基于全焦段摄像头和毫米波雷达的AI溯源交通监测方法和系统

本发明属于智能交通，具体涉及一种基于全焦段摄像头和毫米波雷达的ai溯源交通监测方法和系统。

背景技术：

1、随着我国道路交通的快速发展以及机动和电动车的迅速增加，交通流量大幅提高，车辆违规和交通事故成了不可忽视的问题。对于车辆违规事件，传统道路抓拍使用单摄像头，拍摄一般只有一个焦点，因此往往只能拍摄到一段距离内的清晰图像，存在事件发生时无法清晰取证的问题。而目前我国对于道路交通事故的处理方式，往往需要现场人员主动上报，事后通过调取监控以及现场取证的方式来进行事故判定及解决。传统取证方式一般分为人工和自动两种，人工取证基于现场拍照、测量和绘图等，而自动取证基于道路监控以及行车记录仪。人工取证往往容易出现事故现场遭受破坏，且耗费时间长，不利于快速地记录现场、事故认定判定、疏散交通等。而自动取证往往会有单摄像头无法清晰查看道路全貌，无法清晰取证事故车辆车牌等情况。

2、目前道路若出现交通事故，无法实现快速判定、迅速上报预警、清晰取证，更多的是依靠事故发生后现场人员主动上报公安交管部门进行处理，从而导致容易造成交通拥堵甚至是二次事故。

技术实现思路

1、为了解决现有技术中存在的上述问题，本发明提供了一种基于全焦段摄像头和毫米波雷达的ai溯源交通监测方法和系统。具体包括：

2、第一方面，本发明提供了一种基于全焦段摄像头和毫米波雷达的ai溯源交通监测方法，包括：

3、获取上一时刻待检测路段对应的目标的雷达检测数据，以及当前时刻待检测路段对应的目标的图像检测数据和雷达检测数据，并根据获取到的数据确定待检测路段对应的至少一个车辆的目标轨迹数据，图像检测数据包括分别通过短焦摄像头、中焦摄像头以及长焦摄像头所检测到的多组数据，目标包括车辆、行人中的一种或多种；

4、按照预设时间间隔，周期性的对获取到的待检测路段对应的目标的图像检测数据进行拼接，得到全景图像；

5、根据至少一个车辆的目标轨迹数据，确定至少一个车辆中是否存在目标车辆，若存在，则获取目标车辆对应的目标轨迹数据，目标车辆为存在异常停车的车辆；

6、根据目标车辆对应的目标轨迹数据和预先训练好的人工智能ai神经网络模型，检测目标车辆是否出现交通事故，并在检测到出现交通事故时，存储相应的全景图像，以便在接收到查询请求时为相应交通事故提供证据。

7、第二方面，本发明还提供了一种基于全焦段摄像头和毫米波雷达的ai溯源交通监测系统，包括：

8、数据采集设备和监测设备；

9、数据采集设备与监测设备通信连接；

10、数据采集设备，用于采集待检测路段对应雷达检测数据和图像检测数据，并将获取到的数据传输至监测设备；

11、监测设备，用于从接收到的数据采集设备所传输的数据中获获取上一时刻待检测路段对应的目标的雷达检测数据，以及当前时刻待检测路段对应的目标的图像检测数据和雷达检测数据，并根据获取到的数据确定待检测路段对应的至少一个车辆的目标轨迹数据，图像检测数据包括分别通过短焦摄像头、中焦摄像头以及长焦摄像头所检测到的多组数据，目标包括车辆、行人中的一种或多种；按照预设时间间隔，周期性的对获取到的待检测路段对应的目标的图像检测数据进行拼接，得到全景图像；根据至少一个车辆的目标轨迹数据，确定至少一个车辆中是否存在目标车辆，若存在，则获取目标车辆对应的目标轨迹数据，目标车辆为存在异常停车的车辆；根据目标车辆对应的目标轨迹数据和预先训练好的人工智能ai神经网络模型，检测目标车辆是否出现交通事故，并在检测到出现交通事故时，存储相应的全景图像，以便在接收到查询请求时为相应交通事故提供证据取。

12、第三方面，本发明还提供了一种基于全焦段摄像头和毫米波雷达的ai溯源交通监测装置，包括：

13、获取模块，用于获取上一时刻待检测路段对应的目标的雷达检测数据，以及当前时刻待检测路段对应的目标的图像检测数据和雷达检测数据，并根据获取到的数据确定待检测路段对应的至少一个车辆的目标轨迹数据，图像检测数据包括分别通过短焦摄像头、中焦摄像头以及长焦摄像头所检测到的多组数据，目标包括车辆、行人中的一种或多种；

14、处理模块，用于按照预设时间间隔，周期性的对获取到的待检测路段对应的目标的图像检测数据进行拼接，得到全景图像；

15、处理模块，还用于根据至少一个车辆的目标轨迹数据，确定至少一个车辆中是否存在目标车辆，若存在，则获取目标车辆对应的目标轨迹数据，目标车辆为存在异常停车的车辆；

16、处理模块，还用于根据目标车辆对应的目标轨迹数据和预先训练好的人工智能ai神经网络模型，检测目标车辆是否出现交通事故，并在检测到出现交通事故时，存储相应的全景图像，以便在接收到查询请求时为相应交通事故提供证据。

17、第四方面，本发明提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

18、存储器，用于存放计算机程序；

19、处理器，用于执行存储器上所存放的程序时，实现第一方面所提供的任一方法步骤。

20、第五方面，本发明提供了一种计算机可读存储介质，计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现第一方面所提供的任一方法步骤。

21、本发明的有益效果：

22、本发明提供的基于全焦段摄像头和毫米波雷达的ai溯源交通监测方法和系统，通过获取上一时刻待检测路段对应的目标的雷达检测数据，以及当前时刻待检测路段对应的目标的图像检测数据和雷达检测数据，并根据获取到的数据确定待检测路段对应的至少一个车辆的目标轨迹数据，图像检测数据包括分别通过短焦摄像头、中焦摄像头以及长焦摄像头所检测到的多组数据，目标包括车辆、行人中的一种或多种；按照预设时间间隔，周期性的对获取到的待检测路段对应的目标的图像检测数据进行拼接，得到全景图像；根据至少一个车辆的目标轨迹数据，确定至少一个车辆中是否存在目标车辆，若存在，则获取目标车辆对应的目标轨迹数据，目标车辆为存在异常停车的车辆；根据目标车辆对应的目标轨迹数据和预先训练好的人工智能ai神经网络模型，检测目标车辆是否出现交通事故，并在检测到出现交通事故时，存储相应的全景图像，以便在接收到查询请求时为相应交通事故提供证据，能够结合雷达和摄像头各自的优势证对交通事件的精准判定；通过模型检测的方式能够快速且精准地对交通事故进行自动判定，其时效性更高，通过对于事发时道路的目标轨迹数据和多帧全景图像的证据保留，可以实现自动溯源以提供证据。

23、以下将结合附图及实施例对本发明做进一步详细说明。

技术特征：

1.一种基于全焦段摄像头和毫米波雷达的ai溯源交通监测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述目标车辆对应的目标轨迹数据和预先训练好的ai神经网络模型，确定所述目标车辆是否出现交通事故，包括：

3.根据权利要求1或2所述的方法，其特征在于，所述方法之前，还包括：

4.根据权利要求3所述的方法，其特征在于，所述雷达检测数据包括检测到的移动物体所对应的位置、速度以及加速度信息中的至少一种；

5.根据权利要求4所述的方法，其特征在于，所述根据获取到的数据确定所述待检测路段对应的至少一个车辆的目标轨迹数据，包括：

6.根据权利要求5所述的方法，其特征在于，所述根据预测结果和所述第一雷达检测数据，确定所述第一车辆对应的目标轨迹数据，包括：

7.一种基于全焦段摄像头和毫米波雷达的ai溯源交通监测系统，其特征在于，包括：

8.一种基于全焦段摄像头和毫米波雷达的ai溯源交通监测装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-6任一所述的方法步骤。

技术总结本发明提供了一种基于全焦段摄像头和毫米波雷达的AI溯源交通监测方法和系统，通过获取上一时刻待检测路段对应的目标的雷达检测数据，以及当前时刻对应的目标的图像检测数据和雷达检测数据，从而确定出至少一个车辆的目标轨迹数据；周期性的对获取到的待检测路段对应的目标的图像检测数据进行拼接得到全景图像；根据至少一个车辆的目标轨迹数据确定是否存在异常停车的目标车辆，若是则获取目标车辆对应的目标轨迹数据；根据对应的目标轨迹数据和预先训练好的模型检测目标车辆是否出现交通事故，若是则存储相应的全景图像和目标轨迹数据，以便在接收到查询请求时为相应交通事故提供证据，从而实现快速判定交通事故以及自动提供溯源证据。技术研发人员：陈睿,吴崇远,刘勇君,胡晓鹏,陆辰风受保护的技术使用者：西安电子科技大学广州研究院技术研发日：技术公布日：2024/6/30