交通事件检测方法、图像检测方法及计算设备技术

本说明书实施例提供交通事件检测方法、图像检测方法及计算设备，其中所述交通事件检测方法包括：获取路径采集设备采集的待检测路径，从预先训练的路径模型中，确定待检测路径的相似路径集，基于待检测路径的目标路径点，在相似路径集中进行路径点预测，获得预测路径点集合，根据预测路径点集合计算待检测路径的检测指标，根据检测指标，确定交通事件检测结果。通过路径采集设备采集的待检测路径的路径点特征，进行预测路径点集合来计算检测指标，从而得到交通事件检测结果，而不用对待检测路径所在的整个图像的图像内容进行人工分析，提升了检测效率，降低了检测成本。降低了检测成本。降低了检测成本。

【技术实现步骤摘要】
交通事件检测方法、图像检测方法及计算设备


[0001]本说明书实施例涉及交通监测
，特别涉及一种交通事件检测方法。

技术介绍

[0002]随着互联网技术的发展，对于交通事件进行及时的异常判断，可以避免严重交通事故的发生，也能更好地监测道路情况，保证道路通畅。
[0003]现有技术中，通过视频采集设备获取道路监测视频，对监测视频进行分析，来进行判断监测视频中的交通事件是否为异常事件，交通事件分为正常事件和异常事件，异常事件为影响交通运行流畅或者交通运行安全的事件，包括车辆堵塞、车辆碰撞、车辆逆行、车辆违规占用车道等，正常事件为不影响交通运行流畅和交通运行安全的事件。
[0004]然而，这样对监测视频进行人工分析，检测效率低，在避免严重交通事故和保证道路畅通的及时性上存在不足。因此，亟需一种可以及时、高效的交通事件检测方法。

技术实现思路

[0005]有鉴于此，本说明书实施例提供了一种交通事件检测方法。本说明书一个或者多个实施例同时涉及一种交通事件检测装置，一种图像检测方法，一种图像检测装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。
[0006]根据本说明书实施例的第一方面，提供了一种交通事件检测方法，包括：
[0007]获取路径采集设备采集的待检测路径；
[0008]从预先训练的路径模型中，确定待检测路径的相似路径集，其中，路径模型为基于路径采集设备采集的多条历史路径训练得到；
[0009]基于待检测路径的目标路径点，在相似路径集中进行路径点预测，获得预测路径点集合，根据预测路径点集合计算待检测路径的检测指标；
[0010]根据检测指标，确定交通事件检测结果。
[0011]根据本说明书实施例的第二方面，提供了一种图像检测方法，包括：
[0012]获取图像采集设备采集的待检测图像；
[0013]从待检测图像中提取待检测路径；
[0014]从预先训练的路径模型中，确定待检测路径的相似路径集，其中，路径模型为基于路径采集设备采集的多条历史路径训练得到；
[0015]基于待检测路径的目标路径点，在相似路径集中进行路径点预测，获得预测路径点集合，根据预测路径点集合计算待检测路径的检测指标；
[0016]根据检测指标，确定待检测图像的图像检测结果。
[0017]根据本说明书实施例的第三方面，提供了一种交通事件检测装置，包括：
[0018]第一获取模块，被配置为获取路径采集设备采集的待检测路径；
[0019]第一相似路径集确定模块，被配置为从预先训练的路径模型中，确定待检测路径
的相似路径集，其中，路径模型为基于路径采集设备采集的多条历史路径训练得到；
[0020]第一计算模块，被配置为基于待检测路径的目标路径点，在相似路径集中进行路径点预测，获得预测路径点集合，根据预测路径点集合计算待检测路径的检测指标；
[0021]第一确定模块，被配置为根据检测指标，确定交通事件检测结果。
[0022]根据本说明书实施例的第四方法，提供了一种图像检测装置，包括：
[0023]第二获取模块，被配置为获取图像采集设备采集的待检测图像；
[0024]提取模块，被配置为从待检测图像中提取待检测路径；
[0025]第二相似路径集确定模块，被配置为从预先训练的路径模型中，确定待检测路径的相似路径集，其中，路径模型为基于路径采集设备采集的多条历史路径训练得到；
[0026]第二计算模块，被配置为基于待检测路径的目标路径点，在相似路径集中进行路径点预测，获得预测路径点集合，根据预测路径点集合计算待检测路径的检测指标；
[0027]第二确定模块，被配置为根据检测指标，确定待检测图像的图像检测结果。
[0028]根据本说明书实施例的第五方面，提供了一种计算设备，包括：
[0029]存储器和处理器；
[0030]所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现上述交通事件检测方法或者图像检测方法的步骤。
[0031]根据本说明书实施例的第六方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现上述交通事件检测方法或者图像检测方法的步骤。
[0032]根据本说明书实施例的第七方面，提供了一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述交通事件检测方法或者图像检测方法的步骤。
[0033]本说明书一个实施例中，获取路径采集设备采集的待检测路径，从预先训练的路径模型中，确定待检测路径的相似路径集，其中，路径模型为基于路径采集设备采集的多条历史路径训练得到，基于待检测路径的目标路径点，在相似路径集中进行路径点预测，获得预测路径点集合，根据预测路径点集合计算待检测路径的检测指标，根据检测指标，确定交通事件检测结果。通过路径采集设备采集的待检测路径的路径点特征，进行预测路径点集合来计算检测指标，从而得到交通事件检测结果，而不用对待检测路径所在的整个图像的图像内容进行人工分析，提升了检测效率，降低了检测成本。
附图说明
[0034]图1是本说明书一个实施例提供的一种交通事件检测方法的流程图；
[0035]图2是本说明书一个实施例提供的一种图像检测方法的流程图；
[0036]图3是本说明书一个实施例提供的一种应用于车辆路径检测的交通事件检测方法的流程图；
[0037]图4是本说明书一个实施例提供的一种交通事件检测方法的处理过程流程图；
[0038]图5是本说明书一个实施例提供的一种交通事件检测方法的数据处理流程图；
[0039]图6是本说明书一个实施例提供的一种交通事件检测装置的结构示意图；
[0040]图7是本说明书一个实施例提供的一种图像检测装置的结构示意图；
[0041]图8是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
[0042]在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。
[0043]在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0044]应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通事件检测方法，包括：获取路径采集设备采集的待检测路径；从预先训练的路径模型中，确定所述待检测路径的相似路径集，其中，所述路径模型为基于所述路径采集设备采集的多条历史路径训练得到；基于所述待检测路径的目标路径点，在所述相似路径集中进行路径点预测，获得预测路径点集合，根据所述预测路径点集合计算所述待检测路径的检测指标；根据所述检测指标，确定交通事件检测结果。2.根据权利要求1所述的方法，在所述从预先训练的路径模型中，确定所述待检测路径的相似路径集之前，还包括：对所述待检测路径进行压缩，得到压缩后的所述待检测路径。3.根据权利要求2所述的方法，所述对所述待检测路径进行压缩，包括：获取所述待检测路径中各路径点的位置信息；根据第一路径点的位置信息，计算所述第一路径点与所述第一路径点对应的参考路径点之间的第一距离，其中，所述第一路径点为所述各路径点中的任一个；若所述第一距离大于第一距离阈值，则删除所述第一路径点。4.根据权利要求1
‑
3任一项所述的方法，所述从预先训练的路径模型中，确定所述待检测路径的相似路径集，包括：计算所述待检测路径与预先训练的路径模型中各历史路径之间的第一路径距离；确定所述第一路径距离小于第二距离阈值的历史路径作为相似路径，根据多条相似路径构建相似路径集。5.根据权利要求4所述的方法，所述根据多条相似路径构建相似路径集，包括：获得多条相似路径的类别标签；确定类别标签为指定类别标签的相似路径组成相似路径集。6.根据权利要求1所述的方法，所述基于所述待检测路径的目标路径点，在所述相似路径集中进行路径点预测，获得预测路径点集合，包括：去除所述待检测路径中的目标路径点，得到第一路径；基于第二路径点，确定所述相似路径集中的各相似路径上与所述第二路径点对应的参考路径点，其中，所述第二路径点为所述第一路径上的最后一个路径点；基于所述参考路径点，分别计算所述各相似路径中所述参考路径点的下一时刻路径点，组成预测路径点集合。7.根据权利要求1或6所述的方法，所述根据所述预测路径点集合计算所述待检测路径的检测指标，包括：根据所述预测路径点集合中的预测路径点数量，计算所述预测路径点集合中各预测路径点在所述相似路径集下的概率密度；根据所述概率...

【专利技术属性】
技术研发人员：呼思乐，毛霆，高强华，周昌，黄建强，
申请(专利权)人：阿里巴巴达摩院杭州科技有限公司，
类型：发明
国别省市：