本發(fā)明涉及視頻監(jiān)控技術(shù)領(lǐng)域，具體涉及一種車速智能監(jiān)控方法和系統(tǒng)。

背景技術(shù)：

隨著寬帶網(wǎng)絡(luò)的普及、計(jì)算機(jī)技術(shù)的發(fā)展以及圖像處理技術(shù)的提高，視頻監(jiān)控技術(shù)作為協(xié)助公共安全部門打擊犯罪、維持社會(huì)安定的重要手段，越來越廣泛地滲透到人們?nèi)粘Ｉ畹母鞣N領(lǐng)域。然而在車輛監(jiān)控分析場(chǎng)景下，現(xiàn)有的視頻監(jiān)控分析方法只能基于所采集的監(jiān)控視頻進(jìn)行事后的人工分析，這并不利于對(duì)車輛超速/低速行駛行為的及時(shí)發(fā)現(xiàn)和處理。因此，急需一種能夠?qū)崟r(shí)分析判斷監(jiān)控視頻中的車輛超速/低速行駛行為的智能監(jiān)控方式。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明實(shí)施例提供了一種車速智能監(jiān)控方法和系統(tǒng)，解決了現(xiàn)有技術(shù)中的視頻監(jiān)控方式無法對(duì)監(jiān)控視頻中的車輛超速/低速行駛行為進(jìn)行實(shí)時(shí)分析判斷的問題。

本發(fā)明一實(shí)施例提供的一種車速智能監(jiān)控方法包括：

實(shí)時(shí)采集視頻監(jiān)控?cái)?shù)據(jù)；

實(shí)時(shí)提取所述視頻監(jiān)控?cái)?shù)據(jù)中車輛的車輛特征信息、車速信息以及所述車輛所行駛車道的車道限速信息；以及

根據(jù)所述實(shí)時(shí)提取的車輛特征信息、車速信息和車道限速信息判斷所述車輛是否存在超速/低速行駛行為。

本發(fā)明一實(shí)施例還提供一種車速智能監(jiān)控系統(tǒng)，包括：

環(huán)境感知裝置，配置為實(shí)時(shí)采集視頻監(jiān)控?cái)?shù)據(jù)；

對(duì)象特征分析裝置，配置為根據(jù)所述環(huán)境感知裝置所采集的視頻監(jiān)控?cái)?shù)據(jù)，實(shí)時(shí)提取車輛的車輛特征信息和車速信息；

地理標(biāo)志分析裝置，配置為根據(jù)所述環(huán)境感知裝置所采集的視頻監(jiān)控?cái)?shù)據(jù)，實(shí)時(shí)提取所述車輛所行駛車道的車道限速信息；以及

決策裝置，配置為根據(jù)所述對(duì)象特征分析裝置所實(shí)時(shí)提取的車輛特征信息、車速信息和所述地理標(biāo)志分析裝置所實(shí)時(shí)提取的車道限速信息判斷所述車輛是否存在超速/低速行駛行為。

本發(fā)明實(shí)施例提供的一種車速智能監(jiān)控方法和系統(tǒng)，分別實(shí)時(shí)采集視頻監(jiān)控?cái)?shù)據(jù)中的車輛特征信息、車速信息和車輛所行使車道的車道限速信息，基于該車輛特征信息可確認(rèn)車輛的特征，基于該車速信息可確認(rèn)車輛的行駛速度，基于該車道限速信息可確認(rèn)車道的限速要求，當(dāng)車輛行駛速度與車道的限速要求不相符時(shí)便可認(rèn)定車輛存在超速/低速行駛行為，從而實(shí)現(xiàn)了對(duì)監(jiān)控視頻中的車輛超速/低速行駛行為的實(shí)時(shí)分析判斷。

附圖說明

圖1所示為本發(fā)明一實(shí)施例提供的一種車速智能監(jiān)控方法的流程示意圖。

圖2所示為本發(fā)明另一實(shí)施例提供的一種車速智能監(jiān)控方法的流程示意圖。

圖2’所示為本發(fā)明另一實(shí)施例提供的一種車速智能監(jiān)控方法的流程示意圖。

圖3所示為本發(fā)明一實(shí)施例提供的一種車速智能監(jiān)控系統(tǒng)的結(jié)構(gòu)示意圖。

圖4所示為本發(fā)明一實(shí)施例提供的一種監(jiān)控視頻智能信息模型的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

圖1所示為本發(fā)明一實(shí)施例提供的一種車速智能監(jiān)控方法的流程示意圖。如圖1所示，該車速智能監(jiān)控方法包括：

步驟101：實(shí)時(shí)采集視頻監(jiān)控?cái)?shù)據(jù)。

在現(xiàn)有技術(shù)中，實(shí)時(shí)采集的視頻監(jiān)控?cái)?shù)據(jù)一般是被存儲(chǔ)起來，在需要進(jìn)行視頻分析時(shí)再將已存儲(chǔ)的視頻監(jiān)控?cái)?shù)據(jù)調(diào)出或由人工進(jìn)行判斷分析，由此造成了滯后效應(yīng)，無法在車輛監(jiān)控分析場(chǎng)景下實(shí)現(xiàn)對(duì)車輛超速/低速行駛行為的及時(shí)處理。而在本發(fā)明實(shí)施例中，該視頻監(jiān)控?cái)?shù)據(jù)為前端視頻采集設(shè)備所直接采集到的一些基本信息，直接作為后續(xù)進(jìn)行進(jìn)一步實(shí)時(shí)智能分析的基本資源數(shù)據(jù)。

在本發(fā)明一實(shí)施例中，該實(shí)時(shí)采集的視頻監(jiān)控?cái)?shù)據(jù)可包括監(jiān)控視頻以及以下幾項(xiàng)中的一種或多種：視頻采集位置信息和視頻采集時(shí)間信息。其中監(jiān)控視頻為后續(xù)進(jìn)行車輛特征信息、車速信息和車道限速信息提取的資源數(shù)據(jù)，視頻采集位置信息和視頻采集時(shí)間信息可作為附加的屬性信息用于明確車輛超速/低速行駛行為發(fā)生的時(shí)間和地點(diǎn)。

在本發(fā)明一實(shí)施例中，實(shí)時(shí)采集的視頻監(jiān)控?cái)?shù)據(jù)還可直接發(fā)給監(jiān)控中心的監(jiān)控人員查看，使得監(jiān)控人員能夠監(jiān)督整個(gè)車輛占道智能監(jiān)控過程的自動(dòng)進(jìn)行。

步驟102：實(shí)時(shí)提取視頻監(jiān)控?cái)?shù)據(jù)中車輛的車輛特征信息、車速信息以及車輛所行駛車道的車道限速信息。

在本發(fā)明一實(shí)施例中，車輛特征信息可包括以下幾項(xiàng)中的一種或多種：車輛牌號(hào)、車輛品牌、車輛類型和車輛行駛的時(shí)間跨度，用于進(jìn)一步明確可能存在超速/低速行駛車輛的身份特征。車道限速信息可包括以下幾項(xiàng)中的一種或多種：車道類別信息、車道限速標(biāo)識(shí)信息和車道交通燈信息，用于進(jìn)一步明確車道的限速要求。

車輛特征信息用于確認(rèn)車輛的特征，車輛行駛車道的車道限速信息用于確認(rèn)車道的限速要求。在本發(fā)明一實(shí)施例中，該車輛特征信息、車速信息和車道限速信息的提取過程可基于對(duì)車輛特征信息、車速信息和車道限速信息的預(yù)訓(xùn)練模型實(shí)現(xiàn)。例如，提前對(duì)車輛類型與車輛的形狀的對(duì)應(yīng)關(guān)系進(jìn)行預(yù)訓(xùn)練，對(duì)車道限速與車道類型的對(duì)應(yīng)關(guān)系進(jìn)行預(yù)訓(xùn)練，當(dāng)識(shí)別出監(jiān)控視頻中的車輛的體型較小且不帶有車斗時(shí)，基于預(yù)訓(xùn)練模型可判斷該車輛為小汽車；當(dāng)識(shí)別出車道類型為高速超車道時(shí)，基于預(yù)訓(xùn)練模型可判斷出該超車道的限速要求為100km/h-120km/h。

步驟103：根據(jù)實(shí)時(shí)提取的車輛特征信息、車速信息和車道限速信息判斷車輛是否存在超速/低速行駛行為。

基于該車輛特征信息可確認(rèn)車輛的特征，基于該車速信息可確認(rèn)車速，基于該車道限速信息可確認(rèn)車道的限速要求，當(dāng)車輛的車速與車道限速信息不相符時(shí)便可認(rèn)定車輛存在超速/低速行駛行為，從而實(shí)現(xiàn)了對(duì)監(jiān)控視頻中的車輛超速/低速行駛行為的實(shí)時(shí)分析判斷。在本發(fā)明一實(shí)施例中，當(dāng)判斷出車輛存在超速/低速行為后，可進(jìn)一步基于車輛特征信息、車速信息信息和車道限速信息給出違章處罰結(jié)果。例如“車輛A存在超速行駛的違法行為，建議扣除XX分，罰款YY元……”。

在本發(fā)明一實(shí)施例中，可以是基于對(duì)違章條款的機(jī)器描述的預(yù)訓(xùn)練模型，實(shí)時(shí)判斷車輛是否存在超速/低速行駛行為。例如，通過預(yù)訓(xùn)練過程學(xué)習(xí)不同的車道類型的限速要求，例如某路段行車道的車道限速信息為：限速要求60km/h-80km/h，且僅允許小型車行駛。當(dāng)車輛特征信息所包括的車輛類型為小汽車，而車速信息為92km/h時(shí)，則可判斷該小汽車在該車道存在超速行駛行為。

在本發(fā)明一實(shí)施例中，車輛的車輛特征信息、車速信息以及車輛所行駛車道的車道限速信息在被提取后可被保存起來，以便于后續(xù)的追溯和查詢。例如，可在接收以車輛特征信息、車速信息或車道限速信息為查詢條件的查詢指令后，調(diào)取與車輛特征信息對(duì)應(yīng)的所有車道限速信息和車速信息，或調(diào)取與車道限速信息對(duì)應(yīng)的所有車輛特征信息和車速信息，或調(diào)取與車速信息對(duì)應(yīng)的所有車道限速信息和車輛特征信息，從而實(shí)現(xiàn)對(duì)于某一具體車輛的超速/低速行駛記錄或及某一具體車道的超速/低速行駛記錄的查詢。

在本發(fā)明一實(shí)施例中，由于車輛的正常行駛行為并不需要進(jìn)行違章處理，因此若判斷為車輛不存在超速/低速行駛行為，則可不保存與車輛對(duì)應(yīng)的車輛特征信息、車速信息和車道限速信息，以提高存儲(chǔ)硬件資源的利用效率。

圖2所示為本發(fā)明另一實(shí)施例提供的一種車速智能監(jiān)控方法的流程示意圖。如圖2所示，該車速智能監(jiān)控方法包括：

步驟201：實(shí)時(shí)采集視頻監(jiān)控?cái)?shù)據(jù)。

步驟202：從視頻監(jiān)控?cái)?shù)據(jù)中截取車輛所處區(qū)域的區(qū)域視頻監(jiān)控?cái)?shù)據(jù)。

通過從視頻監(jiān)控?cái)?shù)據(jù)中截取區(qū)域視頻監(jiān)控?cái)?shù)據(jù)，去掉了與當(dāng)前監(jiān)控車輛無關(guān)的區(qū)域的視頻監(jiān)控?cái)?shù)據(jù)，減少了后續(xù)提取車輛特征信息、車速信息和車道限速信息的計(jì)算量，減輕硬件分析資源的計(jì)算負(fù)擔(dān)。

應(yīng)當(dāng)理解，該區(qū)域視頻監(jiān)控?cái)?shù)據(jù)的區(qū)域大小可由開發(fā)人員根據(jù)實(shí)際場(chǎng)景需求而定，例如前端視頻采集設(shè)備的監(jiān)控范圍包括兩個(gè)街區(qū)，而監(jiān)控人員所關(guān)注的僅為其中的一個(gè)街區(qū)的違章占道情況，此時(shí)便可從視頻監(jiān)控?cái)?shù)據(jù)中截取當(dāng)前一個(gè)街區(qū)的區(qū)域視頻監(jiān)控?cái)?shù)據(jù)?；蛘撸搮^(qū)域的大小也可由所監(jiān)視的車輛的圖像大小而定。然而，本發(fā)明對(duì)該區(qū)域視頻監(jiān)控?cái)?shù)據(jù)的區(qū)域大小的確定方式并不做限定。

步驟203：從區(qū)域視頻監(jiān)控?cái)?shù)據(jù)中提取車輛特征信息、車速信息和車道限速信息。

由于原始的視頻監(jiān)控?cái)?shù)據(jù)已經(jīng)被截取為了區(qū)域視頻監(jiān)控?cái)?shù)據(jù)，因此車輛特征信息、車速信息和車道限速信息的提取過程的計(jì)算量得到了降低，減輕了硬件分析資源的計(jì)算負(fù)擔(dān)。車輛特征信息、車速信息和車道限速信息的具體提取方式仍可通過預(yù)訓(xùn)練模型實(shí)現(xiàn)，在此不再贅述。

在本發(fā)明一實(shí)施例中，考慮到車輛特征信息、車速信息的提取僅關(guān)注監(jiān)控視頻中的車輛，車道限速信息的提取關(guān)注監(jiān)控視頻中的車道，而車輛在監(jiān)控視頻中所占的區(qū)域要小于車道所占的區(qū)域，因此也可以僅從區(qū)域視頻監(jiān)控?cái)?shù)據(jù)中提取車輛特征信息和車速信息，而車道限速信息仍從原始采集的視頻監(jiān)控?cái)?shù)據(jù)中提取。然而，本發(fā)明對(duì)車輛特征信息、車速信息和車道限速信息的提取基礎(chǔ)并不做具體限定。

步驟204：基于實(shí)時(shí)提取的車輛特征信息、車速信息和車道限速信息生成語義分析結(jié)果。

例如，車輛的特征信息包括車輛A的如下信息：牌號(hào)為XX67890、品牌為YY；車速為93km/h；車道限速信息為B路段限速60km/h-80km/h，則語義分析結(jié)果的整體信息可表示為牌號(hào)為XX67890、品牌為YY的車輛A在B路段內(nèi)以93km/h行駛，B路段的限速要求為60km/h-80km/h。

步驟205：基于該語義分析結(jié)果對(duì)以及違章條款的機(jī)器描述的預(yù)訓(xùn)練模型，實(shí)時(shí)判斷車輛是否存在超速/低速行駛行為。例如，基于上述語義分析結(jié)果，則可判斷為牌號(hào)為XX67890、品牌為YY的車輛A在B路段內(nèi)超速行駛。

應(yīng)當(dāng)注意，盡管出于簡(jiǎn)化說明的目的將本發(fā)明所述的方法表示和描述為一連串動(dòng)作，但是應(yīng)理解和認(rèn)識(shí)到要求保護(hù)的主題內(nèi)容將不受這些動(dòng)作的執(zhí)行順序所限制，因?yàn)橐恍﹦?dòng)作可以按照與這里示出和描述的順序不同的順序出現(xiàn)或者與其它動(dòng)作并行地出現(xiàn)，同時(shí)一些動(dòng)作還可能包括若干子步驟，而這些子步驟之間可能出現(xiàn)時(shí)序上交叉執(zhí)行的可能。例如，在本發(fā)明一實(shí)施例中，如圖2’所示，在實(shí)時(shí)采集視頻監(jiān)控?cái)?shù)據(jù)后(步驟201’)，車道限速信息可直接從所采集的視頻監(jiān)控?cái)?shù)據(jù)中提取(步驟202’)，然后再從視頻監(jiān)控?cái)?shù)據(jù)中截取車輛所處區(qū)域的區(qū)域視頻監(jiān)控?cái)?shù)據(jù)(步驟203’)以及從區(qū)域視頻監(jiān)控?cái)?shù)據(jù)中提取車輛特征信息和車速信息(步驟204’)，之后基于所提取到的車道限速信息、車輛特征信息和車速信息生成語義分析結(jié)果(步驟205’)，并最終基于該語義分析結(jié)果以及對(duì)違章條款的機(jī)器描述的預(yù)訓(xùn)練模型，實(shí)時(shí)判斷車輛是否存在超速/低速行駛行為(步驟206’)。另外，可能并非所有圖示的動(dòng)作是實(shí)施根據(jù)所附權(quán)利要求書所述的方法所必須的。再者，前述步驟的描述不排除該方法還可以包括可能取得附加效果的附加步驟。還應(yīng)當(dāng)理解，不同的實(shí)施方式或者流程中描述的方法步驟可以相互組合或者替換。

圖3所示為本發(fā)明一實(shí)施例提供的一種車速智能監(jiān)控系統(tǒng)的結(jié)構(gòu)示意圖。如圖3所示，該車速智能監(jiān)控系統(tǒng)30包括：

環(huán)境感知裝置301，配置為實(shí)時(shí)采集視頻監(jiān)控?cái)?shù)據(jù)；

對(duì)象特征分析裝置302，配置為根據(jù)環(huán)境感知裝置301所采集的視頻監(jiān)控?cái)?shù)據(jù)，實(shí)時(shí)提取車輛的車輛特征信息和車速信息；

地理標(biāo)志分析裝置303，配置為根據(jù)環(huán)境感知裝置301所采集的視頻監(jiān)控?cái)?shù)據(jù)，實(shí)時(shí)提取車輛所行駛車道的車道限速信息；以及

決策裝置304，配置為根據(jù)對(duì)象特征分析裝置302所實(shí)時(shí)提取的車輛特征信息和車速信息，和地理標(biāo)志分析裝置303所實(shí)時(shí)提取的車道限速信息判斷所述車輛是否存在超速/低速行駛行為。

在本發(fā)明一實(shí)施例中，該車速智能監(jiān)控系統(tǒng)進(jìn)一步包括：

語義分析裝置305，配置為基于對(duì)象特征分析裝置302和地理標(biāo)志分析裝置303所分別實(shí)時(shí)提取的車輛特征信息、車速信息和車道限速信息生成語義分析結(jié)果；

其中決策裝置304進(jìn)一步配置為：

基于語義分析裝置305所生成的語義分析結(jié)果以及對(duì)違章條款的機(jī)器描述的預(yù)訓(xùn)練模型，實(shí)時(shí)判斷車輛是否存在超速/低速行駛行為。

在本發(fā)明一實(shí)施例中，該決策裝置304進(jìn)一步配置為：

接收以所述車輛特征信息、車速信息或所述車道限速信息為查詢條件的查詢指令；以及調(diào)取與所述車輛特征信息對(duì)應(yīng)的所有所述車道限速信息和車速信息，或調(diào)取與所述車道限速信息對(duì)應(yīng)的所有所述車輛特征信息和車速信息，或調(diào)取與所述車速信息對(duì)應(yīng)的所有所述車道限速信息和所述車輛特征信息。

在本發(fā)明一實(shí)施例中，決策裝置304進(jìn)一步配置為：

若車輛不存在超速/低速行駛行為，并不保存與車輛對(duì)應(yīng)的車輛特征信息、車速信息和車道限速信息。

在本發(fā)明一實(shí)施例中，該車速智能監(jiān)控系統(tǒng)進(jìn)一步包括：

對(duì)象區(qū)域提取裝置306，配置為從環(huán)境感知裝置301所采集的視頻監(jiān)控?cái)?shù)據(jù)中截取車輛所處區(qū)域的區(qū)域視頻監(jiān)控?cái)?shù)據(jù)；

其中對(duì)象特征分析裝置302進(jìn)一步配置為：從區(qū)域視頻監(jiān)控?cái)?shù)據(jù)中提取車輛特征信息和/或車速信息。

在本發(fā)明另一實(shí)施例中，地理標(biāo)志分析裝置303也可進(jìn)一步配置為：從區(qū)域視頻監(jiān)控?cái)?shù)據(jù)中提取車道限速信息。

在本發(fā)明一實(shí)施例中，對(duì)象特征分析裝置302進(jìn)一步配置為：基于對(duì)車輛特征信息和車速信息的預(yù)訓(xùn)練模型，從視頻監(jiān)控?cái)?shù)據(jù)中提取車輛特征信息和車速信息；和/或，

地理標(biāo)志分析裝置303進(jìn)一步配置為：基于對(duì)車道限速信息的預(yù)訓(xùn)練模型，從視頻監(jiān)控?cái)?shù)據(jù)中提取車道限速信息。

在本發(fā)明一實(shí)施例中，該決策裝置304進(jìn)一步配置為：當(dāng)判斷結(jié)果為是時(shí)，根據(jù)所提取的車輛特征信息、車速信息和車道限速信息給出違章處罰結(jié)果。

由此可見，本發(fā)明實(shí)施例所提供的車速智能監(jiān)控系統(tǒng)其實(shí)是基于一種監(jiān)控視頻智能信息模型實(shí)現(xiàn)的。該監(jiān)控視頻智能信息模型中的信息流可分為不同的層面提取，而且相鄰的層面之間存在一定的依賴關(guān)系，如圖4所示。在環(huán)境感知裝置301采集視頻監(jiān)控?cái)?shù)據(jù)的過程中，將視頻和現(xiàn)場(chǎng)感知數(shù)據(jù)(如：聲音、時(shí)間、相機(jī)的地理位置、溫度、氣象、相機(jī)位姿等)存入環(huán)境感知層，這些信息是傳統(tǒng)視頻監(jiān)控和智能視頻監(jiān)控提供監(jiān)控場(chǎng)景的基本要素，為頂層決策提供必要的支持。在前端處理過程中，將原始采集的視頻監(jiān)控?cái)?shù)據(jù)進(jìn)行初步處理(包括傳統(tǒng)預(yù)處理，以及基于統(tǒng)計(jì)學(xué)習(xí)方法的前端智能分析等)，并將初步處理的結(jié)果存入特征層、地理標(biāo)志層和對(duì)象層，分別對(duì)應(yīng)對(duì)象特征分析裝置302提取車輛的車輛特征信息和車速信息的過程、地理標(biāo)志分析裝置303提取車輛所行駛車道的車道限速信息的過程以及對(duì)象區(qū)域提取裝置306從原始采集的視頻監(jiān)控?cái)?shù)據(jù)中截取區(qū)域視頻監(jiān)控?cái)?shù)據(jù)的過程。在后端處理過程中，將根據(jù)不同的應(yīng)用需要，綜合前述的相應(yīng)各層，利用機(jī)器學(xué)習(xí)技術(shù)進(jìn)行分析和處理，將相關(guān)的處理結(jié)果存入語義層，對(duì)應(yīng)語義分析裝置305生成語義分析結(jié)果的過程。對(duì)于語義分析裝置305中的語義分析結(jié)果，利用機(jī)器學(xué)習(xí)技術(shù)訓(xùn)練的判斷模型可以給出不同的決策建議供監(jiān)控人員參考；同時(shí)，監(jiān)控人員還可以向系統(tǒng)發(fā)出指令，以查詢監(jiān)控?cái)?shù)據(jù)中相應(yīng)的內(nèi)容，這些屬于決策/理解層。其中的判斷模型以及通過其判斷得到的決策建議，屬于決策范疇。監(jiān)控人員在觀察過程中，向監(jiān)控系統(tǒng)發(fā)出某種指令以查詢某一事件中，具備某類特征的目標(biāo)，系統(tǒng)將其指令解釋成符合本結(jié)構(gòu)模型的描述方式，對(duì)其所掌握的數(shù)據(jù)進(jìn)行檢索，屬于理解范疇。

應(yīng)當(dāng)理解，當(dāng)車速智能監(jiān)控系統(tǒng)包括前端視頻采集設(shè)備和后端視頻分析設(shè)備時(shí)，環(huán)境感知裝置301可設(shè)置在前端視頻采集設(shè)備中，而地理標(biāo)志分析裝置303、對(duì)象區(qū)域提取裝置306、對(duì)象特征分析裝置302、語義分析裝置305、決策裝置304可分別設(shè)置在前端視頻采集設(shè)備中或設(shè)置在后端視頻分析設(shè)備中。只要車速智能監(jiān)控系統(tǒng)中的所有裝置能夠?qū)崿F(xiàn)各自的分析提取功能以及信息流的逐步提取，以最終達(dá)到語義決策的目的即可。本發(fā)明對(duì)車速智能監(jiān)控系統(tǒng)中的裝置具體設(shè)置在前端視頻采集設(shè)備還是后端視頻分析設(shè)備并不做限定。

本發(fā)明的教導(dǎo)還可以實(shí)現(xiàn)為一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)的計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序代碼，當(dāng)計(jì)算機(jī)程序代碼由處理器執(zhí)行時(shí)，其使得處理器能夠按照本發(fā)明實(shí)施方式的方法來實(shí)現(xiàn)如本文實(shí)施方式所述的車速智能監(jiān)控方法。計(jì)算機(jī)存儲(chǔ)介質(zhì)可以為任何有形媒介，例如軟盤、CD-ROM、DVD、硬盤驅(qū)動(dòng)器、甚至網(wǎng)絡(luò)介質(zhì)等。

應(yīng)當(dāng)理解，雖然以上描述了本發(fā)明實(shí)施方式的一種實(shí)現(xiàn)形式可以是計(jì)算機(jī)程序產(chǎn)品，但是本發(fā)明的實(shí)施方式的方法或裝置可以被依軟件、硬件、或者軟件和硬件的結(jié)合來實(shí)現(xiàn)。硬件部分可以利用專用邏輯來實(shí)現(xiàn)；軟件部分可以存儲(chǔ)在存儲(chǔ)器中，由適當(dāng)?shù)闹噶顖?zhí)行系統(tǒng)，例如微處理器或者專用設(shè)計(jì)硬件來執(zhí)行。本領(lǐng)域的普通技術(shù)人員可以理解上述的方法和設(shè)備可以使用計(jì)算機(jī)可執(zhí)行指令和/或包含在處理器控制代碼中來實(shí)現(xiàn)，例如在諸如磁盤、CD或DVD-ROM的載體介質(zhì)、諸如只讀存儲(chǔ)器(固件)的可編程的存儲(chǔ)器或者諸如光學(xué)或電子信號(hào)載體的數(shù)據(jù)載體上提供了這樣的代碼。本發(fā)明的方法和裝置可以由諸如超大規(guī)模集成電路或門陣列、諸如邏輯芯片、晶體管等的半導(dǎo)體、或者諸如現(xiàn)場(chǎng)可編程門陣列、可編程邏輯設(shè)備等的可編程硬件設(shè)備的硬件電路實(shí)現(xiàn)，也可以用由各種類型的處理器執(zhí)行的軟件實(shí)現(xiàn)，也可以由上述硬件電路和軟件的結(jié)合例如固件來實(shí)現(xiàn)。

應(yīng)當(dāng)理解，盡管在上文的詳細(xì)描述中提及了裝置的若干模塊或單元，但是這種劃分僅僅是示例性而非強(qiáng)制性的。實(shí)際上，根據(jù)本發(fā)明的示例性實(shí)施方式，上文描述的兩個(gè)或更多模塊/單元的特征和功能可以在一個(gè)模塊/單元中實(shí)現(xiàn)，反之，上文描述的一個(gè)模塊/單元的特征和功能可以進(jìn)一步劃分為由多個(gè)模塊/單元來實(shí)現(xiàn)。此外，上文描述的某些模塊/單元在某些應(yīng)用場(chǎng)景下可被省略。例如當(dāng)硬件計(jì)算資源的計(jì)算能力不受限制時(shí)，也可不包括對(duì)象區(qū)域提取裝置。

還應(yīng)當(dāng)理解，為了不模糊本發(fā)明的實(shí)施方式，說明書僅對(duì)一些關(guān)鍵、未必必要的技術(shù)和特征進(jìn)行了描述，而可能未對(duì)一些本領(lǐng)域技術(shù)人員能夠?qū)崿F(xiàn)的特征做出說明。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。