System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于车载摄像头的逆行状态检测方法和装置制造方法及图纸_技高网

基于车载摄像头的逆行状态检测方法和装置制造方法及图纸

技术编号:41116102 阅读:2 留言:0更新日期:2024-04-25 14:06
本发明专利技术提供一种基于车载摄像头的逆行状态检测方法和装置,所述方法包括:获取目标车辆的车载摄像头的待识别视频数据;基于所述待识别视频数据,得到每帧图像中的车道线信息和消失点的位置;根据所述车道线信息得到每帧图像的车道线类型;在所述车道线类型为黄实线的情况下,则确定该帧图像为目标图像,并计算所述目标图像中消失点与黄实线的相对位置;基于多帧所述目标图像中消失点与黄实线的相对位置,确定存在任意两个消失点位于黄实线两侧的情况,则判定所述目标车辆处于逆行状态。解决了现有技术中车辆逆行状态检测依赖于路面上固定摄像头的数据,而导致的状态检测困难的问题。

【技术实现步骤摘要】

本专利技术涉及智能交通,尤其涉及一种基于车载摄像头的逆行状态检测方法和装置


技术介绍

1、随着交通运输业的迅猛发展,驾驶员的违规驾驶是造成交通事故的重要因素之一,尤其是在货运行业,逆行等违规驾驶的情况普遍存在,对车辆在行驶状态中是否出现逆行进行状态监控至关重要。

2、在已有技术中,是利用路面上的固定摄像头对车辆逆行进行检测的,通过固定摄像头采集到的车辆与车道线的相应关系判断是否存在逆行。但是,现有技术的实现依赖于交通管理数据,路面摄像头的数据获取困难,且缺少摄像头的路段无法进行监控。

3、鉴于此,本专利技术提供一种基于车载摄像头的逆行状态检测方法和装置,以解决现有技术中车辆逆行状态检测依赖于路面上固定摄像头的数据,而导致的状态检测困难的问题。


技术实现思路

1、针对现有技术存在的问题,本专利技术提供一种基于车载摄像头的逆行状态检测方法和装置。

2、本专利技术提供了一种基于车载摄像头的逆行状态检测方法,所述方法包括:

3、获取目标车辆的车载摄像头的待识别视频数据;

4、基于所述待识别视频数据,得到每帧图像中的车道线信息和消失点的位置;

5、根据所述车道线信息得到每帧图像的车道线类型;

6、在所述车道线类型为黄实线的情况下,则确定该帧图像为目标图像,并计算所述目标图像中消失点与黄实线的相对位置;

7、基于多帧所述目标图像中消失点与黄实线的相对位置,确定存在任意两个消失点位于黄实线两侧的情况,则判定所述目标车辆处于逆行状态。

8、在一些实施例中,基于所述待识别视频数据,得到每帧图像中的车道线信息,具体包括:

9、将所述视频数据输入预先训练的车道线检测模型中,以得到所述车道线检测模型输出的每帧的车道线信息;

10、其中,所述车道线检测模型是利用视频数据样本中提取的每帧图像与对应的第一标签进行训练得到的,所述第一标签为该帧图像为车道线或不为车道线。

11、在一些实施例中,基于所述待识别视频数据,得到每帧图像中的消失点的位置,具体包括:

12、在所述待识别视频数据中,提取每帧图像中各条车道线的位置;

13、对各条车道线采用最小二乘法进行直线拟合,所有拟合直线的在图像上的坐标确定为所述消失点的位置。

14、在一些实施例中,根据所述车道线信息得到每帧图像的车道线类型,具体包括:

15、将每帧图像的所述车道线信息输入预先训练的分类模型,得到所述分类模型输出的车道线类型;

16、其中,所述分类模型是利用车道线样本和对应的第二标签进行训练得到的,所述第二标签包括黄实线、黄虚线、白实线、白虚线和其他。

17、在一些实施例中,所述分类模型的训练过程包括:

18、根据所述第二标签,对采集到的车道线样本进行标注;

19、对标注后的每个的车道线样本进行预处理;

20、利用预处理后的车道线样本对预先构建的神经网络对进行训练,得到所述分类模型。

21、在一些实施例中,计算所述目标图像中消失点与黄实线的相对位置,之后还包括:

22、基于多帧所述目标图像中消失点与黄实线的相对位置,确定不存在任何两个消失点位于黄实线两侧的情况,则判定所述目标车辆处于非逆行状态。

23、本专利技术还提供一种基于车载摄像头的逆行状态检测装置,所述装置包括:

24、数据获取单元,用于获取目标车辆的车载摄像头的待识别视频数据;

25、数据处理单元,用于基于所述待识别视频数据,得到每帧图像中的车道线信息和消失点的位置;

26、车道线类型生成单元,用于根据所述车道线信息得到每帧图像的车道线类型;

27、相对位置计算单元,用于在所述车道线类型为黄实线的情况下,则确定该帧图像为目标图像,并计算所述目标图像中消失点与黄实线的相对位置;

28、结果生成单元,用于基于多帧所述目标图像中消失点与黄实线的相对位置,确定存在任意两个消失点位于黄实线两侧的情况,则判定所述目标车辆处于逆行状态。

29、本专利技术还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述的基于车载摄像头的逆行状态检测方法。

30、本专利技术还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述的基于车载摄像头的逆行状态检测方法。

31、本专利技术还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述的基于车载摄像头的逆行状态检测方法。

32、本专利技术提供的基于车载摄像头的逆行状态检测方法和装置,通过获取目标车辆的车载摄像头的待识别视频数据,基于所述待识别视频数据,得到每帧图像中的车道线信息和消失点的位置;根据所述车道线信息得到每帧图像的车道线类型;在所述车道线类型为黄实线的情况下,则确定该帧图像为目标图像,并计算所述目标图像中消失点与黄实线的相对位置;基于多帧所述目标图像中消失点与黄实线的相对位置,确定存在任意两个消失点位于黄实线两侧的情况,则判定所述目标车辆处于逆行状态。这样,该方法和装置利用车载摄像头检测到的数据即可得到逆行状态的检测结果,不依赖于路面上的固定摄像头采集的数据,使得数据获取更加方便和及时,解决了现有技术中车辆逆行状态检测依赖于路面上固定摄像头的数据,而导致的状态检测困难的问题,提高了逆行状态检测的时效性,降低了逆行状态检测的难度。

本文档来自技高网...

【技术保护点】

1.一种基于车载摄像头的逆行状态检测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的基于车载摄像头的逆行状态检测方法,其特征在于,基于所述待识别视频数据,得到每帧图像中的车道线信息,具体包括:

3.根据权利要求1所述的基于车载摄像头的逆行状态检测方法,其特征在于,基于所述待识别视频数据,得到每帧图像中的消失点的位置,具体包括:

4.根据权利要求1所述的基于车载摄像头的逆行状态检测方法,其特征在于,根据所述车道线信息得到每帧图像的车道线类型,具体包括:

5.根据权利要求4所述的基于车载摄像头的逆行状态检测方法,其特征在于,所述分类模型的训练过程包括:

6.根据权利要求1所述的基于车载摄像头的逆行状态检测方法,其特征在于,计算所述目标图像中消失点与黄实线的相对位置,之后还包括:

7.一种基于车载摄像头的逆行状态检测装置,其特征在于,所述装置包括:

8.一种电子设备,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计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6中任一项所述的基于车载摄像头的逆行状态检测方法的步骤。

9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的基于车载摄像头的逆行状态检测方法的步骤。

10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的基于车载摄像头的逆行状态检测方法。

...

【技术特征摘要】

1.一种基于车载摄像头的逆行状态检测方法,其特征在于,所述方法包括:

2.根据权利要求1所述的基于车载摄像头的逆行状态检测方法,其特征在于,基于所述待识别视频数据,得到每帧图像中的车道线信息,具体包括:

3.根据权利要求1所述的基于车载摄像头的逆行状态检测方法,其特征在于,基于所述待识别视频数据,得到每帧图像中的消失点的位置,具体包括:

4.根据权利要求1所述的基于车载摄像头的逆行状态检测方法,其特征在于,根据所述车道线信息得到每帧图像的车道线类型,具体包括:

5.根据权利要求4所述的基于车载摄像头的逆行状态检测方法,其特征在于,所述分类模型的训练过程包括:

6.根据权利要求1所述的基于车载摄像头的逆行状态检测方法,其特征在于,计算...

【专利技术属性】
技术研发人员:刘双岭
申请(专利权)人:北京汇通天下物联科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1