目标状态确定方法、装置、计算机设备和存储介质与流程

1.本申请涉及人工智能技术领域，特别是涉及一种目标状态确定方法、装置、计算机设备和存储介质。


背景技术：

2.随着人们生活水平的提高，出行方式发生了巨大的改变，各种各样的出行方式使得人们的生活得到的改善，随着而来需要对各种出行方式设定对应的规则。例如“红灯停，绿灯行”，但随着市区汽车保有量急剧增加，交通堵塞时，开车“闯绿灯”也是违法的。机动车在遇有前方交叉路口交通阻塞时，未依次停在路口以外等候，在绿灯时进入路口并滞留的违法行为，即路口遇有交通阻塞时未依次等候的。
3.传统技术中，对于交通阻塞时未依次等候的违法行为，通常是利用人工对电子警察拍摄图片或视频数据进行一一排查获得，这需要耗费大量的人力物力资源，且容易因为各种人为因素导致准确率降低。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种能够提高准确性的目标状态确定方法、装置、计算机设备和存储介质。
5.一种目标状态确定方法，所述方法包括：
6.对待检测视频中的待检测目标进行跟踪得到跟踪结果；
7.获取与所述待检测视频对应的待检测区域；
8.根据所述待检测目标的跟踪结果，计算在所述待检测区域中的待检测目标的行驶特征；
9.根据在所述待检测区域中的待检测目标的行驶特征，判断所述待检测区域是否发生堵塞；
10.当所述待检测区域发生堵塞时，获取与所述待检测区域对应的关联区域；
11.根据所述待检测目标的跟踪结果，获取在所述待检测区域中的待检测目标在所述待检测区域发生堵塞时的目标轨迹，并根据所述待检测目标轨迹、所述待检测区域和所述关联区域的位置关系得到待检测目标的目标状态。
12.在其中一个实施例中，所述行驶特征包括所述待检测区域中的待检测目标密度和/或所述待检测区域中的待检测目标的行驶速度。
13.在其中一个实施例中，所述待检测区域中的待检测目标密度的计算方式包括：
14.获取当前时间所跟踪得到的待检测目标的跟踪框；
15.根据所述跟踪框的位置和所述待检测区域的位置，确定所述待检测区域中待检测目标的数量；
16.获取所述待检测区域的面积；
17.根据所述待检测区域中待检测目标的数量和所述待检测区域的面积计算，得到待
检测目标密度。
18.在其中一个实施例中，所述待检测区域中的待检测目标的行驶速度的计算方式包括：
19.获取当前时间所跟踪得到的待检测目标的跟踪框；
20.根据所述跟踪框的位置和所述待检测区域的位置，获取在所述待检测区域中的待检测目标；
21.获取在所述待检测区域中的待检测目标的在第前预设帧的位置；
22.根据所述在所述待检测区域中的待检测目标的位置以及所获取到的在第前预设帧的位置得到移动距离；
23.根据所述移动距离计算得到行驶速度。
24.在其中一个实施例中，所述根据所述待检测目标轨迹、所述待检测区域和所述关联区域的位置关系得到待检测目标状态，包括：
25.根据所述待检测区域和所述关联区域确定停止线；
26.根据所述待检测目标轨迹与所述停止线的位置关系得到待检测目标状态。
27.在其中一个实施例中，所述对待检测视频中的待检测目标进行跟踪得到跟踪结果，包括：
28.获取当前跟踪模板；
29.在所述待检测视频中确定当前帧对应的上一帧，并获取所述上一帧中的待检测目标的目标区域；
30.确定所述目标区域在当前帧中对应的跟踪区域，对所述跟踪区域进行扩大处理；
31.根据所述跟踪模板对扩大后的所述跟踪区域进行待检测目标检测，以对与所述跟踪模板对应的待检测目标进行跟踪得到跟踪结果。
32.在其中一个实施例中，所述获取当前跟踪模板，包括：
33.当还未存在当前跟踪模板时，则获取待检测视频中的第一参考帧，并对所述第一参考帧进行目标检测得到第一目标；
34.根据所述第一目标得到当前跟踪模板；
35.当已存在当前跟踪模板时，则判断当前帧是否为参考帧；
36.当所述当前帧为参考帧时，则对所述参考帧进行目标检测得到当前目标，并根据所述当前跟踪模板对所述参考帧中的待检测目标进行跟踪得到跟踪目标；
37.计算所述当前目标和所述跟踪目标的重叠度；
38.当所述重叠度大于等于预设值时，则根据所述当前目标更新对应的跟踪目标的当前跟踪模板；
39.当所述重叠度小于预设值时，则根据所述当前目标生成新的当前跟踪模板。
40.在其中一个实施例中，所述计算所述当前目标和所述跟踪目标的重叠度，包括：
41.确定所述当前目标对应的目标边界，以及所述跟踪目标对应的跟踪边界；
42.根据所述目标边界和对应的所述跟踪边界，确定所述当前目标和所述跟踪目标的重叠部分；
43.分别计算所述重叠部分的重叠面积，所述当前目标所在区域的面积以及所述跟踪目标所在区域的面积；
44.根据所述重叠部分的重叠面积、所述当前目标所在区域的面积以及所述跟踪目标所在区域的面积计算得到重叠度。
45.一种目标状态确定装置，所述装置包括：
46.跟踪模块，用于对待检测视频中的待检测目标进行跟踪得到跟踪结果；
47.待检测区域确定模块，用于获取与所述待检测视频对应的待检测区域；
48.行驶特征计算模块，用于根据所述待检测目标的跟踪结果，计算在所述待检测区域中的待检测目标的行驶特征；
49.判断模块，用于根据在所述待检测区域中的待检测目标的行驶特征，判断所述待检测区域是否发生堵塞；
50.关联区域确定模块，用于当所述待检测区域发生堵塞时，获取与所述待检测区域对应的关联区域；
51.状态确定模块，用于根据所述待检测目标的跟踪结果，获取在所述待检测区域中的待检测目标在所述待检测区域发生堵塞时的目标轨迹，并根据所述待检测目标轨迹、所述待检测区域和所述关联区域的位置关系得到待检测目标的目标状态。
52.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。
53.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
54.上述目标状态确定方法、装置、计算机设备和存储介质，通过对待检测目标进行跟踪得到跟踪结果，这样可以根据跟踪结果得到各个待检测目标的行驶特征，从而根据该行驶特判断待检测区域是否发生堵塞，若是，则可以根据跟踪结果得到发生堵塞的待检测区域中的各个待检测目标的目标轨迹，也就是确定在待检测区域发生堵塞时，位于待检测区域中的目标的目标轨迹，从而根据该目标轨迹、待检测区域以及关联区域来确定待检测目标的目标状态，这样根据跟踪结果来确定是否发生堵塞，以及堵塞后的目标轨迹，可以提高堵塞和目标轨迹的准确性，进而提高后续状态判断的准确性。
附图说明
55.图1为一个实施例中目标状态确定方法的应用环境图；
56.图2为一个实施例中目标状态确定方法的流程示意图；
57.图3为一个实施例中的交叉路口的区域划分示意图；
58.图4为图2所示实施例中步骤s202的流程示意图；
59.图5为一个实施例中的siameserpn网络的框架图；
60.图6为一个实施例中目标状态确定装置的结构框图；
61.图7为一个实施例中计算机设备的内部结构图。
具体实施方式
62.为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
63.本申请提供的目标状态确定方法，可以应用于如图1所示的应用环境中。其中，采集终端102通过网络与服务器104进行通信。其中，采集终端102可以采集待检测视频，并将所采集的待检测视频发送至服务器104。服务器104在接收到待检测视频后，可以先将待检测视频存储到数据库，并通过定时任务来启动对待检测视频的检测，或者是直接对待检测视频进行检测，其中服务器104可以首先对待检测视频中的待检测目标进行跟踪得到跟踪结果，并获取与待检测视频对应的待检测区域，这样服务器104根据待检测目标的跟踪结果，计算在待检测区域中的待检测目标的行驶特征；并根据在待检测区域中的待检测目标的行驶特征，判断待检测区域是否发生堵塞，若服务器判定待检测区域发生堵塞，则获取与待检测区域对应的关联区域，并根据待检测目标的跟踪结果，获取在待检测区域中的待检测目标在待检测区域发生堵塞时的目标轨迹，并根据待检测目标轨迹、待检测区域和关联区域的位置关系得到待检测目标的目标状态。其中，采集终端102可以但不限于电子警察或用于检测交通状况的摄像头，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
64.在一个实施例中，如图2所示，提供了一种目标状态确定方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
65.s202：对待检测视频中的待检测目标进行跟踪得到跟踪结果。
66.具体地，待检测视频是采集终端所采集的，采集终端可以将所采集的待检测视频发送至服务器，服务器可以先将待检测视频存储到数据库，并通过定时任务来启动对待检测视频的检测，或者是直接对待检测视频进行检测。其中服务器需要对待检测视频中所有的目标进行跟踪得到跟踪结果，例如通过yolo及siamrpn算法相结合的方式。
67.其中服务器实现所有目标的检测可以是通过对第一帧视频进行所有目标的检测，以及每隔预设帧判断是否存在新的目标，若存在，则增加对应的目标的方式来实现。而对于目标的跟踪则可以通过模板的方式进行跟踪，该模板可以是在每检测到新的目标后则生成该新目标对应的模板，并在每隔预设帧后更新对应的模板的方式来进行模板的更新。
68.此外，优先地，该目标为车辆。
69.s204：获取与待检测视频对应的待检测区域。
70.具体地，每个待检测视频都是与采集终端对应的，而采集终端的位置是一定的，因此可以建立采集终端和路口的对应关系，并预先划定路口对应的待检测区域，并确定待检测区域对应的关联区域。
71.请参见图3所示，图3为一个实施例中的交叉路口的区域划分示意图，其中，绿灯亮起时，以区域
⑥
中的车辆作为目标车辆举例，当左转区域(如图3中的区域
③
)堵塞时，区域
⑥
中左转车道的车辆不能前向，直行和右转正常行驶；右转区域堵塞时情况与左转区域堵塞类似；当直行区域(如图3中的区域
①
)堵塞时，区域
⑥
中直行车道的车辆不能前进，左转右转正常行驶；当车辆前方都堵死(图3中的区域
⑨
发生拥堵)，区域
⑥
中直行、左转和右转车道上的车辆都不能前行，需在停止线前依次等候。
72.s206：根据待检测目标的跟踪结果，计算在待检测区域中的待检测目标的行驶特征。
73.s208：根据在待检测区域中的待检测目标的行驶特征，判断待检测区域是否发生堵塞。
74.具体地，其中对于划定好的待检测区域，判断区域内是否发生堵塞的指标可以是行驶特征。行驶特征包括待检测区域中的待检测目标密度和/或待检测区域中的待检测目标的行驶速度。
75.行驶特征的获取可以是根据检测目标的跟踪结果获得，例如根据检测目标的跟踪结果中的位置信息以及时间信息等计算得到，其中位置信息可以确定待检测区域中的目标的数量，且通过位置信息还可以确定目标的移动距离，再结合时间信息则可以确定目标的速度等。服务器可以根据待检测区域中的待检测目标密度和/或待检测区域中的待检测目标的行驶速度来判定待检测区域是否发生堵塞，例如假设密度阈值为a，速度阈值为b，当满足待检测区域中的待检测目标密度p>a且待检测区域中的待检测目标的行驶速度v<b时，判断该待检测区域堵塞。
76.s210：当待检测区域发生堵塞时，获取与待检测区域对应的关联区域。
77.s212：根据待检测目标的跟踪结果，获取在待检测区域中的待检测目标在待检测区域发生堵塞时的目标轨迹，并根据待检测目标轨迹、待检测区域和关联区域的位置关系得到待检测目标的目标状态。
78.具体地，结合图3，当服务器判定待检测区域发生堵塞时，则获取到待检测区域对应的关联区域，也就是图3中预先设置的关联区域，然后根据待检测目标的移动轨迹判断待检测目标的目标状态，例如根据车辆的移动轨迹判断车辆是否依次等候。具体地，服务器可以根据待检测区域中的待检测目标在待检测区域发生堵塞时的目标轨迹与待检测区域和关联区域的位置关系得到待检测目标的目标状态，也就是说，根据待检测目标轨迹、待检测区域和关联区域的位置关系得到待检测目标的目标状态，包括：根据待检测区域和关联区域确定停止线；根据待检测目标轨迹与停止线的位置关系得到待检测目标的目标状态。例如若车辆在不能前进时轨迹从停止线前移动至停止线后，则判定该车辆未依次等候，车辆违法。
79.上述实施例中，通过对路口监控视频中的车辆进行跟踪，根据特定区域内车辆的密度和平均移动速度判断是否拥堵，当出现交通拥堵时，判断目标车辆是否依次等候。该方法能够自动有效地对道路中出现的所有车辆进行筛查，判断车辆是否在交通拥堵时依次等候，能有效节约警力，且增强执法的广度，提高执法效率。
80.上述目标状态确定方法，通过对待检测目标进行跟踪得到跟踪结果，这样可以根据跟踪结果得到各个待检测目标的行驶特征，从而根据该行驶特判断待检测区域是否发生堵塞，若是，则可以根据跟踪结果得到发生堵塞的待检测区域中的各个待检测目标的目标轨迹，也就是确定在待检测区域发生堵塞时，位于待检测区域中的目标的目标轨迹，从而根据该目标轨迹、待检测区域以及关联区域来确定待检测目标的目标状态，这样根据跟踪结果来确定是否发生堵塞，以及堵塞后的目标轨迹，可以提高堵塞和目标轨迹的准确性，进而提高后续状态判断的准确性。
81.在其中一个实施例中，待检测区域中的待检测目标密度的计算方式包括：获取当前时间所跟踪得到的待检测目标的跟踪框；根据跟踪框的位置和待检测区域的位置，确定待检测区域中待检测目标的数量；获取待检测区域的面积；根据待检测区域中待检测目标的数量和待检测区域的面积计算，得到待检测目标密度。
82.具体地，在计算待检测目标密度的时候，对于视频当前帧中某一特定区域，首先计
算该待检测区域的待检测目标的数量n，n的初始值设为0，其中该待检测区域的待检测目标的数量可以是根据当前时间所跟踪得到的待检测目标的跟踪框确定的，假设得到的跟踪矩形框中心点坐标为(x，y)，判断中心点是否落在待检测区域内(可以通过opencv的pointpolygontest函数获得)，若中心点在待检测区域内，则n＝n 1，遍历完所有车辆后得到待检测区域内的实际车辆数n，然后服务器获取该待检测区域的面积为s，则该待检测区域的车辆密度如下：
83.ρ＝n/s
84.上述实施例中，通过车辆跟踪框与待检测区域的位置关系来确定待检测区域中的待检测目标的数量，然后计算得到车辆密度。
85.在其中一个实施例中，待检测区域中的待检测目标的行驶速度的计算方式包括：获取当前时间所跟踪得到的待检测目标的跟踪框；根据跟踪框的位置和待检测区域的位置，获取在待检测区域中的待检测目标；获取在待检测区域中的待检测目标的在第前预设帧的位置；根据在待检测区域中的待检测目标的位置以及所获取到的在第前预设帧的位置得到移动距离；根据移动距离计算得到行驶速度。
86.服务器在计算行驶速度的时候可以与计算密度的时候结合，即在计算密度时，得到待检测区域内的车辆，根据跟踪得到这些车辆的跟踪轨迹，遍历待检测区域内的每一辆车，具体地，在计算密度的时候，可以获取到待检测目标的跟踪框；根据跟踪框的位置和待检测区域的位置，获取在待检测区域中的待检测目标。服务器计算车辆从前t帧到当前帧的移动距离为li(其中i为车辆编号)，设前m帧车辆的中心点坐标为(xim，yim)，例如获取在待检测区域中的待检测目标的在第前预设帧的位置，然后根据在待检测区域中的待检测目标的位置以及所获取到的在第前预设帧的位置得到移动距离，即假设当前帧车辆的中心点坐标为(xm，ym)，则：
87.li＝sqrt(pow((xm
‑
xim)，2) pow((ym
‑
yim)，2))
88.其中sqrt为开平方，pow为求平方。
89.从而服务器根据移动距离计算得到行驶速度，其中行驶时间t可以是根据各帧之间的时间间隔以及帧数确定，该区域内车辆的平均速度v如下：
90.v＝1/n*∑in(li/t)
91.上述实施例中，在计算行驶速度的时候可以与计算密度的时候相结合，这样提高了计算的效率。
92.在其中一个实施例中，参见图4所示，图4为图2所示实施例中步骤s202的流程示意图，该步骤s202，即检测视频中的待检测目标进行跟踪得到跟踪结果，包括：
93.s402：获取当前跟踪模板。
94.具体地，当前跟踪模板可以是在开始读取待检测视频的时候，识别第一参考帧所得到的，或者是在跟踪过程中第一次识别到新的目标所生成的跟踪模板,或者是在跟踪过程中对跟踪模板进行更新后的模板。
95.s404：在待检测视频中确定当前帧对应的上一帧，并获取上一帧中的待检测目标的目标区域。
96.s406：确定目标区域在当前帧中对应的跟踪区域，对跟踪区域进行扩大处理。
97.具体地，服务器首先获取到当前待识别的当前帧对应的上一帧，然后获取到上一
帧的跟踪结果，即上一帧中待检测目标的目标区域。且为了提高检测的准确性，服务器首先确定目标区域在当前帧中对应的跟踪区域，对跟踪区域进行扩大处理，例如后续帧将在本帧取前一帧目标周围面积为前一帧目标两倍的图像作为检测分支的输入。
98.s408：根据跟踪模板对扩大后的跟踪区域进行待检测目标检测，以对与跟踪模板对应的待检测目标进行跟踪得到跟踪结果。
99.具体地，参见图5所示，本实施例中采用siameserpn网络对待检测目标进行跟踪，其中该siameserpn网络分为两个分支，第一是模板分支，一个是检测分支，模板分支则是输入所获取的当前跟踪模板，检测分支则是输入扩大处理后的跟踪区域，两个分支分别进行特征提取，例如模板分支得到6*6*256的模板特征，检测分支得到22*22*256的检测特征，然后将模板特征与检测分支提取的检测特征经过相同的卷积层(conv)后进行互相关操作，取回归出的置信度最高分类为前景的框作为当前帧的跟踪框。
100.上述实施例中，通过确定跟踪区域，然后经过跟踪模板，结合siameserpn网络的两条分支来实现待检测目标的跟踪。
101.在其中一个实施例中，当前跟踪模板的获取可以包括三种情况：
102.第一种情况是：当还未存在当前跟踪模板时，则获取待检测视频中的第一参考帧，并对第一参考帧进行目标检测得到第一目标；根据第一目标得到当前跟踪模板。此时是还未进行检测，获取到待检测视频中的第一参考帧，也就是待检测视频的第一帧，进行目标检测，例如通过yolo进行模板检测，然后提取检测到的区域，将检测到的区域输入至siameserpn网络中模板分支的cnn模块中提取特征，并根据所提取的特征得到当前跟踪模板。
103.第二种情况是：当已存在当前跟踪模板时，则判断当前帧是否为参考帧；当不为参考帧的时候，则直接获取到当前跟踪模板即可。其中参考帧是指需要对模板进行更新的帧，例如每间隔n帧则有一帧参考帧。
104.第三种情况是：当当前帧为参考帧时，则对参考帧进行目标检测得到当前目标，并根据当前跟踪模板对参考帧中的待检测目标进行跟踪得到跟踪目标；计算当前目标和跟踪目标的重叠度；当重叠度大于等于预设值时，则根据当前目标更新对应的跟踪目标的当前跟踪模板；当重叠度小于预设值时，则根据当前目标生成新的当前跟踪模板。具体地当当前帧为参考帧时，则需要对当前帧进行两种处理，一种是正常的通过siameserpn网络进行跟踪，另外一种是通过yolo检测当前帧中的待检测目标得到当前目标，这两种处理可以是并行处理，然后服务器计算当前目标和跟踪目标的重叠度；当重叠度大于等于预设值时，则根据当前目标更新对应的跟踪目标的当前跟踪模板；当重叠度小于预设值时，则根据当前目标生成新的当前跟踪模板。
105.在实际应用中，由于车辆在行驶过程中容易发生方向转变使得车的形态发生较大变化，若一直以初次检测到的目标车辆作为模板帧，跟踪将会发生偏差。为了解决这一问题，每隔n帧计算当前帧检测到的目标车辆与该帧跟踪车辆的iou，若两目标的iou大于某一阈值(例如：0.8)，则认为检测到的目标车辆与对应的跟踪车辆是同一目标，对该检测目标(由于检测框比跟踪框更为准确，因而取检测框中车辆的特征)进行模板特征提取，替换原始的模板。
106.可选地，计算当前目标和跟踪目标的重叠度，包括：确定当前目标对应的目标边
界，以及跟踪目标对应的跟踪边界根据目标边界和对应的跟踪边界，确定当前目标和跟踪目标的重叠部分；分别计算重叠部分的重叠面积，当前目标所在区域的面积以及跟踪目标所在区域的面积；根据重叠部分的重叠面积、当前目标所在区域的面积以及跟踪目标所在区域的面积计算得到重叠度。
107.具体地，设置视频每n帧对图像进行一次yolo目标检测，计算每次检测到的目标车辆与当前已在跟踪目标车辆的iou，若iou小于某一阈值(例如：0.1)，证明该目标车辆为新出现的目标，同样对该目标进行模板特征提取，记任意两个目标矩形框位置信息分别为左上角坐标(x11,y11)，右下角坐标(x12,y12)及左上角坐标(x21,y21)，右下角坐标(x22,y22)。下面给出计算iou的逻辑：
108.首先取x11，x21的最大值为xa；y11，y21的最小值为ya；x12，x22的最小值为xb；y12，y22的最大值为xb。
109.其次，计算两个框的面积分别为area1＝(x12
‑
x11)*(y12
‑
y11)；
110.area2＝(x22
‑
x21)*(y22
‑
y21)。
111.然后计算两个框重叠面积为interarea＝max(xb
‑
xa,0)*max(yb
‑
ya,0)。
112.最后计算iou＝interarea/(area1 area2
‑
interarea)
113.上述实施例中，通过yolo及siamrpn算法实现对视频中车辆的跟踪，提高了车辆跟踪的准确性。
114.应该理解的是，虽然图2和图4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2和图4中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
115.在一个实施例中，如图6所示，提供了一种目标状态确定装置，包括：跟踪模块100、待检测区域确定模块200、行驶特征计算模块300、判断模块400、关联区域确定模块500和状态确定模块600，其中：
116.跟踪模块100，用于对待检测视频中的待检测目标进行跟踪得到跟踪结果；
117.待检测区域确定模块200，用于获取与待检测视频对应的待检测区域；
118.行驶特征计算模块300，用于根据待检测目标的跟踪结果，计算在待检测区域中的待检测目标的行驶特征；
119.判断模块400，用于根据在待检测区域中的待检测目标的行驶特征，判断待检测区域是否发生堵塞；
120.关联区域确定模块500，用于当待检测区域发生堵塞时，获取与待检测区域对应的关联区域；
121.状态确定模块600，用于根据待检测目标的跟踪结果，获取在待检测区域中的待检测目标在待检测区域发生堵塞时的目标轨迹，并根据待检测目标轨迹、待检测区域和关联区域的位置关系得到待检测目标的目标状态。
122.在其中一个实施例中，行驶特征包括待检测区域中的待检测目标密度和/或待检
测区域中的待检测目标的行驶速度。
123.在其中一个实施例中，上述的目标状态确定装置还可以包括：
124.第一跟踪框确定模块，用于获取当前时间所跟踪得到的待检测目标的跟踪框；
125.数量确定模块，用于根据跟踪框的位置和待检测区域的位置，确定待检测区域中待检测目标的数量；
126.面积获取模块，用于获取待检测区域的面积；
127.密度计算模块，用于根据待检测区域中待检测目标的数量和待检测区域的面积计算，得到待检测目标密度。
128.在其中一个实施例中，上述的目标状态确定装置还可以包括：
129.第二跟踪框确定模块，用于获取当前时间所跟踪得到的待检测目标的跟踪框；
130.目标位置确定模块，用于根据跟踪框的位置和待检测区域的位置，获取在待检测区域中的待检测目标；
131.历史位置确定模块，用于获取在待检测区域中的待检测目标的在第前预设帧的位置；
132.移动距离计算模块，用于根据在待检测区域中的待检测目标的位置以及所获取到的在第前预设帧的位置得到移动距离；
133.速度计算模块，用于根据移动距离计算得到行驶速度。
134.在其中一个实施例中，上述状态确定模块600包括：
135.停止线确定单元，用于根据待检测区域和关联区域确定停止线；
136.目标状态确定单元，用于根据待检测目标轨迹与停止线的位置关系得到待检测目标的目标状态。
137.在其中一个实施例中，上述的跟踪模块100可以包括：
138.模板获取单元，用于获取当前跟踪模板；
139.目标区域确定单元，用于在待检测视频中确定当前帧对应的上一帧，并获取上一帧中的待检测目标的目标区域；
140.扩大单元，用于确定目标区域在当前帧中对应的跟踪区域，对跟踪区域进行扩大处理；
141.跟踪单元，用于根据跟踪模板对扩大后的跟踪区域进行待检测目标检测，以对与跟踪模板对应的待检测目标进行跟踪得到跟踪结果。
142.在其中一个实施例中，上述的模板获取单元包括：
143.第一目标检测子单元，用于当还未存在当前跟踪模板时，则获取待检测视频中的第一参考帧，并对第一参考帧进行目标检测得到第一目标；
144.第一生成子单元，用于根据第一目标得到当前跟踪模板；
145.判断子单元，用于当已存在当前跟踪模板时，则判断当前帧是否为参考帧；
146.参考帧处理子单元，用于当当前帧为参考帧时，则对参考帧进行目标检测得到当前目标，并根据当前跟踪模板对参考帧中的待检测目标进行跟踪得到跟踪目标；
147.重叠度计算子单元，用于计算当前目标和跟踪目标的重叠度；
148.更新子单元，用于当重叠度大于等于预设值时，则根据当前目标更新对应的跟踪目标的当前跟踪模板；
149.第二生成子单元，用于当重叠度小于预设值时，则根据当前目标生成新的当前跟踪模板。
150.在其中一个实施例中，上述的重叠度计算子单元包括：
151.边界确定孙单元，用于确定当前目标对应的目标边界，以及跟踪目标对应的跟踪边界；
152.重叠部分确定孙单元，用于根据目标边界和对应的跟踪边界，确定当前目标和跟踪目标的重叠部分；
153.面积计算孙单元，用于分别计算重叠部分的重叠面积，当前目标所在区域的面积以及跟踪目标所在区域的面积；
154.重叠度计算孙单元，用于根据重叠部分的重叠面积、当前目标所在区域的面积以及跟踪目标所在区域的面积计算得到重叠度。
155.关于目标状态确定装置的具体限定可以参见上文中对于目标状态确定方法的限定，在此不再赘述。上述目标状态确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
156.在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储跟踪结果以及目标状态等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种目标状态确定方法。
157.本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
158.在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：对待检测视频中的待检测目标进行跟踪得到跟踪结果；获取与待检测视频对应的待检测区域；根据待检测目标的跟踪结果，计算在待检测区域中的待检测目标的行驶特征；根据在待检测区域中的待检测目标的行驶特征，判断待检测区域是否发生堵塞当待检测区域发生堵塞时，获取与待检测区域对应的关联区域；根据待检测目标的跟踪结果，获取在待检测区域中的待检测目标在待检测区域发生堵塞时的目标轨迹，并根据待检测目标轨迹、待检测区域和关联区域的位置关系得到待检测目标的目标状态。
159.在一个实施例中，处理器执行计算机程序时所涉及的行驶特征包括待检测区域中的待检测目标密度和/或待检测区域中的待检测目标的行驶速度。
160.在一个实施例中，处理器执行计算机程序时所涉及的待检测区域中的待检测目标密度的计算方式包括：获取当前时间所跟踪得到的待检测目标的跟踪框；根据跟踪框的位置和待检测区域的位置，确定待检测区域中待检测目标的数量；获取待检测区域的面积；根
据待检测区域中待检测目标的数量和待检测区域的面积计算，得到待检测目标密度。
161.在一个实施例中，处理器执行计算机程序时所涉及的待检测区域中的待检测目标的行驶速度的计算方式包括：获取当前时间所跟踪得到的待检测目标的跟踪框；根据跟踪框的位置和待检测区域的位置，获取在待检测区域中的待检测目标；获取在待检测区域中的待检测目标的在第前预设帧的位置；根据在待检测区域中的待检测目标的位置以及所获取到的在第前预设帧的位置得到移动距离；根据移动距离计算得到行驶速度。
162.在一个实施例中，处理器执行计算机程序时所实现的根据待检测目标轨迹、待检测区域和关联区域的位置关系得到待检测目标的目标状态，包括：根据待检测区域和关联区域确定停止线；根据待检测目标轨迹与停止线的位置关系得到待检测目标的目标状态。
163.在一个实施例中，处理器执行计算机程序时所实现的对待检测视频中的待检测目标进行跟踪得到跟踪结果，包括：获取当前跟踪模板；在待检测视频中确定当前帧对应的上一帧，并获取上一帧中的待检测目标的目标区域；确定目标区域在当前帧中对应的跟踪区域，对跟踪区域进行扩大处理；根据跟踪模板对扩大后的跟踪区域进行待检测目标检测，以对与跟踪模板对应的待检测目标进行跟踪得到跟踪结果。
164.在一个实施例中，处理器执行计算机程序时所实现的获取当前跟踪模板，包括：当还未存在当前跟踪模板时，则获取待检测视频中的第一参考帧，并对第一参考帧进行目标检测得到第一目标；根据第一目标得到当前跟踪模板；当已存在当前跟踪模板时，则判断当前帧是否为参考帧；当当前帧为参考帧时，则对参考帧进行目标检测得到当前目标，并根据当前跟踪模板对参考帧中的待检测目标进行跟踪得到跟踪目标；计算当前目标和跟踪目标的重叠度；当重叠度大于等于预设值时，则根据当前目标更新对应的跟踪目标的当前跟踪模板；当重叠度小于预设值时，则根据当前目标生成新的当前跟踪模板。
165.在一个实施例中，处理器执行计算机程序时所实现的计算当前目标和跟踪目标的重叠度，包括：确定当前目标对应的目标边界，以及跟踪目标对应的跟踪边界；根据目标边界和对应的跟踪边界，确定当前目标和跟踪目标的重叠部分；分别计算重叠部分的重叠面积，当前目标所在区域的面积以及跟踪目标所在区域的面积；根据重叠部分的重叠面积、当前目标所在区域的面积以及跟踪目标所在区域的面积计算得到重叠度。
166.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：对待检测视频中的待检测目标进行跟踪得到跟踪结果；获取与待检测视频对应的待检测区域；根据待检测目标的跟踪结果，计算在待检测区域中的待检测目标的行驶特征；根据在待检测区域中的待检测目标的行驶特征，判断待检测区域是否发生堵塞当待检测区域发生堵塞时，获取与待检测区域对应的关联区域；根据待检测目标的跟踪结果，获取在待检测区域中的待检测目标在待检测区域发生堵塞时的目标轨迹，并根据待检测目标轨迹、待检测区域和关联区域的位置关系得到待检测目标的目标状态。
167.在一个实施例中，计算机程序被处理器执行时所涉及的行驶特征包括待检测区域中的待检测目标密度和/或待检测区域中的待检测目标的行驶速度。
168.在一个实施例中，计算机程序被处理器执行时所涉及的待检测区域中的待检测目标密度的计算方式包括：获取当前时间所跟踪得到的待检测目标的跟踪框；根据跟踪框的位置和待检测区域的位置，确定待检测区域中待检测目标的数量；获取待检测区域的面积；
根据待检测区域中待检测目标的数量和待检测区域的面积计算，得到待检测目标密度。
169.在一个实施例中，计算机程序被处理器执行时所涉及的待检测区域中的待检测目标的行驶速度的计算方式包括：获取当前时间所跟踪得到的待检测目标的跟踪框；根据跟踪框的位置和待检测区域的位置，获取在待检测区域中的待检测目标；获取在待检测区域中的待检测目标的在第前预设帧的位置；根据在待检测区域中的待检测目标的位置以及所获取到的在第前预设帧的位置得到移动距离；根据移动距离计算得到行驶速度。
170.在一个实施例中，计算机程序被处理器执行时所实现的根据待检测目标轨迹、待检测区域和关联区域的位置关系得到待检测目标的目标状态，包括：根据待检测区域和关联区域确定停止线；根据待检测目标轨迹与停止线的位置关系得到待检测目标的目标状态。
171.在一个实施例中，计算机程序被处理器执行时所实现的对待检测视频中的待检测目标进行跟踪得到跟踪结果，包括：获取当前跟踪模板；在待检测视频中确定当前帧对应的上一帧，并获取上一帧中的待检测目标的目标区域；确定目标区域在当前帧中对应的跟踪区域，对跟踪区域进行扩大处理；根据跟踪模板对扩大后的跟踪区域进行待检测目标检测，以对与跟踪模板对应的待检测目标进行跟踪得到跟踪结果。
172.在一个实施例中，计算机程序被处理器执行时所实现的获取当前跟踪模板，包括：当还未存在当前跟踪模板时，则获取待检测视频中的第一参考帧，并对第一参考帧进行目标检测得到第一目标；根据第一目标得到当前跟踪模板；当已存在当前跟踪模板时，则判断当前帧是否为参考帧；当当前帧为参考帧时，则对参考帧进行目标检测得到当前目标，并根据当前跟踪模板对参考帧中的待检测目标进行跟踪得到跟踪目标；计算当前目标和跟踪目标的重叠度；当重叠度大于等于预设值时，则根据当前目标更新对应的跟踪目标的当前跟踪模板；当重叠度小于预设值时，则根据当前目标生成新的当前跟踪模板。
173.在一个实施例中，计算机程序被处理器执行时所实现的计算当前目标和跟踪目标的重叠度，包括：确定当前目标对应的目标边界，以及跟踪目标对应的跟踪边界；根据目标边界和对应的跟踪边界，确定当前目标和跟踪目标的重叠部分；分别计算重叠部分的重叠面积，当前目标所在区域的面积以及跟踪目标所在区域的面积；根据重叠部分的重叠面积、当前目标所在区域的面积以及跟踪目标所在区域的面积计算得到重叠度。
174.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read
‑
only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。
175.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
176.以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

技术特征：
1.一种目标状态确定方法，其特征在于，所述方法包括：对待检测视频中的待检测目标进行跟踪得到跟踪结果；获取与所述待检测视频对应的待检测区域；根据所述待检测目标的跟踪结果，计算在所述待检测区域中的待检测目标的行驶特征；根据在所述待检测区域中的待检测目标的行驶特征，判断所述待检测区域是否发生堵塞；当所述待检测区域发生堵塞时，获取与所述待检测区域对应的关联区域；根据所述待检测目标的跟踪结果，获取在所述待检测区域中的待检测目标在所述待检测区域发生堵塞时的目标轨迹，并根据所述待检测目标轨迹、所述待检测区域和所述关联区域的位置关系得到待检测目标的目标状态。2.根据权利要求1所述的目标状态确定方法，其特征在于，所述行驶特征包括所述待检测区域中的待检测目标密度和/或所述待检测区域中的待检测目标的行驶速度。3.根据权利要求2所述的目标状态确定方法，其特征在于，所述待检测区域中的待检测目标密度的计算方式包括：获取当前时间所跟踪得到的待检测目标的跟踪框；根据所述跟踪框的位置和所述待检测区域的位置，确定所述待检测区域中待检测目标的数量；获取所述待检测区域的面积；根据所述待检测区域中待检测目标的数量和所述待检测区域的面积计算，得到待检测目标密度。4.根据权利要求2所述的目标状态确定方法，其特征在于，所述待检测区域中的待检测目标的行驶速度的计算方式包括：获取当前时间所跟踪得到的待检测目标的跟踪框；根据所述跟踪框的位置和所述待检测区域的位置，获取在所述待检测区域中的待检测目标；获取在所述待检测区域中的待检测目标的在第前预设帧的位置；根据所述在所述待检测区域中的待检测目标的位置以及所获取到的在第前预设帧的位置得到移动距离；根据所述移动距离计算得到行驶速度。5.根据权利要求1至4任意一项所述的目标状态确定方法，其特征在于，所述根据所述待检测目标轨迹、所述待检测区域和所述关联区域的位置关系得到待检测目标状态，包括：根据所述待检测区域和所述关联区域确定停止线；根据所述待检测目标轨迹与所述停止线的位置关系得到待检测目标状态。6.根据权利要求1至4任意一项所述的目标状态确定方法，其特征在于，所述对待检测视频中的待检测目标进行跟踪得到跟踪结果，包括：获取当前跟踪模板；在所述待检测视频中确定当前帧对应的上一帧，并获取所述上一帧中的待检测目标的目标区域；
确定所述目标区域在当前帧中对应的跟踪区域，对所述跟踪区域进行扩大处理；根据所述跟踪模板对扩大后的所述跟踪区域进行待检测目标检测，以对与所述跟踪模板对应的待检测目标进行跟踪得到跟踪结果。7.根据权利要求6所述的目标状态确定方法，其特征在于，所述获取当前跟踪模板，包括：当还未存在当前跟踪模板时，则获取待检测视频中的第一参考帧，并对所述第一参考帧进行目标检测得到第一目标；根据所述第一目标得到当前跟踪模板；当已存在当前跟踪模板时，则判断当前帧是否为参考帧；当所述当前帧为参考帧时，则对所述参考帧进行目标检测得到当前目标，并根据所述当前跟踪模板对所述参考帧中的待检测目标进行跟踪得到跟踪目标；计算所述当前目标和所述跟踪目标的重叠度；当所述重叠度大于等于预设值时，则根据所述当前目标更新对应的跟踪目标的当前跟踪模板；当所述重叠度小于预设值时，则根据所述当前目标生成新的当前跟踪模板。8.根据权利要求7所述的目标状态确定方法，其特征在于，所述计算所述当前目标和所述跟踪目标的重叠度，包括：确定所述当前目标对应的目标边界，以及所述跟踪目标对应的跟踪边界；根据所述目标边界和对应的所述跟踪边界，确定所述当前目标和所述跟踪目标的重叠部分；分别计算所述重叠部分的重叠面积，所述当前目标所在区域的面积以及所述跟踪目标所在区域的面积；根据所述重叠部分的重叠面积、所述当前目标所在区域的面积以及所述跟踪目标所在区域的面积计算得到重叠度。9.一种目标状态确定装置，其特征在于，所述装置包括：跟踪模块，用于对待检测视频中的待检测目标进行跟踪得到跟踪结果；待检测区域确定模块，用于获取与所述待检测视频对应的待检测区域；行驶特征计算模块，用于根据所述待检测目标的跟踪结果，计算在所述待检测区域中的待检测目标的行驶特征；判断模块，用于根据在所述待检测区域中的待检测目标的行驶特征，判断所述待检测区域是否发生堵塞；关联区域确定模块，用于当所述待检测区域发生堵塞时，获取与所述待检测区域对应的关联区域；状态确定模块，用于根据所述待检测目标的跟踪结果，获取在所述待检测区域中的待检测目标在所述待检测区域发生堵塞时的目标轨迹，并根据所述待检测目标轨迹、所述待检测区域和所述关联区域的位置关系得到待检测目标的目标状态。10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序
被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
技术总结
本申请涉及一种目标状态确定方法、装置、计算机设备和存储介质。所述方法包括：对待检测视频中的待检测目标进行跟踪得到跟踪结果；获取与所述待检测视频对应的待检测区域；根据所述待检测目标的跟踪结果，计算在所述待检测区域中的待检测目标的行驶特征；根据在所述待检测区域中的待检测目标的行驶特征，判断所述待检测区域是否发生堵塞；当所述待检测区域发生堵塞时，获取与所述待检测区域对应的关联区域；根据所述待检测目标的跟踪结果，获取在所述待检测区域中的待检测目标在所述待检测区域发生堵塞时的目标轨迹，并根据所述待检测目标轨迹、所述待检测区域和所述关联区域的位置关系得到待检测目标的目标状态。采用本方法能够提高准确性。够提高准确性。够提高准确性。


技术研发人员：朱月萍
受保护的技术使用者：上海眼控科技股份有限公司
技术研发日：2021.02.24
技术公布日：2021/6/29