CN115346364A - 基于图像识别的显示控制方法、装置 - Google Patents

基于图像识别的显示控制方法、装置 Download PDF

Info

Publication number
CN115346364A
CN115346364A CN202210788146.1A CN202210788146A CN115346364A CN 115346364 A CN115346364 A CN 115346364A CN 202210788146 A CN202210788146 A CN 202210788146A CN 115346364 A CN115346364 A CN 115346364A
Authority
CN
China
Prior art keywords
road
display
vehicles
traffic flow
time period
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.)
Granted
Application number
CN202210788146.1A
Other languages
English (en)
Other versions
CN115346364B (zh
Inventor
王远航
王辉
张昆鹏
王静宇
张聪聪
葛标
梅一多
李蹊
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.)
Zhongguancun Smart City Co Ltd
Original Assignee
Zhongguancun Smart City 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 Zhongguancun Smart City Co Ltd filed Critical Zhongguancun Smart City Co Ltd
Priority to CN202210788146.1A priority Critical patent/CN115346364B/zh
Publication of CN115346364A publication Critical patent/CN115346364A/zh
Application granted granted Critical
Publication of CN115346364B publication Critical patent/CN115346364B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/50Context or environment of the image
    • G06V20/52Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/62Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625License plates
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125Traffic data processing
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/01Detecting movement of traffic to be counted or controlled
    • G08G1/0104Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0145Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
    • GPHYSICS
    • G08SIGNALLING
    • G08GTRAFFIC CONTROL SYSTEMS
    • G08G1/00Traffic control systems for road vehicles
    • G08G1/09Arrangements for giving variable traffic instructions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00Indexing scheme relating to image or video recognition or understanding
    • G06V2201/08Detecting or categorising vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开的实施例公开了基于图像识别的显示控制方法、装置。该方法的一具体实施方式包括:获取由预先布设的拍摄装置在目标时间段内拍摄的道路图像序列;对道路图像序列进行识别分析,以得到拍摄道路在目标时间段内的车流量;响应于车流量小于预设阈值,控制拍摄道路中设置的智能标志显示牌显示表征允许预定义类别车辆通行的第一标志;响应于车流量大于或等于预设阈值,控制智能标志显示牌显示表征不允许预定义类别车辆通行的第二标志。实现了根据道路车流量灵活显示提示标志,从而缓解了固定时间段、规定区域限制通行的措施对预定义类别车辆通行造成的不便。

Description

基于图像识别的显示控制方法、装置
技术领域
本公开的实施例涉及智能显示控制领域,具体涉及基于图像识别的显示控制方法、装置。
背景技术
智慧交通是智慧城市建设的重要组成部分。目前,对于城市道路,为了解决交通拥堵问题,对于预定义类别车辆(例如渣土车、大卡车)往往通过路牌或者在车道中固定显示对于预定义类别车辆的通行限制措施。例如,在路牌上显示8:00-18:00静止货车进入三环。
然而,发明人发现,当采用上述方式时,经常会存在如下技术问题:
第一、通过路牌或者在车道中固定显示虽然有助于解决交通拥堵问题,但是对于这些预定义类别车辆的行驶造成了极大的不便;
第二、预定义类别车辆由于重量较重,如果让这些车辆在低等级道路行驶,容易对低等级的道路造成损坏。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了基于图像识别的显示控制方法、装置、设备、计算机可读介质和程序产品,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种一种基于图像识别的显示控制方法,包括:获取由预先布设的拍摄装置在目标时间段内拍摄的道路图像序列;对道路图像序列进行识别分析,以得到拍摄道路在目标时间段内的车流量;响应于车流量小于预设阈值,控制拍摄道路中设置的智能标志显示牌显示表征允许预定义类别车辆通行的第一标志,以及在数据库中将拍摄道路标记为预定义类别车辆可通行道路;响应于车流量大于或等于预设阈值,控制智能标志显示牌显示表征不允许预定义类别车辆通行的第二标志,以及在数据库中将拍摄道路标记为预定义类别车辆不可通行道路。
第二方面,本公开的一些实施例提供了一种基于图像识别的显示控制装置,包括:获取单元,被配置成获取由预先布设的拍摄装置在目标时间段内拍摄的道路图像序列;分析单元,被配置成对道路图像序列进行识别分析,以得到拍摄道路在目标时间段内的车流量;控制单元,被配置成响应于车流量小于预设阈值,控制拍摄道路中设置的智能标志显示牌显示表征允许预定义类别车辆通行的第一标志,以及在数据库中将拍摄道路标记为预定义类别车辆可通行道路;控制单元进一步被配置成响应于车流量大于或等于预设阈值,控制智能标志显示牌显示表征不允许预定义类别车辆通行的第二标志,以及在数据库中将拍摄道路标记为预定义类别车辆不可通行道路。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果:实现了根据道路车流量灵活控制智能显示牌显示提示标志,从而缓解了通过路牌或者在车道中固定显示标志对预定义车辆通行造成的不便。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的基于图像识别的显示控制方法的一些实施例的流程图;
图2是根据本公开的基于图像识别的显示控制装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
参考图1,示出了根据本公开的基于图像识别的显示控制方法的一些实施例的流程100。该基于图像识别的显示控制方法,包括以下步骤:
步骤101,获取由预先布设的拍摄装置在目标时间段内拍摄的道路图像序列。
在一些实施例中,可以在路网中多个路段预先布设拍摄装置,当然,也可以直接通过现有的各种监控、抓拍装置来获取道路图像序列。其中,目标时间段可以是任一时间段。从而基于图像识别的显示控制方法的执行主体(例如智慧城市控制中心)可以获取拍摄装置在目标时间段内拍摄的道路图像序列。
实践中,可以将一天中的重点时间段确定为目标时间段。例如,可以将早7点至9点这个时间段确定为目标时间段。
时间中,发明人发现,目标时间段的选取会影响车流量统计的准确性。且经过研究发现,车流量峰值出现的时间段会受到道路等级信息(例如二级道路)、天气信息(例如雨雪天气)、节假日信息(例如星期六)、当前时间信息(例如下午3点)等各类因素的影响。因此,本公开的一些实施例中提出,不同的日期所选取的目标时间段可以有所不同。例如,周一到周五的目标时间段为早7点至9点,而周六和周日的目标时间段为早上10点至12点。
具体的,目标时间段可以通过以下方式确定:首先获取拍摄道路的道路等级信息、天气信息、节假日信息、当前时间信息,之后对上述道路等级信息、天气信息、节假日信息、当前时间信息分别进行编码后进行拼接,得到拍摄道路对应的影响因素向量。然后,将影响因素向量输入预先训练的时间段确定模型,从而得到目标时间段。通过这样的方式确定的目标时间段可以充分综合各个影响因素,以选取到一天中最合适的时间段,从而避免人工根据经验选取到不合适的时间段造成车流量预测不准确。其中,时间段确定模型可以是经过训练的卷积神经网络。另外,时间段确定模型还可以是带有注意机制的卷积神经网络,从而可以为不同的影响因素设置不同的权重,从而调节不同的影响因素的影响大小。实践中,预定义类别车辆可以是尺寸、用途等于常规车辆差异较大的车辆,包括但不限于:渣土车、货车、皮卡等等。
步骤102,对道路图像序列进行识别分析,以得到拍摄道路在目标时间段内的车流量。
在一些实施例中,作为示例,上述执行主体可以通过目标检测算法,对道路图像序列中的车辆进行识别。一般的,可以采用分别对各个道路图像进行车辆识别,得到预定义类别数据。然后对各个道路图像对应的车辆数据进行去重,以去掉重复计数的车辆,进而得到车流量。在此过程中,由于现有的拍摄装置采集图像的时间间隔较短,因此,道路图像序列中相邻的两张图像中往往存在大量的重复车辆,需要通过车牌号识别来识别不同图像中的同一车辆,增加了识别时间。
为了解决这一问题,可以获取拍摄道路的车辆行驶平均速度。用拍摄装置能采集到的最长路程长度除以平均速度,得到间隔时长。实践中,拍摄装置能采集到的最长路径长度可以是预先确定的,与拍摄装置类别以及假设高度、假设角度相关。基于上述间隔时长,对上述道路图像序列进行采样。例如,每隔上述间隔时长,选取一帧图像,得到道路图像序列。在此基础上进行识别,从而最大限度避免大量重复车辆,不需要再进行去重处理,节约处理时间。
步骤103,响应于车流量小于预设阈值,控制拍摄道路中设置的智能标志显示牌显示表征允许预定义类别车辆通行的第一标志,以及在数据库中将拍摄道路标记为预定义类别车辆可通行道路。
在一些实施例中,在车流量较小的情况下,可以控制智能标志显示牌显示第一标志,从而预定义类别车辆可以在拍摄道路通行。其中,智能标志显示牌可以包括显示组件、控制板、通信组件、供电组件等。控制板可以通过通信组件与智慧城市控制中心进行通信,以进行数据接收或发送。另外,控制板还可以通过通信组件接收控制信号,进而控制显示组件进行相应的显示。控制板例如可以是单片机等。控制智能标志显示牌可以根据需要布设在道路的两侧。
步骤104,响应于车流量大于或等于预设阈值,控制智能标志显示牌显示表征不允许预定义类别车辆通行的第二标志,以及在数据库中将拍摄道路标记为预定义类别车辆不可通行道路。
在一些实施例中,在车流量较大的情况下,可以控制智能标志显示牌显示第二标志,从而避免预定义类别车辆在拍摄道路通行。
可选的,上述方法还包括:获取为智能标志显示牌设置的显示时长阈值和显示时长预警值;响应于确定智能标志显示牌显示第一标志的持续时长到达显示时长预警值,控制拍摄装置重新采集图像,以及控制智能标志显示牌显示剩余时长,剩余时长为显示时长阈值与持续时长之差。将剩余时长发送至拍摄道路上的预定义类别车辆上的车载装置。由此,可以对车辆进行预警,便于预定义类别车辆进行道路切换或道路选择。
本公开的一些实施例提供的方法,实现了根据道路车流量灵活控制智能显示牌显示提示标志,从而缓解了通过路牌或者在车道中固定显示标志对预定义类别车辆通行造成的不便。
通过上述分析可知,通过灵活显示提示标识,可以灵活的控制预定义类别车辆通行的时间。但是,这也带来一个问题,即背景技术部分描述的技术问题二:一些路段由于本身道路等级的问题,能够承载的车辆重量有限。预定义类别车辆由于其自重较重加上货物重量,往往重量较重。因此,当低等级道路对预定义类别车辆灵活开放时,车辆运行容易对路段造成损害。
基于此,本公开的一些实施例还包括以下步骤:
步骤一、响应于智能标志显示牌当前显示第一标志,控制智能标志显示牌显示拍摄道路对应的重量阈值;以便司机能及时观测到重量阈值。
步骤二、控制与智能标志显示牌对应设置的智能车辆检测装置启动,智能车辆检测装置包括两个智能车辆传感器和控制单元,两个智能车辆传感器铺设于拍摄道路且处于智能标志显示牌的预设范围内,两个智能车辆传感器沿着拍摄道路前后设置,两个智能车辆传感器之间的距离与预定义类别车辆的轴距相匹配;通过这样的设置方式,当预定义类别车辆驶过上述智能车辆传感器时,由于轴距匹配,两个智能车辆传感器同时感应到重量,因此会被激活,可以测量车辆的重量。而对于普通车辆,由于轴距不匹配,不会激活智能车辆传感器。
步骤三、响应于接收到智能车辆检测装置发送的车辆重量和时间戳,确定车辆重量是否大于或等于重量阈值。
步骤四、若大于或等于重量阈值,确定时间戳对应的道路图像并作为目标道路图像。
步骤五、对目标道路图像进行图像识别,得到预定义类别车辆的车牌信息和车型信息,以及将车牌信息和车型信息发送至车辆管理服务器。从而为超重预定义类别车辆的管理提供了数据记录。
实践中,可以通过经过训练的卷积神经网络等算法,对目标道路图像进行图像识别,得到预定义类别车辆的车牌信息和车型信息。其中,卷积神经网络可以通过训练样本进行训练。训练样本包括样本道路图像和样本车牌信息和样本车型信息。其中,卷积神经网络目标定位子网络、车牌识别子网络、车型识别子网络,其中,目标定位子网络输出输入的道路图像中预定义类别车辆的位置信息,然后根据位置信息,对道路图像进行裁剪,得到至少一个图像区域。对于每个图像区域,同时输入车牌识别子网络和车型识别子网络,得到车牌号码和车型信息。由于预定义类别车辆种类有很多种,可以确定具体是货车还是市政用车等。
在一些实施例的一些可选的实现方式中,将目标道路图像输入车辆识别模型,得到预定义类别车辆的车牌信息和车型信息,其中,车辆识别模型是通过以下步骤训练得到的:构建生成对抗网络,生成对抗网络包括生成网络和鉴别网络;基于经过数据增强的训练样本集,对生成对抗网络进行预训练,得到预训练生成对抗网络;将生成网络在训练过程中生成的图像加入训练样本集,得到扩充训练样本集,以及基于扩充训练样本集对预训练生成对抗网络进行训练,得到候选生成对抗网络;将候选生成对抗网络部署至线上,以实时进行预定义类别车辆识别;将识别到的车型信息为预定义类别车辆的道路图像加入扩充训练样本集,以及对候选生成对抗网络进行二次训练,以生成车辆识别模型。
在一些实施例的一些可选的实现方式中,接收用户通过用户终端输入的起始位置信息、目的位置信息以及车辆类型信息;响应于车辆类型信息表征预定义车辆,从起始位置信息和目的位置信息对应的路径集合中,筛选出目标路径。其中,目标路径包含的各个路段均为预定义车辆可通行道路;将目标路径发送至用户终端,以使用户终端对目标路径在电子地图中进行展示。
在这些实现方式中,通过在数据库中标记预定义类别车辆,从而可以为预定义类别车辆的通行进行导航,以避免提示标识灵活变换所带来的不变,避免预定义类别车辆驶入禁行路段。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种基于图像识别的显示控制装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图2所示,一些实施例的基于图像识别的显示控制装置200包括:获取单元201被配置成获取由预先布设的拍摄装置在目标时间段内拍摄的道路图像序列;分析单元202被配置成对道路图像序列进行识别分析,以得到拍摄道路在目标时间段内的车流量;控制单元203被配置成响应于车流量小于预设阈值,控制拍摄道路中设置的智能标志显示牌显示表征允许预定义类别车辆通行的第一标志,以及在数据库中将拍摄道路标记为预定义类别车辆可通行道路;控制单元203进一步被配置成响应于车流量大于或等于预设阈值,控制智能标志显示牌显示表征不允许预定义类别车辆通行的第二标志,以及在数据库中将拍摄道路标记为预定义类别车辆不可通行道路。
可以理解的是,该装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备300的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取由预先布设的拍摄装置在目标时间段内拍摄的道路图像序列;对道路图像序列进行识别分析,以得到拍摄道路在目标时间段内的车流量;响应于车流量小于预设阈值,控制拍摄道路中设置的智能标志显示牌显示表征允许预定义类别车辆通行的第一标志,以及在数据库中将拍摄道路标记为预定义类别车辆可通行道路;响应于车流量大于或等于预设阈值,控制智能标志显示牌显示表征不允许预定义类别车辆通行的第二标志,以及在数据库中将拍摄道路标记为预定义类别车辆不可通行道路。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (8)

1.一种基于图像识别的显示控制方法,包括:
获取由预先布设的拍摄装置在目标时间段内拍摄的道路图像序列;
对所述道路图像序列进行识别分析,以得到拍摄道路在所述目标时间段内的车流量;
响应于所述车流量小于预设阈值,控制所述拍摄道路中设置的智能标志显示牌显示表征允许预定义类别车辆通行的第一标志,以及在数据库中将所述拍摄道路标记为预定义类别车辆可通行道路;
响应于所述车流量大于或等于预设阈值,控制所述智能标志显示牌显示表征不允许预定义类别车辆通行的第二标志,以及在所述数据库中将所述拍摄道路标记为预定义类别车辆不可通行道路。
2.根据权利要求1所述的方法,其中,所述方法还包括:
接收用户通过用户终端输入的起始位置信息、目的位置信息以及车辆类型信息;
响应于所述车辆类型信息表征预定义类别车辆,从所述起始位置信息和所述目的位置信息对应的路径集合中,筛选出目标路径,其中,所述目标路径包含的各个路段均为预定义类别车辆可通行道路;
将所述目标路径发送至所述用户终端,以使所述用户终端对所述目标路径在电子地图中进行展示。
3.根据权利要求2所述的方法,其中,所述对所述道路图像序列进行识别分析,以得到拍摄道路在所述目标时间段内的车流量,包括:
基于所述拍摄装置支持采集的最长路程长度与所述拍摄道路对应的车辆行驶平均速度,确定间隔时长;
基于所述间隔时长对所述道路图像序列进行采样,得到采样道路图像序列;
对所述采样道路图像序列中各个道路图像进行车辆检测,得到各个道路图像的车流量;
对所述各个道路图像的车流量进行累加,得到所述拍摄道路在所述目标时间段内的车流量。
4.根据权利要求3所述的方法,其中,所述目标时间段是通过以下步骤确定的:
获取所述拍摄道路的道路等级信息、天气信息、节假日信息、当前时间信息;
对所述道路等级信息、所述天气信息、所述节假日信息、所述当前时间信息分别进行编码后进行拼接,得到所述拍摄道路对应的影响因素向量;
将所述影响因素向量输入预先训练的时间段确定模型,得到所述目标时间段。
5.根据权利要求4所述的方法,其中,所述方法还包括:
获取为所述智能标志显示牌设置的显示时长阈值和显示时长预警值;
响应于确定所述智能标志显示牌显示所述第一标志的持续时长到达所述显示时长预警值,控制所述拍摄装置重新采集图像,以及控制所述智能标志显示牌显示剩余时长,所述剩余时长是根据所述持续时长与所述显示时长阈值确定的;
将所述剩余时长发送至所述拍摄道路上的预定义类别车辆。
6.一种基于图像识别的显示控制装置,包括:
获取单元,被配置成获取由预先布设的拍摄装置在目标时间段内拍摄的道路图像序列;
分析单元,被配置成对所述道路图像序列进行识别分析,以得到拍摄道路在所述目标时间段内的车流量;
控制单元,被配置成响应于所述车流量小于预设阈值,控制所述拍摄道路中设置的智能标志显示牌显示表征允许预定义类别车辆通行的第一标志,以及在数据库中将所述拍摄道路标记为预定义类别车辆可通行道路;
所述控制单元进一步被配置成响应于所述车流量大于或等于预设阈值,控制所述智能标志显示牌显示表征不允许预定义类别车辆通行的第二标志,以及在所述数据库中将所述拍摄道路标记为预定义类别车辆不可通行道路。
7.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
8.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN202210788146.1A 2022-07-06 2022-07-06 基于图像识别的显示控制方法、装置 Active CN115346364B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210788146.1A CN115346364B (zh) 2022-07-06 2022-07-06 基于图像识别的显示控制方法、装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210788146.1A CN115346364B (zh) 2022-07-06 2022-07-06 基于图像识别的显示控制方法、装置

Publications (2)

Publication Number Publication Date
CN115346364A true CN115346364A (zh) 2022-11-15
CN115346364B CN115346364B (zh) 2023-10-13

Family

ID=83948434

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210788146.1A Active CN115346364B (zh) 2022-07-06 2022-07-06 基于图像识别的显示控制方法、装置

Country Status (1)

Country Link
CN (1) CN115346364B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108896059A (zh) * 2017-05-12 2018-11-27 高德信息技术有限公司 一种路段通行状态的更新方法及装置
CN111292432A (zh) * 2020-01-14 2020-06-16 北京巨视科技有限公司 基于车型识别和轮轴检测的车辆收费类型判别方法与装置
CN111311921A (zh) * 2020-02-10 2020-06-19 广州亚美信息科技有限公司 道路超重告警的方法、装置、计算机设备和存储介质
CN112785072A (zh) * 2021-01-29 2021-05-11 北京百度网讯科技有限公司 路线规划和模型训练方法、装置、设备及存储介质
CN113538895A (zh) * 2020-10-15 2021-10-22 腾讯科技(深圳)有限公司 车辆调控方法、装置、系统及计算机存储介质
CN114553951A (zh) * 2022-02-22 2022-05-27 平安普惠企业管理有限公司 违章消息推送方法、装置、设备及存储介质
CN114582118A (zh) * 2021-12-10 2022-06-03 航天信息股份有限公司 一种基于通行策略的公安检查站车辆智能分流方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108896059A (zh) * 2017-05-12 2018-11-27 高德信息技术有限公司 一种路段通行状态的更新方法及装置
CN111292432A (zh) * 2020-01-14 2020-06-16 北京巨视科技有限公司 基于车型识别和轮轴检测的车辆收费类型判别方法与装置
CN111311921A (zh) * 2020-02-10 2020-06-19 广州亚美信息科技有限公司 道路超重告警的方法、装置、计算机设备和存储介质
CN113538895A (zh) * 2020-10-15 2021-10-22 腾讯科技(深圳)有限公司 车辆调控方法、装置、系统及计算机存储介质
CN112785072A (zh) * 2021-01-29 2021-05-11 北京百度网讯科技有限公司 路线规划和模型训练方法、装置、设备及存储介质
CN114582118A (zh) * 2021-12-10 2022-06-03 航天信息股份有限公司 一种基于通行策略的公安检查站车辆智能分流方法及系统
CN114553951A (zh) * 2022-02-22 2022-05-27 平安普惠企业管理有限公司 违章消息推送方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN115346364B (zh) 2023-10-13

Similar Documents

Publication Publication Date Title
CN111386559B (zh) 一种路口是否存在目标道路设施的判断方法及系统
US6909963B1 (en) Method and apparatus for adding commercial value to traffic control systems
US20200149897A1 (en) Method and apparatus for collecting data
CN111862605B (zh) 路况检测方法、装置、电子设备及可读存储介质
CN109785611B (zh) 无人驾驶车辆控制方法、装置、服务器及存储介质
CN110704491B (zh) 数据查询方法和装置
CN112749825A (zh) 预测车辆的目的地的方法和装置
CN110942629A (zh) 道路交通事故管理方法、装置及终端设备
CN112885112B (zh) 车辆行驶检测的方法、车辆行驶预警的方法和装置
CN112590813A (zh) 自动驾驶车辆信息生成方法、装置、电子设备和介质
CN112447041A (zh) 识别车辆的营运行为的方法、装置及计算设备
CN110705452A (zh) 一种高速公路无人值守收费站设施智能管控方法及系统
CN114662583A (zh) 应急事件防控调度方法、装置、电子设备和存储介质
CN110853364B (zh) 数据监控方法和装置
CN108346294B (zh) 车辆识别系统、方法和装置
CN113409393B (zh) 用于识别交通标志牌的方法及装置
CN112508310A (zh) 行驶轨迹模拟方法、装置及存储介质
CN115512336B (zh) 基于路灯光源的车辆定位方法、装置和电子设备
Aleyadeh et al. Scalable transportation monitoring using the smartphone road monitoring (SRoM) system
CN115346364B (zh) 基于图像识别的显示控制方法、装置
WO2022148166A1 (zh) 电子地图校正方法、导航信息设置方法、导航方法及装置
CN114234995A (zh) 一种导航方法、装置、电子设备及存储介质
CN113380037A (zh) 一种交通信息采集方法和装置
CN106781470B (zh) 城市道路的运行速度的处理方法及装置
CN116013099B (zh) 用于etc伴侣的信息播放方法、装置、存储介质及电子设备

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
GR01 Patent grant
GR01 Patent grant