CN116311901A - 一种智能交通实时监控系统 - Google Patents
一种智能交通实时监控系统 Download PDFInfo
- Publication number
- CN116311901A CN116311901A CN202310022016.1A CN202310022016A CN116311901A CN 116311901 A CN116311901 A CN 116311901A CN 202310022016 A CN202310022016 A CN 202310022016A CN 116311901 A CN116311901 A CN 116311901A
- Authority
- CN
- China
- Prior art keywords
- traffic
- violation
- accident
- monitoring
- module
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 81
- 206010039203 Road traffic accident Diseases 0.000 claims abstract description 87
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000010287 polarization Effects 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 8
- 230000006399 behavior Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000195940 Bryophyta Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000011273 social behavior Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
- G08G1/054—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed photographing overspeeding 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种智能交通实时监控系统,涉及监控技术领域,其包括行驶信息获取模块,用于实时获取交通监控设备发送的监控信息;违章事故分析模块,用于将监控信息按照监控类型分别存储至相应的交通监控存储模型中存储;并基于交通存储模型的预设处理算法对监控信息进行处理,得到监控信息对应的交通违章种类;报告生成模块,用于基于交通违章种类获取违章报告模板;基于违章报告模板和监控信息生成交通违章报告;其中,交通违章报告模板包括违章条款和正确驾驶方式;通知模块,用于获取违章车辆信息,将交通违章报告发送至违章车辆驾驶人员。本申请具有及时对驾驶人员进行违章通知或警告,降低交通事故的发生概率的效果。
Description
技术领域
本申请涉及监控技术领域,尤其是涉及一种智能交通实时监控系统。
背景技术
交通是现代社会的基础,是人类社会经济的命脉,人们的社会行为与交通息息相关。随着人们生活水平的不断提高,道路上的汽车保有量越来越大,同时,随着车辆的增多,驾驶员在驾驶过程中,也可能会出现违规驾驶、交通事故等。
相关技术中,在驾驶人员违规时,监控系统通常不会及时当下对驾驶人员通知违章或进行警告,这样,对驾驶经验不足的驾驶人员,延后的通知或警告会让驾驶人员在已违规的行驶途中继续进行违章驾驶的情况,从而提高了交通事故的发生概率。
发明内容
为了及时对驾驶人员进行违章通知或警告,降低交通事故的发生概率,本申请提供一种智能交通实时监控系统。
本申请提供一种智能交通实时监控系统,采用如下的技术方案:
一种智能交通实时监控系统,包括:
行驶信息获取模块,用于实时获取交通监控设备发送的监控信息;
违章事故分析模块,用于将所述监控信息按照监控类型分别存储至相应的交通监控存储模型中存储;并基于所述交通存储模型的预设处理算法对所述监控信息进行处理,得到所述监控信息对应的交通违章种类;
报告生成模块,用于基于所述交通违章种类获取违章报告模板;基于所述违章报告模板和所述监控信息生成交通违章报告;其中,所述交通违章报告模板包括违章条款和正确驾驶方式;
通知模块,用于获取违章车辆信息,将所述交通违章报告发送至违章车辆驾驶人员。
通过采用上述技术方案,利用对实时获取的监控信息进行分析,对于监控到交通违章的监控信息分析其违章种类,并且生成相应的交通违章报告,实时将交通违章报告发送至驾驶人员,使得驾驶人员在交通违章后及时收到违章报告,并查看违章条款、违章监控信息和正确的驾驶方式,降低驾驶人员在已违规的行驶途中继续进行违章驾驶的情况发生,进而降低了交通事故发生的概率。
可选的,所述行驶信息获取模块包括:
第一拍摄子模块,用于对某路段的行驶汽车进行录像,得到录像视频;
测速子模块,用于对某路段的行驶汽车进行测速,得到速度信息;
第二拍摄子模块,用于对某路段的行驶汽车进行拍照,得到拍摄图像;
所述第二拍摄子模块具体用于获取不同偏振角度下的多个汽车偏振图像;提取正交偏振分量并基于所述正交偏振分量计算入射角度;对所述多个汽车偏振图像进行偏振滤波处理,得到与不同偏振角度下的多个汽车偏振图像一一对应的环境光;利用正交偏振分量计算目标光,并基于所述目标光和多个不同偏振角度下的多个汽车偏振图进行重构,得到拍摄图像。
通过采用上述技术方案,通过录像监控、测速监控和图像监控对交通进行监控,对于图像监控,采用获取不同偏振角度下的多个汽车偏振图像的方式对图像进行重构,使得拍摄的车内图像更加清晰,提高后续分析驾驶人员违章种类的准确性。
可选的,所述违章事故分析模块包括:
违章分析子模块,用于将所述拍摄图像转化为灰度图;将所述灰度进行二值化,得到待识别图像;按照预设违章特征算法对所述待识别图像进行特征提取,并基于提取的特征信息和所述速度信息结合确定所述拍摄图像对应的交通违章种类。
通过采用上述技术方案,通过将拍摄图像转化为灰度图,然后对灰度图进行二值化处理,使得拍摄图像更清晰,使得对拍摄图像进行特征提取的特征信息更加准确,从而确定交通违章种类更加准确。
可选的,所述违章事故分析模块还包括:
第一事故分析子模块,用于获取行驶车辆事故的报警电话时间;
基于所述报警电话时间和第一预设时间截取策略截取所述录像视频,得到第一事故视频片段;
对所述第一事故视频片段进行抽帧处理,获取多个帧图像数据;
将所述多个帧图像数据输入中事故识别模型中,输出所述交通事故种类。
通过采用上述技术方案,由于连续交通违章可能会发生交通事故或者,交通道路上也经常存在发生交通事故的可能性,在发生交通事故后,解决事故效率低,会造成交通异常,所以违章事故分析模块除了对交通违章行为进行分析之外,还对交通事故行为进行分析,通过交通事故报警电话的时间对录像视频进行截取,使得获取交通事故视频更加准确,通过对视频进行抽帧处理并分析交通事故种类,便于分析交通事故处理结果。
可选的,第二事故子分析子模块,用于获取路段拥堵信息,所述拥堵信息包括拥堵时间;
基于所述拥堵时间和第二预设时间截取策略截取所述录像视频,得到第二事故视频片段;
按照第三预设时间截取策略截取所述第二事故视频片段中的多个特征图像;
对所述多个特征图像进行特征提取,并通过提取的特征信息判断是否发生交通事故;
若发生交通事故,则对所述第二事故视频片段进行抽帧处理,获取多个帧图像数据;
将所述多个帧图像数据输入中事故识别模型中,输出所述交通事故种类。
通过采用上述技术方案,利用路段拥堵信息的拥堵时间信息对录像视频进行截取,并判断截取的视频片段是否发生交通事故,若发生交通事故,那么进一步对发生交通事故的视频片段分析交通种类,从而便于分析交通事故处理结果。
可选的,在所述输出交通事故种类后,还包括:
责任判定子模块,用于基于所述监控视频判断是否满足责任判定条件,若满足,则将所述监控视频输入至所述事故种类对应的预设责任判定模型中,得出责任判定结论;
若不满足,则将所述监控视频发送至交警,用以查看现场情况并进行出警或责任判定。
通过采用上述技术方案,通过根据交通事故种类对交通事故进行责任判定,快速得出责任判定结论,便于驾驶人员根据责任判定结论进行相应的处理,提高了解决交通事故的效率。
可选的,所述报告生成模块包括:
事故报告生成子模块,用于基于所述事故种类获取交通事故报告模板;所述交通事故报告模板为视频报告模板;
将所述监控视频和关键的帧图像数据输入至所述视频报告模板中,生成交通事故报告。
通过采用上述技术方案,通过交通事故种类调取相应的交通报告模板,然后将该交通事故相关监控视频和关键的帧图像数据输入至视频报告模板的相应位置中,生成交通事故报告,从而便于对该交通事故的发生情况进行查看。
可选的,所述事故报告生成子模块包括:
展示单元,用于获取关键的帧图像数据对应的时间戳信息;
在所述时间戳对应的第一事故视频片段或第二事故视频片段中插入所述责任判定结论的超链接;
获取根据特征信息分析的交通术语;
将所述交通术语展示在交通事故报告中的特征信息对应的交通术语区域。
通过采用上述技术方案,通过将交通术语展示在交通事故报告对应位置,便于查看者在查看交通事故报告时,了解驾驶车辆的驾驶状态,在交通事故报告中插入责任判定结论的超链接,便于查看者在观看事故视频片段时查看责任判定结论。
附图说明
图1是本申请实施例一种智能交通实时监控系统的结构框图。
图2是本申请实施例违章事故分析模块的结构框图。
具体实施方式
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,A和/或B,可以表示:单独存在A,同时存在A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。
本申请实施例提供一种智能交通实时监控系统,该智能交通实时监控系统可由电子设备执行,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,终端设备可以是台式计算机、笔记本电脑等,但并不局限于此。
下面结合说明书附图对本申请实施例作进一步详细描述。如图1所示,一种智能交通实时监控系统20包括行驶信息获取模块21、违章事故分析模块22、报告生成模块23和通知模块24,行驶信息获取模块21、违章事故分析模块22、报告生成模块23和通知模块24之间通信连接。
行驶信息获取模块21,用于实时获取交通监控设备发送的监控信息;
在本实施例中,行驶信息获取模块21包括第一拍摄子模块、测速子模块和第二拍摄子模块。第一拍摄子模块,用于对某路段的行驶汽车进行录像,得到录像视频;第二拍摄子模块,用于对某路段的行驶汽车进行拍照,得到拍摄图像;测速子模块,用于对某路段的行驶汽车进行测速,得到速度信息。
通过在路段的安装多个监控摄像头,一般安装在路口过街天桥、立交桥等比较高的位置,并通过固定的摄像头视角捕捉某路段录像视频和拍摄图像,以保证录像视频和拍摄图像采集的视野范围与清晰度,实现监控特定路段交通运行情况的目的。测速子模块可以通过测速雷达、录像视频和拍摄图像结合的方式对路段的行驶汽车进行测速,录像视频和测速雷达实时检测路段某个方向车辆行驶速度,如果检测出有车辆超速,则启动第二拍摄子模块的拍照操作,进而识别出超速的车辆,并保留车辆超速的图像证据。
在本实施例中,第二拍摄子模块具体用于:首先获取不同偏振角度下的多个汽车偏振图像;其次提取正交偏振分量并基于正交偏振分量计算入射角度;之后对多个汽车偏振图像进行偏振滤波处理,得到与不同偏振角度下的多个汽车偏振图像一一对应的环境光;利用正交偏振分量计算目标光,并基于目标光和多个不同偏振角度下的多个汽车偏振图进行重构,得到拍摄图像。采用获取不同偏振角度下的多个汽车偏振图像的方式对图像进行重构,使得拍摄的车内图像更加清晰,提高后续分析驾驶人员违章种类的准确性。
违章事故分析模块22,用于将监控信息按照信息类别分别存储至相应的交通监控存储模型中存储;并基于交通存储模型的预设分类预设处理算法对监控信息进行处理,得到监控信息对应的交通事故种类;
在本实施例中,设置多个交通监控存储模型,可以根据监控信息的不同种类划分监控存储模型,例如,录像视频信息存储在一个存储模型中,拍摄图像信息存储在一个存储模型中,测速信息存储在一个存储模型中,便于对不同类型的监控信息进行查找。当然还可以按照日期建立交通监控信息存储模型,并不局限于此。
具体的,违章事故分析模块22包括违章分析子模块221,违章分析子模块221,用于将拍摄图像转化为灰度图;将灰度进行二值化,得到待识别图像,使得拍摄图像更清晰,对拍摄图像进行特征提取的特征信息更加准确;接着按照预设违章特征算法对待识别图像进行特征提取,并基于提取的特征信息和速度信息结合确定拍摄图像对应的交通违章种类,使得确定交通违章的种类更加准确。需要说明的是,对待识别图像进行特征提取的方式为本领域现有技术,在此不再赘述。
由于连续交通违章可能会发生交通事故,或者,交通道路上也经常存在发生交通事故的可能性,在发生交通事故后,解决事故效率低,会造成交通异常,所以违章事故分析模块22除了对交通违章行为进行分析之外,还对交通事故行为进行分析,作为本实施例可选的一种实时方式,违章事故分析模块22还包括第一事故分析子模块222、第二事故分析子模块223和责任判定子模块224。
第一事故分析子模块222,用于获取行驶车辆事故的报警电话时间;基于报警电话时间和第一预设时间截取策略截取录像视频,得到第一事故视频片段;对第一事故视频片段进行抽帧处理,获取多个帧图像数据;将多个帧图像数据输入中事故识别模型中,输出交通事故种类。在本实施例中,第一预设时间截取策略可以根据查看录像视频的历史时间经验数据设置。
通过交通事故报警电话的时间对录像视频进行截取,使得获取交通事故视频更加准确,通过对视频进行抽帧处理并分析交通事故种类,便于分析交通事故处理结果。
第二事故子分析子模块223,用于获取路段拥堵信息,拥堵信息包括拥堵时间;基于拥堵时间和第二预设时间截取策略截取录像视频,得到第二事故视频片段;按照第三预设时间截取策略截取第二事故视频片段中的多个特征图像;对多个特征图像进行特征提取,并通过提取的特征信息判断是否发生交通事故;若发生交通事故,则对第二事故视频片段进行抽帧处理,获取多个帧图像数据;将多个帧图像数据输入中事故识别模型中,输出交通事故种类。
在本实施例中,拥堵信息可以通过获取车辆的GPS数据,然后根据道路交叉口区域内车辆的数量变化识别道路拥堵区域,按地标、范围的形式生成合并拥堵区域的位置和范围,并且记录发生拥堵的拥堵时间。
第二预设时间策略也是根据可以根据查看录像视频的历史时间经验数据设置,可以截取拥堵前一段时间和拥堵后一段时间的视频片段。第三预设时间策略可以按照时间间隔设置截取的特征图像次数。
事故识别模型可以为能够实现深度学习算法识别特征信息的软件框架,包括:R-CNN、SPP-NET、Fast R-CNN、Faster R-CNN、YOLOv1、YOLOv2、YOLOv3;以及能够实现跟踪视频中的车辆的技术,包括:BOOSTING、MIL、KCF、CSRT、MedianFlow、TLD、MOSSE、GOTURN等。
利用路段拥堵信息的拥堵时间信息对录像视频进行截取,并判断截取的视频片段是否发生交通事故,若发生交通事故,那么进一步对发生交通事故的视频片段分析交通种类,从而便于分析交通事故处理结果。
作为本实施例的一种可选实施方式,在输出交通事故种类后,还包括:
责任判定子模块224,用于基于监控视频判断是否满足责任判定条件,若满足,则将监控视频输入至事故种类对应的预设责任判定模型中,得出责任判定结论;若不满足,则将监控视频发送至交警,用以查看现场情况并进行出警或责任判定。
在本实施例中,判断是否满足责任判定条件可以根据事故种类划分,将不严重的交通事故(例如小刮蹭)设置为满足责任判定条件。预设责任判定模型可以为训练好的神经网络模型。
通过根据交通事故种类对交通事故进行责任判定,快速得出责任判定结论,便于驾驶人员根据责任判定结论进行相应的处理,提高了解决交通事故的效率。如果不满足责任判定的条件,则将监控视频发送至交警,在交警出警的途中,通过手机等终端查看已有的现场情况证据等,提前了解事故情况,以便到达现场后快速做出判断。
违章事故分析模块22对交通违章或交通事故分析后,报告生成模块23生成相应的报告,以供驾驶人员或交警查看。
报告生成模块23,用于基于交通事故种类获取交通违章报告模板,并将监控信息填入交通违章报告模板生成违章报告;
在本实施例中,对于交通违规的驾驶车辆,在违章分析子模块221分析其违章后,根据违章的违章种类获取违章报告模板并根据拍摄的违章拍摄图片和录像信息生成交通违章报告,在交通违章报告模板中设置有根据违章类型划分的违章条款和正确驾驶方式,以便驾驶人员在查看交通违章报告后规范驾驶行为。
报告生成模块23还对发生交通事故的驾驶车辆生成交通事故报告,以便驾驶人员或交警查看,提高事故处理的效率。
作为一种可选的实施方式,报告生成模块23还包括:
事故报告生成子模块,用于基于事故种类获取交通事故报告模板;其中,交通事故报告模板为视频报告模板;将监控视频和关键的帧图像数据输入至视频报告模板中,生成交通事故报告。
事故报告生成子模块包括展示单元,用于获取关键的帧图像数据对应的时间戳信息;在时间戳对应的第一事故视频片段或第二事故视频片段中插入责任判定结论的超链接;获取根据特征信息分析的交通术语;将交通术语展示在交通事故报告中的特征信息对应的交通术语区域。
通过将交通术语展示在交通事故报告对应位置,便于查看者在查看交通事故报告时,了解驾驶车辆的驾驶状态,在交通事故报告中插入责任判定结论的超链接,便于查看者在观看事故视频片段时查看责任判定结论。
通知模块23,用于获取违章车辆信息,将交通违章报告或交通事故报告发送至相应车辆驾驶人员或交警。
本系统利用对实时获取的监控信息进行分析,对于监控到交通违章或交通事故的监控信息分析其违章种类或事故种类,对于违章的车辆,生成相应的交通违章报告,实时将报告发送至驾驶人员,使得驾驶人员在交通违章后及时收到违章报告,并查看违章条款、违章监控信息、正确的驾驶方式,降低驾驶人员在已违规的行驶途中继续进行违章驾驶的情况发生,进而降低了交通事故发生的概率。对于发生交通事故的车辆,在发生交通事故后及时收到交通事故报告,查看交通事故结论,提高处理交通事故的效率。
术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
以上描述仅为本申请的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,本申请中所涉及的申请范围,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前述申请构思的情况下,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。例如上述特征与本申请中申请的(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)
1.一种智能交通实时监控系统,其特征在于,包括
行驶信息获取模块,用于实时获取交通监控设备发送的监控信息,所述监控信息包括录像视频、测速信息和拍摄图像;
违章事故分析模块,用于将所述监控信息按照监控类型分别存储至相应的交通监控存储模型中存储;并基于所述交通存储模型的预设处理算法对所述监控信息进行处理,得到所述监控信息对应的交通违章种类;
报告生成模块,用于基于所述交通违章种类获取违章报告模板;基于所述违章报告模板和所述监控信息生成交通违章报告;其中,所述交通违章报告模板包括违章条款和正确驾驶方式;
通知模块,用于获取违章车辆信息,将所述交通违章报告发送至违章车辆驾驶人员。
2.根据权利要求1所述的系统,其特征在于,所述行驶信息获取模块包括:
第一拍摄子模块,用于对某路段的行驶汽车进行录像,得到录像视频;
测速子模块,用于对某路段的行驶汽车进行测速,得到速度信息;
第二拍摄子模块,用于对某路段的行驶汽车进行拍照,得到拍摄图像;
所述第二拍摄子模块具体用于获取不同偏振角度下的多个汽车偏振图像;提取正交偏振分量并基于所述正交偏振分量计算入射角度;对所述多个汽车偏振图像进行偏振滤波处理,得到与不同偏振角度下的多个汽车偏振图像一一对应的环境光;利用正交偏振分量计算目标光,并基于所述目标光和多个不同偏振角度下的多个汽车偏振图进行重构,得到拍摄图像。
3.根据权利要求1或2所述的系统,其特征在于,所述违章事故分析模块包括:
违章分析子模块,用于将所述拍摄图像转化为灰度图;将所述灰度进行二值化,得到待识别图像;按照预设违章特征算法对所述待识别图像进行特征提取,并基于提取的特征信息和所述速度信息结合确定所述拍摄图像对应的交通违章种类。
4.根据权利要求1或2所述的系统,其特征在于,所述违章事故分析模块还包括:
第一事故分析子模块,用于获取行驶车辆事故的报警电话时间;
基于所述报警电话时间和第一预设时间截取策略截取所述录像视频,得到第一事故视频片段;
对所述第一事故视频片段进行抽帧处理,获取多个帧图像数据;
将所述多个帧图像数据输入中事故识别模型中,输出所述交通事故种类。
5.根据权利要求1或2所述的系统,其特征在于,所述违章事故分析模块还包括:
第二事故子分析子模块,用于获取路段拥堵信息,所述拥堵信息包括拥堵时间;
基于所述拥堵时间和第二预设时间截取策略截取所述录像视频,得到第二事故视频片段;
按照第三预设时间截取策略截取所述第二事故视频片段中的多个特征图像;
对所述多个特征图像进行特征提取,并通过提取的特征信息判断是否发生交通事故;
若发生交通事故,则对所述第二事故视频片段进行抽帧处理,获取多个帧图像数据;
将所述多个帧图像数据输入中事故识别模型中,输出所述交通事故种类。
6.根据权利要求4或5所述的系统,其特征在于,在所述输出交通事故种类后,还包括:
责任判定子模块,用于基于所述监控视频判断是否满足责任判定条件,若满足,则将所述监控视频输入至所述事故种类对应的预设责任判定模型中,得出责任判定结论;
若不满足,则将所述监控视频发送至交警,用以查看现场情况并进行出警或责任判定。
7.根据权利要求4或5或6所述的系统,其特征在于,所述报告生成模块包括:
事故报告生成子模块,用于基于所述事故种类获取交通事故报告模板;所述交通事故报告模板为视频报告模板;
将所述监控视频和关键的帧图像数据输入至所述视频报告模板中,生成交通事故报告。
8.根据权利要求7所述的系统,其特征在于,所述事故报告生成子模块包括:
展示单元,用于获取关键的帧图像数据对应的时间戳信息;
在所述时间戳对应的第一事故视频片段或第二事故视频片段中插入所述责任判定结论的超链接;
获取根据特征信息分析的交通术语;
将所述交通术语展示在交通事故报告中的特征信息对应的交通术语区域。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310022016.1A CN116311901A (zh) | 2023-01-07 | 2023-01-07 | 一种智能交通实时监控系统 |
CN202310927357.3A CN116913099A (zh) | 2023-01-07 | 2023-07-26 | 一种智能交通实时监控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310022016.1A CN116311901A (zh) | 2023-01-07 | 2023-01-07 | 一种智能交通实时监控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116311901A true CN116311901A (zh) | 2023-06-23 |
Family
ID=86802204
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310022016.1A Pending CN116311901A (zh) | 2023-01-07 | 2023-01-07 | 一种智能交通实时监控系统 |
CN202310927357.3A Pending CN116913099A (zh) | 2023-01-07 | 2023-07-26 | 一种智能交通实时监控系统 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310927357.3A Pending CN116913099A (zh) | 2023-01-07 | 2023-07-26 | 一种智能交通实时监控系统 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN116311901A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116778434A (zh) * | 2023-07-07 | 2023-09-19 | 宁波德尔菲信息科技有限公司 | 一种基于计算机视觉的交通违章行为检测系统及方法 |
-
2023
- 2023-01-07 CN CN202310022016.1A patent/CN116311901A/zh active Pending
- 2023-07-26 CN CN202310927357.3A patent/CN116913099A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116778434A (zh) * | 2023-07-07 | 2023-09-19 | 宁波德尔菲信息科技有限公司 | 一种基于计算机视觉的交通违章行为检测系统及方法 |
CN116778434B (zh) * | 2023-07-07 | 2024-05-14 | 宁波德尔菲信息科技有限公司 | 一种基于计算机视觉的交通违章行为检测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116913099A (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11361556B2 (en) | Deterioration diagnosis device, deterioration diagnosis system, deterioration diagnosis method, and storage medium for storing program | |
US11380105B2 (en) | Identification and classification of traffic conflicts | |
US9583000B2 (en) | Vehicle-based abnormal travel event detecting and reporting | |
US11836985B2 (en) | Identifying suspicious entities using autonomous vehicles | |
CN106651602A (zh) | 一种基于adas智能车载终端的车险管理服务系统 | |
CN112183245A (zh) | 一种监测网约车司机异常行为并告警的方法、装置及电子设备 | |
CN110738842A (zh) | 事故责任划分及行为分析方法、装置、设备及存储介质 | |
CN206684779U (zh) | 一种基于adas智能车载终端的车险管理服务系统 | |
CN108932849B (zh) | 一种记录多台机动车低速行驶违法行为的方法及装置 | |
CN116913099A (zh) | 一种智能交通实时监控系统 | |
CN111028503B (zh) | 一种车辆变道监测方法及装置 | |
CN111477011A (zh) | 一种用于道路路口预警的检测装置及检测方法 | |
CN109003457B (zh) | 一种记录多台机动车违法占用应急车道行为的方法及装置 | |
US20180096433A1 (en) | Calculation of Differential for Insurance Rates | |
CN111967451B (zh) | 一种道路拥堵检测方法及装置 | |
CN110706115A (zh) | 交通事故快速理赔方法、系统以及一种服务器 | |
CN111241918B (zh) | 一种基于人脸识别的车用防跟踪方法及系统 | |
CN110909641A (zh) | 一种检测摩托车超载的方法、装置及系统 | |
US20240013476A1 (en) | Traffic event reproduction system, server, traffic event reproduction method, and non-transitory computer readable medium | |
CN113593239A (zh) | 车辆间违章监控方法、服务器及车辆 | |
CN112766746A (zh) | 交通事故识别方法、装置、电子设备和存储介质 | |
JP7207912B2 (ja) | 運転評価システム | |
CN114170498A (zh) | 遗洒物检测方法、装置、计算机设备和存储介质 | |
JP2022056153A (ja) | 一時停止検出装置、一時停止検出システム、及び一時停止検出プログラム | |
CN112633163A (zh) | 一种基于机器学习算法实现非法运营车辆检测的检测方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20230623 |
|
WD01 | Invention patent application deemed withdrawn after publication |