CN116778371A - 异常事件检测方法、装置、设备、车辆及存储介质 - Google Patents
异常事件检测方法、装置、设备、车辆及存储介质 Download PDFInfo
- Publication number
- CN116778371A CN116778371A CN202310240303.XA CN202310240303A CN116778371A CN 116778371 A CN116778371 A CN 116778371A CN 202310240303 A CN202310240303 A CN 202310240303A CN 116778371 A CN116778371 A CN 116778371A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target object
- camera
- video frame
- acquired
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 84
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 47
- 230000033001 locomotion Effects 0.000 claims description 13
- 230000003993 interaction Effects 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000005856 abnormality Effects 0.000 abstract 3
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000011835 investigation Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002390 adhesive tape Substances 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 239000005357 flat glass Substances 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect 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
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本公开实施例提供一种异常检测方法、装置、检测设备、车辆及存储介质。针对设置在车辆外部的各摄像头,可以预先在该摄像头采集的视频帧中标定警戒线,然后从摄像头采集的视频帧中识别目标对象,确定目标对象在视频帧中对应的目标点,并根据视频帧中目标对象的目标点与该警戒线的相对位置关系,判定目标对象是否进入车辆与警戒线之间的区域,进而判定是否出现可能侵害车辆的异常事件。通过这种方式,可以更加精准地检测出一些可能对车辆造成侵害的事件,避免过多的录制大量不必要的视频,以及向用户发送多余的提示信息。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及一种异常事件检测方法、装置、设备、车辆及存储介质。
背景技术
车辆停放在停车区域时,容易受到来自外界的各种侵害,尤其是停放在没有摄像头监管的区域。比如,有些人员可能想拿走车内的贵重物品、或者车辆被其他车辆刮碰、或者被外来物品撞击损毁等,这些事件往往会给车主造成巨大的损失。随着智能车辆的普及,越来越多的车辆外部设置有一个或者多个用于辅助驾驶的摄像头。因此,在停车场景,可以合理地利用这些设置在车辆外部的摄像头对车辆周边环境进行监控,以及时检测停车场景中的异常事件,并进行相应的处理。
发明内容
本公开提供一种异常事件检测方法、装置、设备、车辆及存储介质。
根据本公开实施例的第一方面,提供一种异常事件检测方法,所述方法包括:
在车辆处于停车状态的情况下,获取设置于所述车辆外部的摄像头采集的视频;
针对所述视频中的任一当前视频帧,从所述当前视频帧中确定目标对象对应的目标点,其中,所述目标点为所述目标对象与所述停车地面的接触点中距离所述车辆最近的点,或所述目标点为所述目标对象在所述停车地面的投影点中与所述车辆距离最近的点;
基于所述目标点与预先在所述摄像头采集的视频帧中标定的警戒线的相对位置关系,确定是否出现异常事件。
在一些实施例中,其中,所述警戒线通过以下方式标定得到:
响应于用户的开启警戒线标定模式的指令,获取所述摄像头采集的图像,从所述图像中识别地面上的标志线,将所述标志线在所图像中的位置作为所述警戒线在所述摄像头采集的视频帧中的位置;或
响应于用户的开启警戒线标定模式的指令,在用户交互界面上显示所述摄像头采集的图像,基于用户在所述图像上的标记操作确定所述警戒线在所述摄像头采集的视频帧中的位置;或
响应于用户的开启警戒线标定模式的指令,通过所述摄像头采集用户的多帧图像,从所述多帧图像中的每帧图像中识别用户的脚部与地面的接触点,基于所述接触点拟合得到连接线,并将所述连接线在所述多帧图像中任一帧图像的位置,作为所述警戒线在所述摄像头采集的视频帧中的位置。
在一些实施例中,其中,所述基于所述目标点与预先在所述摄像头采集的视频帧中标定的警戒线的相对位置关系,确定是否出现异常事件,包括:
在确定所述目标点位于所述警戒线靠近车辆的一侧的情况下,确定出现异常事件,并保存所述摄像头在采集所述当前视频帧之前采集的多个视频帧,以及保存所述摄像头在采集所述当前视频帧之后采集的多个视频帧,作为所述异常事件的取证视频。
在一些实施例中,其中,所述方法还包括:
为所述取证视频添加分类标签,并按照所述分类标签将所述取证视频分类存储,其中,所述分类标签用于指示以下一种或多种信息:所述异常事件的危险等级、所述异常事件中的所述目标对象的类型。
在一些实施例中,其中,在确定出现异常事件后,所述方法还包括:
确定所述异常事件的危险等级,其中,所述危险等级基于以下一种或多种信息确定:所述目标点与所述警戒线的距离、所述目标对象在所述警戒线靠近车辆的一侧的停留时长、所述目标对象的类型、所述目标对象的运动状态;
在所述危险等级高于预设等级的情况下,控制所述车辆发出警报,和/或向车主发送提示信息;
在一些实施例中,其中,在确定出现异常事件之后,所述方法还包括:
在所述当前视频帧中不包括关键标识信息的情况下,获取所述摄像头在采集所述当前视频帧之前采集的多个视频帧;
对所述目标对象进行跟踪,确定所述目标对象在所述多个视频帧中的位置,以从所述多个视频帧确定包括所述关键标识信息的视频帧并存储,其中,所述关键标识信息可用于确定所述目标对象的身份,或所述关键标识信息可用于确定操控所述目标对象的操控者的身份。
在一些实施例中,其中,所述目标对象为除所述车辆以外的其他车辆,在确定出现异常事件的情况下,所述方法还包括:
在所述当前视频帧之后采集的任一视频帧中检测到所述其他车辆的目标点与所述警戒线的距离不小于目标距离的情况下,确定所述其他车辆与所述车辆发生刮碰,其中,所述目标距离为所述警戒线与所述车辆的距离;
从所述摄像头采集的视频帧中识别所述其他车辆的车牌信息,并基于所述车牌信息查询到所述其他车辆的车主的联系方式,将所述联系方式发送给所述车辆的车主。
在一些实施例中,其中,所述目标对象为人物,所述摄像头包括设置在所述车辆前后左右四个方向上的多个摄像头,在确定出现异常事件之后,所述方法还包括:
基于所述多个摄像头采集的视频帧对所述目标对象进行跟踪,在根据跟踪结果判定所述目标对象的运动轨迹为围绕所述车辆来回走动的情况下,控制所述车辆发出警报,和/或向车主发送提示信息。
在一些实施例中,其中,所述确定所述车辆处于停车状态包括:
在检测到所述车辆处于上锁状态的情况下,则确定所述车辆处于停车状态;或
在检测到所述车辆处于未上锁状态,且通过所述车辆内部的摄像头采集的车内图像确定车辆内部无人的情况下,确定所述车辆处于停车状态。
根据本公开实施例的第二方面,提供一种事件检测装置,所述装置包括:
获取模块,用于在车辆处于停车状态的情况下,获取设置于所述车辆外部的摄像头采集的视频;
检测模块,用于针对所述视频中的任一当前视频帧,从所述当前视频帧中确定目标对象对应的目标点,其中,所述目标点为所述目标对象与所述停车地面的接触点中距离所述车辆最近的点,或所述目标点为所述目标对象在所述停车地面的投影点中与所述车辆距离最近的点;
判定模块,用于基于所述目标点与预先在所述摄像头采集的视频帧中标定的警戒线的相对位置关系,确定是否出现异常事件。
根据本公开实施例的第三方面,提供一种检测设备,所述检测设备包括处理器、存储器、存储在所述存储器可供所述处理器执行的计算机指令,所述处理器执行所述计算机指令时,可实现上述第一方面提及的方法。
根据本公开实施例的第四方面,提供一种车辆,所述车辆外部设置有一个或多个摄像头,所述车辆还设置有上述第三方面提及的检测设备,所述检测设备与所述摄像头通信连接。
根据本公开实施例的第五方面,提供一种计算机可读存储介质,所述存储介质上存储有计算机指令,所述计算机指令被执行时实现上述第一方面提及的方法。
本公开实施例中,针对设置在车辆外部的各摄像头,可以预先在该摄像头采集的视频帧中标定警戒线,然后从摄像头采集的视频帧中识别目标对象,确定目标对象在视频帧中的目标点,并可以根据视频帧中目标对象的目标点与该警戒线的相对位置关系,判定目标对象是否进入车辆与警戒线之间的区域,进而判定是否出现可能侵害车辆的异常事件。通过这种方式,可以更加精准地检测出一些可能对车辆造成侵害的事件,避免过多的录制大量不必要的视频,以及向用户发送多余的提示信息。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1是本公开实施例的一种车辆外部设置多个摄像头的示意图。
图2是本公开实施例的一种异常事件检测方法的流程图。
图3(a)是本公开实施例的一种虚拟警戒线的示意图。
图3(b)是本公开实施例的一种虚拟警戒线的示意图。
图4(a)是本公开实施例的一种与地面接触的目标对象的目标点的示意图。
图4(b)是本公开实施例的一种与地面不接触的目标对象的目标点的示意图。
图5(a)是本公开实施例的一种用户通过交互界面标定警戒线的示意图。
图5(b)是本公开实施例的一种用户通过肢体动作标定警戒线的示意图。
图6是本公开实施例的一种异常事件检测装置的逻辑结构示意图。
图7是本公开实施例的一种检测设备的逻辑结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
为了使本技术领域的人员更好的理解本公开实施例中的技术方案,并使本公开实施例的上述目的、特征和优点能够更加明显易懂,下面结合附图对本公开实施例中的技术方案作进一步详细的说明。
车辆停放在停车区域时,容易受到来自外界的各种侵害,尤其是停放在没有摄像头监管的区域。比如,有些人员可能想拿走车内的贵重物品、或者车辆可能被其他车辆刮碰、或者车辆被外来物品撞击,导致车辆损毁等,上述事件通常会给车主带来巨大的损失。
随着智能汽车的普及,如图1所示,目前很多车辆的外部也会设置一个或多个摄像头,用于辅助驾驶。因此,在停车场景中,可以借助车辆外部设置的这些摄像头来监测车辆周围的情况,如果发现异常事件,可以及时提示车主,并且录制相关的视频便于后续的调查取证和追责。
相关技术中,在停车场景利用车辆外部的摄像头对车辆周边情况进行监控时,通常是基于摄像头采集的视频画面的变化情况来进行告警和录像。比如,当摄像头前后采集的两帧视频帧的画面内容差异较大,说明此时可能有人或物接近车辆,因而摄像头会将这一段时间的采集的视频保存,并且会向用户发送告警信息。目前的检测方式,无法区分正常的场景、以及可能对车辆存在威胁的场景,导致用户会收到大量多余的告警信息,并且也会录制大量不必要的视频,造成存储资源的浪费。
基于此,本申请实施例提供了一种停车场景下的异常事件检测方法,针对设置在车辆外部的各摄像头,可以预先在该摄像头采集的视频帧中标定警戒线,其中,视频帧中的警戒线为该摄像头采集的视频帧中位于固定像素位置的一组像素点构成的线,这条警戒线可以对应于真实三维场景中位于停车地面上且与车辆的距离为预设距离的虚拟警戒线,然后可以根据摄像头采集的视频帧中目标对象与该警戒线的相对位置关系,判定目标对象是否进入车辆与警戒线之间的区域,进而判定是否出现可能侵害车辆的异常事件。通过这种方式,可以更加精准地检测出一些可能对车辆造成侵害的事件,避免过多的录制大量不必要的视频,以及向用户发送多余的提示信息。
本申请实施例提供的异常事件检测方法可以由设置了该异常事件检测功能的各种设备执行,该设备与车辆外部设置的摄像头通信连接。在一些场景,该设备可以是安装在车辆上的车载设备,该车载设备可以与车辆外部设置的摄像头有线或无线连接,并获取摄像头采集的车辆周边场景的视频,然后进行异常事件的检测。在一些场景,该设备也可以是云端服务器,车辆外部设置的摄像头采集到车辆周边场景的视频,可以发送给云端服务器,由云端服务器执行该异常检测的方法。
如图2所示,该异常事件检测方法具体可以包括以下步骤:
S202、在车辆处于停车状态的情况下,获取设置于所述车辆外部的摄像头采集的视频;
如图1所示,在车辆外部可以设置一个或多个摄像头,比如,针对车辆外部的前侧、后侧、左侧、右侧中的任意一侧或多侧,可以各设置一个或多个摄像头,当车辆处于停车状态时,可以通过这些摄像头采集车辆周边场景的视频,对周边场景进行实时监控。由于车辆外部设置的摄像头的拍摄视角大多是固定的,因此,如图3(a)所示,可以预先在该摄像头采集的视频帧中标定一条警戒线,其中,视频帧中的警戒线可以对应于三维场景中停车地面上的一条虚拟的警戒线,该虚拟警戒线与车辆的距离可以是预先设置的一个安全距离,当其他人或物与车辆距离大于该安全距离,则认为不会对车辆造成侵害。安全距离具体可以是基于实际停车场景设置,比如,可以设置成10cm、30cm等。由于摄像头的视场角固定,因而,虚拟警戒线在视频帧中的位置(即视频帧中的警戒线)是固定不变的。其中,该虚拟警戒线可以是直线、曲线、也可以是一条封闭的线,比如,可以是围绕车辆一周的一条封闭曲。如图3(b)所示。
在步骤S202中,在检测到车辆处于停车状态的情况下,可以利用车辆外部的摄像头实时对车辆周边的场景进行监控。针对车辆外部设置的各摄像头,可以获取该摄像头采集的视频。
S204、针对所述视频中的任一当前视频帧,从所述当前视频帧中确定目标对象对应的目标点,其中,所述目标点为所述目标对象与所述停车地面的接触点中距离所述车辆最近的点,或所述目标点为所述目标对象在所述停车地面的投影点中与所述车辆距离最近的点;
在步骤S204中,针对摄像头采集的视频中的任一当前视频帧,可以从该当前视频帧中识别出目标对象,其中,目标对象可以是可能会对车辆造成侵害的各种对象,由于静止的对象通常不会对车辆造成侵害,所以目标对象一般是运动的对象,比如,目标对象可以是人、其他类型的车辆、或者是一些运动的物体,比如,推车、运动的篮球、投掷物等。
在当前视频帧中确定目标对象时,可以是直接利用目标检测算法在当前视频帧中进行目标检测,确定目标对象在当前视频帧中的位置。当然,也可以是在某个目标对象首次在该摄像头的视野范围内出现后,即对该目标对象进行跟踪,然后可以基于上一帧中确定的该目标对象的位置,确定目标对象在当前视频帧中的位置。
在当前视频帧中识别出目标对象后,可以确定目标对象是否跨过视频帧中预先设置的警戒线,如果目标对象跨过警戒线,说明目标对象可能会对车辆造成侵害。为了更加准确的判定目标对象是否跨过警戒线,可以在当前视频帧中确定目标对象对应的目标点,通过目标点与警戒线的相对位置关系,判定目标对象是否跨过警戒线。
由于目标对象运动方式存在两种情况,一种情况是目标对象是在停车地面上运动的,即目标对象与停车地面接触,比如,停车地面上运动的人或车,这种情况下,目标点可以是目标对象与停车地面的接触点中距离车辆最近的点,如图4(a)中靠近车辆的人脚与地面的接触点。另一种情况是目标对象是在空中运动的,与停车地面没有接触,比如,在空中抛掷的篮球,或者一些其他的投掷物,这种情况下,目标点可以是目标对象在停车地面的投影点中与车辆距离最近的点,比如,如图4(b)所示,在空中运动的篮球,可以先确定篮球在停车地面的投影区域,然后确定投影区域中与车辆距离最近的投影点作为目标点。
S206、基于所述目标点与预先在所述摄像头采集的视频帧中标定的警戒线的相对位置关系,确定是否出现异常事件。
在步骤S206中,在确定目标对象对应的目标点后,可以根据目标点与预先在摄像头采集的视频帧中标定的警戒线的相对位置关系,确定是否出现异常事件。当确定目标点后,可以判定目标点是否跨过了该警戒线,即目标点位于该警戒线靠近车辆的一侧,如果是,表明目标对象跨过了警戒线,如图4(a)和4(b)所示,即目标对象非常接近车辆,这种情况下,目标对象对车辆造成侵害的可能性较大,因此,可以认为出现了异常事件。否则,说明目标对象距离车辆较远,对车辆造成侵害的可能性较小,因而,可以认为未出现异常事件。
当然,实际在判定是否出现异常事件时,除了根据目标点与警戒线的相对位置关系,还可以结合其他的因素,比如,目标对象在车辆附近的停留时长、目标对象的动作、目标对象的运动状态等等,以便可以更精准的区分出可能对车辆造成侵害的异常事件。
通过本申请实施例提供的方法,可以更加精准地将一些可能对车辆造成侵害的异常事件检测出来,并做相应的处理,从而可以减少误报的情况发生。
在一些实施例中,警戒线可以由用户在停车地面上标识的标志线拟合得到。比如,可以是在车辆出厂之前,预先标定该警戒线,也可以是在车辆出厂后,由用户自行标定。比如,可以为执行该方法的设备设置警戒线标定模式,用户想要标定警戒线时,可以开启该模式。举个例子,如果是在车辆出厂前标定警戒线,可以将车辆开到预先设置的带有标志线的标记区域,比如,一个标记了矩形框的地面上。如果是出厂后用户自行标定,则用户可以在停车后,在停车地面上标识标志线,比如,该标志线可以是用户在车辆一侧的地面上画的一条线,或者是用户围着车辆一周画的一条封闭的线,或者也可以用户贴的一圈胶带。在接收到用户开启警戒线标定模式的指令后,可以获取摄像头采集的图像,然后可以从图像中识别地面上标识的标志线,并确定这个标志线在图像中对应的像素点,将该标志线对应的像素点的像素位置作为警戒线在该摄像头采集的视频帧中的位置。由于摄像头的位置固定,视野范围固定,因而,一次标定后,后续采集的视频或图像都可以利用该标定的警戒线判定目标对象是否跨过警戒线。
在一些实施例中,为了方便用户可以更加便捷的标定警戒线,也可以给用户提供一个用于标记警戒线的用户交互界面,用户在停车后,可以利用该交互界面标定警戒线。比如,如图5(a)所示,用户可以在手机上安装具有该功能的APP,然后通过手机向用户展示用于标定警戒线的用户交互界面。在接收到用户的开启警戒线标定模式的指令后,可以在用户交互界面上显示当前摄像头采集的图像,用户即可以在图像上进行标记操作,然后可以根据用户在图像上的标记操作确定警戒线在摄像头采集的视频帧中的位置。比如,用户可以在图像上画一条线,作为警戒线,为了方便用户在图像中标记警戒线,还可以在交互界面中显示用户在图像中画的警戒线在三维空间中对应的虚拟警戒线与车辆的距离,从而方便用户基于该距离去调整所画的警戒线的位置。通过这种方式,用户每次停车后,即可以根据当前的停车环境去设置合适的警戒线,调整警戒线与车辆的距离,比如,当停车场地中车辆周围的空余空间很小,即可以让警戒线与车辆距离小一些,否则可以大一些。通过基于停车场地的周边环境动态的设置警戒线,从而基于警戒线确定的异常事件也会更加精准。
在一些实施例中,在标定警戒线时,为了方便用户操作。用户在停车后,也可以直接在车辆周围,采用脚点地的方式,在车辆周围划一条警戒线。比如,如图5(b)所示,用户可以开启警戒线标定模式,然后直接用脚在地面上打点或者划线。执行该方法的设备在接收到用户开启警戒线标定模式的指令后,可以通过该摄像头连续采集用户的多帧图像,然后从这多帧图像中的每帧图像中识别用户的脚部与地面的接触点,并对这多帧图像中用户脚部与地面的接触点进行拟合,得到一条连接线,然后将拟合得到的连接线作为警戒线,将连接线在图像中的位置作为警戒线在该摄像头采集的视频帧中的位置。通过利用用户的肢体动作直接标定警戒线,既方便用户基于实际的停车环境设置合适的警戒线,便于把握警戒线与车辆的距离,同时也方便用户操作,使得警戒线的标定更加快捷。
在一些实施例中,在基于目标点与预先设置的警戒线的相对位置关系,确定是否出现异常事件时,可以是在确定目标点位于警戒线靠近车辆的一侧的情况下,确定出现异常事件。即当目标点出现在警戒线靠近车辆的一侧,则认为目标对象跨过了警戒线,此时,则认为目标对象可能会对车辆造成侵害,因而确定出现异常事件。其中,在一些场景,在确定目标点是否位于警戒线靠近车辆一侧时,可以在当前视频帧中确定靠近车辆一侧的图像边缘,然后计算警戒线和图像边缘的距离L0,以及目标点与图像边缘的距离L1,如果L1<L0,则认为目标点位于警戒线靠近车辆的一侧。当然,以上只是示例性的方法,还可以通过其他的方式确定。
在一些实施例中,由于当目标对象跨过警戒线后,其与车辆的距离非常近,导致车辆外部设置的摄像头可能无法拍摄到完整的目标对象,只拍摄到目标对象的一部分。举个例子,当检测到有人跨过警戒线后,此时可能只能拍摄到人的下半身,无法拍摄到人脸。为了方便后续车主对异常事件进行调查取证,在确定出现异常事件后,可以保存摄像头在采集当前视频帧之前采集的多个视频帧,以及保存摄像头在采集当前视频帧之后采集的多个视频帧,作为该异常事件的取证视频。比如,当在当前视频帧中检测到有人跨过警戒线,即可以将采集当前视频帧之前1min中摄像头采集的视频,以及采集当前视频帧之后3min中摄像头采集的视频保存下来,由于前后4min中的视频基本可以记录目标对象接近车辆的整个过程,同时可以拍摄到完整的目标对象,因而,这一段视频可以方便车主事后调查取证。通过这种方式,既可以避免保存大量不必要的视频,又可以保证针对异常事件,有完整的视频用于后续调查取证。当然,保存视频的具体时长可以基于实际场景灵活设置,并不局限于以上实施例。
在一些实施例中,在确定出现异常事件后,还可以进一步确定异常事件的危险等级。比如,可以结合目标点与警戒线的距离、目标对象在警戒线靠近车辆的一侧的停留时长、目标对象的类型、目标对象的运动状态等信息综合判定该异常事件的危险等级。比如,当目标点跨入了警戒线后,目标点与警戒线距离越远,说明目标对象越接近车辆,这种情况,目标对象对车辆造成侵害的可能性越大,即危险等级越高。目标对象在警戒线靠近车辆的一侧的停留时长越长,比如,人物在车辆附近停留时间越长,说明其有不轨意图的可能性越大,因而危险等级越高。如果目标对象是一些体积较大、破坏性较强的物体,当其靠近车辆时,对车俩造成侵害的可能性也越大,比如,如果一个篮球飞速的砸向车辆,其对车辆造成的损害势必较大,因而危险等级较高,如果一个乒乓球或者一个塑料袋飞向车辆,其对车辆造成的损害必然较小,因而危险等级较低。此外,也可以结合目标对象的运动状态来判定目标对象是否会对车辆造成侵害,比如,快速朝车辆行驶过来的其他车辆,可能会对车辆造成较严重的撞击,因而,其危险等级较大。再比如,如果目标对象是人,如果检测到目标对象绕着车辆来回走动,其很可能是在观察车内是否有贵重物品,其有不轨意图的可能性较大,因而,其危险等级也更高。
在确定异常事件的危险等级后,可以基于危险等级确定是否告警。比如,如果危险等级高于预设等级,说明此时发生的事件对车辆造成较大的侵害的可能性较高,因而,可以执行控制车辆发出警报、向车主发送提示信息中的一种或多种操作。比如,当发现有人跨过警戒线,并在警戒线内停留较长时间,说明这个人可能存在不轨意图,则可以通过车辆的中控屏发出屏闪、或者打开车辆双闪、或者控制车辆喇叭发出警报,从而可以吓跑坏人。当然,也可以向车主发送提示信息,以便车主回来时可以调取录制的取证视频,确认是否存在车内物品丢失或者车辆损坏。
在一些实施例中,在保存取证视频时,为了方便车主后续查询视频,可以为取证视频添加分类标签,然后可以按照分类标签将取证视频分类存储。其中,可以根据取证视频中的异常事件的危险等级对取证视频进行分类,比如,可以按照危险等级高、中、低对取证视频分类,方便用户查找视频。当然,也可以根据异常事件中目标对象的类型对取证视频分类。比如,目标对象是人的分为一类,目标对象是车辆的分为一类,以便后续用户可以基于目标对象的类型查找视频。
在一些场景,如果目标对象对车辆造成伤害,车主需要回放取证视频,从视频中找到一些可以确认目标对象的身份,或者可以确认控制目标对象的操控者的身份的视频帧,便于后续追责举证。比如,如果发现车内物品被拿走,则需要通过取证视频找到可以清晰的看清拿走该车内物品的人员人脸的视频帧,如果发现车辆被碰撞或刮蹭,则需要找到可以识别碰撞或刮蹭该车辆的车辆车牌号的视频帧,如果发现车窗玻璃被投掷物损坏,则需要找到投掷该投掷物的人员的人脸的视频帧。为了方便车主后续追责,可以预先从摄像头采集的视频中将一些包括目标对象的关键标识信息的视频帧筛选出来并保存。
所以,在一些实施例中,在确定出现异常事件之后,还可以进一步识别当前视频帧中是否包括目标对象的关键标识信息,如果不包括,则可以获取摄像头在采集当前视频帧之前采集的多个视频帧,然后对该目标对象进行跟踪,确定目标对象在之前采集的多个视频帧中的位置,并判定之前采集的视频帧中是否包括目标对象的标识信息,以从多个视频帧中确定包括该关键标识信息的关键视频帧并存储。其中,该关键标识信息可以是用于确定目标对象的身份的各类信息,比如,目标对象是人,则该关键标识信息可以是人脸,目标对象是车辆,则该关键标识信息可以是车牌号。当然,该关键标识信息也可以是可以用于确定操控该目标对象的操控者的身份的信息。比如,该目标对象可能是某个人推着的购物车,购物车刮碰到了车辆,因而,通过对该购物车进行跟踪,找到可以识别到推该购物车的人员的人脸的视频帧,作为关键视频帧保存。或者该目标对象可能某个人投掷的篮球,因而,可以对该篮球进行跟踪,找到可以识别投掷该篮球的人员的人脸的视频帧,作为关键视频帧保存。通过从视频中筛选出包括关键标识信息的关键视频帧并存储,可以方便车主后续追责。
在一些场景,如果车辆被其他车辆刮碰,通常需要找到其他车辆的车主进行索赔。因而,可以基于摄像头采集的视频自动判定其他车辆是否与该车辆发生刮碰,如果发生了刮碰,则可以自动确定其他车辆的车牌信息,并基于大数据确定该车牌信息对应的车主的联系方式,发送给该车辆的车主。
所以,在一些实施例中,如果该目标对象是除了该车辆以外的其他车辆,在确定出现异常事件后,可以继续对当前视频帧之后采集的视频帧进行检测,如果在之后采集的任一视频帧中检测到该其他车辆的目标点与警戒线的距离不小于目标距离,则确定其他车辆与该车辆发生了刮碰;其中,目标距离为警戒线与车辆的像素距离。然后可以从当前视频帧或该当前视频帧之前采集的视频帧中识别出其他车辆的车牌信息,并基于该车牌信息确定其他车辆车主的联系方式,并发送给车主。
通常,偷盗者想要偷窃车内的物品时,通常会绕着车辆走动一圈,观察车内的情况。因此,在车辆外部四个方向上都设置有摄像头的场景,可以基于这四个摄像头采集的视频对人物的运动轨迹进行追踪,如果发现跨过警戒线的人员存在上述情况,那存在偷盗行为的概率会大大增加,因而可以控制车辆发出警报。所以,在一些实施例中,该目标对象可以是人物,该摄像头包括设置在车辆前后左右四个方向上的多个摄像头,在确定出现异常事件之后,还可以根据这多个摄像头采集的视频帧对目标对象进行跟踪,并结合多个摄像头采集的视频帧中对目标对象的跟踪结果确定目标对象的运动方式,如果确定目标对象的运动方式为围绕该车辆来回走动的情况下,则控制该车辆发出警报。比如,可以控制车辆的中控屏发出屏闪、或者打开车辆双闪、或者控制车辆喇叭发出警报,从而可以吓跑坏人。
在一些实施例中,可以是检测到车辆处于停车状态,则开启上述利用车辆外部摄像头监控车辆周围情况的模式。通常,用户将车辆停到停车区域后,则会对车辆上锁,然后离开,所以,只要检测到车辆处于上锁状态,则确定车辆处于停车状态。当然,在一些场景,可能存在用户停车后,忘了锁车就离开的场景。所以,如果检测到车辆处于未上锁状态,且通过车辆内部的摄像头采集的车内图像确定车辆内部无人的情况下,也确定车辆处于停车状态,并开启利用车辆外部摄像头监控车辆周围情况的模式。
当然,在一些实施例中,如果用户将车辆停在比较安全的地方,比如,自家车库,则无需开启上述监控模式。因而,也可以是在接收到用户的指令后,才执行上述异常事件检测方法。
在一些实施例中,也有可能存在用户停车后在车边逗留的场景,如果按照上述异常事件检测方法,可能会出现频繁告警的现象,对用户造成干扰。为了避免这个问题,当检测到人跨过警戒线后,可以通过对视频帧进行跟踪,确定包含该跨警戒线的人员的人脸的视频帧,然后可以从该视频帧中截取人脸局部图像,与用户预先存储的人脸留底图像进行比对,其中,人脸留底图像可以是车主本人或车主家属的人脸图像,如果比对一致,说明检测到的跨警戒线人员为车主或车主家属,因而,无需确定为异常事件,也无需告警。
其中,不难理解,上述各实施例中的描述的方案在不存在冲突的情况,可以进行组合,鉴于篇幅原因,本公开实施例中不再一一例举这些方案。
相应的,本公开实施例还提供了一种异常事件检测装置,如图6所示,所述装置包括:
获取模块61,用于在车辆处于停车状态的情况下,获取设置于所述车辆外部的摄像头采集的视频;
检测模块62,用于针对所述视频中的任一当前视频帧,从所述当前视频帧中确定目标对象对应的目标点,其中,所述目标点为所述目标对象与所述停车地面的接触点中距离所述车辆最近的点,或所述目标点为所述目标对象在所述停车地面的投影点中与所述车辆距离最近的点;
判定模块63,用于基于所述目标点与预先在所述摄像头采集的视频帧中标定的警戒线的相对位置关系,确定是否出现异常事件。
在一些实施例中,其中,所述警戒线通过以下方式标定得到:
响应于用户的开启警戒线标定模式的指令,获取所述摄像头采集的图像,从所述图像中识别地面上的标志线,将所述标志线在所图像中的位置作为所述警戒线在所述摄像头采集的视频帧中的位置;或
响应于用户的开启警戒线标定模式的指令,在用户交互界面上显示所述摄像头采集的图像,基于用户在所述图像上的标记操作确定所述警戒线在所述摄像头采集的视频帧中的位置;或
响应于用户的开启警戒线标定模式的指令,通过所述摄像头采集用户的多帧图像,从所述多帧图像中的每帧图像中识别用户的脚部与地面的接触点,基于所述接触点拟合得到连接线,并将所述连接线在所述多帧图像中任一帧图像的位置,作为所述警戒线在所述摄像头采集的视频帧中的位置。
在一些实施例中,其中,所述判定模块用于基于所述目标点与预先在所述摄像头采集的视频帧中标定的警戒线的相对位置关系,确定是否出现异常事件,具体用于:
在确定所述目标点位于所述警戒线靠近车辆的一侧的情况下,确定出现异常事件,并保存所述摄像头在采集所述当前视频帧之前采集的多个视频帧,以及保存所述摄像头在采集所述当前视频帧之后采集的多个视频帧,作为所述异常事件的取证视频。
在一些实施例中,其中,所述装置还用于:
为所述取证视频添加分类标签,并按照所述分类标签将所述取证视频分类存储,其中,所述分类标签用于指示以下一种或多种信息:所述异常事件的危险等级、所述异常事件中的所述目标对象的类型。
在一些实施例中,其中,在确定出现异常事件后,所述装置还用于:
确定所述异常事件的危险等级,其中,所述危险等级基于以下一种或多种信息确定:所述目标点与所述警戒线的距离、所述目标对象在所述警戒线靠近车辆的一侧的停留时长、所述目标对象的类型、所述目标对象的运动状态;
在所述危险等级高于预设等级的情况下,控制所述车辆发出警报,和/或向车主发送提示信息;
在一些实施例中,其中,在确定出现异常事件之后,所述装置还用于:
在所述当前视频帧中不包括关键标识信息的情况下,获取所述摄像头在采集所述当前视频帧之前采集的多个视频帧;
对所述目标对象进行跟踪,确定所述目标对象在所述多个视频帧中的位置,以从所述多个视频帧确定包括所述关键标识信息的视频帧并存储,其中,所述关键标识信息可用于确定所述目标对象的身份,或所述关键标识信息可用于确定操控所述目标对象的操控者的身份。
在一些实施例中,其中,所述目标对象为除所述车辆以外的其他车辆,在确定出现异常事件的情况下,所述装置还用于:
在所述当前视频帧之后采集的任一视频帧中检测到所述其他车辆的目标点与所述警戒线的距离不小于目标距离的情况下,确定所述其他车辆与所述车辆发生刮碰,其中,所述目标距离为所述警戒线与所述车辆的距离;
从所述摄像头采集的视频帧中识别所述其他车辆的车牌信息,并基于所述车牌信息查询到所述其他车辆的车主的联系方式,将所述联系方式发送给所述车辆的车主。
在一些实施例中,其中,所述目标对象为人物,所述摄像头包括设置在所述车辆前后左右四个方向上的多个摄像头,在确定出现异常事件之后,所述装置还用于:
基于所述多个摄像头采集的视频帧对所述目标对象进行跟踪,在根据跟踪结果判定所述目标对象的运动轨迹为围绕所述车辆来回走动的情况下,控制所述车辆发出警报,和/或向车主发送提示信息。
在一些实施例中,其中,所述确定所述车辆处于停车状态包括:
在检测到所述车辆处于上锁状态的情况下,则确定所述车辆处于停车状态;或
在检测到所述车辆处于未上锁状态,且通过所述车辆内部的摄像头采集的车内图像确定车辆内部无人的情况下,确定所述车辆处于停车状态。
其中,上述装置执行异常事件检测方法的具体步骤可以参考上述方法实施例中的描述,在此不再赘述。
进一步的,本公开实施例还提供一种检测设备,如图7所示,所述检测设备包括处理器71、存储器72、存储于所述存储器72可供所述处理器71执行的计算机指令,所述处理器71执行所述计算机指令时实现上述实施例中任一项所述的方法。
进一步的,本公开实施例还提供一种车辆,所述车辆外部设置有一个或多个摄像头,所述车辆还设置有上述实施例提及的检测设备,所述检测设备与所述摄像头通信连接。
其中,上述检测设备执行异常事件检测方法的具体步骤可以参考上述方法实施例中的描述,在此不再赘述。本公开实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前述任一实施例所述的方法。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本公开实施例可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本公开实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本公开实施例各个实施例或者实施例的某些部分所述的方法。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机,计算机的具体形式可以是个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,在实施本公开实施例方案时可以把各模块的功能在同一个或多个软件和/或硬件中实现。也可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅是本公开实施例的具体实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本公开实施例原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本公开实施例的保护范围。
Claims (13)
1.一种异常事件检测方法,所述方法包括:
在车辆处于停车状态的情况下,获取设置于所述车辆外部的摄像头采集的视频;
针对所述视频中的任一当前视频帧,从所述当前视频帧中确定目标对象对应的目标点,其中,所述目标点为所述目标对象与所述停车地面的接触点中距离所述车辆最近的点,或所述目标点为所述目标对象在所述停车地面的投影点中与所述车辆距离最近的点;
基于所述目标点与预先在所述摄像头采集的视频帧中标定的警戒线的相对位置关系,确定是否出现异常事件。
2.根据权利要求1所述的方法,其中,所述警戒线通过以下方式标定得到:
响应于用户的开启警戒线标定模式的指令,获取所述摄像头采集的图像,从所述图像中识别地面上的标志线,将所述标志线在所图像中的位置作为所述警戒线在所述摄像头采集的视频帧中的位置;或
响应于用户的开启警戒线标定模式的指令,在用户交互界面上显示所述摄像头采集的图像,基于用户在所述图像上的标记操作确定所述警戒线在所述摄像头采集的视频帧中的位置;或
响应于用户的开启警戒线标定模式的指令,通过所述摄像头采集用户的多帧图像,从所述多帧图像中的每帧图像中识别用户的脚部与地面的接触点,基于所述接触点拟合得到连接线,并将所述连接线在所述多帧图像中任一帧图像的位置,作为所述警戒线在所述摄像头采集的视频帧中的位置。
3.根据权利要求1或2所述的方法,其中,所述基于所述目标点与预先在所述摄像头采集的视频帧中标定的警戒线的相对位置关系,确定是否出现异常事件,包括:
在确定所述目标点位于所述警戒线靠近车辆的一侧的情况下,确定出现异常事件,并保存所述摄像头在采集所述当前视频帧之前采集的多个视频帧,以及保存所述摄像头在采集所述当前视频帧之后采集的多个视频帧,作为所述异常事件的取证视频。
4.根据权利要求3所述的方法,其中,所述方法还包括:
为所述取证视频添加分类标签,并按照所述分类标签将所述取证视频分类存储,其中,所述分类标签用于指示以下一种或多种信息:所述异常事件的危险等级、所述异常事件中的所述目标对象的类型。
5.根据权利要求1-4任一项所述的方法,其中,在确定出现异常事件后,所述方法还包括:
确定所述异常事件的危险等级,其中,所述危险等级基于以下一种或多种信息确定:所述目标点与所述警戒线的距离、所述目标对象在所述警戒线靠近车辆的一侧的停留时长、所述目标对象的类型、所述目标对象的运动状态;
在所述危险等级高于预设等级的情况下,控制所述车辆发出警报,和/或向车主发送提示信息。
6.根据权利要求1-5任一项所述的方法,其中,在确定出现异常事件之后,所述方法还包括:
在所述当前视频帧中不包括关键标识信息的情况下,获取所述摄像头在采集所述当前视频帧之前采集的多个视频帧;
对所述目标对象进行跟踪,确定所述目标对象在所述多个视频帧中的位置,以从所述多个视频帧确定包括所述关键标识信息的视频帧并存储,其中,所述关键标识信息可用于确定所述目标对象的身份,或所述关键标识信息可用于确定操控所述目标对象的操控者的身份。
7.根据权利要求1-6任一项所述的方法,其中,所述目标对象为除所述车辆以外的其他车辆,在确定出现异常事件的情况下,所述方法还包括:
在所述当前视频帧之后采集的任一视频帧中检测到所述其他车辆的目标点与所述警戒线的距离不小于目标距离的情况下,确定所述其他车辆与所述车辆发生刮碰,其中,所述目标距离为所述警戒线与所述车辆的距离;
从所述摄像头采集的视频帧中识别所述其他车辆的车牌信息,并基于所述车牌信息查询到所述其他车辆的车主的联系方式,将所述联系方式发送给所述车辆的车主。
8.根据权利要求1-6任一项所述的方法,其中,所述目标对象为人物,所述摄像头包括设置在所述车辆前后左右四个方向上的多个摄像头,在确定出现异常事件之后,所述方法还包括:
基于所述多个摄像头采集的视频帧对所述目标对象进行跟踪,在根据跟踪结果判定所述目标对象的运动轨迹为围绕所述车辆来回走动的情况下,控制所述车辆发出警报,和/或向车主发送提示信息。
9.根据权利要求1-8任一项所述的方法,其中,所述确定所述车辆处于停车状态包括:
在检测到所述车辆处于上锁状态的情况下,则确定所述车辆处于停车状态;或
在检测到所述车辆处于未上锁状态,且通过所述车辆内部的摄像头采集的车内图像确定车辆内部无人的情况下,确定所述车辆处于停车状态。
10.一种异常事件检测装置,所述装置包括:
获取模块,用于在车辆处于停车状态的情况下,获取设置于所述车辆外部的摄像头采集的视频;
检测模块,用于针对所述视频中的任一当前视频帧,从所述当前视频帧中确定目标对象对应的目标点,其中,所述目标点为所述目标对象与所述停车地面的接触点中距离所述车辆最近的点,或所述目标点为所述目标对象在所述停车地面的投影点中与所述车辆距离最近的点;
判定模块,用于基于所述目标点与预先在所述摄像头采集的视频帧中标定的警戒线的相对位置关系,确定是否出现异常事件。
11.一种检测设备,所述检测设备包括处理器、存储器、存储于所述存储器可供所述处理器执行的计算机指令,所述处理器执行所述计算机指令时实现如权利要求1-9任一项所述的方法。
12.一种车辆,所述车辆外部设置有一个或多个摄像头,所述车辆还设置有如上述权利要求11所述的检测设备,所述检测设备与所述摄像头通信连接。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质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如权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310240303.XA CN116778371A (zh) | 2023-03-13 | 2023-03-13 | 异常事件检测方法、装置、设备、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310240303.XA CN116778371A (zh) | 2023-03-13 | 2023-03-13 | 异常事件检测方法、装置、设备、车辆及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116778371A true CN116778371A (zh) | 2023-09-19 |
Family
ID=87990351
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310240303.XA Pending CN116778371A (zh) | 2023-03-13 | 2023-03-13 | 异常事件检测方法、装置、设备、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116778371A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117079219A (zh) * | 2023-10-08 | 2023-11-17 | 山东车拖车网络科技有限公司 | 一种应用于拖车业务的车辆运行情况监控方法及设备 |
-
2023
- 2023-03-13 CN CN202310240303.XA patent/CN116778371A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117079219A (zh) * | 2023-10-08 | 2023-11-17 | 山东车拖车网络科技有限公司 | 一种应用于拖车业务的车辆运行情况监控方法及设备 |
CN117079219B (zh) * | 2023-10-08 | 2024-01-09 | 山东车拖车网络科技有限公司 | 一种应用于拖车业务的车辆运行情况监控方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10046767B2 (en) | Apparatus, method and computer program for enabling control of a vehicle | |
KR102211496B1 (ko) | 주차시 차량용 블랙박스의 이벤트 감지시스템 및 그 이벤트 감지방법 | |
US11265508B2 (en) | Recording control device, recording control system, recording control method, and recording control program | |
US10796132B2 (en) | Public service system and method using autonomous smart car | |
US8228364B2 (en) | Omnidirectional camera for use in police car event recording | |
US20180268687A1 (en) | Method and device for obtaining evidences for illegal parking of a vehicle | |
WO2017155448A1 (en) | Method and system for theft detection in a vehicle | |
CN106274801A (zh) | 汽车防盗预警方法及车载后视镜 | |
CN116778371A (zh) | 异常事件检测方法、装置、设备、车辆及存储介质 | |
CN108305351A (zh) | 一种具有检测功能的行车记录仪 | |
CN111369708A (zh) | 车辆行驶的信息记录方法及装置 | |
CN105828029A (zh) | 车辆碰撞监测系统、方法及装置 | |
CN112581652A (zh) | 监控控制方法、监控控制系统以及车辆 | |
CN105374086A (zh) | 一种行车记录方法 | |
CN103370734A (zh) | 用于机动车辆的侵入监视的方法和系统 | |
US10625698B2 (en) | Determination of identifying characteristics of an accident participant in the event of an accident involving the accident participant and a motor vehicle | |
CN113055651A (zh) | 一种人工智能型车辆安防系统及计算机可读存储介质 | |
CN111192425B (zh) | 一种无人车零售防盗方法及防盗系统 | |
CN107757472A (zh) | 开车门报警方法、开车门报警装置和车辆系统 | |
CN106534749A (zh) | 网络多媒体设备 | |
KR101407394B1 (ko) | 방치물 및 도난물 탐지 시스템 | |
KR20160099837A (ko) | 보안기능이 강화된 고속자동회전 ip카메라 일체형 차량용 블랙박스 | |
CN102779384A (zh) | 周界防范报警系统及应用该周界防范报警系统的方法 | |
JP7057074B2 (ja) | 車載器および運転支援装置 | |
KR101460902B1 (ko) | 차량 주변의 도난 징후 감지를 위한 지능형 블랙박스 시스템 및 그 동작 방법 |
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 |