CN114038209A - 公交占道处理方法、装置及设备 - Google Patents
公交占道处理方法、装置及设备 Download PDFInfo
- Publication number
- CN114038209A CN114038209A CN202111574351.XA CN202111574351A CN114038209A CN 114038209 A CN114038209 A CN 114038209A CN 202111574351 A CN202111574351 A CN 202111574351A CN 114038209 A CN114038209 A CN 114038209A
- Authority
- CN
- China
- Prior art keywords
- bus
- lane
- target
- real
- driving state
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 8
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 238000012795 verification Methods 0.000 claims description 65
- 238000002955 isolation Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
Abstract
本申请提供一种公交占道处理方法、装置及设备,该方法包括:当确定目标公交车行驶在公交专用道上时,通过所述目标公交车上部署的图像采集设备获取所述目标公交车前方和/或后方的视频图像;依据所述视频图像进行车辆检测和识别;当识别到非公交车时,对该非公交车进行抓拍,并确定当前视频图像中是否存在指定特征;当当前视频图像中存在所述指定特征时,依据所述视频图像对该非公交车进行实时追踪,确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件;当确定该非公交车在公交专用道中的行驶状态不满足公交占道条件时,删除针对该非公交车的抓拍数据。该方法可以减少公交占道的误报,提高公交占道报警的准确性。
Description
技术领域
本申请涉及智能交通领域,尤其涉及一种公交占道处理方法、装置及设备。
背景技术
随着机动车数量的不断增加,城市交通流量激增,从而交通拥堵、交通事故频发、噪音、空气污染等现象也日趋严重。为切实缓解城市道路交通拥堵现象,满足市民便捷、绿色、低碳的通行需求,全国各地都开始设立公交专用道。公交专用道的设立,提升了公交准点率和公交运行效率,增加了公交出行的吸引力,有效缓解了交通拥堵的现象,促进了节能减排和低碳发展。但是在公交车专用道为公交车提供便利的同时,有些出租车或私家车为了自己的便利非法行驶在公交专用道上。为了抑制这种现象,业界许多公司推出了对于非公交车占用公交专用道(可以简称为公交占道)的智能抓拍方法。
目前的公交占道智能抓拍方案一般是将图像采集设备案装于公交车内,当公交车行驶在公交专用道时,对于行驶在公交车前和/或公交车后的非公交车辆进行抓拍。
然而实践发现,上述公交占道道智能抓拍方案会存在公交占道误报的情况,需要在后期由相关人员手动筛选误抓拍图片,费时费力。
发明内容
有鉴于此,本申请提供一种公交占道处理方法、装置及设备。
具体地,本申请是通过如下技术方案实现的:
根据本申请实施例的第一方面,提供一种公交占道处理,包括:
当确定目标公交车行驶在公交专用道上时,通过所述目标公交车上部署的图像采集设备获取所述目标公交车前方和/或后方的视频图像;
依据所述视频图像进行车辆检测和识别;
当识别到非公交车时,对该非公交车进行抓拍,并确定当前视频图像中是否存在指定特征;所述指定特征表明允许非公交车临时借用公交专用道;
当当前视频图像中存在所述指定特征时,依据所述视频图像对该非公交车进行实时追踪,确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件;
当确定该非公交车在公交专用道中的行驶状态不满足公交占道条件时,删除针对该非公交车的抓拍数据。
根据本申请实施例的第二方面,提供一种公交占道处理装置,包括:
第一确定单元,用于确定公交车是否行驶在公交专用道上;
获取单元,用于当确定目标公交车行驶在公交专用道上时,通过所述目标公交车上部署的图像采集设备获取所述目标公交车前方和/或后方的视频图像;
识别单元,用于依据所述视频图像进行车辆检测和识别;
抓拍单元,用于当识别到非公交车时,对该非公交车进行抓拍;
第二确定单元,用于当识别到非公交车时,确定当前视频图像中是否存在指定特征;所述指定特征表明允许非公交车临时借用公交专用道;
所述第二确定单元,还用于当当前视频图像中存在所述指定特征时,依据所述视频图像对该非公交车进行实时追踪,确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件;
处理单元,用于当确定该非公交车在公交专用道中的行驶状态不满足公交占道条件时,删除针对该非公交车的抓拍数据。
根据本申请实施例的第三方面,提供一种电子设备,该电子设备包括:
处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令;所述处理器用于执行机器可执行指令,以实现上述方法。
本申请实施例的公交占道处理方法,通过在公交车上部署图像采集设备,以便公交车行驶在公交专用道上时,通过公交车上部署的图像采集设备获取公交车前方和/或后方的视频图像,并依据获取到的视频图像进行车辆检测和识别。当识别到非公交车时,一方面进行车辆抓拍,另一方面,分析当前视频图像中是否存在允许非公交车临时借用公交专用道的指定特征。若存在,则依据视频图像对识别到的非公交车进行实时追踪,确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件,在确定该非公交车在公交专用道中的行驶状态不满足公交占道条件的情况下,删除针对该公交车的抓拍数据,通过在允许非公交车临时借用公交专用道的路段,对非公交车临时借用公交专用道的情况进行排除,减少了公交占道的误报,提高了公交占道报警的准确性。
附图说明
图1为本申请一示例性实施例示出的一种公交占道处理方法的流程示意图;
图2为本申请一示例性实施例示出的一种公交占道处理流程示意图;
图3为本申请一示例性实施例示出的一种依据校验轨迹对GPS数据进行过滤的示意图;
图4为本申请一示例性实施例示出的一种公交占道处理装置的结构示意图;
图5为本申请一示例性实施例示出的一种电子设备的硬件结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。
为了使本领域技术人员更好地理解本申请实施例提供的技术方案,并使本申请实施例的上述目的、特征和优点能够更加明显易懂,下面结合附图对本申请实施例中技术方案作进一步详细的说明。
请参见图1,为本申请实施例提供的一种公交占道处理方法的流程示意图,如图1所示,该公交占道处理方法可以包括以下步骤:
需要说明的是,本申请实施例中各步骤的序号大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
步骤S100、当确定目标公交车行驶在公交专用道上时,通过目标公交车上部署的图像采集设备获取目标公交车前方和/或后方的视频图像。
步骤S110、依据获取到的视频图像进行车辆检测和识别。
本申请实施例中,目标公交车并不特指某一固定的公交车,而是可以指代任一应用本申请实施例提供的技术方案进行公交占道处理的公交车。
本申请实施例中,为了实现公交占道事件的检测,可以在公交车上部署图像采集设备。
例如,在公交车的车头和/或车尾部署图像采集设备,如车载摄像头。
示例性的,为了提高公交占道检测的准确性,可以在公交车行驶在公交专用到的情况下,依据公交车上部署的图像采集设备获取到的视频图像进行公交占道检测。
相应地,当确定目标公交车行驶在公交专用道时,可以通过目标公交车上部署的图像采集设备获取目标公交车前方和/或后方的视频图像,并对获取到的视频图像进行车辆检测。
当从获取到的视频图像中检测到车辆时,可以对检测到的车辆进行识别,确定车辆类型。
需要说明的是,本申请实施例中,考虑到实际场景中,通常会在指定时间段(即公交专用道的限行时间段)禁止非公交车占用公交专用道,因此,若未特殊说明,本申请实施例中提及的公交占道检测均指针对禁止非公交车占用公交专用道的时间段(即公交专用道的限行时间段)内的公交占道检测。
步骤S120、当识别到非公交车时,对该非公交车进行抓拍,并确定当前视频图像中是否存在指定特征,该指定特征表明允许非公交车临时借用公交专用道。
本申请实施例中,考虑到实际场景中,某些特殊路段可以允许非公交车临时借用公交专用道。为了减少公交占道误报,在存在非公交车行驶在公交专用到的情况下,需要确定是否为非公交车临时借用公交专用道。
相应地,当从步骤S100中获取到的视频图像中识别到非公交车时,一方面,可以对该非公交车进行抓拍,得到针对该非公交车的抓拍数据。
另一方面,可以对获取到的视频图像进行指定特征检测,以确定当前视频图像中是否存在指定特征。
其中,该指定特征表明允许非公交车临时借用公交专用道。
在一个示例中,该指定特征可以包括以下之一或多个:
黄色网格线、允许临时借用公交专用道交通标志,以及存在开口的绿化隔离带或护栏。
示例性的,允许临时借用公交专用道交通标志可以包括公交专用道上的右转箭头、或公交专用道道旁竖立的指示牌等。
步骤S130、当当前视频图像中存在指定特征时,依据视频图像对该非公交车进行实时追踪,确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件。若否,则转至步骤S140。
本申请实施例中,当检测到当前视频图像中存在指定特征,即当前路段允许非公交车临时借用公交专用道时,需要确定上述识别到的非公交车是否为临时借用公交专用道。
示例性的,在当前视频图像中存在指定特征的情况下,可以依据获取到的视频图像对该非公交车进行实时追踪,确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件,即确定该非公交车是属于公交占道还是临时借用公交专用道。
需要说明的是,在识别到非公交车,并确定当前视频图像中不存在指定特征的情况下,可以确定该非公交车存在公交占道的情况,将针对该非公交车的抓拍数据上报至后台服务器。
步骤S140、删除针对该非公交车的抓拍数据。
本申请实施例中,当确定该非公交车在公交专用道中的行驶状态满足公交占道条件,即该非公交车属于临时借用公交专用道时,可以删除针对该非公交车的抓拍数据,以避免公交占道误报。
可见,在图1所示方法流程中,通过在公交车上部署图像采集设备,以便公交车行驶在公交专用道上时,通过公交车上部署的图像采集设备获取公交车前方和/或后方的视频图像,并依据获取到的视频图像进行车辆检测和识别。当识别到非公交车时,一方面进行车辆抓拍,另一方面,分析当前视频图像中是否存在允许非公交车临时借用公交专用道的指定特征。若存在,则依据视频图像对识别到的非公交车进行实时追踪,确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件,在确定该非公交车在公交专用道中的行驶状态不满足公交占道条件的情况下,删除针对该公交车的抓拍数据,通过在允许非公交车临时借用公交专用道的路段,对非公交车临时借用公交专用道的情况进行排除,减少了公交占道的误报,提高了公交占道报警的准确性。
在一些实施例中,步骤S130中,依据视频图像对该非公交车进行实时追踪,确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件之后,还包括:
当确定该非公交车在公交专用道中的行驶状态满足公交占道条件时,将针对该非公交车的公交占道数据上报至后台服务器,该公交占道数据包括针对该非公交车的抓拍数据以及关联的录像数据。
示例性的,当确定该非公交车在公交专用道中的行驶状态满足公交占道条件,即该非公交车确实属于公交占道时,可以将针对该非公交车的公交占道数据上报至后台服务器,由后台服务器进行相关处理。
示例性的,公交占道数据可以包括但不限于针对该非公交车的抓拍数据以及关联的录像数据。
在一些实施例中,目标公交车上部署有定位装置。
步骤S100、确定目标公交车行驶在公交专用道上,可以包括:
依据通过定位装置获取到的目标公交车的定位信息,采用直线拟合方式,确定目标公交车的校验轨迹;
若目标公交车的实时位置到校验轨迹的距离不超过预设距离阈值,且校验轨迹的目标侧的车道线的颜色为指定颜色,则确定目标公交车行驶在公交专用道上;
其中,当公交专用道的车道属性为右边道时,目标侧为左侧;当公交专用道的车道属性为左边道时,目标侧为右侧;当公交专用道的车道属性为中间道时,目标侧为左侧和右侧,指定颜色为公交专用道的车道线的颜色。
示例性的,为了识别公交车是否行驶在公交专用道上,可以在公交车上部署定位装置,如GPS(Global Positioning System,全球定位系统)定位装置,并通过公交车上部署的定位装置获取公交车的定位信息。
相应地,可以通过目标公交车上部署的定位装置,获取目标公交车的定位信息,并依据获取到的目标公交车的定位信息,采用直线拟合方式,确定目标公交车的校验轨迹。
示例性的,考虑到定位装置,如GPS定位装置通常会存在一定的误差,导致采集到的定位点在直线上是离散分布的,需要使用滤波算法将大部分点拟合到一条直线上。
例如,可以采用最小二乘法方式实现离散点拟合为直线,其具体实现可以在下文中进行说明。
示例性的,考虑到公交专用道的车道线的颜色通常会区别于普通车道的车道线的颜色。在公交车行驶在公交专用道的情况下,若公交专用道为右边道,则公交车的左侧的车道线的颜色为公交专用线的车道线的颜色(本文中称为指定颜色);若公交专用道为左边道,则公交车的右侧的车道线的颜色为指定颜色;若公交专用道为中间道,则公交车的左侧和右侧的车道线的颜色均为指定颜色。
例如,公交专用道的车道线的颜色可以为黄色,普通车道的车道线的颜色可以为白色。
此外,考虑到在公交车行驶在公交专用道的情况下,公交车的实时位置到校验轨迹的距离通常不会超出预设距离阈值。
相应地,可以结合公交专用道的车道属性(如右边道、左边道或中间道),依据校验轨迹的指定侧(本文中称为目标侧)的车道线的颜色是否为指定颜色,以及,目标公交车的实时位置到校验轨迹的距离是否超过预设距离阈值,来确定目标公交车是否行驶在公交专用道。
示例性的,若目标公交车的实时位置到校验轨迹的距离不超过预设距离阈值,且校验轨迹的目标侧的车道线的颜色为指定颜色,则可以确定目标公交车行驶在公交专用道上。
示例性的,当公交专用道的车道属性为右边道时,目标侧为左侧;当公交专用道的车道属性为左边道时,目标侧为右侧;当公交专用道的车道属性为中间道时,目标侧为左侧和右侧。
在一个示例中,目标公交车的实时位置到校验轨迹的距离不超过预设距离阈值,可以包括:
当公交专用道的车道属性为右边道时,目标公交车的实时位置处于校验轨迹的左侧,且目标公交车的实时位置到校验轨迹的距离不超过第一距离阈值,或,目标公交车的实时位置处于校验轨迹的右侧,且目标公交车的实时位置到校验轨迹的距离不超过第二距离阈值;
当公交专用道的车道属性为左边道时,公交车的实时位置处于校验轨迹的右侧,且目标公交车的实时位置到校验轨迹的距离不超过第一距离阈值,或,目标公交车的实时位置处于校验轨迹的左侧,且目标公交车的实时位置到校验轨迹的距离不超过第二距离阈值;
当公交专用道的车道属性为中间道时,公交车的实时位置处于校验轨迹的左侧或右侧,且目标公交车的实时位置到校验轨迹的距离不超过第一距离阈值;
其中,第一距离阈值小于第二距离阈值。
示例性的,以公交专用道的车道属性为右边道为例,当公交专用道的车道属性为右边道时,公交车行驶在公交专用道时,可能会出现在偏向右侧的情况,即公交车的实时位置在校验轨迹的右侧时,其距离校验轨迹的距离可能会较大。
相应地,在公交专用道的车道属性为右边道的情况下,目标公交车的实时位置处于校验轨迹的左侧时的距离阈值(可以称为第一距离阈值)可以小于目标公交车的实时位置处于校验轨迹的右侧时的距离阈值(可以称为第二距离阈值)。
同理,在公交专用道的车道属性为左边道的情况下,目标公交车的实时位置处于校验轨迹的右侧时的距离阈值可以小于目标公交车的实时位置处于校验轨迹的左侧时的距离阈值。
在公交专用道的车道属性为中间道的情况下,目标公交车的实时位置处于校验轨迹的右侧时的距离阈值可以与目标公交车的实时位置处于校验轨迹的左侧时的距离阈值相同。
在一些实施例中,当当前视频图像中的指定特征为黄色网格线和/或允许临时借用公交专用道交通标志时,上述确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件,可以包括:
确定该非公交车在公交专用道中的行驶时长是否超过第一时间阈值;
当该非公交车在公交专用道中的行驶时长超过所述第一时间阈值时,确定该非公交车在公交专用道中的行驶状态满足公交占道条件;
当该非公交车在公交专用道中的行驶时长未超过所述第一时间阈值时,确定该非公交车在公交专用道中的行驶状态不满足公交占道条件。
示例性的,当当前视频图像中的指定特征为黄色网格线和/或允许临时借用公交专用道交通标志时,可以通过非公交车在公交专用道中的行驶时长确定非公交车在公交专用道中的行驶状态是否满足公交占道条件。
相应地,在依据获取到的视频图像识别到非公交车,且当前视频图像中存在黄色网格线和/或允许临时借用公交专用道交通标志的情况下,可以统计该非公交车在公交专用道中的行驶时长,并确定该非公交车在公交专用道中的行驶时长是否超过预设时间阈值(本文中称为第一时间阈值)。
当该非公交车在公交专用道中的行驶时长超过所述第一时间阈值时,确定该非公交车在公交专用道中的行驶状态满足公交占道条件;
当该非公交车在公交专用道中的行驶时长未超过所述第一时间阈值时,确定该非公交车在公交专用道中的行驶状态不满足公交占道条件。
在一些实施例中,当当前视频图像中的指定特征为黄色网格线和/或允许临时借用公交专用道交通标志时,上述确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件,可以包括:
确定该非公交车是否持续在公交专用道中行驶,直至视频图像中不再存在指定特征;
若是,则确定该非公交车在公交专用道中的行驶状态满足公交占道条件;
否则,定该非公交车在公交专用道中的行驶状态不满足公交占道条件。
示例性的,在依据获取到的视频图像识别到非公交车,且当前视频图像中存在黄色网格线和/或允许临时借用公交专用道交通标志的情况下,可以对该非公交车进行实时追踪,确定该非公交车是否持续在公交专用道中行驶,直至视频图像中不再存在上述指定特征(黄色网格线和/或允许临时借用公交专用道交通标志),即在视频图像中不再存在上述指定特征的情况下,该非公交车仍行驶在公交专用道中。
若视频图像中不再存在上述指定特征,且该非公交车仍行驶在公交专用道,则可以确定该非公交车在公交专用道中的行驶状态满足公交占道条件。
若在视频图像中不再存在上述指定特征的情况下,该非公交车已经离开公交专用道,则可以确定该非公交车在公交专用道中的行驶状态不满足公交占道条件。
在一些实施例中,当前视频图像中的指定特征为存在开口的绿化隔离带或护栏时,上述确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件,可以包括:
当检测到该非公交车通过绿化隔离带或护栏的开口位置驶离,或,检测到该非公交车通过绿化隔离带或护栏的开口位置驶入,且在公交专用道中的行驶时长不超过第二时间阈值时,确定该非公交车在公交专用道中的行驶状态不满足公交占道条件;
否则,确定该非公交车在公交专用道中的行驶状态满足公交占道条件。
示例性的,考虑到在公交专用道旁存在绿化隔离带或护栏,且该绿化隔离带或护栏在公交专用道对应的路段上存在开口的情况下,非公交车可能会借用公交专用道从该绿化隔离带或护栏的开口驶离,或者,从该绿化隔离带或护栏的开口驶入当前路段,并借用公交专用道进入到非公交专用道,对于这种情况,若作为公交占道情况进行了抓拍和上报,则会造成误报。
相应地,在从获取到的视频图像中识别到非公交车,且在当前视频图像中检测存在开口的绿化隔离带或护栏的情况下,可以检测该非公交车是否通过该绿化隔离带或护栏的开口位置驶离,或,该非公交车是否通过该绿化隔离带或护栏的开口位置驶入公交专用道,并在预设时间阈值(本文中称为第二时间阈值)内离开公交专用道。
当检测到该非公交车通过该绿化隔离带或护栏的开口位置驶离,或,检测到该非公交车通过该绿化隔离带或护栏的开口位置驶入公交专用道,且在第二预设时间阈值内离开公交专用道时,可以确定该非公交车在公交专用道中的行驶状态不满足公交占道条件。
否则,即该非公交车未通过该绿化隔离带或护栏的开口位置驶离,或,该非公交车通过该绿化隔离带或护栏的开口输入公交专用道,且在公交专用道中的行驶时长超过第二时间阈值,可以确定该非公交车在公交专用道中的行驶状态满足公交占道条件。
为了使本领域技术人员更好地理解本申请实施例提供的技术方案,下面结合具体实例对本申请实施例提供的技术方案进行说明。
请参见图2,在该实施例中,公交占道处理流程如下:
1、将接入GPS模块的抓拍机部署到公交车内,依据GPS定位确定公交车是否行驶在公交专用道上,当GPS确定公交车行驶在公交专用道上时,通过图像检测方式检测公交车两边是否有公交专用道的黄线(即以上述指定颜色为黄色为例),从而最终确认公交车是否行驶在公交车专用道上,避免因GPS定位信息存在误差导致公交车未行驶在公交专用道上,但还是对于前方和/或后方的非公交车进行了抓拍,导致误上报。
示例性的,公交占道抓拍装置可以包括抓拍机、3G/4G模块和GPS模块,抓拍机部署于公交车前方和/或后方,并接入GPS模块和3G/4G模块。
GPS模块负责提供GPS定位信息,如GPS坐标,通过GPS坐标来判断公交车是否行驶在公交专用道上。
示例性的,可以依据GPS定位信息采集公交专用道路线信息。由于GPS存在一定的误差,可能导致采集到的点在直线上是离散分布的,需要使用滤波算法将大部分点拟合到一条直线。
例如,离散点拟合为直线可使用最小二乘法实现,其通过最小化误差的平方和寻找数据的最佳函数匹配,公式如下:
其中,(xi,yi)为离散点坐标,k、b为要求解的、可使f为最小值的未知数。
示例性的,以公交专用道的车道属性为右边道为例,在公交车正常行驶过程中,若依据GPS定位信息确定公交车的实时位置在校验轨迹左侧,则该公交车的实时位置到校验轨迹垂直距离4米(即以上述第一距离阈值为4米为例)范围内按公交车道处理;若依据GPS定位信息确定公交车的实时位置在校验轨迹右侧,则该公交车的实时位置到校验轨迹垂直距离10米(即以上述第二距离阈值为10米为例)范围内按公交车道处理,其示意图可以如图3所示。
在依据GPS定位信息确认公交车行驶在公交专用道上的情况下,可以启动黄标线检测,以最终确认该公交车是否行驶在公交专用道。
示例性的,在确认公交车行驶在公交专用道上的情况下,抓拍机启动抓拍逻辑。
2、抓拍机对公交车前方和/或后方的路况进行实时监控。当抓拍机确定当前时间在公交专用道限行时间段内,则对于行驶在公交车前方和/或后方的车辆进行类型识别和车牌识别,确定为非公交车后对该车辆进行抓拍。
3、对行驶在公交车前方和/或后方的非公交车进行实时追踪。若抓拍机检测到路面上有黄色网格线或标有车辆可临时借用公交专用道的交通标志(包括右转箭头、路口标志等),则继续对该非公交车进行追踪。若非公交车长时间行驶在公交车道上并且已经检测不到黄色网格线或可临时借用公交车道的交通标志,则可以确定该非公交车在公交专用道上的行驶状态满足公交占道条件,否则,将针对该非公交车的抓拍数据删除。
4、对公交专用道旁进行绿化隔离带或护栏的检测,从而确定是否存在绿化隔离带或护栏;若存在,则检测是否存在开口;在存在开口的情况下,对于公交车前方或后方的非公交车进行持续的追踪和轨迹分析。
若确定追踪的非公交车通过该开口驶离并且之前未长时间行驶在公交专用道上,或,通过该开口驶入公交专用道,短时间借用公交专用道进行变道,则删除相应的抓拍数据。
示例性的,抓拍机负责对违法占用公交专用道的非公交车进行抓拍及录像。抓拍图片上会叠加车道信息、GPS位置信息、车辆类型、车牌号、违法行为描述等信息。
在确定非公交车在公交专用道中的行驶状态满足公交占道条件的情况下,可以通过3G/4G模块将图片和录像上传到后台服务器。
示例性的,在实际应用中,公交占道的抓拍过程具体为先对公交车的前方和/或后方进行实时的车辆检测,当检测到车辆后对车辆进行识别。若识别结果为非公交车,则对该非公交车进行抓拍并存入到缓存中。
示例性的,对该非公交车的抓拍可以包括该非公交车进入专用道时进行抓拍一张图片,以及该非公交车行驶在公交专用道时,抓拍一张图片。
其中,可以通过预抓拍的方式实现抓拍,避免漏拍。
此外,缓存中的保存的抓拍图可以更新,使用质量更好的图来替换,如车牌识别更清楚、车型识别更清楚、以及判断车辆是否在公交专用道的置信度更高的抓拍图来替换之前保存的抓拍图。
示例性的,对于识别到的非公交车,可以进行实时追踪。
其中,对该非公交车进行实时追踪的过程中,可以不需要进行二次抓拍,除非追踪失效并重新检测到该非公交车。
示例性的,在对车辆进行检测时,还可以会对黄色网格线、允许临时借用公交专用道交通标志及护栏和绿化隔离带(即上述指定特征)进行检测。
示例性的,当检测到黄色网格线时,可以对追踪的非公交车是否在黄色网格线上行驶进行判断,若追踪的非公交车在抓拍时或离开抓拍范围时行驶在黄色网格线上,则可以将该非公交车的抓拍数据从缓存中清除。
示例性的,在此过程中用到的算法包括车辆、黄标线、黄色网格线、允许临时借用公交专用道的交通标志、绿化隔离带和护栏的检测与识别算法。
示例性的,上述目标的检测与识别可以用深度学习来解决,物体的检测与识别可以在一个深度学习网络内完成。
示例性的,当对非公交车进行了检测和识别时,可以对非公交车进行实时追踪。由于目标跟踪算法的速度要小于检测的速度,因此,可以每一帧均进行目标追踪。追踪的一个目的是抓拍去重,当车辆被抓拍后会对这辆车进行目标追踪,赋予这辆车一个id值,当算法再一次检测到这辆车时,确定这辆车的id是之前抓拍过的车辆的id,则不会重复抓拍。
此外,当被追踪的车辆位置与检测到的黄色网格线位置有重合时可以判断为车辆行驶在黄色网格线上。若非公交车只在黄网格线上行驶过,则该非公交车属于合法借用公交专用道,删除这辆车的抓拍数据。
当检测到的绿化隔离带或护栏时,可以依据是否检测到两个目标,且该两个目标之间的交并比是否大于设置的阈值来确定该绿化隔离带或护栏是否存在开口。当确定存在开口时,通过记录分析被追踪的车辆的平移轨迹可以确定该车是否是临时借用公交专用道从开口出入,若是,则删除该车辆的抓拍记录。
举例来说,目标检测与识别可以利用YOLO(You Only Look Once,你只需看一次)网络实现。
YOLO为基于卷积神经网络的目标检测框架,只需要一个卷积神经网络就可预测到不同目标的类别与位置。YOLO的输入是整张图片,然后直接在输出层利用回归算法确定边框的位置和属性。
YOLO网络的识别精度一个是与网络本身有关,另一个则是与训练样本有关。训练样本的规模和质量很大程度上会影响到网络最终的精确度。因此,要准备大量的车辆图片,包括各种车型、各种颜色的车辆的图片。由于在实际应用中,公交占道抓拍的多是车头和车尾,因此,训练样本主要以车头和车尾为主。其次训练样本丰富的车型种类是为了输出目标检测结果时可以区分公交车和非公交车。同样的对于要检测的黄标线、黄色网格线、允许临时借用公交专用道的交通标志、绿化隔离带和护栏也要准备大量的训练样本。
示例性的,对于非公交车的追踪,可以使用KCF(Kernel Correlation Filter,核相关滤波)算法。
KCF算法是判别式跟踪,主要是根据当前帧的信息和之前帧的信息训练出一个相关滤波器,判断跟踪到的是目标还是周围的背景信息。该算法主要使用轮转矩阵对样本进行采集,使用快速傅里叶变换对算法进行加速训练。
示例性的,在对非公交车进行追踪的过程中可以记录其中心点的坐标,通过其在X轴上的偏移位置判断该车的平移轨迹。当检测到绿化隔离带或护栏的开口时,可以通过分析非公交车的平移轨迹,判断出非公交车是否是从绿化隔离带或护栏的开口驶入到公交专用道并临时借用公交专用道进行变道,或是从别的车道临时借用公交车道从开口驶离。
以上对本申请提供的方法进行了描述。下面对本申请提供的装置进行描述:
请参见图4,为本申请实施例提供的一种公交占道处理装置的结构示意图,如图4所示,所述公交占道处理装置可以包括:
第一确定单元410,用于确定公交车是否行驶在公交专用道上;
获取单元420,用于当确定目标公交车行驶在公交专用道上时,通过所述目标公交车上部署的图像采集设备获取所述目标公交车前方和/或后方的视频图像;
识别单元430,用于依据所述视频图像进行车辆检测和识别;
抓拍单元440,用于当识别到非公交车时,对该非公交车进行抓拍;
第二确定单元450,用于当识别到非公交车时,确定当前视频图像中是否存在指定特征;所述指定特征表明允许非公交车临时借用公交专用道;
所述第二确定单元450,还用于当当前视频图像中存在所述指定特征时,依据所述视频图像对该非公交车进行实时追踪,确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件;
处理单元460,用于当确定该非公交车在公交专用道中的行驶状态不满足公交占道条件时,删除针对该非公交车的抓拍数据。
在一些实施例中,所述处理单元460,还用于当确定该非公交车在公交专用道中的行驶状态满足公交占道条件时,将针对该非公交车的公交占道数据上报至后台服务器,所述公交占道数据包括针对该非公交车的抓拍数据以及关联的录像数据。
在一些实施例中,所述目标公交车上部署有定位装置;
所述第一确定单元410确定目标公交车行驶在公交专用道上,包括:
依据通过所述定位装置获取到的所述目标公交车的定位信息,采用直线拟合方式,确定所述目标公交车的校验轨迹;
若所述目标公交车的实时位置到所述校验轨迹的距离不超过预设距离阈值,且所述校验轨迹的目标侧的车道线的颜色为指定颜色,则确定所述目标公交车行驶在公交专用道上;
其中,当公交专用道的车道属性为右边道时,所述目标侧为左侧;当公交专用道的车道属性为左边道时,所述目标侧为右侧;当公交专用道的车道属性为中间道时,所述目标侧为左侧和右侧,所述指定颜色为公交专用道的车道线的颜色。
在一些实施例中,所述目标公交车的实时位置到所述校验轨迹的距离不超过预设距离阈值,包括:
当公交专用道的车道属性为右边道时,所述目标公交车的实时位置处于所述校验轨迹的左侧,且所述目标公交车的实时位置到所述校验轨迹的距离不超过第一距离阈值,或,所述目标公交车的实时位置处于所述校验轨迹的右侧,且所述目标公交车的实时位置到所述校验轨迹的距离不超过第二距离阈值;
当公交专用道的车道属性为左边道时,所述公交车的实时位置处于所述校验轨迹的右侧,且所述目标公交车的实时位置到所述校验轨迹的距离不超过第一距离阈值,或,所述目标公交车的实时位置处于所述校验轨迹的左侧,且所述目标公交车的实时位置到所述校验轨迹的距离不超过第二距离阈值;
当公交专用道的车道属性为中间道时,所述公交车的实时位置处于所述校验轨迹的左侧或右侧,且所述目标公交车的实时位置到所述校验轨迹的距离不超过第一距离阈值;
其中,所述第一距离阈值小于所述第二距离阈值。
在一些实施例中,所述指定特征包括以下之一或多个:
黄色网格线、允许临时借用公交专用道交通标志,以及存在开口的绿化隔离带或护栏。
在一些实施例中,当所述当前视频图像中的指定特征为黄色网格线和/或允许临时借用公交专用道交通标志时,所述第二确定单元450确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件,包括:
确定该非公交车在公交专用道中的行驶时长是否超过第一时间阈值;
当该非公交车在公交专用道中的行驶时长超过所述第一时间阈值时,确定该非公交车在公交专用道中的行驶状态满足公交占道条件;
当该非公交车在公交专用道中的行驶时长未超过所述第一时间阈值时,确定该非公交车在公交专用道中的行驶状态不满足公交占道条件;
或,
确定该非公交车是否持续在公交专用道中行驶,直至视频图像中不再存在所述指定特征;
若是,则确定该非公交车在公交专用道中的行驶状态满足公交占道条件;
否则,定该非公交车在公交专用道中的行驶状态不满足公交占道条件。
在一些实施例中,所述当前视频图像中的指定特征为存在开口的绿化隔离带或护栏时,所述第二确定单元450确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件,包括:
当检测到该非公交车通过所述绿化隔离带或护栏的开口位置驶离,或,检测到该非公交车通过所述绿化隔离带或护栏的开口位置驶入,且在公交专用道中的行驶时长不超过第二时间阈值时,确定该非公交车在公交专用道中的行驶状态不满足公交占道条件;
否则,确定该非公交车在公交专用道中的行驶状态满足公交占道条件。
对应地,本申请还提供了图4所示装置的硬件结构。参见图5,该硬件结构可包括:处理器和机器可读存储介质,机器可读存储介质存储有能够被所述处理器执行的机器可执行指令;所述处理器用于执行机器可执行指令,以实现本申请上述示例公开的方法。
基于与上述方法同样的申请构思,本申请实施例还提供一种机器可读存储介质,所述机器可读存储介质上存储有若干计算机指令,所述计算机指令被处理器执行时,能够实现本申请上述示例公开的方法。
示例性的,上述机器可读存储介质可以是任何电子、磁性、光学或其它物理存储装置,可以包含或存储信息,如可执行指令、数据,等等。例如,机器可读存储介质可以是:RAM(Radom Access Memory,随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等),或者类似的存储介质,或者它们的组合。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (10)
1.一种公交占道处理方法,其特征在于,包括:
当确定目标公交车行驶在公交专用道上时,通过所述目标公交车上部署的图像采集设备获取所述目标公交车前方和/或后方的视频图像;
依据所述视频图像进行车辆检测和识别;
当识别到非公交车时,对该非公交车进行抓拍,并确定当前视频图像中是否存在指定特征;所述指定特征表明允许非公交车临时借用公交专用道;
当当前视频图像中存在所述指定特征时,依据所述视频图像对该非公交车进行实时追踪,确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件;
当确定该非公交车在公交专用道中的行驶状态不满足公交占道条件时,删除针对该非公交车的抓拍数据。
2.根据权利要求1所述的方法,其特征在于,所述依据所述视频图像对该非公交车进行实时追踪,确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件之后,还包括:
当确定该非公交车在公交专用道中的行驶状态满足公交占道条件时,将针对该非公交车的公交占道数据上报至后台服务器,所述公交占道数据包括针对该非公交车的抓拍数据以及关联的录像数据。
3.根据权利要求1所述的方法,其特征在于,所述目标公交车上部署有定位装置;
所述确定目标公交车行驶在公交专用道上,包括:
依据通过所述定位装置获取到的所述目标公交车的定位信息,采用直线拟合方式,确定所述目标公交车的校验轨迹;
若所述目标公交车的实时位置到所述校验轨迹的距离不超过预设距离阈值,且所述校验轨迹的目标侧的车道线的颜色为指定颜色,则确定所述目标公交车行驶在公交专用道上;
其中,当公交专用道的车道属性为右边道时,所述目标侧为左侧;当公交专用道的车道属性为左边道时,所述目标侧为右侧;当公交专用道的车道属性为中间道时,所述目标侧为左侧和右侧,所述指定颜色为公交专用道的车道线的颜色。
4.根据权利要求3所述的方法,其特征在于,所述目标公交车的实时位置到所述校验轨迹的距离不超过预设距离阈值,包括:
当公交专用道的车道属性为右边道时,所述目标公交车的实时位置处于所述校验轨迹的左侧,且所述目标公交车的实时位置到所述校验轨迹的距离不超过第一距离阈值,或,所述目标公交车的实时位置处于所述校验轨迹的右侧,且所述目标公交车的实时位置到所述校验轨迹的距离不超过第二距离阈值;
当公交专用道的车道属性为左边道时,所述公交车的实时位置处于所述校验轨迹的右侧,且所述目标公交车的实时位置到所述校验轨迹的距离不超过第一距离阈值,或,所述目标公交车的实时位置处于所述校验轨迹的左侧,且所述目标公交车的实时位置到所述校验轨迹的距离不超过第二距离阈值;
当公交专用道的车道属性为中间道时,所述公交车的实时位置处于所述校验轨迹的左侧或右侧,且所述目标公交车的实时位置到所述校验轨迹的距离不超过第一距离阈值;
其中,所述第一距离阈值小于所述第二距离阈值。
5.根据权利要求1所述的方法,其特征在于,所述指定特征包括以下之一或多个:
黄色网格线、允许临时借用公交专用道交通标志,以及存在开口的绿化隔离带或护栏。
6.根据权利要求5所述的方法,其特征在于,当所述当前视频图像中的指定特征为黄色网格线和/或允许临时借用公交专用道交通标志时,所述确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件,包括:
确定该非公交车在公交专用道中的行驶时长是否超过第一时间阈值;
当该非公交车在公交专用道中的行驶时长超过所述第一时间阈值时,确定该非公交车在公交专用道中的行驶状态满足公交占道条件;
当该非公交车在公交专用道中的行驶时长未超过所述第一时间阈值时,确定该非公交车在公交专用道中的行驶状态不满足公交占道条件;
或,
确定该非公交车是否持续在公交专用道中行驶,直至视频图像中不再存在所述指定特征;
若是,则确定该非公交车在公交专用道中的行驶状态满足公交占道条件;
否则,定该非公交车在公交专用道中的行驶状态不满足公交占道条件。
7.根据权利要求5所述的方法,其特征在于,所述当前视频图像中的指定特征为存在开口的绿化隔离带或护栏时,所述确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件,包括:
当检测到该非公交车通过所述绿化隔离带或护栏的开口位置驶离,或,检测到该非公交车通过所述绿化隔离带或护栏的开口位置驶入,且在公交专用道中的行驶时长不超过第二时间阈值时,确定该非公交车在公交专用道中的行驶状态不满足公交占道条件;
否则,确定该非公交车在公交专用道中的行驶状态满足公交占道条件。
8.一种公交占道处理装置,其特征在于,包括:
第一确定单元,用于确定公交车是否行驶在公交专用道上;
获取单元,用于当确定目标公交车行驶在公交专用道上时,通过所述目标公交车上部署的图像采集设备获取所述目标公交车前方和/或后方的视频图像;
识别单元,用于依据所述视频图像进行车辆检测和识别;
抓拍单元,用于当识别到非公交车时,对该非公交车进行抓拍;
第二确定单元,用于当识别到非公交车时,确定当前视频图像中是否存在指定特征;所述指定特征表明允许非公交车临时借用公交专用道;
所述第二确定单元,还用于当当前视频图像中存在所述指定特征时,依据所述视频图像对该非公交车进行实时追踪,确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件;
处理单元,用于当确定该非公交车在公交专用道中的行驶状态不满足公交占道条件时,删除针对该非公交车的抓拍数据。
9.根据权利要求8所述的装置,其特征在于,所述处理单元,还用于当确定该非公交车在公交专用道中的行驶状态满足公交占道条件时,将针对该非公交车的公交占道数据上报至后台服务器,所述公交占道数据包括针对该非公交车的抓拍数据以及关联的录像数据;
和/或,
所述目标公交车上部署有定位装置;
所述第一确定单元确定目标公交车行驶在公交专用道上,包括:
依据通过所述定位装置获取到的所述目标公交车的定位信息,采用直线拟合方式,确定所述目标公交车的校验轨迹;
若所述目标公交车的实时位置到所述校验轨迹的距离不超过预设距离阈值,且所述校验轨迹的目标侧的车道线的颜色为指定颜色,则确定所述目标公交车行驶在公交专用道上;
其中,当公交专用道的车道属性为右边道时,所述目标侧为左侧;当公交专用道的车道属性为左边道时,所述目标侧为右侧;当公交专用道的车道属性为中间道时,所述目标侧为左侧和右侧,所述指定颜色为公交专用道的车道线的颜色;
其中,所述目标公交车的实时位置到所述校验轨迹的距离不超过预设距离阈值,包括:
当公交专用道的车道属性为右边道时,所述目标公交车的实时位置处于所述校验轨迹的左侧,且所述目标公交车的实时位置到所述校验轨迹的距离不超过第一距离阈值,或,所述目标公交车的实时位置处于所述校验轨迹的右侧,且所述目标公交车的实时位置到所述校验轨迹的距离不超过第二距离阈值;
当公交专用道的车道属性为左边道时,所述公交车的实时位置处于所述校验轨迹的右侧,且所述目标公交车的实时位置到所述校验轨迹的距离不超过第一距离阈值,或,所述目标公交车的实时位置处于所述校验轨迹的左侧,且所述目标公交车的实时位置到所述校验轨迹的距离不超过第二距离阈值;
当公交专用道的车道属性为中间道时,所述公交车的实时位置处于所述校验轨迹的左侧或右侧,且所述目标公交车的实时位置到所述校验轨迹的距离不超过第一距离阈值;
其中,所述第一距离阈值小于所述第二距离阈值;
和/或,
所述指定特征包括以下之一或多个:
黄色网格线、允许临时借用公交专用道交通标志,以及存在开口的绿化隔离带或护栏;
其中,当所述当前视频图像中的指定特征为黄色网格线和/或允许临时借用公交专用道交通标志时,所述第二确定单元确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件,包括:
确定该非公交车在公交专用道中的行驶时长是否超过第一时间阈值;
当该非公交车在公交专用道中的行驶时长超过所述第一时间阈值时,确定该非公交车在公交专用道中的行驶状态满足公交占道条件;
当该非公交车在公交专用道中的行驶时长未超过所述第一时间阈值时,确定该非公交车在公交专用道中的行驶状态不满足公交占道条件;
或,
确定该非公交车是否持续在公交专用道中行驶,直至视频图像中不再存在所述指定特征;
若是,则确定该非公交车在公交专用道中的行驶状态满足公交占道条件;
否则,定该非公交车在公交专用道中的行驶状态不满足公交占道条件;
其中,所述当前视频图像中的指定特征为存在开口的绿化隔离带或护栏时,所述第二确定单元确定该非公交车在公交专用道中的行驶状态是否满足公交占道条件,包括:
当检测到该非公交车通过所述绿化隔离带或护栏的开口位置驶离,或,检测到该非公交车通过所述绿化隔离带或护栏的开口位置驶入,且在公交专用道中的行驶时长不超过第二时间阈值时,确定该非公交车在公交专用道中的行驶状态不满足公交占道条件;
否则,确定该非公交车在公交专用道中的行驶状态满足公交占道条件。
10.一种电子设备,其特征在于,该电子设备包括:
处理器和机器可读存储介质,所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令;所述处理器用于执行机器可执行指令,以实现权利要求1-7任一项的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111574351.XA CN114038209A (zh) | 2021-12-21 | 2021-12-21 | 公交占道处理方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111574351.XA CN114038209A (zh) | 2021-12-21 | 2021-12-21 | 公交占道处理方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114038209A true CN114038209A (zh) | 2022-02-11 |
Family
ID=80147084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111574351.XA Pending CN114038209A (zh) | 2021-12-21 | 2021-12-21 | 公交占道处理方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114038209A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115019518A (zh) * | 2022-06-17 | 2022-09-06 | 南京乾创电子科技有限公司 | 一种用于公交车道占用的抓拍系统和方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102568212A (zh) * | 2010-12-28 | 2012-07-11 | 沈阳聚德视频技术有限公司 | 非公交车走公交车道的智能检测系统及其控制方法 |
CN103000030A (zh) * | 2012-11-28 | 2013-03-27 | 敖卓森 | 一种公交专用车道占道抓拍方法及其装置 |
CN104424801A (zh) * | 2013-08-29 | 2015-03-18 | 杭州海康威视系统技术有限公司 | 一种公交占道抓拍系统和方法 |
CN105185108A (zh) * | 2015-08-06 | 2015-12-23 | 苏州市世跃智能科技有限公司 | 一种黄网格线违法停车自动抓拍系统 |
CN109544940A (zh) * | 2018-11-09 | 2019-03-29 | 北京恩吉威科技股份有限公司 | 基于三目视觉的公交车专用道占道抓拍系统及其抓拍方法 |
CN109686099A (zh) * | 2018-12-24 | 2019-04-26 | 航天信息股份有限公司 | 一种公交车道违章行车车辆监管方法及系统 |
CN110659539A (zh) * | 2018-06-28 | 2020-01-07 | 杭州海康威视数字技术股份有限公司 | 一种信息处理方法及其装置 |
CN111739295A (zh) * | 2020-06-17 | 2020-10-02 | 杭州海康威视数字技术股份有限公司 | 一种定位方法及装置 |
CN112613344A (zh) * | 2020-12-01 | 2021-04-06 | 浙江大华汽车技术有限公司 | 车辆占道检测方法、装置、计算机设备和可读存储介质 |
CN113076852A (zh) * | 2021-03-30 | 2021-07-06 | 华录智达科技股份有限公司 | 一种基于5g通信的占用公交车道车载抓拍处理系统 |
-
2021
- 2021-12-21 CN CN202111574351.XA patent/CN114038209A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102568212A (zh) * | 2010-12-28 | 2012-07-11 | 沈阳聚德视频技术有限公司 | 非公交车走公交车道的智能检测系统及其控制方法 |
CN103000030A (zh) * | 2012-11-28 | 2013-03-27 | 敖卓森 | 一种公交专用车道占道抓拍方法及其装置 |
CN104424801A (zh) * | 2013-08-29 | 2015-03-18 | 杭州海康威视系统技术有限公司 | 一种公交占道抓拍系统和方法 |
CN105185108A (zh) * | 2015-08-06 | 2015-12-23 | 苏州市世跃智能科技有限公司 | 一种黄网格线违法停车自动抓拍系统 |
CN110659539A (zh) * | 2018-06-28 | 2020-01-07 | 杭州海康威视数字技术股份有限公司 | 一种信息处理方法及其装置 |
CN109544940A (zh) * | 2018-11-09 | 2019-03-29 | 北京恩吉威科技股份有限公司 | 基于三目视觉的公交车专用道占道抓拍系统及其抓拍方法 |
CN109686099A (zh) * | 2018-12-24 | 2019-04-26 | 航天信息股份有限公司 | 一种公交车道违章行车车辆监管方法及系统 |
CN111739295A (zh) * | 2020-06-17 | 2020-10-02 | 杭州海康威视数字技术股份有限公司 | 一种定位方法及装置 |
CN112613344A (zh) * | 2020-12-01 | 2021-04-06 | 浙江大华汽车技术有限公司 | 车辆占道检测方法、装置、计算机设备和可读存储介质 |
CN113076852A (zh) * | 2021-03-30 | 2021-07-06 | 华录智达科技股份有限公司 | 一种基于5g通信的占用公交车道车载抓拍处理系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115019518A (zh) * | 2022-06-17 | 2022-09-06 | 南京乾创电子科技有限公司 | 一种用于公交车道占用的抓拍系统和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019105342A1 (zh) | 车辆套牌检测方法、装置、可读存储介质及电子设备 | |
CN110136447A (zh) | 行车变道检测及违法变道识别的方法 | |
KR101696881B1 (ko) | 교통 정보 분석 방법 및 장치 | |
CN105702048B (zh) | 基于行车记录仪的高速公路前车违法占道识别系统及方法 | |
CN108806272B (zh) | 一种提醒多辆机动车车主违法停车行为的方法及装置 | |
CN110400478A (zh) | 一种路况通知方法及装置 | |
US20180240336A1 (en) | Multi-stream based traffic enforcement for complex scenarios | |
WO2021036290A1 (zh) | 识别车辆的营运行为的方法、装置及计算设备 | |
CN108932849B (zh) | 一种记录多台机动车低速行驶违法行为的方法及装置 | |
EP3751480A1 (en) | System and method for detecting on-street parking violations | |
CN105046966A (zh) | 即停即离区域的违章停车行为自动检测系统和方法 | |
CN112509325B (zh) | 一种基于视频深度学习的非现场违法自动甄别方法 | |
CN113011331B (zh) | 机动车是否礼让行人的检测方法、装置、电子设备及介质 | |
CN103164958B (zh) | 车辆监控方法及系统 | |
CN106548629A (zh) | 基于数据融合的交通违法行为检测方法和系统 | |
CN104021677A (zh) | 一种车辆翻牌检测方法和装置 | |
CN109523787A (zh) | 一种基于车辆通行轨迹的疲劳驾驶分析方法 | |
CN114333344A (zh) | 机动车违章抓拍方法、装置及电子设备 | |
CN204856897U (zh) | 一种机动车即停即离区域的违章检测装置 | |
CN112289037A (zh) | 基于复杂环境下高视角的机动车辆违规停车检测方法及系统 | |
CN108665712A (zh) | 一种车辆越线违章行为监测方法及系统 | |
CN114038209A (zh) | 公交占道处理方法、装置及设备 | |
CN109003457B (zh) | 一种记录多台机动车违法占用应急车道行为的方法及装置 | |
WO2017022268A1 (ja) | 車両特定装置およびこれを備えた車両特定システム | |
CN113469105A (zh) | 监控周边车辆的方法及装置、计算机可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220211 |