CN115512312A - 一种相机交替曝光的对地拍照方法、装置、设备及介质 - Google Patents
一种相机交替曝光的对地拍照方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115512312A CN115512312A CN202211120367.8A CN202211120367A CN115512312A CN 115512312 A CN115512312 A CN 115512312A CN 202211120367 A CN202211120367 A CN 202211120367A CN 115512312 A CN115512312 A CN 115512312A
- Authority
- CN
- China
- Prior art keywords
- information
- road
- danger
- vehicle
- equipment
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012545 processing Methods 0.000 claims description 81
- 239000011159 matrix material Substances 0.000 claims description 33
- 238000012423 maintenance Methods 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 230000008439 repair process Effects 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 230000006378 damage Effects 0.000 description 12
- 230000002159 abnormal effect Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000006872 improvement Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010223 real-time analysis Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 206010039203 Road traffic accident Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003014 reinforcing effect Effects 0.000 description 3
- 230000009528 severe injury Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000013058 risk prediction model Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/40—Transportation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/20—Information sensed or collected by the things relating to the thing itself
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/40—Maintenance of things
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/50—Safety; Security of things, users, data or systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/12—Messaging; Mailboxes; Announcements
- H04W4/14—Short messaging services, e.g. short message services [SMS] or unstructured supplementary service data [USSD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Computing Systems (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Accounting & Taxation (AREA)
- Primary Health Care (AREA)
- Environmental & Geological Engineering (AREA)
- Toxicology (AREA)
- Biomedical Technology (AREA)
- Computer Security & Cryptography (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及对地拍照的领域,尤其是涉及一种相机交替曝光的对地拍照方法、装置、设备及介质。方法包括:获取道路图像信息,对道路图像信息进行分析,得到道路信息以及车辆信息,对道路信息进行分析,得到道路危险报告信息,基于所述道路危险报告信息确定车辆危险信息,并将车辆信息与车辆危险信息进行匹配,得到危险匹配度以及危险匹配信息,判断危险匹配度是否超过预设匹配度,若超过,则根据危险匹配信息生成警示信息,基于车辆信息确定目标设备,并将警示信息发送至目标设备,本申请具有在交通事故发生时提前预警的效果。
Description
技术领域
本申请涉及对地拍照的领域,尤其是涉及一种相机交替曝光的对地拍照方法、装置、设备及介质。
背景技术
在车辆数量爆炸的今天,不断更新公布的交通运输标准等政策说明了交通安全的重要性,而个体客运管理不力、超限、超载、超速现象频发、部分损坏路面的不及时修复以及驾驶员处理紧急情况的能力不高等,这些都是造成交通事故重要因素。
如今道路采用的监控设备大多是超速过载等违规抓拍,但由于造成交通事故的因素众多,单纯采用违规抓拍难以保障司机在合规行驶时的安全。
发明内容
为了解决现有技术存在的问题,本申请提供一种相机交替曝光的对地拍照方法、装置、设备及存储介质。
第一方面,本申请提供一种相机交替曝光的对地拍照方法,采用如下的技术方案:
一种相机交替曝光的对地拍照方法,包括:
获取道路图像信息;
对所述道路图像信息进行分析,得到道路信息以及车辆信息;
对所述道路信息进行分析,得到道路危险报告信息;
基于所述道路危险报告信息确定车辆危险信息,并将所述车辆信息与所述车辆危险信息进行匹配,得到危险匹配度以及危险匹配信息;
判断所述危险匹配度是否超过预设匹配度,若超过,则根据所述危险匹配信息生成警示信息;
基于所述车辆信息确定目标设备,并将所述警示信息发送至所述目标设备。
在另一种可能实现的方式中,对道路图像信息进行分析,得到道路信息以及车辆信息,包括:
对所述道路图像信息进行图像处理,得到处理图像信息;
将所述处理图像信息输入至训练好的辨别网络模型中进行辨别,得到道路信息以及车牌信息;
将所述车牌信息预设车牌信息进行匹配,得到匹配车辆信息;
对所述车牌信息进行位置计算,得到车辆行驶信息;
对所述车辆行驶信息以及所述匹配车辆信息进行整理,得到车辆信息;
在另一种可能实现的方式中,所述获取道路图像信息,之前还包括:
获取采集时刻信息,所述采集时刻信息为采集设备与工作时间的对应关系信息;
根据车辆进入拍摄路段时刻信息以及所述采集时刻信息,生成设备控制指令,控制指定采集设备采集所述拍摄路段时刻信息对应的道路图像信息。
在另一种可能实现的方式中,所述对所述道路信息进行分析,得到道路危险报告信息,包括:
对所述道路信息进行分析,得到所述道路内的设备情况信息;
对所述车辆进入拍摄路段时刻信息以及所述车辆信息进行运算,得到单位时间内的车流量信息;
对所述设备情况信息以及所述车流量信息进行数据分析,得到车辆危险信息、道路危险系数信息以及道路处理信息;
将所述车辆危险信息、道路危险系数信息以及道路处理信息进行压缩整理,得到道路危险报告信息。
在另一种可能实现的方式中,所述对所述设备情况以及所述车流量信息进行数据分析,得到车辆危险信息、道路危险系数信息以及道路处理信息,包括:
将所述设备情况信息分别与预设道路设备权属信息以及预设道路设备情况分类信息进行信息匹配,得到不同权属信息对应的设备情况类别信息;
基于所述设备情况类别信息确定所述设备情况信息对应的设备异常、修缮方式以及修缮时间,并生成道路处理信息;
对所述设备情况类别信息以及所述车流量信息分析,得到车辆危险信息;
通过所述道路处理信息、所述车流量信息以及所述设备情况信息确定道路危险系数。
在另一种可能实现的方式中,将所述车辆危险信息、道路危险系数信息以及道路处理信息进行压缩整理,得到道路危险报告信息,之后还包括:
根据预设固定时间范围确定所述道路危险报告信息的数据变化,并生成道路维护状况信息;
若所述道路维护状况信息未达到预设维护最低限度,则根据预存当地产品质量抽查政策以及质量要求政策,生成质量检测提示信息;
控制显示所述质量检测提示信息。
在另一种可能实现的方式中,基于所述设备使用情况类别信息确定所述设备情况信息对应的设备异常、修缮方式以及修缮时间,并生成道路处理信息,之后还包括:
对所述道路处理信息进行分析,得到所述道路处理信息中不同设备的修缮组合数量以及所述修缮组合数量中每种修缮组合对应的时间序列长度;
根据所述时间序列长度以及所述建筑组合数量对所述道路处理信息进行数据整理,得到第一道路矩阵数据;
将所述第一道路矩阵数据输入至训练好的道路预测模型中进行向量特征提取,得到道路特征维度数量,并将得到的道路特征维度数量与所述第一道路矩阵数据进行数据结合处理,得到第二道路矩阵数据;
对所述第二道路矩阵数据中所包含的数据进行数据处理,得到道路危害数据;
将所述道路危害数据输入至预设算法模型中进行数据推算,生成所述修缮组合数量中每种修缮组合在未来预设时间段内的设备异常发生量。
第二方面,本申请提供一种相机交替曝光的对地拍照装置,包括:
获取图像模块,用于获取获取道路图像信息;
分析信息模块,用于对道路图像信息进行分析,得到道路信息以及车辆信息;
生成报告模块,用于对所述道路信息进行分析,得到道路危险报告信息;
匹配信息模块,用于基于所述道路危险报告信息确定车辆危险信息,并将所述车辆信息与所述车辆危险信息进行匹配,得到危险匹配度以及危险匹配信息;
判断信息模块,用于判断所述危险匹配度是否超过预设匹配度,若超过,则根据所述危险匹配信息生成警示信息;
发送信息模块,用于基于所述车辆信息确定目标设备,并将所述警示信息发送至所述目标设备。
在另一种可能实现的方法中,所述装置还包括道路图像处理模块、辨别图像信息模块、匹配车牌信息模块、计算车辆信息模块以及整理车辆信息模块,其中,
道路图像处理模块,具体用于对所述道路图像信息进行图像处理,得到处理图像信息;
辨别图像信息模块,具体用于将所述处理图像信息输入至训练好的辨别网络模型中进行辨别,得到道路信息以及车牌信息;
匹配车牌信息模块,具体用于将所述车牌信息预设车牌信息进行匹配,得到匹配车辆信息;
计算车辆信息模块,具体用于对所述车牌信息进行位置计算,得到车辆行驶信息;
整理车辆信息模块,具体用于对所述车辆行驶信息以及所述匹配车辆信息进行整理,得到车辆信息;
在另一种可能实现的方法中,所述装置还包括获取时刻信息模块以及控制采集信息模块,其中,
获取时刻信息模块,用于获取采集时刻信息,所述采集时刻信息为采集设备与工作时间的对应关系信息;
控制采集信息模块,用于根据车辆进入拍摄路段时刻信息以及所述采集时刻信息,生成设备控制指令,控制指定采集设备采集所述拍摄路段时刻信息对应的道路图像信息。
在另一种可能实现的方法中,所述装置还包括分析设备情况模块、分析车辆数据模块、分类生成信息模块以及压缩报告信息模块,其中,
分析设备情况模块,具体用于对所述道路信息进行分析,得到所述道路内的设备情况信息;
分析车辆数据模块,具体用于对所述车辆进入拍摄路段时刻信息以及所述车辆信息进行运算,得到单位时间内的车流量信息;
分类生成信息模块,具体用于对所述设备情况信息以及所述车流量信息进行数据分析,得到车辆危险信息、道路危险系数信息以及道路处理信息;
压缩报告信息模块,具体用于将所述车辆危险信息、道路危险系数信息以及道路处理信息进行压缩整理,得到道路危险报告信息。
在另一种可能实现的方法中,所述装置还包括设备情况分类模块、生成处理信息模块、生成危险信息模块以及确定危险系数模块,其中,
设备情况分类模块,具体用于将所述设备情况信息分别与预设道路设备权属信息以及预设道路设备情况分类信息进行信息匹配,得到不同权属信息对应的设备情况类别信息;
生成处理信息模块,具体用于基于所述设备情况类别信息确定所述设备情况信息对应的设备异常、修缮方式以及修缮时间,并生成道路处理信息;
生成危险信息模块,具体用于对所述设备情况类别信息以及所述车流量信息分析,得到车辆危险信息;
确定危险系数模块,具体用于通过所述道路处理信息、所述车流量信息以及所述设备情况信息确定道路危险系数。
在另一种可能实现的方法中,所述装置还包括生成维护状况模块、生成检测提示模块以及显示检测提示模块,其中,
生成维护状况模块,用于根据预设固定时间范围确定所述道路危险报告信息的数据变化,并生成道路维护状况信息;
生成检测提示模块,用于若所述道路维护状况信息未达到预设维护最低限度,则根据预存当地产品质量抽查政策以及质量要求政策,生成质量检测提示信息;
显示检测提示模块,用于控制显示所述质量检测提示信息。
在另一种可能实现的方法中,所述装置还包括修缮组合处理模块、获取第一数据模块、获取第二数据模块、生成危害数据模块以及生成异常情况模块,其中,
修缮组合处理模块,用于对所述道路处理信息进行分析,得到所述道路处理信息中不同设备的修缮组合数量以及所述修缮组合数量中每种修缮组合对应的时间序列长度;
获取第一数据模块,用于根据所述时间序列长度以及所述建筑组合数量对所述道路处理信息进行数据整理,得到第一道路矩阵数据;
获取第二数据模块,用于将所述第一道路矩阵数据输入至训练好的道路预测模型中进行向量特征提取,得到道路特征维度数量,并将得到的道路特征维度数量与所述第一道路矩阵数据进行数据结合处理,得到第二道路矩阵数据;
生成危害数据模块,用于对所述第二道路矩阵数据中所包含的数据进行数据处理,得到道路危害数据;
生成异常情况模块,用于将所述道路危害数据输入至预设算法模型中进行数据推算,生成所述修缮组合数量中每种修缮组合在未来预设时间段内的设备异常发生量。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
一种电子设备,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行上述相机交替曝光的对地拍照的方法。
第四方面,提供了一种计算机可读存储介质,存储介质存储有至少一条指令、至少一段程序、代码集或指令集,至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如第一方面中任一可能的实现方式所示的相机交替曝光的对地拍照方法。
综上所述,本申请包括以下有益技术效果:
本申请提供了一种相机交替曝光的对地拍照方法、装置、设备及可读存储介质,与相关技术相比,在本申请中,通过获取采集设备上传的道路图像,实时跟踪当前道路的情况变化。将采集设备上传的道路图像进行处理后,对其进行图片分析,得到道路信息以及车辆信息。
根据道路信息内存在的风险因素生成道路危险报告信息,分析道路危险报告信息上可能会对车辆造成危险的因素。将此危险因素与当前实时得到的车辆信息进行匹配,若确定某一车辆可能因当前危险因素发生危险,则生成警示信息发送到目标设备上。由此实时分析得到道路上的安全隐患,实现了预警功能,保证了合规行驶的司机安全。
附图说明
图1是本申请实施例一种相机交替曝光的对地拍照方法的流程示意图;
图2是本申请实施例一种相机交替曝光的对地拍照装置的方框示意图;
图3是本申请实施例一种相机交替曝光的对地拍照电子设备的示意图。
具体实施方式
以下结合附图1-3对本申请作进一步详细说明。
领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的权利要求范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,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。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,一种相机交替曝光的对地拍照方法、装置、电子设备及存储介质和/或B,可以表示:单独存在一种相机交替曝光的对地拍照方法、装置、设备及介质,同时存在一种相机交替曝光的对地拍照方法、装置、设备及介质和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
本申请实施例提供了一种相机交替曝光的对地拍照方法,由电子设备执行,该电子设备可以为服务器也可以为终端设备,其中,该服务器可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云计算服务的云服务器。终端设备可以是智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此,该终端设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接,本申请实施例在此不做限制,如图1所示,该方法包括:
步骤A001,获取道路图像信息。
步骤A002,对道路图像信息进行分析,得到道路信息以及车辆信息。
其中,道路图像信息:道路照片。
对于本申请实施例,实时获取采集设备上传的道路照片,并对道路图像进行信息提取,得到道路信息以及车辆信息。具体的,得到道路信息以及车辆信息时采用图像识别算法对道路图像进行定位分割等过程,可采用的算法包括但不限于:模板匹配算法以及特征匹配算法,在本申请实施例不做具体限制。
步骤A003,对道路信息进行分析,得到道路危险报告信息。
步骤A004,基于道路危险报告信息确定车辆危险信息,并将车辆信息与车辆危险信息进行匹配,得到危险匹配度以及危险匹配信息。
其中,道路危险报告信息包括:道路信息内可能造成危险的因素,
车辆危险信息包括:道路危险报告信息内可能对车辆造成危险的因素。
对于本申请实施例,对步骤A002得到的道路信息进行分析,筛选出可能造成危险的因素,汇总成道路危险报告信息,在道路危险报告信息内找到可能对车辆造成危险的因素,即车辆危险信息。
将车辆危险信息与步骤A002得到的车辆信息对照分析,得到车辆信息内危险因素的危险匹配度,并记录其危险因素作为危险匹配信息。
步骤A005,判断危险匹配度是否超过预设匹配度,若超过,则根据危险匹配信息生成警示信息;
对于本申请实施例,将步骤A004得到的危险匹配度与预设匹配度做差值分析,若得到的差值大于等于0,则根据步骤A004得到的危险匹配信息生成关于车辆的警示信息;
若得到的差值小于0,则返回确定步骤A004内得到此次危险匹配度的车辆信息之后生成的同类信息,并重复进行本步骤。
具体的,预设匹配度为某一确定的具体数值,此具体数值根据不同的道路需求进行设定,在此不做限制。比如,若得知进行危险因素分析的道路轨迹数据低/地理位置偏僻,则说明道路拥堵发生的可能性为0,也即发生连环追尾或早晚高峰的可能性基本为0。此时推出危险因素排除多车连撞/交通拥堵,预设匹配度随即降低。
步骤A006,基于车辆信息确定目标设备,并将警示信息发送至目标设备。
对于本申请实施例,根据步骤A002得到的车辆信息确定目标设备的关联账号,将步骤A005生成的警示信息通过此关联账号发送到目标设备。比如,若通过车辆信息确定车主的电话号码,则将警示信息以短信的方式发送到目标设备上。
本申请提供了一种相机交替曝光的对地拍照方法,通过获取采集设备上传的道路图像,实时跟踪当前道路的情况变化。将采集设备上传的道路图像进行处理后,对其进行图片分析,得到道路信息以及车辆信息。
根据道路信息内存在的风险因素生成道路危险报告信息,分析道路危险报告信息上可能会对车辆造成危险的因素。将此危险因素与当前实时得到的车辆信息进行匹配,若确定某一车辆可能因当前危险因素发生危险,则生成警示信息发送到目标设备上。由此实时分析得到道路上的安全隐患,实现了预警功能,保证了合规行驶的司机安全。
本申请实施例的一种可能的实现方式,步骤A006还包括步骤A007(图中未示出)、步骤A008(图中未示出)、步骤A009(图中未示出)、步骤A010(图中未示出)以及步骤A011(图中未示出),其中,
步骤A007,对道路图像信息进行处理,得到道路处理信息。
其中,道路处理信息包括:字符图片以及设备图片。
对于本申请实施例,对道路图像信息进行图像预处理,将其转化为用于机器识别的图像信息。预处理步骤包括但不限于:对道路图像信息进行消除模糊、图像去噪以及图像增强等基础图像处理步骤。
将转化后的图像信息进行车牌以及道路设备定位分割,得到字符图片以及设备图片。
步骤A008,将道路处理信息输入至训练好的辨别网络模型中进行辨别,得到道路信息以及车牌信息;
其中,道路信息包括:设备类别、设备标志信息以及结构特征信息。
车牌信息包括:车牌号。
对于本申请实施例,将步骤A007得到的道路处理信息输入事先以交通管理局车牌数据库、道路设备信息数据库中存储的图片为训练样本训练好的辨别网络模型中,与训练样本进行相似度匹配,并得到相似值最高的图片,由此获取车牌号、设备标志信息以及结构信息。
具体的,在其训练以及匹配过程中可以使用多种算法,包括但不限于:SVM算法以及卷积神经网络算法。
步骤A009,对车牌信息进行车牌编号匹配,得到车辆相关信息。
其中,车辆相关信息包括:车牌号、车主信息、车型信息以及车重信息。
对于本申请实施例,将步骤A008得到的车牌号与当地交管局车牌数据库内车牌号进行匹配,并在交管局数据库内根据车牌号找到与其对应的车主信息、车型信息以及车重信息。
步骤A010,对车牌信息进行位置计算,得到车辆行驶信息。
对于本申请实施例,对多张进行图像预处理后的图片内同一车牌进行定位,分析此车牌在单位时间内产生的相对位移,得到车辆行驶速度。比如12:00:00与12:00:01内车辆位移5米,则车速为5m/s。
步骤A011,对车辆行驶信息以及车辆相关信息进行整理,得到车辆信息。
对于本申请实施例,将步骤A009与步骤A010得到的车辆相关信息以及车辆行驶信息整理得到对应关系,并对车辆相关信息以及车辆行驶信息进行对应关系绑定得到车辆信息。
本申请实施例的一种可能的实现方式,步骤A001之前还包括步骤A012(图中未示出)以及步骤A013(图中未示出),其中,
步骤A012,获取采集时刻信息,采集时刻信息为采集设备与工作时间的对应关系信息。
步骤A013,根据车辆进入拍摄路段时刻信息以及采集时刻信息,生成设备控制指令,控制指定采集设备采集拍摄路段时刻信息对应的道路图像信息。
其中,采集时刻信息包括:采集设备与拍摄道路图像的时刻对应关系。
在本申请实施例中,采集设备未限定具体数量以及摆放位姿,且预先在采集时刻信息内对同一拍摄范围内的采集设备进行编号,根据当前所拍摄的道路限速确定不同编号的采集设备对应的工作时间。
比如,此时道路限速为54km/h,拍摄范围为15m,需要三个/组采集设备,每个/组采集设备获得最清晰图像的拍摄范围为5m,则对采集设备设定编号为:采集设备1,采集设备2,采集设备3,预设采集设备1工作时间:车辆进入拍摄路段的时刻;采集设备2工作时间:车辆进入拍摄路段的时刻+(1/3)s;采集设备3工作时间:车辆进入拍摄路段的时刻+(2/3)s;
若车辆进入拍摄路段,采集设备则开始对当前道路实时图像采集,此时获取采集时间,即车辆进入拍摄路段的时刻。
此时根据设定的采集时刻信息生成指令控制采集设备进行后续的道路拍摄,得到道路图像信息。
本申请实施例的一种可能的实现方式,步骤A003还包括步骤A014(图中未示出)、步骤A015(图中未示出)、步骤A016(图中未示出)以及步骤A017(图中未示出),其中,
步骤A014,对道路信息进行分析,得到道路内的设备情况信息。
其中,设备情况信息包括:设备类别、设备破损比例以及设备标志。
对于本申请实施例,对步骤A008得到的结构特征进行分析,检测计算其破损面积计算以及开裂尺度,得到设备破损比例。
将设备破损比例、设备类别以及步骤A008内的设备标志整理成设备情况信息。
具体的,进行破损面积计算以及开裂尺度检测可使用多种方式,包括但不限于:对象检测算法以及探地雷达。
步骤A015,对车辆进入拍摄路段时刻信息以及车辆信息进行运算,得到单位时间内的车流量信息。
对于本申请实施例,获取采集设备的两次拍摄时刻,并对两次时刻中间上传的道路图像信息重复进行步骤A008内的分析步骤,之后将得到的车牌号进行汇总,得出两次拍摄时刻间不同车牌号出现的数量值。将此数量值与对应的拍摄时刻做基础运算,得到单位时间内的车牌数量,并以此作为车流量的具体数值。
步骤A016,对设备情况信息以及车流量信息进行数据分析,得到车辆危险信息、道路危险系数信息以及道路处理信息。
对于本申请实施例,将步骤A014得到的设备情况信息以及步骤A015得到的车流量信息通过不同的分析方式得到车辆危险信息、道路危险系数信息以及道路处理信息。
具体的,选择分析方式时可以根据当前实际需求与实际情况来确定适合的分析方式,分析方式包括但不限于:通过统计建模构建危险预测模型。
步骤A017,将车辆危险信息、道路危险系数信息以及道路处理信息进行压缩整理,得到道路危险报告信息。
对于本申请实施例,将步骤A016得到的车辆危险信息、道路危险系数信息以及道路处理信息分成三种维度进行整合,生成道路危险报告信息。整合方式可包括各类图表等方式,在此不做具体限制。
本申请实施例的一种可能的实现方式,步骤A016还包括步骤A018(图中未示出)、步骤A019(图中未示出)、步骤A020(图中未示出)以及步骤A021(图中未示出),其中,
步骤A018,根据设备情况信息、预设道路设备权属信息以及预设道路设备情况分类信息,得到不同权属信息对应的设备使用情况类别信息。
其中,预设道路设备权属信息包括:设备标志对应的生产厂家/管辖部门,
预设道路设备情况分类信息包括:破损比例对应的破损情况。
对于本申请实施例,将在步骤A014得到的标志信息与预设的道路设备权属信息进行匹配,找到对应的设备生产厂家/管辖部门。
将在步骤A014得到的设备破损比例在预设道路设备情况分类信息内找到对应的设备情况类别。
将同一设备的权属信息以及设备情况类别对应绑定,得到不同权属信息对应的设备使用情况类别信息。
比如若步骤A008得到的01X号井盖标志信息为字符“A”,预设道路设备权属信息内有:A公司对应的生产标志为字符“A”,则得到01X号井盖对应的生产厂家为A公司;
若预存道路设备情况分类信息为:破损比例0%——设备完好;破损比例大于等于1%小于5%——设备破损轻微;破损比例大于等于5%小于10%——设备破损较重,此时若步骤A014得到的01X设备破损比例为5%,则得到01X设备破损较重;
此时将A公司与01X号井盖破损比例对应绑定,得到对应信息:A公司——01X号井盖——设备破损较重。
步骤A019,通过设备使用情况类别信息分类确定设备的修缮方式、修缮时间以及改进方式,并生成道路处理信息。
对于本申请实施例,通过步骤A018内不同权属信息对应的设备使用情况类别信息确定权属单位对其所属设备产生当前使用情况之后采取的修缮方式、修缮时间节点、修缮时长以及生产时采用的改进方式。
比如,若A公司在01X号井盖产生较重破损的前10日,采用了井盖周边加固的方式进行修缮,耗时3h,则生成道路处理信息:
01X号井盖;
严重破损;
修缮时间节点:前10日;
修缮方式:井盖周边加固;
修缮时长:3h;
改进方式:无。
步骤A020,对设备使用情况类别信息以及车流量信息分析,确定车辆危险信息,
对于本申请实施例,根据步骤A018得到的设备使用情况类别以及当前道路对应的车流量进行逻辑分析,得到车辆危险信息。
具体的,若步骤A018得到的设备使用情况类别为完好,则推出车辆危险信息包括:无风险;
若步骤A018得到的设备使用情况类别为轻微破损,则推出车辆危险信息包括:当前道路坑洼,存在车身失控风险;
若步骤A018得到的设备使用情况类别为较重破损,车流量相对于当前道路为较低/适中,则推出车辆危险信息包括:当前道路现需修整,存在车辆失控风险,
若步骤A018得到的设备使用情况类别为较重破损,车流量相对于当前道路为较高,则推出车辆危险信息包括:当前道路现需修整,当前车流较多,存在事故风险。
步骤A021,通过道路信息、车流量信息以及设备情况信息确定道路危险系数。
对于本申请实施例,将步骤A008得到的结构特征信息、步骤A015得到的车流量数值以及步骤A014得到的设备破损比例进行运算,得出对应的道路危险系数。确定道路危险系数公式时,应根据实际情况选择进行运算的方式,具体运算方式包括但不限于:危险性系数评价法以及统计建模,
比如,对应道路的车流量数值较大,若某一车辆发生车祸则可能导致车辆连环相撞/道路严重堵塞/人群矛盾激增,此时则需要对车辆连环相撞、道路严重堵塞以及人群矛盾激增这三者按照可能造成的损失/处理的轻重缓急来设定指数,以便于使计算结果接近真实的道路风险值。
本申请实施例的一种可能的实现方式,步骤A017之后还包括步骤A022(图中未示出)、步骤A023(图中未示出)以及步骤A024(图中未示出),其中,
步骤A022,根据预设固定时间范围确定道路危险报告信息的数据变化,并生成道路维护状况信息。
其中,预设固定时间范包括:根据设备周期设定的时间段。
对于本申请实施例,根据当前道路设备的生命周期设定固定时间段来记录此时间段内得到的道路危险系数。此时记录总时长不做限制,以时间节点为横坐标,以道路危险系数为纵坐标,生成折线图,将此折线图作为道路维护状况信息。
比如,若预设时间范围为6个月,则每间隔6个月记录道路危险系数并生成折线图。
步骤A023,若道路维护状况信息未达到预设维护最低限度,则根据预存当地产品质量抽查政策以及质量要求政策,生成质量检测提示信息;
步骤A024,控制显示质量检测提示信息。
对于本申请实施例,若步骤A022内道路维护状况信息的折线图在连续3个时间节点内呈现危险加重趋势或者道路危险系数未降到特定的安全指标值,则认定未达到预设维护最低限度。
将当地产品质量抽查、质量要求政策、时间节点内道路危险系数以及设备标志对应的生产厂家汇总,以此作为质量检测提示信息并显示。
本申请实施例的一种可能的实现方式,步骤A019之后还包括步骤A025(图中未示出)、A026(图中未示出)、A027(图中未示出)、步骤A028(图中未示出)以及步骤A029(图中未示出),其中,
步骤A025,对道路处理信息进行分析,得到道路处理信息中不同设备的修缮组合数量以及修缮组合数量中每种修缮组合对应的时间序列长度;
其中,修缮组合为:以设备类别以及破损程度为维度分类的组合。
对于本申请实施例,将步骤A019内的道路处理信息以设备类别以及设备使用情况类别信息为维度分组,将分组结果作为修缮组合,并按照修缮组合数量以及修缮时间节点来进行分类作为最终结果。
比如,若道路处理信息内的设备使用情况类别信息为:较重破损或严重破损,且设备为同一类别,则分为一组,即:
1,01X号井盖;
严重破损;
修缮时间节点:前10日;
修缮方式:井盖周边加固;
修缮时长:4h;
改进方式:无。
2,02X号井盖;
较重破损;
修缮时间节点:前10日;
修缮方式:井盖周边加固;
修缮时长:3h;
改进方式:无。
3,03X号路障;
严重破损;
修缮时间节点:前20日;
修缮方式:更换路障;
修缮时长:0.5h;
改进方式:无。
则将01X号井盖以及02X号井盖归为同一类别,此时01X号井盖以及02X号井盖的修缮时间节点均为前10日,则继续将01X号井盖和02X号井盖归为同一类别。
步骤A026,根据时间序列长度以及修缮组合数量对道路处理信息进行数据整理,得到第一道路矩阵数据;
对于本申请实施例,将步骤A025得到的同一修缮组合内的信息汇总,将设备数量作为修缮组合数量,并将组合的修缮时间节点以及对应的其他道路处理信息作为第一道路矩阵数据。
步骤A027,将第一道路矩阵数据输入至训练好的道路预测模型中进行向量特征提取,得到道路特征维度数量,并将得到的道路特征维度数量与第一道路矩阵数据进行数据结合处理,得到第二道路矩阵数据;
步骤A028,对第二道路矩阵数据中所包含的数据进行数据处理,得到道路危害数据;
步骤A029,将道路危害数据输入至预设算法模型中进行数据推算,生成修缮组合数量中每种修缮组合在未来预设时间段内的设备异常发生量。
其中,道路危害数据包括:可能导致道路危害的数据。
对于本申请实施例,,采用的道路预测模型可根据实际需求调整,包括但不限于:采用双向LSTM模型作为道路预测模型。
具体地,关于步骤A029内预设算法模型的构建,模型主体采用双向LSTM作为趋势预测模型,LSTM主要有遗忘门,输入门,输出门构成;遗忘门:
输入门:
经过遗忘门和输入门的信息过滤后,将历史的记忆和当前阶段的记忆内容合并,生成的值为:
输出门:
在上面描述的LSTM之后,在反向接入一层LSTM网络层,通过该过程可以得到BI-LSTM层,由于是若干组建筑组合共同训练;添加建筑空间特征联合学习层,初始化关联向量矩阵大小为M*V*K,取LSTM最后一层的输出向量,转置乘关联向量参数矩阵,最终连接回归损失函数,完成预设算法模型的构建。
将当地过去得到类似道路信息输入构建好的道路预测模型,进行模型训练,当结果接近真实值,则将第一道路矩阵数据输入进行向量特征提取,得到不同的道路特征维度,比如:修缮方式文本特征以及修缮时长数字特征。汇总道路特征维度的数量,并与步骤A026得到的第一道路矩阵数据结合,即将道路特征与道路处理信息中对应的数据结合,得到第二道路矩阵数据。
将第二道路矩阵数据进行分析,提取其中包含的可能导致道路危害的数据,比如:井盖膨胀/塌陷以及路面破损。将此作为道路危害数据。
将道路危害数据输入预设算法模型并进行数据预测,得到在未来时间某一固定时间节点不同修缮组合内设备异常情况特征,并将设备异常情况特征进行汇总,得到具体异常情况数量。
综上,通过对道路情况的实时分析得到道路上的安全隐患,实现了预警功能,保证了合规行驶的司机安全。
上述实施例从方法流程的角度介绍一种相机交替曝光的对地拍照方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种相机交替曝光的对地拍照方法装置,具体详见下述实施例。
本申请实施例提供一种相机交替曝光的对地拍照装置,如图2所示,该一种相机交替曝光的对地拍照装置20具体可以包括:获取图像模块21、分析信息模块22、生成报告模块23、匹配信息模块24、判断信息模块25以及发送信息模块26,其中,
获取图像模块21,用于获取获取道路图像信息;
分析信息模块22,用于对道路图像信息进行分析,得到道路信息以及车辆信息;
生成报告模块23,用于对所述道路信息进行分析,得到道路危险报告信息;
匹配信息模块24,用于基于所述道路危险报告信息确定车辆危险信息,并将所述车辆信息与所述车辆危险信息进行匹配,得到危险匹配度以及危险匹配信息;
判断信息模块25,用于判断所述危险匹配度是否超过预设匹配度,若超过,则根据所述危险匹配信息生成警示信息;
发送信息模块26,用于基于所述车辆信息确定目标设备,并将所述警示信息发送至所述目标设备。
本申请实施例的一种可能的实现方式,装置20还包括:道路图像处理模块、辨别图像信息模块、匹配车牌信息模块、计算车辆信息模块以及整理车辆信息模块,其中,
道路图像处理模块,具体用于对所述道路图像信息进行图像处理,得到处理图像信息;
辨别图像信息模块,具体用于将所述处理图像信息输入至训练好的辨别网络模型中进行辨别,得到道路信息以及车牌信息;
匹配车牌信息模块,具体用于将所述车牌信息预设车牌信息进行匹配,得到匹配车辆信息;
计算车辆信息模块,具体用于对所述车牌信息进行位置计算,得到车辆行驶信息;
整理车辆信息模块,具体用于对所述车辆行驶信息以及所述匹配车辆信息进行整理,得到车辆信息;
本申请实施例的另一种可能的实现方式,装置20还包括:获取时刻信息模块以及控制采集信息模块,其中,
获取时刻信息模块,用于获取采集时刻信息,所述采集时刻信息为采集设备与工作时间的对应关系信息;
控制采集信息模块,用于根据车辆进入拍摄路段时刻信息以及所述采集时刻信息,生成设备控制指令,控制指定采集设备采集所述拍摄路段时刻信息对应的道路图像信息。
本申请实施例的另一种可能的实现方式,装置20还包括:分析设备情况模块、分析车辆数据模块、分类生成信息模块以及压缩报告信息模块,其中,
分析设备情况模块,具体用于对所述道路信息进行分析,得到所述道路内的设备情况信息;
分析车辆数据模块,具体用于对所述车辆进入拍摄路段时刻信息以及所述车辆信息进行运算,得到单位时间内的车流量信息;
分类生成信息模块,具体用于对所述设备情况信息以及所述车流量信息进行数据分析,得到车辆危险信息、道路危险系数信息以及道路处理信息;
压缩报告信息模块,具体用于将所述车辆危险信息、道路危险系数信息以及道路处理信息进行压缩整理,得到道路危险报告信息。
本申请实施例的另一种可能的实现方式,装置20还包括:设备情况分类模块、生成处理信息模块、生成危险信息模块以及确定危险系数模块,其中,
设备情况分类模块,用于将所述设备情况信息分别与预设道路设备权属信息以及预设道路设备情况分类信息进行信息匹配,得到不同权属信息对应的设备情况类别信息;
生成处理信息模块,具体用于基于所述设备情况类别信息确定所述设备情况信息对应的设备异常、修缮方式以及修缮时间,并生成道路处理信息;
生成危险信息模块,具体用于对所述设备情况类别信息以及所述车流量信息分析,得到车辆危险信息;
确定危险系数模块,具体用于通过所述道路处理信息、所述车流量信息以及所述设备情况信息确定道路危险系数。
本申请实施例的另一种可能的实现方式,装置20还包括:生成维护状况模块、生成检测提示模块以及显示检测提示模块,其中,
生成维护状况模块,用于根据预设固定时间范围确定所述道路危险报告信息的数据变化,并生成道路维护状况信息;
生成检测提示模块,用于若所述道路维护状况信息未达到预设维护最低限度,则根据预存当地产品质量抽查政策以及质量要求政策,生成质量检测提示信息;
显示检测提示模块,用于控制显示所述质量检测提示信息。
本申请实施例的另一种可能的实现方式,装置20还包括:修缮组合处理模块、获取第一数据模块、获取第二数据模块、生成危害数据模块以及生成异常情况模块,其中,
修缮组合处理模块,用于对所述道路处理信息进行分析,得到所述道路处理信息中不同设备的修缮组合数量以及所述修缮组合数量中每种修缮组合对应的时间序列长度;
获取第一数据模块,用于根据所述时间序列长度以及所述建筑组合数量对所述道路处理信息进行数据整理,得到第一道路矩阵数据;
获取第二数据模块,用于将所述第一道路矩阵数据输入至训练好的道路预测模型中进行向量特征提取,得到道路特征维度数量,并将得到的道路特征维度数量与所述第一道路矩阵数据进行数据结合处理,得到第二道路矩阵数据;
生成危害数据模块,用于对所述第二道路矩阵数据中所包含的数据进行数据处理,得到道路危害数据;
生成异常情况模块,用于将所述道路危害数据输入至预设算法模型中进行数据推算,生成所述修缮组合数量中每种修缮组合在未来预设时间段内的设备异常发生量。
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。
本申请实施例还从实体装置的角度介绍了一种电子设备,如图3所示,图3所示的电子设备300包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,电子设备300还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器303可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端,还可以为服务器等。图3示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。在本申请实施例中,通过获取采集设备上传的道路图像,实时跟踪当前道路的情况变化。将采集设备上传的道路图像进行处理后,对其进行图片分析,得到道路信息以及车辆信息。
根据道路信息内存在的风险因素生成道路危险报告信息,分析道路危险报告信息上可能会对车辆造成危险的因素。将此危险因素与当前实时得到的车辆信息进行匹配,若确定某一车辆可能因当前危险因素发生危险,则生成警示信息发送到目标设备上。由此实时分析得到道路上的安全隐患,实现了预警功能,保证了合规行驶的司机安全。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种相机交替曝光的对地拍照方法,其特征在于,包括:
获取道路图像信息;
对所述道路图像信息进行分析,得到道路信息以及车辆信息;
对所述道路信息进行分析,得到道路危险报告信息;
基于所述道路危险报告信息确定车辆危险信息,并将所述车辆信息与所述车辆危险信息进行匹配,得到危险匹配度以及危险匹配信息;
判断所述危险匹配度是否超过预设匹配度,若超过,则根据所述危险匹配信息生成警示信息;
基于所述车辆信息确定目标设备,并将所述警示信息发送至所述目标设备。
2.根据权利要求1所述的方法,其特征在于,对道路图像信息进行分析,得到道路信息以及车辆信息,包括:
对所述道路图像信息进行图像处理,得到处理图像信息;
将所述处理图像信息输入至训练好的辨别网络模型中进行辨别,得到道路信息以及车牌信息;
将所述车牌信息预设车牌信息进行匹配,得到匹配车辆信息;
对所述车牌信息进行位置计算,得到车辆行驶信息;
对所述车辆行驶信息以及所述匹配车辆信息进行整理,得到车辆信息。
3.根据权利要求1所述的方法,其特征在于,所述获取道路图像信息,之前还包括:
获取采集时刻信息,所述采集时刻信息为采集设备与工作时间的对应关系信息;
根据车辆进入拍摄路段时刻信息以及所述采集时刻信息,生成设备控制指令,控制指定采集设备采集所述拍摄路段时刻信息对应的道路图像信息。
4.根据权利要求1所述的方法,其特征在于,所述对所述道路信息进行分析,得到道路危险报告信息,包括:
对所述道路信息进行分析,得到所述道路内的设备情况信息;
对所述车辆进入拍摄路段时刻信息以及所述车辆信息进行运算,得到单位时间内的车流量信息;
对所述设备情况信息以及所述车流量信息进行数据分析,得到车辆危险信息、道路危险系数信息以及道路处理信息;
将所述车辆危险信息、道路危险系数信息以及道路处理信息进行压缩整理,得到道路危险报告信息。
5.根据权利要求4所述的方法,其特征在于,所述对所述设备情况以及所述车流量信息进行数据分析,得到车辆危险信息、道路危险系数信息以及道路处理信息,包括:
将所述设备情况信息分别与预设道路设备权属信息以及预设道路设备情况分类信息进行信息匹配,得到不同权属信息对应的设备情况类别信息;
基于所述设备情况类别信息确定所述设备情况信息对应的设备异常、修缮方式以及修缮时间,并生成道路处理信息;
对所述设备情况类别信息以及所述车流量信息分析,得到车辆危险信息;
通过所述道路处理信息、所述车流量信息以及所述设备情况信息确定道路危险系数。
6.根据权利要求4所述的方法,其特征在于,将所述车辆危险信息、道路危险系数信息以及道路处理信息进行压缩整理,得到道路危险报告信息,之后还包括:
根据预设固定时间范围确定所述道路危险报告信息的数据变化,并生成道路维护状况信息;
若所述道路维护状况信息未达到预设维护最低限度,则根据预存当地产品质量抽查政策以及质量要求政策,生成质量检测提示信息;
控制显示所述质量检测提示信息。
7.根据权利要求5所述的方法,其特征在于,基于所述设备使用情况类别信息确定所述设备情况信息对应的设备异常、修缮方式以及修缮时间,并生成道路处理信息,之后还包括:
对所述道路处理信息进行分析,得到所述道路处理信息中不同设备的修缮组合数量以及所述修缮组合数量中每种修缮组合对应的时间序列长度;
根据所述时间序列长度以及所述建筑组合数量对所述道路处理信息进行数据整理,得到第一道路矩阵数据;
将所述第一道路矩阵数据输入至训练好的道路预测模型中进行向量特征提取,得到道路特征维度数量,并将得到的道路特征维度数量与所述第一道路矩阵数据进行数据结合处理,得到第二道路矩阵数据;
对所述第二道路矩阵数据中所包含的数据进行数据处理,得到道路危害数据;
将所述道路危害数据输入至预设算法模型中进行数据推算,生成所述修缮组合数量中每种修缮组合在未来预设时间段内的设备异常发生量。
8.一种相机交替曝光的对地拍照装置,其特征在于,包括:
获取图像模块,用于获取获取道路图像信息;
分析信息模块,用于对所述道路图像信息进行分析,得到道路信息以及车辆信息;
生成报告模块,用于对所述道路信息进行分析,得到道路危险报告信息;
匹配信息模块,用于基于所述道路危险报告信息确定车辆危险信息,并将所述车辆信息与所述车辆危险信息进行匹配,得到危险匹配度以及危险匹配信息;
判断信息模块,用于判断所述危险匹配度是否超过预设匹配度,若超过,则根据所述危险匹配信息生成警示信息;
发送信息模块,用于基于所述车辆信息确定目标设备,并将所述警示信息发送至所述目标设备。
9.一种电子设备,其特征在于,该电子设备包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1~7任一项所述的相机交替曝光的对地拍照方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,当所述计算机程序在计算机中执行时,令所述计算机执行权利要求1~7任一项所述的相机交替曝光的对地拍照方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211120367.8A CN115512312B (zh) | 2022-09-15 | 2022-09-15 | 一种相机交替曝光的对地拍照方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211120367.8A CN115512312B (zh) | 2022-09-15 | 2022-09-15 | 一种相机交替曝光的对地拍照方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115512312A true CN115512312A (zh) | 2022-12-23 |
CN115512312B CN115512312B (zh) | 2023-07-14 |
Family
ID=84504251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211120367.8A Active CN115512312B (zh) | 2022-09-15 | 2022-09-15 | 一种相机交替曝光的对地拍照方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115512312B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785633A (zh) * | 2019-03-14 | 2019-05-21 | 百度在线网络技术(北京)有限公司 | 危险路况提醒方法、装置、车载终端、服务器及介质 |
CN110299013A (zh) * | 2019-07-10 | 2019-10-01 | 深圳成谷科技有限公司 | 一种车辆危险驾驶行为的检测处理方法、装置及设备 |
CN111127949A (zh) * | 2019-12-18 | 2020-05-08 | 北京中交兴路车联网科技有限公司 | 车辆高危路段预警方法、装置及存储介质 |
CN111932882A (zh) * | 2020-08-13 | 2020-11-13 | 广东飞达交通工程有限公司 | 一种基于图像识别的道路事故实时预警系统、方法和设备 |
US20210097311A1 (en) * | 2019-09-27 | 2021-04-01 | Dish Network L.L.C. | Wireless vehicular systems and methods for detecting roadway conditions |
CN113807220A (zh) * | 2021-09-06 | 2021-12-17 | 丰图科技(深圳)有限公司 | 交通事件检测方法、装置、电子设备和可读存储介质 |
-
2022
- 2022-09-15 CN CN202211120367.8A patent/CN115512312B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785633A (zh) * | 2019-03-14 | 2019-05-21 | 百度在线网络技术(北京)有限公司 | 危险路况提醒方法、装置、车载终端、服务器及介质 |
CN110299013A (zh) * | 2019-07-10 | 2019-10-01 | 深圳成谷科技有限公司 | 一种车辆危险驾驶行为的检测处理方法、装置及设备 |
US20210097311A1 (en) * | 2019-09-27 | 2021-04-01 | Dish Network L.L.C. | Wireless vehicular systems and methods for detecting roadway conditions |
CN111127949A (zh) * | 2019-12-18 | 2020-05-08 | 北京中交兴路车联网科技有限公司 | 车辆高危路段预警方法、装置及存储介质 |
CN111932882A (zh) * | 2020-08-13 | 2020-11-13 | 广东飞达交通工程有限公司 | 一种基于图像识别的道路事故实时预警系统、方法和设备 |
CN113807220A (zh) * | 2021-09-06 | 2021-12-17 | 丰图科技(深圳)有限公司 | 交通事件检测方法、装置、电子设备和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115512312B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240087102A1 (en) | Automatic Image Based Object Damage Assessment | |
US12020326B1 (en) | Systems and methods for usage based insurance via blockchain | |
US11373249B1 (en) | Automobile monitoring systems and methods for detecting damage and other conditions | |
US10373260B1 (en) | Imaging processing system for identifying parts for repairing a vehicle | |
US20140081675A1 (en) | Systems, methods, and apparatus for optimizing claim appraisals | |
JP6918137B2 (ja) | 運転行為評価方法、装置及びコンピュータが読み取り可能な記憶媒体 | |
KR102080462B1 (ko) | 딥러닝에 기반한 도로 안전 진단과 관리 방법 및 시스템 | |
CN111369801B (zh) | 车辆识别方法、装置、设备和存储介质 | |
CN109598519B (zh) | 车辆审核方法、装置、计算机设备和存储介质 | |
CN115810134B (zh) | 一种车险反欺诈的图像采集质检方法、系统和装置 | |
CN115834838A (zh) | 一种隧道内的监控方法、设备和介质 | |
CN116645646A (zh) | 一种用于停车异常检测预警方法及系统 | |
CN109784586B (zh) | 车险的出险情况的预测方法及系统 | |
CN114912702A (zh) | 基于大数据的道路性能预测方法、装置、设备及存储介质 | |
TWM602258U (zh) | 車體定損輔助系統 | |
CN114187449A (zh) | 车辆信息处理方法、装置、计算机设备和存储介质 | |
CN115512312A (zh) | 一种相机交替曝光的对地拍照方法、装置、设备及介质 | |
KR100903016B1 (ko) | 온라인을 통한 자동차 외형 복원 분석 및 견적 산출 방법 | |
CN115631002A (zh) | 基于计算机视觉的车险智能定损方法及系统 | |
KR102362808B1 (ko) | 상황별 근로자위험도 측정 방법 | |
CN115456812A (zh) | 一种智慧工地管理方法、装置、设备及介质 | |
CN113077186B (zh) | 轨道交通安全完整性等级的识别方法和识别系统 | |
KR102400842B1 (ko) | 교통사고 정보를 제공하기 위한 서비스 방법 | |
CN113837170A (zh) | 车辆保险理赔申请的自动审核处理方法、装置及设备 | |
CN110751567A (zh) | 车辆信息处理方法、装置、计算机设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |