CN117975735A - 一种基于图像处理的交通占道处理方法和系统 - Google Patents
一种基于图像处理的交通占道处理方法和系统 Download PDFInfo
- Publication number
- CN117975735A CN117975735A CN202410371076.9A CN202410371076A CN117975735A CN 117975735 A CN117975735 A CN 117975735A CN 202410371076 A CN202410371076 A CN 202410371076A CN 117975735 A CN117975735 A CN 117975735A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- occupation
- line
- road
- alarm information
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 55
- 238000003672 processing method Methods 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims description 25
- 230000004044 response Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 abstract description 12
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 238000010191 image analysis Methods 0.000 abstract description 4
- 239000003550 marker Substances 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种基于图像处理的交通占道处理方法和系统,该系统包括各个行驶车辆的车机终端和服务器;其中,车机终端对行车记录仪拍摄到的行车拍摄画面进行图像分析,判断出当前车辆是否压线,并根据压线情况的相关信息生成占道报警信息,上传服务器。服务器接收到任一车机终端上传的占道报警信息后,立即开启附近的监控设备对占道报警信息涉及的占道车辆进行占道处理。一方面可以在驾驶员零操作的情况下及时向服务器进行占道报警,对各个路段起到占道监督作用;另一方面,无需长时间开启各个监控设备,保障了监控设备的能耗和存储空间,尽可能地避免了监控设备的无效工作。
Description
技术领域
本申请涉及交通管理技术领域,特别涉及一种基于图像处理的交通占道处理方法和系统。
背景技术
随着城市化、机动化建设进程的加快,我国汽车工业发展迅速,个人购车比例在逐年快速增长,于是一些交通要道常常出现违章停车的情况。违章停车的车辆占领原本用于行驶的交通道路,影响来往车辆正常行驶,往往导致拥堵甚至车祸等危险情况发生。
现在针对交通占道情况的处理,需要交通部门安排交警定点巡查,对警力需求较大;或者通过在核心路段安装监控设备进行监控,但是监控设备可能因为断电、内存不足等情况处于非工作状态,均不能有效地解决交通占道问题。
发明内容
本申请的目的在于提供一种基于图像处理的交通占道处理方法和系统,其能够改善上述问题。
本申请的实施例是这样实现的:
第一方面,本申请提供一种基于图像处理的交通占道处理方法,其包括以下步骤:
S11:获取行车记录仪的行车拍摄画面,根据所述行车拍摄画面判断出本车是否压线;
S12:记录本次压线的压线时长;
S13:在所述压线时长大于第一时长阈值的情况下,向服务器发送占道报警信息。
其中,S11、S12等仅为步骤标识,方法的执行顺序并不一定按照数字由小到大的顺序进行,比如可以是先执行步骤S12再执行步骤S11,本申请不做限制。
可以理解,本申请提供一种基于图像处理的交通占道处理方法,应用于行驶车辆的车机终端。该车机终端对行车记录仪拍摄到的行车拍摄画面进行图像分析,判断出当前车辆是否压线,并根据压线情况的相关信息生成占道报警信息,上传服务器。行驶车辆要通过被占道的车道,则需要对旁边车道进行“借道”,因此可以通过本车是否压线作为重要依据,推断占道情况。行驶车辆的车机终端所执行的交通占道处理方法,可以在驾驶员零操作的情况下及时向服务器进行占道报警,对各个路段起到占道监督作用。
在本申请可选的实施例中,所述S11包括:
S111:获取行车记录仪的行车拍摄画面;
S112:识别出所述行车拍摄画面中的本车机盖轮廓,找到所述本车机盖轮廓中前边缘的中点,作为标记点;
S113:识别出所述标记点左侧中最接近所述标记点的马路指示线,作为标记线;
S114:找到所述标记线与所述本车机盖轮廓的交点,计算所述交点与所述标记点在水平方向上的距离;
S115:若所述距离小于第一距离阈值,则判断本车压线;若所述距离大于所述第一距离阈值,则判断本车停止压线。
在本申请可选的实施例中,上述基于图像处理的交通占道处理方法还包括:在判断出本车压线的情况下,识别所述标记线的类型,作为压线类型。
可以理解,上述压线类型包括实线或虚线。若压线类型为虚线,说明本路段对来往车辆的车道行驶要求较为宽松,在本路段进行占道的危害较小;若压线类型为实线,说明本路段对来往车辆的车道行驶要求较为严格,在本路段进行占道的危害更大,因此判断压线类型可以作为服务器的优先级处理、占道车主的惩罚力度的重要权重依据。
在本申请可选的实施例中,上述基于图像处理的交通占道处理方法还包括:在判断出本车压线的情况下,通过Faster R-CNN网络识别出位于所述标记线右侧的车辆元素边界框,作为占道车辆区域;识别所述占道车辆区域内的车牌号码,作为占道车辆车牌号码。
在本申请可选的实施例中,所述占道报警信息包括以下至少一项:所述本车的当前定位;所述压线时长;压线类型;占道车辆车牌号码。
可以理解,如上所述,压线类型可以作为服务器的优先级处理、占道车主的惩罚力度的重要权重依据。此外,若本路段占道车辆较多,则占道距离较长,行驶车辆需要压线的压线时长更长;若本路段占道车辆较少,则占道距离较段,行驶车辆需要压线的压线时长更短,因此,压线时长可以一定程度上反映本路段占道车辆的数量,也可以作为服务器的优先级处理的重要权重依据。
第二方面,本申请还公开了另一种基于图像处理的交通占道处理方法,包括以下步骤:
S21:响应于接收到行驶车辆的车机终端上传的占道报警信息,确定所述车机终端的当前定位;
S22:对所述占道报警信息涉及的占道车辆进行占道处理。
其中,S21、S22等仅为步骤标识,方法的执行顺序并不一定按照数字由小到大的顺序进行,比如可以是先执行步骤S22再执行步骤S21,本申请不做限制。
可以理解,本申请还提供了另一种基于图像处理的交通占道处理方法,应用于服务器。该服务器接收到任一车机终端上传的占道报警信息后,立即对占道报警信息涉及的占道车辆进行占道处理,比如,开启报警车机附近的监控设备;识别监控画面中的占道车辆的车辆信息;向对应的占道车主终端发送挪车消息。本方法无需长时间开启各个监控设备,保障了监控设备的能耗和存储空间,尽可能地避免了监控设备的无效工作。
在本申请可选的实施例中,在步骤S22具体包括以下步骤:
S221:根据所述占道报警信息,计算出优先级分数;
S222:按照所述优先级分数从高到低的顺序,依次对各个所述占道报警信息涉及的占道车辆进行占道处理。
其中,所述占道处理包括以下步骤:向与所述车机终端间距在第二距离阈值范围内的监控设备发送开启指令;获取所述监控设备反馈的监控画面,识别出所述监控画面中的占道车辆的车辆信息;根据所述车辆信息,向对应的占道车主终端发送挪车消息。
可以理解,服务器可以接收任一车机上传的占道报警信息,在同时接收到多个占道报警信息的情况下,需要合理排出优先级才能更加合理地对各处占道情况进行处理。
在本申请可选的实施例中,所述步骤S221具体包括:根据下式计算出优先级分数:;
其中,代表所述占道报警信息中的压线时长;/>代表常数;在压线类型为实线时,/>为预设正整数;在压线类型为虚线时,/>。
第三方面,本申请还公开了一种基于图像处理的交通占道处理系统,包括:
行驶车辆的车机终端,包括相互连接的第一处理器和第一存储器,其中,所述第一存储器用于存储计算机程序,所述计算机程序包括程序指令,所述第一处理器被配置用于调用所述程序指令,执行如第一方面任一项所述的方法;
服务器,包括相互连接的第二处理器和第二存储器,其中,所述第二存储器用于存储计算机程序,所述计算机程序包括程序指令,所述第二处理器被配置用于调用所述程序指令,执行如第二方面任一项所述的方法。
有益效果
本申请提供一种基于图像处理的交通占道处理方法,应用于行驶车辆的车机终端。该车机终端对行车记录仪拍摄到的行车拍摄画面进行图像分析,判断出当前车辆是否压线,并根据压线情况的相关信息生成占道报警信息,上传服务器。行驶车辆要通过被占道的车道,则需要对旁边车道进行“借道”,因此可以通过本车是否压线作为重要依据,推断占道情况。行驶车辆的车机终端所执行的交通占道处理方法,可以在驾驶员零操作的情况下及时向服务器进行占道报警,对各个路段起到占道监督作用。
本申请还提供了另一种基于图像处理的交通占道处理方法,应用于服务器。该服务器接收到任一车机终端上传的占道报警信息后,立即对占道报警信息涉及的占道车辆进行占道处理,比如,开启报警车机附近的监控设备;识别监控画面中的占道车辆的车辆信息;向对应的占道车主终端发送挪车消息。本方法无需长时间开启各个监控设备,保障了监控设备的能耗和存储空间,尽可能地避免了监控设备的无效工作。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举可选实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1是本申请提供的一种基于图像处理的交通占道处理系统的示意图;
图2是本申请提供的一种交通占道场景示意图;
图3是本申请提供的另一种交通占道场景示意图;
图4是本申请提供的一种行车拍摄画面;
图5是本申请提供的另一种行车拍摄画面。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
第一方面,如图1所示,本申请提供一种基于图像处理的交通占道处理方法,应用于行驶车辆的车机终端,该方法包括以下步骤:
S11:获取行车记录仪的行车拍摄画面,根据行车拍摄画面判断出本车是否压线。
如图2所示,由于第一车辆101的违停占道,第一行驶车辆102要通过车道1就必须对旁边车道2进行“借道”,因此,第一行驶车辆102可以通过判断本车是否压线作为推断占道的重要依据。
S12:记录本次压线的压线时长。
可以理解,一般情况下,行驶车辆的压线时长与当前车道违停车数量多少有关,行驶车辆通过占道路段后,为了自身安全会尽快回到车道内进行行驶。如果是驾驶员不小心的压线操作,只会维持非常短的压线时长;但是如果是因为占道而被迫压线则会维持较长时间。如图2所示的交通占道场景,图中由于第一车辆101占道,因此第一行驶车辆102至少需要通过长度为L1的压线路段后才能回到原车道1进行行驶,压线时长必须达到某个合理的时长阈值。因此可以通过压线时长来辅助推断占道场景。
S13:在压线时长大于第一时长阈值的情况下,向服务器发送占道报警信息。
上述第一时长阈值可以由本领域技术人员根据具体情况进行制定,其目的是为了对驾驶员失误压线和因占道而被迫压线进行区别判断。
可以理解,本申请提供一种基于图像处理的交通占道处理方法,应用于行驶车辆的车机终端。该车机终端对行车记录仪拍摄到的行车拍摄画面进行图像分析,判断出当前车辆是否压线,并根据压线情况的相关信息生成占道报警信息,上传服务器。行驶车辆要通过被占道的车道,则需要对旁边车道进行“借道”,因此可以通过本车是否压线作为重要依据,推断占道情况。行驶车辆的车机终端所执行的交通占道处理方法,可以在驾驶员零操作的情况下及时向服务器进行占道报警,对各个路段起到占道监督作用。
在本申请可选的实施例中,S11包括:
S111:获取行车记录仪的行车拍摄画面。
如图4和图5所示均为行车拍摄画面,其中,图4为当前车道未被占道时,本车行车记录仪所拍摄到的车前画面;图5为当前车道被前车占道时,本车行车记录仪所拍摄到的车前画面。
S112:识别出行车拍摄画面中的本车机盖轮廓,找到本车机盖轮廓中前边缘的中点,作为标记点。
如图4所示,识别图4中的第一本车机盖轮廓301,第一本车机盖轮廓301的前边缘中点A,作为标记点;如图5所示,识别图5中的第二本车机盖轮廓401,第二本车机盖轮廓401的前边缘中点B,作为标记点。
S113:识别出标记点左侧中最接近标记点的马路指示线,作为标记线。
如图4所示,识别出标记点A左侧中最接近标记点的马路指示线作为第一标记线302;如图5所示,识别出标记点B左侧中最接近标记点的马路指示线作为第二标记线402。
S114:找到标记线与本车机盖轮廓的交点,计算交点与标记点在水平方向上的距离。
如图4所示,第一标记线302与第一本车机盖轮廓301的交点C,交点C与标记点A在水平方向上的第一距离X1;如图4所示,第二标记线402与第二本车机盖轮廓401的交点D,交点D与标记点B在水平方向上的第二距离X2。
S115:若距离小于第一距离阈值,则判断本车压线;若距离大于第一距离阈值,则判断本车停止压线。
上述第一距离阈值可由本领域技术人员根据实际情况进行设定,主要目的是作为判断本车压线的重要依据。交点与标记点的距离足够小时,可以判断当前车辆正在偏离当前车道,向旁边车道“借道”,存在压线可能;交点与标记点的距离足够大时,可以判断当前车辆正在当前车道行驶,与车道边线保持距离,不存在压线情况。
如图5所示,交点D与标记点B在水平方向上的第二距离X2较小,小于第一距离阈值,可判断本车压线。如图4所示,交点C与标记点A在水平方向上的第一距离X1较大,大于第一距离阈值,可判断本车停止压线。
在本申请可选的实施例中,上述基于图像处理的交通占道处理方法还包括:在判断出本车压线的情况下,识别标记线的类型,作为压线类型。
可以理解,上述压线类型包括实线或虚线。若压线类型为虚线,说明本路段对来往车辆的车道行驶要求较为宽松,在本路段进行占道的危害较小;若压线类型为实线,说明本路段对来往车辆的车道行驶要求较为严格,在本路段进行占道的危害更大,因此判断压线类型可以作为服务器的优先级处理、占道车主的惩罚力度的重要权重依据。
在本申请可选的实施例中,上述基于图像处理的交通占道处理方法还包括:在判断出本车压线的情况下,通过Faster R-CNN网络识别出位于标记线右侧的车辆元素边界框,作为占道车辆区域;识别占道车辆区域内的车牌号码,作为占道车辆车牌号码。
快速区域卷积神经网络(Faster Region Convolutional Neural Network,Faster R-CNN),是一种端到端的深度学习检测算法,其创新之处在于通过区域建议网络和锚机制来生成若干候选框,并将特征提取、候选框选取、边框回归和分类四个模块都整合到一个网络中,从而有效的提高检测精度和检测效率。
在本申请可选的实施例中,占道报警信息包括以下至少一项:本车的当前定位;压线时长;压线类型;占道车辆车牌号码。
可以理解,如上,压线类型可以作为服务器的优先级处理、占道车主的惩罚力度的重要权重依据。此外,若本路段占道车辆较多,则占道距离较长,行驶车辆需要压线的压线时长更长;若本路段占道车辆较少,则占道距离较段,行驶车辆需要压线的压线时长更短,因此,压线时长可以一定程度上反映本路段占道车辆的数量,也可以作为服务器的优先级处理的重要权重依据。
如图2所示的交通占道场景,图中只有第一车辆101占道,因此第一行驶车辆102通过长度为L1的压线路段后即回到原车道1进行行驶,因此第一行驶车辆102的压线时长较短。如图3所示的交通占道场景,图中存在第二车辆201、第三车辆202、第四车辆203一共三辆汽车占道,因此第二行驶车辆204通过长度为L2的压线路段后才会回到原车道进行行驶,因此第二行驶车辆204的压线时长较长。服务器如果同时收到第一行驶车辆102和第二行驶车辆204的车机终端发送的占道报警信息,可以优先处理第二行驶车辆204附近的占道情况。
第二方面,继续参考图1,本申请还公开了另一种基于图像处理的交通占道处理方法,包括以下步骤:
S21:响应于接收到行驶车辆的车机终端上传的占道报警信息,确定车机终端的当前定位。
S22:对占道报警信息涉及的占道车辆进行占道处理。
可以理解,本申请还提供了另一种基于图像处理的交通占道处理方法,应用于服务器。该服务器接收到任一车机终端上传的占道报警信息后,立即对占道报警信息涉及的占道车辆进行占道处理,比如,开启报警车机附近的监控设备;识别监控画面中的占道车辆的车辆信息;向对应的占道车主终端发送挪车消息。本方法无需长时间开启各个监控设备,保障了监控设备的能耗和存储空间,尽可能地避免了监控设备的无效工作。
在本申请可选的实施例中,在步骤S22具体包括以下步骤:
S221:根据占道报警信息,计算出优先级分数;
S222:按照优先级分数从高到低的顺序,依次对各个占道报警信息涉及的占道车辆进行占道处理。
其中,占道处理包括以下步骤:向与车机终端间距在第二距离阈值范围内的监控设备发送开启指令;获取监控设备反馈的监控画面,识别出监控画面中的占道车辆的车辆信息;根据车辆信息,向对应的占道车主终端发送挪车消息。
可以理解,服务器可以接收任一车机上传的占道报警信息,在同时接收到多个占道报警信息的情况下,需要合理排出优先级才能更加合理地对各处占道情况进行处理。
在本申请可选的实施例中,步骤S221具体包括:根据下式计算出优先级分数:;
其中,代表占道报警信息中的压线时长;/>代表常数;在压线类型为实线时,/>为预设正整数;在压线类型为虚线时,/>。
可以理解,服务器优先处理占道车辆数量多、占道导致行驶车辆压实线的区域的占道情况。
第三方面,继续参考图1,本申请还公开了一种基于图像处理的交通占道处理系统,包括:行驶车辆的车机终端和服务器。
其中,行驶车辆的车机终端包括相互连接的第一处理器和第一存储器,其中,所述第一存储器用于存储计算机程序,所述计算机程序包括程序指令,所述第一处理器被配置用于调用所述程序指令,执行如第一方面任一项所述的方法;
其中,服务器包括相互连接的第二处理器和第二存储器,其中,所述第二存储器用于存储计算机程序,所述计算机程序包括程序指令,所述第二处理器被配置用于调用所述程序指令,执行如第二方面任一项所述的方法。
应当理解,在本发明实施例中,所称处理器可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
该存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如,存储器还可以存储设备类型的信息。
在本申请所提供的几个实施例中,应该理解到,所揭露的终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接,也可以是电的,机械的或其它的形式连接。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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,或者该技术方案的全部或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中,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)执行本发明各个实施例中方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本公开的各种实施方式中所使用的表述“第一”、“第二”、“所述第一”或“所述第二”可修饰各种部件而与顺序和/或重要性无关,但是这些表述不限制相应部件。以上表述仅配置为将元件与其它元件区分开的目的。例如,第一用户设备和第二用户设备表示不同的用户设备,虽然两者均是用户设备。例如,在不背离本公开的范围的前提下,第一元件可称作第二元件,类似地,第二元件可称作第一元件。
当一个元件(例如,第一元件)称为与另一元件(例如,第二元件)“(可操作地或可通信地)联接”或“(可操作地或可通信地)联接至”另一元件(例如,第二元件)或“连接至”另一元件(例如,第二元件)时,应理解为该一个元件直接连接至该另一元件或者该一个元件经由又一个元件(例如,第三元件)间接连接至该另一个元件。相反,可理解,当元件(例如,第一元件)称为“直接连接”或“直接联接”至另一元件(第二元件)时,则没有元件(例如,第三元件)插入在这两者之间。
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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。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、物品或者装置中还存在另外的相同要素,此外,本申请不同实施例中具有同样命名的部件、特征、要素可能具有相同含义,也可能具有不同含义,其具体含义需以其在该具体实施例中的解释或者进一步结合该具体实施例中上下文进行确定。
以上描述仅为本申请的可选实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
以上描述仅为本申请的可选实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
以上所述仅为本申请的可选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于图像处理的交通占道处理方法,其特征在于,包括以下步骤:
S11:获取行车记录仪的行车拍摄画面,根据所述行车拍摄画面判断出本车是否压线;
S12:记录本次压线的压线时长;
S13:在所述压线时长大于第一时长阈值的情况下,向服务器发送占道报警信息。
2.根据权利要求1所述的基于图像处理的交通占道处理方法,其特征在于,
所述S11包括:
S111:获取行车记录仪的行车拍摄画面;
S112:识别出所述行车拍摄画面中的本车机盖轮廓,找到所述本车机盖轮廓中前边缘的中点,作为标记点;
S113:识别出所述标记点左侧中最接近所述标记点的马路指示线,作为标记线;
S114:找到所述标记线与所述本车机盖轮廓的交点,计算所述交点与所述标记点在水平方向上的距离;
S115:若所述距离小于第一距离阈值,则判断本车压线;若所述距离大于所述第一距离阈值,则判断本车停止压线。
3.根据权利要求2所述的基于图像处理的交通占道处理方法,其特征在于,
还包括:在判断出本车压线的情况下,识别所述标记线的类型,作为压线类型。
4.根据权利要求2所述的基于图像处理的交通占道处理方法,其特征在于,
还包括:在判断出本车压线的情况下,通过Faster R-CNN网络识别出位于所述标记线右侧的车辆元素边界框,作为占道车辆区域;识别所述占道车辆区域内的车牌号码,作为占道车辆车牌号码。
5.根据权利要求1至4任一所述的基于图像处理的交通占道处理方法,其特征在于,
所述占道报警信息包括以下至少一项:
所述本车的当前定位;
所述压线时长;
压线类型;
占道车辆车牌号码。
6.一种基于图像处理的交通占道处理方法,其特征在于,包括以下步骤:
S21:响应于接收到行驶车辆的车机终端上传的占道报警信息,确定所述车机终端的当前定位;
S22:对所述占道报警信息涉及的占道车辆进行占道处理。
7.根据权利要求6所述的基于图像处理的交通占道处理方法,其特征在于,
在步骤S22具体包括以下步骤:
S221:根据所述占道报警信息,计算出优先级分数;
S222:按照所述优先级分数从高到低的顺序,依次对各个所述占道报警信息涉及的占道车辆进行占道处理。
8.根据权利要求7所述的基于图像处理的交通占道处理方法,其特征在于,
所述占道处理包括以下步骤:
向与所述车机终端间距在第二距离阈值范围内的监控设备发送开启指令;
获取所述监控设备反馈的监控画面,识别出所述监控画面中的占道车辆的车辆信息;
根据所述车辆信息,向对应的占道车主终端发送挪车消息。
9.根据权利要求7所述的基于图像处理的交通占道处理方法,其特征在于,
所述步骤S221具体包括:根据下式计算出优先级分数:
;
其中,代表所述占道报警信息中的压线时长;/>代表常数;在压线类型为实线时,/>为预设正整数;在压线类型为虚线时,/>。
10.一种基于图像处理的交通占道处理系统,其特征在于,包括:
行驶车辆的车机终端,包括相互连接的第一处理器和第一存储器,其中,所述第一存储器用于存储计算机程序,所述计算机程序包括程序指令,所述第一处理器被配置用于调用所述程序指令,执行如权利要求1至5任一项所述的方法;
服务器,包括相互连接的第二处理器和第二存储器,其中,所述第二存储器用于存储计算机程序,所述计算机程序包括程序指令,所述第二处理器被配置用于调用所述程序指令,执行如权利要求6至9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410371076.9A CN117975735B (zh) | 2024-03-29 | 2024-03-29 | 一种基于图像处理的交通占道处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410371076.9A CN117975735B (zh) | 2024-03-29 | 2024-03-29 | 一种基于图像处理的交通占道处理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117975735A true CN117975735A (zh) | 2024-05-03 |
CN117975735B CN117975735B (zh) | 2024-06-14 |
Family
ID=90866002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410371076.9A Active CN117975735B (zh) | 2024-03-29 | 2024-03-29 | 一种基于图像处理的交通占道处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117975735B (zh) |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR200361191Y1 (ko) * | 2004-06-23 | 2004-09-07 | (주)두리에스 | 불법주정차 무인단속 감시장치 |
KR20050005256A (ko) * | 2003-07-01 | 2005-01-13 | 박정민 | 전용차로 위반차량 신고시스템 및 방법 |
KR100812397B1 (ko) * | 2007-03-15 | 2008-03-10 | 주식회사 넥스파시스템 | 버스를 이용한 버스전용차로 위반차량의 단속방법 |
CN101183465A (zh) * | 2007-05-11 | 2008-05-21 | 成都蓉盾科技有限公司 | 临时占道停车监控管理方法 |
CN104680794A (zh) * | 2015-02-13 | 2015-06-03 | 深圳市图敏实业有限公司 | 车载监控终端及基于该终端的公交专用道监控方法及系统 |
CN105047004A (zh) * | 2015-08-26 | 2015-11-11 | 深圳市傲天智能系统有限公司 | 一种车载智能公交终端及管理系统 |
US20160034778A1 (en) * | 2013-12-17 | 2016-02-04 | Cloud Computing Center Chinese Academy Of Sciences | Method for detecting traffic violation |
CN105702048A (zh) * | 2016-03-23 | 2016-06-22 | 武汉理工大学 | 基于行车记录仪的高速公路前车违法占道识别系统及方法 |
JP2016133963A (ja) * | 2015-01-19 | 2016-07-25 | サイバーテクノロジー株式会社 | 通信型ドライブレコーダ及び緊急通報システム |
CN106373218A (zh) * | 2016-10-28 | 2017-02-01 | 中山大学 | 一种具有压线报警功能的手机行车记录仪 |
CN106875696A (zh) * | 2017-04-13 | 2017-06-20 | 深圳市赛亿科技开发有限公司 | 自动识别交通违规违法行为的系统及其方法和行车记录仪 |
US20180293684A1 (en) * | 2016-09-07 | 2018-10-11 | Southeast University | Supervision and penalty method and system for expressway emergency lane occupancy |
CN110459057A (zh) * | 2019-07-29 | 2019-11-15 | 湖南湖芯信息科技有限公司 | 基于大众监督的车载抓拍交通违规事件处理系统 |
CN111161543A (zh) * | 2019-11-14 | 2020-05-15 | 南京行者易智能交通科技有限公司 | 一种基于图像识别的公交前车违章行为自动抓拍方法及系统 |
CN111554098A (zh) * | 2020-04-27 | 2020-08-18 | 陈威 | 一种高速公路应急车道占用检测系统及其实现方法 |
CN113487878A (zh) * | 2021-07-12 | 2021-10-08 | 重庆长安新能源汽车科技有限公司 | 一种机动车违章压线行驶检测方法及系统 |
CN114446055A (zh) * | 2021-09-22 | 2022-05-06 | 湖南喜宝达信息科技有限公司 | 一种电单车及其占道行驶的监控方法、存储介质 |
CN115019514A (zh) * | 2022-08-09 | 2022-09-06 | 临沂市公路事业发展中心 | 一种基于车联网的公路巡查系统 |
JP2023079601A (ja) * | 2021-11-29 | 2023-06-08 | 株式会社デンソー | 車両用成長記録システム及び乗り物用成長記録システム |
KR20230130826A (ko) * | 2022-03-04 | 2023-09-12 | 현대모비스 주식회사 | 끼어들기금지 위반차량 자동 신고장치 및 방법 |
-
2024
- 2024-03-29 CN CN202410371076.9A patent/CN117975735B/zh active Active
Patent Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050005256A (ko) * | 2003-07-01 | 2005-01-13 | 박정민 | 전용차로 위반차량 신고시스템 및 방법 |
KR200361191Y1 (ko) * | 2004-06-23 | 2004-09-07 | (주)두리에스 | 불법주정차 무인단속 감시장치 |
KR100812397B1 (ko) * | 2007-03-15 | 2008-03-10 | 주식회사 넥스파시스템 | 버스를 이용한 버스전용차로 위반차량의 단속방법 |
CN101183465A (zh) * | 2007-05-11 | 2008-05-21 | 成都蓉盾科技有限公司 | 临时占道停车监控管理方法 |
US20160034778A1 (en) * | 2013-12-17 | 2016-02-04 | Cloud Computing Center Chinese Academy Of Sciences | Method for detecting traffic violation |
JP2016133963A (ja) * | 2015-01-19 | 2016-07-25 | サイバーテクノロジー株式会社 | 通信型ドライブレコーダ及び緊急通報システム |
CN104680794A (zh) * | 2015-02-13 | 2015-06-03 | 深圳市图敏实业有限公司 | 车载监控终端及基于该终端的公交专用道监控方法及系统 |
CN105047004A (zh) * | 2015-08-26 | 2015-11-11 | 深圳市傲天智能系统有限公司 | 一种车载智能公交终端及管理系统 |
CN105702048A (zh) * | 2016-03-23 | 2016-06-22 | 武汉理工大学 | 基于行车记录仪的高速公路前车违法占道识别系统及方法 |
US20180293684A1 (en) * | 2016-09-07 | 2018-10-11 | Southeast University | Supervision and penalty method and system for expressway emergency lane occupancy |
CN106373218A (zh) * | 2016-10-28 | 2017-02-01 | 中山大学 | 一种具有压线报警功能的手机行车记录仪 |
CN106875696A (zh) * | 2017-04-13 | 2017-06-20 | 深圳市赛亿科技开发有限公司 | 自动识别交通违规违法行为的系统及其方法和行车记录仪 |
CN110459057A (zh) * | 2019-07-29 | 2019-11-15 | 湖南湖芯信息科技有限公司 | 基于大众监督的车载抓拍交通违规事件处理系统 |
CN111161543A (zh) * | 2019-11-14 | 2020-05-15 | 南京行者易智能交通科技有限公司 | 一种基于图像识别的公交前车违章行为自动抓拍方法及系统 |
CN111554098A (zh) * | 2020-04-27 | 2020-08-18 | 陈威 | 一种高速公路应急车道占用检测系统及其实现方法 |
CN113487878A (zh) * | 2021-07-12 | 2021-10-08 | 重庆长安新能源汽车科技有限公司 | 一种机动车违章压线行驶检测方法及系统 |
CN114446055A (zh) * | 2021-09-22 | 2022-05-06 | 湖南喜宝达信息科技有限公司 | 一种电单车及其占道行驶的监控方法、存储介质 |
JP2023079601A (ja) * | 2021-11-29 | 2023-06-08 | 株式会社デンソー | 車両用成長記録システム及び乗り物用成長記録システム |
KR20230130826A (ko) * | 2022-03-04 | 2023-09-12 | 현대모비스 주식회사 | 끼어들기금지 위반차량 자동 신고장치 및 방법 |
CN115019514A (zh) * | 2022-08-09 | 2022-09-06 | 临沂市公路事业发展中心 | 一种基于车联网的公路巡查系统 |
Non-Patent Citations (5)
Title |
---|
吴渊杰;: "浅谈高速公路上大型货车违法占道行驶的管理对策", 安全与健康, no. 10, 20 May 2009 (2009-05-20) * |
宋斌;: "浅析高速公路上违法占道行为及其治理对策", 交通与运输, no. 05, 25 September 2013 (2013-09-25) * |
朱国安;王金祥;: "基于视频的停车位内车辆的压线检测方法研究", 内江科技, no. 01, 25 January 2020 (2020-01-25) * |
汪超洋;彭定敏;黄继文;: "一种车载公交专用道抓拍系统的设计", 计算机与数字工程, no. 09, 20 September 2018 (2018-09-20) * |
邱康;王子磊;: "基于车载视频的压线检测与车道偏移预警", 信息技术与网络安全, no. 06, 10 June 2019 (2019-06-10) * |
Also Published As
Publication number | Publication date |
---|---|
CN117975735B (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110400478B (zh) | 一种路况通知方法及装置 | |
US7884739B2 (en) | Systems and devices for assessing fines for traffic disturbances | |
CN111402612A (zh) | 一种交通事件通知方法及装置 | |
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 | |
CN113012436B (zh) | 道路监控方法、装置及电子设备 | |
CN105303823A (zh) | 车辆违规监控方法和系统 | |
KR102323692B1 (ko) | Adas를 이용한 운전자 평가 방법 및 장치 | |
CN113823120A (zh) | 一种车辆危险预警方法及相关装置 | |
CN108932850B (zh) | 一种记录机动车低速行驶违法行为的方法及装置 | |
CN115049993B (zh) | 一种基于深度学习的车辆异常停止监测方法 | |
CN109376665B (zh) | 基于群智感知的出租车驾驶员的驾驶行为评估系统 | |
CN117975735B (zh) | 一种基于图像处理的交通占道处理系统 | |
CN113722566A (zh) | 一种自动驾驶车辆功能稳定性评定的方法 | |
JP3945305B2 (ja) | 運転者将来状況予測装置 | |
CN111563425B (zh) | 交通事件识别方法及电子设备 | |
CN111507269B (zh) | 车位状态的识别方法及装置、存储介质和电子装置 | |
CN115359443A (zh) | 交通事故检测方法和装置、电子设备和存储介质 | |
CN115131960B (zh) | 一种针对道路车辆事故的智能安全处理方法及装置 | |
CN111832352A (zh) | 非机动车监控方法、装置及设备、存储介质 | |
KR102082068B1 (ko) | 요금 수수 시스템 및 건전성 판단 방법 | |
CN117152945A (zh) | 处理交通事故的方法和系统、以及存储介质 | |
CN112597945A (zh) | 车辆检测方法及装置 | |
CN112133120A (zh) | 一种车辆提示处理方法及装置 | |
JP7466490B2 (ja) | 車群判定装置、合流支援装置、車群判定方法、及びプログラム | |
JPH11259707A (ja) | 料金収受システム及び料金収受方法 |
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 |