CN114792408A - 机动车抓拍方法、机动车抓拍装置以及计算机存储介质 - Google Patents

机动车抓拍方法、机动车抓拍装置以及计算机存储介质 Download PDF

Info

Publication number
CN114792408A
CN114792408A CN202210706599.5A CN202210706599A CN114792408A CN 114792408 A CN114792408 A CN 114792408A CN 202210706599 A CN202210706599 A CN 202210706599A CN 114792408 A CN114792408 A CN 114792408A
Authority
CN
China
Prior art keywords
motor vehicle
snapshot
real
key point
time monitoring
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
Application number
CN202210706599.5A
Other languages
English (en)
Inventor
陈胜江
林骏
王亚运
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Dahua Technology Co Ltd
Original Assignee
Zhejiang Dahua Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Dahua Technology Co Ltd filed Critical Zhejiang Dahua Technology Co Ltd
Priority to CN202210706599.5A priority Critical patent/CN114792408A/zh
Publication of CN114792408A publication Critical patent/CN114792408A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种机动车抓拍方法、机动车抓拍装置以及计算机存储介质，该机动车抓拍方法包括：获取实时监控画面，获取实时监控画面中的机动车信息和非机动车信息，并基于机动车信息提取机动车的机动车关键点，以及基于非机动车信息提取非机动车的非机动车关键点；在机动车关键点与预设机动车抓拍线的位置关系满足第一抓拍条件，且非机动车关键点与预设非机动车抓拍线的位置关系满足第二抓拍条件时，对实时监控画面中的机动车图像进行抓拍。本申请的机动车抓拍方法通过在实时监控画面上预先设置抓拍线，利用机动车、非机动车的关键点位置与抓拍线的相对距离关系，对实时监控画面中的目标机动车进行实时抓拍，能够达到高捕获率、准确率的抓拍效果。

Description

机动车抓拍方法、机动车抓拍装置以及计算机存储介质
技术领域
本申请涉及智能交通技术领域，特别是涉及一种机动车抓拍方法、机动车抓拍装置以及计算机存储介质。
背景技术
随着社会不断发展，科技不断进步，城市基建和物流等发展迅猛，城市道路上出现越来越多的机动车。
目前，对于机动车的监控，需要工作人员在远程的交通监控系统对机动车监控，然后对有违规驾驶的机动车进行抓拍。然而，这种方式需要耗费大量的人力资源，而且人员操作的情况下，抓拍准确度有待提高，且在交通拥挤路段，还可能会因为机动车过多，导致遗漏违规机动车的情况，导致交通监控系统的捕获率和准确率都较低。
发明内容
本申请提供一种机动车抓拍方法、机动车抓拍装置以及计算机存储介质。
本申请采用的一个技术方案是提供一种机动车抓拍方法，所述机动车抓拍方法包括：
获取实时监控画面，
获取所述实时监控画面中的机动车信息和非机动车信息，并基于所述机动车信息提取机动车的机动车关键点，以及基于所述非机动车信息提取非机动车的非机动车关键点；
在所述机动车关键点与预设机动车抓拍线的位置关系满足第一抓拍条件，且所述非机动车关键点与预设非机动车抓拍线的位置关系满足第二抓拍条件时，对所述实时监控画面中的机动车图像进行抓拍。
其中，所述第一抓拍条件为所述机动车关键点与所述预设机动车抓拍线的距离在第一距离范围内，所述第二抓拍条件为所述非机动车关键点与所述预设非机动车抓拍线的距离在第二距离范围内。
其中，所述预设机动车抓拍线包括机动车右转抓拍线，所述预设非机动车抓拍线包括若干非机动车礼让线，所述若干非机动车礼让线组成非机动车礼让区域；
所述在所述机动车关键点与预设机动车抓拍线的位置关系满足第一抓拍条件，且所述非机动车关键点与预设非机动车抓拍线的位置关系满足第二抓拍条件时，对所述实时监控画面中的机动车图像进行抓拍，包括：
在所述机动车的机动车关键点与所述实时监控画面中的机动车右转抓拍线的距离在第一距离范围内，且所述非机动车的非机动车关键点位于所述实时监控画面的非机动车礼让区域内时，抓拍第一监控图像。
其中，所述预设机动车抓拍线包括机动车前置抓拍线、机动车停止抓拍线；所述预设非机动车抓拍线包括非机动车停止线；
所述在所述机动车关键点与预设机动车抓拍线的位置关系满足第一抓拍条件，且所述非机动车关键点与预设非机动车抓拍线的位置关系满足第二抓拍条件时，对所述实时监控画面中的机动车图像进行抓拍，包括：
在所述机动车的机动车关键点与所述实时监控画面中的机动车前置抓拍线的距离在第一距离范围内，且所述非机动车的非机动车关键点与所述实时监控画面中的非机动车停止线的距离在第二距离范围内时，抓拍第二监控图像；
在所述机动车的机动车关键点与所述实时监控画面中的机动车停止抓拍线的距离在第一距离范围内，且所述非机动车的非机动车关键点与所述实时监控画面中的非机动车停止线的距离在第二距离范围内时，抓拍第三监控图像。
其中，所述机动车抓拍方法，还包括：
检测在预设时间段内对目标机动车是否抓拍到所述第一监控图像、所述第二监控图像以及所述第三监控图像；
若是，将所述第一监控图像、所述第二监控图像以及所述第三监控图像合成机动车违章图，并基于所述机动车违章图输出所述目标机动车的违章信息。
其中，所述将所述第一监控图像、所述第二监控图像以及所述第三监控图像合成机动车违章图，包括：
基于所述第一监控图像、所述第二监控图像以及所述第三监控图像中的任意一帧监控图像，按照其中所述目标机动车的机动车关键点获取所述目标机动车的抓拍放大图；
将所述第一监控图像、所述第二监控图像、所述第三监控图像以及所述抓拍放大图合成机动车违章图。
其中，所述机动车的机动车关键点与所述实时监控画面中的机动车停止抓拍线的距离在第一距离范围，包括：所述机动车的机动车关键点在所述实时监控画面中按照第一方向持续运动，穿过所述机动车停止抓拍线，在此过程中，所述机动车的机动车关键点与所述机动车停止抓拍线的距离在预设机动车距离范围内。
其中，所述获取所述实时监控画面中的机动车信息，包括：
将所述实时监控画面的图像输入预先训练的目标检测网络，获取所述目标检测网络输出的目标检测框；
基于所述目标检测框提取所述机动车信息；
其中，所述机动车信息包括机动车中心点、机动车框宽度、机动车框高度和/或机动车挡板关键点。
其中，所述机动车挡板关键点，包括后左尾挡板关键点以及后右尾挡板关键点；
所述基于所述机动车信息提取机动车的机动车关键点，包括：
利用所述机动车信息中的后左尾挡板关键点以及后右尾挡板关键点，计算车尾中心关键点。
其中，所述机动车抓拍方法还包括：
获取所述实时监控画面中每一帧画面的机动车信息，并提取每一帧画面的机动车信息中的机动车中心点；
利用每一帧画面的机动车中心点，计算所述机动车的位移方向特征；
按照所述机动车的位移方向特征设置所述机动车在所述实时监控画面中的标识符。
其中，所述获取所述实时监控画面中的机动车信息之后，所述机动车抓拍方法还包括：
基于所述机动车信息，获取所述实时监控画面中若干候选机动车的机动车属性；
将所述机动车属性符合预设配置属性的候选机动车，确定为目标机动车。
其中，所述机动车属性包括机动车车型和/或机动车类型。
本申请采用的另一个技术方案是提供一种机动车抓拍装置，所述机动车抓拍装置包括获取模块、关键点模块以及抓拍模块；其中，
所述获取模块，用于获取实时监控画面；
所述关键点模块，用于获取所述实时监控画面中的机动车信息和非机动车信息，并基于所述机动车信息提取机动车的机动车关键点，以及基于所述非机动车信息提取非机动车的非机动车关键点；
所述抓拍模块，用于在所述机动车关键点与预设机动车抓拍线的位置关系满足第一抓拍条件，且所述非机动车关键点与预设非机动车抓拍线的位置关系满足第二抓拍条件时，对所述实时监控画面中的机动车图像进行抓拍。
本申请采用的另一个技术方案是提供一种机动车抓拍装置，所述机动车抓拍装置包括存储器以及与所述存储器耦接的处理器；
其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如上述的机动车抓拍方法。
本申请采用的另一个技术方案是提供一种计算机存储介质，所述计算机存储介质用于存储程序数据，所述程序数据在被计算机执行时，用以实现如上述的机动车抓拍方法。
本申请的有益效果是：机动车抓拍装置获取实时监控画面，获取实时监控画面中的机动车信息和非机动车信息，并基于机动车信息提取机动车的机动车关键点，以及基于非机动车信息提取非机动车的非机动车关键点；在机动车关键点与预设机动车抓拍线的位置关系满足第一抓拍条件，且非机动车关键点与预设非机动车抓拍线的位置关系满足第二抓拍条件时，对实时监控画面中的机动车图像进行抓拍。本申请的机动车抓拍方法通过在实时监控画面上预先设置抓拍线，利用机动车、非机动车的关键点位置与抓拍线的相对距离关系，对实时监控画面中的目标机动车进行实时抓拍，能够达到高捕获率、准确率的抓拍效果。
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，下面描述中的附图仅仅是本申请的一些实施例，对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是本申请提供的机动车抓拍方法一实施例的流程示意图；
图2是本申请提供的机动车抓拍方法总流程的示意图；
图3是本申请提供的抓拍线配置一实施例的示意图；
图4是本申请提供的机动车检测网络一实施例的示意图；
图5是本申请提供的机动车抓拍方法另一实施例的流程示意图；
图6是本申请提供的右转机动车不礼让直行非机动车抓拍第1张抓拍图的示意图；
图7是本申请提供的右转机动车不礼让直行非机动车抓拍第2张抓拍图的示意图；
图8是本申请提供的右转机动车不礼让直行非机动车抓拍第3张抓拍图的示意图；
图9是本申请提供的右转机动车不礼让直行非机动车抓拍合成图的示意图；
图10是本申请提供的机动车抓拍装置一实施例的结构示意图；
图11是本申请提供的机动车抓拍装置另一实施例的结构示意图；
图12是本申请提供的计算机存储介质一实施例的结构示意图。
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，所描述的实施例仅是本申请的一部分实施例，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做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。
具体请参阅图1，图1是本申请提供的机动车抓拍方法一实施例的流程示意图，图2是本申请提供的机动车抓拍方法总流程的示意图。
如图1所示，本申请实施例的机动车抓拍方法具体可以包括以下步骤：
步骤S11：获取实时监控画面。
在本申请实施例中，各大交通要道上均设置有相关的监控摄像头，每个监控摄像头可以采集不同机动车场景的视频，例如右转机动车场景的视频。本申请即以右转机动车场景的视频作为背景继续描述本申请提供的机动车抓拍方法，但同样适用于其他机动车场景，在此不一一列举。
如图2所示，机动车抓拍装置主要包含输入模块、配置模块、检测跟踪模块、机动车属性模块、事件模块，共5个大模块。机动车抓拍装置通过输入模块，输入右转机动车场景的视频，然后通过配置模块配置相关的抓拍线和抓拍规则。本申请实施例提供的配置抓拍线类型包括但不限于：配置前置线、停止线、右转弯线，非机动车需被礼让区域等。
具体如图3所示，图3中共有三条通道，左侧两条通道为机动车道，右侧通道为非机动车道A，由于两条机动车道中，仅有一条机动车道为右转车道B，即中间通道。机动车抓拍装置在右转车道B区域配置前置线a，在右转车道B区域和非机动车道A区域配置停止线b，在非机动车道A区域配置右转弯线c，以及非机动车需被礼让区域d。沿机动车行进方向，依次设置有前置线a，停止线b，右转弯线c以及非机动车需被礼让区域d，其中，右转弯线c与非机动车需被礼让区域d至少部分重合。
本申请实施例提供的配置抓拍规则包括但不限于：配置抓拍机动车，以及配置抓拍车牌。机动车抓拍装置可以配置抓拍机动车为所有车型，配置抓拍车牌为所有车牌，即可对实时监控画面内的所有机动车进行监控；机动车抓拍装置还可以配置抓拍机动车为固定车型，即可对实时监控画面内的固定车型的机动车进行监控；机动车抓拍装置还可以配置抓拍车牌为固定车牌类型，即可对实时监控画面内的固定车牌类型的机动车进行监控。
步骤S12：获取实时监控画面中的机动车信息和非机动车信息，并基于机动车信息提取机动车的机动车关键点，以及基于非机动车信息提取非机动车的非机动车关键点。
在本申请实施例中，机动车抓拍装置通过检测跟踪模块对实时监控画面中的目标机动车的具体位置进行跟踪，并提取相关的机动车信息，以及利用机动车信息确定能够标记目标机动车具体位置的机动车关键点的位置。
具体地，如图2所示，检测跟踪模块包括机动车检测模块和机动车跟踪模块。其中，机动车检测模块可以利用深度学习方法对实时监控画面中的机动车进行目标跟踪，具体如图4所示。本申请实施例所采用的深度学习方法包括但不限于anchor-base（YOLO、SSD、RCNN系列等）或anchor-free（CenterNet、CornerNet等）方法。
例如，机动车检测模块可以用CenterNet对机动车进行目标检测。在图4中，机动车检测模块将实时监控画面的图像输入到预先训练的目标检测网络（CNN，ConvolutionalNeural Network）进行检测，目标检测网络输出的机动车信息包括但不限于以下类型：机动车中心点Tc、机动车框宽度Tw、机动车框高度Th、后左尾挡板关键点TL和后右尾挡板关键点TR。
进一步地，机动车检测模块还可以基于目标检测网络输出的机动车信息计算得到其他机动车信息，例如机动车检测模块可以通过后左尾挡板关键点TL和后右尾挡板关键点TR，计算得到车尾中心关键点F。
机动车跟踪模块利用机动车检测模块检测出的机动车中心点和预测位移方向，使得实时监控画面中前后帧画面的同一个机动车的标识符一致。在其他实施例中，机动车跟踪模块也可以采用机动车的其他关键点进行跟踪，在此不再赘述。
具体地，跟踪可采用不限于传统的相关滤波跟踪算法（MOSSE、CSK、KCF、STAPLE、CF2、ACFN等）或深度学习（CenterTrack、SiamRPN系列等）跟踪方法。在本申请实施例中机动车跟踪模块使用CenterNet检测出的机动车中心点，并利用帧间中心点得到上一次该机动车的位移特征，即预测位移方向特征，使得前后帧同一机动车id保持一致。
进一步地，得到目标机动车在实时监控画面中的具体位置之后，机动车抓拍装置还可以将目标机动车的信息输入机动车属性模块，对目标机动车的机动车属性进一步识别。
具体地，机动车属性模块包含有车牌检测、识别模块和车型识别模块2个模块，其中车牌检测、识别模块和车型识别模块为并联模块可以同时进行。
其中，车牌检测、识别模块的车牌检测模块将检测到的机动车图像进行车牌检测，车牌检测方法不限于anchor-base（YOLO、SSD、RCNN系列等）或anchor-free（CenterNet、CornerNet等）方法。其次，得到车牌坐标框后，将车牌图像送入车牌识别模块，车牌识别模块分别进行车牌颜色、类型和车牌号识别，输出车牌类型。其中，车牌类型包括但不限于：蓝牌、黄牌、双层黄牌、教练车、警牌、军牌、农用车牌、新能源小车车牌、新能源大车车牌、港澳车牌；车牌识别模块还可以对车牌号进行识别并输出车牌号，车牌识别方法不限于传统的形态学-svm和深度学习方法（RNN系列、TSN、CNN）等。
车型识别模块将检测到的机动车图像进行车型识别，车型识别方法采用CNN网络分类方法，输出机动车类型包括但不限于：mpv（multi-Purpose Vehicles，多用途汽车）、suv（sport utility vehicle，运动型多用途汽车）、出租车、小货车、中货车、大货车、小客车、中客车、大客车、二轮车、公交车、轿车、皮车卡、特殊机动车。
机动车抓拍装置获取实时监控画面中所有机动车的机动车属性之后，根据步骤S11配置的抓拍规则从所有机动车中筛选出目标机动车。当配置的抓拍规则为全车型和全车牌时，所有机动车均为目标机动车。当配置的抓拍规则部分车型和部分车牌时，这部分车型和车牌的机动车即为目标机动车。
进一步地，机动车抓拍装置获取实时监控画面中的非机动车信息，并基于非机动车信息提取非机动车的非机动车关键点。在本申请中，机动车抓拍装置同样可以利用检测跟踪模块对非机动车进行检测和跟踪，其所采用的目标检测方式和目标跟踪方式与机动车的目标检测方法和目标跟踪方式基本相同，在此不再赘述。
步骤S13：在机动车关键点与预设机动车抓拍线的位置关系满足第一抓拍条件，且非机动车关键点与预设非机动车抓拍线的位置关系满足第二抓拍条件时，对实时监控画面中的机动车图像进行抓拍。
在本申请实施例中，机动车抓拍装置将目标机动车的信息输入事件模块，以使事件模块对步骤S12确定的目标机动车在实时监控画面中的交通行驶情况以及非机动车在实时监控画面中的情况进行实时抓拍。
具体地，事件模块中可以根据特定的机动车行驶事件设置对应的抓拍模块，例如针对机动车行驶过特定交通线的事件，设置机动车过线抓拍模块。
机动车过线抓拍模块根据步骤S12检测出的机动车的关键点和配置的抓拍线进行事件盘点。例如，机动车过线抓拍模块判断目标机动车的中心点与机动车前置抓拍线的距离是否在预设距离范围内，同时，非机动车的中心点与非机动车停止线的距离是否在预设距离范围内；若是，则说明目标机动车的位置在机动车前置抓拍线附近，且有非机动车出现在非机动车停止线附近，此时即可对目标机动车进行抓拍。
在本申请实施例中，机动车抓拍装置获取实时监控画面，获取实时监控画面中的机动车信息和非机动车信息，并基于机动车信息提取机动车的机动车关键点，以及基于非机动车信息提取非机动车的非机动车关键点；在机动车关键点与预设机动车抓拍线的位置关系满足第一抓拍条件，且非机动车关键点与预设非机动车抓拍线的位置关系满足第二抓拍条件时，对实时监控画面中的机动车图像进行抓拍。本申请的机动车抓拍方法通过在实时监控画面上预先设置抓拍线，利用机动车、非机动车的关键点位置与抓拍线的相对距离关系，对实时监控画面中的目标机动车进行实时抓拍，能够达到高捕获率、准确率的抓拍效果。
在图1所示机动车抓拍方法的基础上，针对右转机动车不礼让直行非机动车的事件，事件模块中还可以设置右转机动车不礼让直行非机动车抓拍模块。在这种场景下，机动车抓拍装置需要进一步采集实时监控画面中非机动车道上非机动车，用于计算机动车和非机动车的相同位置关系，从而监控是否发生右转机动车不礼让直行非机动车的事件。
右转机动车不礼让直行非机动车抓拍模块根据检测跟踪模块检测出的机动车的机动车关键点、非机动车的非机动车关键点和配置的抓拍线进行事件盘点。例如，右转机动车不礼让直行非机动车抓拍模块判断目标机动车的中心点与停止线的距离是否在预设机动车距离范围内，若是，则说明目标机动车的位置在停止线附近。右转机动车不礼让直行非机动车抓拍模块判断非机动车的中心点与停止线的距离是否在预设非机动车距离范围内，若是，则说明非机动车的位置在停止线附近。此时，即可对目标机动车和非机动车进行抓拍。
具体请参阅图5，图5是本申请提供的机动车抓拍方法另一实施例的流程示意图。
如图5所示，本申请实施例的机动车抓拍方法具体可以包括以下步骤：
步骤S21：在机动车的机动车关键点与实时监控画面中的机动车前置抓拍线的距离在第一距离范围内，且非机动车的非机动车关键点与实时监控画面中的非机动车停止线的距离在第二距离范围内时，抓拍第二监控图像。
在本申请实施例中，当目标机动车的车尾中心关键点F从下至上穿过前置线，即车尾中心关键点F和机动车前置抓拍线的距离在预设距离范围内，且非机动车的检测框底部中心点在非机动车停止线下方预设距离内时，机动车抓拍装置抓拍第二监控图像，即如图6所示的第1张抓拍图。
步骤S22：在机动车的机动车关键点与实时监控画面中的机动车停止抓拍线的距离在第一距离范围内，且非机动车的非机动车关键点与实时监控画面中的非机动车停止线的距离在第二距离范围内时，抓拍第三监控图像。
在本申请实施例中，当目标机动车的车尾中心关键点F从下至上穿过停止线，即车尾中心关键点F和机动车停止抓拍线的距离在预设距离范围内，且非机动车的检测框底部中心点在非机动车停止线上方预设距离内时，机动车抓拍装置抓拍第三监控图像，即如图7所示的第2张抓拍图。
步骤S23：在机动车的机动车关键点与实时监控画面中的机动车右转抓拍线的距离在第一距离范围内，且非机动车的非机动车关键点位于实时监控画面的非机动车礼让区域内时，抓拍第一监控图像。
在本申请实施例中，当目标机动车的车尾中心关键点F从左至右穿过右转弯线，即车尾中心关键点F和右转弯线的距离在预设距离范围内，且非机动车的检测框底部中心点在非机动车需被礼让区域内时，机动车抓拍装置抓拍第一监控图像，即如图8所示的第3张抓拍图。
机动车抓拍装置在预设时间段内，检测对目标机动车是否抓拍到第一监控图像、第二监控图像以及所述第三监控图像，即检测目标机动车的连续行驶状态是否符合右转机动车不礼让直行非机动车的事件。若符合右转机动车不礼让直行非机动车的事件，则确定目标机动车出现机动车违章的情况。
在确定目标机动车出现机动车违章时，机动车抓拍装置将第一监控图像、第二监控图像以及所述第三监控图像进行合成，形成完整的右转机动车不礼让直行非机动车抓拍证据链，即如图9所示的抓拍合成图。其中，抓拍合成图的第4张图像为违法机动车的特写图，可以由第1张抓拍图放大后形成，也可以由其他抓拍图放大后形成。
在其他实施例中，机动车抓拍装置也可以只执行步骤S23，即只监测机动车与机动车右转抓拍线的位置关系，以及非机动车与非机动车礼让区域的位置关系，在机动车的机动车关键点与实时监控画面中的机动车右转抓拍线的距离在预设距离范围内，且非机动车的非机动车关键点位于实时监控画面的非机动车礼让区域内时，抓拍第一监控图像。无需将抓拍第二监控图像和抓拍第三监控图像作为前置步骤，而第一监控图像也可以作为单独的右转机动车不礼让直行非机动车抓拍证据。
本申请的机动车抓拍方法设计了机动车右转不礼让直行非机动车事件抓拍的画线配置、事件抓拍判断逻辑以及基于关键点的机动车位置判断，满足交警部门对该事件违法抓拍的证据链要求，同时达到高捕获率、准确率的抓拍效果。
以上实施例，仅是对本申请的其中一种常见案例而已，并非对本申请的技术范围做任何限制，故凡是依据本申请方案的实质对以上内容所做的任何细微修改、等同变化或者修饰，均仍属于本申请技术方案的范围内。
请继续参见图10，图10是本申请提供的机动车抓拍装置一实施例的结构示意图。本申请实施例的机动车抓拍装置400包括获取模块41、关键点模块42以及抓拍模块43。
其中，所述获取模块41，用于获取实时监控画面。
所述关键点模块42，用于获取所述实时监控画面中的机动车信息和非机动车信息，并基于所述机动车信息提取机动车的机动车关键点，以及基于所述非机动车信息提取非机动车的非机动车关键点。
所述抓拍模块43，用于在所述机动车关键点与预设机动车抓拍线的位置关系满足第一抓拍条件，且所述非机动车关键点与预设非机动车抓拍线的位置关系满足第二抓拍条件时，对所述实时监控画面中的机动车图像进行抓拍。
请继续参见图11，图11是本申请提供的机动车抓拍装置另一实施例的结构示意图。本申请实施例的机动车抓拍装置500包括处理器51、存储器52、输入输出设备53以及总线54。
该处理器51、存储器52、输入输出设备53分别与总线54相连，该存储器52中存储有程序数据，处理器51用于执行程序数据以实现上述实施例所述的机动车抓拍方法。
在本申请实施例中，处理器51还可以称为CPU（Central Processing Unit，中央处理单元）。处理器51可能是一种集成电路芯片，具有信号的处理能力。处理器51还可以是通用处理器、数字信号处理器（DSP，Digital Signal Process）、专用集成电路（ASIC，Application Specific Integrated Circuit）、现场可编程门阵列（FPGA，FieldProgrammable Gate Array）或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器51也可以是任何常规的处理器等。
本申请还提供一种计算机存储介质，请继续参阅图12，图12是本申请提供的计算机存储介质一实施例的结构示意图，该计算机存储介质600中存储有程序数据61，该程序数据61在被处理器执行时，用以实现上述实施例的机动车抓拍方法。
本申请的实施例以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）或处理器（processor）执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施方式，并非因此限制本申请的专利范围，方式利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (15)

1.一种机动车抓拍方法，其特征在于，所述机动车抓拍方法包括：
获取实时监控画面，
获取所述实时监控画面中的机动车信息和非机动车信息，并基于所述机动车信息提取机动车的机动车关键点，以及基于所述非机动车信息提取非机动车的非机动车关键点；
在所述机动车关键点与预设机动车抓拍线的位置关系满足第一抓拍条件，且所述非机动车关键点与预设非机动车抓拍线的位置关系满足第二抓拍条件时，对所述实时监控画面中的机动车图像进行抓拍。
2.根据权利要求1所述的机动车抓拍方法，其特征在于，
所述第一抓拍条件为所述机动车关键点与所述预设机动车抓拍线的距离在第一距离范围内，所述第二抓拍条件为所述非机动车关键点与所述预设非机动车抓拍线的距离在第二距离范围内。
3.根据权利要求2所述的机动车抓拍方法，其特征在于，
所述预设机动车抓拍线包括机动车右转抓拍线，所述预设非机动车抓拍线包括若干非机动车礼让线，所述若干非机动车礼让线组成非机动车礼让区域；
所述在所述机动车关键点与预设机动车抓拍线的位置关系满足第一抓拍条件，且所述非机动车关键点与预设非机动车抓拍线的位置关系满足第二抓拍条件时，对所述实时监控画面中的机动车图像进行抓拍，包括：
在所述机动车的机动车关键点与所述实时监控画面中的机动车右转抓拍线的距离在第一距离范围内，且所述非机动车的非机动车关键点位于所述实时监控画面的非机动车礼让区域内时，抓拍第一监控图像。
4.根据权利要求3所述的机动车抓拍方法，其特征在于，
所述预设机动车抓拍线包括机动车前置抓拍线、机动车停止抓拍线；所述预设非机动车抓拍线包括非机动车停止线；
所述在所述机动车关键点与预设机动车抓拍线的位置关系满足第一抓拍条件，且所述非机动车关键点与预设非机动车抓拍线的位置关系满足第二抓拍条件时，对所述实时监控画面中的机动车图像进行抓拍，包括：
在所述机动车的机动车关键点与所述实时监控画面中的机动车前置抓拍线的距离在第一距离范围内，且所述非机动车的非机动车关键点与所述实时监控画面中的非机动车停止线的距离在第二距离范围内时，抓拍第二监控图像；
在所述机动车的机动车关键点与所述实时监控画面中的机动车停止抓拍线的距离在第一距离范围内，且所述非机动车的非机动车关键点与所述实时监控画面中的非机动车停止线的距离在第二距离范围内时，抓拍第三监控图像。
5.根据权利要求4所述的机动车抓拍方法，其特征在于，
所述机动车抓拍方法，还包括：
检测在预设时间段内对目标机动车是否抓拍到所述第一监控图像、所述第二监控图像以及所述第三监控图像；
若是，将所述第一监控图像、所述第二监控图像以及所述第三监控图像合成机动车违章图，并基于所述机动车违章图输出所述目标机动车的违章信息。
6.根据权利要求5所述的机动车抓拍方法，其特征在于，
所述将所述第一监控图像、所述第二监控图像以及所述第三监控图像合成机动车违章图，包括：
基于所述第一监控图像、所述第二监控图像以及所述第三监控图像中的任意一帧监控图像，按照其中所述目标机动车的机动车关键点获取所述目标机动车的抓拍放大图；
将所述第一监控图像、所述第二监控图像、所述第三监控图像以及所述抓拍放大图合成机动车违章图。
7.根据权利要求4所述的机动车抓拍方法，其特征在于，
所述机动车的机动车关键点与所述实时监控画面中的机动车停止抓拍线的距离在第一距离范围，包括：所述机动车的机动车关键点在所述实时监控画面中按照第一方向持续运动，穿过所述机动车停止抓拍线，在此过程中，所述机动车的机动车关键点与所述机动车停止抓拍线的距离在预设机动车距离范围内。
8.根据权利要求1所述的机动车抓拍方法，其特征在于，
所述获取所述实时监控画面中的机动车信息，包括：
将所述实时监控画面的图像输入预先训练的目标检测网络，获取所述目标检测网络输出的目标检测框；
基于所述目标检测框提取所述机动车信息；
其中，所述机动车信息包括机动车中心点、机动车框宽度、机动车框高度和/或机动车挡板关键点。
9.根据权利要求8所述的机动车抓拍方法，其特征在于，
所述机动车挡板关键点，包括后左尾挡板关键点以及后右尾挡板关键点；
所述基于所述机动车信息提取机动车的机动车关键点，包括：
利用所述机动车信息中的后左尾挡板关键点以及后右尾挡板关键点，计算车尾中心关键点。
10.根据权利要求1所述的机动车抓拍方法，其特征在于，
所述机动车抓拍方法还包括：
获取所述实时监控画面中每一帧画面的机动车信息，并提取每一帧画面的机动车信息中的机动车中心点；
利用每一帧画面的机动车中心点，计算所述机动车的位移方向特征；
按照所述机动车的位移方向特征设置所述机动车在所述实时监控画面中的标识符。
11.根据权利要求1所述的机动车抓拍方法，其特征在于，
所述获取所述实时监控画面中的机动车信息之后，所述机动车抓拍方法还包括：
基于所述机动车信息，获取所述实时监控画面中若干候选机动车的机动车属性；
将所述机动车属性符合预设配置属性的候选机动车，确定为目标机动车。
12.根据权利要求11所述的机动车抓拍方法，其特征在于，
所述机动车属性包括机动车车型和/或机动车类型。
13.一种机动车抓拍装置，其特征在于，所述机动车抓拍装置包括获取模块、关键点模块以及抓拍模块；其中，
所述获取模块，用于获取实时监控画面；
所述关键点模块，用于获取所述实时监控画面中的机动车信息和非机动车信息，并基于所述机动车信息提取机动车的机动车关键点，以及基于所述非机动车信息提取非机动车的非机动车关键点；
所述抓拍模块，用于在所述机动车关键点与预设机动车抓拍线的位置关系满足第一抓拍条件，且所述非机动车关键点与预设非机动车抓拍线的位置关系满足第二抓拍条件时，对所述实时监控画面中的机动车图像进行抓拍。
14.一种机动车抓拍装置，其特征在于，所述机动车抓拍装置包括存储器以及与所述存储器耦接的处理器；
其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如权利要求1~12任一项所述的机动车抓拍方法。
15.一种计算机存储介质，其特征在于，所述计算机存储介质用于存储程序数据，所述程序数据在被计算机执行时，用以实现如权利要求1~12任一项所述的机动车抓拍方法。
CN202210706599.5A 2022-06-21 2022-06-21 机动车抓拍方法、机动车抓拍装置以及计算机存储介质 Pending CN114792408A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210706599.5A CN114792408A (zh) 2022-06-21 2022-06-21 机动车抓拍方法、机动车抓拍装置以及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210706599.5A CN114792408A (zh) 2022-06-21 2022-06-21 机动车抓拍方法、机动车抓拍装置以及计算机存储介质

Publications (1)

Publication Number Publication Date
CN114792408A true CN114792408A (zh) 2022-07-26

Family

ID=82463647

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210706599.5A Pending CN114792408A (zh) 2022-06-21 2022-06-21 机动车抓拍方法、机动车抓拍装置以及计算机存储介质

Country Status (1)

Country Link
CN (1) CN114792408A (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102592450A (zh) * 2012-02-22 2012-07-18 杭州海康威视数字技术股份有限公司 机动车斑马线不礼让行人行为抓拍系统及其方法
CN104361747A (zh) * 2014-11-11 2015-02-18 杭州新迪数字工程系统有限公司 机动车斑马线未礼让行人自动抓拍系统与识别方法
CN104575043A (zh) * 2014-11-28 2015-04-29 北京尚易德科技有限公司 一种机动车行经人行横道时的自动提示系统和方法
CN109544936A (zh) * 2018-11-19 2019-03-29 安徽四创电子股份有限公司 基于雷达摄像机的机动车斑马线不礼让行人预警抓拍系统
CN111862620A (zh) * 2020-07-10 2020-10-30 浙江大华技术股份有限公司 一种图像融合处理方法及装置
CN112258848A (zh) * 2020-12-16 2021-01-22 华录易云科技有限公司 一种机动车右转不礼让行人抓拍及行人过街警示系统
CN112597807A (zh) * 2020-12-01 2021-04-02 浙江大华技术股份有限公司 一种违章检测系统、方法、装置、图像采集设备及介质
CN112800930A (zh) * 2021-01-25 2021-05-14 北京市商汤科技开发有限公司 非机动车计数方法、装置、设备及存储介质
CN113420714A (zh) * 2021-07-12 2021-09-21 浙江大华技术股份有限公司 一种采集图像上报方法、装置及电子设备
CN113538925A (zh) * 2021-05-27 2021-10-22 浙江大华技术股份有限公司 车辆不礼让行人行为的监测方法、设备及存储介质
CN113850752A (zh) * 2021-06-22 2021-12-28 浙江大华技术股份有限公司 车辆超载检测方法、设备及存储介质
CN114037924A (zh) * 2021-09-27 2022-02-11 深圳市捷顺科技实业股份有限公司 一种基于图像识别技术的车辆过闸判断方法及相关装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102592450A (zh) * 2012-02-22 2012-07-18 杭州海康威视数字技术股份有限公司 机动车斑马线不礼让行人行为抓拍系统及其方法
CN104361747A (zh) * 2014-11-11 2015-02-18 杭州新迪数字工程系统有限公司 机动车斑马线未礼让行人自动抓拍系统与识别方法
CN104575043A (zh) * 2014-11-28 2015-04-29 北京尚易德科技有限公司 一种机动车行经人行横道时的自动提示系统和方法
CN109544936A (zh) * 2018-11-19 2019-03-29 安徽四创电子股份有限公司 基于雷达摄像机的机动车斑马线不礼让行人预警抓拍系统
CN111862620A (zh) * 2020-07-10 2020-10-30 浙江大华技术股份有限公司 一种图像融合处理方法及装置
CN112597807A (zh) * 2020-12-01 2021-04-02 浙江大华技术股份有限公司 一种违章检测系统、方法、装置、图像采集设备及介质
CN112258848A (zh) * 2020-12-16 2021-01-22 华录易云科技有限公司 一种机动车右转不礼让行人抓拍及行人过街警示系统
CN112800930A (zh) * 2021-01-25 2021-05-14 北京市商汤科技开发有限公司 非机动车计数方法、装置、设备及存储介质
CN113538925A (zh) * 2021-05-27 2021-10-22 浙江大华技术股份有限公司 车辆不礼让行人行为的监测方法、设备及存储介质
CN113850752A (zh) * 2021-06-22 2021-12-28 浙江大华技术股份有限公司 车辆超载检测方法、设备及存储介质
CN113420714A (zh) * 2021-07-12 2021-09-21 浙江大华技术股份有限公司 一种采集图像上报方法、装置及电子设备
CN114037924A (zh) * 2021-09-27 2022-02-11 深圳市捷顺科技实业股份有限公司 一种基于图像识别技术的车辆过闸判断方法及相关装置

Similar Documents

Publication Publication Date Title
Izquierdo et al. Experimental validation of lane-change intention prediction methodologies based on CNN and LSTM
Silva et al. Automatic detection of motorcyclists without helmet
CN106600977B (zh) 基于多特征识别的违停检测方法及系统
CN105825185B (zh) 车辆防碰撞预警方法及装置
Sarikan et al. Automated vehicle classification with image processing and computational intelligence
CN105185123A (zh) 一种套牌车识别系统及方法
CN110738857A (zh) 一种车辆违章取证方法、装置及设备
CN110298300B (zh) 一种检测车辆违章压线的方法
CN104537841A (zh) 无牌车辆违章检测方法及其检测系统
CN111891061B (zh) 车辆碰撞检测方法、装置和计算机设备
CN105488453A (zh) 一种基于图像处理的驾驶员未系安全带检测识别方法
CN108491782A (zh) 一种基于行车图像采集的车辆识别方法
CN110232827B (zh) 自由流收费车型识别方法、装置及系统
CN109948643A (zh) 一种基于深层网络融合模型的车辆类型分类方法
Zhou et al. Vehicle classification using transferable deep neural network features
Li et al. Robust vehicle tracking for urban traffic videos at intersections
Le et al. Vehicle count system based on time interval image capture method and deep learning mask R-CNN
CN113033275B (zh) 基于深度学习的车辆变道不打转向灯分析系统
CN111081031A (zh) 车辆的抓拍方法及系统
Choi et al. Cut-in vehicle warning system exploiting multiple rotational images of SVM cameras
CN111161542B (zh) 车辆识别方法及装置
CN114792408A (zh) 机动车抓拍方法、机动车抓拍装置以及计算机存储介质
CN115206091B (zh) 基于多摄像头和毫米波雷达的路况及事件监测系统及方法
CN105761501A (zh) 一种智能车辆行为检测抓拍方法
CN112686136B (zh) 一种对象检测方法、装置及系统

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

Application publication date: 20220726

RJ01 Rejection of invention patent application after publication