道路监控方法、装置、设备及存储介质

1.本发明涉及公共安全技术领域，尤其涉及一种道路监控方法、装置、设备及存储介质。

背景技术：

2.目前在交通调度和交通监控上基本是使用固定点位的摄像头进行实时监控以及车辆行驶状态的记录，但是这种方式仅仅能实现实时记录车辆的行驶状态，如果出现事故将信息传达到交通管理部门并通知相关人员进行处理，无法预先预测是否有车辆可能发生剐蹭，在车流量大的路口容易因为交通事故造成交通堵塞。
3.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现要素：

4.本发明的主要目的在于提供一种道路监控方法、装置、设备及存储介质，旨在解决现有技术不能实现实时道路监控以防止驾驶员的视野盲区出现车辆剐蹭的技术问题。
5.为实现上述目的，本发明提供了一种道路监控方法，所述方法包括以下步骤：
6.在到达预设时刻时，获取布置在目标路口的无人机采集的路口图像信息；
7.根据所述路口图像信息确定各待监控车辆的预测行驶轨迹；
8.根据所述路口图像信息确定各待监控车辆的驾驶员的视野角度区间；
9.根据所述视野角度区间和所述预测行驶轨迹预测存在事故风险的预测事故车辆；
10.调度所述无人机提醒所述预测事故车辆对应的驾驶员，以防止出现交通事故。
11.可选地，根据所述路口图像信息确定各待监控车辆的预测行驶轨迹，包括：
12.根据所述路口图像信息确定多个待监控车辆；
13.获取各待监控车辆的车轮图像；
14.根据所述车轮图像确定各待监控车辆的预测行驶轨迹。
15.可选地，所述根据所述车轮图像确定各待监控车辆的预测行驶轨迹，包括：
16.获取各待监控车辆的当前位置姿态信息；
17.根据所述车轮图像确定各待监控车辆的车轮角度；
18.根据所述当前位置姿态信息确定轨迹起点；
19.根据所述车轮角度确定轨迹方向；
20.根据所述轨迹起点和所述轨迹方向确定各待监控车辆的预测行驶轨迹。
21.可选地，所述根据所述路口图像信息确定各待监控车辆的驾驶员的视野角度区间，包括：
22.根据所述路口图像信息确定各待监控车辆的驾驶员的头部图像；
23.根据所述头部图像确定各待监控车辆的驾驶员的双眼位置；
24.将各待监控车辆的驾驶员的双眼位置的中心点作为视觉中心点；
25.根据所述视觉中心点和各待监控车辆的车侧标记点确定各待监控车辆的驾驶员的视野角度区间。
26.可选地，所述根据所述视野角度区间和所述预测行驶轨迹预测存在事故风险的预测事故车辆，包括：
27.获取各待监控车辆的当前速度和驾驶员位置；
28.以所述驾驶员位置为圆心，并将所述视野角度区间作为圆心角得到扇形的各待监控车辆的驾驶员的视角区域；
29.根据所述预测行驶轨迹和所述当前速度确定各待监控车辆根据时间变化的时间行驶轨迹；
30.根据各时间行驶轨迹得到各待监控车辆的时间轨迹曲线；
31.根据所述视角区域和所述时间轨迹曲线预测存在事故风险的预测事故车辆。
32.可选地，所述根据所述视角区域和所述时间轨迹曲线预测存在事故风险的预测事故车辆，包括：
33.根据所述时间轨迹曲线确定各待监控车辆对应的可能碰撞车辆；
34.确定各视角区域对应的目标监控车辆的目标时间轨迹曲线；
35.获取各目标监控车辆对应的可能碰撞车辆的匹配时间轨迹曲线；
36.根据所述目标时间轨迹曲线确定视角区域随时间移动的时间视角区域轨迹；
37.根据所述时间视角区域轨迹和所述匹配时间轨迹曲线预测存在事故风险的预测事故车辆。
38.可选地，所述根据所述时间视角区域轨迹和所述匹配时间轨迹曲线预测存在事故风险的预测事故车辆，包括：
39.根据所述时间视角区域轨迹和所述匹配时间轨迹曲线计算所述可能碰撞车辆和所述目标监控车辆的最小间隔车距；
40.根据所述最小间隔车距确定存在碰撞风险的风险时间点；
41.获取在所述风险时间点时所述可能碰撞车辆与所述目标监控车辆的位置夹角；
42.当所述位置夹角和所述最小间隔车距满足预测碰撞条件时，将所述可能碰撞车辆与所述目标监控车辆作为预测事故车辆。
43.此外，为实现上述目的，本发明还提出一种道路监控装置，所述道路监控装置包括：
44.图像采集模块，用于在到达预设时刻时，获取布置在目标路口的无人机采集的路口图像信息；
45.轨迹预测模块，用于根据所述路口图像信息确定各待监控车辆的预测行驶轨迹；
46.视野确定模块，用于根据所述路口图像信息确定各待监控车辆的驾驶员的视野角度区间；
47.事故预测模块，用于根据所述视野角度区间和所述预测行驶轨迹预测存在事故风险的预测事故车辆；
48.自动提醒模块，用于调度所述无人机提醒所述预测事故车辆对应的驾驶员，以防止出现交通事故。
49.此外，为实现上述目的，本发明还提出一种道路监控设备，所述道路监控设备包
括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的道路监控程序，所述道路监控程序配置为实现如上文所述的道路监控方法的步骤。
50.此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有道路监控程序，所述道路监控程序被处理器执行时实现如上文所述的道路监控方法的步骤。
51.本发明在到达预设时刻时，获取布置在目标路口的无人机采集的路口图像信息；根据所述路口图像信息确定各待监控车辆的预测行驶轨迹；根据所述路口图像信息确定各待监控车辆的驾驶员的视野角度区间；根据所述视野角度区间和所述预测行驶轨迹预测存在事故风险的预测事故车辆；调度所述无人机提醒所述预测事故车辆对应的驾驶员，以防止出现交通事故。通过这种方式，实现了在到达预设时刻后，通过无人机采集路口图像信息，然后基于路口图像信息确定各个待监控车辆的预测行驶轨迹和驾驶员的视野角度区间，然后基于视野角度区间和预测行驶轨迹确定可能存在事故风险的预测事故车辆，最后再调度无人机提醒预测事故车辆的驾驶员，以避免交通事故的发生，实现了预先防止剐蹭事故的发生，可以有效减少交通压力，防止出现交通事故和交通堵塞。
附图说明
52.图1是本发明实施例方案涉及的硬件运行环境的道路监控设备的结构示意图；
53.图2为本发明道路监控方法第一实施例的流程示意图；
54.图3为本发明道路监控方法第二实施例的流程示意图；
55.图4为本发明道路监控方法一实施例中的车辆行驶轨迹示意图；
56.图5为本发明道路监控方法一实施例中的判断位置夹角是否符合预测碰撞条件的示意图；
57.图6为本发明道路监控装置第一实施例的结构框图。
58.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
59.应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
60.参照图1，图1为本发明实施例方案涉及的硬件运行环境的道路监控设备结构示意图。
61.如图1所示，该道路监控设备可以包括：处理器1001，例如中央处理器(central processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)存储器，也可以是稳定的非易失性存储器(non-volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
62.本领域技术人员可以理解，图1中示出的结构并不构成对道路监控设备的限定，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。
63.如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模
块、用户接口模块以及道路监控程序。
64.在图1所示的道路监控设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明道路监控设备中的处理器1001、存储器1005可以设置在道路监控设备中，所述道路监控设备通过处理器1001调用存储器1005中存储的道路监控程序，并执行本发明实施例提供的道路监控方法。
65.本发明实施例提供了一种道路监控方法，参照图2，图2为本发明一种道路监控方法第一实施例的流程示意图。
66.本实施例中，所述道路监控方法包括以下步骤：
67.步骤s10：在到达预设时刻时，获取布置在目标路口的无人机采集的路口图像信息。
68.需要说明的是，本实施例的执行主体为一个信息处理终端，可以是计算机、服务器或者其他能实现此功能的设备，本实施例对此不加以限制。
69.应理解的是，目前在道路实时监控的手段上多是采用定点的监控摄像头进行路口的车辆以及路口交通情况的监控，但是这样只能在发生交通事故或者交通堵塞之后发现并通知相关人员处理，并不能实现预先发现风险，并提示驾驶员以防止交通事故的发生。而本实施例的方案通过无人机采集路口图像信息，然后基于路口图像信息确定各个待监控车辆的预测行驶轨迹和驾驶员的视野角度区间，然后基于视野角度区间和预测行驶轨迹确定可能存在事故风险的预测事故车辆，最后再调度无人机提醒预测事故车辆的驾驶员，以避免交通事故的发生，实现了预先防止剐蹭事故的发生，可以有效减少交通压力，防止出现交通事故和交通堵塞。
70.在具体实施中，预设时刻指的是预先设定的实施无人机实时监测的时段，例如：早晚上班高峰期(早上7点至8点、晚上5点至7点等)，或者重要节假日等车流量大的时刻，本实施例对此不加以限制。
71.需要说明的是，目标路口可以是布设了无人机的任一路口，可以为车流量大的路口或者狭窄易堵车的路口，可以是丁字路口，也可以是十字路口，目标路口的设置可以由用户或者管理员自行设定，本实施例对此不加以限制。
72.应理解的是，无人机指的是搭载了图像采集设备的任意型号的无人机，本实施例对此不加以限制，并且在一个目标路口可以有多台无人机进行监控，本实施例对此不加以限制。
73.在具体实施中，路口图像信息指的是在目标路口预设半径的圆形区域内的所有车辆以及其他行人、非机动车辆的图像信息，其中预设半径指的是管理单位自行设定的任意长度的半径，例如：10米、20米或者50米等。
74.步骤s20：根据所述路口图像信息确定各待监控车辆的预测行驶轨迹。
75.需要说明的是，待监控车辆指的是在目标路口的预设半径内的所有车辆。
76.应理解的是，根据所述路口图像信息确定各待监控车辆的预测行驶轨迹折叠式：首先根据路口图像信息确定作为监控目标的多个待监控车辆，然后根据待监控车辆的车轮图像进行行驶轨迹的预测。
77.进一步地，为了能够准确的确定各个待监控车辆的预测行驶轨迹，步骤s20包括：根据所述路口图像信息确定多个待监控车辆；获取各待监控车辆的车轮图像；根据所述车
轮图像确定各待监控车辆的预测行驶轨迹。
78.在具体实施中，根据所述路口图像信息确定多个待监控车辆指的是：从路口图像信息中通过图像识别的方式确定多个判定为机动车辆的目标，然后将所有车辆目标作为待监控车辆。
79.需要说明的是，获取各待监控车辆的车轮图像指的是：从路口图像信息中将各个待监控车辆的转向轮(一般为前轮)的图像进行提取，作为车轮图像。
80.应理解的是，根据所述车轮图像确定各待监控车辆的预测行驶轨迹指的是：根据车轮图像确定各个待监控车辆的车轮角度和轨迹方向，从而确定各个待监控车辆的预测行驶轨迹。
81.通过这种方式，实现了基于路口图像信息准确的确定各个待监控车辆的车轮图像，从而确定各个待监控车辆的预测行驶轨迹。
82.进一步地，为了能够准确的确定各个待监控车辆的预测行驶轨迹，根据所述车轮图像确定各待监控车辆的预测行驶轨迹的步骤包括：获取各待监控车辆的当前位置姿态信息；根据所述车轮图像确定各待监控车辆的车轮角度；根据所述当前位置姿态信息确定轨迹起点；根据所述车轮角度确定轨迹方向；根据所述轨迹起点和所述轨迹方向确定各待监控车辆的预测行驶轨迹。
83.在具体实施中，当前位置姿态信息指的是各个待监控车辆当前所处的位置坐标，以及当前车体的姿态等相关信息，其中车体的姿态包括但不限于车辆目前车体摆放角度与行车道的夹角等相关信息。
84.需要说明的是，根据所述车轮图像确定各待监控车辆的车轮角度指的是：根据车轮图像确定各个待监控车辆的车轮相对于车体的夹角，作为车轮角度。
85.应理解的是，根据所述当前位置姿态信息确定轨迹起点指的是：根据当前位置姿态信息中的各个待监控车辆的当前位置坐标作为轨迹起点。
86.在具体实施中，根据所述车轮角度确定轨迹方向指的是，根据车轮角度确定待监控车辆的转向角度，从而确定待监控车辆的行驶轨迹的偏转角度及方向。
87.需要说明的是，根据所述轨迹起点和所述轨迹方向确定各待监控车辆的预测行驶轨迹指的是：以轨迹起点作为待监控车辆的行驶起点，然后按照轨迹方向作出一条曲线作为待监控车辆的预测行驶轨迹。
88.通过这种方式，实现了准确的计算和得到待监控车辆的预测行驶轨迹，使得预测行驶轨迹的计算更加准确。
89.步骤s30：根据所述路口图像信息确定各待监控车辆的驾驶员的视野角度区间。
90.应理解的是，视野角度区间指的是：驾驶员处于待监控车辆的驾驶舱内时能观测到车辆前方的区域的最左侧到最右侧的角度区间。
91.在具体实施中，根据所述路口图像信息确定各待监控车辆的驾驶员的视野角度区间指的是：根据路口图像信息确定驾驶员的头部图像，然后确定驾驶员的视觉中心点，再基于各个待监控车辆的车侧标记点确定驾驶员的视野角度区间。
92.进一步地，为了准确的得到各个待监控车辆的驾驶员的视野角度区间，步骤s30包括：根据所述路口图像信息确定各待监控车辆的驾驶员的头部图像；根据所述头部图像确定各待监控车辆的驾驶员的双眼位置；将各待监控车辆的驾驶员的双眼位置的中心点作为
视觉中心点；根据所述视觉中心点和各待监控车辆的车侧标记点确定各待监控车辆的驾驶员的视野角度区间。
93.需要说明的是，头部图像指的是各个待监控车辆的座舱内的驾驶员的头部区域的图像，然后基于头部图像确定驾驶员的双眼所在图像位置。
94.应理解的是，将各待监控车辆的驾驶员的双眼位置的中心点作为视觉中心点指的是：将各个待监控车辆的驾驶员的双眼位置连线，取连线的中点作为视觉中心点。
95.在具体实施中，根据所述视觉中心点和各待监控车辆的车侧标记点确定各待监控车辆的驾驶员的视野角度区间指的是：以视觉中心点为顶点，然后将视觉中心点与各个待监控车辆的两个车侧标记点的连线作为边，得到了驾驶员的左侧和右侧的最大视野角度，则视野角度区间即为0度到最大视野角度的区间。其中，各待监控车辆的车侧标记点即为各个待监控车辆的前挡风玻璃的最左侧边和最右侧边的中点。
96.通过这种方式，实现了准确的计算各个待监控车辆的驾驶员的视野角度区间，使得后续预测各个车辆之间的碰撞与事故可能性更加准确。
97.步骤s40：根据所述视野角度区间和所述预测行驶轨迹预测存在事故风险的预测事故车辆。
98.需要说明的是，根据视野角度区间和预测行驶轨迹预测存在事故风险的预测事故车辆指的是：根据视野角度区间和预测行驶轨迹预测是否有车辆会与另一待监控车辆的位置夹角和最小间隔车距满足预设碰撞条件，则判定这两台待监控车辆为预测事故车辆。
99.步骤s50：调度所述无人机提醒所述预测事故车辆对应的驾驶员，以防止出现交通事故。
100.应理解的是，当确定了预测事故车辆之后，调度两台无人机行驶到各个预测事故车辆的驾驶员的视角前方发出提醒信息，以提醒驾驶员进行规避措施。其中，提醒信息包括但不限于语音、警报等形式，本实施例对此不加以限制。
101.本实施例通过在到达预设时刻时，获取布置在目标路口的无人机采集的路口图像信息；根据所述路口图像信息确定各待监控车辆的预测行驶轨迹；根据所述路口图像信息确定各待监控车辆的驾驶员的视野角度区间；根据所述视野角度区间和所述预测行驶轨迹预测存在事故风险的预测事故车辆；调度所述无人机提醒所述预测事故车辆对应的驾驶员，以防止出现交通事故。通过这种方式，实现了在到达预设时刻后，通过无人机采集路口图像信息，然后基于路口图像信息确定各个待监控车辆的预测行驶轨迹和驾驶员的视野角度区间，然后基于视野角度区间和预测行驶轨迹确定可能存在事故风险的预测事故车辆，最后再调度无人机提醒预测事故车辆的驾驶员，以避免交通事故的发生，实现了预先防止剐蹭事故的发生，可以有效减少交通压力，防止出现交通事故和交通堵塞。
102.参考图3，图3为本发明一种道路监控方法第二实施例的流程示意图。
103.基于上述第一实施例，本实施例道路监控方法在所述步骤s40包括：
104.步骤s401：获取各待监控车辆的当前速度和驾驶员位置。
105.需要说明的是，当前速度指的是各个待监控车辆的当前行驶速度，驾驶员位置指的是各个待监控车辆相对于目标路口的具体位置坐标。
106.步骤s402：以所述驾驶员位置为圆心，并将所述视野角度区间作为圆心角得到扇形的各待监控车辆的驾驶员的视角区域。
107.应理解的是，以所述驾驶员位置为圆心，并将所述视野角度区间作为圆心角得到扇形的各待监控车辆的驾驶员的视角区域指的是：以驾驶员位置为圆心，然后以视野角度区间为圆心角，再结合预设的有效视野距离作为半径，可以得到一个扇形区域，然后将这个扇形区域作为各个驾驶员的视角区域。其中，有效视野距离为预先设定的，用于表征驾驶员在驾驶车辆时的能够区别特征的平均最远视距，可以由管理单位预先设定，本实施例对此不加以限制。
108.步骤s403：根据所述预测行驶轨迹和所述当前速度确定各待监控车辆根据时间变化的时间行驶轨迹。
109.在具体实施中，根据预测行驶轨迹和当前速度模拟出各个待监控车辆的随时间变化的位置变化，从而形成各个待监控车辆的时间行驶轨迹。
110.步骤s404：根据各时间行驶轨迹得到各待监控车辆的时间轨迹曲线。
111.需要说明的是，根据各时间行驶轨迹得到各待监控车辆的时间轨迹曲线指的是，基于目标路口的中心点建立路口坐标系，然后在路口坐标系中代入各个车辆的时间行驶轨迹，得到了各个待监控车辆的时间轨迹曲线，以及时间轨迹曲线的关系式。
112.步骤s405：根据所述视角区域和所述时间轨迹曲线预测存在事故风险的预测事故车辆。
113.应理解的是，根据所述视角区域和所述时间轨迹曲线预测存在事故风险的预测事故车辆指的是：根据视角区域和时间轨迹曲线基于路口坐标系计算各个待监控车辆之间的最小间隔车距以及位置夹角，从而预测存在事故风险的预测事故车辆。
114.进一步地，为了能在路口坐标系下确定可能碰撞车辆和目标监控车辆，进一步确定预测事故车辆，步骤s405包括：根据所述时间轨迹曲线确定各待监控车辆对应的可能碰撞车辆；确定各视角区域对应的目标监控车辆的目标时间轨迹曲线；获取各目标监控车辆对应的可能碰撞车辆的匹配时间轨迹曲线；根据所述目标时间轨迹曲线确定视角区域随时间移动的时间视角区域轨迹；根据所述时间视角区域轨迹和所述匹配时间轨迹曲线预测存在事故风险的预测事故车辆。
115.在具体实施中，根据所述时间轨迹曲线确定各待监控车辆对应的可能碰撞车辆指的是：根据每一个待监控车辆的时间轨迹曲线确定每一辆待监控车辆在行驶时最接近的另一辆待监控车辆。然后将另一辆待监控车辆作为可能碰撞车辆。
116.需要说明的是，确定各视角区域对应的目标监控车辆的目标时间轨迹曲线指的是：任取一辆作为预测基准的待监控车辆以及对应的视角区域，将取出的待监控车辆作为目标监控车辆，此时目标监控车辆对应的时间轨迹曲线作为目标时间轨迹曲线。
117.应理解的是，当确定了目标监控车辆之后，将各个目标监控车辆对应的可能碰撞车辆的时间轨迹曲线作为匹配时间轨迹曲线。
118.在具体实施中，根据所述目标时间轨迹曲线确定视角区域随时间移动的时间视角区域轨迹指的是，将视角区域代入到目标时间轨迹曲线中，可以得到一个视角区域随着车辆的前进，也就是视角区域随着时间变化的对应关系和轨迹，即为时间视角区域轨迹。
119.需要说明的是，根据所述时间视角区域轨迹和所述匹配时间轨迹曲线预测存在事故风险的预测事故车辆指的是：根据时间视角区域轨迹和匹配时间轨迹曲线计算目标监控车辆和可能碰撞车辆在行驶过程中的最小间隔车距，然后确定最小间隔车距时两辆车辆的
位置夹角，最后基于最小间隔车距和位置夹角判断是否满足预测碰撞条件，从而确定预测事故车辆。
120.通过这种方式，可以根据随着时间变化的时间视角区域轨迹和匹配时间轨迹曲线准确的预测存在事故风险的预测事故车辆。
121.进一步地，为了准确的通过数据确定预测事故车辆，根据所述时间视角区域轨迹和所述匹配时间轨迹曲线预测存在事故风险的预测事故车辆的步骤包括：根据所述时间视角区域轨迹和所述匹配时间轨迹曲线计算所述可能碰撞车辆和所述目标监控车辆的最小间隔车距；根据所述最小间隔车距确定存在碰撞风险的风险时间点；获取在所述风险时间点时所述可能碰撞车辆与所述目标监控车辆的位置夹角；当所述位置夹角和所述最小间隔车距满足预测碰撞条件时，将所述可能碰撞车辆与所述目标监控车辆作为预测事故车辆。
122.应理解的是，根据所述时间视角区域轨迹和所述匹配时间轨迹曲线计算所述可能碰撞车辆和所述目标监控车辆的最小间隔车距指的是：基于时间视角区域轨迹和匹配时间轨迹曲线在路口坐标系下的表达式计算两条曲线最接近时的距离。其中，路口坐标系为以目标路口的中心点为原点，构建的覆盖路面的虚拟的二维平面坐标系，路口的中心点为预先设定的点，本实施例对此不加以限制。
123.其中，如图4所示，由于目标监控车辆和可能碰撞车辆均是基于车轮的转向进行移动，所以移动轨迹为一个圆弧，其中y1为时间视角区域移轨迹，y2为匹配时间轨迹曲线，点a为目标监控车辆的当前位置，点b为可能碰撞车辆的当前位置，点a的坐标为(e,f)，点b的坐标为(g,h)。
124.时间视角区域轨迹的表达式为：
125.(x-a)2+(y-b)2＝r2，x＞e，y＜f
126.匹配时间轨迹曲线的表达式为：
127.(x-c)2+(y-d)2＝r2，x＞g，y＞h
128.其中，坐标(a,b)为时间视角区域轨迹对应的圆的圆心，r为时间视角区域轨迹对应的圆的半径，(c,d)为匹配时间轨迹曲线对应的圆的圆心，r为时间轨迹曲线对应的圆的半径。
129.所以最小间隔车距的方法为：根据时间的变化求得每一个时间点目标监控车辆和可能碰撞车辆的距离，然后取得最小的即为最小间隔车距。
130.应理解的是，在得到最小间隔车距之后，求得此时的时刻，也即当目标监控车辆行驶到最小间隔车距的时间点。
131.在具体实施中，获取在所述风险时间点时所述可能碰撞车辆与所述目标监控车辆的位置夹角指的是，当在风险时间点时可能碰撞车辆位于目标监控车辆相对于路口坐标系的x轴正方向的夹角，即为位置夹角。
132.需要说明的是，预测碰撞条件即为最小间隔车距小于安全车距，或者位置夹角不处于视野角度区间。安全车距为预先设定的不会发生剐蹭事故的最小安全车距，可以由管理单位自行设定，本实施例对此不加以限制。
133.应理解的是，如图5所示，当处于风险时间点时，目标监控车辆处于c点，可能碰撞车辆处于d点，此时位置夹角为β，而虚线区域为目标监控车辆的驾驶员的视角区域，角α的角度区间为目标监控车辆的驾驶员的视野角度区间。所以根据时间视角区域轨迹确定此时
目标监控车辆的视野区域，然后确定此时可能碰撞车辆的位置是否处于视野角度区间以及视野区域内，当角β不处于角α的区间时，判断目标监控车辆与可能碰撞车辆为预测事故车辆。
134.通过这种方式，可以准确的判断预测事故车辆，从而可以精准的实行预警和提醒，从而提高避免交通事故的概率且最大限度的节约资源，不进行不必要的提醒。
135.本实施例通过获取各待监控车辆的当前速度和驾驶员位置；以所述驾驶员位置为圆心，并将所述视野角度区间作为圆心角得到扇形的各待监控车辆的驾驶员的视角区域；根据所述预测行驶轨迹和所述当前速度确定各待监控车辆根据时间变化的时间行驶轨迹；根据各时间行驶轨迹得到各待监控车辆的时间轨迹曲线；根据所述视角区域和所述时间轨迹曲线预测存在事故风险的预测事故车辆。通过这种方式，实现了基于坐标系和曲线准确的判断各个车待监控车辆之间是否存在碰撞危险，从而可以准确的预测存在事故风险的预测事故车辆。
136.此外，本发明实施例还提出一种存储介质，所述存储介质上存储有道路监控程序，所述道路监控程序被处理器执行时实现如上文所述的道路监控方法的步骤。
137.由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不一一赘述。
138.参照图6，图6为本发明道路监控装置第一实施例的结构框图。
139.如图6所示，本发明实施例提出的道路监控装置包括：
140.图像采集模块10，用于在到达预设时刻时，获取布置在目标路口的无人机采集的路口图像信息。
141.轨迹预测模块20，用于根据所述路口图像信息确定各待监控车辆的预测行驶轨迹。
142.视野确定模块30，用于根据所述路口图像信息确定各待监控车辆的驾驶员的视野角度区间。
143.事故预测模块40，用于根据所述视野角度区间和所述预测行驶轨迹预测存在事故风险的预测事故车辆。
144.自动提醒模块50，用于调度所述无人机提醒所述预测事故车辆对应的驾驶员，以防止出现交通事故。
145.本实施例通过在到达预设时刻时，获取布置在目标路口的无人机采集的路口图像信息；根据所述路口图像信息确定各待监控车辆的预测行驶轨迹；根据所述路口图像信息确定各待监控车辆的驾驶员的视野角度区间；根据所述视野角度区间和所述预测行驶轨迹预测存在事故风险的预测事故车辆；调度所述无人机提醒所述预测事故车辆对应的驾驶员，以防止出现交通事故。通过这种方式，实现了在到达预设时刻后，通过无人机采集路口图像信息，然后基于路口图像信息确定各个待监控车辆的预测行驶轨迹和驾驶员的视野角度区间，然后基于视野角度区间和预测行驶轨迹确定可能存在事故风险的预测事故车辆，最后再调度无人机提醒预测事故车辆的驾驶员，以避免交通事故的发生，实现了预先防止剐蹭事故的发生，可以有效减少交通压力，防止出现交通事故和交通堵塞。
146.在一实施例中，所述轨迹预测模块20，还用于根据所述路口图像信息确定多个待监控车辆；获取各待监控车辆的车轮图像；根据所述车轮图像确定各待监控车辆的预测行
驶轨迹。
147.在一实施例中，所述轨迹预测模块20，还用于获取各待监控车辆的当前位置姿态信息；根据所述车轮图像确定各待监控车辆的车轮角度；根据所述当前位置姿态信息确定轨迹起点；根据所述车轮角度确定轨迹方向；根据所述轨迹起点和所述轨迹方向确定各待监控车辆的预测行驶轨迹。
148.在一实施例中，所述视野确定模块30，还用于根据所述路口图像信息确定各待监控车辆的驾驶员的头部图像；根据所述头部图像确定各待监控车辆的驾驶员的双眼位置；将各待监控车辆的驾驶员的双眼位置的中心点作为视觉中心点；根据所述视觉中心点和各待监控车辆的车侧标记点确定各待监控车辆的驾驶员的视野角度区间。
149.在一实施例中，所述事故预测模块40，还用于获取各待监控车辆的当前速度和驾驶员位置；以所述驾驶员位置为圆心，并将所述视野角度区间作为圆心角得到扇形的各待监控车辆的驾驶员的视角区域；根据所述预测行驶轨迹和所述当前速度确定各待监控车辆根据时间变化的时间行驶轨迹；根据各时间行驶轨迹得到各待监控车辆的时间轨迹曲线；根据所述视角区域和所述时间轨迹曲线预测存在事故风险的预测事故车辆。
150.在一实施例中，所述事故预测模块40，还用于根据所述时间轨迹曲线确定各待监控车辆对应的可能碰撞车辆；确定各视角区域对应的目标监控车辆的目标时间轨迹曲线；获取各目标监控车辆对应的可能碰撞车辆的匹配时间轨迹曲线；根据所述目标时间轨迹曲线确定视角区域随时间移动的时间视角区域轨迹；根据所述时间视角区域轨迹和所述匹配时间轨迹曲线预测存在事故风险的预测事故车辆。
151.在一实施例中，所述事故预测模块40，还用于根据所述时间视角区域轨迹和所述匹配时间轨迹曲线计算所述可能碰撞车辆和所述目标监控车辆的最小间隔车距；根据所述最小间隔车距确定存在碰撞风险的风险时间点；获取在所述风险时间点时所述可能碰撞车辆与所述目标监控车辆的位置夹角；当所述位置夹角和所述最小间隔车距满足预测碰撞条件时，将所述可能碰撞车辆与所述目标监控车辆作为预测事故车辆。
152.应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
153.需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
154.另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的道路监控方法，此处不再赘述。
155.此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
156.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
157.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下
前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(read only memory，rom)/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
158.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

技术特征：

1.一种道路监控方法，其特征在于，所述道路监控方法包括：在到达预设时刻时，获取布置在目标路口的无人机采集的路口图像信息；根据所述路口图像信息确定各待监控车辆的预测行驶轨迹；根据所述路口图像信息确定各待监控车辆的驾驶员的视野角度区间；根据所述视野角度区间和所述预测行驶轨迹预测存在事故风险的预测事故车辆；调度所述无人机提醒所述预测事故车辆对应的驾驶员，以防止出现交通事故。2.如权利要求1所述的方法，其特征在于，所述根据所述路口图像信息确定各待监控车辆的预测行驶轨迹，包括：根据所述路口图像信息确定多个待监控车辆；获取各待监控车辆的车轮图像；根据所述车轮图像确定各待监控车辆的预测行驶轨迹。3.如权利要求2所述的方法，其特征在于，所述根据所述车轮图像确定各待监控车辆的预测行驶轨迹，包括：获取各待监控车辆的当前位置姿态信息；根据所述车轮图像确定各待监控车辆的车轮角度；根据所述当前位置姿态信息确定轨迹起点；根据所述车轮角度确定轨迹方向；根据所述轨迹起点和所述轨迹方向确定各待监控车辆的预测行驶轨迹。4.如权利要求1所述的方法，其特征在于，所述根据所述路口图像信息确定各待监控车辆的驾驶员的视野角度区间，包括：根据所述路口图像信息确定各待监控车辆的驾驶员的头部图像；根据所述头部图像确定各待监控车辆的驾驶员的双眼位置；将各待监控车辆的驾驶员的双眼位置的中心点作为视觉中心点；根据所述视觉中心点和各待监控车辆的车侧标记点确定各待监控车辆的驾驶员的视野角度区间。5.如权利要求1所述的方法，其特征在于，所述根据所述视野角度区间和所述预测行驶轨迹预测存在事故风险的预测事故车辆，包括：获取各待监控车辆的当前速度和驾驶员位置；以所述驾驶员位置为圆心，并将所述视野角度区间作为圆心角得到扇形的各待监控车辆的驾驶员的视角区域；根据所述预测行驶轨迹和所述当前速度确定各待监控车辆根据时间变化的时间行驶轨迹；根据各时间行驶轨迹得到各待监控车辆的时间轨迹曲线；根据所述视角区域和所述时间轨迹曲线预测存在事故风险的预测事故车辆。6.如权利要求5所述的方法，其特征在于，所述根据所述视角区域和所述时间轨迹曲线预测存在事故风险的预测事故车辆，包括：根据所述时间轨迹曲线确定各待监控车辆对应的可能碰撞车辆；确定各视角区域对应的目标监控车辆的目标时间轨迹曲线；获取各目标监控车辆对应的可能碰撞车辆的匹配时间轨迹曲线；
根据所述目标时间轨迹曲线确定视角区域随时间移动的时间视角区域轨迹；根据所述时间视角区域轨迹和所述匹配时间轨迹曲线预测存在事故风险的预测事故车辆。7.如权利要求6所述的方法，其特征在于，所述根据所述时间视角区域轨迹和所述匹配时间轨迹曲线预测存在事故风险的预测事故车辆，包括：根据所述时间视角区域轨迹和所述匹配时间轨迹曲线计算所述可能碰撞车辆和所述目标监控车辆的最小间隔车距；根据所述最小间隔车距确定存在碰撞风险的风险时间点；获取在所述风险时间点时所述可能碰撞车辆与所述目标监控车辆的位置夹角；当所述位置夹角和所述最小间隔车距满足预测碰撞条件时，将所述可能碰撞车辆与所述目标监控车辆作为预测事故车辆。8.一种道路监控装置，其特征在于，所述道路监控装置包括：图像采集模块，用于在到达预设时刻时，获取布置在目标路口的无人机采集的路口图像信息；轨迹预测模块，用于根据所述路口图像信息确定各待监控车辆的预测行驶轨迹；视野确定模块，用于根据所述路口图像信息确定各待监控车辆的驾驶员的视野角度区间；事故预测模块，用于根据所述视野角度区间和所述预测行驶轨迹预测存在事故风险的预测事故车辆；自动提醒模块，用于调度所述无人机提醒所述预测事故车辆对应的驾驶员，以防止出现交通事故。9.一种道路监控设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的道路监控程序，所述道路监控程序配置为实现如权利要求1至7中任一项所述的道路监控方法。10.一种存储介质，其特征在于，所述存储介质上存储有道路监控程序，所述道路监控程序被处理器执行时实现如权利要求1至7任一项所述的道路监控方法。

技术总结

本发明属于公共安全技术领域，公开了一种道路监控方法、装置、设备及存储介质。该方法包括：在到达预设时刻时，获取布置在目标路口的无人机采集的路口图像信息；根据所述路口图像信息确定各待监控车辆的预测行驶轨迹；根据所述路口图像信息确定各待监控车辆的驾驶员的视野角度区间；根据所述视野角度区间和所述预测行驶轨迹预测存在事故风险的预测事故车辆；调度所述无人机提醒所述预测事故车辆对应的驾驶员，以防止出现交通事故。通过上述方式，实现了预先防止剐蹭事故的发生，可以有效减少交通压力，防止出现交通事故和交通堵塞。防止出现交通事故和交通堵塞。防止出现交通事故和交通堵塞。