[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> |
| 地址: | 518000 廣東省深圳*** | 國省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 路況 檢測(cè) 方法 裝置 電子設(shè)備 可讀 存儲(chǔ) 介質(zhì) | ||
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。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于騰訊科技(深圳)有限公司,未經(jīng)騰訊科技(深圳)有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010530074.1/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識(shí)別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識(shí)別印刷或書寫字符或者用于識(shí)別圖形,例如,指紋的方法或裝置
G06K9-03 .錯(cuò)誤的檢測(cè)或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個(gè)筆畫組成的,而且每個(gè)筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 檢測(cè)裝置、檢測(cè)方法和檢測(cè)組件
- 檢測(cè)方法、檢測(cè)裝置和檢測(cè)系統(tǒng)
- 檢測(cè)裝置、檢測(cè)方法以及記錄介質(zhì)
- 檢測(cè)設(shè)備、檢測(cè)系統(tǒng)和檢測(cè)方法
- 檢測(cè)芯片、檢測(cè)設(shè)備、檢測(cè)系統(tǒng)和檢測(cè)方法
- 檢測(cè)裝置、檢測(cè)設(shè)備及檢測(cè)方法
- 檢測(cè)芯片、檢測(cè)設(shè)備、檢測(cè)系統(tǒng)
- 檢測(cè)組件、檢測(cè)裝置以及檢測(cè)系統(tǒng)
- 檢測(cè)裝置、檢測(cè)方法及檢測(cè)程序
- 檢測(cè)電路、檢測(cè)裝置及檢測(cè)系統(tǒng)
- 一種數(shù)據(jù)庫讀寫分離的方法和裝置
- 一種手機(jī)動(dòng)漫人物及背景創(chuàng)作方法
- 一種通訊綜合測(cè)試終端的測(cè)試方法
- 一種服裝用人體測(cè)量基準(zhǔn)點(diǎn)的獲取方法
- 系統(tǒng)升級(jí)方法及裝置
- 用于虛擬和接口方法調(diào)用的裝置和方法
- 線程狀態(tài)監(jiān)控方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)
- 一種JAVA智能卡及其虛擬機(jī)組件優(yōu)化方法
- 檢測(cè)程序中方法耗時(shí)的方法、裝置及存儲(chǔ)介質(zhì)
- 函數(shù)的執(zhí)行方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)





