CN114445786A - 道路拥堵检测方法、装置、电子设备及存储介质 - Google Patents
道路拥堵检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114445786A CN114445786A CN202111656928.1A CN202111656928A CN114445786A CN 114445786 A CN114445786 A CN 114445786A CN 202111656928 A CN202111656928 A CN 202111656928A CN 114445786 A CN114445786 A CN 114445786A
- Authority
- CN
- China
- Prior art keywords
- road
- frames
- frame
- roi
- roi fusion
- 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
- 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
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供了一种道路拥堵检测方法、装置、电子设备及存储介质,方法包括:通过对道路监控视频流进行车辆检测,得到多个车辆检测框;根据多个车辆检测框统计车辆检测框数量;对道路监控视频流进行道路分割,得到多个道路分割区域;判断车辆检测框数量是否小于第一预设车辆数量;若是,则判定道路处于非拥堵状态;若否,则根据多个车辆检测框和多个道路分割区域分析所述道路的拥堵情况,如此,通过将道路分割区域与车辆检测得到的多个车辆检测框进行融合,能够降低道路拥堵误检率,提高道路拥堵判断准确性。
Description
技术领域
本申请涉及道路拥堵检测技术领域,具体涉及一种道路拥堵检测方法、装置、电子设备及存储介质。
背景技术
随着城市车辆的不断增加,道路交通日益不堪重负,面对交通运行高峰期,不得不通过交警在各个路口指挥来缓解日益拥堵的交通问题,这样耗时耗力、效率低。目前多数方法是通过监控摄像机,获取视频流数据进行多目标检测和多目标跟踪算法,统计车流量来判断拥堵状态,现有的检测方法会存在将检测的目标全部认为是需要统计的,导致错误率会很高,很难满足场景需求;通过目标检测加统计来判断拥堵情况,针对检测的目标会进行合并处理,但是无法完全确定这些检测目标是符合场景内,输出结果会存在很大误检;现有算法还存在成本高、算法效率低,在有遮挡的情况下存在跟丢情况,会导致存在很大误检,准确性不高,实际应用较为困难。
发明内容
本申请实施例提供了一种道路拥堵检测方法、装置、电子设备及存储介质,能够降低道路拥堵误检率,提高道路拥堵判断准确性。
本申请实施例第一方面提供了一种道路拥堵检测方法,所述方法包括:
对道路监控视频流进行车辆检测,得到多个车辆检测框;根据所述多个车辆检测框统计车辆检测框数量;
对所述道路监控视频流进行道路分割,得到多个道路分割区域;
判断所述车辆检测框数量是否小于第一预设车辆数量;
若是,则判定所述道路处于非拥堵状态;
若否,则根据所述多个车辆检测框和所述多个道路分割区域分析所述道路的拥堵情况。
本申请实施例第二方面提供了一种道路拥堵检测装置,所述装置包括:
检测单元,用于对道路监控视频流进行车辆检测,得到多个车辆检测框;根据所述多个车辆检测框统计车辆检测框数量;
分割单元,用于对所述道路监控视频流进行道路分割,得到多个道路分割区域;
判断单元,用于判断所述车辆检测框数量是否小于第一预设车辆数量;若是,则判定所述道路处于非拥堵状态;
分析单元,用于若所述车辆检测框数量不小于第一预设车辆数量,则根据所述多个车辆检测框和所述多个道路分割区域分析所述道路的拥堵情况。
本申请第三方面提供了一种电子设备,包括:处理器和存储器;以及一个或多个程序,所述一个或多个程序被存储在所述存储器中,并且被配置成由所述处理器执行,所述程序包括用于如第一方面中所描述的部分或全部步骤的指令。
第四方面,本申请实施例提供了一种计算机可读存储介质,其中,所述计算机可读存储介质用于存储计算机程序,其中,所述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤的指令。
第五方面,本申请实施例提供了一种计算机程序产品,其中,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
实施本申请实施例,具有如下有益效果:
可以看出,通过本申请实施例所描述的道路拥堵检测方法、装置、电子设备及存储介质,通过对道路监控视频流进行车辆检测,得到多个车辆检测框;根据多个车辆检测框统计车辆检测框数量;对道路监控视频流进行道路分割,得到多个道路分割区域;判断车辆检测框数量是否小于第一预设车辆数量;若是,则判定道路处于非拥堵状态;若否,则根据多个车辆检测框和多个道路分割区域分析所述道路的拥堵情况,如此,通过将道路分割区域与车辆检测得到的多个车辆检测框进行融合,能够降低道路拥堵误检率,提高道路拥堵判断准确性。
附图说明
为了更清楚地说明本申请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单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种道路拥堵检测方法的实施例流程示意图;
图2是本申请实施例提供的一种确定第一ROI融合检测框与第二ROI融合检测框之间的距离的示意图;
图3是本申请实施例提供的另一种确定第一ROI融合检测框与第二ROI融合检测框之间的距离的示意图;
图4是本申请实施例提供的另一种道路拥堵检测方法的实施例流程示意图;
图5是本申请实施例提供的另一种道路拥堵检测方法的实施例流程示意图;
图6是本申请实施例提供的一种电子设备的实施例结构示意图;
图7是本申请实施例提供的一种道路拥堵检测装置的实施例结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域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,都属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置显示该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
请参阅图1,为本申请实施例提供的一种道路拥堵检测方法的实施例的流程示意图。本实施例中所描述的道路拥堵检测方法,包括以下步骤:
101、对道路监控视频流进行车辆检测,得到多个车辆检测框;根据所述多个车辆检测框统计车辆检测框数量。
其中,可获取监控摄像头采集到的道路监控视频,将道路监控视频流中的各个视频图像输入预设的目标检测模型,输出车辆检测框,通过目标检测模型对视频图像进行车辆检测,得到多个车辆检测框,还可对多个车辆检测框进行统计,得到车辆检测框数量。
102、对所述道路监控视频流进行道路分割,得到多个道路分割区域。
本申请实施例中,可对所述道路监控视频流进行道路分割,可以针对各个道路分割区域进行分区处理,具体地,可以将道路监控视频流中的各个视频图像输入预设的分割模型,输出道路分割区域,通过目标检测模型对视频图像进出道路分割,可以得到多个道路分割区域。
103、判断所述车辆检测框数量是否小于第一预设车辆数量。
其中,第一预设车辆数量为预设的检测场景下的车辆数量阈值,具体地,在获得车辆检测框数量之后,可以将车辆检测框数量与第一预设车辆数量进行比较,若车辆检测框数量小于第一预设车辆数量,表明监控的道路区域的车辆数量不多;若车辆检测框数量不小于第一预设车辆数量,则表明监控的道路区域的车辆数量较多,可能存在拥堵,进而可以进一步分析和判断车辆拥堵情况。通过设置第一预设车辆数量,可针对检测到的车辆检测框数量进行过滤筛查,可提高检测效率。
104、若是,则判定所述道路处于非拥堵状态。
其中,若车辆检测框数量小于第一预设车辆数量,表明监控的道路区域的车辆数量不多,可判定所述道路处于非拥堵状态。
105、若否,则根据所述多个车辆检测框和所述多个道路分割区域分析所述道路的拥堵情况。
其中,若车辆检测框数量不小于第一预设车辆数量,则表明监控的道路区域的车辆数量较多,可能存在拥堵,则可根据所述多个车辆检测框和所述多个道路分割区域分析所述道路的拥堵情况,例如,可以获取满足第一预设车辆数量要求的检测车辆集合框detect_car_sets,检测车辆集合框包括多个车辆检测框,可根据各个车辆检测框的车辆数量和多个道路分割区域road_regions的定位信息分析道路中不同区域的拥堵情况。
可选地,上述步骤105中,所述根据所述多个车辆检测框和所述多个道路分割区域分析所述道路的拥堵情况,包括:
51、将所述多个车辆检测框和所述多个道路分割区域进行融合,得到多个感兴趣区域(region of interest,ROI)融合检测框;
52、将所述多个ROI融合检测框进行检测框合并,得到聚集区域集合框,所述聚集区域集合框包括多个区域框;
53、根据所述多个区域框和第二预设车辆数量判断各个所述区域框对应的区域是否处于拥堵状态。
其中,可以将包括多个车辆检测框的检测车辆集合框detect_car_sets与多个道路分割区域road_regions进行融合,得到包括多个ROI融合检测框的ROI融合区域检测框集合roi_car_sets,具体地,可根据各个车辆检测框对应的位置信息与各个道路分割区域的定位信息(例如,经纬度),将车辆检测框对应的位置信息与道路分割区域的定位信息一致的车辆检测框的图像数据与道路分割区域的图像数据进行融合,并对图像数据进行处理,分析出图像中以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域,作为感兴趣区域ROI,从而可以将感兴趣区域通过相应形状的框进行标注,得到ROI融合检测框。通过将道路分割的多个道路分割区域与包括多个车辆检测框的检测车辆集合框进行融合处理,可提高检测区域的准确性,从而提升道路拥堵状态的判断效果。
然后,将多个ROI融合检测框进行检测框合并,得到聚集区域集合框merged_car_sets,所述聚集区域集合框包括多个区域框merged_cars,即区域框merged_cars属于聚集区域集合框merged_car_sets中某一个区域框。针对区域融合的多个ROI融合检测框,进行检测框合并,可确保拥堵状态的准确性。
最后,可以根据多个区域框merged_cars和第二预设车辆数量判断各个区域框对应的区域是否处于拥堵状态,其中,第二预设车辆数量为预设的车辆数量阈值,具体地,如果区域框merged_cars的区域车辆数量大于第二预设车辆数量,则表明区域框merged_cars对应的区域存在拥堵情况,否则,表明该区域框merged_cars对应的区域不存在拥堵情况。
可选地,上述步骤53中,所述根据所述多个区域框和第二预设车辆数量判断各个所述区域框对应的区域是否处于拥堵状态,包括:
A1、获取各个所述区域框的区域车辆数量;
A2、若所述区域车辆数量大于所述第二预设车辆数量,则确定所述区域框对应的区域处于拥堵状态。
具体实施中,在合并得到包括多个区域框merged_cars的聚集区域集合框merged_car_sets之后,可以统计各个区域框merged_cars的区域车辆数量,然后将区域车辆数量与第二预设车辆数量进行标记,区域框merged_cars的区域车辆数量大于第二预设车辆数量,则可确定该区域框对应的区域处于拥堵状态。通过对合并后的区域框依据第二预设车辆数量进行二次过滤,可确保拥堵状态的准确性。
可选地,上述步骤52中,所述将所述多个ROI融合检测框进行检测框合并,得到聚集区域集合框,包括:
获取各所述ROI融合检测框的ROI区域车辆数量;
若所述ROI区域车辆数量大于所述第二预设车辆数量,则将所述ROI融合检测框与其他满足所述第二预设车辆数量要求的ROI融合检测框进行合并。
具体实施中,在将多个ROI融合检测框进行检测框合并的过程中,可以获取各ROI融合检测框roi_car_sets的ROI区域车辆数量,若ROI区域车辆数量大于第二预设车辆数量,则将ROI融合检测框与其他满足第二预设车辆数量要求的ROI融合检测框进行合并,也就是说,若ROI融合检测框的ROI区域车辆数量不大于第二预设车辆数量,则该ROI融合检测框不进行合并。
可选地,所述将所述ROI融合检测框与其他满足所述第二预设车辆数量要求的ROI融合检测框进行合并,包括:
确定满足所述第二预设车辆数量要求的各个ROI融合检测框之间的距离,得到多个距离;
根据所述多个距离将所述各个ROI融合检测框进行合并。
其中,可以对ROI融合区域检测框集合roi_car_sets计算各ROI融合检测框之间的距离,根据距离来将不同的ROI融合检测框进行合并,具体地,可以设定预设的距离阈值,将各ROI融合检测框之间的距离与预设距离阈值进行比较,若任意两个ROI融合检测框之间的距离小于预设距离阈值,则将两个ROI融合检测框进行合并,从而,可以将邻接、存在重合的不同ROI融合检测框进行合并,得到包括多个区域框的聚集区域集合框。
可选地,所述确定满足所述第二预设车辆数量要求的各个ROI融合检测框之间的距离,包括:
若第一ROI融合检测框与第二ROI融合检测框之间不存在重合,针对第一ROI融合检测框和第二ROI融合检测框,确定所述第一ROI融合检测框和所述第二ROI融合检测框的各个顶点在预设坐标系中的顶点坐标,并根据所述各个顶点在预设坐标系中的顶点坐标确定所述第一ROI融合检测框与第二ROI融合检测框之间的距离;其中,第一ROI融合检测框和第二ROI融合检测框为任意两个满足所述第二预设车辆数量要求的ROI融合检测框;
若第一ROI融合检测框与第二ROI融合检测框之间存在重合,则确定所述第一ROI融合检测框与第二ROI融合检测框之间的距离为0。
其中,可以构建坐标系,针对第一ROI融合检测框和第二ROI融合检测框,可确定第一ROI融合检测框的各个顶点的顶点坐标;确定第二ROI融合检测框的各个顶点的顶点坐标,具体地,针对第一ROI融合检测框和第二ROI融合检测框,确定所述第一ROI融合检测框的第一顶点坐标和第二顶点坐标,所述第一顶点和第二顶点位于对角线上;确定所述第二ROI融合检测框的第三顶点坐标和第四顶点坐标,第三顶点和第四顶点位于对角线上;然后可根据第一顶点坐标、第二顶点坐标、第三顶点坐标和第四顶点坐标确定第一ROI融合检测框与第二ROI融合检测框之间的距离。
可选地,所述根据所述各个顶点在预设坐标系中的顶点坐标确定所述第一ROI融合检测框与第二ROI融合检测框之间的距离,包括:
确定所述第一ROI融合检测框的第一顶点坐标和第二顶点坐标与所述第二ROI融合检测框的第三顶点坐标和第四顶点坐标之间的x轴坐标差值和y轴坐标差值,得到多个x轴坐标差值以及y轴坐标差值;其中,第一顶点和第二顶点属于对角线上两个顶点,第三顶点和第四顶点属于对角线上两个顶点;
确定所述多个x轴坐标差值以及y轴坐标差值中的最小非负坐标差值,根据所述最小非负坐标差值确定所述第一ROI融合检测框与第二ROI融合检测框之间的距离。
具体地,可确定第一顶点坐标(x1,y1)、第二顶点坐标(x2,y2)与第三顶点坐标(x3,y3)和第四顶点坐标(x4,y4)之间的x轴坐标差值和y轴坐标差值,得到多个x轴坐标差值以及y轴坐标差值;如图2所示,为一种确定所述第一ROI融合检测框与第二ROI融合检测框之间的距离的演示示意图,其中,第一顶点和第四顶点分别与目标外框的顶点之间的距离大于其他融合检测框的顶点与目标外框的顶点之间的距离,目标外框是指可以将各个ROI融合检测框包括在内的边界外框,具体实施中,如图2所示,可确定多个x轴坐标差值以及y轴坐标差值中的最小非负坐标差值y3-y2,将最小非负坐标差值作为第一ROI融合检测框与第二ROI融合检测框之间的距离d=y3-y2。
如图3所示,若第一ROI融合检测框与第二ROI融合检测框之间存在重合,则可确定第一ROI融合检测框与第二ROI融合检测框之间的距离d为0。
可以看出,通过本申请实施例所提供的道路拥堵检测方法,通过对道路监控视频流进行车辆检测,得到多个车辆检测框;根据多个车辆检测框统计车辆检测框数量;对道路监控视频流进行道路分割,得到多个道路分割区域;判断车辆检测框数量是否小于第一预设车辆数量;若是,则判定道路处于非拥堵状态;若否,则根据多个车辆检测框和多个道路分割区域分析所述道路的拥堵情况,如此,通过将道路分割区域与车辆检测得到的多个车辆检测框进行融合,能够降低道路拥堵误检率,提高道路拥堵判断准确性。
与上述一致地,请参阅图4,为本申请实施例提供的一种道路拥堵检测方法的实施例流程示意图。本实施例中所描述的道路拥堵检测方法,包括以下步骤:
201、对道路监控视频流进行车辆检测,得到多个车辆检测框;根据所述多个车辆检测框统计车辆检测框数量。
202、对所述道路监控视频流进行道路分割,得到多个道路分割区域。
203、判断所述车辆检测框数量是否小于第一预设车辆数量。
204、若是,则判定所述道路处于非拥堵状态。
205、若否,则将所述多个车辆检测框和所述多个道路分割区域进行融合,得到多个感兴趣区域ROI融合检测框。
206、将所述多个ROI融合检测框进行检测框合并,得到聚集区域集合框,所述聚集区域集合框包括多个区域框。
207、获取各个所述区域框的区域车辆数量。
208、若所述区域车辆数量大于所述第二预设车辆数量,则确定所述区域框对应的区域处于拥堵状态。
其中,上述步骤201-步骤208的具体描述可参照图1所描述的道路拥堵检测方法的步骤101-步骤105的对应步骤,在此不再赘述。
可以看出,通过本申请实施例所提供的道路拥堵检测方法,通过对道路监控视频流进行车辆检测,得到多个车辆检测框;根据多个车辆检测框统计车辆检测框数量;对道路监控视频流进行道路分割,得到多个道路分割区域;判断车辆检测框数量是否小于第一预设车辆数量;若是,则判定道路处于非拥堵状态;若否,则将多个车辆检测框和所述多个道路分割区域进行融合,得到多个感兴趣区域ROI融合检测框,通过将道路分割的多个道路分割区域与包括多个车辆检测框的检测车辆集合框进行融合处理,可提高检测区域的准确性,从而提升道路拥堵状态的判断效果;将所述多个ROI融合检测框进行检测框合并,得到聚集区域集合框,通过针对区域融合的多个ROI融合检测框,进行检测框合并,可确保拥堵状态的准确性;获取各个区域框的区域车辆数量;若区域车辆数量大于第二预设车辆数量,则确定区域框对应的区域处于拥堵状态,如此,通过将道路分割区域与车辆检测得到的多个车辆检测框进行融合,能够降低道路拥堵误检率,提高道路拥堵判断准确性。
与上述一致地,请参阅图5,为本申请实施例提供的一种道路拥堵检测方法的实施例流程示意图。本实施例中所描述的道路拥堵检测方法,包括以下步骤:
301、对道路监控视频流进行车辆检测,得到多个车辆检测框;根据所述多个车辆检测框统计车辆检测框数量。
302、对所述道路监控视频流进行道路分割,得到多个道路分割区域。
303、判断所述车辆检测框数量是否小于第一预设车辆数量。
304、若是,则判定所述道路处于非拥堵状态。
305、若否,则将所述多个车辆检测框和所述多个道路分割区域进行融合,得到多个感兴趣区域ROI融合检测框。
306、获取各所述ROI融合检测框的ROI区域车辆数量。
307、若所述ROI区域车辆数量大于所述第二预设车辆数量,则将所述ROI融合检测框与其他满足所述第二预设车辆数量要求的ROI融合检测框进行合并,得到聚集区域集合框。
其中,所述聚集区域集合框包括多个区域框。
308、获取各个所述区域框的区域车辆数量。
309、若所述区域车辆数量大于所述第二预设车辆数量,则确定所述区域框对应的区域处于拥堵状态。
其中,上述步骤301-步骤309的具体描述可参照图1所描述的道路拥堵检测方法的步骤101-步骤105的对应步骤,在此不再赘述。
可以看出,通过本申请实施例所提供的道路拥堵检测方法,通过对道路监控视频流进行车辆检测,得到多个车辆检测框;根据多个车辆检测框统计车辆检测框数量;对道路监控视频流进行道路分割,得到多个道路分割区域;判断车辆检测框数量是否小于第一预设车辆数量;若是,则判定道路处于非拥堵状态;若否,则将多个车辆检测框和所述多个道路分割区域进行融合,得到多个感兴趣区域ROI融合检测框,通过将道路分割的多个道路分割区域与包括多个车辆检测框的检测车辆集合框进行融合处理,可提高检测区域的准确性,从而提升道路拥堵状态的判断效果;将所述多个ROI融合检测框进行检测框合并,得到聚集区域集合框,通过针对区域融合的多个ROI融合检测框,进行检测框合并,可确保拥堵状态的准确性;获取各个区域框的区域车辆数量;若区域车辆数量大于第二预设车辆数量,则确定区域框对应的区域处于拥堵状态,如此,通过将道路分割区域与车辆检测得到的多个车辆检测框进行融合,能够降低道路拥堵误检率,提高道路拥堵判断准确性。
与上述一致地,以下为实施上述道路拥堵检测方法的装置,具体如下:
请参阅图6,为本申请实施例提供的一种电子设备的实施例结构示意图。本实施例中所描述的电子设备400,包括:至少一个输入设备1000;至少一个输出设备2000;至少一个处理器3000,例如CPU;和存储器4000,上述输入设备1000、输出设备2000、处理器3000和存储器4000通过总线5000连接。
其中,上述输入设备1000具体可为触控面板、物理按键或者鼠标。
上述输出设备2000具体可为显示屏。
上述存储器4000可以是高速RAM存储器,也可为非易失存储器(non-volatilememory),例如磁盘存储器。上述存储器4000用于存储一组程序代码,上述输入设备1000、输出设备2000和处理器3000用于调用存储器4000中存储的程序代码,执行如下操作:
上述处理器3000,用于:
对道路监控视频流进行车辆检测,得到多个车辆检测框;根据所述多个车辆检测框统计车辆检测框数量;
对所述道路监控视频流进行道路分割,得到多个道路分割区域;
判断所述车辆检测框数量是否小于第一预设车辆数量;
若是,则判定所述道路处于非拥堵状态;
若否,则根据所述多个车辆检测框和所述多个道路分割区域分析所述道路的拥堵情况。
在一个可能的示例中,在所述根据所述多个车辆检测框和所述多个道路分割区域分析所述道路的拥堵情况方面,上述处理器3000具体用于:
将所述多个车辆检测框和所述多个道路分割区域进行融合,得到多个感兴趣区域ROI融合检测框;
将所述多个ROI融合检测框进行检测框合并,得到聚集区域集合框,所述聚集区域集合框包括多个区域框;
根据所述多个区域框和第二预设车辆数量判断各个所述区域框对应的区域是否处于拥堵状态。
在一个可能的示例中,在所述根据所述多个区域框和第二预设车辆数量判断各个所述区域框对应的区域是否处于拥堵状态方面,上述处理器3000具体用于:
获取各个所述区域框的区域车辆数量;
若所述区域车辆数量大于所述第二预设车辆数量,则确定所述区域框对应的区域处于拥堵状态。
在一个可能的示例中,在所述将所述多个ROI融合检测框进行检测框合并,得到聚集区域集合框方面,上述处理器3000具体用于:
获取各所述ROI融合检测框的ROI区域车辆数量;
若所述ROI区域车辆数量大于所述第二预设车辆数量,则将所述ROI融合检测框与其他满足所述第二预设车辆数量要求的ROI融合检测框进行合并,得到聚集区域集合框。
在一个可能的示例中,在所述将所述ROI融合检测框与其他满足所述第二预设车辆数量要求的ROI融合检测框进行合并方面,上述处理器3000具体用于:
确定满足所述第二预设车辆数量要求的各个ROI融合检测框之间的距离,得到多个距离;
根据所述多个距离将所述各个ROI融合检测框进行合并。
在一个可能的示例中,在所述确定满足所述第二预设车辆数量要求的各个ROI融合检测框之间的距离方面,上述处理器3000还具体用于:
若第一ROI融合检测框与第二ROI融合检测框之间不存在重合,针对第一ROI融合检测框和第二ROI融合检测框,确定所述第一ROI融合检测框和所述第二ROI融合检测框的各个顶点在预设坐标系中的顶点坐标,并根据所述各个顶点在预设坐标系中的顶点坐标确定所述第一ROI融合检测框与第二ROI融合检测框之间的距离;其中,第一ROI融合检测框和第二ROI融合检测框为任意两个满足所述第二预设车辆数量要求的ROI融合检测框;
若第一ROI融合检测框与第二ROI融合检测框之间存在重合,则确定所述第一ROI融合检测框与第二ROI融合检测框之间的距离为0。
在一个可能的示例中,在所述根据所述各个顶点在预设坐标系中的顶点坐标确定所述第一ROI融合检测框与第二ROI融合检测框之间的距离方面,上述处理器3000还用于:
确定所述第一ROI融合检测框的第一顶点坐标和第二顶点坐标与所述第二ROI融合检测框的第三顶点坐标和第四顶点坐标之间的x轴坐标差值和y轴坐标差值,得到多个x轴坐标差值以及y轴坐标差值;其中,第一顶点和第二顶点属于对角线上两个顶点,第三顶点和第四顶点属于对角线上两个顶点;
确定所述多个x轴坐标差值以及y轴坐标差值中的最小非负坐标差值,将所述最小非负坐标差值作为所述第一ROI融合检测框与第二ROI融合检测框之间的距离。
可以看出,通过本申请实施例所描述的电子设备,通过对道路监控视频流进行车辆检测,得到多个车辆检测框;根据多个车辆检测框统计车辆检测框数量;对道路监控视频流进行道路分割,得到多个道路分割区域;判断车辆检测框数量是否小于第一预设车辆数量;若是,则判定道路处于非拥堵状态;若否,则根据多个车辆检测框和多个道路分割区域分析所述道路的拥堵情况,如此,通过将道路分割区域与车辆检测得到的多个车辆检测框进行融合,能够降低道路拥堵误检率,提高道路拥堵判断准确性。
请参阅图7,为本申请实施例提供的一种道路拥堵检测装置的实施例结构示意图。本实施例中所描述的道路拥堵检测装置500,包括:检测单元501、分割单元502、判断单元503和分析单元504,具体如下:
检测单元501,用于对道路监控视频流进行车辆检测,得到多个车辆检测框;根据所述多个车辆检测框统计车辆检测框数量;
分割单元502,用于对所述道路监控视频流进行道路分割,得到多个道路分割区域;
判断单元503,用于判断所述车辆检测框数量是否小于第一预设车辆数量;若是,则判定所述道路处于非拥堵状态;
分析单元504,用于若所述车辆检测框数量不小于第一预设车辆数量,则根据所述多个车辆检测框和所述多个道路分割区域分析所述道路的拥堵情况。
可选地,在所述根据所述多个车辆检测框和所述多个道路分割区域分析所述道路的拥堵情况方面,上述分析单元504具体用于:
将所述多个车辆检测框和所述多个道路分割区域进行融合,得到多个感兴趣区域ROI融合检测框;
将所述多个ROI融合检测框进行检测框合并,得到聚集区域集合框,所述聚集区域集合框包括多个区域框;
根据所述多个区域框和第二预设车辆数量判断各个所述区域框对应的区域是否处于拥堵状态。
可选地,在所述根据所述多个区域框和第二预设车辆数量判断各个所述区域框对应的区域是否处于拥堵状态方面,上述分析单元504具体用于:
获取各个所述区域框的区域车辆数量;
若所述区域车辆数量大于所述第二预设车辆数量,则确定所述区域框对应的区域处于拥堵状态。
可选地,在所述将所述多个ROI融合检测框进行检测框合并,得到聚集区域集合框方面,上述分析单元504具体用于:
获取各所述ROI融合检测框的ROI区域车辆数量;
若所述ROI区域车辆数量大于所述第二预设车辆数量,则将所述ROI融合检测框与其他满足所述第二预设车辆数量要求的ROI融合检测框进行合并,得到聚集区域集合框。
可选地,在所述将所述ROI融合检测框与其他满足所述第二预设车辆数量要求的ROI融合检测框进行合并方面,上述分析单元504具体用于:
确定满足所述第二预设车辆数量要求的各个ROI融合检测框之间的距离,得到多个距离;
根据所述多个距离将所述各个ROI融合检测框进行合并。
可选地,在所述确定满足所述第二预设车辆数量要求的各个ROI融合检测框之间的距离方面,上述分析单元504具体用于:
针对第一ROI融合检测框和第二ROI融合检测框,确定所述第一ROI融合检测框和所述第二ROI融合检测框的各个顶点在预设坐标系中的顶点坐标;其中,第一ROI融合检测框和第二ROI融合检测框为任意两个满足所述第二预设车辆数量要求的ROI融合检测框;
根据所述各个顶点在预设坐标系中的顶点坐标确定所述第一ROI融合检测框与第二ROI融合检测框之间的距离。
可选地,在所述根据所述各个顶点在预设坐标系中的顶点坐标确定所述第一ROI融合检测框与第二ROI融合检测框之间的距离方面,上述分析单元504具体用于:
若第一ROI融合检测框与第二ROI融合检测框之间不存在重合,针对第一ROI融合检测框和第二ROI融合检测框,确定所述第一ROI融合检测框和所述第二ROI融合检测框的各个顶点在预设坐标系中的顶点坐标,并根据所述各个顶点在预设坐标系中的顶点坐标确定所述第一ROI融合检测框与第二ROI融合检测框之间的距离;其中,第一ROI融合检测框和第二ROI融合检测框为任意两个满足所述第二预设车辆数量要求的ROI融合检测框;
若第一ROI融合检测框与第二ROI融合检测框之间存在重合,则确定所述第一ROI融合检测框与第二ROI融合检测框之间的距离为0。
可以看出,通过本申请实施例所描述的道路拥堵检测装置,通过对道路监控视频流进行车辆检测,得到多个车辆检测框;根据多个车辆检测框统计车辆检测框数量;对道路监控视频流进行道路分割,得到多个道路分割区域;判断车辆检测框数量是否小于第一预设车辆数量;若是,则判定道路处于非拥堵状态;若否,则根据多个车辆检测框和多个道路分割区域分析所述道路的拥堵情况,如此,通过将道路分割区域与车辆检测得到的多个车辆检测框进行融合,能够降低道路拥堵误检率,提高道路拥堵判断准确性。
可以理解的是,本实施例的道路拥堵检测装置的各程序模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时包括上述方法实施例中记载的任何一种道路拥堵检测方法的部分或全部步骤。
本申请实施例提供一种计算机程序产品,其中,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如本申请实施例中记载的任何一种道路拥堵检测方法所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
尽管在此结合各实施例对本申请进行了描述,然而,在实施所要求保护的本申请过程中,本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书,可理解并实现所述公开实施例的其他变化。在权利要求中,“包括”(comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
本领域技术人员应明白,本申请的实施例可提供为方法、装置(设备)、或计算机程序产品。因此,本申请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,本申请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(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。计算机程序存储/分布在合适的介质中,与其它硬件一起提供或作为硬件的一部分,也可以采用其他分布形式,如通过Internet或其它有线或无线电信系统。
本申请是参照本申请实施例的方法、装置(设备)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监控区域走回头路的判断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统计进出人次的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人车轨迹分析设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器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人车轨迹分析设备上,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。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种道路拥堵检测方法,其特征在于,所述方法包括:
对道路监控视频流进行车辆检测,得到多个车辆检测框;根据所述多个车辆检测框统计车辆检测框数量;
对所述道路监控视频流进行道路分割,得到多个道路分割区域;
判断所述车辆检测框数量是否小于第一预设车辆数量;
若是,则判定所述道路处于非拥堵状态;
若否,则根据所述多个车辆检测框和所述多个道路分割区域分析所述道路的拥堵情况。
2.根据权利要求1所述的方法,其特征在于,所述根据所述多个车辆检测框和所述多个道路分割区域分析所述道路的拥堵情况,包括:
将所述多个车辆检测框和所述多个道路分割区域进行融合,得到多个感兴趣区域ROI融合检测框;
将所述多个ROI融合检测框进行检测框合并,得到聚集区域集合框,所述聚集区域集合框包括多个区域框;
根据所述多个区域框和第二预设车辆数量判断各个所述区域框对应的区域是否处于拥堵状态。
3.根据权利要求2所述的方法,其特征在于,所述根据所述多个区域框和第二预设车辆数量判断各个所述区域框对应的区域是否处于拥堵状态,包括:
获取各个所述区域框的区域车辆数量;
若所述区域车辆数量大于所述第二预设车辆数量,则确定所述区域框对应的区域处于拥堵状态。
4.根据权利要求2或3所述的方法,其特征在于,所述将所述多个ROI融合检测框进行检测框合并,得到聚集区域集合框,包括:
获取各所述ROI融合检测框的ROI区域车辆数量;
若所述ROI区域车辆数量大于所述第二预设车辆数量,则将所述ROI融合检测框与其他满足所述第二预设车辆数量要求的ROI融合检测框进行合并,得到聚集区域集合框。
5.根据权利要求4所述的方法,其特征在于,所述将所述ROI融合检测框与其他满足所述第二预设车辆数量要求的ROI融合检测框进行合并,包括:
确定满足所述第二预设车辆数量要求的各个ROI融合检测框之间的距离,得到多个距离;
根据所述多个距离将所述各个ROI融合检测框进行合并。
6.根据权利要求5所述的方法,其特征在于,所述确定满足所述第二预设车辆数量要求的各个ROI融合检测框之间的距离,包括:
若第一ROI融合检测框与第二ROI融合检测框之间不存在重合,针对第一ROI融合检测框和第二ROI融合检测框,确定所述第一ROI融合检测框和所述第二ROI融合检测框的各个顶点在预设坐标系中的顶点坐标,并根据所述各个顶点在预设坐标系中的顶点坐标确定所述第一ROI融合检测框与第二ROI融合检测框之间的距离;其中,第一ROI融合检测框和第二ROI融合检测框为任意两个满足所述第二预设车辆数量要求的ROI融合检测框;
若第一ROI融合检测框与第二ROI融合检测框之间存在重合,则确定所述第一ROI融合检测框与第二ROI融合检测框之间的距离为0。
7.根据权利要求6所述的方法,其特征在于,所述根据所述各个顶点在预设坐标系中的顶点坐标确定所述第一ROI融合检测框与第二ROI融合检测框之间的距离,包括:
确定所述第一ROI融合检测框的第一顶点坐标和第二顶点坐标与所述第二ROI融合检测框的第三顶点坐标和第四顶点坐标之间的x轴坐标差值和y轴坐标差值,得到多个x轴坐标差值以及y轴坐标差值;其中,第一顶点和第二顶点属于对角线上两个顶点,第三顶点和第四顶点属于对角线上两个顶点;
确定所述多个x轴坐标差值以及y轴坐标差值中的最小非负坐标差值,根据所述最小非负坐标差值确定所述第一ROI融合检测框与第二ROI融合检测框之间的距离。
8.一种道路拥堵检测装置,其特征在于,所述装置包括:
检测单元,用于对道路监控视频流进行车辆检测,得到多个车辆检测框;根据所述多个车辆检测框统计车辆检测框数量;
分割单元,用于对所述道路监控视频流进行道路分割,得到多个道路分割区域;
判断单元,用于判断所述车辆检测框数量是否小于第一预设车辆数量;若是,则判定所述道路处于非拥堵状态;
分析单元,用于若所述车辆检测框数量不小于第一预设车辆数量,则根据所述多个车辆检测框和所述多个道路分割区域分析所述道路的拥堵情况。
9.一种电子设备,其特征在于,包括处理器、存储器,所述存储器用于存储一个或多个程序,并且被配置由所述处理器执行,所述程序包括用于执行如权利要求1-7任一项所述的方法中的步骤的指令。
10.一种计算机可读存储介质,其特征在于,存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1-7任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111656928.1A CN114445786A (zh) | 2021-12-30 | 2021-12-30 | 道路拥堵检测方法、装置、电子设备及存储介质 |
PCT/CN2022/143551 WO2023125843A1 (zh) | 2021-12-30 | 2022-12-29 | 道路拥堵检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111656928.1A CN114445786A (zh) | 2021-12-30 | 2021-12-30 | 道路拥堵检测方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114445786A true CN114445786A (zh) | 2022-05-06 |
Family
ID=81364934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111656928.1A Pending CN114445786A (zh) | 2021-12-30 | 2021-12-30 | 道路拥堵检测方法、装置、电子设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114445786A (zh) |
WO (1) | WO2023125843A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023125843A1 (zh) * | 2021-12-30 | 2023-07-06 | 深圳云天励飞技术股份有限公司 | 道路拥堵检测方法、装置、电子设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108550259B (zh) * | 2018-04-19 | 2020-05-12 | 何澜 | 道路拥堵判断方法、终端设备及计算机可读存储介质 |
CN109241938B (zh) * | 2018-09-27 | 2022-02-18 | 深圳金三立视频科技股份有限公司 | 道路拥堵检测方法及终端 |
CN112562330A (zh) * | 2020-11-27 | 2021-03-26 | 深圳市综合交通运行指挥中心 | 评估道路运行指数的方法和装置、电子设备、存储介质 |
CN112885130B (zh) * | 2021-01-22 | 2023-03-31 | 北京嘀嘀无限科技发展有限公司 | 呈现道路信息的方法和装置 |
CN114445786A (zh) * | 2021-12-30 | 2022-05-06 | 深圳云天励飞技术股份有限公司 | 道路拥堵检测方法、装置、电子设备及存储介质 |
-
2021
- 2021-12-30 CN CN202111656928.1A patent/CN114445786A/zh active Pending
-
2022
- 2022-12-29 WO PCT/CN2022/143551 patent/WO2023125843A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023125843A1 (zh) * | 2021-12-30 | 2023-07-06 | 深圳云天励飞技术股份有限公司 | 道路拥堵检测方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2023125843A1 (zh) | 2023-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9224049B2 (en) | Detection of static object on thoroughfare crossings | |
US10212397B2 (en) | Abandoned object detection apparatus and method and system | |
CN105493502A (zh) | 视频监控方法、视频监控系统以及计算机程序产品 | |
WO2021093625A1 (zh) | 智能分析算法选取方法、装置、系统及电子设备 | |
CN111666821B (zh) | 人员聚集的检测方法、装置及设备 | |
CN113792586A (zh) | 车辆事故检测方法、装置及电子设备 | |
KR101598343B1 (ko) | 정체 시공간 패턴 자동인식 시스템 및 그 방법 | |
CN112749622B (zh) | 应急车道占用识别方法和装置 | |
CN112383756B (zh) | 一种视频监控报警处理方法和装置 | |
CN111079621A (zh) | 检测对象的方法、装置、电子设备和存储介质 | |
CN111507278A (zh) | 一种检测路障的方法、装置及计算机设备 | |
CN112349087B (zh) | 一种基于路口信息全息感知的可视化数据输入方法 | |
CN113674314A (zh) | 抛洒事件检测方法、装置、电子装置和存储介质 | |
CN114445786A (zh) | 道路拥堵检测方法、装置、电子设备及存储介质 | |
US11727580B2 (en) | Method and system for gathering information of an object moving in an area of interest | |
CN112447060A (zh) | 识别车道的方法、装置及计算设备 | |
CN111369792A (zh) | 一种交通事件的分析方法、装置及电子设备 | |
CN113963316A (zh) | 目标事件的确定方法、装置、存储介质及电子装置 | |
KR102189063B1 (ko) | 이상 상황 판단을 위한 장치, 시스템 및 방법 | |
CN113763425A (zh) | 道路区域标定方法及电子设备 | |
CN109800684A (zh) | 一种视频中对象的确定方法及装置 | |
CN115019242B (zh) | 一种交通场景的异常事件检测方法、装置和处理设备 | |
CN112597924A (zh) | 电动自行车轨迹追踪方法、摄像机装置和服务器 | |
CN114882709A (zh) | 车辆拥堵检测方法、装置及计算机存储介质 | |
CN112200835B (zh) | 一种交通事故检测方法、装置、电子设备及存储介质 |
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 |