CN116524444A - 一种基于目标检测的交通安全风险诊断方法和装置 - Google Patents
一种基于目标检测的交通安全风险诊断方法和装置 Download PDFInfo
- Publication number
- CN116524444A CN116524444A CN202310371262.8A CN202310371262A CN116524444A CN 116524444 A CN116524444 A CN 116524444A CN 202310371262 A CN202310371262 A CN 202310371262A CN 116524444 A CN116524444 A CN 116524444A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- traffic
- characterization
- preset
- risk
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 55
- 238000003745 diagnosis Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000012512 characterization method Methods 0.000 claims description 146
- 230000006399 behavior Effects 0.000 claims description 93
- 238000012544 monitoring process Methods 0.000 claims description 18
- 238000010586 diagram Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于目标检测的交通安全风险诊断方法和装置,其中方法包括:基于预设的交通区域确定库,从预设的城市交通地图上确定易出现斗气车现象的交通区域;持续获取交通区域内的区域图像;基于预设的风险车辆目标检测库,尝试从区域图像上检测产生斗气车行为的风险车辆目标;当检测到时,诊断出交通区域存在交通安全风险,并对风险车辆目标进行安全提醒。本发明的基于目标检测的交通安全风险诊断方法和装置,无需对交通道路上斗气车现象进行人工监管,极大程度上降低了人力成本,更提升了交通道路上斗气车现象监管的全面性和效率。
Description
技术领域
本发明涉及交通安全风险诊断技术领域,特别涉及一种基于目标检测的交通安全风险诊断方法和装置。
背景技术
目前,交通道路经常会有斗气车现象的产生,比如:前车未打转向灯突然变入某车道,原来位于该车道内的后车的驾驶者见此状不痛快,准备超过前车,在超过前车的过程中摇下车窗向前车发出不文明言语,超过后,一直别着前车行驶。斗气车现象不但对产生斗气车现象的车辆乘员自身造成安全威胁,还对交通道路上的其他车辆乘员造成安全威胁,特别是产生斗气车现象的两车辆互相斗气时,对乘员自身和其他车辆乘员造成的安全威胁更大。
一般的,斗气车现象的监管分为三种方式:一是由现场执法时发现;二是由观看交通道路监控视频发现;三是由群众举报。但是,这几种监管方式存在人力成本较大、监管不全面(比如:无法顾及到交通道路上的每一区域等)和监管效率较低的问题。
因此,亟需一种解决办法。
发明内容
本发明目的之一在于提供了一种基于目标检测的交通安全风险诊断方法,无需对交通道路上斗气车现象进行人工监管,极大程度上降低了人力成本,更提升了交通道路上斗气车现象监管的全面性和效率。
本发明实施例提供的一种基于目标检测的交通安全风险诊断方法,包括:
基于预设的交通区域确定库,从预设的城市交通地图上确定易出现斗气车现象的交通区域;
持续获取交通区域内的区域图像;
基于预设的风险车辆目标检测库,尝试从区域图像上检测产生斗气车行为的风险车辆目标;
当检测到时,诊断出交通区域存在交通安全风险,并对风险车辆目标进行安全提醒。
优选的,基于预设的交通区域确定库,从预设的城市交通地图上确定易出现斗气车现象的交通区域,包括:
获取交通区域确定库中的交通区域确定经验的经验类型,经验类型包括:主动经验和被动经验;
当交通区域确定经验的经验类型为主动经验时,基于预设的交通区域地图搜索规则生成模板,根据交通区域确定经验,生成第一交通区域地图搜索规则;
执行第一交通区域地图搜索规则,从城市交通地图上搜索出易出现斗气车现象的交通区域;
当交通区域确定经验的经验类型为被动经验时,基于预设的聚类特征提取模板,对交通区域确定经验进行聚类特征提取,获得聚类特征;
基于交通区域地图搜索规则生成模板,根据聚类特征,生成第二交通区域地图搜索规则;
执行第二交通区域地图搜索规则,从城市交通地图上搜索出易出现斗气车现象的交通区域。
优选的,持续获取交通区域内的区域图像,包括:
通过监控范围包含交通区域的交通监控设施持续获取交通区域内的区域图像。
优选的,基于预设的风险车辆目标检测库,尝试从区域图像上检测产生斗气车行为的风险车辆目标,包括:
从区域图像上提取出现车辆的车辆ID;
从预设的时间间隔库中确定车辆ID对应的时间间隔;
每隔时间间隔,执行如下操作:
从区域图像上确定出现车辆内的乘员图像、出现车辆与出现车辆周边预设的半径范围内其他出现车辆之间的第一位置关系、出现车辆与半径范围内的交通标线之间的第二位置关系;
基于预设的特征化模板,对乘员图像、第一位置关系和第二位置关系进行进行特征化处理,获得多个第一特征;
持续将第一特征与风险车辆目标检测库中的第二特征进行匹配;
获取最近预设的时间内第二特征与第一特征匹配符合的时间点、匹配符合的第二特征在风险车辆目标检测库中对应的表征行为和表征度;时间点、表征行为和表征度一一对应;
按照时间点,将对应表征行为和表征度设置于预设的时间轴线上的对应时间节点处;
尝试从时间轴线上筛选满足表征簇条件的表征簇;
当筛选到时,将对应出现车辆作为产生斗气车行为的风险车辆目标;
其中,表征簇条件包括:
表征簇由连续的多个表征行为和表征度形成;
表征簇中的表征行为形成的表征行为序列与预设的标准表征行为序列库的至少一个标准表征行为序列之间的匹配度大于等于预设的匹配度阈值和/或表征簇中的全部表征度的表征度和大于等于预设的表征度和阈值。
优选的,对风险车辆目标进行安全提醒,包括:
将风险车辆目标的车辆ID作为目标车辆ID;
从预设的车辆画像库中确定目标车辆ID对应的车辆画像;
基于预设的安全提醒信息生成模板,根据车辆画像,生成安全提醒信息;
从预设的车机节点库中确定目标车辆ID对应的车机节点;
将安全提醒信息推送至车机节点;
分别获取风险车辆目标的第一位置以及与风险车辆目标共同产生斗气车现象的其他风险车辆目标的第二位置;
在预设的交通提醒设施分布图中以第一位置为圆心,预设的半径长度长为半径作1/2圆;由第一位置出发向第二位置的射线平分1/2圆;
确定交通提醒设施分布图中落入1/2圆的交通提醒设施第三位置和提醒方向;
基于第一位置和由第一位置向第二位置的直线方向,构建第一方向向量;
基于第三位置和提醒方向,构建第二方向向量;
计算第一方向向量与第二方向向量的向量夹角;
将最大向量夹角对应交通提醒设施作为目标交通提醒设施;
控制目标交通提醒设施显示安全提醒信息。
本发明实施例提供一种基于目标检测的交通安全风险诊断装置,其特征在于,包括:
交通区域确定模块,用于基于预设的交通区域确定库,从预设的城市交通地图上确定易出现斗气车现象的交通区域;
区域图像获取模块,用于持续获取交通区域内的区域图像;
风险车辆目标检测模块,用于基于预设的风险车辆目标检测库,尝试从区域图像上检测产生斗气车行为的风险车辆目标;
安全提醒模块,用于当检测到时,诊断出交通区域存在交通安全风险,并对风险车辆目标进行安全提醒。
优选的,交通区域确定模块基于预设的交通区域确定库,从预设的城市交通地图上确定易出现斗气车现象的交通区域,包括:
获取交通区域确定库中的交通区域确定经验的经验类型,经验类型包括:主动经验和被动经验;
当交通区域确定经验的经验类型为主动经验时,基于预设的交通区域地图搜索规则生成模板,根据交通区域确定经验,生成第一交通区域地图搜索规则;
执行第一交通区域地图搜索规则,从城市交通地图上搜索出易出现斗气车现象的交通区域;
当交通区域确定经验的经验类型为被动经验时,基于预设的聚类特征提取模板,对交通区域确定经验进行聚类特征提取,获得聚类特征;
基于交通区域地图搜索规则生成模板,根据聚类特征,生成第二交通区域地图搜索规则;
执行第二交通区域地图搜索规则,从城市交通地图上搜索出易出现斗气车现象的交通区域。
优选的,区域图像获取模块持续获取交通区域内的区域图像,包括:
通过监控范围包含交通区域的交通监控设施持续获取交通区域内的区域图像。
优选的,风险车辆目标检测模块基于预设的风险车辆目标检测库,尝试从区域图像上检测产生斗气车行为的风险车辆目标,包括:
从区域图像上提取出现车辆的车辆ID;
从预设的时间间隔库中确定车辆ID对应的时间间隔;
每隔时间间隔,执行如下操作:
从区域图像上确定出现车辆内的乘员图像、出现车辆与出现车辆周边预设的半径范围内其他出现车辆之间的第一位置关系、出现车辆与半径范围内的交通标线之间的第二位置关系;
基于预设的特征化模板,对乘员图像、第一位置关系和第二位置关系进行进行特征化处理,获得多个第一特征;
持续将第一特征与风险车辆目标检测库中的第二特征进行匹配;
获取最近预设的时间内第二特征与第一特征匹配符合的时间点、匹配符合的第二特征在风险车辆目标检测库中对应的表征行为和表征度;时间点、表征行为和表征度一一对应;
按照时间点,将对应表征行为和表征度设置于预设的时间轴线上的对应时间节点处;
尝试从时间轴线上筛选满足表征簇条件的表征簇;
当筛选到时,将对应出现车辆作为产生斗气车行为的风险车辆目标;
其中,表征簇条件包括:
表征簇由连续的多个表征行为和表征度形成;
表征簇中的表征行为形成的表征行为序列与预设的标准表征行为序列库的至少一个标准表征行为序列之间的匹配度大于等于预设的匹配度阈值和/或表征簇中的全部表征度的表征度和大于等于预设的表征度和阈值。
优选的,安全提醒模块对风险车辆目标进行安全提醒,包括:
将风险车辆目标的车辆ID作为目标车辆ID;
从预设的车辆画像库中确定目标车辆ID对应的车辆画像;
基于预设的安全提醒信息生成模板,根据车辆画像,生成安全提醒信息;
从预设的车机节点库中确定目标车辆ID对应的车机节点;
将安全提醒信息推送至车机节点;
分别获取风险车辆目标的第一位置以及与风险车辆目标共同产生斗气车现象的其他风险车辆目标的第二位置;
在预设的交通提醒设施分布图中以第一位置为圆心,预设的半径长度长为半径作1/2圆;由第一位置出发向第二位置的射线平分1/2圆;
确定交通提醒设施分布图中落入1/2圆的交通提醒设施第三位置和提醒方向;
基于第一位置和由第一位置向第二位置的直线方向,构建第一方向向量;
基于第三位置和提醒方向,构建第二方向向量;
计算第一方向向量与第二方向向量的向量夹角;
将最大向量夹角对应交通提醒设施作为目标交通提醒设施;
控制目标交通提醒设施显示安全提醒信息。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种基于目标检测的交通安全风险诊断方法的示意图;
图2为本发明实施例中一种基于目标检测的交通安全风险诊断装置的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种基于目标检测的交通安全风险诊断方法,如图1所示,包括:
步骤S1:基于预设的交通区域确定库,从预设的城市交通地图上确定易出现斗气车现象的交通区域;城市交通地图上标记有交通道路等;
步骤S2:持续获取交通区域内的区域图像;
步骤S3:基于预设的风险车辆目标检测库,尝试从区域图像上检测产生斗气车行为的风险车辆目标;
步骤S4:当检测到时,诊断出交通区域存在交通安全风险,并对风险车辆目标进行安全提醒。
上述技术方案的工作原理及有益效果为:
基于易出现斗气车现象的交通区域的区域图像,检测产生斗气车行为的风险车辆目标,当检测到时,对风险车辆目标进行安全提醒。无需对交通道路上斗气车现象进行人工监管,极大程度上降低了人力成本,更提升了交通道路上斗气车现象监管的全面性和效率。
在一个实施例中,基于预设的交通区域确定库,从预设的城市交通地图上确定易出现斗气车现象的交通区域,包括:
获取交通区域确定库中的交通区域确定经验的经验类型,经验类型包括:主动经验和被动经验;交通区域确定库中有大量的交通区域确定经验,交通区域确定经验为确定交通道路上易出现斗气车现象的交通区域的经验,经验类型分为主动经验和被动经验,主动经验为可以直接利用的经验,比如:会有车辆右拐汇入主路的道路区域(当车辆较多时,车辆右拐汇入主路,可能会别到主路上原先行驶的车辆,从而可能会产生斗气车现象),被动经验为需要进行处理后进行利用的经验,比如:历史上产生斗气车现象的交通道路监控视频(需要进行处理的是视频对应道路的什么原因导致斗气车现象产生,比如车道线为虚线导致车辆可以变道易有不打转向灯随意变道行为产生)等;
当交通区域确定经验的经验类型为主动经验时,基于预设的交通区域地图搜索规则生成模板,根据交通区域确定经验,生成第一交通区域地图搜索规则;第一交通区域地图搜索规则为应用交通区域确定经验时执行的规则,比如:交通区域确定经验为会有车辆右拐汇入主路的道路区域,则生成的第一交通区域地图搜索规则为搜索城市交通地图上有车辆右拐汇入主路的道路区域;
执行第一交通区域地图搜索规则,从城市交通地图上搜索出易出现斗气车现象的交通区域;
当交通区域确定经验的经验类型为被动经验时,基于预设的聚类特征提取模板,对交通区域确定经验进行聚类特征提取,获得聚类特征;聚类特征提取模板为对交通区域确定经验(比如:历史上产生斗气车现象的交通道路监控视频)中的道路特征(比如:交通标线、道路类型等)进行聚类提取的模板;获得的聚类特征为,比如:车道线为虚线;
基于交通区域地图搜索规则生成模板,根据聚类特征,生成第二交通区域地图搜索规则;同理,比如:聚类特征为车道线为虚线,则生成的第二交通区域地图搜索规则为搜索城市交通地图上车道线为虚线的道路区域;
执行第二交通区域地图搜索规则,从城市交通地图上搜索出易出现斗气车现象的交通区域。
上述技术方案的工作原理及有益效果为:
建立交通区域确定库时,需要收集大量的交通区域确定经验,可以与交通专家、交通管理部门等进行对接收集。在收集时,提供的交通区域确定经验可以为可直接应用的经验,也可以为需处理后进行应用的经验,本发明实施例根据交通区域确定经验的经验类型的主动和被动之分,分别进行交通区域地图搜索规则的制定,从城市交通地图上搜索出易出现斗气车现象的交通区域,提升了易出现斗气车现象的交通区域确定的全面性和精准性。
在一个实施例中,持续获取交通区域内的区域图像,包括:
通过监控范围包含交通区域的交通监控设施持续获取交通区域内的区域图像。交通监控设施可以为交通监控摄像头等。
在一个实施例中,基于预设的风险车辆目标检测库,尝试从区域图像上检测产生斗气车行为的风险车辆目标,包括:
从区域图像上提取出现车辆的车辆ID;车辆ID可以为车牌号等;
从预设的时间间隔库中确定车辆ID对应的时间间隔;时间间隔库中有不同车辆ID对应的时间间隔,具备车辆ID的出现车辆历史上产生斗气车行为的次数越多,越需频繁进行是否产生斗气车行为的检测,则时间间隔越短;当然,处于合理考虑设置,可在车辆过户后重新进行时间间隔赋予;
每隔时间间隔,执行如下操作:
从区域图像上确定出现车辆内的乘员图像、出现车辆与出现车辆周边预设的半径范围内其他出现车辆之间的第一位置关系、出现车辆与半径范围内的交通标线之间的第二位置关系;预设的半径范围为以出现车辆为圆心,半径长为一预设值(比如3.5米)的圆形范围;
基于预设的特征化模板,对乘员图像、第一位置关系和第二位置关系进行进行特征化处理,获得多个第一特征;第一特征包括:乘员动作、出现车辆与其他出现车辆之间的相对位置、出现车辆与其他出现车辆之间的直线距离、出现车辆与交通标线之间的相对位置等;
持续将第一特征与风险车辆目标检测库中的第二特征进行匹配;
获取最近预设的时间内第二特征与第一特征匹配符合的时间点、匹配符合的第二特征在风险车辆目标检测库中对应的表征行为和表征度;时间点、表征行为和表征度一一对应;风险车辆目标检测库中有大量组一一对应第二特征、表征行为和表征度,第二特征为反应车辆可能产生斗气车行为的特征,表征行为是第二特征表征的可能斗气车行为,表征度为第二特征表征的车辆产生斗气车行为的可能性程度大小,比如:第二特征为乘员动作为手伸出车窗并指向其他车辆、表征行为是滋事、表征度为3;
按照时间点,将对应表征行为和表征度设置于预设的时间轴线上的对应时间节点处;
尝试从时间轴线上筛选满足表征簇条件的表征簇;
当筛选到时,将对应出现车辆作为产生斗气车行为的风险车辆目标;
其中,表征簇条件包括:
表征簇由连续的多个表征行为和表征度形成;
表征簇中的表征行为形成的表征行为序列与预设的标准表征行为序列库的至少一个标准表征行为序列之间的匹配度大于等于预设的匹配度阈值和/或表征簇中的全部表征度的表征度和大于等于预设的表征度和阈值。标准表征行为序列为车辆若确实产生斗气车行为会产生的一系列乘员动作、出现车辆与其他出现车辆之间的相对位置、出现车辆与其他出现车辆之间的直线距离等,比如:乘员摇下车窗(准备向其他车辆乘员发出不文明言语)、出现车辆与其他出现车辆由一前一后到持续平行(准备超过其他出现车辆,并行发出不文明言语)、出现车辆与其他出现车辆之间的直线距离持续变小等;当表征行为序列与标准标准行为序列的匹配度大于等于预设的匹配度阈值(比如:75)和/或标准度和大于等于预设的表征度和阈值(比如:13),说明出现车辆产生斗气车行为。
上述技术方案的工作原理及有益效果为:
本发明实施例引入时间间隔库,确定出现车辆进行是否产生斗气车行为检测的时间间隔,合理分配检测车辆是否出现斗气车行为的检测资源,提升了检测效率。其次,引入第一特征、表征行为、表征度和表征簇条件,当识别到满足表征簇条件的表征簇时,确定出现车辆产生斗气车行为,提升了检测车辆是否出现斗气车行为的检测效率和检测精准性。
在一个实施例中,对风险车辆目标进行安全提醒,包括:
将风险车辆目标的车辆ID作为目标车辆ID;
从预设的车辆画像库中确定目标车辆ID对应的车辆画像;车辆画像包括:车辆品牌、车辆颜色、车辆目的地类型(比如:家)等;
基于预设的安全提醒信息生成模板,根据车辆画像,生成安全提醒信息;安全提醒信息生成模板为根据车辆画像针对性生成的安全提醒信息,比如:车辆画像为:车辆品牌为AQ、车辆颜色为黄色、车辆目的地类型为家,则生成安全提醒信息为“AQ牌黄色车辆,您的家人正在等您回家,请勿继续开斗气车哦,立即停止!”;
从预设的车机节点库中确定目标车辆ID对应的车机节点;车机节点为与风险车辆目标上的车机进行对接的网络节点;
将安全提醒信息推送至车机节点;推送至车机节点后,乘员可以在车内查看到;
分别获取风险车辆目标的第一位置以及与风险车辆目标共同产生斗气车现象的其他风险车辆目标的第二位置;其他风险车辆目标则为风险车辆目标的斗气对象车辆或互相进行斗气的车辆;
在预设的交通提醒设施分布图中以第一位置为圆心,预设的半径长度长为半径作1/2圆;由第一位置出发向第二位置的射线平分1/2圆;交通提醒设施分布图中有标记不同交通提醒设施的第三位置和提醒方向,交通提醒设施可以为交通信息展示大屏,提醒方向可以为大屏正对着的方向;
确定交通提醒设施分布图中落入1/2圆的交通提醒设施第三位置和提醒方向;落入1/2圆后,风险车辆目标的乘员看向其他风险车辆目标时,可以看到安全提醒信息;
基于第一位置和由第一位置向第二位置的直线方向,构建第一方向向量;
基于第三位置和提醒方向,构建第二方向向量;
计算第一方向向量与第二方向向量的向量夹角;向量夹角越大,风险车辆目标的乘员看向其他风险车辆目标时,看到安全提醒信息的角度越适宜(比如:该乘员完全正对着查看交通信息展示大屏时,向量夹角为180度);
将最大向量夹角对应交通提醒设施作为目标交通提醒设施;
控制目标交通提醒设施显示安全提醒信息。
上述技术方案的工作原理及有益效果为:
本发明实施例引入车辆画像和安全提醒信息生成模板,针对性生成安全提醒信息,当产生斗气车行为的风险车辆目标的乘员看到时,可以第一反应知道自己被检测到产生斗气车行为,尽快停止,极大程度上提升了提醒效率。一般的,产生斗气车行为的风险车辆目标的乘员在斗气时,查看最多的是斗气对象车辆或互相进行斗气的车辆(比如:看着斗气对象车辆在哪,准备进行别车等等),因此,若直接在道路前方的交通信息展示大屏上显示,产生斗气车行为的风险车辆目标的乘员不一定会查看到,本发明实施例选取位于产生斗气车行为的风险车辆目标的乘员查看斗气对象车辆或互相进行斗气的车辆的方向一侧(落入1/2圆)角度最适宜(向量夹角最大)的目标交通提醒设施显示安全提醒信息,特别符合应用实际,更加具有适用性。另外,乘员在开斗气车时,可能会不管不顾车机提示信息又或者一些车辆的车机网络信号不佳无法及时进行信息推送抵达,因此,本发明两种方式配合共同对产生斗气车行为车辆的乘员进行安全提醒,提示了提醒的全面性。
本发明实施例提供了一种基于目标检测的交通安全风险诊断装置,如图2所示,包括:
交通区域确定模块1,用于基于预设的交通区域确定库,从预设的城市交通地图上确定易出现斗气车现象的交通区域;
区域图像获取模块2,用于持续获取交通区域内的区域图像;
风险车辆目标检测模块3,用于基于预设的风险车辆目标检测库,尝试从区域图像上检测产生斗气车行为的风险车辆目标;
安全提醒模块4,用于当检测到时,诊断出交通区域存在交通安全风险,并对风险车辆目标进行安全提醒。
在一个实施例中,交通区域确定模块1基于预设的交通区域确定库,从预设的城市交通地图上确定易出现斗气车现象的交通区域,包括:
获取交通区域确定库中的交通区域确定经验的经验类型,经验类型包括:主动经验和被动经验;
当交通区域确定经验的经验类型为主动经验时,基于预设的交通区域地图搜索规则生成模板,根据交通区域确定经验,生成第一交通区域地图搜索规则;
执行第一交通区域地图搜索规则,从城市交通地图上搜索出易出现斗气车现象的交通区域;
当交通区域确定经验的经验类型为被动经验时,基于预设的聚类特征提取模板,对交通区域确定经验进行聚类特征提取,获得聚类特征;
基于交通区域地图搜索规则生成模板,根据聚类特征,生成第二交通区域地图搜索规则;
执行第二交通区域地图搜索规则,从城市交通地图上搜索出易出现斗气车现象的交通区域。
在一个实施例中,区域图像获取模块2持续获取交通区域内的区域图像,包括:
通过监控范围包含交通区域的交通监控设施持续获取交通区域内的区域图像。
在一个实施例中,风险车辆目标检测模块3基于预设的风险车辆目标检测库,尝试从区域图像上检测产生斗气车行为的风险车辆目标,包括:
从区域图像上提取出现车辆的车辆ID;
从预设的时间间隔库中确定车辆ID对应的时间间隔;
每隔时间间隔,执行如下操作:
从区域图像上确定出现车辆内的乘员图像、出现车辆与出现车辆周边预设的半径范围内其他出现车辆之间的第一位置关系、出现车辆与半径范围内的交通标线之间的第二位置关系;
基于预设的特征化模板,对乘员图像、第一位置关系和第二位置关系进行进行特征化处理,获得多个第一特征;
持续将第一特征与风险车辆目标检测库中的第二特征进行匹配;
获取最近预设的时间内第二特征与第一特征匹配符合的时间点、匹配符合的第二特征在风险车辆目标检测库中对应的表征行为和表征度;时间点、表征行为和表征度一一对应;
按照时间点,将对应表征行为和表征度设置于预设的时间轴线上的对应时间节点处;
尝试从时间轴线上筛选满足表征簇条件的表征簇;
当筛选到时,将对应出现车辆作为产生斗气车行为的风险车辆目标;
其中,表征簇条件包括:
表征簇由连续的多个表征行为和表征度形成;
表征簇中的表征行为形成的表征行为序列与预设的标准表征行为序列库的至少一个标准表征行为序列之间的匹配度大于等于预设的匹配度阈值和/或表征簇中的全部表征度的表征度和大于等于预设的表征度和阈值。
在一个实施例中,安全提醒模块4对风险车辆目标进行安全提醒,包括:
将风险车辆目标的车辆ID作为目标车辆ID;
从预设的车辆画像库中确定目标车辆ID对应的车辆画像;
基于预设的安全提醒信息生成模板,根据车辆画像,生成安全提醒信息;
从预设的车机节点库中确定目标车辆ID对应的车机节点;
将安全提醒信息推送至车机节点;
分别获取风险车辆目标的第一位置以及与风险车辆目标共同产生斗气车现象的其他风险车辆目标的第二位置;
在预设的交通提醒设施分布图中以第一位置为圆心,预设的半径长度长为半径作1/2圆;由第一位置出发向第二位置的射线平分1/2圆;
确定交通提醒设施分布图中落入1/2圆的交通提醒设施第三位置和提醒方向;
基于第一位置和由第一位置向第二位置的直线方向,构建第一方向向量;
基于第三位置和提醒方向,构建第二方向向量;
计算第一方向向量与第二方向向量的向量夹角;
将最大向量夹角对应交通提醒设施作为目标交通提醒设施;
控制目标交通提醒设施显示安全提醒信息。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于目标检测的交通安全风险诊断方法,其特征在于,包括:
基于预设的交通区域确定库,从预设的城市交通地图上确定易出现斗气车现象的交通区域;
持续获取所述交通区域内的区域图像;
基于预设的风险车辆目标检测库,尝试从所述区域图像上检测产生斗气车行为的风险车辆目标;
当检测到时,诊断出所述交通区域存在交通安全风险,并对所述风险车辆目标进行安全提醒。
2.如权利要求1所述的一种基于目标检测的交通安全风险诊断方法,其特征在于,所述基于预设的交通区域确定库,从预设的城市交通地图上确定易出现斗气车现象的交通区域,包括:
获取所述交通区域确定库中的交通区域确定经验的经验类型,所述经验类型包括:主动经验和被动经验;
当所述交通区域确定经验的经验类型为主动经验时,基于预设的交通区域地图搜索规则生成模板,根据所述交通区域确定经验,生成第一交通区域地图搜索规则;
执行所述第一交通区域地图搜索规则,从所述城市交通地图上搜索出易出现斗气车现象的交通区域;
当所述交通区域确定经验的经验类型为被动经验时,基于预设的聚类特征提取模板,对所述交通区域确定经验进行聚类特征提取,获得聚类特征;
基于所述交通区域地图搜索规则生成模板,根据所述聚类特征,生成第二交通区域地图搜索规则;
执行所述第二交通区域地图搜索规则,从所述城市交通地图上搜索出易出现斗气车现象的交通区域。
3.如权利要求1所述的一种基于目标检测的交通安全风险诊断方法,其特征在于,所述持续获取所述交通区域内的区域图像,包括:
通过监控范围包含所述交通区域的交通监控设施持续获取所述交通区域内的所述区域图像。
4.如权利要求1所述的一种基于目标检测的交通安全风险诊断方法,其特征在于,所述基于预设的风险车辆目标检测库,尝试从所述区域图像上检测产生斗气车行为的风险车辆目标,包括:
从所述区域图像上提取出现车辆的车辆ID;
从预设的时间间隔库中确定所述车辆ID对应的时间间隔;
每隔所述时间间隔,执行如下操作:
从所述区域图像上确定所述出现车辆内的乘员图像、所述出现车辆与所述出现车辆周边预设的半径范围内其他出现车辆之间的第一位置关系、所述出现车辆与所述半径范围内的交通标线之间的第二位置关系;
基于预设的特征化模板,对所述乘员图像、第一位置关系和所述第二位置关系进行进行特征化处理,获得多个第一特征;
持续将所述第一特征与所述风险车辆目标检测库中的第二特征进行匹配;
获取最近预设的时间内所述第二特征与所述第一特征匹配符合的时间点、匹配符合的所述第二特征在所述风险车辆目标检测库中对应的表征行为和表征度;所述时间点、表征行为和所述表征度一一对应;
按照所述时间点,将对应所述表征行为和所述表征度设置于预设的时间轴线上的对应时间节点处;
尝试从所述时间轴线上筛选满足表征簇条件的表征簇;
当筛选到时,将对应所述出现车辆作为产生斗气车行为的所述风险车辆目标;
其中,所述表征簇条件包括:
所述表征簇由连续的多个所述表征行为和所述表征度形成;
所述表征簇中的所述表征行为形成的表征行为序列与预设的标准表征行为序列库的至少一个标准表征行为序列之间的匹配度大于等于预设的匹配度阈值和/或所述表征簇中的全部所述表征度的表征度和大于等于预设的表征度和阈值。
5.如权利要求4所述的一种基于目标检测的交通安全风险诊断方法,其特征在于,所述对所述风险车辆目标进行安全提醒,包括:
将所述风险车辆目标的所述车辆ID作为目标车辆ID;
从预设的车辆画像库中确定所述目标车辆ID对应的车辆画像;
基于预设的安全提醒信息生成模板,根据所述车辆画像,生成安全提醒信息;
从预设的车机节点库中确定所述目标车辆ID对应的车机节点;
将所述安全提醒信息推送至所述车机节点;
分别获取所述风险车辆目标的第一位置以及与所述风险车辆目标共同产生斗气车现象的其他风险车辆目标的第二位置;
在预设的交通提醒设施分布图中以所述第一位置为圆心,预设的半径长度长为半径作1/2圆;由所述第一位置出发向所述第二位置的射线平分所述1/2圆;
确定所述交通提醒设施分布图中落入所述1/2圆的交通提醒设施第三位置和提醒方向;
基于所述第一位置和由所述第一位置向所述第二位置的直线方向,构建第一方向向量;
基于所述第三位置和所述提醒方向,构建第二方向向量;
计算所述第一方向向量与所述第二方向向量的向量夹角;
将最大所述向量夹角对应所述交通提醒设施作为目标交通提醒设施;
控制所述目标交通提醒设施显示所述安全提醒信息。
6.一种基于目标检测的交通安全风险诊断装置,其特征在于,包括:
交通区域确定模块,用于基于预设的交通区域确定库,从预设的城市交通地图上确定易出现斗气车现象的交通区域;
区域图像获取模块,用于持续获取所述交通区域内的区域图像;
风险车辆目标检测模块,用于基于预设的风险车辆目标检测库,尝试从所述区域图像上检测产生斗气车行为的风险车辆目标;
安全提醒模块,用于当检测到时,诊断出所述交通区域存在交通安全风险,并对所述风险车辆目标进行安全提醒。
7.如权利要求6所述的一种基于目标检测的交通安全风险诊断装置,其特征在于,所述交通区域确定模块基于预设的交通区域确定库,从预设的城市交通地图上确定易出现斗气车现象的交通区域,包括:
获取所述交通区域确定库中的交通区域确定经验的经验类型,所述经验类型包括:主动经验和被动经验;
当所述交通区域确定经验的经验类型为主动经验时,基于预设的交通区域地图搜索规则生成模板,根据所述交通区域确定经验,生成第一交通区域地图搜索规则;
执行所述第一交通区域地图搜索规则,从所述城市交通地图上搜索出易出现斗气车现象的交通区域;
当所述交通区域确定经验的经验类型为被动经验时,基于预设的聚类特征提取模板,对所述交通区域确定经验进行聚类特征提取,获得聚类特征;
基于所述交通区域地图搜索规则生成模板,根据所述聚类特征,生成第二交通区域地图搜索规则;
执行所述第二交通区域地图搜索规则,从所述城市交通地图上搜索出易出现斗气车现象的交通区域。
8.如权利要求6所述的一种基于目标检测的交通安全风险诊断装置,其特征在于,所述区域图像获取模块持续获取所述交通区域内的区域图像,包括:
通过监控范围包含所述交通区域的交通监控设施持续获取所述交通区域内的所述区域图像。
9.如权利要求6所述的一种基于目标检测的交通安全风险诊断装置,其特征在于,所述风险车辆目标检测模块基于预设的风险车辆目标检测库,尝试从所述区域图像上检测产生斗气车行为的风险车辆目标,包括:
从所述区域图像上提取出现车辆的车辆ID;
从预设的时间间隔库中确定所述车辆ID对应的时间间隔;
每隔所述时间间隔,执行如下操作:
从所述区域图像上确定所述出现车辆内的乘员图像、所述出现车辆与所述出现车辆周边预设的半径范围内其他出现车辆之间的第一位置关系、所述出现车辆与所述半径范围内的交通标线之间的第二位置关系;
基于预设的特征化模板,对所述乘员图像、第一位置关系和所述第二位置关系进行进行特征化处理,获得多个第一特征;
持续将所述第一特征与所述风险车辆目标检测库中的第二特征进行匹配;
获取最近预设的时间内所述第二特征与所述第一特征匹配符合的时间点、匹配符合的所述第二特征在所述风险车辆目标检测库中对应的表征行为和表征度;所述时间点、表征行为和所述表征度一一对应;
按照所述时间点,将对应所述表征行为和所述表征度设置于预设的时间轴线上的对应时间节点处;
尝试从所述时间轴线上筛选满足表征簇条件的表征簇;
当筛选到时,将对应所述出现车辆作为产生斗气车行为的所述风险车辆目标;
其中,所述表征簇条件包括:
所述表征簇由连续的多个所述表征行为和所述表征度形成;
所述表征簇中的所述表征行为形成的表征行为序列与预设的标准表征行为序列库的至少一个标准表征行为序列之间的匹配度大于等于预设的匹配度阈值和/或所述表征簇中的全部所述表征度的表征度和大于等于预设的表征度和阈值。
10.如权利要求9所述的一种基于目标检测的交通安全风险诊断装置,其特征在于,所述安全提醒模块对所述风险车辆目标进行安全提醒,包括:
将所述风险车辆目标的所述车辆ID作为目标车辆ID;
从预设的车辆画像库中确定所述目标车辆ID对应的车辆画像;
基于预设的安全提醒信息生成模板,根据所述车辆画像,生成安全提醒信息;
从预设的车机节点库中确定所述目标车辆ID对应的车机节点;
将所述安全提醒信息推送至所述车机节点;
分别获取所述风险车辆目标的第一位置以及与所述风险车辆目标共同产生斗气车现象的其他风险车辆目标的第二位置;
在预设的交通提醒设施分布图中以所述第一位置为圆心,预设的半径长度长为半径作1/2圆;由所述第一位置出发向所述第二位置的射线平分所述1/2圆;
确定所述交通提醒设施分布图中落入所述1/2圆的交通提醒设施第三位置和提醒方向;
基于所述第一位置和由所述第一位置向所述第二位置的直线方向,构建第一方向向量;
基于所述第三位置和所述提醒方向,构建第二方向向量;
计算所述第一方向向量与所述第二方向向量的向量夹角;
将最大所述向量夹角对应所述交通提醒设施作为目标交通提醒设施;
控制所述目标交通提醒设施显示所述安全提醒信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310371262.8A CN116524444B (zh) | 2023-04-10 | 2023-04-10 | 一种基于目标检测的交通安全风险诊断方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310371262.8A CN116524444B (zh) | 2023-04-10 | 2023-04-10 | 一种基于目标检测的交通安全风险诊断方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116524444A true CN116524444A (zh) | 2023-08-01 |
CN116524444B CN116524444B (zh) | 2023-12-15 |
Family
ID=87402139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310371262.8A Active CN116524444B (zh) | 2023-04-10 | 2023-04-10 | 一种基于目标检测的交通安全风险诊断方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116524444B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116894613A (zh) * | 2023-09-11 | 2023-10-17 | 中国民航科学技术研究院 | 一种应用于机场的可视化管理系统及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170039847A1 (en) * | 2015-08-05 | 2017-02-09 | Siemens Aktiengesellschaft | Method for geographic region detection of traffic infrastructure |
CN109087506A (zh) * | 2018-07-26 | 2018-12-25 | 东软集团股份有限公司 | 一种车辆监控方法及装置 |
CN109377694A (zh) * | 2018-10-10 | 2019-02-22 | 北京奇虎科技有限公司 | 社区车辆的监控方法及系统 |
CN109448384A (zh) * | 2018-12-27 | 2019-03-08 | 中交第公路勘察设计研究院有限公司 | 一种高速公路危险交通行为识别方法 |
CN112488375A (zh) * | 2020-11-25 | 2021-03-12 | 东南大学 | 一种交通运行风险预测方法及系统 |
CN113870551A (zh) * | 2021-08-16 | 2021-12-31 | 清华大学 | 一种能够鉴别危险和非危险驾驶行为的路侧监控系统 |
CN114078319A (zh) * | 2020-08-11 | 2022-02-22 | 华为技术有限公司 | 一种检测交通事故隐患地点的方法及装置 |
CN115937812A (zh) * | 2023-01-06 | 2023-04-07 | 河北博士林科技开发有限公司 | 一种交通路口虚拟车道线的生成方法及系统 |
-
2023
- 2023-04-10 CN CN202310371262.8A patent/CN116524444B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170039847A1 (en) * | 2015-08-05 | 2017-02-09 | Siemens Aktiengesellschaft | Method for geographic region detection of traffic infrastructure |
CN109087506A (zh) * | 2018-07-26 | 2018-12-25 | 东软集团股份有限公司 | 一种车辆监控方法及装置 |
CN109377694A (zh) * | 2018-10-10 | 2019-02-22 | 北京奇虎科技有限公司 | 社区车辆的监控方法及系统 |
CN109448384A (zh) * | 2018-12-27 | 2019-03-08 | 中交第公路勘察设计研究院有限公司 | 一种高速公路危险交通行为识别方法 |
CN114078319A (zh) * | 2020-08-11 | 2022-02-22 | 华为技术有限公司 | 一种检测交通事故隐患地点的方法及装置 |
CN112488375A (zh) * | 2020-11-25 | 2021-03-12 | 东南大学 | 一种交通运行风险预测方法及系统 |
CN113870551A (zh) * | 2021-08-16 | 2021-12-31 | 清华大学 | 一种能够鉴别危险和非危险驾驶行为的路侧监控系统 |
CN115937812A (zh) * | 2023-01-06 | 2023-04-07 | 河北博士林科技开发有限公司 | 一种交通路口虚拟车道线的生成方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116894613A (zh) * | 2023-09-11 | 2023-10-17 | 中国民航科学技术研究院 | 一种应用于机场的可视化管理系统及方法 |
CN116894613B (zh) * | 2023-09-11 | 2023-11-28 | 中国民航科学技术研究院 | 一种应用于机场的可视化管理系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116524444B (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11836985B2 (en) | Identifying suspicious entities using autonomous vehicles | |
CN116524444B (zh) | 一种基于目标检测的交通安全风险诊断方法和装置 | |
US20020167588A1 (en) | Mobile unit identification apparatus and method and apparatus for automatically warning to mobile unit | |
JP2016095831A (ja) | 運転支援システム及びセンタ | |
CN109120890A (zh) | 一种车辆监控和预警系统 | |
CN111785019A (zh) | 一种基于v2x的车辆交通数据生成方法、系统及存储介质 | |
CN111243272A (zh) | 一种非机动车辆交通行为监控方法及违行为检测系统 | |
CN105100218B (zh) | 基于行车记录仪的车辆评价方法、装置及系统 | |
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 | |
CN106529401A (zh) | 一种车辆反跟踪方法、装置及系统 | |
CN109900494B (zh) | 一种测试用例的生成方法 | |
JP2019046319A (ja) | 衝突防止装置、衝突防止方法、衝突防止プログラム、記録媒体 | |
KR20100083024A (ko) | 차량 모니터링 서버, 장치 및 그 시스템 | |
KR102111363B1 (ko) | IoT기반의 카메라 그룹핑을 이용한 터널 내 유고 감시 시스템 | |
CN115019514B (zh) | 一种基于车联网的公路巡查系统 | |
CN111477011A (zh) | 一种用于道路路口预警的检测装置及检测方法 | |
CN115965655A (zh) | 一种基于雷视一体的交通目标跟踪方法 | |
CN113870551B (zh) | 一种能够鉴别危险和非危险驾驶行为的路侧监控系统 | |
CN112560546A (zh) | 抛洒行为检测方法、装置及存储介质 | |
CN112258838B (zh) | 驾驶风险提示方法、装置、存储介质和设备 | |
CN114512002A (zh) | 一种道路路面异常检测方法及装置 | |
CN112907979A (zh) | 一种基于多摄像头的机动车违法行驶轨迹跟踪系统及方法 | |
CN109300313B (zh) | 违法行为的检测方法、相机及服务器 | |
CN112906428B (zh) | 影像侦测区域取得方法及空间使用情况的判定方法 | |
CN112447042B (zh) | 交通事件侦测系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |