[發明專利]路況檢測方法、裝置、電子設備及可讀存儲介質

在審

• 申請號: 202010530074.1
• 申請日: 2020-06-11
• 公開（公告）號: CN111695627A
• 公開（公告）日: 2020-09-22
• 發明（設計）人: 陽勇
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G01C21/28;G01C21/34;G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京市立方律師事務所 11330
• 代理人: 張筱寧

1.一種路況檢測方法，其特征在于，包括：

接收來自視頻采集設備的路況視頻；

從所述路況視頻中提取多個視頻幀圖像，并基于多個視頻幀圖像獲取多個光流密度圖像；

其中，所述光流密度圖像用于表示視頻幀圖像中的各個像素點相對于物體運動所形成的動態信息；

分別對所述多個視頻幀圖像和多個光流密度圖像進行分類，基于視頻幀圖像和光流密度圖像分類確定路況結果。

2.根據權利要求1所述的路況檢測方法，其特征在于，所述接收來自視頻采集設備的路況視頻之前，還包括：

獲取車輛的定位信息，基于所獲取的定位信息確定所述車輛的行駛信息；所述行駛信息包括所述車輛的實時位置和行駛速度中的至少一種；

若所述車輛的行駛信息符合預設條件，則發送視頻采集指令到所述視頻采集設備；

所述接收來自視頻采集設備的路況視頻，包括：

接收視頻采集設備響應于所述視頻采集指令發送的路況視頻。

3.根據權利要求1所述的路況檢測方法，其特征在于，所述基于多個視頻幀圖像獲取多個光流密度圖像，包括：

針對所述多個視頻幀圖像中任意兩幀相鄰的視頻幀圖像，分別獲取相鄰的兩幀視頻幀圖像中每一像素的運動速度和運動方向；

基于相鄰的兩幀視頻幀圖像中每一像素的運動速度和運動方向，確定與所述兩幀圖像視頻幀圖像對應的光流密度圖像。

4.根據權利要求1所述的路況檢測方法，其特征在于，所述分別對所述多個視頻幀圖像和多個光流密度圖像進行分類，基于視頻幀圖像和光流密度圖像分類確定路況結果，包括：

基于多個視頻幀圖像獲取圖像特征序列，并基于多個光流密度圖像獲取光流密度特征序列；

對所述圖像特征序列進行分類，得到第一分類概率；

對所述光流密度特征序列進行分類，得到第二分類概率；

基于所述第一分類概率和所述第二分類概率，確定所述路況結果；所述路況結果包括暢通、緩行和擁堵中的任一種。

5.根據權利要求4所述的路況檢測方法，其特征在于，所述基于多個視頻幀圖像獲取圖像特征序列，并基于多個光流密度圖像獲取光流密度特征序列，包括：

提取多個視頻幀圖像中每一視頻幀圖像的第一圖像特征，并基于多個視頻幀圖像的時間順序將多個第一圖像特征依次拼接，得到所述圖像特征序列；

提取多個光流密度圖像中每一光流密度圖像的第二圖像特征，并基于多個光流密度圖像的時間順序將多個第二圖像特征依次拼接，得到所述光流密度特征序列。

6.根據權利要求5所述的路況檢測方法，其特征在于，所述提取多個視頻幀圖像中每一視頻幀圖像的第一圖像特征，包括：

針對多個視頻幀圖像中的每一視頻幀圖像，將所述視頻幀圖像輸入到卷積神經網絡中；

將所述卷積神經網絡的分類層的輸入特征作為所述第一圖像特征。

7.根據權利要求4所述的路況檢測方法，其特征在于，所述對所述圖像特征序列進行分類，得到第一分類概率；對所述光流密度特征序列進行分類，得到第二分類概率，包括：

將所述圖像特征序列輸入第一分類模型，得到對應的一個第一分類概率；

將所述光流密度特征序列輸入第二分類模型，得到對應的一個第二分類概率。

8.根據權利要求7所述的路況檢測方法，其特征在于，所述基于所述第一分類概率和所述第二分類概率，確定所述路況結果，包括：

基于所述第一分類概率和所述第二分類概率，確定路況概率；

確定所述路況概率所在的數值區間范圍，確定與所述數值區間范圍對應的路況結果。

9.根據權利要求4所述的路況檢測方法，其特征在于，所述對所述圖像特征序列進行分類，得到第一分類概率；對所述光流密度特征序列進行分類，得到第二分類概率，包括：

將所述圖像特征序列輸入第一分類模型，得到多個候選路況分別對應的第一分類概率；

將所述光流密度特征序列輸入第二分類模型，得到多個候選路況分別對應的第二分類概率。