CN116386341A - 隧道内针对两客一危车辆的管理方法、装置和设备 - Google Patents
隧道内针对两客一危车辆的管理方法、装置和设备 Download PDFInfo
- Publication number
- CN116386341A CN116386341A CN202211545496.1A CN202211545496A CN116386341A CN 116386341 A CN116386341 A CN 116386341A CN 202211545496 A CN202211545496 A CN 202211545496A CN 116386341 A CN116386341 A CN 116386341A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- passenger
- risk
- license plate
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 claims abstract description 38
- 238000004590 computer program Methods 0.000 claims description 45
- 230000003068 static effect Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 230000001960 triggered effect Effects 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 59
- 238000010586 diagram Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001988 toxicity Effects 0.000 description 1
- 231100000419 toxicity Toxicity 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
- G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
-
- 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)
- Alarm Systems (AREA)
- Emergency Alarm Devices (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种隧道内针对两客一危车辆的管理方法、装置、计算机设备。在车辆驶入隧道时，对车辆进行隧道内的多源系统的信息绑定得到绑定信息，在车辆驶入识别区时，基于激光雷达获得的位置信息，触发卡口相机获取车辆的车牌信息，进一步根据车牌信息，搜索预设的两客一危车辆管理库，若两客一危车辆管理库存在车牌信息，则判定车辆为两客一危车辆，在确定车辆为两客一危车辆时，基于车牌信息以及绑定信息，利用多源系统对车辆进行跟踪，从而根据车辆的跟踪结果，对车辆进行管理。本申请中利用多源系统的采集信息对两客一危车辆进行针对性检测，以及根据两客一危车辆的跟踪结果进行针对性地监控、跟踪和救援管理，提高了道路的交通安全。
Description
技术领域
本申请涉及交通安全技术领域，特别是涉及一种隧道内针对两客一危车辆的管理方法、装置和设备。
背景技术
随着人们的生活水平的逐渐提高，路面上出现越来越多的车辆，车辆为人们的出行带来极大便利的同时，车辆数量的极具上升也使得道路交通环境变得更加复杂，从而导致交通事故频发，引起了人们对道路交通安全问题的极大重视，尤其是两客一危车辆带来的道路交通安全问题。
为了解决上述道路交通安全问题，需要对道路上的两客一危车辆进行精准识别和定位，从而保证道路交通安全。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高道路交通安全的隧道内针对两客一危车辆的管理方法、装置和设备。
第一方面，本申请提供了一种隧道内针对两客一危车辆的管理方法，所述方法包括：
在车辆驶入隧道时，对所述车辆进行隧道内的多源系统的信息绑定得到绑定信息，所述绑定信息用于利用所述多源系统分配的身份标识索引所述多源系统中各设备对所述车辆的采集信息；其中，所述多源系统包括多视角相机组、卡口相机和激光雷达；
在所述车辆驶入识别区时，基于所述激光雷达获得的位置信息，触发所述卡口相机获取所述车辆的车牌信息；
根据所述车牌信息，搜索预设的两客一危车辆管理库，若所述两客一危车辆管理库存在所述车牌信息，则判定所述车辆为两客一危车辆；
在确定所述车辆为两客一危车辆时，基于所述车牌信息以及所述绑定信息，利用所述多源系统对所述车辆进行跟踪；
根据所述车辆的跟踪结果，对所述车辆进行管理。
在其中一个实施例中，所述方法还包括：
若所述两客一危车辆管理库不存在所述车牌信息，则基于所述多视角相机组和所述激光雷达的采集信息，确定所述车辆的车型信息；
基于所述车型信息，判断所述车辆是否为所述两客一危车辆。
在其中一个实施例中，所述基于所述车型信息，判断所述车辆是否为所述两客一危车辆，包括：
若所述车辆的车型信息为大巴，则确定所述车辆为所述两客一危车辆。
在其中一个实施例中，所述方法还包括：
在基于所述车型信息确定所述车辆为两客一危车辆的情况下，根据所述车辆的车牌信息，对所述两客一危车辆管理库进行更新。
在其中一个实施例中，所述基于所述车型信息，判断所述车辆是否为所述两客一危车辆，包括：
若所述车辆的车型信息为货车，则采用车头危险品标志检测算法，对所述车辆的车头危险品标志信息进行识别，确定所述车辆的车头危险品标志的第一置信度；
采用车身危险品标志检测算法，对所述车辆的车身图像进行识别，确定所述车辆的车身危险品标志的第二置信度；
根据所述第一置信度和所述第二置信度，判断所述车辆是否为所述两客一危车辆。
在其中一个实施例中，根据所述第二置信度，判断所述车辆是否为所述两客一危车辆，包括：
若所述第二置信度大于车身置信度阈值，则确定所述车辆属于两客一危车辆，并确定所述车辆的细分类型。
在其中一个实施例中，所述根据所述车辆的跟踪结果，对所述车辆进行管理，包括：
根据所述车辆的跟踪结果，确定所述车辆是否发生事故；
若所述车辆发生事故，根据所述车辆的细分类型，对所述车辆进行管理。
在其中一个实施例中，所述根据所述车辆的跟踪结果，对所述车辆进行管理，包括：
根据所述跟踪结果，确定所述车辆的速度信息；
若所述速度信息大于预设速度，或基于所述速度信息确定所述车辆处于静止状态，则输出第一提示信息，并获取所述多视角相机组的采集信息。
在其中一个实施例中，所述方法还包括：
根据所述多源系统的采集信息，确定所述隧道内两客一危车辆的数量和位置；
根据所述隧道内两客一危车辆的数量和位置，输出第二提示信息。
第二方面，本申请还提供了一种隧道内针对两客一危车辆的管理装置，所述装置包括：
绑定模块，用于在车辆驶入隧道时，对所述车辆进行隧道内的多源系统的信息绑定得到绑定信息，所述绑定信息用于利用所述多源系统分配的身份标识索引所述多源系统中各设备对所述车辆的采集信息；其中，所述多源系统包括多视角相机组、卡口相机和激光雷达；
获取模块，用于在所述车辆驶入识别区时，基于所述激光雷达获得的位置信息，触发所述卡口相机获取所述车辆的车牌信息；
第一确定模块，用于根据所述车牌信息，搜索预设的两客一危车辆管理库，若所述两客一危车辆管理库存在所述车牌信息，则判定所述车辆为两客一危车辆；
跟踪模块，用于在确定所述车辆为两客一危车辆时，基于所述车牌信息以及所述绑定信息，利用所述多源系统对所述车辆进行跟踪；
管理模块，用于根据所述车辆的跟踪结果，对所述车辆进行管理。
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：
在车辆驶入隧道时，对所述车辆进行隧道内的多源系统的信息绑定得到绑定信息，所述绑定信息用于利用所述多源系统分配的身份标识索引所述多源系统中各设备对所述车辆的采集信息；其中，所述多源系统包括多视角相机组、卡口相机和激光雷达；
在所述车辆驶入识别区时，基于所述激光雷达获得的位置信息，触发所述卡口相机获取所述车辆的车牌信息；
根据所述车牌信息，搜索预设的两客一危车辆管理库，若所述两客一危车辆管理库存在所述车牌信息，则判定所述车辆为两客一危车辆；
在确定所述车辆为两客一危车辆时，基于所述车牌信息以及所述绑定信息，利用所述多源系统对所述车辆进行跟踪；
根据所述车辆的跟踪结果，对所述车辆进行管理。
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：
在车辆驶入隧道时，对所述车辆进行隧道内的多源系统的信息绑定得到绑定信息，所述绑定信息用于利用所述多源系统分配的身份标识索引所述多源系统中各设备对所述车辆的采集信息；其中，所述多源系统包括多视角相机组、卡口相机和激光雷达；
在所述车辆驶入识别区时，基于所述激光雷达获得的位置信息，触发所述卡口相机获取所述车辆的车牌信息；
根据所述车牌信息，搜索预设的两客一危车辆管理库，若所述两客一危车辆管理库存在所述车牌信息，则判定所述车辆为两客一危车辆；
在确定所述车辆为两客一危车辆时，基于所述车牌信息以及所述绑定信息，利用所述多源系统对所述车辆进行跟踪；
根据所述车辆的跟踪结果，对所述车辆进行管理。
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：
在车辆驶入隧道时，对所述车辆进行隧道内的多源系统的信息绑定得到绑定信息，所述绑定信息用于利用所述多源系统分配的身份标识索引所述多源系统中各设备对所述车辆的采集信息；其中，所述多源系统包括多视角相机组、卡口相机和激光雷达；
在所述车辆驶入识别区时，基于所述激光雷达获得的位置信息，触发所述卡口相机获取所述车辆的车牌信息；
根据所述车牌信息，搜索预设的两客一危车辆管理库，若所述两客一危车辆管理库存在所述车牌信息，则判定所述车辆为两客一危车辆；
在确定所述车辆为两客一危车辆时，基于所述车牌信息以及所述绑定信息，利用所述多源系统对所述车辆进行跟踪；
根据所述车辆的跟踪结果，对所述车辆进行管理。
上述隧道内针对两客一危车辆的管理方法、装置和设备，在车辆驶入隧道时，对车辆进行隧道内的多源系统的信息绑定得到绑定信息，在车辆驶入识别区时，基于激光雷达获得的位置信息，触发卡口相机获取车辆的车牌信息，进一步根据车牌信息，搜索预设的两客一危车辆管理库，若两客一危车辆管理库存在车牌信息，则判定车辆为两客一危车辆，在确定车辆为两客一危车辆时，基于车牌信息以及绑定信息，利用多源系统对车辆进行跟踪，从而根据车辆的跟踪结果，对车辆进行管理。本申请中利用多源系统采集实时图像信息及点云信息对两客一危车辆进行针对性检测，保证隧道内车辆检测的准确率。而且在确定为两客一危车辆后，实施对两客一危车辆的跟踪，根据跟踪结果对两客一危车辆进行管理，保证两客一危车辆在隧道内的针对性监控、跟踪及救援，提高了道路交通安全。
附图说明
图1为一个实施例中隧道内针对两客一危车辆的管理方法的应用环境图；
图2为一个实施例中隧道内针对两客一危车辆的管理方法的流程示意图；
图3为一个实施例中判断车辆是否为两客一危车辆的流程示意图；
图4为一个实施例中车身危险品标志示意图；
图5为一个实施例中对车辆进行管理的流程示意图；
图6为另一个实施例中对车辆进行管理的流程示意图；
图7为另一个实施例中隧道内针对两客一危车辆的管理方法的流程示意图；
图8为一个实施例中危险品标志检测的流程示意图；
图9为一个实施例中隧道内针对两客一危车辆的管理装置的结构框图；
图10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隧道内针对两客一危车辆的管理方法，可以应用于如图1所示的应用环境中。其中，多源系统1通过网络与计算机设备2进行通信。数据存储系统可以存储计算机设备2需要处理的数据。数据存储系统可以集成在计算机设备2上，也可以放在云上或其他网络服务器上。其中，多源系统1包括多视角相机组、卡口相机和激光雷达。计算机设备2可以是服务器，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种隧道内针对两客一危车辆的管理方法，以该方法应用于图1中的计算机设备为例进行说明，包括以下步骤：
S201，在车辆驶入隧道时，对车辆进行隧道内的多源系统的信息绑定得到绑定信息，绑定信息用于利用多源系统分配的身份标识索引多源系统中各设备对车辆的采集信息；其中，多源系统包括多视角相机组、卡口相机和激光雷达。
其中，隧道内设置多个多源系统，每个多源系统包括多视角相机组、卡口相机和激光雷达。可选的，可以每间隔150米设置多源系统。
在本实施例中，在车辆驶入隧道时，根据隧道入口的卡口相机获取的多帧图片信息、多视角相机组获取的视频数据和激光雷达获取的点云数据，利用融合算法对同一车辆进行绑定，得到绑定信息。例如，卡口相机获取的目标车辆的多帧图片信息为a，多视角相机组获取的目标车辆的视频数据为b，激光雷达获取的目标车辆的点云数据为c，根据多帧图片信息a、视频数据b和点云数据c，利用融合算法对目标车辆进行绑定，得到绑定信息，即设置目标车辆为车辆A，根据绑定信息可以索引到各个多源系统各设备对车辆A的采集信息。
S202，在车辆驶入识别区时，基于激光雷达获得的位置信息，触发卡口相机获取车辆的车牌信息。
在本实施例中，在车辆驶入识别区时，基于激光雷达获得的车辆的点云数据，利用点云检测算法确定车辆的位置信息；在基于位置信息，确定车辆进入识别区的特定区域(比如能够较为全面获取车辆车头、车尾图像的区域)时，触发识别区卡口相机获取车辆的车头图片信息，利用图像识别算法对车头图片信息进行识别，得到车辆的车牌信息。
S203，根据车牌信息，搜索预设的两客一危车辆管理库，若两客一危车辆管理库存在车牌信息，则判定车辆为两客一危车辆。
在本实施例中，将车牌信息与预设的两客一危车辆管理库进行逐一比较，确定该车辆的车牌信息是否存在于两客一危车辆管理库中，若两客一危车辆管理库存在车牌信息，则判定车辆为两客一危车辆。
S204，在确定车辆为两客一危车辆时，基于车牌信息以及绑定信息，利用多源系统对车辆进行跟踪。
在本实施例中，基于车牌信息以及绑定信息，利用多源系统对车辆进行跟踪，即基于车牌信息以及绑定信息，确定目标车辆，根据隧道内的多源系统对目标车辆进行实时采集，得到目标车辆在隧道内的采集信息。
S205，根据车辆的跟踪结果，对车辆进行管理。
在本实施例中，根据车辆的跟踪结果，对车辆进行管理。即基于采集信息获取车辆位置信息，而且还可以将位置信息和经纬度信息进行绑定，可以在隧道内实时追踪两客一危车辆的位置，用于提示其他车辆进行避让。
还可以基于车牌信息以及绑定信息，得到隧道内多源系统对车辆的采集信息，从而基于采集信息获取车辆速度信息，根据速度信息进行预警提示。
在一个可能的实现方式中，还可以根据车辆的跟踪结果，还可以得到两客一危车辆的数量、是否发生事故等，从而根据车辆的跟踪结果实施相应的救援。
上述隧道内针对两客一危车辆的管理方法中，在车辆驶入隧道时，对车辆进行隧道内的多源系统的信息绑定得到绑定信息，在车辆驶入识别区时，基于激光雷达获得的位置信息，触发卡口相机获取车辆的车牌信息，进一步根据车牌信息，搜索预设的两客一危车辆管理库，若两客一危车辆管理库存在车牌信息，则判定车辆为两客一危车辆，在确定车辆为两客一危车辆时，基于车牌信息以及绑定信息，利用多源系统对车辆进行跟踪，从而根据车辆的跟踪结果，对车辆进行管理。本申请中利用多源系统采集实时图像信息及点云信息对两客一危车辆进行针对性检测，保证隧道内车辆检测的准确率。而且在确定为两客一危车辆后，实施对两客一危车辆的跟踪，根据跟踪结果对两客一危车辆进行管理，保证两客一危车辆在隧道内的针对性监控、跟踪及救援，提高了道路交通安全。
示例性的，在上述实施例的基础上，若两客一危车辆管理库不存在车牌信息，则基于多视角相机组和激光雷达的采集信息，确定车辆的车型信息；基于车型信息，判断车辆是否为两客一危车辆。
在本实施例中，若两客一危车辆管理库不存在车牌信息，可以根据多视角相机组和激光雷达的采集信息，得到车辆的长度信息，根据长度信息确定车辆的车型信息。
还可以根据多视角相机组和激光雷达的采集信息，得到车辆的具体细节信息，例如，车辆的车头长度和车厢长度在车辆中分别所占的比重，根据细节信息确定车辆的车型信息。
在本实施例中，基于车型信息，判断车辆是否为两客一危车辆。具体地，若车辆的车型信息为大巴，则确定车辆为两客一危车辆；若车辆的车型信息为货车，则需要进一步确定货车是否为两客一危车辆，若车辆的车型信息为轿车，则确定车辆非两客一危车辆。
进一步地，在基于车型信息确定车辆为两客一危车辆的情况下，根据车辆的车牌信息，对两客一危车辆管理库进行更新。
在本实施例中，基于车型信息确定车辆为两客一危车辆，即预设的两客一危车辆管理库中不存在车牌信息，且该车辆为两客一危车辆，则将该车牌信息添加至两客一危车辆管理库，对两客一危车辆管理库进行更新，以供在后续的车辆识别中，可以更加快速的确定车辆是否为两客一危车辆。
本申请实施例中，在两客一危车辆管理库不存在车牌信息的情况下，基于多视角相机组和激光雷达的采集信息，确定车辆的车型信息，基于车型信息，判断车辆是否为两客一危车辆。本实施例采用多视角相机组捕获车辆图像信息，激光雷达采集车辆的点云信息，充分利用多源系统的环境感知力，使得于多视角相机组和激光雷达的采集信息，确定的车型信息更加准确，从而提高了两客一危车辆判断的准确性。
图3为一个实施例中判断车辆是否为两客一危车辆的流程示意图，如图3所示，本申请实施例涉及的是在两客一危车辆管理库不存在车牌信息的情况下，如何基于车型信息，判断车辆是否为两客一危车辆的一种可实现方式，包括以下步骤：
S301，若车辆的车型信息为货车，则采用车头危险品标志检测算法，对车辆的车头危险品标志信息进行识别，确定车辆的车头危险品标志的第一置信度。
可选的，车头危险品标志检测算法可以是任意一种图像检测算法，例如可以是卷积神经网络和深度置信网络等神经网络，也可以为主成分分析法、决策树等算法。
在本实施例中，在车辆的车型信息为货车的情况下，卡口相机获取车头图片信息，利用车头危险品标志检测算法对车头图片信息中的三角标志和矩形标志进行识别，首先检测车头图片信息中是否存在三角形和/或矩形危险品标志，若存在危险品标志，可以针对三角形标志和/或矩形标志的类型和对应的位置，确定车辆的车头危险品标志的第一置信度。例如，若车头图片信息中不存在三角形和矩形危险品标志，则确定车辆的车头危险品标志的第一置信度为0。
若车头图片信息中存在三角形和矩形危险品标志，由于货车的三角形危险品标志相对矩形危险品标志，在矩形危险品标志的上方，且三角形危险品标志存在车头上方的1/2区域，矩形危险品标志存在车头下方的1/2区域。可选的，货车的三角形危险品标志放置在车顶，矩形危险品标志放置在车牌附近。若根据车头危险品标志检测算法，得到三角形危险品标志存在车头上方的1/2区域，且矩形危险品标志存在车头下方的1/2区域，则确定车辆的车头危险品标志的第一置信度为2；若只检测到其中一个危险品标志，且该危险品标志位于所处区域，则确定车辆的车头危险品标志的第一置信度为1；若检测到三角形危险品标志存在车头上方的1/2区域，但矩形危险品标志不存在于车头下方的1/2区域，则确定车辆的车头危险品标志的第一置信度为1.5。
在一个可能的实现方式中，还可以将“三角形危险品标志存在车头上方的1/2区域，矩形危险品标志存在车头下方的1/2区域”作为规则条件，设置初始置信度。若车头的识别检测结果符合规则条件，则在初始置信度上乘以大于1的权重值，若车头的识别检测结果不符合规则条件，则根据识别的具体结果，在初始置信度上乘以各识别结果对应的小于1的权重值，得到第一置信度。
S302，采用车身危险品标志检测算法，对车辆的车身图像进行识别，确定车辆的车身危险品标志的第二置信度。
其中，车身危险品标志检测算法可以和车头危险品标志检测算法一致，也可以不同。
在本实施例中，根据多视角相机组获取车辆的侧视图片，首先，利用深度学习算法识别车辆在侧视图片中的所在区域，得到目标车辆图片。利用车身危险品标志检测算法对目标车辆图片中车身危险品标志进行识别，得到车身危险品标志的数量。
在一个可能的实现方式中，利用车身危险品标志检测算法识别车身危险品标志的数量，若不存在车身危险品标志，则确定车辆的车身危险品标志的第二置信度为0，若存在车身危险品标志，可以根据车身危险品标志的数量的多少，确定车辆的车身危险品标志的第二置信度。
S303，根据第一置信度和/或第二置信度，判断车辆是否为两客一危车辆。
在本实施例中，若第一置信度大于车头置信度阈值，则确定车辆为两客一危车辆；若第一置信度不大于车头置信度阈值，且第二置信度大于车身置信度阈值，则确定车辆为两客一危车辆；若第一置信度不大于车头置信度阈值，第二置信度不大于车身置信度阈值(存在车身危险品标志)，则确定车辆疑似为两客一危车辆；若第一置信度不大于车头置信度阈值，第二置信度为0(不存在车身危险品标志)，则确定车辆非两客一危车辆。
具体地，可以表示为：若车头危险品标志置信度>车头置信度阈值，车身危险品标志数量>0，车身危险品标志置信度>车身置信度阈值，则确定车辆为两客一危车辆；若车头危险品标志置信度>车头置信度阈值，车身危险品标志数量>0，车身危险品标志置信度<车身置信度阈值，则确定车辆为两客一危车辆；车头危险品标志置信度>车头置信度阈值，车身危险品标志数量＝0，车身危险品标志置信度<车身置信度阈值，则确定车辆为两客一危车辆；车头危险品标志置信度<车头置信度阈值，车身危险品标志数量>0，车身危险品标志置信度>车身置信度阈值，则确定车辆为两客一危车辆；车头危险品标志置信度<车头置信度阈值，车身危险品标志数量>0，车身危险品标志置信度<车身置信度阈值，则确定车辆疑似为两客一危车辆；车头危险品标志置信度<车头置信度阈值，车身危险品标志数量＝0车身危险品标志置信度<车身置信度阈值，则确定车辆非两客一危车辆。
进一步地，根据第二置信度，判断车辆是否为两客一危车辆，包括：若第二置信度大于车身置信度阈值，则确定车辆属于两客一危车辆，并确定车辆的细分类型。
本申请实施例中，根据车身危险品标志检测算法，确定车身危险品标志的具体类型，从而得到车辆的细分类型。其中，圆形危险品标志包括“燃”、“腐”、“爆”、“热”、“毒”图形，如图4所示，分别展示了不同类型的车身危险品标志。
本申请实施例中，在车辆的车型信息为货车的情况下，分别确定车辆的车头危险品标志的第一置信度和车身危险品标志的第二置信度，从而根据第一置信度和第二置信度，判断车辆是否为两客一危车辆。本实施例同时结合车身危险品标志和车头危险品标志，确定货车是否为两客一危车辆，避免了车身危险品标志或车头危险品标志被遮挡，带来的识别困难的问题，提高了两客一危车辆识别的准确性。
图5为一个实施例中对车辆进行管理的流程示意图，如图5所示，本申请实施例涉及的是如何根据车辆的跟踪结果，对车辆进行管理的一种可能的实现方式，包括以下步骤：
S501，根据车辆的跟踪结果，确定车辆是否发生事故。
在本实施例中，隧道内多源系统的多视角相机组、卡口相机和激光雷达不断获取车辆的采集信息，从而得到车辆的跟踪结果。例如，可以根据多视角相机组的采集的图像视频信息，确定车辆是否发生事故，也可以根据激光雷达的点云数据确定车辆是否发生事故；或者根据多个采集信息结合判断车辆是否发生事故。
S502，若车辆发生事故，根据车辆的细分类型，对车辆进行管理。
在本实施例中，若车辆发生事故，可以根据两客一危车辆的类型、针对不同类型危险品标志进行有针对的救援行动，实现车辆的管理。
本申请实施例中，根据车辆的跟踪结果，确定车辆是否发生事故，在车辆发生事故，根据车辆的细分类型，对车辆进行管理，可以有效提高道路交通安全。
图6为另一个实施例中对车辆进行管理的流程示意图，如图6所示，本申请实施例涉及的是如何根据车辆的跟踪结果，对车辆进行管理的另一种可能的实现方式，包括以下步骤：
S601，根据跟踪结果，确定车辆的速度信息。
在本实施例中，根据跟踪结果中激光雷达设备获取的点云数据，获取车辆速度信息。
S602，若速度信息大于预设速度，或基于速度信息确定车辆处于静止状态，则输出第一提示信息，并获取多视角相机组的采集信息。
在本实施例中，当速度信息大于预设速度，证明该车辆存在超速行为，或基于速度信息确定车辆处于静止状态，针对于该危险驾驶行为输出第一提示信息进行预警，可以通过警示灯、蜂鸣器或信息输出的方式进行提示，同时，利用多视角相机组的采集信息进行拍照取证。
本申请实施例中，根据跟踪结果，确定车辆的速度信息，在速度信息大于预设速度，或基于速度信息确定车辆处于静止状态的情况下，输出第一提示信息进行预警，避免交通事故的发生。
示例性的，在上述实施例的基础上，还可以根据多源系统的采集信息，确定隧道内两客一危车辆的数量和位置；根据隧道内两客一危车辆的数量和位置，输出第二提示信息。
在本实施例中，根据多源系统的采集信息，实时统计隧道内两客一危车辆的数量和位置，将两客一危车辆的数量和位置进行输出，提示进入隧道车辆保持车距注意避让，达到缓解拥堵，减少事故发生的目的。
在一个实施例中，如图7所示，本申请还提供一种隧道内针对两客一危车辆的管理方法的具体实施例，包括以下步骤：在车辆进入隧道检测区域时，获取激光雷达的点云数据、卡口相机和多视角相机组的图片数据，利用融合算法对点云数据和图片数据进行融合，从而实现对车辆信息的绑定。
进一步根据卡口相机获取的车牌信息与两客一危车辆数据进行比较，若车牌信息存在于两客一危数据库，利用多源系统对车辆进行跟踪，从而根据跟踪结果进行车辆管理。
若车牌信息不存在于两客一危数据库，判断车辆是否为大巴车，若车辆是大巴车，则确定车辆是两客一危车辆，并根据大巴车的车牌信息对两客一危数据库进行更新，利用多源系统对车辆进行跟踪，从而根据跟踪结果进行车辆管理。
若车辆的类型不是大巴车，则判断车辆是否为货车，若该车辆的类型是货车，则基于车身危险品标志和车头危险品标志的检测，判断该车辆是否为两客一危车辆，在确定货车是两客一危车辆后，根据货车的车牌信息对对两客一危数据库进行更新，利用多源系统对车辆进行跟踪，从而根据跟踪结果进行车辆管理。
在一个实施例中，如图8所示，本申请还提供一种针对于货车的车头危险品标志和车身危险品标志检测的流程示意图，包括以下步骤：利用深度学习算法检测目标货车在卡口相机获取的车头图片中的所在区域，得到第一目标货车图片，以及利用深度学习算法检测目标货车在多视角相机组获取的车身图片中的所在区域，得到第二目标货车图片。利用车头检测算法识别第一目标货车图片中的车头危险品标志，得到车头危险品的第一数量，根据第一数量和车头危险品标志的位置确定车头危险品的第一置信度。以及利用车身检测算法识别第二目标货车图片中的第二数量，根据第二数量得到车身危险品标志的第二置信度，根据车头危险品标志的第一置信度和/或车身危险品标志的第二置信度，确定货车是否为两客一危车辆，以及可以利用车身检测算法识别车身危险品标志的颜色、字符等，从而根据车身危险品标志的颜色、字符等得到两客一危车辆的具体细分类型。
应该理解的是，虽然如上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隧道内针对两客一危车辆的管理方法的隧道内针对两客一危车辆的管理装置。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隧道内针对两客一危车辆的管理装置实施例中的具体限定可以参见上文中对于隧道内针对两客一危车辆的管理方法的限定，在此不再赘述。
在一个实施例中，如图9所示，提供了一种隧道内针对两客一危车辆的管理装置，包括：绑定模块11、获取模块12、第一确定模块13、跟踪模块14和管理模块15，其中：
绑定模块11，用于在车辆驶入隧道时，对车辆进行隧道内的多源系统的信息绑定得到绑定信息，绑定信息用于利用多源系统分配的身份标识索引多源系统中各设备对车辆的采集信息；其中，多源系统包括多视角相机组、卡口相机和激光雷达；
获取模块12，用于在车辆驶入识别区时，基于激光雷达获得的位置信息，触发卡口相机获取车辆的车牌信息；
第一确定模块13，用于根据车牌信息，搜索预设的两客一危车辆管理库，若两客一危车辆管理库存在车牌信息，则判定车辆为两客一危车辆；
跟踪模块14，用于在确定车辆为两客一危车辆时，基于车牌信息以及绑定信息，利用多源系统对车辆进行跟踪；
管理模块15，用于根据车辆的跟踪结果，对车辆进行管理。
在一个实施例中，该隧道内针对两客一危车辆的管理装置还包括：
第二确定模块，用于若两客一危车辆管理库不存在车牌信息，则基于多视角相机组和激光雷达的采集信息，确定车辆的车型信息；
判断模块，用于基于车型信息，判断车辆是否为两客一危车辆。
在一个实施例中，判断模块包括：
第一确定单元，用于若车辆的车型信息为大巴，则确定车辆为两客一危车辆。
在一个实施例中，判断模块还包括：
更新单元，用于在基于车型信息确定车辆为两客一危车辆的情况下，根据车辆的车牌信息，对两客一危车辆管理库进行更新。
在一个实施例中，判断模块还包括：
识别单元，用于若车辆的车型信息为货车，则采用车头危险品标志检测算法，对车辆的车头危险品标志信息进行识别，确定车辆的车头危险品标志的第一置信度；
第二确定单元，用于采用车身危险品标志检测算法，对车辆的车身图像进行识别，确定车辆的车身危险品标志的第二置信度；
判断单元，用于根据第一置信度和/或第二置信度，判断车辆是否为两客一危车辆。
在一个实施例中，判断单元还用于若第二置信度大于车身置信度阈值，则确定车辆属于两客一危车辆，并确定车辆的细分类型。
在一个实施例中，跟踪模块包括：
第三确定单元，用于根据车辆的跟踪结果，确定车辆是否发生事故；
管理单元，用于若车辆发生事故，根据车辆的细分类型，对车辆进行管理。
在一个实施例中，跟踪模块还包括：
第四确定单元，用于根据跟踪结果，确定车辆的速度信息；
输出单元，用于若速度信息大于预设速度，或基于速度信息确定车辆处于静止状态，则输出第一提示信息，并获取多视角相机组的采集信息。
在一个实施例中，该隧道内针对两客一危车辆的管理装置还包括：
第三确定模块，用于根据多源系统的采集信息，确定隧道内两客一危车辆的数量和位置；
输出模块，用于根据隧道内两客一危车辆的数量和位置，输出第二提示信息。
上述隧道内针对两客一危车辆的管理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服务器，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。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。该计算机设备的数据库用于存储交通安全领域相关数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种隧道内针对两客一危车辆的管理方法。
本领域技术人员可以理解，图10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以下步骤：
在车辆驶入隧道时，对车辆进行隧道内的多源系统的信息绑定得到绑定信息，绑定信息用于利用多源系统分配的身份标识索引多源系统中各设备对车辆的采集信息；其中，多源系统包括多视角相机组、卡口相机和激光雷达；
在车辆驶入识别区时，基于激光雷达获得的位置信息，触发卡口相机获取车辆的车牌信息；
根据车牌信息，搜索预设的两客一危车辆管理库，若两客一危车辆管理库存在车牌信息，则判定车辆为两客一危车辆；
在确定车辆为两客一危车辆时，基于车牌信息以及绑定信息，利用多源系统对车辆进行跟踪；
根据车辆的跟踪结果，对车辆进行管理。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
若两客一危车辆管理库不存在车牌信息，则基于多视角相机组和激光雷达的采集信息，确定车辆的车型信息；
基于车型信息，判断车辆是否为两客一危车辆。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
若车辆的车型信息为大巴，则确定车辆为两客一危车辆。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
在基于车型信息确定车辆为两客一危车辆的情况下，根据车辆的车牌信息，对两客一危车辆管理库进行更新。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
若车辆的车型信息为货车，则采用车头危险品标志检测算法，对车辆的车头危险品标志信息进行识别，确定车辆的车头危险品标志的第一置信度；
采用车身危险品标志检测算法，对车辆的车身图像进行识别，确定车辆的车身危险品标志的第二置信度；
根据第一置信度和/或第二置信度，判断车辆是否为两客一危车辆。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
若第二置信度大于车身置信度阈值，则确定车辆属于两客一危车辆，并确定车辆的细分类型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据车辆的跟踪结果，确定车辆是否发生事故；
若车辆发生事故，根据车辆的细分类型，对车辆进行管理。在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据跟踪结果，确定车辆的速度信息；
若速度信息大于预设速度，或基于速度信息确定车辆处于静止状态，则输出第一提示信息，并获取多视角相机组的采集信息。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据多源系统的采集信息，确定隧道内两客一危车辆的数量和位置；
根据隧道内两客一危车辆的数量和位置，输出第二提示信息。
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以下步骤：
在车辆驶入隧道时，对车辆进行隧道内的多源系统的信息绑定得到绑定信息，绑定信息用于利用多源系统分配的身份标识索引多源系统中各设备对车辆的采集信息；其中，多源系统包括多视角相机组、卡口相机和激光雷达；
在车辆驶入识别区时，基于激光雷达获得的位置信息，触发卡口相机获取车辆的车牌信息；
根据车牌信息，搜索预设的两客一危车辆管理库，若两客一危车辆管理库存在车牌信息，则判定车辆为两客一危车辆；
在确定车辆为两客一危车辆时，基于车牌信息以及绑定信息，利用多源系统对车辆进行跟踪；
根据车辆的跟踪结果，对车辆进行管理。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若两客一危车辆管理库不存在车牌信息，则基于多视角相机组和激光雷达的采集信息，确定车辆的车型信息；
基于车型信息，判断车辆是否为两客一危车辆。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若车辆的车型信息为大巴，则确定车辆为两客一危车辆。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
在基于车型信息确定车辆为两客一危车辆的情况下，根据车辆的车牌信息，对两客一危车辆管理库进行更新。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若车辆的车型信息为货车，则采用车头危险品标志检测算法，对车辆的车头危险品标志信息进行识别，确定车辆的车头危险品标志的第一置信度；
采用车身危险品标志检测算法，对车辆的车身图像进行识别，确定车辆的车身危险品标志的第二置信度；
根据第一置信度和/或第二置信度，判断车辆是否为两客一危车辆。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若第二置信度大于车身置信度阈值，则确定车辆属于两客一危车辆，并确定车辆的细分类型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据车辆的跟踪结果，确定车辆是否发生事故；
若车辆发生事故，根据车辆的细分类型，对车辆进行管理。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据跟踪结果，确定车辆的速度信息；
若速度信息大于预设速度，或基于速度信息确定车辆处于静止状态，则输出第一提示信息，并获取多视角相机组的采集信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据多源系统的采集信息，确定隧道内两客一危车辆的数量和位置；
根据隧道内两客一危车辆的数量和位置，输出第二提示信息。
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以下步骤：
在车辆驶入隧道时，对车辆进行隧道内的多源系统的信息绑定得到绑定信息，绑定信息用于利用多源系统分配的身份标识索引多源系统中各设备对车辆的采集信息；其中，多源系统包括多视角相机组、卡口相机和激光雷达；
在车辆驶入识别区时，基于激光雷达获得的位置信息，触发卡口相机获取车辆的车牌信息；
根据车牌信息，搜索预设的两客一危车辆管理库，若两客一危车辆管理库存在车牌信息，则判定车辆为两客一危车辆；
在确定车辆为两客一危车辆时，基于车牌信息以及绑定信息，利用多源系统对车辆进行跟踪；
根据车辆的跟踪结果，对车辆进行管理。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若两客一危车辆管理库不存在车牌信息，则基于多视角相机组和激光雷达的采集信息，确定车辆的车型信息；
基于车型信息，判断车辆是否为两客一危车辆。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若车辆的车型信息为大巴，则确定车辆为两客一危车辆。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
在基于车型信息确定车辆为两客一危车辆的情况下，根据车辆的车牌信息，对两客一危车辆管理库进行更新。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若车辆的车型信息为货车，则采用车头危险品标志检测算法，对车辆的车头危险品标志信息进行识别，确定车辆的车头危险品标志的第一置信度；
采用车身危险品标志检测算法，对车辆的车身图像进行识别，确定车辆的车身危险品标志的第二置信度；
根据第一置信度和/或第二置信度，判断车辆是否为两客一危车辆。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若第二置信度大于车身置信度阈值，则确定车辆属于两客一危车辆，并确定车辆的细分类型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据车辆的跟踪结果，确定车辆是否发生事故；
若车辆发生事故，根据车辆的细分类型，对车辆进行管理。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据跟踪结果，确定车辆的速度信息；
若速度信息大于预设速度，或基于速度信息确定车辆处于静止状态，则输出第一提示信息，并获取多视角相机组的采集信息。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据多源系统的采集信息，确定隧道内两客一危车辆的数量和位置；
根据隧道内两客一危车辆的数量和位置，输出第二提示信息。
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 (13)
1.一种隧道内针对两客一危车辆的管理方法，其特征在于，所述方法包括：
在车辆驶入隧道时，对所述车辆进行隧道内的多源系统的信息绑定得到绑定信息，所述绑定信息用于利用所述多源系统分配的身份标识索引所述多源系统中各设备对所述车辆的采集信息；其中，所述多源系统包括多视角相机组、卡口相机和激光雷达；
在所述车辆驶入识别区时，基于所述激光雷达获得的位置信息，触发所述卡口相机获取所述车辆的车牌信息；
根据所述车牌信息，搜索预设的两客一危车辆管理库，若所述两客一危车辆管理库存在所述车牌信息，则判定所述车辆为两客一危车辆；
在确定所述车辆为两客一危车辆时，基于所述车牌信息以及所述绑定信息，利用所述多源系统对所述车辆进行跟踪；
根据所述车辆的跟踪结果，对所述车辆进行管理。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若所述两客一危车辆管理库不存在所述车牌信息，则基于所述多视角相机组和所述激光雷达的采集信息，确定所述车辆的车型信息；
基于所述车型信息，判断所述车辆是否为所述两客一危车辆。
3.根据权利要求2所述的方法，其特征在于，所述基于所述车型信息，判断所述车辆是否为所述两客一危车辆，包括：
若所述车辆的车型信息为大巴，则确定所述车辆为所述两客一危车辆。
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
在基于所述车型信息确定所述车辆为两客一危车辆的情况下，根据所述车辆的车牌信息，对所述两客一危车辆管理库进行更新。
5.根据权利要求2所述的方法，其特征在于，所述基于所述车型信息，判断所述车辆是否为所述两客一危车辆，包括：
若所述车辆的车型信息为货车，则采用车头危险品标志检测算法，对所述车辆的车头危险品标志信息进行识别，确定所述车辆的车头危险品标志的第一置信度；
采用车身危险品标志检测算法，对所述车辆的车身图像进行识别，确定所述车辆的车身危险品标志的第二置信度；
根据所述第一置信度和/或所述第二置信度，判断所述车辆是否为所述两客一危车辆。
6.根据权利要求5所述的方法，其特征在于，根据所述第二置信度，判断所述车辆是否为所述两客一危车辆，包括：
若所述第二置信度大于车身置信度阈值，则确定所述车辆属于两客一危车辆，并确定所述车辆的细分类型。
7.根据权利要求6所述的方法，其特征在于，所述根据所述车辆的跟踪结果，对所述车辆进行管理，包括：
根据所述车辆的跟踪结果，确定所述车辆是否发生事故；
若所述车辆发生事故，根据所述车辆的细分类型，对所述车辆进行管理。
8.根据权利要求1所述的方法，其特征在于，所述根据所述车辆的跟踪结果，对所述车辆进行管理，包括：
根据所述跟踪结果，确定所述车辆的速度信息；
若所述速度信息大于预设速度，或基于所述速度信息确定所述车辆处于静止状态，则输出第一提示信息，并获取所述多视角相机组的采集信息。
9.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述多源系统的采集信息，确定所述隧道内两客一危车辆的数量和位置；
根据所述隧道内两客一危车辆的数量和位置，输出第二提示信息。
10.一种隧道内针对两客一危车辆的管理装置，其特征在于，所述装置包括：
绑定模块，用于在车辆驶入隧道时，对所述车辆进行隧道内的多源系统的信息绑定得到绑定信息，所述绑定信息用于利用所述多源系统分配的身份标识索引所述多源系统中各设备对所述车辆的采集信息；其中，所述多源系统包括多视角相机组、卡口相机和激光雷达；
获取模块，用于在所述车辆驶入识别区时，基于所述激光雷达获得的位置信息，触发所述卡口相机获取所述车辆的车牌信息；
第一确定模块，用于根据所述车牌信息，搜索预设的两客一危车辆管理库，若所述两客一危车辆管理库存在所述车牌信息，则判定所述车辆为两客一危车辆；
跟踪模块，用于在确定所述车辆为两客一危车辆时，基于所述车牌信息以及所述绑定信息，利用所述多源系统对所述车辆进行跟踪；
管理模块，用于根据所述车辆的跟踪结果，对所述车辆进行管理。
11.一种计算机设备，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9中任一项所述的方法的步骤。
12.一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9中任一项所述的方法的步骤。
13.一种计算机程序产品，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9中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211545496.1A CN116386341A (zh) | 2022-12-05 | 2022-12-05 | 隧道内针对两客一危车辆的管理方法、装置和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211545496.1A CN116386341A (zh) | 2022-12-05 | 2022-12-05 | 隧道内针对两客一危车辆的管理方法、装置和设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116386341A true CN116386341A (zh) | 2023-07-04 |
Family
ID=86964349
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211545496.1A Pending CN116386341A (zh) | 2022-12-05 | 2022-12-05 | 隧道内针对两客一危车辆的管理方法、装置和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116386341A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117789486A (zh) * | 2024-02-28 | 2024-03-29 | 南京莱斯信息技术股份有限公司 | 一种大型车交叉路口右转必停监管系统及方法 |
-
2022
- 2022-12-05 CN CN202211545496.1A patent/CN116386341A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117789486A (zh) * | 2024-02-28 | 2024-03-29 | 南京莱斯信息技术股份有限公司 | 一种大型车交叉路口右转必停监管系统及方法 |
| CN117789486B (zh) * | 2024-02-28 | 2024-05-10 | 南京莱斯信息技术股份有限公司 | 一种大型车交叉路口右转必停监管系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9910136B2 (en) | System for filtering LiDAR data in vehicle and method thereof | |
| US9170115B2 (en) | Method and system for generating road map using data of position sensor of vehicle | |
| CN112069643B (zh) | 一种自动驾驶仿真场景生成方法及装置 | |
| CN110796007B (zh) | 场景识别的方法与计算设备 | |
| CN110400478A (zh) | 一种路况通知方法及装置 | |
| KR20210129190A (ko) | 운전 데이터 분석 방법, 장치, 전자 기기 및 컴퓨터 저장 매체 | |
| CN104952273B (zh) | 针对车辆行为的告警方法、装置及系统 | |
| US9725092B2 (en) | Method, host vehicle and following space management unit for managing following space | |
| WO2021063004A1 (zh) | 数据分析方法、装置、电子设备和计算机存储介质 | |
| CN116386341A (zh) | 隧道内针对两客一危车辆的管理方法、装置和设备 | |
| CN112131914B (zh) | 车道线属性检测方法、装置、电子设备及智能设备 | |
| CN105702027A (zh) | 信息检索设备 | |
| CN110502601B (zh) | 查找仓库的方法和装置 | |
| CN111078923B (zh) | 查找违法嫌疑车辆的方法、装置及存储介质 | |
| Matsuda et al. | A system for real-time on-street parking detection and visualization on an edge device | |
| US20180149492A1 (en) | Apparatus and method for finding point to be improved on road | |
| CN113256997B (zh) | 一种交通车辆违规行为检测装置及方法 | |
| US11676397B2 (en) | System and method for detecting an object collision | |
| Waltereit et al. | A digital forensic approach for optimizing the investigation of hit-and-run accidents | |
| US11580336B1 (en) | Leveraging machine vision and artificial intelligence in assisting emergency agencies | |
| CN113962107A (zh) | 对行驶路段仿真的方法、装置、电子设备及存储介质 | |
| CN114446042A (zh) | 预警交通事故的方法、装置、设备以及存储介质 | |
| CN117644815B (zh) | 基于智能车灯系统的盲区告警方法、装置、设备和系统 | |
| EP4372566A1 (en) | Ads driving scenario generation | |
| Engstle et al. | Ground Truth-Core Element of Data-driven AD Development |
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 |