车辆的闯红灯监测方法和装置与流程

1.本发明涉及车辆安全技术，尤其涉及一种车辆的闯红灯监测方法和装置。


背景技术：

2.随着经济发展，居民生活水平不断提高，机动车数量急剧增加，对交通环境产生极大的压力，随之产生的机动车闯红灯引发的交通事故频频发生，增加了交通管理的难度，影响了交通管理秩序。
3.通过识别红绿灯状态，结合机动车的运行状态，判定当前机动车是否存在闯红灯的现象，一方面能够减少相关的人力投入，一定程度上缓解交警警力不足；另一方面，能够对机动车驾驶员起到威慑作用，减少机动车驾驶员闯红灯的违章行为。
4.目前，道路上的监控设备通过多监测面高清摄像机同时拍摄交通灯和交通灯相关的车道停车线附近的闯红灯车辆的相关图像，通过图像处理技术识别交通灯的状态和停车线附近的车辆运动状态，从而确定车辆是否有闯红灯行为。但这种方式仅能在车辆闯红灯的行为发生之后才能进行取证和记录，并不能有效的减少车辆闯红灯的次数。


技术实现要素：

5.本发明提供一种核心网的车辆的闯红灯监测方法和装置，用以解决无法有效的减少车辆闯红灯的次数的问题。
6.一方面，本发明提供一种车辆的闯红灯监测方法，包括：
7.获取车辆实时拍摄的道路图像，并将所述道路图像输入监测模型得到所述车辆所处道路的交通灯的状态；
8.在所述交通灯的状态为红灯状态时，获取所述车辆当前的速度；
9.在所述速度大于第一预设阈值时，输出提示信息，所述提示信息用于提醒所述车辆对应的用户注意红灯。
10.在一实施例中，所述输出提示信息的步骤包括：
11.获取所述车辆当前的行驶方向；
12.在所述行驶方向与所述交通灯的指示方向相同时，输出所述提示信息，其中，在所述交通灯的状态为红灯状态时，所述指示方向为红灯指示的禁止通行方向，所述交通灯的指示方向是所述监测模型根据所述道路图像输出的。
13.在一实施例中，所述输出提示信息的步骤包括：
14.在所述速度大于所述第一预设阈值，且小于或等于第二预设阈值时，输出所述提示信息，所述第二预设阈值大于所述第一预设阈值。
15.在一实施例中，还包括：
16.在所述速度大于所述第二预设阈值时，向预设监控设备发送记录指示，所述记录指示用于指示所述预设监控设备拍摄所述车辆当前的交通场景。
17.在一实施例中，所述车辆实时拍摄的道路图像的步骤包括：
18.获取所述车辆的位置，并根据所述位置和地图数据确定所述车辆在当前行驶方向上最近的交通灯路口；
19.在所述位置与所述交通灯路口之间的距离小于预设距离时，获取车辆实时拍摄的道路图像。
20.在一实施例中，所述将所述道路图像输入监测模型得到所述车辆所处道路的交通灯的状态的步骤之前，还包括：
21.获取各个训练样本，其中，所述训练样本包括含有交通灯的训练图像以及标签，所述标签为所述交通灯的状态；
22.根据各个所述训练样本对预设模型进行训练，得到所述监测模型。
23.在一实施例中，所述训练图像分为多类，每类所述训练图像的参数不同，所述参数包括采集所述训练图像时的天气、采集所述训练图像时的光照、所述训练图像中交通灯的尺寸、以及所述训练图像中交通灯的被遮挡面积中的至少一个。
24.另一方面，本发明还提供一种车辆，包括：
25.获取模块，用于获取车辆实时拍摄的道路图像，并将所述道路图像输入监测模型得到所述车辆所处道路的交通灯的状态；
26.所述获取模块，还用于在所述交通灯的状态为红灯状态时，获取所述车辆当前的速度；
27.输出模块，用于在所述速度大于第一预设阈值时，输出提示信息，所述提示信息用于提醒所述车辆对应的用户注意红灯。
28.另一方面，本发明还提供一种车辆，包括：存储器和处理器；
29.所述存储器存储计算机执行指令；
30.所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如上所述的车辆的闯红灯监测方法。
31.另一方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上所述的车辆的闯红灯监测方法。
32.另一方面，本发明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，实现如上所述的车辆的闯红灯监测方法。
33.本发明提供的车辆的闯红灯监测方法和装置，获取车辆实时拍摄的道路图像，并将道路图像输入至监测模型得到车辆所处道路的交通灯的状态，在交通灯的状态为红灯状态时，获取车辆当前的速度，并在速度大于预设阈值时，输出提示信息提醒车辆的用户注意红灯。本发明车辆在通过监测模型识别出道路的交通灯为红灯且确定车辆当前的车速较大时，即可预测出车辆有闯红灯的行为，车辆再输出提示信息提醒车主注意红灯，也即能够在车辆闯红灯之前对车主进行提醒，避免车辆闯红灯，从而减少了车辆的闯红灯次数。
附图说明
34.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
35.图1为本发明车辆的闯红灯监测方法的场景示意图；
36.图2为本发明车辆的闯红灯监测方法第一实施例的流程示意图；
37.图3为本发明车辆的闯红灯监测方法第二实施例中步骤s30的细化流程示意图；
38.图4为本发明车辆的闯红灯监测方法第三实施例中步骤s10的细化流程示意图；
39.图5为本发明车辆的闯红灯监测方法的简要流程示意图；
40.图6为本发明车辆的模块示意图；
41.图7为本发明车辆的结构示意图。
42.通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
43.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
44.本发明提供一种车辆的闯红灯监测方法。如图1所示，车辆100对前方道路进行图像采集得到道路图像，车辆100再将道路图像输入至监测模型，若是监测模型基于道路图像确定车辆100达到路口，且前方为交通灯200，则需要基于监测模型检测道路图像得到交通灯的状态以及车辆100的车速，预测车辆100是否有闯红灯的风险。
45.下面以具体地实施例对本发明的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。
46.参照图2，图2为本发明车辆的闯红灯监测方法的第一实施例，车辆的闯红灯监测方法包括以下步骤：
47.步骤s10，获取车辆实时拍摄的道路图像，并将道路图像输入监测模型得到车辆所处道路的交通灯的状态。
48.在本实施例中，车辆设有拍摄模块，拍摄模块可以是相机。在车辆行驶过程中，相机往车辆的行驶方向上进行拍摄，从而实时得到车辆派送的道路图像。
49.车辆中设有监测模型，监测模型基于道路图像确定车辆当前行驶方向上的道路是否有交通灯路口，且确定交通灯路口的交通灯的状态等。具体的，在获取车辆实时拍摄的道路图像之前，需要采用训练样本训练预设模型得到能够识别出交通灯路口、交通灯状态的监测模型。获取各个训练样本，训练样本包括有交通灯的训练图像以及该训练图像的标签，标签记为交通灯的状态。交通灯的状态包括红灯状态、绿灯状态以及黄灯状态。标签还可以包括交通灯的指示方向，例如，在交通灯为红灯时，指示方向可以是红色向左方向、红色直行方向以及红色向右方向，也即在交通灯的状态为红灯时，指示方向指示禁止通行的方向。
50.将各个训练样本输入至预设模型进行训练，训练完毕后即可得到监测模型。需要说明的是，训练样本分为多类，每类训练图像的参数不同，参数包括采集训练图像时的天气、采集训练图像时的光照、训练图像中交通灯的尺寸、以及训练图像中交通灯被遮挡面积中的至少一种。进一步的，对应采集的图像进行预处理，得到仅包含交通灯部分的图像，并
将该图像作为训练图像，从而便于训练监测模型。
51.可以理解的是，通过在不同的天气、光照、交通灯遮挡的条件下，利用车辆的相机在不同的距离、不同角度(不同距离以及不同角度下所采集的图像中的交通灯的尺寸不同)下对交通灯进行图像采集得到训练图像，再对各个训练图像进行人工标注得到训练图像的标签，从而形成各个训练样本。通过此种训练方式，使得监测模型在任意天气、任意光照、交通灯的任意被遮挡面积以及交通灯的任意尺寸的情况下，均可准确的识别出当前采集的道路图像中交通灯的状态。
52.车辆将采集到的道路图像输入至监测模型，监测模型对道路图像进行识别，并将识别结果输出。车辆可以基于识别结果得到车辆所处道路的交通灯状态。
53.步骤s20，在交通灯的状态为红灯状态时，获取车辆当前的速度。
54.监测模型是对道路图像中点亮的交通灯的颜色进行识别，从而使得车辆可以确定交通灯的状态。若是交通灯的状态为红灯状态，也即交通灯路口亮起的是红灯，则车辆与交通灯路口之间的距离会比较近，此时，车辆通过传感器获取当前的车速，并判断车速是否大于预设阈值。
55.步骤s30，在速度大于第一预设阈值时，输出提示信息，提示信息用于提醒车辆对应的用户注意红灯。
56.车辆在确定当前车速大于第一预设阈值时，即可输出提示信息。提示信息用于提醒车辆对应的用户注意红灯，也即车辆提醒用户有闯红灯的风险。第一预设阈值可以基于车辆与路口之间的距离来确定。车辆通过定位模块确定自身在地图上的位置，从而即可基于位置与车辆在最近交通灯路口之间的距离，车辆将距离所处的距离区间所对应的红灯限速车速作为第一预设阈值。
57.在本实施例提供的技术方案中，获取车辆实时拍摄的道路图像，并将道路图像输入至监测模型得到车辆所处道路的交通灯的状态，在交通灯的状态为红灯状态时，获取车辆当前的速度，并在速度大于预设阈值时，输出提示信息提醒车辆的用户注意红灯。本发明车辆在通过监测模型识别出道路的交通灯为红灯且确定车辆当前的车速较大时，即可预测出车辆有闯红灯的行为，车辆再输出提示信息提醒车主注意红灯，也即能够在车辆闯红灯之前对车主进行提醒，避免车辆闯红灯，从而减少了车辆的闯红灯次数。
58.参照图3，图3为本发明车辆的闯红灯监测方法第二实施例，基于第一实施例，步骤s30包括：
59.步骤s31，获取车辆当前的行驶方向。
60.步骤s32，在行驶方向与交通灯的指示方向相同时，输出提示信息，其中，在交通灯的状态为红灯状态时，指示方向为红灯指示的禁止通行方向，交通灯的指示方向是监测模型根据道路图像输出的。
61.在本实施例中，监测模型还可以用于识别出道路图像中交通灯的指示方向。如图1所示，交通灯有三个指示方向的方向指示灯(图1中左侧的指示向左方向的指示灯、中间指示直行方向的指示灯以及右侧指示向右方向的指示灯)。监测模型识别道路图像即可得到交通灯的指示方向，例如，监测模型识别左侧一组的交通的方向指示灯为红灯，则指示方向为左侧禁止通行。
62.车辆的速度大于第一预设阈值时，获取车辆当前的行驶方向，行驶方向可以基于
车辆的方位传感器确定。车辆比对行驶方向是否与指示方向相同，若是相同，则车辆有闯红灯的风险，车辆则输出提示信息，提示用户注意红灯。
63.需要说的是，车辆可以根据车辆所处的车道确定车辆的行驶方向。例如，车辆处于左侧车道，则车辆在交通灯路口的行驶方向为向左行驶；若车辆处于中间车道，则车辆在交通路口的行驶方向为直行；若车辆处于右侧车道，则测量在交通灯路口的行驶方向为向右行驶。车辆可以先判断车辆当前所处的车道是否与处于红灯的交通灯对应，例如，中间车道对应位于中间的红灯。左侧车道对应位于左侧的红灯，且右侧测到对应位于右侧的红灯。若是车辆所处的车道与红灯对应，即可确定车辆的行驶方向与处于红灯状态的交通灯的指示方向相同。
64.在本实施例提供的技术方案中，车辆的车速大于第一预设阈值时，获取自身的行驶方向，若是行驶方向与交通灯的指示方向相同，则输出提示信息，提示用户注意红灯，也即车辆能够基于行驶方向与处于红灯的指示方向的比较，准确的确定车辆是否有闯红灯风险。
65.在一实施例中，车辆还设有第二预设阈值，第二预设阈值大于第一预设阈值。在当交通灯的状态为红灯时，车辆先判断车速是否大于第一预设阈值，若是车速大于第一预设阈值，车辆在确定车速是否大于第二预设阈值。车速小于或等于第二预设阈值，则车辆有闯红灯的风险，车辆则输出提示信息。若是车速大于第二预设阈值，车辆则向预测监控设备发送记录指示，记录指示用于指示预设监控设备拍摄车辆当前的交通场景，从而基于记录的交通场景确定车辆是否闯红灯行为。预设监控设备可以是车辆自身的行车记录仪，可以是第三方的监控设备，例如，预设监控设备可为交通灯路口的监控设备，或者车联网在路口设置的监控设备。
66.参照图4，图4为本发明车辆的闯红灯监测方法第三实施例，基于第一或第二实施例，步骤s10包括：
67.步骤s11，获取车辆的位置，并根据位置和地图数据确定车辆在当前行驶方向上最近的交通灯路口。
68.步骤s12，在位置与交通灯路口之间的距离小于预设距离时，获取车辆实时拍摄的道路图像。
69.在本实施例中，车辆在行驶过程中，会通过定位系统，如gnss(global navigation satellite system，简称gnss，全球导航卫星系统)定位系统，实时获取车辆的位置，并结合地图数据以及位置确定车辆在当前行驶方向上最近的交通灯路口。
70.车辆会实时计算位置与交通灯路口之间的距离，若是距离小于预设距离，即可确定车辆即将达到交通灯路口，此时，车辆再获取车辆实时拍摄的道路图像，从而进行闯红灯预测。第一预设阈值、第二预设阈值与预设距离相关联。预设距离越小，则第一预设阈值、第二预设阈值越小。
71.在本实施例提供的技术方案中，车辆获取自身的位置，并基于位置以及地图数据确定车辆在当前行驶方向上最近的交通灯路口，车辆在确定位置与该交通灯路口之间的距离，若是距离小于预设距离，则获取车辆实时拍摄的道路图像进行闯红灯行为的预测，避免车辆通过监测模型实时对道路图像进行识别，节省车辆的计算资源。
72.参照图5，图5为本发明车辆的闯红灯方法的简要流程示意图。
73.车辆的车载运动传感器获取车辆当前的行驶状态、行驶方向以及速度；
74.车辆的高精度gnss定位系统获取车辆当前位置，结合高精度智能地图以及位置获取语义化位置信息，确定车辆规定行驶方向(基于车辆所处的车道确定规定行驶方向)；
75.车辆的摄像装置获取当前行驶场景图像(道路图像)，计算机视觉目标检测(监测模型对图像进行识别)，定位交通灯以及交通灯的指示状态；
76.车辆将行驶状态、行驶方向、速度、规定行驶方向、交通灯的状态进行报警输入至信息融合报警系统；
77.信息融合报警系统基于上述数据预测车辆是否有闯红灯行为，若有，则进行车辆闯红灯报警，提醒车主注意红灯。
78.本发明还提供一种车辆，参照图6，车辆600包括：
79.获取模块601，用于获取车辆实时拍摄的道路图像，并将道路图像输入监测模型得到车辆所处道路的交通灯的状态；
80.获取模块601，用于在交通灯的状态为红灯状态时，获取车辆当前的速度；
81.输出模块602，用于在速度大于第一预设阈值时，输出提示信息，提示信息用于提醒车辆对应的用户注意红灯。
82.在一实施例中，车辆600包括：
83.获取模块601，用于获取车辆当前的行驶方向；
84.输出模块602，用于在行驶方向与交通灯的指示方向相同时，输出提示信息，其中，在交通灯的状态为红灯状态时，指示方向为红灯指示的禁止通行方向，交通灯的指示方向是监测模型根据道路图像输出的。
85.在一实施例中，车辆600包括：
86.输出模块602，用于在速度大于第一预设阈值，且小于或等于第二预设阈值时，输出提示信息，第二预设阈值大于第一预设阈值。
87.在一实施例中，车辆600包括：
88.发送模块，用于在速度大于第二预设阈值时，向预设监控设备发送记录指示，记录指示用于指示预设监控设备拍摄车辆当前的交通场景。
89.在一实施例中，车辆600包括：
90.获取模块601，用于获取车辆的位置，并根据位置和地图数据确定车辆在当前行驶方向上最近的交通灯路口；
91.获取模块601，用于在位置与交通灯路口之间的距离小于预设距离时，获取车辆实时拍摄的道路图像。
92.在一实施例中，车辆600包括：
93.获取模块601，用于获取各个训练样本，其中，训练样本包括含有交通灯的训练图像以及标签，标签为交通灯的状态；
94.输出模块602，用于根据各个训练样本对预设模型进行训练，得到监测模型。
95.图7是根据一示例性实施例示出的一种车辆的硬件结构图。
96.车辆700可以包括：处理器71，例如cpu，存储器72以及收发器73。本领域技术人员可以理解，图7中示出的结构并不构成对核心网的风险监测装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。存储器72可以由任何类型的易
失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
97.处理器71可以调用存储器72内存储的计算机程序，以完成上述的车辆的闯红灯监测方法的全部或部分步骤。
98.收发器73用于接收外部设备发送的信息以及向外部设备发送信息。
99.一种非临时性计算机可读存储介质，当该存储介质中的指令由车辆的处理器执行时，使得车辆能够执行上述车辆的闯红灯监测方法。
100.一种计算机程序产品，包括计算机程序，当该计算机程序由车辆的处理器执行时，使得车辆能够执行上述车辆的闯红灯监测方法。
101.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本发明旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求书指出。
102.应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。