CN115690683A - 道闸状态的监控方法、装置、计算机设备和存储介质 - Google Patents
道闸状态的监控方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN115690683A CN115690683A CN202211384976.4A CN202211384976A CN115690683A CN 115690683 A CN115690683 A CN 115690683A CN 202211384976 A CN202211384976 A CN 202211384976A CN 115690683 A CN115690683 A CN 115690683A
- Authority
- CN
- China
- Prior art keywords
- barrier
- barrier gate
- edge line
- state
- image
- 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
Landscapes
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种道闸状态的监控方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取对道闸进行拍摄所得的道闸图像;在所述道闸图像的目标区域内检测道闸边缘线;计算所述道闸边缘线对应的边缘线参数值;若基于所述边缘线参数值确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测;根据目标检测的结果发起道闸状态异常告警。采用本方法能够准确的监控到道闸的异常状态。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种道闸状态的监控方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
随着计算机技术的发展,无人值守停车场的应用越来越广泛。车辆在离开无人值守停车场时,道闸在车主缴费后自动抬杆,使车辆离场。但是,因停车场无人值守,可能会发生损坏道闸的恶意逃费行为,给停车场造成经济损失。怎样对道闸的状态进行监控,以判断道闸是否被破坏或者发生故障成为亟待解决的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种道闸状态的监控方法、装置、计算机设备、计算机可读存储介质和计算机程序产品,能够准确的监控到道闸的异常状态。
第一方面,本申请提供了一种道闸状态的监控方法。所述方法包括:
获取对道闸进行拍摄所得的道闸图像;
在所述道闸图像的目标区域内检测道闸边缘线;
计算所述道闸边缘线对应的边缘线参数值;
若基于所述边缘线参数值确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测;
根据目标检测的结果发起道闸状态异常告警。
在一个实施例中,所述目标区域包括第一目标区域与第二目标区域;所述第一目标区域为所述道闸在关闭状态时对应的图像区域;所述第二目标区域为所述道闸在开启状态时对应的图像区域;所述在所述道闸图像的目标区域内检测道闸边缘线包括:
在所述道闸图像的第一目标区域与第二目标区域内检测道闸边缘线。
在一个实施例中,所述道闸边缘线为在所述第二目标区域内检测到的开启状态边缘线;所述边缘线参数值为所述开启状态边缘线对应的开启状态参数值;所述若基于所述边缘线参数值确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测包括:
若所述开启状态参数值与第一参考值间的差值小于误差阈值,确定所述道闸为开启状态;
对所述道闸为开启状态的时间进行计时,得到开启时长;
若所述开启时长超过时长阈值,确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测。
在一个实施例中,所述道闸边缘线为在所述第一目标区域内检测到的关闭状态边缘线;所述边缘线参数值为所述关闭状态边缘线对应的关闭状态参数值;所述若基于所述边缘线参数值确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测包括:
若所述关闭状态参数值与第二参考值间的差值大于误差阈值,确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测。
在一个实施例中,所述边缘线参数值包括距离参数值与角度参数值;所述计算所述道闸边缘线对应的边缘线参数值包括:
确定所述道闸边缘线对应的角度参数值;所述角度参数值为所述道闸边缘线的法线与水平方向间夹角的角度值;
基于所述角度参数值对应的正弦值以及余弦值进行计算,得到所述道闸边缘线对应的距离参数值。
在一个实施例中,所述道闸图像包括所述监控视频中至少两幅图像;所述边缘线参数值为所述道闸边缘线对应的活动点坐标值;所述若基于所述边缘线参数值确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测包括:
若基于所述活动点坐标值确定所述道闸为开启状态,对所述道闸为开启状态的时间进行计时,得到开启时长;
若所述开启时长超过时长阈值,确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测。
第二方面,本申请还提供了一种道闸状态的监控装置。所述装置包括:
获取模块,用于获取对道闸进行拍摄所得的道闸图像;
检测模块,用于在所述道闸图像的目标区域内检测道闸边缘线;
计算模块,用于计算所述道闸边缘线对应的边缘线参数值;
所述检测模块,还用于若基于所述边缘线参数值确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测;
告警模块,用于根据目标检测的结果发起道闸状态异常告警。
在一个实施例中,所述目标区域包括第一目标区域与第二目标区域;所述第一目标区域为所述道闸在关闭状态时对应的图像区域;所述第二目标区域为所述道闸在开启状态时对应的图像区域;所述检测模块,还用于:
在所述道闸图像的第一目标区域与第二目标区域内检测道闸边缘线。
在一个实施例中,所述道闸边缘线为在所述第二目标区域内检测到的开启状态边缘线;所述边缘线参数值为所述开启状态边缘线对应的开启状态参数值;所述检测模块,还用于:
若所述开启状态参数值与第一参考值间的差值小于误差阈值,确定所述道闸为开启状态;
对所述道闸为开启状态的时间进行计时,得到开启时长;
若所述开启时长超过时长阈值,确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测。
在一个实施例中,所述道闸边缘线为在所述第一目标区域内检测到的关闭状态边缘线;所述边缘线参数值为所述关闭状态边缘线对应的关闭状态参数值;所述检测模块,还用于:
若所述关闭状态参数值与第二参考值间的差值大于误差阈值,确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测。
在一个实施例中,所述边缘线参数值包括距离参数值与角度参数值;所述计算模块,还用于:
确定所述道闸边缘线对应的角度参数值;所述角度参数值为所述道闸边缘线的法线与水平方向间夹角的角度值;
基于所述角度参数值对应的正弦值以及余弦值进行计算,得到所述道闸边缘线对应的距离参数值。
在一个实施例中,所述道闸图像包括所述监控视频中至少两幅图像;所述边缘线参数值为所述道闸边缘线对应的活动点坐标值;所述检测模块,还用于:
若基于所述活动点坐标值确定所述道闸为开启状态,对所述道闸为开启状态的时间进行计时,得到开启时长;
若所述开启时长超过时长阈值,确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测。
第三方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取对道闸进行拍摄所得的道闸图像;
在所述道闸图像的目标区域内检测道闸边缘线;
计算所述道闸边缘线对应的边缘线参数值;
若基于所述边缘线参数值确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测;
根据目标检测的结果发起道闸状态异常告警。
第四方面,本申请还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,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取对道闸进行拍摄所得的道闸图像;
在所述道闸图像的目标区域内检测道闸边缘线;
计算所述道闸边缘线对应的边缘线参数值;
若基于所述边缘线参数值确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测;
根据目标检测的结果发起道闸状态异常告警。
第五方面,本申请还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,该计算机程序被处理器执行时实现以下步骤:
获取对道闸进行拍摄所得的道闸图像;
在所述道闸图像的目标区域内检测道闸边缘线;
计算所述道闸边缘线对应的边缘线参数值;
若基于所述边缘线参数值确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测;
根据目标检测的结果发起道闸状态异常告警。
上述道闸状态的监控方法、装置、计算机设备、存储介质和计算机程序产品,获取对道闸进行拍摄所得的道闸图像;在道闸图像的目标区域内检测道闸边缘线;计算道闸边缘线对应的边缘线参数值。从而可以通过边缘线参数值准确判断道闸是否发生被损坏或者故障等异常。若基于边缘线参数值确定道闸状态发生异常,为避免误判对包含道闸图像的监控视频进行目标检测。根据目标检测的结果发起道闸状态异常告警。从而通过边缘线参数值和目标检测对道闸状态进行双重判断,提高了判断的准确性。并且不需要额外安装传感器,节省了成本。
附图说明
图1为一个实施例中道闸状态的监控方法的应用环境图;
图2为一个实施例中道闸状态的监控方法的流程示意图;
图3为一个实施例中超广角AI相机的示意图;
图4为一个实施例中道闸边缘线的示意图;
图5为一个实施例中距离参数值与角度参数值的示意图;
图6为一个实施例中道闸状态异常确定方法的流程示意图;
图7为一个实施例中边缘线参数值计算方法的流程示意图;
图8为另一个实施例中道闸状态异常确定方法的流程示意图;
图9为一个实施例中道闸活动端的示意图;
图10为另一个实施例中道闸状态的监控方法的流程示意图;
图11为又一个实施例中道闸状态的监控方法的流程示意图;
图12为一个实施例中道闸状态的监控装置的结构框图;
图13为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的道闸状态的监控方法,可以应用于如图1所示的应用环境中。其中,终端102获取对道闸进行拍摄所得的道闸图像;在道闸图像的目标区域内检测道闸边缘线;计算道闸边缘线对应的边缘线参数值;若基于边缘线参数值确定道闸状态发生异常,对包含道闸图像的监控视频进行目标检测;根据目标检测的结果发起道闸状态异常告警。其中,终端102可以但不限于是各种智能终端,包括可以进行图像处理的图像采集设备、个人计算机、笔记本电脑、智能手机、平板电脑等。图像采集设备可以为集成了车牌识别与道闸状态监控的一体化相机。
在一个实施例中,如图2所示,提供了一种道闸状态的监控方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
S202,获取对道闸进行拍摄所得的道闸图像。
其中,道闸是安装在停车场门口,用于控制车辆出入的设备。道闸图像是对道闸进行拍摄所得的图像,可以是通过普通镜头、广角镜头或者鱼眼镜头拍摄的黑白图像或者彩色图像。道闸图像可以是各种分辨率的图像,例如,道闸图像可以是分辨率为1920×1080的高清图像或者道闸图像也可以是分辨率为720×576的标清图像。在一个实施例中,道闸图像也可以是从对道闸进行拍摄所得的监控视频中抽取的视频帧。
在一个实施例中,如图3所示,终端为超广角AI(Artificial Intelligence,人工智能)相机,超广角AI相机对道闸进行拍摄,得到道闸图像。超广角AI相机安装在车牌识别相机顶部,距离道闸0.5至1米,高度1.4至1.6米,机身侧面距离车道线距离30至40厘米。在超广角AI相机附近可安装补光灯,在夜间进行补光,使相机可以清晰拍摄到道闸、车辆以及道闸附近行人等。
S204,在道闸图像的目标区域内检测道闸边缘线。
其中,目标区域是道闸图像中的图像区域。例如,目标区域可以是道闸在关闭状态时对应的图像区域,道闸在关闭状态时位于目标区域内。又例如,目标区域可以是道闸在开启状态时对应的图像区域,道闸在开启状态时位于目标区域内。道闸边缘线是道闸抬杆边缘的直线。如图4所示,对于矩形或者圆柱形的道闸抬杆,道闸边缘线为两条。
在一个实施例中,目标区域包括第一目标区域与第二目标区域;第一目标区域为道闸在关闭状态时对应的图像区域;第二目标区域为道闸在开启状态时对应的图像区域;S204具体包括:在道闸图像的第一目标区域与第二目标区域内检测道闸边缘线。
在一个实施例中,S204之前还包括:终端通过预先设置的矩形框确定目标区域。具体地,当道闸在正常的开启状态或者关闭状态时,终端用矩形框对在道闸图像中检测出的道闸进行框定,所框定的区域为目标区域。
在一个实施例中,S204具体包括:终端通过边缘检测算法在道闸图像的目标区域内检测道闸边缘线。例如,终端可以通过Hough(霍夫)算法在道闸图像的目标区域内检测道闸边缘线。
在一个实施例中,终端对道闸进行拍摄并将拍摄所得的道闸图像上传至服务器,以通过服务器在道闸图像的目标区域内检测道闸边缘线。
S206,计算道闸边缘线对应的边缘线参数值。
其中,边缘线参数值是用于表示道闸边缘线位置的参数值,包括距离参数值与角度参数值。距离参数值用于表示坐标系原点与道闸边缘线间的距离值。角度参数值用于表示道闸边缘线的法线与坐标系水平方向间的角度值。例如,如图5所示,OA为直角坐标系的坐标原点到道闸边缘线的法线,OA的长度值为道闸边缘线对应的距离参数值,OA与X轴间的角度值为道闸边缘线对应的角度参数值。
在一个实施例中,终端以道闸图像的角点为坐标原点建立直角坐标系,在直角坐标系中确定道闸边缘线对应的边缘线参数值。在另一个实施例中,终端将道闸图像转换到Hough参数空间,在Hough参数空间确定道闸边缘线对应的边缘线参数值。
S208,若基于边缘线参数值确定道闸状态发生异常,对包含道闸图像的监控视频进行目标检测。
其中,道闸状态发生异常包括道闸被损坏或者道闸持续保持打开状态等。监控视频是终端对道闸拍摄的视频,监控视频中可以包含道闸图像。例如,监控视频是终端在0-30分钟的时段内对道闸进行拍摄所得的视频,道闸图像是监控视频中0-30分钟内的某个视频帧。目标检测是在监控视频中检测车辆、行人等目标对象。终端在确定道闸状态发生异常时,对包含道闸图像的监控视频进行目标检测,以判断在道闸发生损坏时是否有行人、车辆等在道闸附近。若有行人、车辆等在道闸附近,说明道闸可能是被人为破坏。
在一个实施例中,终端将当前道闸图像对应的边缘线参数值与正常道闸图像对应的边缘线参数值进行比对,基于比对结果确定道闸状态是否发生异常。
在一个实施例中,当终端检测到的道闸边缘线为两条时,终端计算两条道闸边缘线对应的边缘线参数值的平均值。若基于边缘线参数值的平均值确定道闸状态发生异常,对包含道闸图像的监控视频进行目标检测。
在一个实施例中,终端通过神经网络模型对监控视频进行目标检测。神经网络模型例如可以是卷积神经网络模型、残差卷积神经网络模型或者深度学习模型等。
在一个实施例中,终端在确定道闸状态发生异常时,自动存储道闸状态发生异常事件前后一段时间内的监控视频,并将监控视频发送至管理平台的服务器,以供管理人员查看取证。
S210,根据目标检测的结果发起道闸状态异常告警。
其中,目标对象为行人、车辆等对象。若道闸为持续保持打开状态而目标检测的结果中不包括目标对象,说明道闸可能因发生故障而无法关闭或者被人为强制开启,终端发起道闸状态异常告警。若道闸为被损坏的异常状态而目标检测的结果包括目标对象,道闸可能是被人为损坏,发起道闸状态异常告警。
在一个实施例中,服务器在收到终端的道闸状态异常告警信息时,通过社交应用将告警信息推送至管理客户端。管理客户端在收到监控视频点播指令时,将监控视频点播指令转发至管理平台的服务器,服务器根据GB28181协议向管理客户端下发终端存储的监控视频。
上述实施例中,获取对道闸进行拍摄所得的道闸图像;在道闸图像的目标区域内检测道闸边缘线;计算道闸边缘线对应的边缘线参数值。从而可以通过边缘线参数值准确判断道闸是否发生被损坏或者故障等异常。若基于边缘线参数值确定道闸状态发生异常,为避免误判对包含道闸图像的监控视频进行目标检测。根据目标检测的结果发起道闸状态异常告警。从而通过边缘线参数值和目标检测对道闸状态进行双重判断,提高了判断的准确性。并且不需要额外安装传感器,节省了成本。
在一个实施例中,道闸边缘线为在第二目标区域内检测到的开启状态边缘线;边缘线参数值为开启状态边缘线对应的开启状态参数值;如图6所示,S208具体包括如下步骤:
S602,若开启状态参数值与第一参考值间的差值小于误差阈值,确定道闸为开启状态。
其中,第二目标区域为道闸在开启状态时对应的图像区域。开启状态边缘线为开启状态时的道闸抬杆的边缘线。第一参考值为正常开启状态的道闸对应的边缘线参数值,可以包括第一距离参考值与第一角度参考值。距离参考值为正常开启状态的道闸的道闸边缘线与坐标原点间的坐标值。角度参考值为正常开启状态的道闸边缘线的法线与水平方向夹角的角度值。
若终端在第二目标区域内检测到开启状态边缘线,而未在第一目标区域内检测到道闸边缘线,说明道闸并未处于关闭状态。若开启状态参数值与第一参考值间的差值小于误差阈值,说明终端当前在道闸图像中检测到的道闸边缘线与正常开启状态的道闸边缘线抬起的角度较为接近,当前的道闸也为开启状态。
S604,对道闸为开启状态的时间进行计时,得到开启时长。
其中,开启时长为道闸保持开启状态的时长,例如,开启时长可以为25秒、1分钟等。终端在确定开启状态参数值与第一参考值间的差值小于误差阈值时,开始对道闸为开启状态的时间进行计时,得到开启时长。
S606,若开启时长超过时长阈值,确定道闸状态发生异常,对包含道闸图像的监控视频进行目标检测。
其中,时长阈值是基于道闸对车辆放行时的抬杆时间确定的数值。终端将时长阈值设置为大于道闸的正常抬杆时长。例如,若道闸正常抬起时的抬杆时长为30秒,则时长阈值可以为35秒、40秒等。
若道闸开启时长超过时长阈值,说明道闸并不是正常开启,可能被人为强制开启,终端确定道闸状态发生异常,对包含道闸图像的监控视频进行目标检测。
上述实施例中,若开启状态参数值与第一参考值间的差值小于误差阈值,确定道闸为开启状态;对道闸为开启状态的时间进行计时,得到开启时长;若开启时长超过时长阈值,确定道闸状态发生异常,对包含道闸图像的监控视频进行目标检测。从而可以准确检测出道闸是否被人为强制开启,并在道闸可能被人为强制开启时进行目标检测,保证了检测的准确性。
在一个实施例中,道闸边缘线为在第一目标区域内检测到的关闭状态边缘线;边缘线参数值为关闭状态边缘线对应的关闭状态参数值;S208具体包括:若关闭状态参数值与第二参考值间的差值大于误差阈值,确定道闸状态发生异常,对包含道闸图像的监控视频进行目标检测。
其中,第一目标区域为道闸在关闭状态时对应的图像区域。关闭状态边缘线为关闭状态时的道闸抬杆的边缘线。第二参考值为正常关闭状态的道闸对应的边缘线参数值,可以包括第二距离参考值与第二角度参考值。
若终端在第一目标区域内检测到关闭状态边缘线,而未在第二目标区域内检测到道闸边缘线,说明道闸并未处于开启状态。若关闭状态参数值与第二参考值间的差值大于误差阈值,说明终端在当前道闸图像中检测到的道闸边缘线与正常关闭状态的道闸边缘线抬起的角度也有较大差异,道闸并非处于正常关闭状态,可能被损坏,因此终端确定道闸状态发生异常,对包含道闸图像的监控视频进行目标检测。
上述实施例中,若关闭状态参数值与第二参考值间的差值大于误差阈值,确定道闸状态发生异常,对包含道闸图像的监控视频进行目标检测。从而可以通过关闭状态参数值判断道闸是否被人为损坏,并在道闸可能被人为损坏时进行目标检测,保证了检测的准确性。
在一个实施例中,边缘线参数值包括距离参数值与角度参数值;如图7所示,S206具体包括如下步骤:
S702,确定道闸边缘线对应的角度参数值;角度参数值为道闸边缘线的法线与水平方向间夹角的角度值。
其中,道闸边缘线的法线为坐标原点至道闸边缘线的垂线。例如,如图5所示,OA为道闸边缘线的法线。终端对道闸图像进行图像处理,例如,终端可以通过边缘检测算法从道闸图像中提取道闸边缘线,然后根据道闸边缘线的像素坐标确定道闸边缘线的法线与水平方向间夹角的角度值。
S704,基于角度参数值对应的正弦值以及余弦值进行计算,得到道闸边缘线对应的距离参数值。
终端基于角度参数值对应的正弦值以及余弦值进行计算,得到道闸边缘线对应的距离参数值。具体地,终端首先确定道闸边缘线的法线与道闸边缘线间交点的像素坐标(假设为(x0,y0)),然后计算角度参数值(假设为θ)对应的余弦值cosθ以及正弦值sinθ。终端计算像素坐标中的横坐标与余弦值cosθ的乘积,以及像素坐标中的纵坐标与正弦值sinθ的乘积,并将计算所得的乘积相加,得到距离参数值。例如,终端通过公式(1)计算距离参数值。其中,r为距离参数值,x0为道闸边缘线的法线与道闸边缘线间交点的像素横坐标,y0为道闸边缘线的法线与道闸边缘线间交点的像素纵坐标,θ为角度参数值。
r=x0×cosθ+y0×sinθ (1)
上述实施例中,确定道闸边缘线对应的角度参数值;角度参数值为道闸边缘线的法线与水平方向间夹角的角度值;基于角度参数值对应的正弦值以及余弦值进行计算,得到道闸边缘线对应的距离参数值。从而可以根据道闸边缘线对应的角度参数值和距离参数值判断道闸是否被损坏或者被强制开启,避免造成停车场损失。并且不需要额外安装传感器,节省了成本。
在一个实施例中,道闸图像包括监控视频中至少两幅图像;边缘线参数值为道闸边缘线对应的活动点坐标值;如图8所示,S208具体包括:
S802,若基于活动点坐标值确定道闸为开启状态,对道闸为开启状态的时间进行计时,得到开启时长。
其中,活动点坐标值为道闸活动端在道闸图像中的像素坐标值。例如,活动点坐标值可以为道闸活动端上任一点在道闸图像中的像素坐标值。例如,如图9所示,活动点坐标值为道闸活动端中点在道闸图像中的像素坐标值。
在一个实施例中,终端通过4个目标像素点来标定道闸图像中道闸完全落下时的位置,其中点(x1,y1)与点(x2,y2)为道闸抬杆与道闸箱体连接处的固定点,(x3,y3)与(x4,y4)为道闸活动端上的活动点。终端可以对道闸图像进行目标检测,例如,终端可以通过Yolo检测算法在道闸图像中检测道闸,然后提取道闸的目标像素点。当相邻时刻采集的道闸图像中活动点坐标的纵坐标值(y3、y4)逐渐变小,且减小的步长到达设定阈值时,终端确定道闸正在开启。当(y3、y4)停止减小时达到最小值,此时终端确定道闸为开启状态并对道闸为开启状态的时间进行计时,得到开启时长。
S804,若开启时长超过时长阈值,确定道闸状态发生异常,对包含道闸图像的监控视频进行目标检测。
若道闸开启时长超过时长阈值,说明道闸并不是正常开启,可能被人为强制开启,终端确定道闸状态发生异常,对包含道闸图像的监控视频进行目标检测。若目标检测的结果中不包括行人、车辆等目标对象,说明道闸可能因发生故障而无法关闭,发起道闸状态异常告警。
在一个实施例中,当活动点坐标的横坐标值(x3、x4)逐渐变大,且增大的步长到达设定阈值时,判定道闸可能被破坏,为避免误判定,对包含道闸图像的监控视频进行目标检测。若目标检测的结果中包含车辆或行人等目标对象,发起道闸被破坏的状态异常告警,并存储监控视频作为视频证据。
上述实施例中,终端根据活动点坐标值判断道闸状态是否发生异常,并在道闸状态发生异常时进行目标检测。从而可以根据活动点坐标值准确判断道闸状态是否发生异常,判断的准确性高。
在一个实施例中,如图10所示,道闸状态的监控方法包括如下步骤:
S1002,终端采集道闸图像。
S1004,在道闸图像中框定道闸关到位时对应的第一目标区域,以及开到位时对应的第二目标区域,并确定道闸边缘线对应的第一参考值与第二参考值。
S1006,在道闸图像的目标区域中实时检测道闸边缘线。
S1008,判断第一目标区域内是否检测到道闸边缘线,若是,执行S1020;若否,执行S1010。
S1010,判断第二目标区域内是否检测到道闸边缘线,若是,执行S1012,若否,返回执行S1002。
S1012,判断开启状态参数值与第一参考值间的差值是否小于误差阈值。开启状态参数值是在第二目标区域中检测到的开启状态的道闸边缘线对应的边缘线参数值。若是,执行S1014,若否,返回执行S1002。
S1014,在监控视频中检测是否存在车辆或者行人等目标对象。若是,返回执行S1002,若否,执行S1016。
S1016,判断道闸开启状态的时长是否超过时长阈值。若是,执行S1018;若否,返回执行S1002。
S1018,存储监控视频并进行告警。
S1020,判断关闭状态参数值与第二参考值间的差值是否大于误差阈值。若是,返回执行S1002;若否,执行S1022。
S1022,检测监控视频中是否存在车辆或行人。若是,执行S1018,若否,返回执行S1002。
在一个实施例中,如图11所示,道闸状态的监控方法包括如下步骤:
S1102,获取对道闸进行拍摄所得的道闸图像。
S1104,在道闸图像的目标区域内检测道闸边缘线;目标区域包括第一目标区域与第二目标区域。
S1106,确定道闸边缘线对应的角度参数值;角度参数值为道闸边缘线的法线与水平方向间夹角的角度值。
S1108,基于角度参数值对应的正弦值以及余弦值进行计算,得到道闸边缘线对应的距离参数值。
S1110,当道闸边缘线为在第二目标区域内检测到的开启状态边缘线时,边缘线参数值为开启状态边缘线对应的开启状态参数值。
S1112,若开启状态参数值与第一参考值间的差值小于误差阈值,确定道闸为开启状态。
S1114,对道闸为开启状态的时间进行计时,得到开启时长;若开启时长超过时长阈值,确定道闸状态发生异常,对包含道闸图像的监控视频进行目标检测。
S1116,当道闸边缘线为在第一目标区域内检测到的关闭状态边缘线时,边缘线参数值为关闭状态边缘线对应的关闭状态参数值;若关闭状态参数值与第二参考值间的差值大于误差阈值,确定道闸状态发生异常,对包含道闸图像的监控视频进行目标检测。
S1118,根据目标检测的结果发起道闸状态异常告警。
上述S1102至S1118的具体内容可以参考上文的具体实现过程。
应该理解的是,虽然如上所述的各实施例所涉及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,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些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,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的道闸状态的监控方法的道闸状态的监控装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个道闸状态的监控装置实施例中的具体限定可以参见上文中对于道闸状态的监控方法的限定,在此不再赘述。
在一个实施例中,如图12所示,提供了一种道闸状态的监控装置,包括:获取模块1202、检测模块1204、计算模块1206和告警模块1208,其中:
获取模块1202,用于获取对道闸进行拍摄所得的道闸图像;
检测模块1204,用于在道闸图像的目标区域内检测道闸边缘线;
计算模块1206,用于计算道闸边缘线对应的边缘线参数值;
检测模块1204,还用于若基于边缘线参数值确定道闸状态发生异常,对包含道闸图像的监控视频进行目标检测;
告警模块1208,用于根据目标检测的结果发起道闸状态异常告警。
上述实施例中,获取对道闸进行拍摄所得的道闸图像;在道闸图像的目标区域内检测道闸边缘线;计算道闸边缘线对应的边缘线参数值。从而可以通过边缘线参数值准确判断道闸是否发生被损坏或者故障等异常。若基于边缘线参数值确定道闸状态发生异常,为避免误判对包含道闸图像的监控视频进行目标检测。根据目标检测的结果发起道闸状态异常告警。从而通过边缘线参数值和目标检测对道闸状态进行双重判断,提高了判断的准确性。并且不需要额外安装传感器,节省了成本。
在一个实施例中,目标区域包括第一目标区域与第二目标区域;第一目标区域为道闸在关闭状态时对应的图像区域;第二目标区域为道闸在开启状态时对应的图像区域;检测模块1204,还用于:
在道闸图像的第一目标区域与第二目标区域内检测道闸边缘线。
在一个实施例中,道闸边缘线为在第二目标区域内检测到的开启状态边缘线;边缘线参数值为开启状态边缘线对应的开启状态参数值;检测模块1204,还用于:
若开启状态参数值与第一参考值间的差值小于误差阈值,确定道闸为开启状态;
对道闸为开启状态的时间进行计时,得到开启时长;
若开启时长超过时长阈值,确定道闸状态发生异常,对包含道闸图像的监控视频进行目标检测。
在一个实施例中,道闸边缘线为在第一目标区域内检测到的关闭状态边缘线;边缘线参数值为关闭状态边缘线对应的关闭状态参数值;检测模块1204,还用于:
若关闭状态参数值与第二参考值间的差值大于误差阈值,确定道闸状态发生异常,对包含道闸图像的监控视频进行目标检测。
在一个实施例中,边缘线参数值包括距离参数值与角度参数值;计算模块1206,还用于:
确定道闸边缘线对应的角度参数值;角度参数值为道闸边缘线的法线与水平方向间夹角的角度值;
基于角度参数值对应的正弦值以及余弦值进行计算,得到道闸边缘线对应的距离参数值。
在一个实施例中,道闸图像包括监控视频中至少两幅图像;边缘线参数值为道闸边缘线对应的活动点坐标值;检测模块1204,还用于:
若基于活动点坐标值确定道闸为开启状态,对道闸为开启状态的时间进行计时,得到开启时长;
若开启时长超过时长阈值,确定道闸状态发生异常,对包含道闸图像的监控视频进行目标检测。
上述道闸状态的监控装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图13所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种道闸状态的监控方法。该计算机设备的显示单元用于形成视觉可见的画面,可以是显示屏、投影装置或虚拟现实成像装置,显示屏可以是液晶显示屏或电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图13中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
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,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种道闸状态的监控方法,其特征在于,所述方法包括:
获取对道闸进行拍摄所得的道闸图像;
在所述道闸图像的目标区域内检测道闸边缘线;
计算所述道闸边缘线对应的边缘线参数值;
若基于所述边缘线参数值确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测;
根据目标检测的结果发起道闸状态异常告警。
2.根据权利要求1所述的方法,其特征在于,所述目标区域包括第一目标区域与第二目标区域;所述第一目标区域为所述道闸在关闭状态时对应的图像区域;所述第二目标区域为所述道闸在开启状态时对应的图像区域;所述在所述道闸图像的目标区域内检测道闸边缘线包括:
在所述道闸图像的第一目标区域与第二目标区域内检测道闸边缘线。
3.根据权利要求2所述的方法,其特征在于,所述道闸边缘线为在所述第二目标区域内检测到的开启状态边缘线;所述边缘线参数值为所述开启状态边缘线对应的开启状态参数值;所述若基于所述边缘线参数值确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测包括:
若所述开启状态参数值与第一参考值间的差值小于误差阈值,确定所述道闸为开启状态;
对所述道闸为开启状态的时间进行计时,得到开启时长;
若所述开启时长超过时长阈值,确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测。
4.根据权利要求2所述的方法,其特征在于,所述道闸边缘线为在所述第一目标区域内检测到的关闭状态边缘线;所述边缘线参数值为所述关闭状态边缘线对应的关闭状态参数值;所述若基于所述边缘线参数值确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测包括:
若所述关闭状态参数值与第二参考值间的差值大于误差阈值,确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测。
5.根据权利要求1所述的方法,其特征在于,所述边缘线参数值包括距离参数值与角度参数值;所述计算所述道闸边缘线对应的边缘线参数值包括:
确定所述道闸边缘线对应的角度参数值;所述角度参数值为所述道闸边缘线的法线与水平方向间夹角的角度值;
基于所述角度参数值对应的正弦值以及余弦值进行计算,得到所述道闸边缘线对应的距离参数值。
6.根据权利要求1所述的方法,其特征在于,所述道闸图像包括所述监控视频中至少两幅图像;所述边缘线参数值为所述道闸边缘线对应的活动点坐标值;所述若基于所述边缘线参数值确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测包括:
若基于所述活动点坐标值确定所述道闸为开启状态,对所述道闸为开启状态的时间进行计时,得到开启时长;
若所述开启时长超过时长阈值,确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测。
7.一种道闸状态的监控装置,其特征在于,所述装置包括:
获取模块,用于获取对道闸进行拍摄所得的道闸图像;
检测模块,用于在所述道闸图像的目标区域内检测道闸边缘线;
计算模块,用于计算所述道闸边缘线对应的边缘线参数值;
所述检测模块,还用于若基于所述边缘线参数值确定所述道闸状态发生异常,对包含所述道闸图像的监控视频进行目标检测;
告警模块,用于根据目标检测的结果发起道闸状态异常告警。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一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,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211384976.4A CN115690683A (zh) | 2022-11-07 | 2022-11-07 | 道闸状态的监控方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211384976.4A CN115690683A (zh) | 2022-11-07 | 2022-11-07 | 道闸状态的监控方法、装置、计算机设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115690683A true CN115690683A (zh) | 2023-02-03 |
Family
ID=85049161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211384976.4A Pending CN115690683A (zh) | 2022-11-07 | 2022-11-07 | 道闸状态的监控方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115690683A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117831181A (zh) * | 2023-12-18 | 2024-04-05 | 广东安快智能科技有限公司 | 在线道闸控制方法、装置、计算机设备以及存储介质 |
-
2022
- 2022-11-07 CN CN202211384976.4A patent/CN115690683A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117831181A (zh) * | 2023-12-18 | 2024-04-05 | 广东安快智能科技有限公司 | 在线道闸控制方法、装置、计算机设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106878670B (zh) | 一种视频处理方法及装置 | |
CN111784857A (zh) | 一种停车位管理方法、装置以及计算机存储介质 | |
EP3754618B1 (en) | Recording control device, recording control system, recording control method, and recording control program | |
CN111223260A (zh) | 在仓储管理中智能监控货物防盗损的方法和系统 | |
CN107705569A (zh) | 远程监控停车场停放车辆的方法及装置 | |
Li et al. | Decoupled appearance and motion learning for efficient anomaly detection in surveillance video | |
CN112766069A (zh) | 基于深度学习的车辆违停检测方法、装置及电子设备 | |
JP2021096878A (ja) | 情報処理装置、情報処理方法、プログラム、及び情報処理システム | |
CN105608464A (zh) | 人脸识别移动终端解决系统及解决方法 | |
CN115690683A (zh) | 道闸状态的监控方法、装置、计算机设备和存储介质 | |
CN111178235A (zh) | 一种目标数量确定方法、装置、设备及存储介质 | |
CN116052103A (zh) | 监控数据处理方法、装置、计算机设备和存储介质 | |
CN109446926A (zh) | 一种交通监控方法及装置、电子设备和存储介质 | |
CN112598925A (zh) | 停车管理方法、装置、计算机设备及存储介质 | |
CN112464030A (zh) | 一种可疑人员确定方法及装置 | |
CN110929606A (zh) | 车辆盲区行人监控方法和装置 | |
CN109741224A (zh) | 布控方法及相关产品 | |
CN112885106A (zh) | 基于车辆大数据的区域禁行检测系统、方法及存储介质 | |
WO2018085063A1 (en) | Segmentation-based display highlighting subject of interest | |
CN107301373A (zh) | 数据处理方法、装置及存储介质 | |
CN115862167A (zh) | 道闸控制方法、装置、计算机设备和存储介质 | |
CN108873097B (zh) | 无人停车库中载车板停车时的安全检测方法及装置 | |
KR101407394B1 (ko) | 방치물 및 도난물 탐지 시스템 | |
WO2015180252A1 (zh) | 一种多目标逆向违规检测方法、装置及系统 | |
CN114240826A (zh) | 拍摄设备异常检测方法、装置、系统和电子装置 |
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 |