[发明专利]一种交通异常确定方法、装置、设备及介质

权利要求书

1.一种交通异常确定方法，其特征在于，所述方法包括：

通过训练完成的多目标检测模型，获取当前帧图像中每个第一物体的第一位置信息；

针对所述当前帧图像之前设定数量的图像帧，确定该图像帧中每个第二物体的第二位置信息，根据所述每个第一物体的第一位置信息及所述第二物体的第二位置信息，确定所述该图像帧中与所述当前帧图像的每个第一物体对应的第二物体；

通过训练完成的交通异常识别模型，基于当前帧图像中每个第一物体的第一位置信息，及第一物体在该当前帧图像之前的设定数量的图像帧中对应的第二物体的第二位置信息，确定当前帧时刻检测点是否发生交通异常；

所述根据所述每个第一物体的第一位置信息及所述第二物体的第二位置信息，确定所述该图像帧中与所述当前帧图像的每个第一物体对应的第二物体，包括：

根据所述每个第一物体的第一位置信息及所述第二物体的第二位置信息，确定每个第一物体的第一位置信息与该第一物体同一类别的第二物体的第二位置信息之间的距离及角度；

针对每个第一物体，判断该第一物体与该第一物体距离最小的同一类别的第二物体之间的角度是否小于预先设置的角度阈值；若是，则确定该第二物体为该第一物体对应的第二物体；若否，则删除该距离最小的第二物体，并重新确定断该第一物体与该第一物体距离最小的同一类别的第二物体之间的角度是否小于预先设置的角度阈值；

所述交通异常识别模型通过以下方式训练：

针对样本训练集中的每个样本图像，根据该样本图像中每个样本第一物体的样本第一位置信息，及样本第一物体在当前样本图像之前的设定数量的样本图像中对应的第二物体的样本第二位置信息，确定该样本图像对应的向量；

通过交通异常识别模型，基于所述向量，确定对应的输出值；

根据所述输出值，并对所述交通异常识别模型的参数进行调整；

其中，所述交通异常识别模型包括第一隐含层和第二隐含层；所述第一隐含层用于在所述交通异常识别模型的训练过程中学习所述向量的线性特征；所述第二隐含层用于学习所述向量的非线性特征。

2.根据权利要求1所述的方法，其特征在于，所述第一物体包括以下至少一种：行人、自行车、私家车、摩托车、公交车以及卡车。

3.根据权利要求1所述的方法，其特征在于，所述根据所述每个第一物体的第一位置信息及所述第二物体的第二位置信息，确定每个第一物体的第一位置信息与该第一物体同一类别的第二物体的第二位置信息之间的距离之后，所述针对每个第一物体，判断该第一物体与该第一物体距离最小的同一类别的第二物体之间的角度是否小于预先设置的角度之前，所述方法包括：

若存在与该第一物体的距离大于设定距离阈值的距离，则将识别到的该距离删除，并执行后续针对每个第一物体，判断该第一物体与该第一物体距离最小的同一类别的第二物体之间的角度是否小于预先设置的角度的操作。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

针对每个第一物体，判断该第一物体对应的第二物体是否与其他第一物体对应的第二物体相同，若相同，则为该第一物体及与该第一物体存在相同的第二物体的其他第一物体重新确定第二物体。

5.根据权利要求1所述的方法，其特征在于，所述针对所述当前帧图像之前设定数量的图像帧，确定该图像帧中每个第二物体的第二位置信息，所述方法还包括：

根据所述当前帧之前设定数量的图像帧中确定的每个物体的轨迹，确定当前帧中被遮挡的第三物体；

根据当前帧之前的视频检测帧中每个物体的轨迹，确定该第三物体在当前帧图像中的第三位置信息。