CN115797849B - 一种基于图像确定异常行为的数据处理系统 - Google Patents
一种基于图像确定异常行为的数据处理系统 Download PDFInfo
- Publication number
- CN115797849B CN115797849B CN202310053499.1A CN202310053499A CN115797849B CN 115797849 B CN115797849 B CN 115797849B CN 202310053499 A CN202310053499 A CN 202310053499A CN 115797849 B CN115797849 B CN 115797849B
- Authority
- CN
- China
- Prior art keywords
- traffic
- target
- list
- image
- traffic 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.)
- Active
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于图像确定异常行为的数据处理系统,系统包括:初始交通图像列表、样本交通图像列表、处理器和存储有计算机程序的存储器,当计算机程序被处理器执行时,实现以下步骤:根据初始交通图像列表,获取目标交通图像列表,对目标交通图像列表进行处理,获取目标交通图像列表对应的优选交通图像列表,其中,根据样本交通图像列表获取第一交通线、第二交通线和中间交通线列表,从而获取优选交通图像,根据目标交通图像列表获取目标对象列表,根据优选交通图像列表和目标对象列表确定异常行为,本发明充分利用摄像头,使得操作简单,采用不局限于经验值的划线,使得后续获取到的异常行为的准确度较高。
Description
技术领域
本发明涉及图像处理技术领域,特别是涉及一种基于图像确定异常行为的数据处理系统。
背景技术
随着城市化工作的推进,非机动车异常行为愈发严重,例如闯红灯行为,大幅度增加了交通事故的频率,并且使得机动车无法按照交通信号灯正常行驶,导致路口效率低下,严重影响了交通管理秩序,为了规范路口行车秩序和有效遏制闯红灯违法行为,路口设置了拍照装置,如何对拍照装置生成的交通图像进行处理从而确定异常行为及保留证据,已成为交通管理部门亟待解决的问题。
目前,现有技术中,确定异常行为的方法为:使用低频信号发射器从交通路口的监控设备中获取非机动车的交通图像,对获取到的交通图像进行区域的划分,根据非机动车通过区域的情况判断图片中的非机动车的异常行为。
综上所述,确定异常行为的方法存在的问题:未充分利用摄像头,增添了额外的设备,使得操作复杂,降低了获取到目标对象异常行为的运行效率,局限于经验值进行区域划分,使得后续获取到的异常行为的准确度较低。
发明内容
针对上述技术问题,本发明采用的技术方案为:一种基于图像确定异常行为的数据处理系统,系统包括:初始交通图像列表、样本交通图像列表、处理器和存储有计算机程序的存储器,当计算机程序被处理器执行时,实现以下步骤:
S100,根据初始交通图像列表,获取目标交通图像列表A={A1,A2,……,Ai,……,An},Ai为第i个目标交通图像,i=1,2,……,n,n为目标交通图像的数量。
S200,对A进行处理,获取A对应的优选交通图像列表A'={A'1,A'2,……,A'i,……,A'n},A'i为Ai对应的优选交通图像,其中,在S200中通过如下步骤获取A'i:
S201,根据样本交通图像列表,获取第一交通线S1和第二交通线S2。
S203,根据样本交通图像列表,获取中间交通线列表S0。
S205,根据S1、S2、S0和Ai,获取A'i。
S300,根据A,获取目标对象列表A0={A0 1,A0 2,……,A0 j,……,A0 m},A0 j为第j个目标对象,j=1,2,……,m,m为目标对象的数量。
S400,根据A0和A',确定目标对象的异常行为,其中,在S400中还包括如下步骤:
S401,根据A',获取A0 j对应的优选交通图像列表和A0 j与S1、S2、S0的交集数量SAO j。
S403,当SAO j>F1时,确定AO j存在异常行为,其中,F1为预设数量阈值。
本发明提供了一种基于图像确定异常行为的数据处理系统,系统包括:初始交通图像列表、样本交通图像列表、处理器和存储有计算机程序的存储器,当计算机程序被处理器执行时,实现以下步骤:根据初始交通图像列表,获取目标交通图像列表,对目标交通图像列表进行处理,获取目标交通图像列表对应的优选交通图像列表,其中,根据样本交通图像列表获取第一交通线、第二交通线和中间交通线列表,根据第一交通线、第二交通线和中间交通线列表获取优选交通图像,根据目标交通图像列表获取目标对象列表,根据优选交通图像列表和目标对象列表确定异常行为;上述,充分利用摄像头,无需增添额外设备,使得操作简单,提高了获取到目标对象异常行为的运行效率,未局限于经验值进行区域划分,采用不局限于经验值的划线,使得后续获取到的异常行为的准确度较高。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的一种基于图像确定异常行为的数据处理系统的执行计算机程序的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域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,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,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、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
本实施例提供了一种基于图像确定异常行为的数据处理系统,所述系统包括:初始交通图像列表、样本交通图像列表、处理器和存储有计算机程序的存储器,当所述计算机程序被处理器执行时,实现以下步骤,如图1所示:
S100,根据初始交通图像列表,获取目标交通图像列表A={A1,A2,……,Ai,……,An},Ai为第i个目标交通图像,i=1,2,……,n,n为目标交通图像的数量。
具体的,所述初始交通图像列表包括若干个初始交通图像,所述初始交通图像为将初始交通视频进行解码获取到的交通图像,其中,所述初始交通视频为交通路口固定摄像头实时拍摄的视频。
进一步的,本领域技术人员知晓,现有技术中任一将视频进行解码获取图像的方法,均落入本发明的保护范围,在此不再赘述。
具体的,所述初始交通图像包括目标信号灯、目标区域和目标对象。
进一步的,所述目标信号灯包括红色信号灯、绿色信号灯和黄色信号灯。
进一步的,所述目标信号灯仅有一个,可以理解为:在交通路口进行直行过马路时仅存在一个信号灯进行判断能否通行。
进一步的,所述目标区域为初始交通图像中目标对象活动的区域。
进一步的,所述目标对象为非机动车,例如行人、自行车、三轮等非机动车。
具体的,所述目标交通图像为从初始交通图像中获取到的目标信号灯为红色信号灯的初始交通图像。
S200,对A进行处理,获取A对应的优选交通图像列表A'={A'1,A'2,……,A'i,……,A'n},A'i为Ai对应的优选交通图像,其中,在S200中通过如下步骤获取A'i:
S201,根据样本交通图像列表,获取第一交通线S1和第二交通线S2。
具体的,在S201中通过如下步骤获取S1和S2:
S2011,根据样本交通图像列表,获取候选交通图像列表B={B1,B2,……,Bx,……,Bp},Bx为第x个候选交通图像,x=1,2,……,p,p为候选交通图像的数量。
具体的,所述样本交通图像列表包括若干个样本交通图像,所述样本交通图像为通过对样本交通视频进行解码获取到的交通图像,其中,样本交通视频为在预设时间间隔内从交通数据提供平台获取到的视频,本领域技术人员知晓,现有技术中任一交通数据提供平台,均落入本发明的保护范围,在此不再赘述。
进一步的,所述预设时间间隔的取值范围为7天~20天。
进一步的,所述初始交通视频与样本交通视频为同一交通路口同一固定摄像头拍摄。
具体的,所述候选交通图像为样本交通图像中目标对象等待目标信号灯时的交通图像。
S2013,根据B,获取B对应的第一初始位置点列表B0={B0 1,B0 2,……,B0 x,……,B0 p},B0 x为Bx对应的第一初始位置点。
具体的,所述第一初始位置点为目标对象的中心点,本领域技术人员知晓,现有技术中任一获取中心点的方法,均落入本发明的保护范围,在此不再赘述。
S2015,根据B0,获取B0对应的第一初始优先级列表FB0={FB0 1,FB0 2,……,FB0 x,……,FB0 p},FB0 x为B0 x对应的第一初始优先级,其中,所述第一初始优先级为第一初始位置点与第一目标线之间的距离。
具体的,所述第一目标线为目标区域中的第一边缘线,所述第一边缘线为目标区域中离目标信号灯最远的斑马线。
具体的,当B0 x位于斑马线区域内时,FB0 x的取值为正值。
进一步的,当B0 x位于斑马线区域外时,FB0 x的取值为负值。
进一步的,本领据技术人员知晓,现有技术中任一获取点与线之间距离的方法,均落入本发明的保护范围,在此不再赘述。
上述,通过候选交通图像列表,获取目标对象的第一初始位置点,根据第一初始位置点的位置是否位于斑马区域的内部,进行不同的处理方式,提高了获取第一交通线和第二交通线的准确度。
S2017,根据FB0,获取目标优先级FB',其中,FB'符合如下条件:
。
S2019,根据FB',获取第一交通线S1,其中,所述S1与第一目标线之间的距离为|FB'|。
具体的,当FB'>0时,S1在斑马线区域内部。
进一步的,当FB'≤0时,S1在斑马线区域外部。
进一步的,S1与第一目标线平行。
具体的,所述S2与S1关于样本交通图像中斑马线区域的中心点对称。
上述,根据样本交通图像获取到第一初始位置点,根据目标区域的实际情况获取相应的优先级,从而确定第一交通线和第二交通线,不局限于经验值,提高了获取到的第一交通线和第二交通线的准确度,进而使得后续获取到的异常行为的准确度较高。
S203,根据样本交通图像列表,获取中间交通线列表S0。
具体的,在S203中通过如下步骤获取S0:
S2031,根据样本交通图像列表,获取第一目标对象列表D={D1,D2,……,De,……,Df},De为第e个第一目标对象,e=1,2,……,f,f为第一目标对象的数量。
具体的,所述第一目标对象为样本交通图像中目标对象中的行人。
S2033,根据样本交通图像列表,获取第二目标对象列表G={G1,G2,……,Gr,……,Gg},Gr为第r个第二目标对象,r=1,2,……,g,g为第二目标对象的数量。
具体的,所述第二目标对象为样本交通图像中目标对象中除第一目标对象之外的其它目标对象。
S2035,根据D和G,获取中间交通线列表S0。
具体的,在S2035中通过如下步骤获取S0:
S20351,当f/g>F0时,获取D对应的第一特征值列表D0={D0 1,D0 2,……,D0 e,……,D0 f},D0 e为De对应的第一特征值,F0为预设的比例阈值。
具体的,所述第一特征值为第一目标对象的宽度;本领域技术人员知晓,现有技术中任一获取图像中物体宽度的方法,均落入本发明的保护范围,在此不再赘述。
具体的,所述F0的取值范围为3~10,本领域技术人员知晓,可根据实际需求进行F0的选取,均落入本发明的保护范围,在此不再赘述。
S20352,根据D0,获取第一目标特征值D',其中,D'符合如下条件:
。
S20353,根据D',获取S0={S0 1,S0 2,……,S0 y,……,S0 q},S0 y为第y个中间交通线,y=1,2,……,q,q为中间交通线的数量,其中,ΔS0 y=D',ΔS0 y为S0 y与S0 y-1之间的距离,S0 0=S1。
S20354,当f/g≤F0时,获取G对应的第二特征值列表G0={G0 1,G0 2,……,G0 r,……,G0 g},其中,G0 r为Gr对应的第二特征值。
具体的,所述第二特征值为第二目标对象的宽度。
S20355,根据G0,获取G',其中,G'符合如下条件:
。
S20356,根据G',获取S0={S0 1,S0 2,……,S0 y,……,S0 q},其中,ΔS0 y=G',S0 0=S1。
上述,通过比较第一目标对象的数量和第二目标对象的数量,选择数量较多的目标对象的特征值作为获取中间交通线的之间的距离,根据交通图像的实际情况获取中间交通线的距离,提高了获取到的中间交通线的准确度,进而使得后续获取到的异常行为的准确度较高。
S205,根据S1、S2、S0和Ai,获取A'i。
具体的,在S205中还包括如下步骤:
S2051,当f/g>F0且0≤ΔS2<D'/2时,将S1和S0插入至Ai中以获取A'i,其中,ΔS2为S2与S0 q之间的距离。
S2053,当f/g>F0且D'/2≤ΔS2≤D'/2时,将S1、S2和S0插入至Ai中以获取A'i。
S2055,当f/g≤F0且0≤ΔS2<G'/2时,将S1和S0插入至Ai中以获取A'i。
S2057,当f/g≤F0且G'/2≤ΔS2≤G'/2时,将S1、S2和S0插入至Ai中以获取A'i。
上述,通过获取第一交通线、第二交通线和中间交通线进行后续异常行为的判断,相较于区域划分,提高了获取到目标对象异常行为的运行效率,同时,提高了获取到的目标对象异常行为的准确度。
S300,根据A,获取目标对象列表A0={A0 1,A0 2,……,A0 j,……,A0 m},A0 j为第j个目标对象,j=1,2,……,m,m为目标对象的数量。
具体的,所述目标对象为非机动车,例如行人、自行车、三轮等非机动车。
进一步的,通过目标跟踪算法从目标交通图像中获取目标对象,本领域技术人员知晓,现有技术中任一通过目标跟踪算法获取目标对象的方法,均落入本发明的保护范围,在此不再赘述。
S400,根据A0和A',确定目标对象的异常行为,其中,在S400中还包括如下步骤:
S401,根据A',获取A0 j对应的优选交通图像列表和A0 j与S1、S2、S0的交集数量SAO j。
具体的,本领域技术人员知晓,现有技术中任一获取目标对象与线有交集的方法,均落入本发明的保护范围,在此不再赘述。
S403,当SAO j>F1时,确定AO j存在异常行为,其中,F1为预设数量阈值;可以理解为:当目标对象穿过第一交通线、第二交通线和中间交通线的数量大于预设数量阈值时,认为目标对象存在异常行为。
具体的,所述异常行为为违规行为,例如闯红灯行为。
具体的,所述F1的取值根据q进行选取,本领域技术人员知晓,可根据实际需求进行F1的选取,均落入本发明的保护范围,在此不再赘述。
本实施例提供的一种基于图像确定异常行为的数据处理系统,系统包括:初始交通图像列表、样本交通图像列表、处理器和存储有计算机程序的存储器,当计算机程序被处理器执行时,实现以下步骤:根据初始交通图像列表,获取目标交通图像列表,对目标交通图像列表进行处理,获取目标交通图像列表对应的优选交通图像列表,其中,根据样本交通图像列表获取第一交通线、第二交通线和中间交通线列表,根据第一交通线、第二交通线和中间交通线列表获取优选交通图像,根据目标交通图像列表获取目标对象列表,根据优选交通图像列表和目标对象列表确定异常行为;上述,充分利用摄像头,无需增添额外设备,使得操作简单,提高了获取到目标对象异常行为的运行效率,未局限于经验值进行区域划分,采用不局限于经验值的划线,使得后续获取到的异常行为的准确度较高。
实施例二
本实施例提供了一种基于图像确定异常行为的数据处理系统,所述系统包括:初始交通图像列表、处理器和存储有计算机程序的存储器,当所述计算机程序被处理器执行时,实现以下步骤,如图1所示:
S100,根据初始交通图像列表,获取目标交通图像列表A={A1,A2,……,Ai,……,An},Ai为第i个目标交通图像,i=1,2,……,n,n为目标交通图像的数量。
具体的,所述初始交通图像列表包括若干个初始交通图像,所述初始交通图像为将初始交通视频进行解码获取到的交通图像,其中,所述初始交通视频为交通路口固定摄像头实时拍摄的视频。
进一步的,本领域技术人员知晓,现有技术中任一将视频进行解码获取图像的方法,均落入本发明的保护范围,在此不再赘述。
具体的,所述目标交通图像包括目标信号灯、目标区域和目标对象。
进一步的,所述目标信号灯包括红色信号灯、绿色信号灯和黄色信号灯。
进一步的,所述目标信号灯存在两个,可以理解为:在交通路口目标对象进行直行通过交通路口时存在两个信号灯进行判断能否通行,当第一个目标信号灯为绿灯时可以通行,通过后到达第一个目标信号灯下方时若第二个目标信号灯为红灯,则需要等待第二个目标信号灯变绿才可通行。
进一步的,所述目标区域为目标交通图像中目标对象活动的区域。
进一步的,所述目标对象为目标交通图像中的非机动车,例如行人、自行车、三轮等非机动车。
S200,根据A,获取A对应的优选交通图像集A'={A'1,A'2,……,A'i,……,A'n},A'i为Ai对应的优选交通图像列表,其中,在S200中通过如下步骤获取A'i:
S201,当Ai为第一目标交通图像时,获取Ai对应的第一目标区域图像和第二目标区域图像。
具体的,所述第一目标交通图像为由一个摄像头拍摄生成的一张交通图像。
具体的,所述第一目标区域图像为第一目标交通图像中第一个目标信号灯对应的区域图像,所述第二目标区域图像为第一目标交通图像中第二个目标信号灯对应的区域图像;可以理解为:当目标对象观测第一个目标信号灯为绿灯时直行通过交通路口所经过的区域对应的图像作为第一目标交通图像中的第一目标区域图像,当目标对象观测第二个目标信号灯为绿灯时直行通过交通路口所经过的区域对应的图像作为第一目标交通图像中第二目标区域图像。
S203,对第一目标区域图像和第二目标区域图像进行处理,获取A'i。
具体的,所述系统中还包括第一样本交通图像列表。
进一步的,所述第一样本交通图像列表包括若干个第一样本交通图像,所述第一样本交通图像为通过对第一样本交通视频进行解码获取到的交通图像,其中,第一样本交通视频为在预设时间间隔内从交通数据提供平台获取到的由一个摄像头拍摄的视频,本领域技术人员知晓,现有技术中任一交通数据提供平台,均落入本发明的保护范围,在此不再赘述。
进一步的,所述预设时间间隔的取值范围为7天~20天。
进一步的,所述第一样本交通视频与第一目标交通图像对应的交通视频为同一交通路口同一固定摄像头拍摄。
具体的,在S203中A'i的获取方式可参照实施例一中S200步骤。
S205,当Ai为第二目标交通图像时,获取Ai={Ai1,Ai2},其中Ai1为Ai中的第一个第二目标交通图像,Ai2为Ai中的第二个第二目标交通图像。
具体的,所述第二目标交通图像为由两个摄像头拍摄生成的两张交通图像。
进一步的,所述第一个第二目标交通图像为一个摄像头拍摄生成的包括第一个目标信号灯不包括第二目标信号灯的第二目标交通图像。
进一步的,所述第二个第二目标交通图像为另一个摄像头拍摄生成的包括第二个目标信号灯不包括第一目标信号灯的第二目标交通图像。
S207,对Ai进行处理,获取A'i={A'i1,A'i2},其中,A'i1为Ai1对应的优化交通图像,A'i2为Ai2对应的优化交通图像。
具体的,在S207中A'i的获取方式可参照实施例一中S200步骤。
S300,根据A',确定异常行为,其中,在S300中通过如下步骤确定异常行为:
S301,当Ai为第一目标交通图像时,从A中获取第一目标对象A0。
具体的,所述第一目标对象为非机动车,例如行人、自行车、三轮等非机动车。
进一步的,通过目标跟踪算法从第一目标交通图像中获取目标对象,本领域技术人员知晓,现有技术中任一通过目标跟踪算法获取目标对象的方法,均落入本发明的保护范围,在此不再赘述。
S303,根据A0和A',确定A0存在异常行为。
具体的,所述异常行为为违规行为,例如闯红灯行为。
具体的,在S303中还包括如下步骤:
S3031,根据A',获取A0对应的优选交通图像列表。
S3032,当优选交通图像列表中的第一个目标信号灯为绿色信号灯且第二个目标信号灯为红色信号灯时,获取A0与S3、S4和GS0的交际数量SA0。
具体的,本领域技术人员知晓,现有技术中任一获取目标对象与线有交集的方法,均落入本发明的保护范围,在此不再赘述。
S3033,当SAO>F1时,确定AO j存在异常行为,其中,F1为预设数量阈值;可以理解为:当目标对象穿过第三交通线、第四交通线和第二中间交通线的数量大于预设数量阈值时,认为目标对象存在异常行为。
S3034,当优选交通图像列表中的第一个目标信号灯为红色信号灯且第二个目标信号灯为绿色信号灯时,获取A0与S1、S2和S0的交际数量PA0。
S3035,当PAO>F1时,确定AO j存在异常行为,其中,F1为预设数量阈值;可以理解为:当目标对象穿过第一交通线、第二交通线和第一中间交通线的数量大于预设数量阈值时,认为目标对象存在异常行为。
S3036,当优选交通图像列表中的第一个目标信号灯为红色信号灯且第二个目标信号灯为红色信号灯时,获取A0与S1、S2和S0的交际数量PA0和A0与S3、S4和GS0的交际数量SA0。
S3037,当SAO>F1和/或PAO>F1时,确定AO j存在异常行为。
S305,当Ai为第二目标交通图像时,从A中获取第二目标对象DA0。
具体的,所述第二目标对象为非机动车,例如行人、自行车、三轮等非机动车。
进一步的,通过目标跟踪算法从第二目标交通图像中获取目标对象,本领域技术人员知晓,现有技术中任一通过目标跟踪算法获取目标对象的方法,均落入本发明的保护范围,在此不再赘述。
S307,根据DA0、A'i1和A'i2,确定DA0存在异常行为。
本实施例提供的一种基于图像确定异常行为的数据处理系统,所述系统包括:初始交通图像列表、处理器和存储有计算机程序的存储器,当所述计算机程序被处理器执行时,实现以下步骤:根据初始交通图像列表,获取目标交通图像集,其中,目标交通图像集包括第一目标交通图像集和第二目标交通图像集,根据目标交通图像集,获取目标交通图像集对应的优选交通图像集,根据优选交通图像集,确定异常行为,其中,当目标交通图像为第一目标交通图像时,从目标交通图像中获取第一目标对象,根据第一目标对象和优选交通图像,确定第一目标对象存在异常行为,当目标交通图像为第二目标交通图像时,从目标交通图像中获取第二目标对象,根据第二目标对象和优选交通图像,确定第二目标对象存在异常行为,上述,一个交通路口不局限于一个信号灯,充分考虑一个交通路口多个信号灯的情况,不局限于经验值进行区域划分,不局限经验值进行画线,使得后续获取到的异常行为的准确度较高。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本发明的范围。本领域的技术人员还应理解,可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明开的范围由所附权利要求来限定。
Claims (6)
1.一种基于图像确定异常行为的数据处理系统,其特征在于,所述系统包括:初始交通图像列表、样本交通图像列表、处理器和存储有计算机程序的存储器,当所述计算机程序被处理器执行时,实现以下步骤:
S100,根据初始交通图像列表,获取目标交通图像列表A={A1,A2,……,Ai,……,An},Ai为第i个目标交通图像,i=1,2,……,n,n为目标交通图像的数量;所述初始交通图像列表包括若干个初始交通图像,所述初始交通图像为将初始交通视频进行解码获取到的交通图像,其中,所述初始交通视频为交通路口固定摄像头实时拍摄的视频;所述目标交通图像为从初始交通图像中获取到的目标信号灯为红色信号灯的初始交通图像;
S200,对A进行处理,获取A对应的优选交通图像列表A'={A'1,A'2,……,A'i,……,A'n},A'i为Ai对应的优选交通图像,其中,在S200中通过如下步骤获取A'i:
S201,根据样本交通图像列表,获取第一交通线S1和第二交通线S2;其中,在S201中通过如下步骤获取S1和S2:
S2011,根据样本交通图像列表,获取候选交通图像列表B={B1,B2,……,Bx,……,Bp},Bx为第x个候选交通图像,x=1,2,……,p,p为候选交通图像的数量;
S2013,根据B,获取B对应的第一初始位置点列表B0={B0 1,B0 2,……,B0 x,……,B0 p},B0 x为Bx对应的第一初始位置点;
S2015,根据B0,获取B0对应的第一初始优先级列表FB0={FB0 1,FB0 2,……,FB0 x,……,FB0 p},FB0 x为B0 x对应的第一初始优先级;其中,所述第一初始优先级为第一初始位置点与第一目标线之间的距离;所述第一目标线为目标区域中的第一边缘线,所述第一边缘线为目标区域中离目标信号灯最远的斑马线;
S2017,根据FB0,获取目标优先级FB',其中,FB'符合如下条件:
;
S2019,根据FB',获取第一交通线S1,其中,所述S1与第一目标线之间的距离为|FB'|;
S203,根据样本交通图像列表,获取中间交通线列表S0;其中,在S203中通过如下步骤获取S0:
S2031,根据样本交通图像列表,获取第一目标对象列表D={D1,D2,……,De,……,Df},De为第e个第一目标对象,e=1,2,……,f,f为第一目标对象的数量;其中,所述第一目标对象为样本交通图像中目标对象中的行人;
S2033,根据样本交通图像列表,获取第二目标对象列表G={G1,G2,……,Gr,……,Gg},Gr为第r个第二目标对象,r=1,2,……,g,g为第二目标对象的数量;其中,所述第二目标对象为样本交通图像中目标对象中除第一目标对象之外的其它目标对象;
S2035,根据D和G,获取中间交通线列表S0,其中,在S2035中通过如下步骤获取S0:
S20351,当f/g>F0时,获取D对应的第一特征值列表D0={D0 1,D0 2,……,D0 e,……,D0 f},D0 e为De对应的第一特征值,F0为预设的比例阈值;
S20352,根据D0,获取第一目标特征值D',其中,D'符合如下条件:
;
S20353,根据D',获取S0={S0 1,S0 2,……,S0 y,……,S0 q},S0 y为第y个中间交通线,y=1,2,……,q,q为中间交通线的数量,其中,ΔS0 y=D',ΔS0 y为S0 y与S0 y-1之间的距离,S0 0=S1;
S20354,当f/g≤F0时,获取G对应的第二特征值列表G0={G0 1,G0 2,……,G0 r,……,G0 g},其中,G0 r为Gr对应的第二特征值;
S20355,根据G0,获取G',其中,G'符合如下条件:
;
S20356,根据G',获取S0={S0 1,S0 2,……,S0 y,……,S0 q},其中,ΔS0 y=G',S0 0=S1;
S205,根据S1、S2、S0和Ai,获取A'i;
S300,根据A,获取目标对象列表A0={A0 1,A0 2,……,A0 j,……,A0 m},A0 j为第j个目标对象,j=1,2,……,m,m为目标对象的数量;其中,所述目标对象为非机动车,通过目标跟踪算法从A中获取目标对象;
S400,根据A0和A',确定目标对象的异常行为,其中,在S400中还包括如下步骤:
S401,根据A',获取A0 j对应的优选交通图像列表和A0 j与S1、S2、S0的交集数量SAO j;
S403,当SAO j>F1时,确定AO j存在异常行为,其中,F1为预设数量阈值。
2.根据权利要求1所述的基于图像确定异常行为的数据处理系统,其特征在于,所述初始交通图像包括目标信号灯、目标区域和目标对象。
3.根据权利要求2所述的基于图像确定异常行为的数据处理系统,其特征在于,所述目标信号灯仅有一个。
4.根据权利要求1所述的基于图像确定异常行为的数据处理系统,其特征在于,所述第一初始位置点为目标对象的中心点。
5.根据权利要求1所述的基于图像确定异常行为的数据处理系统,其特征在于,S2与S1关于样本交通图像中斑马线区域的中心点对称。
6.根据权利要求1所述的基于图像确定异常行为的数据处理系统,其特征在于,在S205中还包括如下步骤:
S2051,当f/g>F0且0≤ΔS2<D'/2时,将S1和S0插入至Ai中以获取A'i,其中,ΔS2为S2与S0 q之间的距离;
S2053,当f/g>F0且D'/2≤ΔS2≤D'/2时,将S1、S2和S0插入至Ai中以获取A'i;
S2055,当f/g≤F0且0≤ΔS2<G'/2时,将S1和S0插入至Ai中以获取A'i;
S2057,当f/g≤F0且G'/2≤ΔS2≤G'/2时,将S1、S2和S0插入至Ai中以获取A'i。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310053499.1A CN115797849B (zh) | 2023-02-03 | 2023-02-03 | 一种基于图像确定异常行为的数据处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310053499.1A CN115797849B (zh) | 2023-02-03 | 2023-02-03 | 一种基于图像确定异常行为的数据处理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115797849A CN115797849A (zh) | 2023-03-14 |
CN115797849B true CN115797849B (zh) | 2023-04-28 |
Family
ID=85429628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310053499.1A Active CN115797849B (zh) | 2023-02-03 | 2023-02-03 | 一种基于图像确定异常行为的数据处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115797849B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016145626A1 (zh) * | 2015-03-18 | 2016-09-22 | 富士通株式会社 | 交通异常检测方法、装置以及图像监控系统 |
CN115545009A (zh) * | 2022-12-01 | 2022-12-30 | 中科雨辰科技有限公司 | 一种获取目标文本的数据处理系统 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2940671A1 (fr) * | 2014-04-28 | 2015-11-04 | OpenTV, Inc. | Système et méthode pour détecter des conditions accidentogènes avec une voiture |
KR102169255B1 (ko) * | 2018-12-20 | 2020-10-23 | 펜타시큐리티시스템 주식회사 | Cae 기반으로 비정상적인 트래픽을 탐지하는 방법 및 장치 |
CN111383248B (zh) * | 2018-12-30 | 2023-10-13 | 深圳云天励飞技术有限公司 | 一种行人闯红灯判断方法、装置和电子设备 |
CN110991224B (zh) * | 2019-10-18 | 2024-05-28 | 平安科技(深圳)有限公司 | 基于图像识别的行人闯红灯检测方法、装置及相关设备 |
CN114663468A (zh) * | 2020-12-04 | 2022-06-24 | 株式会社Ntt都科摩 | 基于神经网络的目标跟踪方法、装置、设备以及存储介质 |
CN114880626B (zh) * | 2022-06-30 | 2022-09-20 | 智联万维科技有限公司 | 一种获取地理区域内异常车辆的数据处理系统 |
CN115410104B (zh) * | 2022-09-16 | 2023-06-16 | 湖南胜云光电科技有限公司 | 一种获取飞行器的图像采集点的数据处理系统 |
CN115563287B (zh) * | 2022-12-02 | 2023-03-17 | 中科雨辰科技有限公司 | 一种获取关联对象的数据处理系统 |
CN115662148B (zh) * | 2022-12-05 | 2023-03-17 | 每日互动股份有限公司 | 一种道路异常事件的预警方法、装置、设备及介质 |
-
2023
- 2023-02-03 CN CN202310053499.1A patent/CN115797849B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016145626A1 (zh) * | 2015-03-18 | 2016-09-22 | 富士通株式会社 | 交通异常检测方法、装置以及图像监控系统 |
CN115545009A (zh) * | 2022-12-01 | 2022-12-30 | 中科雨辰科技有限公司 | 一种获取目标文本的数据处理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115797849A (zh) | 2023-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112528878B (zh) | 检测车道线的方法、装置、终端设备及可读存储介质 | |
CN108491498B (zh) | 一种基于多特征检测的卡口图像目标搜索方法 | |
CN112287912B (zh) | 基于深度学习的车道线检测方法以及装置 | |
CN111524350B (zh) | 车路协同异常行驶状况检测方法、系统、终端设备及介质 | |
CN109325548B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
Wei et al. | City-scale vehicle tracking and traffic flow estimation using low frame-rate traffic cameras | |
CN112507852A (zh) | 一种车道线识别方法、装置、设备及存储介质 | |
CN115019287A (zh) | 用于路边停车系统的智能管理方法及其系统 | |
CN110969642B (zh) | 视频过滤方法、装置、电子设备及存储介质 | |
CN115797849B (zh) | 一种基于图像确定异常行为的数据处理系统 | |
CN112597995B (zh) | 车牌检测模型训练方法、装置、设备及介质 | |
KR102494953B1 (ko) | 딥러닝 기반 온-디바이스 실시간 교통제어 시스템 | |
CN116092023B (zh) | 一种确定异常行为的数据处理系统 | |
CN112528944A (zh) | 一种图像识别方法、装置、电子设备及存储介质 | |
CN111724607A (zh) | 转向灯使用检测方法、装置、计算机设备和存储介质 | |
CN116152758A (zh) | 一种智能实时事故检测及车辆跟踪方法 | |
CN114495244B (zh) | 电像计算数据异常检测方法、装置、设备及存储介质 | |
CN110782485A (zh) | 一种车辆变道检测方法及装置 | |
CN112597924B (zh) | 电动自行车轨迹追踪方法、摄像机装置和服务器 | |
CN115019263A (zh) | 交通监管模型的建立方法、交通监管系统及方法 | |
CN113971762A (zh) | 一种旋转机械作业安全风险智能识别方法及系统 | |
CN111507380A (zh) | 基于聚类的图片分类方法、系统、装置及存储介质 | |
CN113902999A (zh) | 一种跟踪方法、装置、设备及介质 | |
CN107358170B (zh) | 一种基于移动机器视觉的车辆违章压线识别方法 | |
CN116013085B (zh) | 一种获取目标车流量的数据处理系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |