车辆状态检测方法、装置、服务器及存储介质

技术领域

本发明涉及计算机技术领域，具体涉及一种车辆状态检测方法、装置、服务器及存储介质。

背景技术

随着城市化发展的不断深化，人们生活的节奏越来越快，4G网络的高速发展活跃了外卖和快递市场，人们享受着网上购物和送餐给生活带来的便利。

然而在便利的同时，由于外卖和快递市场对外送和派件业务有着严格的时效限制，快递小哥往往存在着道路闯红灯、超速、占用机动车道和逆行等行为，交通事故频发。据统计，仅上海市在2019上半年，共发生涉及快递、外卖行业各类道路交通事故325起，造成5人死亡，324人受伤。

现有的视觉检测电动车逆行的方案通常是基于静态摄像头的，部署在城市的公共道路、各类园区、高速公路主路以及重要出入口及主要车流通道，统计上述路段的实时发生的车辆逆行时间；快递和外卖行业缺乏有效的车辆管理平台，对电动车自身逆行检测还缺乏有效的方法。

发明内容

本发明实施例提供一种车辆状态检测方法、装置、服务器及存储介质，自动对电动车是否处于逆行状态进行判断检测，可以有效监测外卖员或快递员等电动车用户的逆行行为，一方面为智能监控快递员或外卖小哥的逆行行为提供决策，提高了电动车逆行检测的准确度，二方面显著降低了违规电动车逆行事件的发生，提高了道路行驶安全性，降低了事故的发生率。

一方面，本申请提供一种车辆状态检测方法，所述车辆状态检测方法包括：

获取电动车上行车记录仪拍摄的连续的多张行驶图像；

检测所述电动车是否处于行驶状态；

若所述电动车处于行驶状态，通过所述多张行驶图像确定所述电动车是否处于逆行状态。

在本申请一些实施例中，所述检测所述电动车是否处于行驶状态，包括：

获取所述电动车的定位数据和惯性数据；

根据所述定位数据和所述惯性数据，检测所述电动车是否处于行驶状态。

在本申请一些实施例中，所述通过所述多张行驶图像确定所述电动车是否处于逆行状态，包括：

依次检测所述多张行驶图像对应的电动车状态是否为逆行状态；

当所述多张行驶图像中处于逆行状态的图像数量达到第一预设阈值时，确定所述电动车状态处于逆行状态。

在本申请一些实施例中，所述依次检测所述多张行驶图像对应的电动车状态是否为逆行状态，包括：

依次以所述多张行驶图像为目标行驶图像，将所述目标行驶图像输入预先训练的电动车行驶状态检测模型，以获取所述目标行驶图像对应的电动车状态为逆行的概率；

根据所述目标行驶图像对应的电动车状态为逆行的概率，确定所述目标行驶图像对应的电动车状态是否为逆行状态。

在本申请一些实施例中，所述方法还包括：

当所述多张行驶图像中处于逆行状态的图像数量未达到第一预设阈值，但达到第二预设阈值时，将所述多张行驶图像对应的视频发送到服务器，以在所述服务器确定所述电动车状态处于逆行状态，其中，所述第二预设阈值小于所述第一预设阈值。

在本申请一些实施例中，所述获取电动车上行车记录仪拍摄的连续的多张行驶图像，包括：

获取所述行车记录仪拍摄的所述电动车的监控视频；

对所述监控视频进行筛选，确定有效视频图像；

获取所述有效视频图像中所述电动车连续的多张行驶图像。

在本申请一些实施例中，所述车辆状态检测方法还包括：

在确定所述电动车处于逆行状态之后，获取所述电动车的定位信息和所述电动车对应的标识；

将所述有效视频图像、所述电动车的定位信息和所述电动车对应的标识发送至服务器进行保存。

另一方面，本申请提供一种车辆状态检测装置，所述车辆状态检测装置包括：

获取单元，用于获取电动车上行车记录仪拍摄的连续的多张行驶图像；

检测单元，用于检测所述电动车是否处于行驶状态；

确定单元，用于若所述电动车处于行驶状态，通过所述多张行驶图像确定所述电动车是否处于逆行状态。

在本申请一些实施例中，所述检测单元具体用于：

获取所述电动车的定位数据和惯性数据；

根据所述定位数据和所述惯性数据，检测所述电动车是否处于行驶状态。

在本申请一些实施例中，所述确定单元具体用于：

依次检测所述多张行驶图像对应的电动车状态是否为逆行状态；

当所述多张行驶图像中处于逆行状态的图像数量达到第一预设阈值时，确定所述电动车状态处于逆行状态。

在本申请一些实施例中，所述确定单元具体用于：

依次以所述多张行驶图像为目标行驶图像，将所述目标行驶图像输入预先训练的电动车行驶状态检测模型，以获取所述目标行驶图像对应的电动车状态为逆行的概率；

根据所述目标行驶图像对应的电动车状态为逆行的概率，确定所述目标行驶图像对应的电动车状态是否为逆行状态。

在本申请一些实施例中，所述装置还包括：

发送单元，用于当所述多张行驶图像中处于逆行状态的图像数量未达到第一预设阈值，但达到第二预设阈值时，将所述多张行驶图像对应的视频发送到服务器，以在所述服务器确定所述电动车状态处于逆行状态，其中，所述第二预设阈值小于所述第一预设阈值。

在本申请一些实施例中，所述获取单元具体用于：

获取所述行车记录仪拍摄的所述电动车的监控视频；

对所述监控视频进行筛选，确定有效视频图像；

获取所述有效视频图像中所述电动车连续的多张行驶图像。

在本申请一些实施例中，所述车辆状态检测装置还包括：

备份单元，用于在确定所述电动车处于逆行状态之后，获取所述电动车的定位信息和所述电动车对应的标识；将所述有效视频图像、所述电动车的定位信息和所述电动车对应的标识发送至服务器进行保存。

另一方面，本申请还提供一种服务器，所述服务器包括：

一个或多个处理器；

存储器；以及

一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现所述的车辆状态检测方法。

另一方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质，中存储有计算机程序，所述计算机程序被处理器进行加载，以执行所述的车辆状态检测方法中的步骤。

本申请实施例通过获取电动车上行车记录仪拍摄的连续的多张行驶图像；检测所述电动车是否处于行驶状态；若所述电动车处于行驶状态，通过所述多张行驶图像确定所述电动车是否处于逆行状态。本申请实施例中在现有技术中基于静态摄像头的判断电动车逆行的基础上，本申请将行车记录仪的拍摄装置设置在电动车上，可以在动态场景下判断电动车的逆行行为，通过动态获取电动车连续的多张行驶图像，自动对电动车是否处于逆行状态进行判断检测，可以有效监测外卖员或快递员等电动车用户的逆行行为，一方面为智能监控快递员或外卖小哥的逆行行为提供决策，提高了电动车逆行检测的准确度，二方面显著降低了违规电动车逆行事件的发生，提高了道路行驶安全性，降低了事故的发生率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的车辆状态检测系统的场景示意图；

图2是本发明实施例中提供的车辆状态检测方法的一个实施例流程示意图；

图3是本发明实施例中步骤201的一个实施例流程示意图；

图4是本发明实施例中步骤203的一个实施例流程示意图；

图5是本发明实施例中车辆状态检测装置的一个实施例结构示意图；

图6是本发明实施例中服务器的一个实施例结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本申请中，“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本发明，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本发明。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本发明的描述变得晦涩。因此，本发明并非旨在限于所示的实施例，而是与符合本申请所公开的原理和特征的最广范围相一致。

本发明实施例提供一种车辆状态检测方法、装置、服务器及存储介质，以下分别进行详细说明。

请参阅图1，图1为本发明实施例所提供的车辆状态检测系统的场景示意图，该车辆状态检测系统可以包括服务器100，服务器100中集成有车辆状态检测装置。

本发明实施例中服务器100主要用于获取电动车上行车记录仪拍摄的连续的多张行驶图像；检测所述电动车是否处于行驶状态；若所述电动车处于行驶状态，通过所述多张行驶图像确定所述电动车是否处于逆行状态。

需要说明的是，本发明实施例中，电动车上安装了行车记录仪，该行车记录仪可以安装在车头或车尾，电动车上另外还内置了定位装置和惯性测量单元(Inertialmeasurement unit，IMU)，其中，定位装置可以是GPS定位装置和/或北斗定位装置。

行车记录仪即记录车辆行驶途中的影像及声音等相关资讯的仪器。安装行车记录仪后，能够记录汽车行驶全过程的视频图像和声音，可为交通事故提供证据。不同的行车记录仪产品有不同的外观，但其基本组成都有：

(1)主机：包括微处理器、数据存储器、实时时钟、显示器、镜头模组、操作键、打印机、数据通信接门等装置。如果主机本体上不包含显示器、打印机，则应留有相应的数据显示和打印输出接口。

(2)车速传感器。

(3)数据分析软件。

本发明实施例中，惯性测量单元是测量物体三轴姿态角(或角速率)以及加速度的装置。为了提高可靠性，还可以为惯性测量单元每个轴配备更多的传感器，一般而言IMU要安装在被测物体的重心上，因此，本发明实施例中，由于电动车一般重心在座椅下方附近位置，因此，惯性测量单元IMU可以设置在电动车的座椅下方。

本发明实施例中，该服务器100可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如，本发明实施例中所描述的服务器100，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中，云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成。

具体的，该服务器100为服务器集群时，可以包括视频服务器、平台服务器和后台服务器等，视频服务器保存电动车行车记录仪数据存储器中上传过来的有效视频数据，设备编号和GPS电动车位置信息。平台服务器通过电动车监控视频完成对电动车逆行状态的检测。

后台服务器运行的企业的管理服务器，后台运行企业的中心管理平台，该中心管理平台有接入交换机，接入交换机、平台服务器、视频服务器、存储器均通过网线与汇聚交换机相连。

本领域技术人员可以理解，图1中示出的应用环境，仅仅是与本申请方案一种应用场景，并不构成对本申请方案应用场景的限定，其他的应用环境还可以包括比图1中所示更多或更少的服务器，例如图1中仅示出1个服务器，可以理解的，该车辆状态检测系统还可以包括一个或多个其他服务器，例如一个或多个其他服务器等，具体此处不作限定。

另外，如图1所示，该车辆状态检测系统还可以包括存储器200，用于存储视频数据，如存储电动车监控视频数据，以便物流平台管理员可以查阅电动车监控视频数据，确定电动车使用人员是否违规逆行。

需要说明的是，图1所示的车辆状态检测系统的场景示意图仅仅是一个示例，本发明实施例描述的车辆状态检测系统以及场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着车辆状态检测系统的演变和新业务场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。

首先，本发明实施例中提供一种车辆状态检测方法，该车辆状态检测方法的执行主体为车辆状态检测装置，该车辆状态检测装置可以应用于服务器，该车辆状态检测方法包括：获取电动车上行车记录仪拍摄的连续的多张行驶图像；检测所述电动车是否处于行驶状态；若所述电动车处于行驶状态，通过所述多张行驶图像确定所述电动车是否处于逆行状态。

如图2所示，为本发明实施例中车辆状态检测方法的一个实施例流程示意图，该车辆状态检测方法包括：

201、获取电动车上行车记录仪拍摄的连续的多张行驶图像。

电动车，即电力驱动车，又名电驱车。电动车分为交流电动车和直流电动车。通常说的电动车是以电池作为能量来源，通过控制器、电机等部件，将电能转化为机械能运动，以控制电流大小改变速度的车辆。

现有的电动车逆行检测解决方案通常是基于静态摄像头的，部署在城市的公共道路、各类园区、高速公路主路以及重要出入口及主要车流通道，统计上述路段的实时发生的车辆逆行时间，由于室外场景复杂多变以及嵌入式摄像头的安装问题，会造成获得的视频帧角度和曝光出现问题，降低电动车逆行检测的准确性。

本发明实施例中，在电动车上车头或车尾设置有行车记录仪，优选的，该行车记录仪设置在电动车车头，行车记录仪中的拍摄装置正对方向与电动车行驶方向相同，以便拍摄电动车行驶方向的图像。

其中，如图3所示，在本发明一些实施例中，所述获取电动车上行车记录仪拍摄的连续的多张行驶图像的步骤可以包括：

301、获取所述行车记录仪拍摄的所述电动车的监控视频。

该监控视频可以是当行车记录仪中的数据存储器插在服务器之后获取的。当然，在一些实施例中，在电动车中也可设置用于与服务器100通讯连接的移动通讯模块，该移动通讯模块与行车记录仪连接，通过移动通讯模块可以将行车记录仪中的数据存储器存储的监控视频发送到服务器100。

本发明的实施例中，服务器100与移动通讯模块之间可通过任何通信方式实现通信，包括但不限于，基于第三代合作伙伴计划(3rd Generation Partnership Project，3GPP)、长期演进(Long Term Evolution，LTE)、全球互通微波访问(WorldwideInteroperability for Microwave Access，WiMAX)的移动通信，或基于TCP/IP协议族(TCP/IP Protocol Suite，TCP/IP)、用户数据报协议(User Datagram Protocol，UDP)协议的计算机网络通信，以及未来新出现的移动通讯方式等。

302、对所述监控视频进行筛选，确定有效视频图像。

一般情况下，监控视频比较长，且由于电动车停放时间，导致监控视频中会出现一些无用的视频片段，例如电动车较长时间的停留，行车记录仪拍摄的视频图像等。因此，本发明实施例中可以对所述监控视频进行筛选，确定有效视频图像。

其中，对所述监控视频进行筛选，确定有效视频图像可以采用多种方式，具体如下：

(1)人工对监控视频进行分割为行驶状态的有效视频图像。

具体的，人工查阅监控视频，对所述监控视频中电动车行驶状态的视频进行分割，得到有效视频图像。

由于电动车的监控视频中，可能包括电动车的多次行驶过程，因此该有效视频图像可以包括一个或多个行驶视频片段，该一个或多个行驶视频片段中的图像即为有效视频图像。

(2)利用预先训练好的深度学习模型，从所述监控视频提取关键帧，得到有效视频图像。

其中，有效视频图像即对后续电动车逆行检测有用的视频图像，具体的，即电动车行驶状态拍摄的图像。

由于行车记录仪中的拍摄装置在电动车停车时，通常是在一个场景下拍摄的，会有相当多的重复信息，也会存在角度不对的图像，模糊的图像，过曝光的图像。因此，通常选取能够描述电动车行驶状态的正常图像，作为关键帧，来简洁的表达拍摄内容。

提取关键帧的目的有两个方面：(1)静态表示视频节目的主题和主要内容，而不是动态的细节。(2)从关键帧中提取颜色、纹理和形状特征，以作为视频摘要和数据库索引的数据源，而不需要对每个画面都重复。因此，关键帧应该具有代表性，不仅应代表主题方面的特征，还应该视特征的不同而不同。因此，对关键帧的选取一般采用保守原则，即“宁多勿少”。同时，在代表特征不具体的情况一下，一般去掉重复(或冗余)帧。当选取多幅关键帧时，用于关键帧选取的准则是优先考虑关键帧之间的不相似性，即以帧之间相似度作为衡量依据，每次寻找关键帧都保证各关键帧之间具有最小相似度，以使关键帧带有最大信息量。

深度学习(Deep Learning，DL)是机器学习(Machine Learning，ML)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(,ArtificialIntelligence，AI)。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。

本发明实施例中，用预先训练好的深度学习模型可以是深度神经网络(DeepNeural Network，DNN)模型、卷积神经网络(Convolutional Neural Network，CNN)模型、深度置信网络(Deep Belief Networks，DBN)模型、递归神经网络(Recurrent NeuralNetwork，RNN)模型或生成对抗网络(Generative Adversarial Networks，GAN)模型等。该深度学习模型可以通过大量的电动车拍摄图像进行训练之后得到。

本发明实施例中，电动车上内置了定位装置和惯性测量单元(Inertialmeasurement unit，IMU)，行车记录仪中的拍摄装置在拍摄监控视频时，可以对监控视频中每帧拍摄的图像保存当时电动车的定位数据和惯性数据，即监控视频中每帧拍摄图像保存有对应的电动车定位数据和惯性数据，此时，对所述监控视频进行筛选，确定有效视频图像还可以是：从所述监控视频提取关键帧，得到关键图像，根据所述关键图像中每张图像对应的定位数据和惯性数据，判断每张关键图像对应的车辆状态，剔除所述关键图像的静止图像，得到有效视频图像。例如，当关键图像中相邻两张图像的定位数据和惯性数据没有发生变化，表示电动车当前处于静止状态，可以在所述关键图像中剔除该两张图像。

本发明实施例中通过有效地剔除无效的采集视频，以便后续对有效的视频图像能准确地进行逆行检测，判断电动车是否处于逆行状态，进一步提高了电动车逆行检测的准确度。

303、获取所述有效视频图像中所述电动车连续的多张行驶图像。

本发明实施例中，可以将有效视频图像中的所有图像作为后续判断电动车逆行状态的依据，即该多张形式图像即为有效视频图像整体，当然，也可以仅从有效视频图像中选取部分图像，得到多张行驶图像，具体此处不作限定。

202、检测所述电动车是否处于行驶状态。

本发明实施例中，电动车上还内置了定位装置和惯性测量单元(Inertialmeasurement unit，IMU)，其中，定位装置可以是GPS定位装置和/或北斗定位装置。其中，定位装置可以获取电动车的定位数据，惯性测量单元可以获取电动车的惯性数据。

此时，所述检测所述电动车是否处于行驶状态，可以包括：获取所述电动车的定位数据和惯性数据；根据所述定位数据和所述惯性数据，检测所述电动车是否处于行驶状态。

根据实时获得定位数据和惯性数据，可以计算当前电动车的运行速度，如果计算的得到的电动车的速度大于0，认为当前电动车处于行驶状态。

需要说明的是，在上述实施例描述内容中，步骤201中“获取电动车上行车记录仪拍摄的连续的多张行驶图像”是在步骤202中“检测所述电动车是否处于行驶状态”之前，可以理解的是，步骤202中“检测所述电动车是否处于行驶状态”也可以在步骤201中“获取电动车上行车记录仪拍摄的连续的多张行驶图像”之前进行，也可以是同步进行，具体此处不作限定。

203、若所述电动车处于行驶状态，通过所述多张行驶图像确定所述电动车是否处于逆行状态。

本发明实施例通过获取电动车上行车记录仪拍摄的连续的多张行驶图像；检测所述电动车是否处于行驶状态；若所述电动车处于行驶状态，通过所述多张行驶图像确定所述电动车是否处于逆行状态。本发明实施例中在现有技术中基于静态摄像头的判断电动车逆行的基础上，本申请将行车记录仪的拍摄装置设置在电动车上，可以在动态场景下判断电动车的逆行行为，通过动态获取电动车连续的多张行驶图像，自动对电动车是否处于逆行状态进行判断检测，可以有效监测外卖员或快递员等电动车用户的逆行行为，一方面为智能监控快递员或外卖小哥的逆行行为提供决策，提高了电动车逆行检测的准确度，二方面显著降低了违规电动车逆行事件的发生，提高了道路行驶安全性，降低了事故的发生率。

在本发明一些实施例中，如图4所示，所述通过所述多张行驶图像确定所述电动车是否处于逆行状态的步骤，可以进一步包括：

401、依次检测所述多张行驶图像对应的电动车状态是否为逆行状态。

具体的，所述依次检测所述多张行驶图像对应的电动车状态是否为逆行状态的步骤，可以包括：

(1)依次以所述多张行驶图像为目标行驶图像，将所述目标行驶图像输入预先训练的电动车行驶状态检测模型，以获取所述目标行驶图像对应的电动车状态为逆行的概率。

本发明实施例中，可以预先采集大量电动车行驶的图像，对初始神经网络模型进行训练，得到预先训练的电动车行驶状态检测模型，具体过程可以如下:

样本的采集：安装在电动车上摄像头采集样本视频，并对样本视频中每一帧样本图像进行分类，类别包括：机动车道正常行驶，机动车道逆行，非机动车道行驶，错误的视频帧。

对获得的样本进行预处理，设定样本的训练尺寸，对场景随机的进行旋转变换，颜色变换，尺度变换等增广处理，以增加数据样本，提高分类进度和泛化性。

训练卷积神经网络(Convolutional Neural Networks,CNN)模型：采用ResNet18的神经网络训练，每次迭代后计算神经网络误差并更新ResNet18神经网络权重参数，当在验证集上正确率不再提高时终止ResNet18神经网络训练，获得电动车行驶状态检测模型。

将所述目标行驶图像输入预先训练的电动车行驶状态检测模型，以获取所述目标行驶图像对应的电动车状态为逆行的概率的过程可以是：将获得的视频输入电动车行驶状态检测模型，会得到当前目标是非机动车道逆行的概率，例如0.8。

(2)根据所述目标行驶图像对应的电动车状态为逆行的概率，确定所述目标行驶图像对应的电动车状态是否为逆行状态。

其中，根据所述目标行驶图像对应的电动车状态为逆行的概率，确定所述目标行驶图像对应的电动车状态是否为逆行状态可以包括：判断所述目标行驶图像对应的电动车状态为逆行的概率是否大于预设概率值，若是，确定所述目标行驶图像对应的电动车状态处于逆行状态，若否，则确定所述目标行驶图像对应的电动车状态不处于逆行状态。

具体的，预设概率值可以根据实际情况进行设定，具体此处不作限定，例如预设概率值为0.5时，当目标行驶图像对应的电动车状态为逆行的概率大于0.5时，认为当前目标行驶图像对应的电动车状态处于逆行状态。

402、当所述多张行驶图像中处于逆行状态的图像数量达到第一预设阈值时，确定所述电动车状态处于逆行状态。

其中，当判断电动车在其中一帧图像中处于逆行状态时，对逆行状态的图像进行计数，例如当检测到当前目标行驶图像对应的电动车状态处于逆行状态，计数加1，当累计的逆行状态的图像大于设定的第一预设阈值时，确定电动车当前状态为逆行状态。具体的，第一预设阈值可以根据实际情况进行设定，具体此处不作限定，例如，第一预设阈值可以是5。

由于有些场景下，电动车驾驶员可能处于短暂逆行状态，即当所述多张行驶图像中处于逆行状态的图像数量未达到第一预设阈值，但达到第二预设阈值，其中，所述第二预设阈值小于所述第一预设阈值。此时，可以通过将对应的视频发送到服务器，以使得服务器用户可以人工进行判定是否逆行。具体的，即本发明实施例中车辆状态检测方法还包括：当所述多张行驶图像中处于逆行状态的图像数量未达到第一预设阈值，但达到第二预设阈值时，将所述多张行驶图像对应的视频发送到服务器，以在所述服务器确定所述电动车状态处于逆行状态。

在确定所述电动车状态处于逆行状态之后，为了便于后续对电动车行驶员(如快递员或者送餐人员)等进行处理，可以保留相关信息，例如视频信息及电动车对应的标识信息，具体的，即在本发明一些实施例中，所述车辆状态检测方法还可以包括：在确定所述电动车处于逆行状态之后，获取所述电动车的定位信息和所述电动车对应的标识；将所述有效视频图像、所述电动车的定位信息和所述电动车对应的标识发送至服务器进行保存。

其中，电动车对应的标识可以是电动车对应设备的编号，例如电动车的编号，或者电动车上安装的行车记录仪的编号等，具体此处不作限定。

本发明实施例中通过检测电动车的逆行行为，企业可以通过相应的条例，处理电动车驾驶人员违规驾驶的行为，对相关违规人员加以约束，减少违规事件的发生，进而降低了交通事故的发生概率，减少了相应的伤亡事故，保障了人民的生命财产安全。

为了更好实施本发明实施例中车辆状态检测方法，在车辆状态检测方法基础之上，本发明实施例中还提供一种车辆状态检测装置，该车辆状态检测装置应用于服务器，如图5所示，该车辆状态检测装置500包括获取单元501、检测单元502和确定单元503，具体如下：

获取单元501，用于获取电动车上行车记录仪拍摄的连续的多张行驶图像；

检测单元502，用于检测所述电动车是否处于行驶状态；

确定单元503，用于若所述电动车处于行驶状态，通过所述多张行驶图像确定所述电动车是否处于逆行状态。

在本申请一些实施例中，所述检测单元502具体用于：

获取所述电动车的定位数据和惯性数据；

根据所述定位数据和所述惯性数据，检测所述电动车是否处于行驶状态。

在本申请一些实施例中，所述确定单元503具体用于：

依次检测所述多张行驶图像对应的电动车状态是否为逆行状态；

当所述多张行驶图像中处于逆行状态的图像数量达到第一预设阈值时，确定所述电动车状态处于逆行状态。

在本申请一些实施例中，所述确定单元503具体用于：

依次以所述多张行驶图像为目标行驶图像，将所述目标行驶图像输入预先训练的电动车行驶状态检测模型，以获取所述目标行驶图像对应的电动车状态为逆行的概率；

根据所述目标行驶图像对应的电动车状态为逆行的概率，确定所述目标行驶图像对应的电动车状态是否为逆行状态。

在本申请一些实施例中，所述装置还包括：

发送单元，用于当所述多张行驶图像中处于逆行状态的图像数量未达到第一预设阈值，但达到第二预设阈值时，将所述多张行驶图像对应的视频发送到服务器，以在所述服务器确定所述电动车状态处于逆行状态，其中，所述第二预设阈值小于所述第一预设阈值。

在本申请一些实施例中，所述获取单元501具体用于：

获取所述行车记录仪拍摄的所述电动车的监控视频；

对所述监控视频进行筛选，确定有效视频图像；

获取所述有效视频图像中所述电动车连续的多张行驶图像。

在本申请一些实施例中，所述车辆状态检测装置还包括：

备份单元，用于在确定所述电动车处于逆行状态之后，获取所述电动车的定位信息和所述电动车对应的标识；将所述有效视频图像、所述电动车的定位信息和所述电动车对应的标识发送至服务器进行保存。

本发明实施例通过获取单元501获取电动车上行车记录仪拍摄的连续的多张行驶图像；检测单元502检测所述电动车是否处于行驶状态；确定单元503若所述电动车处于行驶状态，通过所述多张行驶图像确定所述电动车是否处于逆行状态。本申请实施例中在现有技术中基于静态摄像头的判断电动车逆行的基础上，本申请实施例将行车记录仪的拍摄装置设置在电动车上，可以在动态场景下判断电动车的逆行行为，通过动态获取电动车连续的多张行驶图像，自动对电动车是否处于逆行状态进行判断检测，可以有效监测外卖员或快递员等电动车用户的逆行行为，一方面为智能监控快递员或外卖小哥的逆行行为提供决策，提高了电动车逆行检测的准确度，二方面显著降低了违规电动车逆行事件的发生，提高了道路行驶安全性，降低了事故的发生率。

本发明实施例还提供一种服务器，其集成了本发明实施例所提供的任一种车辆状态检测装置，所述服务器包括：

一个或多个处理器；

存储器；以及

一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行上述车辆状态检测方法实施例中任一实施例中所述的车辆状态检测方法中的步骤。

本发明实施例还提供一种服务器，其集成了本发明实施例所提供的任一种车辆状态检测装置。如图6所示，其示出了本发明实施例所涉及的服务器的结构示意图，具体来讲：

该服务器可以包括一个或者一个以上处理核心的处理器601、一个或一个以上计算机可读存储介质的存储器602、电源603和输入单元604等部件。本领域技术人员可以理解，图6中示出的服务器结构并不构成对服务器的限定，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。其中：

处理器601是该服务器的控制中心，利用各种接口和线路连接整个服务器的各个部分，通过运行或执行存储在存储器602内的软件程序和/或模块，以及调用存储在存储器602内的数据，执行服务器的各种功能和处理数据，从而对服务器进行整体监控。可选的，处理器601可包括一个或多个处理核心；优选的，处理器601可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器601中。

存储器602可用于存储软件程序以及模块，处理器601通过运行存储在存储器602的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器602可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据服务器的使用所创建的数据等。此外，存储器602可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器602还可以包括存储器控制器，以提供处理器601对存储器602的访问。

服务器还包括给各个部件供电的电源603，优选的，电源603可以通过电源管理系统与处理器601逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源603还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。

该服务器还可包括输入单元604，该输入单元604可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。

尽管未示出，服务器还可以包括显示单元等，在此不再赘述。具体在本实施例中，服务器中的处理器601会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器602中，并由处理器601来运行存储在存储器602中的应用程序，从而实现各种功能，如下：

获取电动车上行车记录仪拍摄的连续的多张行驶图像；

检测所述电动车是否处于行驶状态；

若所述电动车处于行驶状态，通过所述多张行驶图像确定所述电动车是否处于逆行状态。

本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。

为此，本发明实施例提供一种计算机可读存储介质，该存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、磁盘或光盘等。其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行本发明实施例所提供的任一种车辆状态检测中的步骤。例如，所述计算机程序被处理器进行加载可以执行如下步骤：

获取电动车上行车记录仪拍摄的连续的多张行驶图像；

检测所述电动车是否处于行驶状态；

若所述电动车处于行驶状态，通过所述多张行驶图像确定所述电动车是否处于逆行状态。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对其他实施例的详细描述，此处不再赘述。

具体实施时，以上各个单元或结构可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元或结构的具体实施可参见前面的方法实施例，在此不再赘述。

以上各个操作的具体实施可参见前面的实施例，在此不再赘述。

以上对本发明实施例所提供的一种车辆状态检测方法、装置、服务器及存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。