时刻处于拥堵状态,且N越大,则说明第一道路在目标时刻越拥堵。其中,N可以为固定值,也可以随着M的不同而不同,如N相对于M的比例可以大于或等于第二预设阈值。
第一预设阈值和第二预设阈值均可以根据实际情况进行设置,这里不进行具体限定。
还比如,可以基于这K个面积占比信息,确定车辆在第一道路的整个车道区域的总占比,在该总占比大于一阈值的情况下,确定第一道路在目标时刻处于拥堵状态。
本实施例中,通过在第一道路的每个路段搭建摄像头,通过搭建的摄像头在某一时刻拍摄每个路段的车辆行驶场景下的图像,对图像进行目标检测,以确定车辆在路段的面积占比信息,并基于第一道路的路段对应的面积占比信息进行车辆拥堵检测,确定第一道路在某一时刻的拥堵检测结果。如此,通过将第一道路划分成路段进行精细化的拥堵检测,从而可以提高道路拥堵的检测准确性。
可选的,所述第一拥堵检测结果表征所述第一道路是否处于拥堵状态,所述步骤S103,具体包括:
在所述K个面积占比信息满足预设条件的情况下,确定所述第一道路在所述目标时刻处于拥堵状态;
其中,所述预设条件包括:所述K个面积占比信息中存在N个目标面积占比信息,所述N个目标面积占比信息为所述第一道路中连续分布的N个路段对应的面积占比信息,所述目标面积占比信息为比例大于第一预设阈值的面积占比信息,N为小于或等于M的正整数,且N相对于M的比例大于或等于第二预设阈值。
本实施方式限定了基于K个面积占比信息确定第一拥堵检测结果的一种方式,具体的,可以判定K个面积占比信息中是否存在N个目标面积占比信息,即确定是否存在N个比例大于第一预设阈值的面积占比信息,且这N个目标面积占比信息为第一道路中连续分布的N个路段对应的面积占比信息。
N相对于M的比例大于或等于第二预设阈值,比如,当M为4时,第二预设阈值为0.5,则说明N大于或等于2,此时,在K个面积占比信息中至少存在两个目标面积占比信息的情况下,则可以确定第一道路在目标时刻处于拥堵状态,当N越大时,第一道路越拥堵。
举个例子来说,第一道路包括4个路段,为每个路段搭建了一个摄像头,基于这4个摄像头拍摄的4个图像,确定4个面积占比信息,第一预设阈值可以为90%,第二预设阈值可以为0.5,当这4个面积占比信息中存在至少两个比例超过90%的目标面积占比信息,且存在的至少两个目标面积占比信息对应的路段连续分布,则确定第一道路在目标时刻处于拥堵状态。其中,连续分布指的是每相邻两个路段均是连续分布,如图5所示,路段501、路段502、路段503和路段504连续分布,而路段501和路段503间断分布。
本实施方式中,可以判定K个面积占比信息中是否存在N个目标面积占比信息,即确定是否存在N个比例大于第一预设阈值的面积占比信息,且这N个目标面积占比信息为第一道路中连续分布的N个路段对应的面积占比信息,当K个面积占比信息中存在N个目标面积占比信息时,则可以确定第一道路在目标时刻处于拥堵状态。如此,通过在第一道路中连续分布的多个路段均存在拥堵的情况下,得出第一道路在目标时刻处于拥堵状态的结论,可以进一步提高道路拥堵的检测准确性。
可选的,在所述第一道路的路径方向为至少两个的情况下,所述N个目标面积占比信息为所述第一道路中连续分布的N个路段在同一路径方向上对应的面积占比信息。
本实施方式中,在所述第一道路的路径方向为至少两个的情况下,为了更加准确地进行道路拥堵检测,可以限定N个目标面积占比信息为第一道路中连续分布的N个路段在同一路径方向上对应的面积占比信息,即当确定连续分布的N个路段存在拥堵,且均是在同一路径方向上存在拥堵时,则确定第一道路在目标时刻处于拥堵状态。
比如,如图7所示,第一道路包括4个路段,存在两个路径方向,分别为相对的第一路径方向和第二路径方向,在一场景中,若在第一路径方向上判定路段701和路段703存在拥堵,在第二路径方向上判定路段702和路段704存在拥堵,虽然判定存在连续分布的路段701、路段702、路段703和路段704存在拥堵,但是在同一路径方向上并不存在连续分布的路段存在拥堵,在该种场景下,第一道路的每个路径方向上均可以行驶畅通,因此,可以确定第一道路处于未拥堵状态。
在另一场景中,若在第一路径方向上判定路段701、路段702和路段703存在拥堵,在第二路径方向上判定路段702和路段704存在拥堵,在该种场景下,由于连续分布的N个路段的第一路径方向上存在拥堵时,可以判定第一道路在第一路径方向上无法畅通行驶,第二路径方向上的车辆行驶也会受到影响,因此可以确定第一道路在目标时刻处于拥堵状态。
又比如,第一道路包括4个路段,其为单向道,但是存在两个路径方向,分别为直行后向左转的第一路径方向和执行后向右转的第二路径方向,在该种场景下,可以分别针对每个路径方向进行第一道路的拥堵检测。当连续分布的N个路段的第一路径方向上存在拥堵,可以判定第一道路在第一路径方向上无法畅通行驶,可以确定第一道路在目标时刻处于拥堵状态。当连续分布的N个路段的第二路径方向上存在拥堵时,可以判定第一道路在第二路径方向上无法畅通行驶,可以确定第一道路在目标时刻处于拥堵状态。
在该种场景下,由于直行后左转的第一路径方向通常需要等候红绿灯指示,而直行后右转的第二路径方向可以直接通过,因此,可以分别针对每个路径方向进行第一道路在该路径方向的拥堵检测,这样,当第一道路在第二路径方向不拥堵,且路径规划经过第一道路,方向为第二路径方向的情况下,也可以推荐该路径。
本实施方式中,在所述第一道路的路径方向为至少两个的情况下,通过限定N个目标面积占比信息为第一道路中连续分布的N个路段在同一路径方向上对应的面积占比信息,即当确定连续分布的N个路段存在拥堵,且均是在同一路径方向上存在拥堵时,则确定第一道路在目标时刻处于拥堵状态,从而可以更加进一步提高道路拥堵的检测准确性。
可选的,道路拥堵检测方法还包括:
每隔预设时长获取所述第一道路的拥堵检测结果;
在接收到基于所述第一道路的至少两个拥堵检测结果对目标信息进行调节的输入的情况下,基于所述输入的输入参数调节所述目标信息,所述目标信息包括所述预设时长、所述第一预设阈值和所述第二预设阈值中的至少一项。
可以实时、周期或不定期对第一道路进行拥堵检测,得到第一道路的拥堵检测结果,在实际应用中,可以以预设时长为间隔对第一道路进行拥堵检测,以获取第一道路在每个检测时刻的拥堵检测结果。
比如,以时间t为间隔,分别在T1时刻、T2时刻、…、TN时刻对第一道路进行拥堵检测,以获取第一道路的N个拥堵检测结果。其中,每隔预设时长获取的第一道路的拥堵检测结果的方式与上述获取第一道路在目标时刻的第一拥堵检测结果的方式类似,这里不进行赘述。
可以基于获取的第一道路的至少两个拥堵检测结果对目标信息进行调节。其中,目标信息为拥堵检测过程中影响拥堵检测结果的信息,比如,在拥堵检测过程中,第一预设阈值越大,则处于拥堵状态的拥堵检测结果越准确,第二预设阈值越大,则处于拥堵状态的拥堵检测结果也越准确,而预设时长越短,当需要基于拥堵检测结果进行应用(如导航路径规划、车位推荐、车辆引导分流等)时也就越准确。因此,在一可选实施方式中,目标信息可以包括预设时长、第一预设阈值和第二预设阈值中的至少一项。
用户可以根据第一道路的实际拥堵情况和应用相应情况判定第一道路的至少两个拥堵检测结果是否准确,和/或,判定每隔预设时长获取第一道路的拥堵检测结果是否满足应用的需求。
在判定第一道路的至少两个拥堵检测结果准确性不够,和/或,判定每隔预设时长获取第一道路的拥堵检测结果不满足应用的需求的情况下,用户可以对目标信息进行调节。
相应的,道路拥堵检测装置在接收到对目标信息进行调节的输入的情况下,可以基于输入的输入参数调节目标信息,该输入的输入参数可以包括其中至少一项:提高第一预设阈值,提高第二预设阈值,减小预设时长;调节第一预设阈值至某一值,调节第二预设阈值至某一值,减小预设时长至某一值。
在判定第一道路的至少两个拥堵检测结果准确性满足要求,和,判定每隔预设时长获取第一道路的拥堵检测结果也满足应用的需求的情况下,用户也可以对目标信息进行调节。
相应的,道路拥堵检测装置在接收到对目标信息进行调节的输入的情况下,可以基于输入的输入参数调节目标信息,该输入的输入参数可以包括其中至少一项:降低第一预设阈值,降低第二预设阈值,增大预设时长;调节第一预设阈值至某一值,调节第二预设阈值至某一值,增大预设时长至某一值。
本实施方式中,通过每隔预设时长获取所述第一道路的拥堵检测结果;在接收到基于所述第一道路的至少两个拥堵检测结果对目标信息进行调节的输入的情况下,基于所述输入的输入参数调节所述目标信息,所述目标信息包括所述预设时长、所述第一预设阈值和所述第二预设阈值中的至少一项。如此,用户可以根据第一道路的实际拥堵情况和应用相应情况对第一道路的拥堵检测过程中的影响参数进行调节,从而可以兼顾拥堵检测的准确性和灵活性。
可选的,所述步骤S102,具体包括:
对所述图像进行目标检测,得到车辆检测信息,在所述图像中包括车辆图像内容的情况下,所述车辆检测信息包括所述车辆图像内容的车辆检测框;
确定车辆在所述目标路段的车道上的占比面积,所述占比面积为所述图像对应的车辆检测框覆盖的车道区域面积;
确定所述图像对应的车辆检测框覆盖的车道区域面积相对于所述目标路段的车道区域的比例,得到所述面积占比信息。
本实施方式中,可以对图像进行目标检测,以在图像中包括车辆图像内容的情况下,确定图像中车辆的像素轮廓,得到图像中的车辆检测框。
可以将所有车辆的车辆检测框围合成一个多边形,将该多边形的面积确定为车辆在所述目标路段的车道上的占比面积,也可以将所有车辆的车辆检测框的面积相加,得到面积和,将该面积和确定为车辆在所述目标路段的车道上的占比面积。
之后,将确定的占比面积除以图像面积,得到的值确定为目标路段对应的面积占比信息。
如此,在摄像头拍摄的角度存在物体遮挡住车辆的场景下,通过检测图像中的车辆检测框来确定面积占比信息,可以提高面积占比信息的准确性。
可选的,所述第一道路为目标空间对象中的道路,所述目标空间对象中还包括第二道路,道路拥堵检测方法还包括:
获取所述第二道路在所述目标时刻的第二拥堵检测结果;
基于所述第一拥堵检测结果和所述第二拥堵检测结果,对所述目标空间对象中的车辆进行调控。
本实施方式中,目标空间对象包括但不限定停车场、园区、小区、商业区等,该目标空间对象可以包括至少一条道路。
目标空间对象以停车场为例,可以根据停车场的相应情况,对停车场中的道路进行预先规划,得到划定的多条道路,其中,停车场中可以包括第一道路和第二道路,通过在停车场的道路路侧搭建摄像头,以组建摄像头与道路的映射关系。
如图10所示,停车场的道路错综复杂形成了一个网状形式的路网,可以划定路网中每条长的线路作为一整条道路,每个小网格的一条线路代表停车场内一条道路的一部分即该道路的路段,可以搭建一个摄像头,用符号ci表示,该摄像头可以覆盖到该路段的车道区域范围,具体一整条道路覆盖多少个摄像头,可以根据道路的长度进行设置。
在目标时刻,可以分别获取停车场内每条道路的拥堵检测结果,包括第一道路的第一拥堵检测结果和第二道路的第二拥堵检测结果,如图10所示,针对搭建了摄像头Camera(c1,c2,c3,c4)的道路,检测c1对应的路段、c2对应的路段、c3对应的路段和c4对应的路段上,车辆在相应路段的占比均为90%以上,均超过了第一预设阈值,且4个路段的拥堵部分路径方向一致,因此可以判定该条道路拥堵。
之后,可以基于停车场内每条道路的拥堵检测结果,对停车场内的车辆进行调控,调控方式包括但不限于路径规划导航、车位推荐和车辆引导分流等。
比如,可以根据停车场内每条道路的拥堵检测结果,在进行路径规划导航过程中,可以尽量规避到拥堵道路,而选择相对畅通的道路,在进行车辆引导分流过程中,提示用户哪些道路存在拥堵,以尽量避免车辆往拥堵道路行驶,从而达到调控停车场内的车辆的目的。
本实施方式中,通过获取所述第二道路在所述目标时刻的第二拥堵检测结果;基于所述第一拥堵检测结果和所述第二拥堵检测结果,对所述目标空间对象中的车辆进行调控。如此,可以提高目标空间对象如停车场内的设施利用率,并提高停车场的周转率。
第二实施例
如图11所示,本公开提供一种道路拥堵检测装置1100,包括:
第一获取模块1101,用于获取第一道路对应的L个摄像头在同一目标时刻拍摄的K个图像,所述第一道路包括M个路段,每个路段对应至少一个摄像头,M、L和K均为正整数,L大于或等于M;
检测模块1102,用于针对每个图像,对所述图像进行目标检测,得到一个面积占比信息,所述面积占比信息表征车辆在目标路段的车道上的占比面积相对于所述目标路段的车道区域面积的比例,所述目标路段为所述M个路段中所述图像对应的路段;
确定模块1103,用于基于所述M个路段对应的K个面积占比信息,确定所述第一道路在所述目标时刻的第一拥堵检测结果。
可选的,所述第一拥堵检测结果表征所述第一道路是否处于拥堵状态,所述确定模块1103,具体用于:
在所述K个面积占比信息满足预设条件的情况下,确定所述第一道路在所述目标时刻处于拥堵状态;
其中,所述预设条件包括:所述K个面积占比信息中存在N个目标面积占比信息,所述N个目标面积占比信息为所述第一道路中连续分布的N个路段对应的面积占比信息,所述目标面积占比信息为比例大于第一预设阈值的面积占比信息,N为小于或等于M的正整数,且N相对于M的比例大于或等于第二预设阈值。
可选的,在所述第一道路的路径方向为至少两个的情况下,所述N个目标面积占比信息为所述第一道路中连续分布的N个路段在同一路径方向上对应的面积占比信息。
可选的,所述装置还包括:
第二获取模块,用于每隔预设时长获取所述第一道路的拥堵检测结果;
调节模块,用于在接收到基于所述第一道路的至少两个拥堵检测结果对目标信息进行调节的输入的情况下,基于所述输入的输入参数调节所述目标信息,所述目标信息包括所述预设时长、所述第一预设阈值和所述第二预设阈值中的至少一项。
可选的,所述检测模块1102,具体用于:
对所述图像进行目标检测,得到车辆检测信息,在所述图像中包括车辆图像内容的情况下,所述车辆检测信息包括所述车辆图像内容的车辆检测框;
确定车辆在所述目标路段的车道上的占比面积,所述占比面积为所述图像对应的车辆检测框覆盖的车道区域面积;
确定所述图像对应的车辆检测框覆盖的车道区域面积相对于所述目标路段的车道区域的比例,得到所述面积占比信息。
可选的,所述第一道路为目标空间对象中的道路,所述目标空间对象中还包括第二道路,所述装置还包括:
第三获取模块,用于获取所述第二道路在所述目标时刻的第二拥堵检测结果;
调控模块,用于基于所述第一拥堵检测结果和所述第二拥堵检测结果,对所述目标空间对象中的车辆进行调控。
本公开提供的道路拥堵检测装置1100能够实现道路拥堵检测方法实施例实现的各个过程,且能够达到相同的有益效果,为避免重复,这里不再赘述。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
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。
图12示出了可以用来实施本公开的实施例的示例电子设备1200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12所示,设备1200包括计算单元1201,其可以根据存储在只读存储器(ROM)1202中的计算机程序或者从存储单元1208加载到随机访问存储器(RAM)1203中的计算机程序,来执行各种适当的动作和处理。在RAM 1203中,还可存储设备1200操作所需的各种程序和数据。计算单元1201、ROM 1202以及RAM 1203通过总线1204彼此相连。输入/输出(I/O)接口1205也连接至总线1204。
设备1200中的多个部件连接至I/O接口1205,包括:输入单元1206,例如键盘、鼠标等;输出单元1207,例如各种类型的显示器、扬声器等;存储单元1208,例如磁盘、光盘等;以及通信单元1209,例如网卡、调制解调器、无线通信收发机等。通信单元1209允许设备1200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1201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1201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1201执行上文所描述的各个方法和处理,例如道路拥堵检测方法。例如,在一些实施例中,道路拥堵检测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1208。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1202和/或通信单元1209而被载入和/或安装到设备1200上。当计算机程序加载到RAM 1203并由计算单元1201执行时,可以执行上文描述的道路拥堵检测方法的一个或多个步骤。备选地,在其他实施例中,计算单元1201可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行道路拥堵检测方法。
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 (15)
1.一种道路拥堵检测方法,包括:
获取第一道路对应的L个摄像头在同一目标时刻拍摄的K个图像,所述第一道路包括M个路段,每个路段对应至少一个摄像头,M、L和K均为正整数,L大于或等于M;
针对每个图像,对所述图像进行目标检测,得到一个面积占比信息,所述面积占比信息表征车辆在目标路段的车道上的占比面积相对于所述目标路段的车道区域面积的比例,所述目标路段为所述M个路段中所述图像对应的路段;
基于所述M个路段对应的K个面积占比信息,确定所述第一道路在所述目标时刻的第一拥堵检测结果。
2.根据权利要求1所述的方法,其中,所述第一拥堵检测结果表征所述第一道路是否处于拥堵状态,所述基于所述M个路段对应的K个面积占比信息,确定所述第一道路在所述目标时刻的第一拥堵检测结果,包括:
在所述K个面积占比信息满足预设条件的情况下,确定所述第一道路在所述目标时刻处于拥堵状态;
其中,所述预设条件包括:所述K个面积占比信息中存在N个目标面积占比信息,所述N个目标面积占比信息为所述第一道路中连续分布的N个路段对应的面积占比信息,所述目标面积占比信息为比例大于第一预设阈值的面积占比信息,N为小于或等于M的正整数,且N相对于M的比例大于或等于第二预设阈值。
3.根据权利要求2所述的方法,其中,在所述第一道路的路径方向为至少两个的情况下,所述N个目标面积占比信息为所述第一道路中连续分布的N个路段在同一路径方向上对应的面积占比信息。
4.根据权利要求2所述的方法,还包括:
每隔预设时长获取所述第一道路的拥堵检测结果;
在接收到基于所述第一道路的至少两个拥堵检测结果对目标信息进行调节的输入的情况下,基于所述输入的输入参数调节所述目标信息,所述目标信息包括所述预设时长、所述第一预设阈值和所述第二预设阈值中的至少一项。
5.根据权利要求1所述的方法,其中,所述对所述图像进行目标检测,得到一个面积占比信息,包括:
对所述图像进行目标检测,得到车辆检测信息,在所述图像中包括车辆图像内容的情况下,所述车辆检测信息包括所述车辆图像内容的车辆检测框;
确定车辆在所述目标路段的车道上的占比面积,所述占比面积为所述图像对应的车辆检测框覆盖的车道区域面积;
确定所述图像对应的车辆检测框覆盖的车道区域面积相对于所述目标路段的车道区域的比例,得到所述面积占比信息。
6.根据权利要求1所述的方法,其中,所述第一道路为目标空间对象中的道路,所述目标空间对象中还包括第二道路,所述方法还包括:
获取所述第二道路在所述目标时刻的第二拥堵检测结果;
基于所述第一拥堵检测结果和所述第二拥堵检测结果,对所述目标空间对象中的车辆进行调控。
7.一种道路拥堵检测装置,包括:
第一获取模块,用于获取第一道路对应的L个摄像头在同一目标时刻拍摄的K个图像,所述第一道路包括M个路段,每个路段对应至少一个摄像头,M、L和K均为正整数,L大于或等于M;
检测模块,用于针对每个图像,对所述图像进行目标检测,得到一个面积占比信息,所述面积占比信息表征车辆在目标路段的车道上的占比面积相对于所述目标路段的车道区域面积的比例,所述目标路段为所述M个路段中所述图像对应的路段;
确定模块,用于基于所述M个路段对应的K个面积占比信息,确定所述第一道路在所述目标时刻的第一拥堵检测结果。
8.根据权利要求7所述的装置,其中,所述第一拥堵检测结果表征所述第一道路是否处于拥堵状态,所述确定模块,具体用于:
在所述K个面积占比信息满足预设条件的情况下,确定所述第一道路在所述目标时刻处于拥堵状态;
其中,所述预设条件包括:所述K个面积占比信息中存在N个目标面积占比信息,所述N个目标面积占比信息为所述第一道路中连续分布的N个路段对应的面积占比信息,所述目标面积占比信息为比例大于第一预设阈值的面积占比信息,N为小于或等于M的正整数,且N相对于M的比例大于或等于第二预设阈值。
9.根据权利要求8所述的装置,其中,在所述第一道路的路径方向为至少两个的情况下,所述N个目标面积占比信息为所述第一道路中连续分布的N个路段在同一路径方向上对应的面积占比信息。
10.根据权利要求8所述的装置,还包括:
第二获取模块,用于每隔预设时长获取所述第一道路的拥堵检测结果;
调节模块,用于在接收到基于所述第一道路的至少两个拥堵检测结果对目标信息进行调节的输入的情况下,基于所述输入的输入参数调节所述目标信息,所述目标信息包括所述预设时长、所述第一预设阈值和所述第二预设阈值中的至少一项。
11.根据权利要求7所述的装置,其中,所述检测模块,具体用于:
对所述图像进行目标检测,得到车辆检测信息,在所述图像中包括车辆图像内容的情况下,所述车辆检测信息包括所述车辆图像内容的车辆检测框;
确定车辆在所述目标路段的车道上的占比面积,所述占比面积为所述图像对应的车辆检测框覆盖的车道区域面积;
确定所述图像对应的车辆检测框覆盖的车道区域面积相对于所述目标路段的车道区域的比例,得到所述面积占比信息。
12.根据权利要求7所述的装置,其中,所述第一道路为目标空间对象中的道路,所述目标空间对象中还包括第二道路,所述装置还包括:
第三获取模块,用于获取所述第二道路在所述目标时刻的第二拥堵检测结果;
调控模块,用于基于所述第一拥堵检测结果和所述第二拥堵检测结果,对所述目标空间对象中的车辆进行调控。
13.一种电子设备,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1-6中任一项所述的方法。
14.一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1-6中任一项所述的方法。
15.一种计算机程序产品,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1-6中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111106124.4A CN113807270A (zh) | 2021-09-22 | 2021-09-22 | 道路拥堵检测方法、装置及电子设备 |
US17/698,347 US11887473B2 (en) | 2021-09-22 | 2022-03-18 | Road congestion detection method and device, and electronic device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111106124.4A CN113807270A (zh) | 2021-09-22 | 2021-09-22 | 道路拥堵检测方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113807270A true CN113807270A (zh) | 2021-12-17 |
Family
ID=78939826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111106124.4A Pending CN113807270A (zh) | 2021-09-22 | 2021-09-22 | 道路拥堵检测方法、装置及电子设备 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11887473B2 (zh) |
CN (1) | CN113807270A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114639036A (zh) * | 2022-03-02 | 2022-06-17 | 青岛海信网络科技股份有限公司 | 确定交通拥堵等级的方法及电子设备 |
CN115690630A (zh) * | 2022-11-08 | 2023-02-03 | 山东农业工程学院 | 一种用于路面车辆识别的交通遥感图像处理方法 |
CN116153049A (zh) * | 2023-04-04 | 2023-05-23 | 四川互慧软件有限公司 | 一种基于图像处理的救护车到院时间预估方法 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114898325B (zh) * | 2022-07-12 | 2022-11-25 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种车辆危险变道检测方法、装置及电子设备 |
CN115909696B (zh) * | 2023-01-06 | 2023-06-06 | 山东硅步机器人技术有限公司 | 一种用于医疗室安全巡防的报警方法及系统 |
CN116403412B (zh) * | 2023-06-08 | 2023-09-19 | 深圳金三立视频科技股份有限公司 | 一种车辆拥堵检测方法以及终端 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107545758A (zh) * | 2016-09-12 | 2018-01-05 | 郑州蓝视科技有限公司 | 利用摄像头进行车辆导航的方法 |
CN108550259A (zh) * | 2018-04-19 | 2018-09-18 | 何澜 | 道路拥堵判断方法、终端设备及计算机可读存储介质 |
WO2019042728A2 (de) * | 2017-08-29 | 2019-03-07 | Osram Gmbh | Erfassen von verkehrsteilnehmern auf einem verkehrsweg |
CN113192336A (zh) * | 2021-05-28 | 2021-07-30 | 三峡大学 | 一种以鲁棒性车辆目标检测为核心的道路拥堵状况检测方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6188778B1 (en) * | 1997-01-09 | 2001-02-13 | Sumitomo Electric Industries, Ltd. | Traffic congestion measuring method and apparatus and image processing method and apparatus |
CN102136194B (zh) | 2011-03-22 | 2013-06-05 | 浙江工业大学 | 基于全景计算机视觉的道路交通状态检测装置 |
US10449968B2 (en) * | 2016-09-23 | 2019-10-22 | Ford Motor Company | Methods and apparatus for adaptively assisting developmentally disabled or cognitively impaired drivers |
CN108710875B (zh) | 2018-09-11 | 2019-01-08 | 湖南鲲鹏智汇无人机技术有限公司 | 一种基于深度学习的航拍公路车辆计数方法及装置 |
CN112289041B (zh) | 2020-10-25 | 2021-12-03 | 上海智能交通有限公司 | 基于热点定位和信息共享的智慧停车场管理方法及云平台 |
-
2021
- 2021-09-22 CN CN202111106124.4A patent/CN113807270A/zh active Pending
-
2022
- 2022-03-18 US US17/698,347 patent/US11887473B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107545758A (zh) * | 2016-09-12 | 2018-01-05 | 郑州蓝视科技有限公司 | 利用摄像头进行车辆导航的方法 |
WO2019042728A2 (de) * | 2017-08-29 | 2019-03-07 | Osram Gmbh | Erfassen von verkehrsteilnehmern auf einem verkehrsweg |
CN108550259A (zh) * | 2018-04-19 | 2018-09-18 | 何澜 | 道路拥堵判断方法、终端设备及计算机可读存储介质 |
CN113192336A (zh) * | 2021-05-28 | 2021-07-30 | 三峡大学 | 一种以鲁棒性车辆目标检测为核心的道路拥堵状况检测方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114639036A (zh) * | 2022-03-02 | 2022-06-17 | 青岛海信网络科技股份有限公司 | 确定交通拥堵等级的方法及电子设备 |
CN115690630A (zh) * | 2022-11-08 | 2023-02-03 | 山东农业工程学院 | 一种用于路面车辆识别的交通遥感图像处理方法 |
CN116153049A (zh) * | 2023-04-04 | 2023-05-23 | 四川互慧软件有限公司 | 一种基于图像处理的救护车到院时间预估方法 |
CN116153049B (zh) * | 2023-04-04 | 2023-06-27 | 四川互慧软件有限公司 | 一种基于图像处理的救护车到院时间预估方法 |
Also Published As
Publication number | Publication date |
---|---|
US11887473B2 (en) | 2024-01-30 |
US20220215747A1 (en) | 2022-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113807270A (zh) | 道路拥堵检测方法、装置及电子设备 | |
JP7106664B2 (ja) | 知的運転制御方法および装置、電子機器、プログラムならびに媒体 | |
EP4152204A1 (en) | Lane line detection method, and related apparatus | |
US20210302585A1 (en) | Smart navigation method and system based on topological map | |
CN111613070B (zh) | 交通信号灯控制方法、装置、电子设备和计算机存储介质 | |
CN112700667A (zh) | 辅助车辆驾驶的方法、装置、电子设备和介质 | |
US20220092874A1 (en) | Method and apparatus of determining vehicle queuing information, roadside device and cloud control platform | |
US20220084400A1 (en) | Green wave speed determination method, electronic device and storage medium | |
CN113689698B (zh) | 交通控制方法、装置、电子设备、存储介质及程序产品 | |
CN114322799A (zh) | 一种车辆行驶方法、装置、电子设备和存储介质 | |
CN112906946A (zh) | 道路信息提示方法、装置、设备、存储介质和程序产品 | |
CN107730890B (zh) | 一种基于实时场景下车流车速预测的智能交通方法 | |
CN113610059B (zh) | 基于区域评估的车辆控制方法、装置和智能交管系统 | |
CN115973190A (zh) | 自动驾驶车辆的决策方法、装置和电子设备 | |
CN113850297B (zh) | 道路数据的监测方法、装置、电子设备及存储介质 | |
CN115114312A (zh) | 地图数据更新方法、装置及电子设备 | |
CN113450569A (zh) | 确定路口状态的方法、装置、电子设备和存储介质 | |
CN116264038A (zh) | 信号灯控制方法及装置、电子设备和存储介质 | |
CN117671965B (zh) | 基于信令数据进行交通分流的方法、装置、设备及存储介质 | |
CN115294764B (zh) | 人行横道区域确定方法、装置、设备及自动驾驶车辆 | |
CN114419876B (zh) | 道路饱和度评价方法、装置、电子设备及存储介质 | |
CN114664106B (zh) | 一种交叉口车道分配方法、装置、电子设备和存储介质 | |
CN114413922B (zh) | 电子地图的导航方法、装置、设备、介质及产品 | |
CN113487864A (zh) | 确定路口状态的方法、装置、电子设备和存储介质 | |
CN114596707A (zh) | 交通控制方法及装置、设备、系统、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 |