交通异常检测方法、装置、设备、存储介质以及程序产品.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113033471A(43)申请公布日2021.06.25(21)申请号202110404411.7(22)申请日2021.04.15(71)申请人北京百度网讯科技有限公司地址100085北京市海淀区上地十街10号百度大厦2层(72)发明人李莹莹谭啸孙昊(74)专利代理机构北京英赛嘉华知识产权代理有限责任公司11204代理人王达佐马晓亚(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书9页附图4页(54)发明名称交通异常检测方法、装置、设备、存储介质以及程序产品(57)摘要本公开提供了一种交通异常检测方法、装置、设备、存储介质以及程序产品，涉及人工智能领域，具体为计算机视觉和深度学习技术，可应用于智能交通场景下。该方法的一具体实施方式包括：获取交通视频流；对交通视频流进行车辆检测跟踪，确定是否存在异常停留的车辆，其中，停留时长超过预设时长属于异常停留；若存在异常停留的车辆，利用决策树对异常停留对应的视频帧进行交通异常分类，得到交通异常类型，其中，决策树是基于交通异常检测的特征生成的。该实施方式提升了交通异常检测的鲁棒性。CN113033471ACN113033471A权利要求书1/3页1.一种交通异常检测方法，包括：获取交通视频流；对所述交通视频流进行车辆检测跟踪，确定是否存在异常停留的车辆，其中，停留时长超过预设时长属于异常停留；若存在异常停留的车辆，利用决策树对异常停留对应的视频帧进行交通异常分类，得到交通异常类型，其中，所述决策树是基于交通异常检测的特征生成的。2.根据权利要求1所述的方法，其中，所述利用决策树对异常停留对应的视频帧进行交通异常分类，得到交通异常类型，包括：统计所述异常停留的车辆的数目；若所述异常停留的车辆的数目是多个，确定所述异常停留的车辆之间是否存在接触；若所述异常停留的车辆之间存在接触，确定为车撞车类型。3.根据权利要求2所述的方法，其中，所述利用决策树对异常停留对应的视频帧进行交通异常分类，得到交通异常类型，还包括：若所述异常停留的车辆的数目是一个，或者所述异常停留的车辆的数目是多个且不存在接触，确定所述异常停留对应的视频帧中是否存在异常的人体；若存在异常的人体，确定为车撞人类型。4.根据权利要求3所述的方法，其中，所述利用决策树对异常停留对应的视频帧进行交通异常分类，得到交通异常类型，还包括：若不存在异常的人体，确定所述异常停留的车辆的停留位置；若所述异常停留的车辆的停留位置在路侧，确定为违停类型。5.根据权利要求4所述的方法，其中，所述利用决策树对异常停留对应的视频帧进行交通异常分类，得到交通异常类型，还包括：若所述异常停留的车辆的停留位置不在路侧，确定所述异常停留对应的视频帧中是否存在警示牌；若存在警示牌，确定为抛锚类型。6.根据权利要求5所述的方法，其中，所述利用决策树对异常停留对应的视频帧进行交通异常分类，得到交通异常类型，还包括：若不存在警示牌，确定为违停类型。7.根据权利要求1‑6之一所述的方法，其中，所述对所述交通视频流进行车辆检测跟踪，确定是否存在异常停留的车辆，包括：将所述交通视频流输入至预先训练的车辆检测跟踪模型，得到车辆检测跟踪结果；基于车辆检测跟踪结果，确定是否存在异常停留的车辆。8.根据权利要求2‑7之一所述的方法，其中，所述确定所述异常停留的车辆之间是否存在接触，包括：计算所述异常停留的车辆的边界框之间的交并比；若所述交并比不等于0，确定所述异常停留的车辆之间存在接触；若所述交并比等于0，确定所述异常停留的车辆之间不存在接触。9.根据权利要求3‑8之一所述的方法，其中，所述确定所述异常停留对应的视频帧中是否存在异常的人体，包括：2CN113033471A权利要求书2/3页将所述异常停留对应的视频帧输入至预先训练的人体行为模型，得到人体行为结果；基于所述人体行为结果，确定所述异常停留对应的视频帧中是否存在异常的人体。10.根据权利要求5‑9之一所述的方法，其中，所述确定所述异常停留对应的视频帧中是否存在警示牌，包括：将所述异常停留对应的视频帧输入至预先训练的警示牌检测模型，得到警示牌检测结果；基于所述警示牌检测结果，确定所述异常停留对应的视频帧中是否存在警示牌。11.一种交通异常检测装置，包括：获取模块，被配置成获取交通视频流；跟踪模块，被配置成对所述交通视频流进行车辆检测跟踪，确定是否存在异常停留的车辆，其中，停留时长超过预设时长属于异常停留；分类模块，被配置成若存在异常停留的车辆，利用决策树对异常停留对应的视频帧进行交通异常分类，得到交通异常类型，其中，所述决策树