CN115272939A - 事故车检测方法及装置、电子设备及计算机可读存储介质 - Google Patents
事故车检测方法及装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN115272939A CN115272939A CN202211000979.3A CN202211000979A CN115272939A CN 115272939 A CN115272939 A CN 115272939A CN 202211000979 A CN202211000979 A CN 202211000979A CN 115272939 A CN115272939 A CN 115272939A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- abnormal
- abnormal vehicle
- determining
- accident
- 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
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种事故车检测方法及装置、电子设备及计算机可读存储介质。该方法包括:获取交通视频;从所述交通视频中确定异常车辆以及所述异常车辆的行车环境,其中,所述异常车辆为停在道路上的车辆,所述行车环境包括所述异常车辆周围的车辆和/或行人;根据所述行车环境,确定所述异常车辆为事故车。
Description
技术领域
本申请涉及安防技术领域,尤其涉及一种事故车检测方法及装置、电子设备及计算机可读存储介质。
背景技术
在道路上发生交通事故时,相关人员若能及时赶赴事故现场,对事故车进行救援和处理,可减少人员伤亡,以及降低损失。因此,如何检测事故车具有非常重要的意义。
发明内容
本申请提供一种事故车检测方法及装置、电子设备及计算机可读存储介质。
第一方面,提供了一种事故车检测方法,所述方法包括:获取交通视频;从所述交通视频中确定异常车辆以及所述异常车辆的行车环境,其中,所述异常车辆为停在道路上的车辆,所述行车环境包括所述异常车辆周围的车辆和/或行人;根据所述行车环境,确定所述异常车辆为事故车。
结合本申请任一实施方式,所述根据所述行车环境,确定所述异常车辆为事故车,包括:
在所述异常车辆所处的目标道路为高速公路,且根据所述行车环境,确定所述异常车辆未处于所述高速公路的应急车道内的情况下,确定所述异常车辆为所述事故车。
结合本申请任一实施方式,所述异常车辆的两侧为第一侧和第二侧,所述行车环境包括所述车辆;
所述根据所述行车环境,确定所述异常车辆未处于所述高速公路的应急车道内,包括:
在根据所述行车环境,确定所述第一侧和所述第二侧均有车辆驶过的情况下,确定所述异常车辆未处于所述高速公路的应急车道内。
结合本申请任一实施方式,所述根据所述行车环境,确定所述第一侧和所述第二侧均有车辆驶过的情况下,确定所述异常车辆未处于所述高速公路的应急车道内之前,所述方法还包括:
根据所述异常车辆周围的至少一辆同行车辆在所述交通视频中的位置,确定所述至少一辆同行车辆的至少一条第一轨迹;
从所述至少一条第一轨迹中确定从所述第一侧/第二侧驶过的至少一条第二轨迹;
在所述第二轨迹的数量大于或等于第一阈值的情况下,确定有车辆从所述第一侧/第二侧驶过。
结合本申请任一实施方式,所述根据所述行车环境,确定所述异常车辆为事故车,包括:
在所述异常车辆所处的目标道路为高速公路,且所述异常车辆的两侧均有车辆驶过的情况下,确定所述异常车辆为事故车。
结合本申请任一实施方式,所述行车环境包括所述行人,所述根据所述行车环境,确定所述异常车辆为事故车,包括:
在确定目标行人在所述异常车辆的周围区域内的持续时长大于或等于第二阈值的情况下,确定所述异常车辆为所述事故车;所述目标行人为进入所述周围区域内的行人;所述周围区域为根据所述异常车辆在所述交通视频中的第一位置确定的区域。
结合本申请任一实施方式,所述在目标行人在所述异常车辆的周围区域内的持续时长大于或等于第二阈值周围区域的情况下,确定所述异常车辆为所述事故车,包括:
在所述目标图像中的所述目标行人位于所述周围区域内,且所述目标行人在所述周围区域内的持续时长大于或等于所述第二阈值的情况下,确定所述异常车辆为所述事故车;
所述目标图像为包括所述目标行人的图像中采集时间最早的图像。
结合本申请任一实施方式,所述方法还包括:
在目标图像中的所述目标行人位于所述周围区域外,且所述目标行人在所述周围区域内的持续时长大于或等于第三阈值的情况下,确定所述异常车辆为所述事故车;所述第三阈值大于所述第二阈值;所述目标图像为包括所述目标行人的图像中采集时间最早的图像。
结合本申请任一实施方式,在所述异常车辆所处的目标道路为非高速公路的情况下,所述在确定目标行人在所述异常车辆的周围区域内的持续时长大于或等于第二阈值的情况下,确定所述异常车辆为所述事故车,包括:
在目标图像中的所述目标行人位于所述周围区域内,且所述目标行人在所述周围区域内的持续时长大于或等于所述第二阈值,且目标车道上存在从所述异常车辆旁边驶过的车辆的情况下,确定所述异常车辆为所述事故车;
所述目标图像为包括所述目标行人的图像中采集时间最早的图像;所述目标车道的行驶方向与所述异常车辆所在的车道的行驶方向相同。
结合本申请任一实施方式,所述目标行人未穿着道路作业人员安全标志服。
结合本申请任一实施方式,在所述根据所述行车环境,确定所述异常车辆为事故车之前,所述方法还包括:
根据所述异常车辆周围的行人数量和/或所述异常车辆周围的车辆数量,确定所述目标道路的类型,所述类型包括高速公路、非高速公路中的一种。
第二方面,提供了一种事故车检测装置,所述装置包括:
获取单元,用于获取交通视频;
第一处理单元,用于从所述交通视频中确定异常车辆以及所述异常车辆的行车环境,其中,所述异常车辆为停在道路上的车辆,所述行车环境包括所述异常车辆周围的车辆和/或行人;
第二处理单元,用于根据所述行车环境,确定所述异常车辆为事故车。
结合本申请任一实施方式,所述第二处理单元,用于在所述异常车辆所处的目标道路为高速公路,且根据所述行车环境,确定所述异常车辆未处于所述高速公路的应急车道内的情况下,确定所述异常车辆为所述事故车。
结合本申请任一实施方式,所述异常车辆的两侧为第一侧和第二侧,所述行车环境包括所述车辆;
所述第二处理单元,用于在根据所述行车环境,确定所述第一侧和所述第二侧均有车辆驶过的情况下,确定所述异常车辆未处于所述高速公路的应急车道内。
结合本申请任一实施方式,所述第二处理单元,还用于:
根据所述异常车辆周围的至少一辆同行车辆在所述交通视频中的位置,确定所述至少一辆同行车辆的至少一条第一轨迹;
从所述至少一条第一轨迹中确定从所述第一侧/第二侧驶过的至少一条第二轨迹;
在所述第二轨迹的数量大于或等于第一阈值的情况下,确定有车辆从所述第一侧/第二侧驶过。
结合本申请任一实施方式,所述第二处理单元,用于在所述异常车辆所处的目标道路为高速公路,且所述异常车辆的两侧均有车辆驶过的情况下,确定所述异常车辆为事故车。
结合本申请任一实施方式,所述行车环境包括所述行人,所述第二处理单元,用于在确定目标行人在所述异常车辆的周围区域内的持续时长大于或等于第二阈值的情况下,确定所述异常车辆为所述事故车;所述目标行人为进入所述周围区域内的行人;所述周围区域为根据所述异常车辆在所述交通视频中的第一位置确定的区域。
结合本申请任一实施方式,所述第二处理单元,用于在所述目标图像中的所述目标行人位于所述周围区域内,且所述目标行人在所述周围区域内的持续时长大于或等于所述第二阈值的情况下,确定所述异常车辆为所述事故车;所述目标图像为包括所述目标行人的图像中采集时间最早的图像。
结合本申请任一实施方式,所述第二处理单元,用于在目标图像中的所述目标行人位于所述周围区域外,且所述目标行人在所述周围区域内的持续时长大于或等于第三阈值的情况下,确定所述异常车辆为所述事故车;所述第三阈值大于所述第二阈值;所述目标图像为包括所述目标行人的图像中采集时间最早的图像。
结合本申请任一实施方式,在所述异常车辆所处的目标道路为非高速公路的情况下,所述第二处理单元,用于在目标图像中的所述目标行人位于所述周围区域内,且所述目标行人在所述周围区域内的持续时长大于或等于所述第二阈值,且目标车道上存在从所述异常车辆旁边驶过的车辆的情况下,确定所述异常车辆为所述事故车;所述目标图像为包括所述目标行人的图像中采集时间最早的图像;所述目标车道的行驶方向与所述异常车辆所在的车道的行驶方向相同。
结合本申请任一实施方式,所述目标行人未穿着道路作业人员安全标志服。
结合本申请任一实施方式,所述第一处理单元,还用于根据所述异常车辆周围的行人数量和/或所述异常车辆周围的车辆数量,确定所述目标道路的类型,所述类型包括高速公路、非高速公路中的一种。
第三方面,提供了一种电子设备,其特征在于,包括:处理器和存储器,所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令,在所述处理器执行所述计算机指令的情况下,所述电子设备执行如上述第一方面及其任意一种可能实现的方式的方法。
第四方面,提供了另一种电子设备,包括:处理器、发送装置、输入装置、输出装置和存储器,所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令,在所述处理器执行所述计算机指令的情况下,所述电子设备执行如上述第一方面及其任意一种可能实现的方式的方法。
第五方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,所述计算机程序包括程序指令,在所述程序指令被处理器执行的情况下,使所述处理器执行如上述第一方面及其任意一种可能实现的方式的方法。
第六方面,提供了一种计算机程序产品,所述计算机程序产品包括计算机程序或指令,在所述计算机程序或指令在计算机上运行的情况下,使得所述计算机执行上述第一方面及其任一种可能的实现方式的方法。
本申请实施例中,事故车检测装置在异常车辆停在道路的情况下,可根据异常车辆的行车环境,确定异常车辆为事故车,从而降低人工成本。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本申请。
附图说明
为了更清楚地说明本申请实施例或背景技术中的技术方案,下面将对本申请实施例或背景技术中所需要使用的附图进行说明。
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本申请的实施例,并与说明书一起用于说明本申请的技术方案。
图1为本申请实施例提供的一种事故车检测方法的流程示意图;
图2为本申请实施例提供的一种异常车辆、第一侧、第二侧的关系示意图;
图3为本申请实施例提供的一种事故车检测装置的结构示意图;
图4为本申请实施例提供的一种事故车检测装置的硬件结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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,所描述的实施例仅仅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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”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他步骤或单元。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上,“至少两个(项)”是指两个或三个及三个以上,“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”可表示前后关联对象是一种“或”的关系,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。字符“/”还可表示数学运算中的除号,例如,a/b=a除以b;6/3=2。“以下至少一项(个)”或其类似表达。
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出现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。
本申请实施例的执行主体为事故车检测装置,其中,事故车检测装置可以是任意一种可执行本申请方法实施例所公开的技术方案的电子设备。可选的,事故车检测装置可以是以下中的一种:手机、计算机、平板电脑、可穿戴智能设备。
应理解,本申请方法实施例还可以通过处理器执行计算机程序代码的方式实现。下面结合本申请实施例中的附图对本申请实施例进行描述。请参阅图1,图1是本申请实施例提供的一种事故车检测方法的流程示意图。
101、获取交通视频。
本申请实施例中,交通视频可以是离线视频,也可以是在线视频。离线视频可以是通过摄像头或移动智能设备采集获得的视频。
在一种获取交通视频的实现方式中,事故车检测装置将用户通过输入组件输入的视频作为交通视频。上述输入组件包括:键盘、鼠标、触控屏、触控板和音频输入器。
在另一种获取交通视频的实现方式中,事故车检测装置接收终端发送的视频作为交通视频。上述终端可以是以下任意一种:手机、计算机、平板电脑、服务器。
在线视频可以是摄像头实时获得视频。在又一种获取交通视频的实现方式中,事故车检测装置可与一个或一个以上摄像头之间具有通信连接,事故车检测装置将通过该通信连接获取的摄像头实时采集的视频,作为交通视频。例如,事故车检测装置与部署在道路上的监控摄像头之间存在通信连接。事故车检测装置通过该通信连接,获取监控摄像头采集到的交通视频。在另一种获取交通视频的实现方式中,事故车检测装置通过访问(交通)控制平台/系统/服务器,来获取摄像头拍摄的实时视频。
102、从上述交通视频中确定异常车辆以及上述异常车辆的行车环境。
本申请实施例中,交通视频包括道路,异常车辆为停在道路上的车辆。行车环境包括异常车辆周围的车辆和/或行人,具体的,行车环境包括异常车辆周围的人,或行车环境包括异常车辆周围的行人,再或者行车环境包括异常车辆周围的车辆和行人。
在一种可能实现的方式中,事故车检测装置通过对交通视频进行车辆检测,从交通视频中确定异常车辆以及异常车辆周围的车辆。在从交通视频中确定异常车辆的情况下,通过对交通视频进行行人检测,确定异常车辆周围的行人。
103、根据上述行车环境,确定上述异常车辆为事故车。
本申请实施例中,事故车为发生交通事故的车辆。由于事故车通常会停在道路上,在异常车辆停在道路上的情况下,异常车辆为事故车的几率较大。但考虑到车辆停在道路上的原因不局限于交通事故,因此事故车检测装置根据行车环境,确定异常车辆是否为事故车。
在一种可能实现的方式中,若车辆发生交通事故,通常会有行人帮忙救援。因此,事故车检测装置在确定异常车辆的周围区域内存在行人的情况下,确定有行人在对异常车辆进行救援,进而确定异常车辆为事故车。反之,确定异常车辆为非事故车。应理解,上述异常车辆的周围区域可根据实际需要进行划定,如将距离异常车辆的距离小于或等于3米的区域划定为周围区域。
在另一种可能实现的方式中,若车辆发生交通事故,通常会发生交通拥堵,进而导致车流量减小。因此,事故车检测装置在确定从异常车辆所在道路的车流量小于或等于车流量阈值的情况下,确定异常车辆为事故车。反之,确定异常车辆为非事故车。
本申请实施例中,事故车检测装置在异常车辆停在道路的情况下,可根据异常车辆的行车环境,确定异常车辆为事故车,从而降低人工成本。
作为一种可选的实施方式,事故车检测装置在执行步骤103的过程中执行以下步骤:
201、在异常车辆所处的目标道路为高速公路,且根据上述行车环境,确定上述异常车辆未处于高速公路的应急车道内的情况下,确定上述异常车辆为上述事故车。
本申请实施例中,目标道路为异常车辆所处的道路,即异常车辆停在目标道路。在一种可能实现的方式中,交通视频为通过对高速公路进行拍摄得到的视频,此时交通视频中的道路为高速公路,在异常车辆停在交通视频中的道路的情况下,目标道路为交通视频的道路,即目标道路为高速公路。
若车辆在高速公路上不是因为发生交通事故而停下来,停在应急车道的几率更大。也就是说,若车辆因为发生交通事故在高速公路上停下来,停在非应急车道的几率更大。
因此,事故车检测装置可根据行车环境,判断异常车辆是否处于应急车道内,进而确定异常车辆是否为事故车。
在一种可能实现的方式中,事故车检测装置在根据异常车辆周围的车辆,确定异常车辆所处的车道有车辆行驶的情况下,确定异常车辆未处于高速公路的应急车道内。
在另一种可能实现的方式中,事故车检测装置在根据异常车辆周围的行人,确定异常车辆所处的车道没有行人的情况下,确定异常车辆未处于高速公路的应急车道内。
本申请实施例中,事故车检测装置在目标道路为高速公路的情况下,根据行车环境,判断异常车辆是否处于应急车道内,进而确定异常车辆是否为事故车,可提高事故车检测的准确度。
作为一种可选的实施方式,异常车辆的两侧为第一侧和第二侧。异常车辆的行车环境包括车辆。
在一种可能实现的方式中,异常车辆、第一侧、第二侧的关系如图2所示。如图2所示,AB为过异常车辆,且与目标道路的行驶方向相同的向量,第一侧和第二侧为向量AB的两侧。
在该种实施方式中,事故车检测装置通过执行步骤确定异常车辆未处于高速公路的应急车道内:
301、在根据上述行车环境,确定上述第一侧和上述第二侧均有车辆驶过的情况下,确定上述异常车辆未处于上述高速公路的应急车道内。
本申请实施例中,车辆从异常车辆的第一侧驶过,说明异常车辆的第一侧包括车道。车辆从异常车辆的第二侧驶过,说明异常车辆的第二侧包括车道。
而在高速公路上,应急车道为最外侧车道,即应急车道的两侧中只有一侧包括车道。因此,若异常车辆的两侧均有车辆驶过,说明异常车辆所处的车道不是应急车道的几率大;若异常车辆的仅有一侧有车辆驶过,说明异常车辆所处的车道是应急车道的几率大。
事故车检测装置根据异常车辆周围的车辆可确定第一侧是否有车辆驶过以及第二侧是否有车辆驶过。因此,事故车检测装置在确定第一侧和第二侧均有车辆驶过的情况下,确定异常车辆未处于高速公路的应急车道内。作为一种可选的实施方式,事故车检测装置在从第一侧驶过的车辆的数量大于或等于第一阈值的情况下,确定第一侧有车辆驶过;在从第一侧驶过的车辆的数量小于第一阈值的情况下,确定第一侧没有车辆驶过。事故车检测装置在从第二侧驶过的车辆的数量大于或等于第一阈值的情况下,确定第二侧有车辆驶过;在从第二侧驶过的车辆的数量小于第一阈值的情况下,确定第二侧没有车辆驶过。
因此,事故车检测装置在根据行车环境,确定从第一侧驶过的车辆的数量大于或等于第一阈值,且从第二侧驶过的车辆的数量大于或等于第一阈值的情况下,确定异常车辆未处于高速公路的应急车道内;在根据行车环境,确定从第一侧驶过的车辆的数量小于第一阈值的情况下,确定异常车辆处于高速公路的应急车道内;在根据行车环境,确定从第二侧驶过的车辆的数量小于第一阈值的情况下,确定异常车辆处于高速公路的应急车道内。
可选的,事故车检测装置在根据行车环境确定从第一侧驶过的车辆的数量小于第一阈值,且确定从第二侧驶过的车辆的数量大于或等于第一阈值的情况下,确定异常车辆处于高速公路的应急车道内。
即事故车检测装置在根据行车环境确定第一侧没有车驶过,且第二侧有车驶过的情况下,确定异常车辆处于高速公路的应急车道内。
可选的,事故车检测装置在根据行车环境确定从第一侧驶过的车辆的数量大于或等于第一阈值,且确定从第二侧驶过的车辆的数量小于第一阈值的情况下,确定异常车辆处于高速公路的应急车道内。
即事故车检测装置在根据行车环境确定第一侧有车驶过,且第二侧没有车驶过的情况下,确定异常车辆处于高速公路的应急车道内。
在一种可能实现的方式中,事故车检测装置从交通视频中确定与第一侧对应的区域,作为第二区域。在确定从第二区域内行驶的车辆的数量大于或等于第一阈值的情况下,确定从第一侧驶过的车辆的数量大于或等于第一阈值;在确定从第二区域内行驶的车辆的数量小于第一阈值的情况下,确定从第一侧驶过的车辆的数量小于第一阈值。
事故车检测装置从交通视频中确定与第二侧对应的区域,作为第三区域。在确定从第三区域内行驶的车辆的数量大于或等于第一阈值的情况下,确定从第二侧驶过的车辆的数量大于或等于第一阈值;在确定从第三区域内行驶的车辆的数量小于第一阈值的情况下,确定从第二侧驶过的车辆的数量小于第一阈值。
事故检测装置根据从第一侧驶过的车辆的数量,确定第一侧是否有车辆驶过。根据从第二侧驶过的车辆的数量,确定第二侧是否有车辆驶过。在确定第一侧和第二侧均有车辆驶过的情况下,确定异常车辆未处于高速公路的应急车道内,可提高确定异常车辆未处于高速公路的应急车道的准确度。
作为一种可选的实施方式,交通视频还包括至少一辆第二车辆。本申请实施例中,至少一辆第二车辆可以包括一辆第二车辆,也可以包括一辆以上的第二车辆。任意一辆第二车辆均与异常车辆不同。
在该种实施方式中,事故车检测装置还执行以下步骤:
401、根据上述异常车辆周围的至少一辆同行车辆在上述交通视频中的位置,确定上述至少一辆同行车辆的至少一条第一轨迹。
本申请实施例中,事故车检测装置根据一辆同行车辆在交通视频中的位置,可确定该辆同行车辆的第一轨迹。
具体的,根据同行车辆在交通视频的各帧图像中的位置,以及各帧图像的采集时间,得到同行车辆的轨迹,作为第一轨迹。
在同行车辆的数量大于1的情况下,事故车检测装置根据每辆同行车辆在交通视频中的位置,分别确定每辆同行车辆的第一轨迹,得到至少两条第一轨迹。
402、从上述至少一条第一轨迹中确定从上述第一侧或上述第二侧驶过的至少一条第二轨迹。
若同行车辆的第一轨迹为从第一侧驶过的轨迹,说明同行车辆为从第一侧驶过异常车辆的车辆。若同行车辆的第一轨迹为从第二侧驶过的轨迹,说明同行车辆为从第二侧驶过异常车辆的车辆。
本申请实施例中,将从第一侧驶过异常车辆的同行车辆的第一轨迹称为第二轨迹,或将从第二侧驶过异常车辆的同行车辆的第一轨迹称为第二轨迹。
403、在上述第二轨迹的数量大于或等于第一阈值的情况下,确定有车辆从第一侧或第二侧驶过。
事故车检测装置在确定从第一侧驶过的第二轨迹的数量大于或等于第一阈值的情况下,确定有车辆从第一侧驶过。在确定从第二侧驶过的第二轨迹的数量大于或等于第一阈值的情况下,确定有车辆从第二侧驶过。
本申请实施例中,事故车检测装置在确定至少一辆同行车辆的至少一条第一轨迹的情况下,从至少一条第一轨迹中确定从第一侧驶过的至少一条第二轨迹,进而可根据从第一侧驶过的第二轨迹的数量确定从第一侧驶过异常车辆的数量,以及根据从第而侧驶过的第二轨迹的数量确定从第二侧驶过异常车辆的数量。在确定从第一侧驶过的车辆的数量大于第一阈值的情况下确定有车辆从第一侧驶过,即在确定从第一侧驶过的第二轨迹的数量大于第一阈值的情况下确定有车辆从第一侧驶过。在确定从第二侧驶过的车辆的数量大于第一阈值的情况下确定有车辆从第二侧驶过,即在确定从第二侧驶过的第二轨迹的数量大于第一阈值的情况下确定有车辆从第二侧驶过。这样,可提高确定第一侧有车辆驶过的准确度,以及提高确定第二侧有车辆驶过的准确度。
作为一种可选的实施方式,行车环境包括行人。事故车检测装置在执行步骤103的过程中执行以下步骤:501、在确定目标行人在上述异常车辆的周围区域内的持续时长大于或等于第二阈值的情况下,确定上述异常车辆为上述事故车。
本申请实施例中,目标行人为进入周围区域内的行人,其中,周围区域为根据异常车辆在交通视频中的第一位置确定的区域,第一位置为异常车辆在交通视频中的位置。可选的,第一位置为交通视频中的坐标。
在一种可能实现的方式中,第一位置为异常车辆的车辆检测框在交通视频中的位置,异常车辆的车辆检测框通过对交通视频进行车辆检测得到,其中,车辆检测为检测对象为车辆的目标检测。将第一参考框所包围的区域作为第一区域。
在另一种可能实现的方式中,第一位置为异常车辆上的任意一点在交通视频中的位置。可选的,第一位置为异常车辆的中心在交通视频中的位置。
在一种获取第一位置的实现方式中,事故车检测装置接收用户通过输入组件输入的第一位置。
在另一种获取第一位置的实现方式中,事故车检测装置接收终端发送的第一位置。
在又一种获取第一位置的实现方式中,事故车检测装置通过对交通视频进行结构化处理,得到异常车辆在交通视频中的位置,作为第一位置。
在一种可能实现的方式中,在第一位置为异常车辆的车辆检测框在交通视频中的位置的情况下,周围区域为异常车辆的车辆检测框所包围的区域。
在另一种可能实现的方式中,在第一位置为异常车辆的车辆检测框在交通视频中的位置的情况下,周围区域为通过将异常车辆的车辆检测框所包围的区域扩大后得到的区域。
在又一种可能实现的方式中,在第一位置为异常车辆上的任意一点在交通视频中的位置的情况下,周围区域为以第一位置为中心构建的邻域,该邻域包括异常车辆。
应理解,目标行人为进入周围区域的行人可以是,在交通视频中第一次出现就处于周围区域内的行人。例如,行人A第一次出现是在交通视频的第三帧图像,那么若行人A在第三帧图像中位于周围区域内,说明行人A为在交通视频中第一次出现就处于周围区域内的行人。
目标行人为进入周围区域的行人也可以是,在交通视频中第一次出现不在周围区域内但后续进入周围区域的行人。例如,行人B第一次出现是在交通视频的第三帧图像,那么若行人B在第三帧图像中位于周围区域外,但在第十帧图像中,行人B位于周围区域内,说明行人B为在交通视频中第一次出现不在周围区域内但后续进入周围区域的行人。考虑到事故车附近通常有人救援、查看事故原因、维修,而非事故车停下来时,非事故车附近有人的几率小。而对事故车进行救援、查看事故原因、进行维修,均需要耗费一定的时间,若人在事故车附近救援、查看事故原因、维修(下文将在事故车附近进行救援的人、查看事故车的事故原因的人、对事故车进行维修的人统称为帮助人员),帮助人员会在事故车附近待一段时间。
本申请实施例中,事故车检测装置以第二阈值为依据,判断目标行人在周围区域内的持续时长是长或是短。具体的,事故车检测装置在目标行人在周围区域内的持续时长大于或等于第二阈值的情况下,确定目标行人在周围区域内的持续时长是长,进而确定目标行人为帮助人员;在目标行人在周围区域内的持续时长小于第二阈值的情况下,确定目标行人在第一区域内的持续时长是短,进而确定目标行人不是帮助人员。
因此,事故车检测装置在确定目标行人在周围区域内的持续时长大于或等于第二阈值的情况下,确定异常车辆为事故车,可提高事故车检测的准确度。
作为一种可选的实施方式,事故车检测装置通过执行以下步骤确定第一区域内存在目标行人:
601、获取上述交通视频内的至少一个行人检测框。
本申请实施例中,至少一个行人检测框均通过对交通视频进行行人检测得到,一个行人检测框包括一个行人。
在一种获取至少一个行人检测框的实现方式中,事故车检测装置接收用户通过输入组件输入的至少一个行人检测框。
在另一种获取至少一个行人检测框的实现方式中,事故车检测装置接收终端发送的至少一个行人检测框。
在又一种获取至少一个行人检测框的实现方式中,事故车检测装置对交通视频进行行人检测,得到至少一个行人检测框。
602、在确定上述至少一个行人检测框内存在与上述周围区域的重合度大于或等于第三阈值的行人检测框的情况下,确定上述周围区域内存在上述目标行人。
行人检测框与周围区域的重合度大,说明行人检测框内的行人在周围区域内的几率大;行人检测框与周围区域的重合度小,说明行人检测框内的行人在周围区域内的几率小。
因此,事故车检测装置在行人检测框与周围区域的重合度大的情况下,确定行人检测框内的行人在周围区域内,即确定行人检测框内的行人为目标行人,即确定周围区域内存在目标行人;事故车检测装置在行人检测框与周围区域的重合度小的情况下,确定行人检测框内的行人未在周围区域内,即确定行人检测框内的行人不是目标行人,即确定周围区域内不存在目标行人。
本申请实施例中,事故车检测装置以第三阈值为依据,判断行人检测框与周围区域的重合度是大或是小。具体的,行人检测框与周围区域的重合度大于或等于第三阈值,说明行人检测框与周围区域的重合度大;行人检测框与周围区域的重合度小于第三阈值,说明行人检测框与周围区域的重合度小。
因此,事故车检测装置在确定至少一个行人检测框内存在与周围区域的重合度大于或等于第三阈值的行人检测框的情况下,确定周围区域内存在目标行人;在确定至少一个行人检测框内存在与周围区域的重合度小于第三阈值的行人检测框的情况下,确定周围区域内不存在目标行人。
本申请实施例中,事故车检测装置在确定至少一个行人检测框内存在与周围区域的重合度大于或等于第三阈值的行人检测框的情况下,确定周围区域内存在目标行人,可提高确定周围区域存在目标行人的准确度。
作为一种可选的实施方式,事故车检测装置在执行步骤501的过程中执行以下步骤:
701、在上述目标图像中的上述目标行人位于上述周围区域内,且上述目标行人在上述周围区域内的持续时长大于或等于上述第二阈值的情况下,确定上述异常车辆为上述事故车。
本申请实施例中,目标图像为包括目标行人的图像中采集时间最早的图像。例如,在交通视频中,图像a、图像b、图像c均包括目标行人。若图像a的采集时间最早,那么图像a为目标图像。此时,图像a中,目标行人的行人检测框为目标行人检测框。
在目标图像中,目标行人在周围区域内,即目标行人是在交通视频中第一次出现就在周围区域内,也就是说,目标行人从异常车辆里出来的几率大。此时,若目标行人在周围区域内的持续时长大于或等于第二阈值,说明目标行人为帮助人员的几率大。
因此,事故车检测装置在目标图像中的目标行人位于所述周围区域内,且目标行人在周围区域内的持续时长大于或等于第二阈值的情况下,确定异常车辆为事故车,可提高事故车检测的准确度。
作为一种可选的实施方式,事故车检测装置在执行步骤501的过程中执行以下步骤:
801、在目标图像中的上述目标行人位于上述周围区域外,且上述目标行人在上述周围区域内的持续时长大于或等于第三阈值的情况下,确定上述异常车辆为上述事故车。
在实际场景中,按来源可将上述帮助人员分为两类。一类是从事故车上下来的人(下文称为自助人员),另一类是从事故车的远处赶过来的人(下文称为援助人员)。
显然,在步骤701中,目标行人为自助人员。在步骤801中,目标图像中的目标行人位于周围区域外,说明目标行人是在第一视频中第一次出现,是在异常车辆的远处出现的。而在第一次出现后,目标行人又进入了周围区域,也就是说,目标行人是从异常车辆的远处进入周围区域的,即目标行人为援助人员。
本步骤中,第三阈值为判断目标行人在周围区域内的持续时长是长或是短的依据。具体的,事故车检测装置在目标行人在周围区域内的持续时长大于或等于第三阈值的情况下,确定目标行人在周围区域内的持续时长是长,进而确定目标行人为援助人员;在目标行人在周围区域内的持续时长小于第三阈值的情况下,确定目标行人在周围区域内的持续时长是短,进而确定目标行人不是援助人员。
考虑到援助人员从远处赶到事故车旁需要耗费时间,而自助人员从事故车上下车即可到事故车旁,因此援助人员在周围区域内的持续时长应比自助人员在周围区域内的持续时长长。因此,第三阈值大于第二阈值。
因此,事故车检测装置在目标图像中的目标行人位于上述周围区域外,且目标行人在上述周围区域内的持续时长大于或等于第三阈值的情况下,确定异常车辆为上述事故车,可提高事故车检测的准确度。
作为一种可选的实施方式,异常车辆所处的目标道路为非高速公路,即异常车辆所处的道路不是高速公路。例如,异常车辆所处的道路是城市道路。事故车检测装置在执行步骤501的过程中执行以下步骤:
901、在上述目标图像中的上述目标行人位于上述周围区域内,且上述目标行人在上述周围区域内的持续时长大于或等于上述第二阈值的情况下,确定上述异常车辆为上述事故车。
考虑到非高速公路存在交通信号灯,而在交通信号灯为红灯的情况下,相应的车辆将停在非高速公路上。而且在车辆停在非高速公路上的情况下,车辆附近可能也有人徘徊。例如,在车辆附近等待通行的行人。即在异常车辆所处的目标道路为非高速公路的情况下,可能出现将在异常车辆附近等待通行的人误识别为自助人员。但若异常车辆所处的道路的交通信号灯不是红灯。此时,若目标行人在周围区域内的持续时长大于或等于第二阈值,说明目标行人为自助人员。
因此,事故车检测装置在确定异常车辆所处的道路的交通信号灯不是红灯,且目标行人在周围区域内的持续时长大于或等于第二阈值的情况下,确定异常车辆为事故车。
由于在异常车辆所处的道路的交通信号灯不是红灯的情况下,异常车辆所处的道路上的除异常车辆之外的车辆应该处于运动状态。因此,事故车检测装置在确定目标车道上存在从所述异常车辆旁边驶过的车辆的情况下,确定异常车辆所处的道路的交通信号灯不是红灯。
由此,事故车检测装置在目标图像中的所述目标行人位于所述周围区域内,且所述目标行人在所述周围区域内的持续时长大于或等于所述第二阈值,且目标车道上存在从所述异常车辆旁边驶过的车辆的情况下,确定所述异常车辆为所述事故车,可提高事故车检测的准确度。
考虑到不管是高速公路还是非高速公路,都有可能有道路作业人员在道路上进行道路救援或对道路进行养护(下文将道路救援或对道路进行养护称为道路作业)。
而在道路作业人员进行道路作业的过程中,可能将用于进行道路作业的车辆(下文称为道路作业车辆)停在道路上,并且道路作业人员可能停留在道路作业车辆旁边的持续时长大于或等于第二阈值,或道路作业人员可能停留在道路作业车辆旁边的持续时长大于或等于第三阈值。但显然,道路作业车辆不是因为发生交通事故停在道路上,即道路作业车辆不是事故车。
但道路作业人员在进行道路作业时,需穿着道路作业人员安全标志服。因此,在目标行人未穿着道路作业人员安全标志服,且目标行人为帮助人员的情况下,确定异常车辆为事故车,可提高事故车的检测准确度。
作为一种可选的实施方式,事故车检测装置通过执行以下步骤确定目标道路的类型:
1001、根据上述异常车辆周围的行人数量和/或上述异常车辆周围的车辆数量,确定上述目标道路的类型。
本申请实施例中,类型包括高速公路、非高速公路中的一种。由于高速公路禁止行人通行,而非高速公路未禁止行人通行,高速公路的行人数量应少于非高速公路的行人数量。因此,事故车检测装置根据异常车辆周围的行人数量,确定目标道路的行人是多或是少。在确定目标道路的行人多的情况下,确定目标道路的类型为高速公路;在确定目标道路的行人少的情况下,确定目标道路的类型为非高速公路。
在一种可能实现的方式中,事故车检测装置在行人数量大于或等于第四阈值的情况下,确定目标道路的行人多,进而确定目标道路的类型为非高速公路;在行人数量小于第四阈值的情况下,确定目标道路的行人少,进而确定目标道路的类型为非高速公路。
在另一种可能实现的方式中,事故车检测装置确定交通视频中的车辆数量。事故车检测装置在行人数量与车辆数量的比值大于或等于第五阈值的情况下,确定目标道路的行人多,进而确定目标道路的类型为非高速公路;在行人数量与车辆数量的比值小于第五阈值的情况下,确定目标道路的行人少,进而确定目标道路的类型为非高速公路。
在又一种可能实现的方式中,事故车检测装置在行人数量大于或等于第四阈值,且行人数量与车辆数量的比值大于或等于第五阈值的情况下,确定目标道路的行人多,进而确定目标道路的类型为非高速公路。反之,确定目标道路的行人少,进而确定目标道路的类型为高速公路。
在又一种可能实现的方式中,确定异常车辆周围的行人数量与异常车辆周围的车辆数量的和,得到对象数量。在行人数量与对象数量的比值小于第六阈值的情况下,确定目标道路的类型为高速公路。在行人数量与对象数量的比值大于或等于第六阈值的情况下,确定目标道路的类型为非高速公路。
作为一种可选的实施方式,事故车检测装置通过执行以下步骤确定异常车辆为停在道路上的车辆:
1101、在交通视频中的待确定车辆在道路上,且根据上述交通视频中的任意两张包括上述待确定车辆的图像,确定上述待确定车辆的交并比(intersection over union,IOU)大于或等于第七阈值的情况下,确定上述待确定车辆为异常车辆。
本申请实施例中,待确定车辆为交通视频中的任一车辆。事故车检测装置可根据待确定车辆在交通视频中的位置和道路在交通视频中的位置,确定待确定车辆是否在道路上。
若根据任意两张包括待确定车辆的图像,确定异常车辆的IOU大,说明待确定车辆静止的几率大;若根据任意两张包括待确定车辆的图像,确定待确定车辆的IOU小,说明待确定车辆静止的几率小。
本申请实施例中,事故车检测装置以第七阈值为依据,判断待确定车辆的IOU是大或是小。具体的,在待确定车辆的IOU大于或等于第七阈值的情况下,待确定车辆的IOU大;在待确定车辆的IOU小于第七阈值的情况下,待确定车辆的IOU小。
例如,图像a和图像b均为交通视频中包括待确定车辆的图像,其中,待确定车辆在图像a中所覆盖的像素区域为第四区域,待确定车辆在图像b中所覆盖的像素区域为第五区域。在第四区域与第五区域的IOU大于或等于第七阈值的情况下,待确定车辆的IOU大,进而确定待确定车辆为静止状态;在第四区域与第五区域的IOU小于第七阈值的情况下,待确定车辆的IOU小,进而确定待确定车辆为运动状态。
因此,事故车检测装置在待确定车辆在道路上,且根据任意两张包括待确定车辆的图像,确定待确定车辆的IOU大于或等于第九阈值的情况下,确定待确定车辆异常车辆为异常车辆。
本申请实施例中,事故车检测装置在根据任意两张包括待确定车辆的图像,确定待确定车辆的IOU大于或等于第七阈值的情况下,确定待确定车辆处于静止状态。进而在待确定车辆处于静止状态,且待确定车辆在道路上的情况下,可确定待确定车辆为异常车辆。
基于本申请实施例提供的技术方案,本申请实施例还提供了一种可能的应用场景。
在道路上发生交通事故时,相关人员若能及时赶赴事故现场进行救援和处理,可减少人员伤亡,以及降低损失。而相关人员能及时赶赴事故现场的前提是,监测到道路上有交通事故发生。因此,如何有效的监测道路上有交通事故发生具有非常重要的意义。
A地的相关人员将服务器作为事故车检测装置,其中,该服务器与A地的道路监控设备之间具有通信连接。
服务器在通过该通信连接获取道路监控设备采集到的视频的情况下,将该视频作为交通视频,并对交通视频进行结构化处理,得到交通视频的结构化处理结果,其中,结构化处理结果包括:车辆检测框在交通视频中的位置、行人检测框在交通视频中的位置、车辆在交通视频中的位置。可选的,在结构化处理结构中,车辆的位置为车辆中心在交通视频中的位置。
服务器进而可根据车辆在交通视频中的位置,从交通视频中确定异常车辆以及异常车辆的行车环境。再基于本申请实施例提供的技术方案、异常车辆和行车环境,在确定交通视频中存在事故车的情况下,确定交通视频中存在交通事故。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
若本申请技术方案涉及个人信息,应用本申请技术方案的产品在处理个人信息前,已明确告知个人信息处理规则,并取得个人自主同意。若本申请技术方案涉及敏感个人信息,应用本申请技术方案的产品在处理敏感个人信息前,已取得个人单独同意,并且同时满足“明示同意”的要求。例如,在摄像头等个人信息采集装置处,设置明确显著的标识告知已进入个人信息采集范围,将会对个人信息进行采集,若个人自愿进入采集范围即视为同意对其个人信息进行采集;或者在个人信息处理的装置上,利用明显的标识/信息告知个人信息处理规则的情况下,通过弹窗信息或请个人自行上传其个人信息等方式获得个人授权;其中,个人信息处理可包括个人信息处理者、个人信息处理目的、处理方式以及处理的个人信息种类等信息。
上述详细阐述了本申请实施例的方法,下面提供了本申请实施例的装置。
请参阅图3,图3为本申请实施例提供的一种事故车检测装置的结构示意图。该事故车检测装置1包括:获取单元11、第一处理单元12、第二处理单元13。具体的:
获取单元11,用于获取交通视频;
第一处理单元12,用于从所述交通视频中确定异常车辆以及所述异常车辆的行车环境,其中,所述异常车辆为停在道路上的车辆,所述行车环境包括所述异常车辆周围的车辆和/或行人;
第二处理单元13,用于根据所述行车环境,确定所述异常车辆为事故车。
结合本申请任一实施方式,所述第二处理单元13,用于在所述异常车辆所处的目标道路为高速公路,且根据所述行车环境,确定所述异常车辆未处于所述高速公路的应急车道内的情况下,确定所述异常车辆为所述事故车。
结合本申请任一实施方式,所述异常车辆的两侧为第一侧和第二侧,所述行车环境包括所述车辆;
所述第二处理单元13,用于在根据所述行车环境,确定所述第一侧和所述第二侧均有车辆驶过的情况下,确定所述异常车辆未处于所述高速公路的应急车道内。
结合本申请任一实施方式,所述第二处理单元13,还用于:
根据所述异常车辆周围的至少一辆同行车辆在所述交通视频中的位置,确定所述至少一辆同行车辆的至少一条第一轨迹;
从所述至少一条第一轨迹中确定从所述第一侧/第二侧驶过的至少一条第二轨迹;
在所述第二轨迹的数量大于或等于第一阈值的情况下,确定有车辆从所述第一侧/第二侧驶过。
结合本申请任一实施方式,所述第二处理单元13,用于在所述异常车辆所处的目标道路为高速公路,且所述异常车辆的两侧均有车辆驶过的情况下,确定所述异常车辆为事故车。
结合本申请任一实施方式,所述行车环境包括所述行人,所述第二处理单元13,用于在确定目标行人在所述异常车辆的周围区域内的持续时长大于或等于第二阈值的情况下,确定所述异常车辆为所述事故车;所述目标行人为进入所述周围区域内的行人;所述周围区域为根据所述异常车辆在所述交通视频中的第一位置确定的区域。
结合本申请任一实施方式,所述第二处理单元13,用于在所述目标图像中的所述目标行人位于所述周围区域内,且所述目标行人在所述周围区域内的持续时长大于或等于所述第二阈值的情况下,确定所述异常车辆为所述事故车;所述目标图像为包括所述目标行人的图像中采集时间最早的图像。
结合本申请任一实施方式,所述第二处理单元13,用于在目标图像中的所述目标行人位于所述周围区域外,且所述目标行人在所述周围区域内的持续时长大于或等于第三阈值的情况下,确定所述异常车辆为所述事故车;所述第三阈值大于所述第二阈值;所述目标图像为包括所述目标行人的图像中采集时间最早的图像。
结合本申请任一实施方式,在所述异常车辆所处的目标道路为非高速公路的情况下,所述第二处理单元13,用于在目标图像中的所述目标行人位于所述周围区域内,且所述目标行人在所述周围区域内的持续时长大于或等于所述第二阈值,且目标车道上存在从所述异常车辆旁边驶过的车辆的情况下,确定所述异常车辆为所述事故车;所述目标图像为包括所述目标行人的图像中采集时间最早的图像;所述目标车道的行驶方向与所述异常车辆所在的车道的行驶方向相同。
结合本申请任一实施方式,所述目标行人未穿着道路作业人员安全标志服。
结合本申请任一实施方式,所述第一处理单元12,还用于根据所述异常车辆周围的行人数量和/或所述异常车辆周围的车辆数量,确定所述目标道路的类型,所述类型包括高速公路、非高速公路中的一种。
本申请实施例中,事故车检测装置在异常车辆停在道路的情况下,可根据异常车辆的行车环境,确定异常车辆为事故车,从而降低人工成本。
在一些实施例中,本申请实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
图4为本申请实施例提供的一种事故车检测装置的硬件结构示意图。该事故车检测装置2包括处理器21,存储器22,输入装置23,输出装置24。该处理器21、存储器22、输入装置23和输出装置24通过连接器相耦合,该连接器包括各类接口、传输线或总线等等,本申请实施例对此不作限定。应当理解,本申请的各个实施例中,耦合是指通过特定方式的相互联系,包括直接相连或者通过其他设备间接相连,例如可以通过各类接口、传输线、总线等相连。
处理器21可以是一个或多个图形处理器(graphics processing unit,GPU),在处理器21是一个GPU的情况下,该GPU可以是单核GPU,也可以是多核GPU。可选的,处理器21可以是多个GPU构成的处理器组,多个处理器之间通过一个或多个总线彼此耦合。可选的,该处理器还可以为其他类型的处理器等等,本申请实施例不作限定。
存储器22可用于存储计算机程序指令,以及用于执行本申请方案的程序代码在内的各类计算机程序代码。可选地,存储器包括但不限于是随机存储记忆体(random accessmemory,RAM)、只读存储器(read-only memory,ROM)、可擦除可编程只读存储器(erasableprogrammable read only memory,EPROM)、或便携式只读存储器(compact disc read-only memory,CD-ROM),该存储器用于相关指令及数据。
输入装置23用于输入数据和/或信号,以及输出装置24用于输出数据和/或信号。输入装置23和输出装置24可以是独立的器件,也可以是一个整体的器件。
可理解,本申请实施例中,存储器22不仅可用于存储相关指令,还可用于存储相关数据,如该存储器22可用于存储通过输入装置23获取的交通视频等等,本申请实施例对于该存储器中具体所存储的数据不作限定。
可以理解的是,图4仅仅示出了一种事故车检测装置的简化设计。在实际应用中,事故车检测装置还可以分别包含必要的其他元件,包含但不限于任意数量的输入/输出装置、处理器、存储器等,而所有可以实现本申请实施例的事故车检测装置都在本申请的保护范围之内。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。所属领域的技术人员还可以清楚地了解到,本申请各个实施例描述各有侧重,为描述的方便和简洁,相同或类似的部分在不同实施例中可能没有赘述,因此,在某一实施例未描述或未详细描述的部分可以参见其他实施例的记载。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者通过所述计算机可读存储介质进行传输。所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriberline,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,数字通用光盘(digital versatiledisc,DVD))、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,该流程可以由计算机程序来指令相关的硬件完成,该程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法实施例的流程。而前述的存储介质包括:只读存储器(read-only memory,ROM)或随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可存储程序代码的介质。
Claims (14)
1.一种事故车检测方法,其特征在于,所述方法包括:
获取交通视频;
从所述交通视频中确定异常车辆以及所述异常车辆的行车环境,其中,所述异常车辆为停在道路上的车辆,所述行车环境包括所述异常车辆周围的车辆和/或行人;
根据所述行车环境,确定所述异常车辆为事故车。
2.根据权利要求1所述的方法,其特征在于,所述根据所述行车环境,确定所述异常车辆为事故车,包括:
在所述异常车辆所处的目标道路为高速公路,且根据所述行车环境,确定所述异常车辆未处于所述高速公路的应急车道内的情况下,确定所述异常车辆为所述事故车。
3.根据权利要求2所述的方法,其特征在于,所述异常车辆的两侧为第一侧和第二侧,所述行车环境包括所述车辆;
所述根据所述行车环境,确定所述异常车辆未处于所述高速公路的应急车道内,包括:
在根据所述行车环境,确定所述第一侧和所述第二侧均有车辆驶过的情况下,确定所述异常车辆未处于所述高速公路的应急车道内。
4.根据权利要求3所述的方法,其特征在于,所述根据所述行车环境,确定所述第一侧和所述第二侧均有车辆驶过的情况下,确定所述异常车辆未处于所述高速公路的应急车道内之前,所述方法还包括:
根据所述异常车辆周围的至少一辆同行车辆在所述交通视频中的位置,确定所述至少一辆同行车辆的至少一条第一轨迹;
从所述至少一条第一轨迹中确定从所述第一侧/第二侧驶过的至少一条第二轨迹;
在所述第二轨迹的数量大于或等于第一阈值的情况下,确定有车辆从所述第一侧/第二侧驶过。
5.根据权利要求1所述的方法,其特征在于,所述根据所述行车环境,确定所述异常车辆为事故车,包括:
在所述异常车辆所处的目标道路为高速公路,且所述异常车辆的两侧均有车辆驶过的情况下,确定所述异常车辆为事故车。
6.根据权利要求1所述的方法,其特征在于,所述行车环境包括所述行人,所述根据所述行车环境,确定所述异常车辆为事故车,包括:
在确定目标行人在所述异常车辆的周围区域内的持续时长大于或等于第二阈值的情况下,确定所述异常车辆为所述事故车;所述目标行人为进入所述周围区域内的行人;所述周围区域为根据所述异常车辆在所述交通视频中的第一位置确定的区域。
7.根据权利要求6所述的方法,其特征在于,所述在目标行人在所述异常车辆的周围区域内的持续时长大于或等于第二阈值周围区域的情况下,确定所述异常车辆为所述事故车,包括:
在所述目标图像中的所述目标行人位于所述周围区域内,且所述目标行人在所述周围区域内的持续时长大于或等于所述第二阈值的情况下,确定所述异常车辆为所述事故车;
所述目标图像为包括所述目标行人的图像中采集时间最早的图像。
8.根据权利要求6所述的方法,其特征在于,所述在目标行人在所述异常车辆的周围区域内的持续时长大于或等于第二阈值周围区域的情况下,确定所述异常车辆为所述事故车,包括:
在目标图像中的所述目标行人位于所述周围区域外,且所述目标行人在所述周围区域内的持续时长大于或等于第三阈值的情况下,确定所述异常车辆为所述事故车;所述第三阈值大于所述第二阈值;所述目标图像为包括所述目标行人的图像中采集时间最早的图像。
9.根据权利要求6所述的方法,其特征在于,在所述异常车辆所处的目标道路为非高速公路的情况下,所述在确定目标行人在所述异常车辆的周围区域内的持续时长大于或等于第二阈值的情况下,确定所述异常车辆为所述事故车,包括:
在目标图像中的所述目标行人位于所述周围区域内,且所述目标行人在所述周围区域内的持续时长大于或等于所述第二阈值,且目标车道上存在从所述异常车辆旁边驶过的车辆的情况下,确定所述异常车辆为所述事故车;
所述目标图像为包括所述目标行人的图像中采集时间最早的图像;所述目标车道的行驶方向与所述异常车辆所在的车道的行驶方向相同。
10.根据权利要求6至9中任意一项所述的方法,其特征在于,所述目标行人未穿着道路作业人员安全标志服。
11.根据权利要求2至10中任意一项所述的方法,其特征在于,在所述根据所述行车环境,确定所述异常车辆为事故车之前,所述方法还包括:
根据所述异常车辆周围的行人数量和/或所述异常车辆周围的车辆数量,确定所述目标道路的类型,所述类型包括高速公路、非高速公路中的一种。
12.一种事故车检测装置,其特征在于,所述装置包括:
获取单元,用于获取交通视频;
第一处理单元,用于从所述交通视频中确定异常车辆以及所述异常车辆的行车环境,其中,所述异常车辆为停在道路上的车辆,所述行车环境包括所述异常车辆周围的车辆和/或行人;
第二处理单元,用于根据所述行车环境,确定所述异常车辆为事故车。
13.一种电子设备,其特征在于,包括:处理器和存储器,所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令,在所述处理器执行所述计算机指令的情况下,所述电子设备执行如权利要求1至11中任意一项所述的方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,所述计算机程序包括程序指令,在所述程序指令被处理器执行的情况下,使所述处理器执行权利要求1至11中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211000979.3A CN115272939A (zh) | 2022-08-19 | 2022-08-19 | 事故车检测方法及装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211000979.3A CN115272939A (zh) | 2022-08-19 | 2022-08-19 | 事故车检测方法及装置、电子设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115272939A true CN115272939A (zh) | 2022-11-01 |
Family
ID=83753248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211000979.3A Pending CN115272939A (zh) | 2022-08-19 | 2022-08-19 | 事故车检测方法及装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115272939A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116343484A (zh) * | 2023-05-12 | 2023-06-27 | 天津所托瑞安汽车科技有限公司 | 交通事故识别方法、终端及存储介质 |
-
2022
- 2022-08-19 CN CN202211000979.3A patent/CN115272939A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116343484A (zh) * | 2023-05-12 | 2023-06-27 | 天津所托瑞安汽车科技有限公司 | 交通事故识别方法、终端及存储介质 |
CN116343484B (zh) * | 2023-05-12 | 2023-10-03 | 天津所托瑞安汽车科技有限公司 | 交通事故识别方法、终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6999004B2 (en) | System and method for vehicle detection and tracking | |
CN112965502A (zh) | 视觉跟踪确认方法、装置、设备及存储介质 | |
CN112016528B (zh) | 行为识别方法、装置、电子设备及可读存储介质 | |
CN112241696A (zh) | 图像处理方法及装置、电子设备及存储介质 | |
CN113011263B (zh) | 一种矿井监控方法、装置、终端设备及介质 | |
CN109146914B (zh) | 一种高速公路基于视频分析的醉酒驾驶行为预警方法 | |
CN112071084A (zh) | 一种利用深度学习判断违章停车的方法和系统 | |
CN110263623B (zh) | 列车攀爬监测方法、装置、终端及存储介质 | |
CN109919066B (zh) | 一种检测轨道交通车厢内乘客密度异常的方法和装置 | |
CN115272939A (zh) | 事故车检测方法及装置、电子设备及计算机可读存储介质 | |
KR101757750B1 (ko) | 열차 혼잡도 정보의 통합 안내 방법 | |
CN110544312A (zh) | 虚拟场景中的视频显示方法、装置、电子设备与存储装置 | |
CN113469115A (zh) | 用于输出信息的方法和装置 | |
KR20200026492A (ko) | IoT기반의 카메라 그룹핑을 이용한 터널 내 유고 감시 시스템 | |
CN111582239A (zh) | 一种违章监控方法和装置 | |
CN109800656B (zh) | 定位方法及相关产品 | |
CN114187676A (zh) | 一种巡检方法、装置、设备、系统和存储介质 | |
CN113990101A (zh) | 一种禁停区域车辆检测方法及其系统和处理装置 | |
KR20220065180A (ko) | 보차혼용도로에서의 보행자 사고 방지 방법 및 시스템 | |
CN112528791A (zh) | 一种铁路站场防入侵系统及方法 | |
TR201812156A2 (tr) | Plaka tanima si̇stemi̇ kamera görüntüleri̇ kullanilarak ön koltuk yolcu kapasi̇tesi̇ i̇hlal tespi̇t yöntemi̇ | |
CN114067283A (zh) | 一种违规行为识别方法、装置、电子设备及存储介质 | |
CN113033239B (zh) | 一种行为检测方法及装置 | |
CN111191603B (zh) | 车内人员识别方法、装置、终端设备及介质 | |
KR20200062025A (ko) | 다중 로그 분석을 기반으로 차량 위험을 처리하는 방법 및 장치 |
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 |