交通事件的检测方法、路侧设备、云控平台及系统

技术领域

本申请涉及计算机技术和图像处理中的人工智能、自动驾驶、智能交通、车路协同感知及计算机视觉，尤其涉及一种交通事件的检测方法、路侧设备、云控平台及系统。

背景技术

在交通场景中，交通事件是时有发生的。例如，机动车撞击行人，非机动车与机动车相撞，等等。为了提高车辆和行人等的安全性，可以对交通事件进行检测。

传统的交通事件的检测方法为：采集路段在预设时间段内的多帧图像，根据多帧图像判断多帧图像中每一辆车所停留的时间，并结合与每一车辆周围的其他车辆与行人等信息确定是否发生交通事件。

然而，通过结合其他车辆和行人等信息确定是否发生交通事件，可能导致待解析的目标较多，从而造成分析的复杂度较大，误检的可靠性偏低的问题。

发明内容

本申请提供了一种用于降低分析复杂度，提高检测的可靠性的交通事件的检测方法、路侧设备、云控平台及系统。

根据本申请的第一方面，提供了一种交通事件的检测方法，包括：

获取与预设路段对应的待检测图像，并获取所述待检测图像中的各像素位置各自对应的目标像素信息；

根据每一像素位置的目标像素信息、以及预存的所述每一像素位置的初始像素信息，确定所述待检测图像中的目标静止对象，其中，所述初始像素信息是对所述预设路段的多个样本图像进行分析得到的，所述样本图像为所述预设路段在正常交通下的图像；

确定所述目标静止对象的停留时间，并若所述停留时间大于预设的时间阈值，确定所述预设路段存在交通事件。

根据本申请的第二方面，提供了一种交通事件的检测装置，包括：

第一获取单元，用于获取与预设路段对应的待检测图像，并获取所述待检测图像中的各像素位置各自对应的目标像素信息；

第一确定单元，用于根据每一像素位置的目标像素信息、以及预存的所述每一像素位置的初始像素信息，确定所述待检测图像中的目标静止对象，其中，所述初始像素信息是对所述预设路段的多个样本图像进行分析得到的，所述样本图像为所述预设路段在正常交通下的图像；

第二确定单元，用于确定所述目标静止对象的停留时间；

第三确定单元，用于若所述停留时间大于预设的时间阈值，确定所述预设路段存在交通事件。

根据本申请的第三方面，提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法。

根据本申请的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行如第一方面所述的方法。

根据本申请的第五方面，提供了一种计算机程序产品，所述程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。

根据本申请的第六方面，提供了一种路侧设备，包括如第三方面所述的电子设备。

根据本申请的第七方面，提供了一种云控平台，包括如第三方面所述的电子设备。

根据本申请的第八方面，提供了一种交通事件的检测系统，包括：摄像头、如第二方面所述的装置，其中，

所述摄像头用于采集预设路段对应的待检测图像，并将所述待检测图像发送给所述装置。

应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是可以实现本申请实施例的交通事件的检测方法的场景图；

图2是根据本申请第一实施例的示意图；

图3是根据本申请第二实施例的示意图；

图4是根据本申请第三实施例的示意图；

图5是根据本申请第四实施例的示意图；

图6是用来实现本申请实施例的交通事件的检测方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是可以实现本申请实施例的交通事件的检测方法的场景图，如图1所示，车辆101行驶于路段102，路段102的至少一侧可以设置一个或多个路侧设备103，路段102的至少一侧还可以设置一个或多个摄像头104。

其中，摄像头104可以进行图像采集，如图1所示，摄像头104可以采集路段102的图像，图像中可以包括行驶于路段102的车辆101。

摄像头104可以与路侧设备103同侧设置，也可以与路侧设备103异侧设置。且摄像头104可以与路侧设备103连接，并可以将其采集到的图像传输给路侧设备103。

路侧设备103可以对由摄像头104发送的图像进行分析，以便确定路段102是否发生交通事件。

值得说明地是，图1只是用于示范性地说明，本实施例的交通事件的检测方法可能适用的应用场景，而不能理解为对本实施例的交通事件的检测方法的应用场景的限定。

例如，图1所示的应用场景中还可以包括更多的车辆101、更多的摄像头104、更多的路侧设备103，等等。

同理，图1所示的应用场景中还可以包括更少的车辆101、更少的路侧设备103，等等。

又如，图1所示的应用场景中还可以包括与路侧设备103连接的服务器，服务器可以为服务器，也可以为云端服务器(如云控平台)，考虑到云端服务器的算力资源等，可以优选云端服务器。且若应用场景中包括服务器，则可以由服务器对图像进行分析。

再如，图1所示的应用场景中还可以包括行走于路段102的行人、行驶于路段102的自行车，等等。

值得说明地是，在相关技术中，交通事件的检测方法为：摄像头104采集图像，并将采集到的图像传输给路侧设备103。

路侧设备103根据一段时间段内(如2分钟等)的图像，确定在该段时间内，行驶于路段102的每一车辆停留的时间，并通过结合每一车辆的周围车辆、行人等信息，确定路段102是否发生交通事件。

例如，若其中车辆A的停留时间为1分钟，且其他车辆的停留时间在50秒至55秒之间，则路侧设备103确定路段102发生交通事件。

然而，通过上述相关技术采用的方案，路侧设备103需要对多个目标进行解析，如需要对每一图像中的每一车辆和行人的停留时间均进行记录和分析等，从而可能造成分析的复杂度较大，造成分析资源的消耗偏高，且可能因复杂的分析而导致检测结果的准确性和可靠性偏低的技术问题。

为了避免上述技术问题中的至少一种，本申请实施例的发明人经过创造性地劳动，得到了本申请实施例的发明构思：根据各像素位置在检测时的像素信息、以及各像素位置在正常交通时的像素信息，确定检测时的静止对象，并基于静止对象的停留时间确定是否存在交通事件。

基于上述发明构思，本申请提供一种交通事件的检测方法、路侧设备、云控平台及系统，应用于计算机技术和图像处理中的人工智能、自动驾驶、智能交通、车路协同感知及计算机视觉，以达到提高检测效率和检测可靠性的技术效果。

图2是根据本申请第一实施例的示意图，如图2所示，本实施例的交通事件的检测方法，包括：

S201：获取与预设路段对应的待检测图像，并获取待检测图像中的各像素位置各自对应的目标像素信息。

示例性地，本实施例的执行主体可以为交通事件的检测装置(下文简称检测装置)，检测装置可以为服务器(包括本地服务器和云端服务器，服务器可以为云控平台、车路协同管理平台、中心子系统、边缘计算平台、云计算平台等)，也可以为路侧设备，也可以为终端设备，也可以为处理器，还可以为芯片，等等，本实施例不做限定。其中，路侧设备例如有计算功能的路侧感知设备、与路侧感知设备相连接的路侧计算设备，在智能交通车路协同的系统架构中，路侧设备包括路侧感知设备和路侧计算设备，路侧感知设备(例如路侧相机)连接到路侧计算设备(例如路侧计算单元RSCU)，路侧计算设备连接到服务器，服务器可以通过各种方式与自动驾驶或辅助驾驶车辆通信；或者，路侧感知设备自身包括计算功能，则路侧感知设备直接连接到服务器。以上连接可以是有线或是无线。

应该理解地是，预设路段可以为任意路段，可以为包括红绿灯的路段，也可以为没有红绿灯的路段，可以为包括十字路口的路段，也可以为包括丁字路口的路段，也可以为没有路口的路段，且路段的长度和宽度等信息，本实施例均不做限定。

值得说明地是，待检测图像中包括多个像素位置，一个像素位置可以理解为对应于世界坐标系中的一个物理点，在图像坐标系中的位置，每一像素位置对应目标像素信息。例如，目标像素信息可以为像素值。

S202：根据每一像素位置的目标像素信息、以及预存的每一像素位置的初始像素信息，确定待检测图像中的目标静止对象。

其中，初始像素信息是对预设路段的多个样本图像进行分析得到的，样本图像为预设路段在正常交通下的图像。

示例性地，检测装置可以在交通正常时(即无交通事件时，且交通事件可以理解为因发生交通事故而造成的车辆或行人无法正常通行的事件，如因车辆相撞而造成的交通拥堵的事件，又如因道路设施临时抢修而造成的禁止通行的事件，等等)，获取预设的多个样本图像，并对每一样本图像进行分析，从而得到第一像素位置的像素信息(即为初始像素信息)。

值得说明地是，针对预设路段，不同的图像中包括相同的像素位置，但是，由于预设路段的车辆和行人等具有流动性，因此，同一像素位置在不同的图像中像素信息可能相同，也可能不同。

在本实施例中，引入了：检测装置通过以正常交通下的图像的分析得到的初始像素信息为基础，结合获取到的检测时对应的目标像素信息，对待检测图像的目标静止对象进行确定的特征，而通过该特征，可以相对(以上述相关技术为例的相对)减少分析的目标(即减少了运动状态的对象，从而无需考虑和分析运动状态的对象)，从而实现节约分析资源，且可以通过减少分析而降低因分析产生的误差，进而可以提高检测的准确性和可靠性的技术效果。

S203：确定目标静止对象的停留时间，并若停留时间大于预设的时间阈值，确定预设路段存在交通事件。

其中，时间阈值可以由检测装置基于经验、历史记录、以及试验等进行设置，本实施例不做限定。

该步骤可以理解为：检测装置可以对目标静止对象的停留时间进行确定，并判断停留时间与时间阈值的大小，如果停留时间大于时间阈值，则检测装置可以确定预设路段存在交通事件。

在另一些实施例中，若检测装置经判断确定停留时间小于时间阈值，则检测装置可以确定预设路段不存在交通事件。

基于上述分析可知，本申请实施例提供了一种交通事件的检测方法，包括：获取与预设路段对应的待检测图像，并获取待检测图像中的各像素位置各自对应的目标像素信息，根据每一像素位置的目标像素信息、以及预存的每一像素位置的初始像素信息，确定待检测图像中的目标静止对象，其中，初始像素信息是对所述预设路段的多个样本图像进行分析得到的，样本图像为预设路段在正常交通下的图像，确定目标静止对象的停留时间，并若停留时间大于预设的时间阈值，确定预设路段存在交通事件，在本实施例中，通过确定每一像素位置的目标像素信息，并根据每一像素位置的目标像素信息和初始像素信息，对待检测图像中的目标静止对象进行确定，由于初始像素信息是基于正常交通下的图像生成的，因此，初始像素信息对应的为正常交通时，各像素位置各自对应的像素信息，所以，可以基于初始像素信息和目标像素信息，高效且精准地从待检测图像中确定出目标静止对象，以便根据目标静止对象的停留时间和时间阈值确定是否存在交通事件，无需对运动状态的对象进行分析，避免了相关技术造成的分析对象较多、分析成本偏高、消耗资源偏高的弊端，实现了节约资源，且由于分析对象的减少，可以减少因分析对象较多而造成的分析干扰，从而实现了提高检测的准确性和可靠性的技术效果。

图3是根据本申请第二实施例的示意图，如图3所示，本实施例的交通事件的检测方法，包括：

S301：获取预设路段的多个样本图像。

其中，样本图像为与交通正常对应的图像。

示例性地，若本实施例的交通事件的检测方应用于如图1所示的应用场景，则该步骤可以理解为：路侧设备可以接收由摄像头发送的多个样本图像。

例如，摄像头可以对预设路段的每一图像(也可以为视频)进行采集，并将采集到的每一图像传输给路侧设备。

相应地，路侧设备可以选择预设路段的交通状态为交通正常时的多个图像作为样本图像。其中，多个样本图像可以为连续的图像，也可以为非连续的图像，本实施例不做限定。

S302：获取每一样本图像，在每一像素位置的像素值。

示例性地，路侧设备可以对每一样本图像进行分析，得到每一样本图像的各像素位置各自对应的像素值。

S303：针对任一像素位置，根据各样本图像在任一像素位置的像素值，确定任一像素位置的初始像素信息。

其中，初始像素信息包括像素均值和像素方差。

示例性地，可以通过背景建模地方式构建背景识别模型，背景识别模型可以为高斯模型，高斯模型具有一定的高斯分布信息，而高斯分布信息包括各像素各自对应的像素均值和像素方差。

例如，路侧设备可以对高斯模型的矩阵参数进行初始化处理。其中，初始化处理可以理解为对高斯模型的矩阵参数进行随机设置。

路侧设备可以基于多个样本图像(可以为视频中的T帧图像)对高斯模型进行训练，从而训练后的高斯模型，训练后的高斯模型具有一定的高斯分布，而高斯分布信息包括各像素各自对应的像素均值和像素方差。

其中，具体地训练过程可以理解为对针对每一像素位置，对该像素位置的均值进行确定，从而得到该像素位置的均值(即像素均值)，并依次确定该像素位置的方差(即像素方差)。需要说明地是，计算像素均值和像素方差的原理可以参见相关技术中的计算原理，此处不再赘述。

值得说明地是，在本实施例中，通过对交通正常时的每一样本图像的像素位置的像素值进行确定，进而基于各像素值分析得到每一像素位置对应的像素均值和像素方差，以便后续基于像素均值和像素方差对运动状态的对象(如车辆和行人等)进行过滤，得到目标静止对象，从而确定交通事件，可以提高过滤的准确性和可靠性，进而实现确定交通事件的准确性和可靠性的技术效果。

S304：获取与预设路段对应的待检测图像，并获取待检测图像中的各像素位置各自对应的目标像素信息。

示例性地，关于S304地描述，可以参见S201地描述，此处不再赘述。

S305：确定每一像素位置的目标像素信息与初始像素信息之间的差异信息，并根据各差异信息，确定目标静止对象。

基于上述分析可知，初始像素信息是根据正常交通确定的，而在正常交通的场景下，车辆和行人等一般处于运动状态，即车辆和行人一般为处于非静止状态的对象，在本实施例中，针对每一像素位置，将该像素位置的目标像素信息与初始像素信息进行比较，确定二者(即目标像素信息和初始像素信息)之间的差异信息，可以相对较为准确和高效的确定出非静止状态的对象(即运动状态的对象)和静止状态的对象(即目标静止对象)，从而避免了对非静止状态的对象的分析，降低了分析难度，减少了对分析资源的需求，节约了资源，提高了分析效率，且提高了分析结果的准确性(即提高了交通事件的检测的准确性)。

在一些实施例中，目标像素信息包括目标像素值，S305可以包括如下步骤：

步骤1：计算每一像素位置对应的目标像素值与像素均值之间的差值。

其中，差异信息包括差值。

步骤2：从各像素位置中，获取差值大于与各像素位置各自对应的预设像素阈值的像素位置。

在一些实施例中，像素阈值时基于像素方差确定的。

步骤3：将差值大于预设像素阈值的像素位置对应于待检测图像中的对象，确定为目标静止对象。

结合上述分析可知，初始像素信息包括像素均值和像素方差，而初始像素信息是基于正常交通下的图像确定的，因此，针对任一像素位置，若差值偏小，则说明目标像素值偏差较小，目标像素值可能符合高斯分布，则该任一像素位置的对象可能为运动状态的对象，而若差值偏大，则说明目标像素值偏差较大，目标像素值可能不符合高斯分布，则该任一像素位置的对象可能为静止状态的对象，因此，可以将该对象确定为目标静止对象。

具体地，针对任一像素位置，路侧设备可以计算目标像素值与像素均值之间的差值，若差值小于三倍像素方差，则说明目标像素值偏差较小，则该任一像素位置的对象为运动状态的对象；反之，若差值小于三倍像素方差，则说明目标像素值偏差较大，则该任一像素位置的对象为静止状态的对象(即目标静止对象)。

值得说明地是，在本实施例中，通过确定每一像素位置的目标像素值与像素均值至之间的差值，并确定差值与像素阈值之间的大小关系(可以理解为差值与像素方差之间的关联关系)，以便基于大小关系确定目标静止对象，可以实现方便快捷地确定出目标静止对象。

在一些实施例中，可以基于差值大于像素阈值的像素值，对相应的像素位置的初始像素信息进行重建，如结合上述示例，可以重新构建相应的像素位置的高斯分布，从而得到新的像素均值和像素方差。

在一些实施例中，可以从各差值中，选取小于各像素位置各自对应的预设像素阈值的差值，并基于选取的差值对各自对应的像素位置的初始像素信息进行更新。

例如，基于选取的差值对应的目标像素均值，对相应的像素均值和像素方差进行更新。结合上述示例，该实施例可以理解为，可以基于选取的差值对应的目标像素均值，对高斯模型进行更新，得到新的高斯分析信息，即得到新的像素均值和像素方差。

在本实施例中，通过对初始像素信息进行更新，可以提高像素信息的准确性和可靠性，从而提高交通事件检测的可靠性和准确性的技术效果。

S306：根据预设的感兴趣区域对目标静止对象进行过滤处理。

其中，感兴趣区域为预设路段上非停留位置的区域。

示例性地，与感兴趣区域对应的可以为非感兴趣区域，非感兴趣区域可以为基于需求从预设路段中划分出来的，可以作为停留位置的区域，如紧急停车带等，而除了非感兴趣区域之外的区域，则时感兴趣区域。

该步骤可以理解为：目标静止对象中可能包括非感兴趣区域中的车辆和行人等，则路侧设备可以将处于非感兴趣区域中的目标静止对象进行过滤，得到感兴趣区域内的目标静止对象。

值得说明地是，在本实施例中，通过根据感兴趣区域对目标静止对象进行过滤处理，无需对非感兴趣区域内的目标静止对象进行分析，减少了分析对象，降低了分析成本，节约了分析资源，且避免了分析过程的噪声数据，提高了后续交通事件确定的准确性和可靠性的技术效果。

S307：对经过滤处理而保留的目标静止对象的类别进行识别，得到识别结果。

其中，识别结果可以为车辆，也可以为行人，也可以为其他障碍物。

一般而言，交通事件发生在车辆与车辆之间，车辆与行人之间，因此，在本实施例中，在对目标静止对象进行过滤后，对经过滤处理而保留的目标静止对象的类别进行识别，以便当识别结果为车辆、行人时，执行后续操作，从而提高交通事件的检测的可靠性。

S308：若识别结果为车辆和/或行人，则确定经过滤处理而保留的目标静止对象的停留时间。

在一些实施例中，确定经过滤处理而保留的目标静止对象的停留时间，可以包括如下步骤：

步骤1：确定经过滤处理而保留的目标静止对象的属性信息，并获取预存的初始静止对象的属性信息。

其中，待检测图像包括连续的多帧图像，路侧设备通过对第一帧图像的检测，可以得到静止对象(即初始静止对象)，并对该初始静止对象的属性信息进行存储。

属性信息可以包括尺寸属性、颜色属性、形状属性、以及时间属性等。

步骤2：若根据经过滤处理而保留的目标静止对象的属性信息、以及初始静止对象的属性信息，确定出经过滤处理而保留的目标静止对象、以及初始静止对象为相同的静止对象，则获取初始静止对象的静止时间。

示例性地，路侧设备可以确定两个对象(初始静止对象、经过滤处理而保留的目标静止对象)各自对应的属性信息是否相同，如果相同，则说明两个对象为相同的对象，则可以基于初始静止对象的时间属性确定静止时间。

例如，以尺寸属性为例，路侧设备可以分别确定两个对象的尺寸属性，并判断两个对象的尺寸属性是否相同，如果相同，则认为两个对象为同一对象。

具体地，路侧设备可以确定每一帧图像的时间，若某一帧图像中包括初始静止对象，则可以将初始静止对象的停止时间确定为该帧图像的时间。

步骤3：根据静止时间确定经过滤处理而保留的目标静止对象的停留时间。

结合上述示例，可以确定当前帧图像的时间，并将当前帧图像的时间与静止时间之间的时间差值，确定为停留时间。

值得说明地是，在本实施例中，通过基于经过滤处理而保留的目标静止对象的属性信息、初始静止对象的属性信息，确定经过滤处理而保留的目标静止对象的停留时间，可以提高确定停留时间的可靠性和准确性的技术效果。

S309：若停留时间大于预设的时间阈值，确定预设路段存在交通事件。

示例性地，关于S309地描述，可以参见S203中地部分描述，此处不再赘述。

S310：生成并输出提示消息和/或行驶策略调整消息。

其中，提示消息用于指示预设路段发生交通事件，行驶策略调整消息用于指示对车辆基于行驶策略调整消息对行驶策略进行调整。

结合上述示例和图1所示的应用场景，路侧设备在确定出存在交通事件时，一个示例中，路侧设备可以生成提示消息，并可以将提示消息传输给与路侧设备存在连接关系的车辆，以便告知车辆预设路段发生交通事件，从而使得车辆可以基于该提示消息作出相应的行驶策略调整，如调整路线，以便避开行驶于预设路段等；另一个示例中，路侧设备可以生成行驶策略调整消息，并可以将行驶策略调整消息传输给与路侧设备存在连接关系的车辆，以便车辆基于行驶策略调整消息对行驶策略进行调整，如路线重新规划等。

值得说明地是，通过生成并输出提示消息和/或行驶策略调整信息，可以提高车辆行驶的安全性和可靠性的技术效果。

图4是根据本申请第三实施例的示意图，如图4所示，本实施例的交通事件的检测装置400，包括：

第一获取单元401，用于获取与预设路段对应的待检测图像，并获取待检测图像中的各像素位置各自对应的目标像素信息。

第一确定单元402，用于根据每一像素位置的目标像素信息、以及预存的每一像素位置的初始像素信息，确定待检测图像中的目标静止对象，其中，初始像素信息是对预设路段的多个样本图像进行分析得到的，样本图像为预设路段在正常交通下的图像。

第二确定单元403，用于确定目标静止对象的停留时间。

第三确定单元404，用于若停留时间大于预设的时间阈值，确定预设路段存在交通事件。

图5是根据本申请第四实施例的示意图，如图5所示，本实施例的交通事件的检测装置500，包括：

第二获取单元501，用于获取预设路段的多个样本图像，其中，样本图像为与交通正常对应的图像。

第三获取单元502，用于获取每一样本图像，在每一像素位置的像素值。

第四确定单元503，用于针对任一像素位置，根据各样本图像在所述任一像素位置的像素值，确定任一像素位置的初始像素信息。

第一获取单元504，用于获取与预设路段对应的待检测图像，并获取待检测图像中的各像素位置各自对应的目标像素信息。

第一确定单元505，用于根据每一像素位置的目标像素信息、以及预存的每一像素位置的初始像素信息，确定待检测图像中的目标静止对象，其中，初始像素信息是对预设路段的多个样本图像进行分析得到的，样本图像为预设路段在正常交通下的图像。

结合图5可知，在一些实施例中，目标像素信息包括目标像素值，初始像素信息包括像素均值；第一确定单元505包括：

计算子单元5051，用于计算每一像素位置对应的目标像素值与像素均值之间的差值，其中，差异信息包括差值。

第一获取子单元5052，用于从各像素位置中，获取差值大于与各像素位置各自对应的预设像素阈值的像素位置。

第一确定子单元5053，用于将差值大于像素阈值的像素位置对应于待检测图像中的对象，确定为目标静止对象。

更新子单元5054，用于从各差值中，选取小于各像素位置各自对应的像素阈值的差值，并基于选取的差值对各自对应的像素位置的初始像素信息进行更新。

过滤单元506，用于根据预设的感兴趣区域对目标静止对象进行过滤处理，其中，感兴趣区域为预设路段上非停留位置的区域。

识别单元507，用于对目标静止对象的类别进行识别，得到识别结果，若识别结果为车辆和/或行人，则执行确定目标静止对象的停留时间。

第二确定单元508，用于确定目标静止对象的停留时间。

结合图5可知，在一些实施例中，第二确定单元508包括：

第二确定子单元5081，用于确定目标静止对象的属性信息。

第二获取子单元5082，用于获取预存的初始静止对象的属性信息。

第三获取子单元5083，用于若根据目标静止对象的属性信息与初始静止对象的属性信息，确定出目标静止对象与所述初始静止对象为相同的静止对象，则获取初始静止对象的静止时间。

第三确定子单元5084，用于根据静止时间确定所述目标静止对象的停留时间。

第三确定单元509，用于若停留时间大于预设的时间阈值，确定预设路段存在交通事件。

生成单元510，用于生成提示消息和/或行驶策略调整消息，其中，所述提示消息用于指示所述预设路段发生所述交通事件，所述行驶策略调整消息用于指示对车辆基于所述行驶策略调整消息对行驶策略进行调整。

输出单元511，用于输出提示消息和/或行驶策略调整消息。

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

根据本申请的实施例，本申请还提供了一种计算机程序产品，程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。

图6示出了可以用来实施本申请的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，电子设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如交通事件的检测方法。例如，在一些实施例中，交通事件的检测方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的交通事件的检测方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行交通事件的检测方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

根据本申请实施例的另一个方面，本申请实施例还提供了一种路侧设备，包括如上述实施例中所述的电子设备。

根据本申请实施例的另一个方面，本申请实施例还提供了一种云控平台，包括如上述实施例中所述的电子设备。

根据本申请实施例的另一个方面，本申请实施例还提供了一种交通事件的检测系统，包括：摄像头、如第三实施例或者第四实施例所述的装置，其中，摄像头用于采集预设路段对应的待检测图像，并将待检测图像发送给所述装置。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。