[发明专利]静态交通异常的判别方法、装置、计算机设备及存储介质在审

专利信息
申请号: 202010687229.2 申请日: 2020-07-16
公开(公告)号: CN111832492A 公开(公告)日: 2020-10-27
发明(设计)人: 林春伟;刘莉红;刘玉宇;肖京 申请(专利权)人: 平安科技(深圳)有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06N3/04;G06N3/08
代理公司: 深圳市精英专利事务所 44242 代理人: 林燕云
地址: 518000 广东省深圳市福田区福*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 静态 交通 异常 判别 方法 装置 计算机 设备 存储 介质
【说明书】:

发明公开了一种静态交通异常的判别方法、装置、计算机设备及存储介质,该方法包括若接收到监控视频中当前帧视频图像时,获取当前帧视频图像的目标检测框并与前一帧视频图像的目标检测框进行对比以得到当前帧视频图像的交通状态是否为可疑状态;若当前帧视频图像的交通状态为可疑状态,则获取可疑状态的初始时间和结束时间;最后判断初始时间与结束时间的时长是否超过预设的时间阈值以得到该可疑状态是否为异常状态。本发明基于图像处理技术,属于智慧交通技术领域,可应用于智慧交通场景中以推动智慧城市的建设,通过对视频图像的目标检测框的位置进行分析来判别监控视频中的交通,解决了道路交通异常检测中对异常情况检测不准确的问题。

技术领域

本发明属于智能交通技术领域,尤其涉及一种静态交通异常的判别方法、装置、计算机设备及存储介质。

背景技术

道路交通异常检测是计算机视觉中一个富有挑战性的研究领域。由于道路交通异常情况数据的稀缺性、异常行为的未知性,以及交通场景的多变性,比如各种天气、路况、拍摄视角等各种因素的影响,道路交通异常检测一直面临着正常异常数据不均衡、带高质量标注的语料库不充足、异常场景定义困难等问题。但同时,道路交通异常检测又对智能交通系统至关重要,是其规划、监控、管理不可或缺的一环。

现有技术中通常通过深度自编码器进行半监督学习来实现道路交通的异常检测,其中深度自编码器通过采用足够多的正常样本训练一个自编码模型,当该模型学习到正常样本的分布情况时,就可以将其重建出来,但是当面对异常样本时会产生较大的重大误差,而且易受到噪声的影响,从而出现对道路交通异常检测误差较大的问题;另外,现有技术中还可根据对视频图像中目标车辆的车辆轨迹的异常来进行分析以发现异常发生时刻和地点,但是视频图像中其他车辆易干扰目标车辆的车辆轨迹,易造成对道路交通造成误判。

发明内容

本发明实施例提供了一种静态交通异常的判别方法、装置、计算机设备及存储介质,旨在解决现有技术中道路交通异常检测不准确且易出现误判的问题。

第一方面,本发明实施例提供了一种静态交通异常的判别方法,其包括:

若接收到预置的监控视频中当前帧视频图像时,获取所述当前帧视频图像的目标检测框;

将所述当前帧视频图像的目标检测框与前一帧视频图像的目标检测框进行对比,以得到所述当前帧视频图像的交通状态是否为可疑状态;

若所述监控视频中当前帧视频图像的交通状态为可疑状态,根据预设的回溯规则获取所述可疑状态的初始时间;

根据所述当前帧视频图像之后的视频图像获取所述可疑状态的结束时间;

判断所述初始时间与所述结束时间的时长是否超过预设的时间阈值,以得到所述当前帧视频图像中的交通是否为异常状态。。

第二方面,本发明实施例提供了一种静态交通异常的判别装置,其包括:

目标检测框获取单元,用于若接收到预置的监控视频中当前帧视频图像时,获取所述当前帧视频图像的目标检测框;

对比单元,用于将所述当前帧视频图像的目标检测框与前一帧视频图像的目标检测框进行对比,以得到所述当前帧视频图像的交通状态是否为可疑状态;

初始时间确定单元,用于若所述监控视频中当前帧视频图像的交通状态为可疑状态,根据预设的回溯规则获取所述可疑状态的初始时间;

结束时间确定单元,用于根据所述当前帧视频图像之后的视频图像获取所述可疑状态的结束时间;

判断单元,用于判断所述初始时间与所述结束时间的时长是否超过预设的时间阈值,以得到所述当前帧视频图像中的交通是否为异常状态。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010687229.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top