CN117854292A - 车辆超速识别方法、装置、设备及存储介质 - Google Patents
车辆超速识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117854292A CN117854292A CN202311753217.5A CN202311753217A CN117854292A CN 117854292 A CN117854292 A CN 117854292A CN 202311753217 A CN202311753217 A CN 202311753217A CN 117854292 A CN117854292 A CN 117854292A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target
- overspeed
- speed
- determining
- 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 55
- 238000001514 detection method Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆超速识别方法、装置、设备及存储介质,该方法包括:在检测到行驶在道路上的车辆时,根据不同时刻下车辆在目标坐标系中的位置坐标确定车辆在目标时间段内位置偏移量;确定车辆的定位间隔时间,根据定位间隔时间和车辆在目标时间段内位置偏移量确定各阶段行驶速度;根据车辆在目标时间段内位置偏移量确定当前行驶速度;根据各阶段行驶速度和当前行驶速度综合对车辆进行超速识别;通过上述方式,根据不同时刻下的位置坐标确定车辆在目标时间段内位置偏移量,确定当前行驶速度,以及结合定位间隔时间确定各阶段行驶速度,再结合目标限制速度综合对车辆进行超速识别,从而能够有效提高识别车辆超速的准确性,以及降低识别成本。
Description
技术领域
本发明涉及智能设备技术领域,尤其涉及车辆超速识别方法、装置、设备及存储介质。
背景技术
随着车辆数量的不断增加,使得交通管理工作愈加繁重,为了便于管理,越来越多的交通路口都已经配备上摄像头,用于识别车辆的超速行为,但摄像头的监控存在至少两方面的弊端,第一,摄像头监控存在技术限制,例如,图像质量不稳定、夜间拍摄效果不佳,第二,摄像头的安装和维护成本较高,且还需要定期维护和维修,用于监控的摄像头必须具备高清晰度、广角、夜视等功能,而功能的增多无疑会提高识别成本,因此,上述方式识别车辆超速的准确性较低且成本较高。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种车辆超速识别方法、装置、设备及存储介质,旨在解决现有技术识别车辆超速的准确性较低且成本较高的技术问题。
为实现上述目的,本发明提供了一种车辆超速识别方法,所述车辆超速识别方法包括以下步骤:
在检测到行驶在道路上的车辆时,根据不同时刻下所述车辆在目标坐标系中的位置坐标确定车辆在目标时间段内位置偏移量;
确定车辆的定位间隔时间,根据所述定位间隔时间和所述车辆在目标时间段内位置偏移量确定各阶段行驶速度;
根据所述车辆在目标时间段内位置偏移量确定当前行驶速度;
根据所述各阶段行驶速度和当前行驶速度综合对所述车辆进行超速识别。
可选地,所述在检测到行驶在道路上的车辆时,根据不同时刻下所述车辆在目标坐标系中的位置坐标确定车辆在目标时间段内位置偏移量,包括:
在检测到行驶在道路上的车辆时,通过目标定位模型在不同时刻对所述车辆进行定位,得到所述车辆在目标坐标系中的各位置坐标;
根据所述车辆在目标坐标系中的各位置坐标得到车辆在开始时刻的位置坐标和结束时刻的位置坐标;
根据所述车辆在开始时刻的位置坐标和结束时刻的位置坐标计算当前位置偏移量;
根据所述开始时刻和结束时刻计算目标时间段;
根据所述当前位置偏移量和所述目标时间段计算车辆在目标时间段内位置偏移量。
可选地,所述根据所述定位间隔时间和所述车辆在目标时间段内位置偏移量确定各阶段行驶速度,包括:
根据所述定位间隔时间对所述车辆在目标时间内位置偏移量进行分段,得到各间隔时间段内位置偏移量;
根据所述各间隔时间段内位置偏移量计算各阶段行驶速度。
可选地,所述根据所述各阶段行驶速度和当前行驶速度综合对所述车辆进行超速识别,包括:
获取所述车辆行驶道路的道路类型;
根据所述车辆在目标坐标系中的各位置坐标、道路边界的坐标以及各车道的宽度确定行驶车道;
根据所述道路类型、所述行驶车道以及车辆型号综合确定目标限制速度;
根据所述当前行驶速度、所述目标限制速度以及各阶段行驶速度综合对所述车辆进行超速识别。
可选地,所述根据所述当前行驶速度、所述目标限制速度以及各阶段行驶速度综合对所述车辆进行超速识别之后,还包括:
在所述当前行驶速度大于目标限制速度时,将所述各阶段行驶速度分别与所述目标限制速度进行比较;
在比较结果为存在任一阶段行驶速度大于目标限制速度时,获取所述车辆的当前图像;
根据所述当前图像得到所述车辆的标识信息;
对所述当前图像的目标通道的数值进行增加,得到目标图像;
将所述目标图像进行展示,以及将所述标识信息和目标图像上传至交通管理部门管控的云端。
可选地,所述根据所述当前图像得到所述车辆的标识信息,包括:
通过能见度检测算法对当前行驶场景下的区域进行能见度检测,得到能见度检测图像像素值;
在所述能见度检测图像像素值小于预设像素值阈值时,对所述当前图像进行去模糊处理;
对模糊处理后的当前图像进行裁剪,得到目标区域图像;
对所述目标区域图像进行识别,得到各标识信息;
通过全连接层的分类网络对所述各标识信息进行分类;
根据标识信息分类结果确定所述车辆的标识信息。
可选地,所述将所述目标图像进行展示,以及将所述标识信息和目标图像上传至交通管理部门管控的云端之后,还包括:
在接收到所述交通管理部门管控的云端反馈的上传成功信息时,将所述标识信息和目标图像从本地存储区域删除。
此外,为实现上述目的,本发明还提出一种车辆超速识别装置,所述车辆超速识别装置包括:
偏移量确定模块,用于在检测到行驶在道路上的车辆时,根据不同时刻下所述车辆在目标坐标系中的位置坐标确定车辆在目标时间段内位置偏移量;
行驶速度确定模块,用于确定车辆的定位间隔时间,根据所述定位间隔时间和所述车辆在目标时间段内位置偏移量确定各阶段行驶速度;
所述行驶速度确定模块,还用于根据所述车辆在目标时间段内位置偏移量确定当前行驶速度;
识别模块,用于根据所述各阶段行驶速度和当前行驶速度综合对所述车辆进行超速识别。
此外,为实现上述目的,本发明还提出一种车辆超速识别设备,所述车辆超速识别设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆超速识别程序,所述车辆超速识别程序配置为实现如上文所述的车辆超速识别方法。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有车辆超速识别程序,所述车辆超速识别程序被处理器执行时实现如上文所述的车辆超速识别方法。
本发明提出的车辆超速识别方法,通过在检测到行驶在道路上的车辆时,根据不同时刻下所述车辆在目标坐标系中的位置坐标确定车辆在目标时间段内位置偏移量;确定车辆的定位间隔时间,根据所述定位间隔时间和所述车辆在目标时间段内位置偏移量确定各阶段行驶速度;根据所述车辆在目标时间段内位置偏移量确定当前行驶速度;根据所述各阶段行驶速度和当前行驶速度综合对所述车辆进行超速识别;通过上述方式,根据不同时刻下车辆在目标坐标系中的位置坐标确定车辆在目标时间段内位置偏移量,然后结合定位间隔时间确定各阶段行驶速度,根据车辆在目标时间段内位置偏移量确定当前行驶速度,再结合目标限制速度综合对车辆进行超速识别,从而能够有效提高识别车辆超速的准确性,以及降低识别成本。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的车辆超速识别设备的结构示意图;
图2为本发明车辆超速识别方法第一实施例的流程示意图;
图3为本发明车辆超速识别方法第二实施例的流程示意图;
图4为本发明车辆超速识别方法一实施例的整体流程示意图;
图5为本发明车辆超速识别装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的车辆超速识别设备结构示意图。
如图1所示,该车辆超速识别设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM),也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对车辆超速识别设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车辆超速识别程序。
在图1所示的车辆超速识别设备中,网络接口1004主要用于与网络一体化平台工作站进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明车辆超速识别设备中的处理器1001、存储器1005可以设置在车辆超速识别设备中,所述车辆超速识别设备通过处理器1001调用存储器1005中存储的车辆超速识别程序,并执行本发明实施例提供的车辆超速识别方法。
基于上述硬件结构,提出本发明车辆超速识别方法实施例。
参照图2,图2为本发明车辆超速识别方法第一实施例的流程示意图。
在第一实施例中,所述车辆超速识别方法包括以下步骤:
步骤S10,在检测到行驶在道路上的车辆时,根据不同时刻下所述车辆在目标坐标系中的位置坐标确定车辆在目标时间段内位置偏移量。
需要说明的是,本实施例的执行主体为车辆超速识别设备,还可为其他可实现相同或相似功能的设备,例如智能设备控制器等,本实施例对此不作限制,在本实施例中,以智能设备控制器为例进行说明。
应当理解的是,位置坐标指的是车辆进入检测范围后所在的当前位置位于目标坐标系中的坐标,该目标坐标系可以为世界坐标系,由于车辆处于行驶状态,因此,不同时刻下的位置坐标不同,例如,车辆在开始时刻的位置坐标为(x1,y1),在结束时刻的位置坐标为(x2,y2)。
可以理解的是,位置偏移量指的是车辆在行驶过程中开始时刻的位置相较于结束时刻位置的偏移量,该位置偏移量越大,表明车辆在目标时间段内行驶的距离越远,该位置偏移量可以通过不同时刻下车辆在目标坐标系中的位置坐标确定。
需要强调的是,本实施的应用场景为用户佩戴AR眼镜对道路中行驶的车辆进行超速识别,用户所在的位置可以为交通路口,该用户可以为交通管理人员,也可以车辆生产厂家的测速人员,本实施例对此不作限制。
进一步地,步骤S10,包括:在检测到行驶在道路上的车辆时,通过目标定位模型在不同时刻对所述车辆进行定位,得到所述车辆在目标坐标系中的各位置坐标;根据所述车辆在目标坐标系中的各位置坐标得到车辆在开始时刻的位置坐标和结束时刻的位置坐标;根据所述车辆在开始时刻的位置坐标和结束时刻的位置坐标计算当前位置偏移量;根据所述开始时刻和结束时刻计算目标时间段;根据所述当前位置偏移量和所述目标时间段计算车辆在目标时间段内位置偏移量。
可以理解的是,目标定位模型指的是用于定位对象在目标坐标系中的位置坐标的模型,该目标定位模型可以为3D AVOD定位模型,在检测到到车辆在道路行驶时,通过目标定位模型对行驶中的车辆进行定位,得到不同时刻下车辆在目标坐标系中的位置坐标。
应当理解的是,当前位置偏移量指的是车辆由开始时刻的位置行驶至结束时刻的位置的偏移量,目标时间段指的是车辆由开始时刻的位置行驶至结束时刻的位置所耗费的时长,开始时刻指的是进入检测范围内的时刻,结束时刻指的是驶出检测范围的时刻,例如,开始可以为2023:09:09:15:28:15,结束时刻可以为2023:09:09:15:28:11,则目标时间段为4秒,在结束时刻的位置坐标为(x1,y1),在开始时刻的位置坐标为(x2,y2),则车辆在目标时间段内的位置偏移量
步骤S20,确定车辆的定位间隔时间,根据所述定位间隔时间和所述车辆在目标时间段内位置偏移量确定各阶段行驶速度。
可以理解的是,定位间隔时间指的是目标定位模型定位车辆的间隔时间,各阶段行驶速度指的是车辆在不同阶段的行驶速度,该定位间隔时间越短,各阶段行驶速度越接近实时车速。
进一步地,步骤S20,包括:根据所述定位间隔时间对所述车辆在目标时间内位置偏移量进行分段,得到各间隔时间段内位置偏移量;根据所述各间隔时间段内位置偏移量计算各阶段行驶速度。
应当理解的是,在确定定位间隔时间后,按照定位间隔时间对定位间隔时间,例如,定位间隔时间为1s,则各间隔时间段内位置偏移量为:0-1s内的位置偏移量1-2s内的位置偏移量、2-3s内的位置偏移量、3-4s内的位置偏移量,然后根据各间隔时间段内位置偏移量计算各阶段行驶速度,即:0-1s的行驶速度、1-2s的行驶速度、2-3s的行驶速度以及3-4s的行驶速度。
步骤S30,根据所述车辆在目标时间段内位置偏移量确定当前行驶速度。
应当理解的是,在得到车辆在目标时间段内位置偏移量后,根据目标时间段内的偏移量确定当前行驶速度,具体为:
v=s'/t。
其中,v表示当前行驶速度,s'表示目标时间段内位置偏移量,t表示单位时间。
步骤S40,根据所述各阶段行驶速度和当前行驶速度综合对所述车辆进行超速识别。
可以理解的是,在计算出当前行驶速度和各阶段行驶速度后,根据当前行驶速度、各阶段行驶速度以及目标限制速度综合对车辆进行超速识别,具体是在当前行驶速度大于目标限制速度或各阶段行驶速度中的任一行驶速度大于目标限制时,确定车辆超速行驶,在当前行驶速度且各阶段行驶速度均小于或等于目标限制速度时,确定车辆正常行驶,即通过整段和区间两种方式实现车辆的超速识别。
本实施例通过在检测到行驶在道路上的车辆时,根据不同时刻下所述车辆在目标坐标系中的位置坐标确定车辆在目标时间段内位置偏移量;确定车辆的定位间隔时间,根据所述定位间隔时间和所述车辆在目标时间段内位置偏移量确定各阶段行驶速度;根据所述车辆在目标时间段内位置偏移量确定当前行驶速度;根据所述各阶段行驶速度和当前行驶速度综合对所述车辆进行超速识别;通过上述方式,根据不同时刻下车辆在目标坐标系中的位置坐标确定车辆在目标时间段内位置偏移量,然后结合定位间隔时间确定各阶段行驶速度,根据车辆在目标时间段内位置偏移量确定当前行驶速度,再结合目标限制速度综合对车辆进行超速识别,从而能够有效提高识别车辆超速的准确性,以及降低识别成本。
在一实施例中,如图3所述,基于第一实施例提出本发明车辆超速识别方法第二实施例,所述步骤S40,包括:
步骤S401,获取所述车辆行驶道路的道路类型。
应当理解的是,道路类型指的是车辆正在行驶的道路的类型,不同道路的最高限制速度是不同的,例如,对于没有中心线的城市道路来说,最高限制速度为30km/h,对于没有中心线的城市功率来说,最高限制速度为40km/h。
步骤S402,根据所述车辆在目标坐标系中的各位置坐标、道路边界的坐标以及各车道的宽度确定行驶车道。
可以理解的是,针对同一区域的道路来说,不同车道的限制速度是不同的,例如,超车道的限制车速大于其他行驶车道的限制速度,首先是根据车辆在目标坐标系中的各位置坐标、道路边界的坐标确定车辆距离道路边界的距离,然后结合各车道的宽度确定行驶车道。
步骤S403,根据所述道路类型、所述行驶车道以及车辆型号综合确定目标限制速度。
应当理解的是,目标限制速度指的是车辆正在行驶道路所允许的最高行驶速度,针对同一车道来说,对不同型号的车辆的限制速度不同,即该目标限制速度可以根据道路类型、行驶车道以及车辆型号综合确定。
步骤S404,根据所述当前行驶速度、所述目标限制速度以及各阶段行驶速度综合对所述车辆进行超速识别。
进一步地,步骤S404之后,还包括:在所述当前行驶速度大于目标限制速度时,将所述各阶段行驶速度分别与所述目标限制速度进行比较;在比较结果为存在任一阶段行驶速度大于目标限制速度时,获取所述车辆的当前图像;根据所述当前图像得到所述车辆的标识信息;对所述当前图像的目标通道的数值进行增加,得到目标图像;将所述目标图像进行展示,以及将所述标识信息和目标图像上传至交通管理部门管控的云端。
可以理解的是,车辆的标识信息可以为车辆的车牌号,在满足当前行驶速度大于目标限制速度或任一阶段行驶速度大于目标限制速度中的任一条件时,表明该车辆超速行驶,此时利用传感器采集车辆的当前图像,为了更加直观地向佩戴智能设备的用户展示超速行驶的车辆,需要对当前图像的目标通道的数值进行增加,以实现对超速行驶的车辆的突出显示,该目标通道可以为R通道,同时为了便于交通管理部门对于上述超速违规行为的管理,还会将标识信息和目标图像上传至交通管理部门管控的云端,以避免驾驶者再犯同样的错误。
进一步地,所述根据所述当前图像得到所述车辆的标识信息,包括:通过能见度检测算法对当前行驶场景下的区域进行能见度检测,得到能见度检测图像像素值;在所述能见度检测图像像素值小于预设像素值阈值时,对所述当前图像进行去模糊处理;对模糊处理后的当前图像进行裁剪,得到目标区域图像;对所述目标区域图像进行识别,得到各标识信息;通过全连接层的分类网络对所述各标识信息进行分类;根据标识信息分类结果确定所述车辆的标识信息。
应当理解的是,在裁剪图像前,需要判断是否需要进行模糊处理,具体是利用通过梯度滤波器根据能见度检测算法对当前行驶场景下的区域进行能见度检测,即由梯度滤波器输出能见度检测图像像素值,具体为:
其中,O(i,j)表示能见度检测图像像素值,I(i+m,j+n)表示当前行驶场景下的区域像素值,K表示梯度滤波器的检测系数,m表示梯度滤波器的长度,n表示滤波器的宽度。
可以理解的是,在确定能见度检测图像像素值小于预设像素值阈值时,表明采集到车辆的当前图像存在部分模糊的区域,因此,在识别车辆的标识信息前,需要进行去模糊处理,即利用预训练完毕的MSSNet模型对当前图像进行去模糊处理,目标区域图像指的是仅包含车辆的标识信息的图像,即对模糊处理后的当前图像进行裁剪,然后通过2D YOLOv5检测模型对目标区域图像进行识别,此时识别到的单个标识信息包括字母、数字以及各地区的简称,然后利用检测框将上述各标识信息裁剪出来,并利用全连接层的分类网络对所述各标识信息进行分类,然后按照裁剪顺序将分类后的各标识信息进行拼接,以得到车辆的标识信息。
进一步地,所述将所述目标图像进行展示,以及将所述标识信息和目标图像上传至交通管理部门管控的云端之后,还包括:在接收到所述交通管理部门管控的云端反馈的上传成功信息时,将所述标识信息和目标图像从本地存储区域删除。
可以理解的是,在上传标识信息和目标图像上传至交通管理部门管控的云端后,实时监测是否接收到云端反馈的上传成功信息,若是,则表明云端已成功接收并存储该标识信息和目标图像,由于智能设备的本地存储区域有限,为了避免因内存不足导致智能设备的监控效果,此时需要将标识信息和目标图像从本地存储区域删除,以释放存储空间,便于对其他车辆的监控。
参考图4,图4为整体流程示意图,具体为:在检测到智能设备开启后,判断是否检测到行驶在道路的车辆,若是,则通过目标定位模型定位不同时刻车辆在目标坐标系中的各位置坐标,然后根据不同时刻下车辆在目标坐标系中的位置坐标确定车辆在目标时间段内位置偏移量,以及结合车辆的定位间隔时间确定各阶段行驶速度,然后根据车辆在目标时间段内位置偏移量确定当前行驶速度,判断当前行驶速度或各阶段行驶速度是否大于目标限制速度,若满足上述任一条件,则对车辆的当前图像进行去模糊处理,然后根据模糊处理后的当前图像识别车辆的标识信息,并将标识信息和目标图像进行上传。
本实施例通过获取所述车辆行驶道路的道路类型;根据所述车辆在目标坐标系中的各位置坐标、道路边界的坐标以及各车道的宽度确定行驶车道;根据所述道路类型、所述行驶车道以及车辆型号综合确定目标限制速度;根据所述当前行驶速度、所述目标限制速度以及各阶段行驶速度综合对所述车辆进行超速识别;通过上述方式,在获取到车辆行驶道路的道路类型后,根据车辆在目标坐标系中的各位置坐标、道路边界的坐标以及各车道的宽度确定行驶车道,然后结合车辆型号确定目标限制速度,再根据车辆在目标坐标系的位置坐标确定的当前行驶速度、各阶段行驶速度与目标限制速度的比较结果综合确定车辆是否超速行驶,从而能够有效提高识别车辆超速的准确性。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有车辆超速识别程序,所述车辆超速识别程序被处理器执行时实现如上文所述的车辆超速识别方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再一一赘述。
此外,参照图5,本发明实施例还提出一种车辆超速识别装置,所述车辆超速识别装置包括:
偏移量确定模块10,用于在检测到行驶在道路上的车辆时,根据不同时刻下所述车辆在目标坐标系中的位置坐标确定车辆在目标时间段内位置偏移量。
行驶速度确定模块20,用于确定车辆的定位间隔时间,根据所述定位间隔时间和所述车辆在目标时间段内位置偏移量确定各阶段行驶速度。
所述行驶速度确定模块20,还用于根据所述车辆在目标时间段内位置偏移量确定当前行驶速度。
识别模块30,用于根据所述各阶段行驶速度和当前行驶速度综合对所述车辆进行超速识别。
本实施例通过在检测到行驶在道路上的车辆时,根据不同时刻下所述车辆在目标坐标系中的位置坐标确定车辆在目标时间段内位置偏移量;确定车辆的定位间隔时间,根据所述定位间隔时间和所述车辆在目标时间段内位置偏移量确定各阶段行驶速度;根据所述车辆在目标时间段内位置偏移量确定当前行驶速度;根据所述各阶段行驶速度和当前行驶速度综合对所述车辆进行超速识别;通过上述方式,根据不同时刻下车辆在目标坐标系中的位置坐标确定车辆在目标时间段内位置偏移量,然后结合定位间隔时间确定各阶段行驶速度,根据车辆在目标时间段内位置偏移量确定当前行驶速度,再结合目标限制速度综合对车辆进行超速识别,从而能够有效提高识别车辆超速的准确性,以及降低识别成本。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的车辆超速识别方法,此处不再赘述。
在一实施例中,所述偏移量确定模块10,还用于在检测到行驶在道路上的车辆时,通过目标定位模型在不同时刻对所述车辆进行定位,得到所述车辆在目标坐标系中的各位置坐标;根据所述车辆在目标坐标系中的各位置坐标得到车辆在开始时刻的位置坐标和结束时刻的位置坐标;根据所述车辆在开始时刻的位置坐标和结束时刻的位置坐标计算当前位置偏移量;根据所述开始时刻和结束时刻计算目标时间段;根据所述当前位置偏移量和所述目标时间段计算车辆在目标时间段内位置偏移量。
在一实施例中,所述行驶速度确定模块20,还用于根据所述定位间隔时间对所述车辆在目标时间内位置偏移量进行分段,得到各间隔时间段内位置偏移量;根据所述各间隔时间段内位置偏移量计算各阶段行驶速度。
在一实施例中,所述识别模块30,还用于获取所述车辆行驶道路的道路类型;根据所述车辆在目标坐标系中的各位置坐标、道路边界的坐标以及各车道的宽度确定行驶车道;根据所述道路类型、所述行驶车道以及车辆型号综合确定目标限制速度;根据所述当前行驶速度、所述目标限制速度以及各阶段行驶速度综合对所述车辆进行超速识别。
在一实施例中,所述识别模块30,还用于在所述当前行驶速度大于目标限制速度时,将所述各阶段行驶速度分别与所述目标限制速度进行比较;在比较结果为存在任一阶段行驶速度大于目标限制速度时,获取所述车辆的当前图像;根据所述当前图像得到所述车辆的标识信息;对所述当前图像的目标通道的数值进行增加,得到目标图像;将所述目标图像进行展示,以及将所述标识信息和目标图像上传至交通管理部门管控的云端。
在一实施例中,所述识别模块30,还用于通过能见度检测算法对当前行驶场景下的区域进行能见度检测,得到能见度检测图像像素值;在所述能见度检测图像像素值小于预设像素值阈值时,对所述当前图像进行去模糊处理;对模糊处理后的当前图像进行裁剪,得到目标区域图像;对所述目标区域图像进行识别,得到各标识信息;通过全连接层的分类网络对所述各标识信息进行分类;根据标识信息分类结果确定所述车辆的标识信息。
在一实施例中,所述识别模块30,还用于在接收到所述交通管理部门管控的云端反馈的上传成功信息时,将所述标识信息和目标图像从本地存储区域删除。
本发明所述车辆超速识别装置的其他实施例或具有实现方法可参照上述各方法实施例,此处不再赘余。
应该理解的是,虽然本申请实施例中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,其可以以其他的顺序执行。而且,图中的至少一部分步骤可以包括多个子步骤或者多5个阶段,这些子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,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
此外,需要说明的是,在本文中,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、物品或者系统不仅包括那些要素,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、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明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,该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory,ROM)/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,一体化平台工作站,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种车辆超速识别方法,其特征在于,所述车辆超速识别方法包括以下步骤:
在检测到行驶在道路上的车辆时,根据不同时刻下所述车辆在目标坐标系中的位置坐标确定车辆在目标时间段内位置偏移量;
确定车辆的定位间隔时间,根据所述定位间隔时间和所述车辆在目标时间段内位置偏移量确定各阶段行驶速度;
根据所述车辆在目标时间段内位置偏移量确定当前行驶速度;
根据所述各阶段行驶速度和当前行驶速度综合对所述车辆进行超速识别。
2.如权利要求1所述的车辆超速识别方法,其特征在于,所述在检测到行驶在道路上的车辆时,根据不同时刻下所述车辆在目标坐标系中的位置坐标确定车辆在目标时间段内位置偏移量,包括:
在检测到行驶在道路上的车辆时,通过目标定位模型在不同时刻对所述车辆进行定位,得到所述车辆在目标坐标系中的各位置坐标;
根据所述车辆在目标坐标系中的各位置坐标得到车辆在开始时刻的位置坐标和结束时刻的位置坐标;
根据所述车辆在开始时刻的位置坐标和结束时刻的位置坐标计算当前位置偏移量;
根据所述开始时刻和结束时刻计算目标时间段;
根据所述当前位置偏移量和所述目标时间段计算车辆在目标时间段内位置偏移量。
3.如权利要求1所述的车辆超速识别方法,其特征在于,所述根据所述定位间隔时间和所述车辆在目标时间段内位置偏移量确定各阶段行驶速度,包括:
根据所述定位间隔时间对所述车辆在目标时间内位置偏移量进行分段,得到各间隔时间段内位置偏移量;
根据所述各间隔时间段内位置偏移量计算各阶段行驶速度。
4.如权利要求1所述的车辆超速识别方法,其特征在于,所述根据所述各阶段行驶速度和当前行驶速度综合对所述车辆进行超速识别,包括:
获取所述车辆行驶道路的道路类型;
根据所述车辆在目标坐标系中的各位置坐标、道路边界的坐标以及各车道的宽度确定行驶车道;
根据所述道路类型、所述行驶车道以及车辆型号综合确定目标限制速度;
根据所述当前行驶速度、所述目标限制速度以及各阶段行驶速度综合对所述车辆进行超速识别。
5.如权利要求4所述的车辆超速识别方法,其特征在于,所述根据所述当前行驶速度、所述目标限制速度以及各阶段行驶速度综合对所述车辆进行超速识别之后,还包括:
在所述当前行驶速度大于目标限制速度时,将所述各阶段行驶速度分别与所述目标限制速度进行比较;
在比较结果为存在任一阶段行驶速度大于目标限制速度时,获取所述车辆的当前图像;
根据所述当前图像得到所述车辆的标识信息;
对所述当前图像的目标通道的数值进行增加,得到目标图像;
将所述目标图像进行展示,以及将所述标识信息和目标图像上传至交通管理部门管控的云端。
6.如权利要求5所述的车辆超速识别方法,其特征在于,所述根据所述当前图像得到所述车辆的标识信息,包括:
通过能见度检测算法对当前行驶场景下的区域进行能见度检测,得到能见度检测图像像素值;
在所述能见度检测图像像素值小于预设像素值阈值时,对所述当前图像进行去模糊处理;
对模糊处理后的当前图像进行裁剪,得到目标区域图像;
对所述目标区域图像进行识别,得到各标识信息;
通过全连接层的分类网络对所述各标识信息进行分类;
根据标识信息分类结果确定所述车辆的标识信息。
7.如权利要求5所述的车辆超速识别方法,其特征在于,所述将所述目标图像进行展示,以及将所述标识信息和目标图像上传至交通管理部门管控的云端之后,还包括:
在接收到所述交通管理部门管控的云端反馈的上传成功信息时,将所述标识信息和目标图像从本地存储区域删除。
8.一种车辆超速识别装置,其特征在于,所述车辆超速识别装置包括:
偏移量确定模块,用于在检测到行驶在道路上的车辆时,根据不同时刻下所述车辆在目标坐标系中的位置坐标确定车辆在目标时间段内位置偏移量;
行驶速度确定模块,用于确定车辆的定位间隔时间,根据所述定位间隔时间和所述车辆在目标时间段内位置偏移量确定各阶段行驶速度;
所述行驶速度确定模块,还用于根据所述车辆在目标时间段内位置偏移量确定当前行驶速度;
识别模块,用于根据所述各阶段行驶速度和当前行驶速度综合对所述车辆进行超速识别。
9.一种车辆超速识别设备,其特征在于,所述车辆超速识别设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆超速识别程序,所述车辆超速识别程序配置有实现如权利要求1至7中任一项所述的车辆超速识别方法。
10.一种存储介质,其特征在于,所述存储介质上存储有车辆超速识别程序,所述车辆超速识别程序被处理器执行时实现如权利要求1至7中任一项所述的车辆超速识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311753217.5A CN117854292A (zh) | 2023-12-19 | 2023-12-19 | 车辆超速识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311753217.5A CN117854292A (zh) | 2023-12-19 | 2023-12-19 | 车辆超速识别方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117854292A true CN117854292A (zh) | 2024-04-09 |
Family
ID=90528004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311753217.5A Pending CN117854292A (zh) | 2023-12-19 | 2023-12-19 | 车辆超速识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117854292A (zh) |
-
2023
- 2023-12-19 CN CN202311753217.5A patent/CN117854292A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220327406A1 (en) | Systems and methods for classifying driver behavior | |
Negru et al. | Image based fog detection and visibility estimation for driving assistance systems | |
US20180031384A1 (en) | Augmented road line detection and display system | |
DE112017003287T5 (de) | Head-up-display für strassenverhältnisse | |
US20200117912A1 (en) | System and method for determining vehicle data set familiarity | |
DE102019118999A1 (de) | Lidar-basierte objektdetektion und -klassifikation | |
DE112018004953T5 (de) | Informationsverarbeitungsvorrichtung, informationsverarbeitungsverfahren, programm und sich bewegender körper | |
CN110188482B (zh) | 一种基于智能驾驶的测试场景创建方法及装置 | |
DE112018000477B4 (de) | Ereignisvorhersagesystem, Ereignisvorhersageverfahren, Programm und Aufzeichnungsmedium, auf dem dieses aufgezeichnet ist | |
CN110458050B (zh) | 基于车载视频的车辆切入检测方法及装置 | |
CN110008891B (zh) | 一种行人检测定位方法、装置、车载计算设备及存储介质 | |
CN111386563B (zh) | 教师数据生成装置 | |
CN111931683B (zh) | 图像识别方法、装置及计算机可读存储介质 | |
US11501538B2 (en) | Systems and methods for detecting vehicle tailgating | |
DE112018004904T5 (de) | Informationsverarbeitungseinrichtung, selbstpositionsschätzverfahren und programm | |
CN111160132B (zh) | 障碍物所在车道的确定方法、装置、电子设备和存储介质 | |
CN110634324A (zh) | 一种基于车载终端的礼让行人的提醒方法、系统及车载终端 | |
Satzoda et al. | Drive analysis using lane semantics for data reduction in naturalistic driving studies | |
CN113071515B (zh) | 可移动载体控制方法、装置、可移动载体及存储介质 | |
US11748664B1 (en) | Systems for creating training data for determining vehicle following distance | |
US20210004016A1 (en) | U-turn control system for autonomous vehicle and method therefor | |
CN117854292A (zh) | 车辆超速识别方法、装置、设备及存储介质 | |
CN110705495A (zh) | 交通工具的检测方法、装置、电子设备和计算机存储介质 | |
CN110727269A (zh) | 车辆控制方法及相关产品 | |
US20230126957A1 (en) | Systems and methods for determining fault for a vehicle accident |
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 |