[0001] 本申请涉及数据处理技术领域，具体而言，涉及一种高精度紧急停车带智能感知分析方法、装置及电子设备。

[0002] 随着我国公路建设的高速发展，隧道数量也在不断增加，隧道作为公路路段上环境最为复杂的地段，极易发生交通事故，且事故发生后难以处理，对高速公路行车安全具有较大威胁。因此，在高速公路隧道中一般都设有紧急停车带，供车辆发生故障时临时停车使用，以保证公路交通畅通，减少事故车、故障车的干扰。

[0003] 当前的停车带系统中通常利用雷达检测、红外检测及地磁检测等检测方法对紧急停车带内的车辆进行全生命周期的检测。

[0004] 但是，雷达检测所需要的设备成本过高，红外检测不仅设备成本高，且易受到周围环境的干扰，地磁检测需要预先在紧急停车带中预埋地磁检测设备，若前期没有规划，则需要重新进行路面施工并铺设，影响交通运行。

[0027] 为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。 应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。 此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。

[0028] 另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

[0029] 需要说明的是，本申请实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其它的特征。

[0030] 当前的停车带系统中通常利用雷达检测、红外检测及地磁检测等检测方法对紧急停车带内的车辆进行全生命周期的检测。但是，雷达检测所需要的设备成本过高，红外检测不仅设备成本高，且易受到周围环境的干扰，地磁检测需要预先在紧急停车带中预埋地磁检测设备，若前期没有规划，则需要重新进行路面施工并铺设，影响交通运行。

[0031] 基于此，本申请提出一种高精度紧急停车带智能感知分析方法，该方法先获取当前时刻的停车带图像，然后确定至少一个目标车辆信息及至少一个车牌信息，再根据目标车辆信息及当前时刻之前的车辆跟踪信息确定车辆当前时刻的车辆跟踪信息，绑定车辆跟踪信息及车牌信息生成车辆绑定信息，最后根据车辆绑定信息生成控制信号，以使停车带区域中的多个控制设备根据控制信号输出提示信息。本申请通过对停车带图像中的车辆进行跟踪及车牌绑定，从而获取各个停入停车带中的车辆全生命周期的状态以及车辆的车牌信息，以此有效驱动控制设备做出更及时有效的联动和控制。

[0032] 在介绍高精度紧急停车带智能感知分析方法之前，先对该方法的应用场景进行介绍。高速路中的隧道段极易发生交通事故，且事故发生后往往难以处理，影响较大，对高速公路行车安全会产生较大威胁。因此，在高速路的隧道段中通常设置有紧急停车带，以供车辆临时发生故障时使用，从而保证公路交通畅通，减少事故车及故障车的干扰，如图1所示，其中，图1是本申请实施例提出的一种高精度紧急停车带智能感知分析方法的场景示意图。在紧急停车带中不仅可以设置图像采集设备，还可以设置控制设备。其中，控制设备例如可以是显示屏及扬声器等。本申请对停入紧急停车带内的车辆进行实时管理，保障隧道的运营安全。

[0033] 图2是本申请实施例提供的一种高精度紧急停车带智能感知分析方法的流程示意图。接下来，参照图2对高精度紧急停车带智能感知分析方法进行介绍。

[0034] S201、获取图像采集设备发送的当前时刻的停车带图像。

[0035] 其中，图像采集设备可以是具有车牌识别功能的采集设备。具有车牌识别功能的采集设备可以获取停车带图像以及停车带图像中各车辆的车牌信息，从而不需要增加额外工程或算法分析各图像中的车牌信息。图像采集设备也可以是不具有车牌识别功能的采集设备。本实施例以图像采集设备不具有车牌识别功能为例进行说明。

[0036] 可选地，停车带图像可以是图像采集设备按照预设时间间隔进行采集的。其中，图像采集设备在采集停车带图像的同时记录采集停车带图像的采集时间。

[0037] 可选地，停车带图像中可以包括多个车辆。

[0038] S202、基于预先训练的第一图像识别模型确定停车带图像中的至少一个目标车辆信息，并基于预先训练的第二图像识别模型确定停车带图像中的至少一个车牌信息，目标车辆信息包括车辆数量、车辆图像及车辆位置，车牌信息包括车牌号、车牌位置、车牌类型及车牌采集时间。

[0039] 具体地，将当前时刻的停车带图像输入第一图像识别模型中，输出车辆数量、车辆图像及车辆位置。其中，车辆数量为当前时刻的停车带图像中车辆的总数量。车辆图像为停车带图像中各车辆的图像，车辆图像为停车带图像的一部分。车辆位置为各车辆图像相对于停车带图像的位置。

[0040] 将各停车带图像分别输入第二图像识别模型中，输出车牌号、车牌位置、车牌类型及车牌采集时间。其中，车牌号可以是从车辆的前车牌或者后车牌获取的，车牌位置为车牌相对于停车带图像的位置，车牌类型为车牌的长宽比例以及车牌颜色等。在同一停车带图像的车辆的车牌采集时间相同。

[0041] 作为一种可选的实施方式，若停车带图像中车辆仅有一部分，另一部分可能没有进入停车带或者已经驶出停车带，则不分析该车辆，即不获取该车辆的目标车辆信息及车牌信息。

[0042] S203、根据停车带图像中的目标车辆信息以及当前时刻之前的车辆跟踪信息，确定车辆在当前时刻的车辆跟踪信息，车辆跟踪信息包括车辆跟踪标识、车辆类型及车辆行驶信息，车辆行驶信息包括车辆位置及车辆位置对应的采集时间。

[0043] 作为一种可选的实施方式，可以基于图像跟踪算法对停车带图像中的车辆进行跟踪。具体地，图像跟踪算法可以是使用卡尔曼滤波和深度简单在线实时追踪（Deep Simple Online and Realtime Tracking，DeepSort）算法结合的跟踪算法。

[0044] 可选地，基于图像跟踪算法根据停车带图像中的目标车辆信息及当前时刻之前的车辆跟踪信息。确定车辆在当前时刻的车辆跟踪信息。当前时刻的车辆跟踪信息包括当前时刻之前的车辆跟踪信息。

[0045] 可选地，在停车带中的各个车辆的整个生命周期中，各车辆具有唯一的车辆跟踪标识。一个车辆具有一个车辆跟踪信息，其中包括车辆跟踪标识、车辆类型及车辆行驶信息，车辆行驶信息包括车辆进入停车带中的全生命周期的所有车辆位置及各车辆位置对应的采集时间。

[0046] 其中，车辆类型可以包括车辆的长宽比例、车辆型号及车辆颜色等。

[0047] S204、绑定车辆跟踪信息及车牌信息，生成多个车辆绑定信息，各车辆绑定信息包括：车辆跟踪信息和对应的车牌信息。

[0048] 作为一种可选的实施方式，在车牌采集时间和车辆位置对应的采集时间相同的情况下，车辆与其车牌之间的距离应小于预设距离，且车辆类型和车牌类型满足预设匹配关系。若车辆跟踪信息及车牌信息满足上述条件，则可以进行绑定，即生成车辆绑定信息。

[0049] S205、根据车辆绑定信息生成控制信号，并将控制信号发送给设置在停车带区域的多个控制设备，以使得控制设备根据控制信号输出提示信息。

[0050] 可选地，控制设备可以包括显示屏及扬声器等。作为一种可选的实施方式，可以根据车辆绑定信息、预设距离及预设逗留时间生成控制信号，以使控制设备根据控制信号输出提示信息。其中，提示信息可以包括驶出提示信号、距离控制信号及救援控制信号等。其中，驶出提示信号用于在车辆驶出停车带时向车道车辆发出驶出车辆提示信息，距离控制信号用于提示车辆距离停车带边缘过近，救援控制信号用于向长时间逗留的车辆发出救援问询，并提供救援联系方式。

[0051] 可选地，将各车辆绑定信息分别作为一条记录上传至业务处理平台。另外，还可以基于车辆行驶信息中的车辆位置以及车辆位置对应的采集时间确定车辆行驶状态，并将车辆行驶状态上传至业务处理平台。业务处理平台对车辆绑定信息以及对应的车辆行驶状态进行存储。业务处理平台还可以根据车辆绑定信息以及车辆行驶状态生成控制信号。其中，车辆行驶状态包括车辆驶入、车辆缓行、车辆停止、车辆倒车和车辆驶出。

[0052] 作为一种可选的实施方式，可以通过无线通信的方式将控制信号发送给各控制设备。

[0053] 本实施例中，通过获取当前时刻的停车带图像，然后基于第一图像识别模型和第二图像识别模型分别确定目标车辆信息以及车牌信息，然后根据当前时刻的目标车辆信息及当前时刻之前的车辆跟踪信息确定车辆在当前时刻的车辆跟踪信息。此时获取到紧急停车带中直至当前时刻所有车辆自进入紧急停车带以来的状态及车辆的车牌信息。然后绑定车辆跟踪信息及车牌信息生成车辆绑定信息，根据车辆绑定信息生成控制信号以使停车带区域中的多个控制设备根据控制信号输出提示信息，以此有效驱动控制设备做出更及时有效的联动和控制。且图像采集设备成本低，不易受到环境的干扰。

[0054] 本申请中有两种绑定车辆跟踪信息及车牌信息的实施方式。作为第一种可选的实施方式，绑定车辆跟踪信息及车牌信息，生成车辆绑定信息的过程如下：遍历第一车牌信息中各车牌采集时间，针对遍历到的当前车牌采集时间，若当前车牌采集时间与第一车辆行驶信息中第一车辆位置对应的采集时间小于预设时间阈值，则判断第一车牌信息中当前车牌采集时间对应的车牌位置与第一车辆行驶信息中的第一车辆位置之间的距离是否小于预设距离，若是，则将第一车牌信息及第一车辆行驶信息对应的车辆跟踪信息进行绑定，生成第一车牌信息对应的车辆绑定信息。

[0055] 可选地，若图像采集设备具有车牌识别功能，则需要根据图像采集时间的预设时间阈值确定车辆跟踪信息与车牌信息的绑定情况，并需要判断在同一时段内采集到的车辆位置以及车牌位置距离小于预设距离。

[0056] 具体地，遍历第一车牌信息中各车牌采集时间，针对遍历到的当前车牌采集时间，若当前车牌采集时间与第一车辆行驶信息中第一车辆位置对应的采集时间小于预设时间阈值，可以将当前车牌采集时间对应的车牌信息与上述第一车辆位置对应的目标车辆信息视为同一时段下采集到的。在此基础上，若第一车牌信息中当前车牌采集时间对应的车牌位置与第一车辆行驶信息中的第一车辆位置之间的距离小于预设距离，则将第一车牌信息以及第一车辆行驶信息对应的车辆跟踪信息进行绑定，生成第一车牌信息对应的车辆绑定信息。

[0057] 其中，第一车牌信息为多个车牌信息中的任一个，第一车辆行驶信息为多个车辆行驶信息中的任一个，第一车辆位置为第一车辆行驶信息中的任一个。

[0058] 可选地，若图像采集设备不具有车牌识别功能，则可以设置预设时间阈值为0，车牌信息和车辆位置来源于同一停车带图像中。应理解，在同一停车带图像中，同一车辆的车牌位置及车牌位置应重合或者距离较小。因此设置预设距离，当判断出第一车牌信息中的车牌位置与第一车辆行驶信息中的车辆位置之间的距离小于预设距离，则说明第一车牌信息与第一车辆行驶信息匹配。

[0059] 值得一提的是，预设时间阈值可以基于具体的使用场景确定。当图像采集设备具备车牌识别功能时设置的预设时间阈值相比于图像采集设备不具备车牌识别功能时设置的预设时间阈值小。

[0060] 值得注意的是，在紧急停车带中，由于图像采集设备的位置及各车辆的位置可能会导致部分车辆出现重合或者车牌遮挡的情况，因此当有超过一个车牌信息中的车牌位置与车辆信息中的车辆位置的距离小于预设距离，则需要执行下述第二种实施方式进行绑定。示例性地，图3是本申请实施例提供的一种紧急停车带的场景示意图。如图3所示，车辆A的车牌位置和车辆B的车牌位置均与车辆A的车辆位置小于预设距离，则需要执行下述第二种实施方式进行绑定。其中，计算车牌位置与车辆位置之间的距离时，可以以车辆的中心点为基准点进行距离的计算。

[0061] 作为第二种可选的实施方式，绑定车辆跟踪信息及车牌信息，生成车辆绑定信息的过程如下：遍历第一车牌信息中各车牌采集时间，针对采集到的当前车牌采集时间，若当前车牌采集时间与第一车辆行驶信息中第一车辆位置对应的采集时间小于预设时间阈值，则判断若第一车牌信息中当前车牌采集时间对应的车牌位置与第一车辆行驶信息中的第一车辆位置之间的距离是否小于预设距离，若是，则判断第一车牌信息的车牌类型与第一车辆行驶信息中的车辆类型之间是否满足预设匹配关系，若是，则将第一车牌信息及第一车辆行驶信息对应的车辆跟踪信息进行绑定，生成第一车牌信息对应的车辆绑定信息。

[0062] 可选地，预设匹配关系可以是车牌的长宽比例与车辆类型匹配。

[0063] 作为一种可选的实施方式，在当前车牌采集时间与第一车辆位置对应的采集时间小于预设时间阈值的情况下，除了判断第一车牌信息中当前车牌采集时间对应的车牌位置与第一车辆行驶信息中第一车辆位置之间的关系以及车牌类型与车辆类型之间的关系之外，还可以判断车辆颜色与车牌颜色是否匹配，从而根据匹配结果绑定第一车牌信息及第一车辆行驶信息对应的车辆跟踪信息。

[0064] 应理解，在同一环境下对同一车辆进行图像采集，车辆颜色与车牌颜色具有一定关系。例如车辆颜色中车辆的对比度与车牌颜色中车牌的对比度相同。

[0065] 本实施例中，通过根据车牌位置及车辆位置之间的关系，以及车牌类型与车辆类型之间的关系对车牌信息、车辆行驶信息及车辆行驶信息对应的车辆跟踪标识进行绑定，生成车辆绑定信息，从而及时获取紧急停车带中各车辆的车辆绑定信息，以针对各车辆的车辆绑定信息控制控制设备输出提示信息。

[0066] 进一步地，在对进入紧急停车带中的车辆的完整的生命周期进行管理的过程中，可能存在车牌遮挡或者整个车辆被遮挡住的情况，如图4所示。其中，图4是本申请实施例提供的一种车牌遮挡的示意图。这种情况可能导致在同一车辆具有两个车辆跟踪标识，或者车辆消失的情况。

[0067] 具体地，导致同一车辆出现两个车辆跟踪标识这种情况的原因可能是：该车辆在停车带中行驶或者停止过程中被遮挡，当再次出现时为其重新设置新的车辆跟踪标识，从而形成新的车辆跟踪信息。这种情况下，可以在生成车辆绑定信息后执行如下两种实施方式。

[0068] 作为一种可选的实施方式，图5是本申请实施例提供的一种生成车辆绑定信息的流程示意图。如图5所示：S501、遍历各车辆绑定信息，针对遍历到的第一车辆绑定信息和第二车辆绑定信息，确定第一车辆绑定信息中最晚采集时间的车辆位置和第二车辆绑定信息中最早采集时间的车辆位置之间的采集距离。

[0069] 可选地，若当前紧急停车带中不存在新驶入的车辆或者新驶出的车辆，则可以执行步骤S501‑S504，从而使匹配结果准确。

[0070] 应理解，遍历当前紧急停车带中各车辆的绑定信息，若当前紧急停车带中仅存在一台车辆，则该车辆的车辆跟踪标识不会发生变化，无需进行下一步判断。若可以遍历到2个及两个以上的车辆绑定信息，则针对遍历到的第一车辆绑定信息和第二车辆绑定信息，确定第一车辆绑定信息中最晚采集时间的车辆位置和第二车辆绑定信息中最早采集时间的车辆位置之间的采集距离。其中，第一车辆绑定信息和第二车辆绑定信息可以是当前紧急停车带中存在的车辆对应的车辆绑定信息中的任意两个。

[0071] S502、判断采集距离是否小于预设距离阈值。

[0072] 应理解，若停车带内，同一车辆因为被遮挡等原因被确定了两个车辆跟踪标识，则该车辆对应的两个车辆绑定信息之间相邻采集时间对应的采集距离应该小于预设距离阈值。示例性地，若遍历到第一车辆绑定信息和第二车辆绑定信息分别包括车辆绑定标识a和车辆绑定标识b。其中，第一车辆绑定信息包括采集时间1分1秒，对应的采集地点为x，采集时间1分2秒，对应的采集地点为y，采集时间1分3秒，对应的采集地点为z，第二车辆绑定信息包括采集时间1分5秒，对应的采集地点u，采集时间1分6秒，对应的采集地点v，采集时间1分7秒，对应的采集时间w，判断第一车辆绑定信息中1分3秒对应的采集地点z和第二车辆绑定信息中1分5秒对应的采集地点u是否小于预设距离阈值，若是，则说明第一车辆绑定信息和第二车辆绑定信息可能是同一车辆的信息。

[0073] S503、若是，则判断第一车辆绑定信息中车辆类型和第二车辆绑定信息中的车辆类型是否满足预设匹配关系。

[0074] 可选地，在第一车辆绑定信息和第二车辆绑定信息对应的采集距离小于预设距离阈值的基础上，若第一车辆绑定信息中车辆类型和第二车辆绑定信息的车辆类型满足预设匹配关系，则说明第一车辆绑定信息对应的车辆和第二车辆绑定信息对应的车辆为同一车辆。

[0075] S504、若是，则将第一车辆绑定信息中的车辆跟踪标识以及车牌信息中的车牌号及车牌类型作为第二车辆绑定信息中的车辆跟踪标识以及车牌信息中的车牌号及车牌类型。

[0076] 作为一种可选的实施方式，若同一辆车出现了多次标识改变情况，则将最早的车辆绑定信息对应的车辆跟踪标识以及车牌信息中车牌号及车牌类型作为后面所有该车辆对应的车辆绑定信息对应的车辆跟踪标识以及车牌信息中车牌号及车牌类型。

[0077] 本实施例中，遍历各车辆绑定信息，针对遍历到的第一车辆绑定信息和第二车辆绑定信息确定第一车辆绑定信息中最晚采集时间的车辆位置和第二车辆绑定信息中最早采集时间的车辆位置之间的采集距离，判断采集距离是否小于预设距离阈值，若是则判断车辆类型是否满足预设匹配关系，若是，则将第一车辆绑定信息中的车辆跟踪标识以及车牌信息中的车牌号及车牌类型作为第二车辆绑定信息中的车辆跟踪标识以及车牌信息中的车牌号及车牌类型，进而避免对同一车辆进入紧急停车带的全生命周期进行了多次记录，导致管理效果受到影响。

[0078] 作为一种可选的实施方式，图6是本申请实施例提供的另一种生成车辆绑定信息的流程示意图。如图6所示：S601、基于多源最短路径算法，根据各车辆绑定信息中最晚采集时间的车辆位置和各车辆绑定信息中最早采集时间的车辆位置确定第一绑定结果，第一绑定结果包括多个两两对应的车辆绑定信息。

[0079] 在第一绑定结果中，各组车辆绑定信息中采集时间在前的车辆绑定信息可以是待选改变前车辆绑定信息，采集时间在后的车辆绑定信息可以是待选改变后车辆绑定信息，各组待选改变前车辆绑定信息的最晚采集时间对应的车辆位置和最晚采集时间对应的车辆位置之间的距离之和最小。

[0080] 其中，多源最短路径算法用于在多个车辆绑定信息中最晚采集时间的车辆位置和多个车辆绑定信息中最早采集时间之间的最短距离之间，寻找最短距离，并将最短距离对应的两个车辆绑定信息作为待选改变前车辆绑定信息和待选改变后车辆绑定信息。

[0081] S602、根据第一绑定结果中各车辆绑定信息中的车辆类型，确定目标绑定结果，目标绑定结果中包括至少一个改变前车辆绑定信息和与改变前车辆绑定信息对应的改变后车辆绑定信息。

[0082] 具体地，判断第一绑定结果中两两对应的车辆绑定信息中车辆类型是否满足预设匹配关系，若是，则将对应的两个车辆绑定信息作为一个改变前车辆绑定信息和与改变前车辆绑定信息对应的改变后车辆绑定信息。

[0083] S603、将各改变前车辆绑定信息中的车辆跟踪标识以及车牌信息中的车牌号及车牌类型作为各改变后车辆绑定信息中的车辆跟踪标识以及车牌信息中的车牌号及车牌类型。

[0084] 示例性地，若存在改变前车辆绑定信息A1、与改变前车辆绑定信息A1对应的改变后车辆绑定信息A2、改变前车辆绑定信息B1、与改变前车辆绑定信息B1对应的改变后车辆绑定信息B2、改变前车辆绑定信息C1和与改变前车辆绑定信息C1对应的改变后车辆绑定信息C2，则将A1的车辆跟踪标识以及车牌信息中的车牌号及车牌类型作为A2的车辆跟踪标识以及车牌信息中的车牌号及车牌类型，将B1的车辆跟踪标识以及车牌信息中的车牌号及车牌类型作为B2的车辆跟踪标识以及车牌信息中的车牌号及车牌类型，将C1的车辆跟踪标识以及车牌信息中的车牌号及车牌类型作为C2的车辆跟踪标识以及车牌信息中的车牌号及车牌类型。

[0085] 本实施例中基于多源最短路径算法确定第一绑定结果，从而对车辆跟踪标识改变的多个车辆分别进行关联，进而避免由于瞬间光线急剧变化等不可控原因导致位于紧急停车带内的多辆车在全生命周期内存在多次记录。

[0086] 进一步地，导致车辆消失的原因可能是：该车辆在停止过程中一直被遮挡，导致在当前时刻及在当前时刻之前的一段时间内无法获取车辆的信息，即车辆消失。这种情况下，可以在生成车辆绑定信息后执行如下步骤：可选地，根据车辆绑定信息，确定是否存在丢失车辆。

[0087] 具体地，根据当前时刻下车辆绑定信息对应的目标车辆信息中的车辆数量判断是否存在丢失车辆。值得说明的是，当车辆绑定信息中车辆行驶信息中的车辆位置结束在停车带出口位置，则说明该车辆正常驶出停车带，即该车不属于丢失车辆。若车辆没有正常驶出停车带，且当前时刻中车辆数量小于前一时刻的目标车辆信息中的车辆数量，则说明存在丢失车辆。

[0088] 可选地，若是，则根据目标车辆信息中的车辆数量、前一时刻的目标车辆信息中的车辆数量及各车辆的车辆绑定信息，确定丢失车辆的绑定信息，并将丢失车辆的绑定信息作为一个车辆绑定信息。

[0089] 可选地，若存在丢失车辆，先根据当前时刻中车辆数量及前一时刻的目标车辆信息中的车辆数量确定丢失车辆的数量。然后根据丢失车辆的数量、所有车辆的车辆绑定信息，确定丢失车辆的绑定信息。

[0090] 具体地，对比所有车辆的车辆绑定信息中当前时刻的车辆位置以及前一时刻的车辆位置。若车辆消失，则前一时刻存在丢失车辆的车辆位置，当前时刻丢失车辆的车辆位置的数据为空，且该空数据的数量等于丢失车辆的数量。

[0091] 可选地，将丢失车辆前一时刻的车辆位置作为当前时刻的车辆位置，将当前时间作为车辆位置的采集时间，并将当前时刻的车辆位置、采集时间、前一时刻的车辆跟踪标识及车牌信息作为一个新的车辆绑定信息。

[0092] 可选地，由于当前时刻的车辆位置和前一时刻的车辆位置相同，则表明该车辆当前处于停止状态。直至丢失车辆再次出现，则根据出现车辆的车牌号确定待合并车辆绑定信息并更新车辆跟踪标识。

[0093] 本实施例中，通过对车辆跟踪标识进行关联，并对消失车辆进行补偿，可以保证车辆在驶入紧急停车带到驶出紧急停车带这整个生命周期的完整性，以实现对车辆的统计和管理。

[0094] 作为一种可选的实施方式，参照图7对上述步骤S205中根据车辆绑定信息生成控制信号具体步骤进行介绍。其中，图7是本申请实施例提供的一种生成控制信号的流程示意图。

[0095] S701、根据车辆绑定信息中的车辆位置及车辆位置对应的采集时间，确定车辆状态信息，车辆状态信息包括：车辆驶入、车辆缓行、车辆停止和车辆驶出。

[0096] 具体地，可以根据相邻采集时间下车辆位置之间的距离计算得到车辆的朝向和速度，根据车辆的朝向和速度确定车辆状态信息。具体地，当车辆从停车带的入口侧移动到停车带的停车侧，且车辆车头朝向停车带停车侧，则车辆状态信息为车辆驶入，当相邻采集时间对应的车辆位置没有变化，则车辆状态信息为车辆停止。当车辆从停车带的停车侧移动到停车带的出口侧，且车辆车头朝向停车带出口侧，则车辆状态信息为车辆驶出。

[0097] 作为一种可选的实施方式，车辆状态信息还可以包括车辆倒行，可以根据车辆的朝向和速度确定。具体地，当车辆从停车带的入口侧移动到停车带的停车侧，且车辆车头朝向停车带入口侧，或者，当车辆从停车带的停车侧移动到停车带的出口侧，且车辆车头朝向停车带停车侧，则车辆状态信息为车辆倒行。

[0098] S702、根据各车辆的车辆绑定信息中的车辆行驶信息及车辆状态信息生成驶出提示信号，驶出提示信号用于在车辆处于车辆驶出状态下，控制控制设备向车道车辆发出驶出车辆提示信息。

[0099] 可选地，实时判断各车辆的车辆绑定信息中车辆行驶信息中车辆位置距离停车带出口的距离，若距离小于预设出口距离，且车辆处于驶出状态下时，则控制控制设备向车道车辆发出驶出车辆提示信息。

[0100] 其中，车辆提示信息用于提示车道车辆紧急停车带即将驶出车辆，请注意避让。

[0101] S703、根据各车辆的车辆绑定信息中的车辆行驶信息及车辆状态信息生成距离控制信号，距离控制信号用于在车辆距离停车带边缘区域小于预设距离时控制控制设备输出距离提示信息。

[0102] 可选地，实时判断车辆绑定信息中车辆行驶信息中的车辆位置与停车带边缘区域的距离是否小于预设距离，若小于，且车辆状态信息指示车辆并不是车辆停止状态，则生成距离控制信号，以使得控制设备根据距离控制信号输出距离提示信息，从而提示车中人员车辆距离停车带边缘区域过近，易发生危险。

[0103] 作为一种示例，用于输出距离提示信息的控制设备可以是扬声器。

[0104] S704、根据各车辆的车辆绑定信息中车辆位置对应采集时间确定车辆逗留时间，根据车辆逗留时间生成救援控制信号，救援控制信号用于在车辆逗留时间大于预设逗留时间时控制控制设备输出救援询问信息。

[0105] 可选地，将各车辆的车辆位置对应的采集时间中最早的采集时间和最晚的采集时间之差作为车辆逗留时间，若一车辆的车辆逗留时间超过预设逗留时间，则该车辆可能需要救援，此时生成救援控制信号发送给控制设备，以使得控制设备输出救援询问信息。

[0106] 可选地，救援询问信息例如可以是输出救援询问语音，询问车中人员是否需要救援。

[0107] 作为另一种可选的实施方式，基于预先训练的第三图像识别模型确定停车图像中是否存在车外人员站立在预设的危险区域中，若存在，则输出提醒信号，提醒信号用于提醒车外人员尽快离开危险区域，以保证人员安全。

[0108] 本实施例中，通过生成距离控制信号及救援控制信号，使控制设备输出距离提示信息及救援询问信息，从而保证人员安全及车辆安全，并及时参与救援行动。

[0109] 图8是本申请实施例提供的一种第一图像识别模型的训练过程的流程示意图。接下来，参照图8对上述步骤S202中的第一图像识别模型的训练过程进行介绍：S801、对第一交通图像进行预处理，将预处理后的第一交通图像及第一交通图像对应的图像标识信息作为第一训练样本，预处理包括：降低图像亮度、降低图像对比度及提高图像模糊度。

[0110] 由于隧道内光纤不足，图像采集设备采集到的停车带图像往往过暗且画质较差，因此在对第一图像识别模型进行训练的过程中，需要对第一交通图像进行预处理，以更好的识别图像。

[0111] 其中，第一交通图像可以包括非隧道路段的图像。

[0112] 可选地，图像标识信息为预先标识的信息。

[0113] S802、基于第一训练样本输入对初始图像识别模型进行训练，得到中间图像识别模型。

[0114] S803、将第二交通图像及第二交通图像对应的图像标识信息作为第二训练样本，基于第二训练样本对中间图像识别模型进行训练，得到第一图像识别模型。

[0115] 可选地，第二交通图像为隧道路段的停车带的图像。将第二交通图像作为第二训练样本对中间图像识别模型再次进行训练，可以保证最终输出的第一图像识别模型具有更好的目标检测效果，模型适应性和鲁棒性良好。

[0116] 本实施例中，通过对第一交通图像进行预处理后输入初始图像识别模型进行训练，得到中间图像识别模型，再将第二交通图像输入中间图像识别模型进行训练得到第一图像识别模型，从而使得第一图像识别模型具有更好的目标检测效果，模型适应性和鲁棒性良好。

[0117] 基于同一发明构思，本申请实施例中还提供了与高精度紧急停车带智能感知分析方法对应的高精度紧急停车带智能感知分析装置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述高精度紧急停车带智能感知分析方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。

[0118] 参照图9所示，为本申请实施例提供的一种高精度紧急停车带智能感知分析装置的结构示意图，装置包括：获取模块901、第一确定模块902、第二确定模块903、绑定模块904及生成模块905；其中：获取模块901，用于获取图像采集设备发送的当前时刻的停车带图像；
第一确定模块902，用于基于预先训练的第一图像识别模型确定停车带图像中的至少一个目标车辆信息，并基于预先训练的第二图像识别模型确定停车带图像中的至少一个车牌信息，目标车辆信息包括车辆数量、车辆图像及车辆位置，车牌信息包括车牌号、车牌位置、车牌类型及车牌采集时间；
第二确定模块903，用于根据停车带图像中的目标车辆信息以及当前时刻之前的车辆跟踪信息，确定车辆在当前时刻的车辆跟踪信息，车辆跟踪信息包括车辆跟踪标识、车辆类型及车辆行驶信息，车辆行驶信息包括车辆位置及车辆位置对应的采集时间；
绑定模块904，用于绑定车辆跟踪信息及车牌信息，生成多个车辆绑定信息，各车辆绑定信息包括：车辆跟踪信息和对应的车牌信息；
生成模块905，用于根据车辆绑定信息生成控制信号，并将控制信号发送给设置在停车带区域的多个控制设备，以使得控制设备根据控制信号输出提示信息。

[0119] 可选地，绑定模块904具体用于：遍历第一车牌信息中各车牌采集时间，针对遍历到的当前车牌采集时间，若当前车牌采集时间与第一车辆行驶信息中第一车辆位置对应的采集时间小于预设时间阈值，则判断第一车牌信息中当前车牌采集时间对应的车牌位置与第一车辆行驶信息中的第一车辆位置之间的距离是否小于预设距离，若是，则将第一车牌信息及第一车辆行驶信息对应的车辆跟踪信息进行绑定，生成第一车牌信息对应的车辆绑定信息。

[0120] 可选地，绑定模块904具体用于：遍历第一车牌信息中各车牌采集时间，针对采集到的当前车牌采集时间，若当前车牌采集时间与第一车辆行驶信息中第一车辆位置对应的采集时间小于预设时间阈值，则判断若第一车牌信息中当前车牌采集时间对应的车牌位置与第一车辆行驶信息中的第一车辆位置之间的距离是否小于预设距离，若是，则判断第一车牌信息的车牌类型与第一车辆行驶信息中的车辆类型之间是否满足预设匹配关系，若是，则将第一车牌信息及第一车辆行驶信息对应的车辆跟踪信息进行绑定，生成第一车牌信息对应的车辆绑定信息。

[0121] 可选地，绑定模块904还用于：遍历各车辆绑定信息，针对遍历到的第一车辆绑定信息和第二车辆绑定信息，确定第一车辆绑定信息中最晚采集时间的车辆位置和第二车辆绑定信息中最早采集时间的车辆位置之间的采集距离；
判断采集距离是否小于预设距离阈值；
若是，则判断第一车辆绑定信息中车辆类型和第二车辆绑定信息中的车辆类型是否满足预设匹配关系；
若是，则将第一车辆绑定信息中的车辆跟踪标识以及车牌信息中的车牌号及车牌类型作为第二车辆绑定信息中的车辆跟踪标识以及车牌信息中的车牌号及车牌类型。

[0122] 可选地，绑定模块904还用于：基于多源最短路径算法，根据各所述车辆绑定信息中最晚采集时间的车辆位置和各所述车辆绑定信息中最早采集时间的车辆位置确定第一绑定结果，所述第一绑定结果包括多个两两对应的车辆绑定信息；
根据第一绑定结果中各车辆绑定信息中的车辆类型，确定目标绑定结果，所述目标绑定结果中包括至少一个改变前车辆绑定信息和与所述改变前车辆绑定信息对应的改变后车辆绑定信息；
将各所述改变前车辆绑定信息中的车辆跟踪标识以及车牌信息中的车牌号及车牌类型作为各改变后车辆绑定信息中的车辆跟踪标识以及车牌信息中的车牌号及车牌类型。

[0123] 可选地，绑定模块904还用于：根据车辆绑定信息，确定是否存在丢失车辆；
若是，则根据目标车辆信息中的车辆数量、前一时刻的目标车辆信息中的车辆数量及各车辆的车辆绑定信息，确定丢失车辆的绑定信息，并将丢失车辆的绑定信息作为一个车辆绑定信息。

[0124] 可选地，生成模块905具体用于：根据车辆绑定信息中的车辆位置及车辆位置对应的采集时间，确定车辆状态信息，车辆状态信息包括：车辆驶入、车辆缓行、车辆停止和车辆驶出；
根据各车辆的车辆绑定信息中的车辆行驶信息及车辆状态信息生成驶出提示信号，驶出提示信号用于在车辆处于车辆驶出状态下，控制控制设备向车道车辆发出驶出车辆提示信息；
根据各车辆的车辆绑定信息中的车辆行驶信息及车辆状态信息生成距离控制信号，距离控制信号用于在车辆距离停车带边缘区域小于预设距离时控制控制设备输出距离提示信息；
根据各车辆的车辆绑定信息中车辆位置对应采集时间确定车辆逗留时间，根据车辆逗留时间生成救援控制信号，救援控制信号用于在车辆逗留时间大于预设逗留时间时控制控制设备输出救援询问信息。

[0125] 可选地，第一确定模块902具体用于：对第一交通图像进行预处理，将预处理后的第一交通图像及第一交通图像对应的图像标识信息作为第一训练样本，预处理包括：降低图像亮度、降低图像对比度及提高图像模糊度；
基于第一训练样本输入对初始图像识别模型进行训练，得到中间图像识别模型；
将第二交通图像及第二交通图像对应的图像标识信息作为第二训练样本，基于第二训练样本对中间图像识别模型进行训练，得到第一图像识别模型。

[0126] 关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。

[0127] 本申请实施例还提供了一种电子设备，如图10所示，为本申请实施例提供的一种电子设备的结构示意图，包括：处理器1001、存储器1002和总线。存储器1002存储有处理器1001可执行的机器可读指令（比如，图9中的装置中获取模块901、第一确定模块902、第二确定模块903、绑定模块904及生成模块905对应的执行指令等），当计算机设备运行时，处理器
1001与存储器1002之间通过总线通信，机器可读指令被处理器1001执行时执行上述高精度紧急停车带智能感知分析方法的处理。

[0128] 本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述高精度紧急停车带智能感知分析方法的步骤。

[0129] 所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考方法实施例中的对应过程，本申请中不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

[0130] 另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read‑Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

[0131] 以上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。