[發(fā)明專利]路況檢測(cè)方法、裝置、電子設(shè)備及可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010530074.1
• 申請(qǐng)日: 2020-06-11
• 公開（公告）號(hào): CN111695627A
• 公開（公告）日: 2020-09-22
• 發(fā)明（設(shè)計(jì)）人: 陽勇
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): 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(wù)所 11330
• 代理人: 張?bào)銓?/td>

1.一種路況檢測(cè)方法，其特征在于，包括：

接收來自視頻采集設(shè)備的路況視頻；

從所述路況視頻中提取多個(gè)視頻幀圖像，并基于多個(gè)視頻幀圖像獲取多個(gè)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(gè)像素點(diǎn)相對(duì)于物體運(yùn)動(dòng)所形成的動(dòng)態(tài)信息；

分別對(duì)所述多個(gè)視頻幀圖像和多個(gè)光流密度圖像進(jìn)行分類，基于視頻幀圖像和光流密度圖像分類確定路況結(jié)果。

2.根據(jù)權(quán)利要求1所述的路況檢測(cè)方法，其特征在于，所述接收來自視頻采集設(shè)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(shí)時(shí)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(yù)設(shè)條件，則發(fā)送視頻采集指令到所述視頻采集設(shè)備；

所述接收來自視頻采集設(shè)備的路況視頻，包括：

接收視頻采集設(shè)備響應(yīng)于所述視頻采集指令發(fā)送的路況視頻。

3.根據(jù)權(quán)利要求1所述的路況檢測(cè)方法，其特征在于，所述基于多個(gè)視頻幀圖像獲取多個(gè)光流密度圖像，包括：

針對(duì)所述多個(gè)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(yùn)動(dòng)速度和運(yùn)動(dòng)方向；

基于相鄰的兩幀視頻幀圖像中每一像素的運(yùn)動(dòng)速度和運(yùn)動(dòng)方向，確定與所述兩幀圖像視頻幀圖像對(duì)應(yīng)的光流密度圖像。

4.根據(jù)權(quán)利要求1所述的路況檢測(cè)方法，其特征在于，所述分別對(duì)所述多個(gè)視頻幀圖像和多個(gè)光流密度圖像進(jìn)行分類，基于視頻幀圖像和光流密度圖像分類確定路況結(jié)果，包括：

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

對(duì)所述圖像特征序列進(jìn)行分類，得到第一分類概率；

對(duì)所述光流密度特征序列進(jìn)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(jié)果；所述路況結(jié)果包括暢通、緩行和擁堵中的任一種。

5.根據(jù)權(quán)利要求4所述的路況檢測(cè)方法，其特征在于，所述基于多個(gè)視頻幀圖像獲取圖像特征序列，并基于多個(gè)光流密度圖像獲取光流密度特征序列，包括：

提取多個(gè)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(gè)視頻幀圖像的時(shí)間順序?qū)⒍鄠€(gè)第一圖像特征依次拼接，得到所述圖像特征序列；

提取多個(gè)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(gè)光流密度圖像的時(shí)間順序?qū)⒍鄠€(gè)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(jù)權(quán)利要求5所述的路況檢測(cè)方法，其特征在于，所述提取多個(gè)視頻幀圖像中每一視頻幀圖像的第一圖像特征，包括：

針對(duì)多個(gè)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(jīng)網(wǎng)絡(luò)中；

將所述卷積神經(jīng)網(wǎng)絡(luò)的分類層的輸入特征作為所述第一圖像特征。

7.根據(jù)權(quán)利要求4所述的路況檢測(cè)方法，其特征在于，所述對(duì)所述圖像特征序列進(jìn)行分類，得到第一分類概率；對(duì)所述光流密度特征序列進(jìn)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(duì)應(yīng)的一個(gè)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(duì)應(yīng)的一個(gè)第二分類概率。

8.根據(jù)權(quán)利要求7所述的路況檢測(cè)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(jié)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(shù)值區(qū)間范圍，確定與所述數(shù)值區(qū)間范圍對(duì)應(yīng)的路況結(jié)果。

9.根據(jù)權(quán)利要求4所述的路況檢測(cè)方法，其特征在于，所述對(duì)所述圖像特征序列進(jìn)行分類，得到第一分類概率；對(duì)所述光流密度特征序列進(jìn)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(gè)候選路況分別對(duì)應(yīng)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(gè)候選路況分別對(duì)應(yīng)的第二分類概率。