[发明专利]一种监控道路上车辆的方法及装置

说明书

本发明公开了一种监控道路上车辆的方法及装置，方法包括：获取道路上车辆的监控视频的图像集合，针对图像集合中的第k个图像和第k+1个图像，根据深度学习检测模型，分别确定出第k个图像的车辆的坐标和第k+1个图像的车辆的坐标，并确定第k个图像的车辆和第k+1个图像的车辆之间的车辆距离，根据车辆距离，确定第k个图像中静止车辆的数量，在确定第k个图像中静止车辆的数量大于零之后，根据遗忘因子和第k‑1个图像对应的累计值，确定第k个图像对应的累计值，当第k个图像对应的累计值大于第二阈值时，确定道路上车辆出现异常。该技术方案在确保对道路异常检测的检测精度前提下，提高检测效率。

技术领域

本发明实施例涉及车辆检测技术领域，尤其涉及一种监控道路上车辆的方法及装置。

背景技术

基于视频的车辆检测技术是交通视频监控系统中重要的一部分，其能够为监控系统提供相关的车辆信息。通过对监控视频中道路上车辆位置的检测，判断道路上是否有车辆拥堵或者违章停车等异常，现有技术中主要根据监控视频中截取的多个图像，识别出多个图像中同一个车辆以及该同一个车辆的坐标信息，根据该同一车辆的坐标信息判断该车辆是否处于静止状态，进而判断该道路状况是否异常。现有技术中针对多个图像识别出同一个车辆的难度较大，且上述方式判断道路状况异常的效率较低，不利于对道路车辆的高效管控。

发明内容

本发明实施例提供一种监控道路上车辆的方法及装置，用以在确保对道路异常检测的检测精度前提下，提高检测效率。

本发明实施例提供的一种监控道路上车辆的方法，包括：

获取道路上车辆的监控视频的图像集合；所述图像集合中图像是按预设时间间隔截取所述监控视频得到的；

针对所述图像集合中的第k个图像和第k+1个图像，根据深度学习检测模型，分别确定出所述第k个图像的车辆的坐标和所述第k+1个图像的车辆的坐标；所述k大于等于1；所述深度学习检测模型是对各图片上的已标记完成的车辆和所述已标记完成的车辆的坐标进行训练后确定的；

根据所述第k个图像的车辆的坐标和所述第k+1个图像的车辆的坐标，确定所述第k个图像的车辆和所述第k+1个图像的车辆之间的车辆距离；

根据所述车辆距离，确定所述第k个图像中静止车辆的数量；

在确定所述第k个图像中静止车辆的数量大于零之后，根据遗忘因子和第k-1个图像对应的累计值，确定所述第k个图像对应的累计值；

当所述第k个图像对应的累计值大于第二阈值时，确定所述道路上车辆出现异常。

上述技术方案中，针对第k个图像和第k+1个图像，根据深度学习检测模型，分别确定出第k个图像的车辆的坐标和第k+1个图像的车辆的坐标，并确定出第k个图像的车辆和第k+1个图像的车辆之间的车辆距离，并根据车辆距离确定出第k个图像中静止车辆的数量，当第k个图像中静止车辆的数量大于零后，根据遗忘因子和第k-1个图像的累计值确定出第k个图像的累计值，在确定第k个图像的累计值大于第二阈值时，确定出道路上车辆出现异常。该技术方案无需针对同一个车辆进行检测，减小了检测难度，相对提高检测效率，采用深度学习检测模型，提高了车辆的检测精度。

可选的，所述根据所述车辆距离，确定所述第k个图像中静止车辆的数量，包括：

判断所述车辆距离是否小于第一阈值，若是，则确定所述第k个图像的车辆是静止车辆；

统计所述第k个图像中所述静止车辆的数量。

上述技术方案中，第k个图像的车辆可以为多个，第k+1个图像的车辆也可以为多个，针对第k个图像中的任一个车辆，确定该任一个车辆与第k+1个图像中所有车辆的车辆距离，只要有车辆距离小于第一阈值时，即判断出第k个图像的车辆为静止车辆。根据第k个图像中多个车辆的车辆状态，统计该第k个图像中静止车辆的数量。