一种检测路面抛洒物的方法、装置及存储介质与流程

1.本技术实施例涉及机器视觉技术领域，尤其涉及一种检测路面抛洒物的方法、装置及存储介质。


背景技术：

2.在高速行驶的过程中经常因为人为和非人为的因素出现抛洒物，为保障高速公路上的安全，目前主要基于视觉的抛洒物检测系统检测高速公路中的抛洒物。
3.在对现有技术的研究和实践过程中，本技术实施例的发明人发现，现有的基于视觉的抛洒物检测系统多为目标检测方案，由于抛洒物的种类太多且大小不确定，因此只能检测出少数几类的抛洒物，且训练数据难获取以及抛洒物检测系统的鲁棒性较低。


技术实现要素：

4.本技术实施例提供了一种检测路面抛洒物的方法、装置及存储介质，能够提高高精度的分析路面的真实异物状态，检测出多种类型的抛洒物类别，不局限于抛洒物尺寸、空间特征、类别和运动状态。
5.第一方面中，本技术实施例提供一种检测路面抛洒物的方法，该方法包括：
6.获取视频数据，所述视频数据包括多个存在路面掩码信息的视频帧；
7.将各视频帧分别进行灰度处理，得到第一图像；
8.确定所述第一图像中的至少一个第一连通域；
9.根据所述第一图像和所述至少一个第一连通域得到疑似抛洒物区域；
10.从所述疑似抛洒物区域中确定目标连通域；
11.将所述目标连通域确定为抛洒物区域。
12.一种可能的设计中，所述从所述疑似抛洒物区域中确定目标连通域，包括：
13.检测所述第一图像中的车辆区域；
14.若所述车辆区域的中心点位于第一连通域，则删除包括中心点的第一连通域。
15.一种可能的设计中，所述从所述疑似抛洒物区域中确定目标连通域，包括：
16.分别计算各第一连通域对应的分割阈值；
17.从所述至少一个第一连通域中确定所述目标连通域，所述目标连通域为分割阈值在预设阈值范围之外的第一连通域。
18.一种可能的设计中，所述根据所述第一图像和所述至少一个第一连通域得到疑似抛洒物区域，包括：
19.将各第一连通域中的像素点值均设置为1，得到第二图像；
20.将所述第二图像中灰度值为1的区域作为路面覆盖区域；
21.将所述第一图像与所述第二图像进行异或处理，得到异或处理后的图像；
22.将所述图像中灰度值为1的区域作为所述疑似抛洒物区域。
23.一种可能的设计中，所述获取视频数据，包括：
24.获取初始视频数据；
25.对所述初始视频数据进行路面语义分割，得到路面掩码图，所述路面掩码图包括路面和地面标示线；
26.将所述路面和所述地面标示线合并为路面掩码信息。
27.一种可能的设计中，所述对所述初始视频数据进行路面语义分割，得到路面掩码图，包括：
28.将所述初始视频数据中的各视频帧分别进行缩放，得到对应的多个预设尺寸的目标视频帧；
29.对各目标视频帧进行语义分割，得到第一特征图谱；
30.将所述第一特征图谱按照预设尺寸缩小，以及将多个权重因子分别赋予所述第一特征图谱中的对应位置，得到第二特征图谱；
31.对所述第二特征图谱进行解码，得到所述路面掩码图。
32.一种可能的设计中，所述将所述目标连通域确定为抛洒物区域之后，所述方法还包括：
33.生成抛洒物事件，所述抛洒物事件记录抛洒物对应的视频帧、抛洒物的位置信息、拍摄抛洒物的拍摄设备的设备标识。
34.第二方面中，本技术实施例提供一种路面抛洒物检测装置，具有实现对应于上述第一方面提供的检测路面抛洒物的方法的功能。所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块，所述模块可以是软件和/或硬件。
35.一种可能的设计中，所述路面抛洒物检测装置包括：
36.获取模块，用于获取视频数据，所述视频数据包括多个存在路面掩码信息的视频帧；
37.处理模块，用于将各视频帧分别进行灰度处理，得到第一图像；确定所述第一图像中的至少一个第一连通域；根据所述第一图像和所述至少一个第一连通域得到疑似抛洒物区域；从所述疑似抛洒物区域中确定目标连通域；将所述目标连通域确定为抛洒物区域。
38.一种可能的设计中，所述路面抛洒物检测装置还包括检测模块，所述处理模块具体用于：
39.通过所述检测模块检测所述第一图像中的车辆区域；
40.若所述车辆区域的中心点位于第一连通域，则删除包括中心点的第一连通域。
41.一种可能的设计中，所述处理模块具体用于：
42.分别计算各第一连通域对应的分割阈值；
43.从所述至少一个第一连通域中确定所述目标连通域，所述目标连通域为分割阈值在预设阈值范围之外的第一连通域。
44.一种可能的设计中，所述处理模块具体用于：
45.将各第一连通域中的像素点值均设置为1，得到第二图像；
46.将所述第二图像中灰度值为1的区域作为路面覆盖区域；
47.将所述第一图像与所述第二图像进行异或处理，得到异或处理后的图像；
48.将所述图像中灰度值为1的区域作为所述疑似抛洒物区域。
49.一种可能的设计中，所述获取模块具体用于：
50.获取初始视频数据；
51.对所述初始视频数据进行路面语义分割，得到路面掩码图，所述路面掩码图包括路面和地面标示线；
52.将所述路面和所述地面标示线合并为路面掩码信息。
53.一种可能的设计中，所述处理模块具体用于：
54.将所述初始视频数据中的各视频帧分别进行缩放，得到对应的多个预设尺寸的目标视频帧；
55.对各目标视频帧进行语义分割，得到第一特征图谱；
56.将所述第一特征图谱按照预设尺寸缩小，以及将多个权重因子分别赋予所述第一特征图谱中的对应位置，得到第二特征图谱；
57.对所述第二特征图谱进行解码，得到所述路面掩码图。
58.一种可能的设计中，所述处理模块将所述目标连通域确定为抛洒物区域之后，还用于：
59.生成抛洒物事件，所述抛洒物事件记录抛洒物对应的视频帧、抛洒物的位置信息、拍摄抛洒物的拍摄设备的设备标识。
60.本技术实施例又一方面提供了一种计算机设备，其包括至少一个连接的处理器和存储器，其中，所述存储器用于存储计算机程序，所述处理器用于调用所述存储器中的计算机程序来执行上述第一方面所述的方法。
61.本技术实施例又一方面提供了一种计算机可读存储介质，其包括指令，当其在计算机上运行时，使得计算机执行上述第一方面所述的方法。
62.相较于现有技术，本技术实施例提供的方案中，由于第一图像是将各视频帧分别进行灰度处理得到，所以能够有效地将路面上存在的物体(例如车辆、抛洒物等)或人、动物等其他移动物从路面中分离出来，便于后续确定第一图像中的至少一个第一连通域，根据所述第一图像和所述至少一个第一连通域得到疑似抛洒物区域，然后根据疑似抛洒物区域定位包括抛洒物的目标连通域。可见，相较于现有技术，本技术实施例能够高精度的分析路面的真实异物状态，检测出多种类型的抛洒物类别，不局限于抛洒物尺寸、空间特征、类别和运动状态。
附图说明
63.图1为本技术实施例中路面抛洒物检测装置的一种框架示意图；
64.图2为本技术实施例中检测路面抛洒物的方法的一种流程示意图；
65.图3为本技术实施例中基于分割模型对初始视频数据进行路面语义分割的一种示意图；
66.图4a为本技术实施例中第一图像的一种示意图；
67.图4b为本技术实施例中基于图4a找到的第一连通域的一种示意图；
68.图4c为本技术实施例中将第一连通域内部区域置为true后得到的二值化的第二图像的一种示意图；
69.图4d为本技术实施例中疑似抛洒物区域的一种示意图；
70.图5为本技术实施例中基于车辆检测框筛选连通域cnt
k
后的一种示意图；
71.图6为本技术实施例中基于矩形标注框检测出的抛洒物区域的一种示意图；
72.图7a为本技术实施例中未检测到抛洒物的视频帧的一种示意图；
73.图7b为本技术实施例中检测到抛洒物的视频帧的一种示意图；
74.图8为本技术实施例中路面抛洒物检测装置的一种结构示意图；
75.图9为本技术实施例中计算机设备的一种结构示意图。
具体实施方式
76.本技术实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块，本技术实施例中所出现的模块的划分，仅仅是一种逻辑上的划分，实际应用中实现时可以有另外的划分方式，例如多个模块可以结合成或集成在另一个系统中，或一些特征可以忽略，或不执行，另外，所显示的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接口，模块之间的间接耦合或通信连接可以是电性或其他类似的形式，本技术实施例中均不作限定。并且，作为分离部件说明的模块或子模块可以是也可以不是物理上的分离，可以是也可以不是物理模块，或者可以分布到多个电路模块中，可以根据实际的需要选择其中的部分或全部模块来实现本技术实施例方案的目的。
77.本技术实施例供了一种检测路面抛洒物的方法、装置及存储介质，可用于服务器或终端侧(本技术实施例仅以用于服务器侧为例)，服务器侧可用于检测路面的异物，即路面抛洒物，例如为来自车上的人、高空、地面等场景下长时间停留于路面且对路面交通存在安全隐患的物体。一些实施方式中，该方法可应用于如图1所示的路面抛洒物检测装置，该路面抛洒物检测装置可部署于服务器中。路面抛洒物检测装置主要包括采集模块、分割模块、检测模块、筛选模块和数据管理模块。以下进行详细说明。
78.采集模块，用于采集部署于道路中拍摄设备拍摄的路面的视频数据，一些实施方式中，该采集模块可集成于拍摄设备中，也可部署于云端的服务器。本技术实施例不对路面抛洒物检测装置中各模块之间是否为分离式部署还是集中式部署作限定。
79.分割模块，用于对来自采集模块的视频数据进行路面语义分割，以得到路面掩码图。
80.检测模块，用于对分割模块得到的路面掩码图进行灰度处理，然后从灰度处理后的图像中检测出包含异物的连通域区域。
81.筛选模块，用于从检测模块检测出的多个连通域中筛选出高概率存在明显异物的连通域。
82.数据管理模块，用于保存筛选模块筛选出的存在异物的视频帧、拍摄设备的设备标识和拍摄设备的位置。以及将这些数据上传至云平台，以更新数据库。
83.其中，需要特别说明的是，本技术实施例涉及的服务器可以是独立的物理服务器，
也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn、以及大数据和人工智能平台等基础云计算服务的云服务器。
84.本技术实施例主要提供以下技术方案：
85.1、基于卷积神经网络的语义分割算法对路面进行语义分割，将分割出的路面以及地面标识线合并为路面掩码信息，将分割结果中位于路面掩码信息的空洞确定为疑似抛洒物，基于路面掩码信息得到闭运算二值化图片和连通域二值化图片，根据闭运算二值化图片和连通域二值化图片，确定疑似抛洒物区域，然后根据疑似抛洒物区域定位车辆的边界信息，最后判断车辆的中心点在连通域时，若该连通域对应的阈值在阈值范围内，则该连通域确定为路面干扰区域。相较于现有技术，本技术实施例能够高精度的分析路面的真实异物状态，检测出多种类型的抛洒物类别，不局限于抛洒物尺寸、空间特征、类别和运动状态。
86.2、根据各处理器的算力大小为多尺度分割模块选择匹配算力的分割尺寸与尺寸数，使得算法工程可根据不同任务需求进行灵活多变的部署方案。因此，本方案具有一般适用性，不仅适用于算力高的服务器gpu端的部署，同时也可部署于移动端cpu。
87.参照图2，以下介绍本技术实施例所提供的一种检测路面抛洒物的方法，该方案可由路面抛洒物检测装置执行，该路面抛洒物检测装置可部署于服务器或终端。一些实施方式中，终端可为路侧单元、车载单元或移动终端，本技术实施例不对此作限定。服务器可为云服务器。一些实施方式中。该方法也可由终端与服务器协同实施，例如，终端为分布式系统部署中的从节点，服务器为分布式系统中的主节点。本技术实施例不对部署场景作限定。本技术实施例包括：
88.201、获取视频数据。
89.其中，所述视频数据包括多个存在路面掩码信息的视频帧，路面掩码信息表示视频帧中存在检测对象，即用于定位或识别视频帧中的检测对象，该检测对象可能为疑似抛洒物。
90.一些实施方式中，所述获取视频数据，包括：
91.(1)获取初始视频数据。
92.(2)对所述初始视频数据进行路面语义分割，得到路面掩码图。
93.所述路面掩码图包括路面和地面标示线。
94.一些实施方式中，可基于卷积神经网络的语义分割算法对所述初始视频数据进行路面语义分割，本技术实施例不对语义分割采用的算法作限定。
95.另一些实施方式中，考虑到由于抛洒物类别众多，且形状各异，分割模型的精度直接影响最终抛洒物检测的精度。为了获取更加鲁棒的分割结果，还可以使用多尺寸输入以及加权投票的分割策略。具体来说，可通过下述方式得到上述路面掩码图：
96.将所述初始视频数据中的各视频帧分别进行缩放，得到对应的多个预设尺寸的目标视频帧；
97.对各目标视频帧进行语义分割，得到第一特征图谱；
98.将所述第一特征图谱按照预设尺寸缩小，以及将多个权重因子分别赋予所述第一特征图谱中的对应位置，得到第二特征图谱；
99.对所述第二特征图谱进行解码，得到所述路面掩码图。
100.例如，可采用如图3所示的一种基于分割模型对初始视频数据进行路面语义分割。首先将待检测的视频帧(即图片)缩放为n(n为正整数)个尺寸，size1、size2、size3…
size
n
，不同尺寸的图片全部送入分割模型，最后得到n个尺寸的特征图谱。后将n个特征图谱重新缩放为统一大小，同时分别乘上相对应的权重因子，scale1、scale 2
、scale 3
…
scale n
，再然后对应位置相加得到最终的特征图谱。最后通过解码特征图谱得到当前帧路面分割的二值掩码图，即所述路面掩码图。
101.(3)将所述路面和所述地面标示线合并为路面掩码信息。
102.该路面掩码信息中的空洞大概率为路面上的抛洒物。
103.202、将各视频帧分别进行灰度处理，得到第一图像。
104.一些实施方式中，灰度处理可包括二值化处理、五值化处理等，本技术实施例不对灰度处理的方式作限定。如图4a所示的第一图像的一种示意图，第一图像为将各视频帧分别进行二值化处理后的二值化图像。
105.203、确定所述第一图像中的至少一个第一连通域。
106.其中，第一连通域是指第一图像中的路面区域，该第一连通域可为最大连通域。本技术实施例中，连通域(connected component)是指图像中具有相同灰度值且位置相邻的前景像素点组成的图像区域(region，blob)。在视觉上看来，第一图像中彼此连通的像素点形成了一个区域，而不连通的像素点形成了不同的区域。那么，可将一个所有的像素点彼此连通点构成的集合称为一个连通区域。如图4b所示，图4b所示的第一连通域为从图4a所示的第一图像中找到的连通域。
107.204、根据所述第一图像和所述至少一个第一连通域得到疑似抛洒物区域。
108.其中，疑似抛洒物区域是指所述第一图像中有可能包括抛洒物的区域。
109.具体来说，由于各视频帧为包括路面掩码信息的视频帧，因此，可以基于路面掩码信息得到闭运算二值化图片(即下述)和连通域二值化图片(即第一连通域)，根据闭运算二值化图片和第一连通域，确定疑似抛洒物区域。
110.一些实施方式中，所述根据所述第一图像和所述至少一个第一连通域得到疑似抛洒物区域，包括：
111.将各第一连通域中的像素点值均设置为1，得到第二图像；
112.将所述第二图像中灰度值为1的区域作为路面覆盖区域；
113.将所述第一图像与所述第二图像进行异或处理，得到异或处理后的图像；
114.将所述异或处理后的图像中灰度值为1的区域作为所述疑似抛洒物区域。
115.其中，异或处理是指将第一图像中的像素点的像素值，与第二图像中对应该像素点位置的像素点的像素值进行按位异或运算，相同则异或运算结果为0，不同则异或结果为1，进而得到上述异或处理后的图像。
116.例如，以对第一连通域进行二值化处理为例，也可以对第一连通域进行五值化处理，本技术实施例不对此作限定。图4c为将图4b所示的第一连通域内部区域置为true后得到的二值化的第二图像，即图4c中的黑色阴影部分为第一连通域，即路面覆盖区域。二值化处理后，即可将第一图像中的路面像素点和非路面像素点(即车辆、异物)分离，因为路面的色块与非路面色块不连通。
117.然后，基于图4c，将图4b所示的最大连通域与图4c所示的第二图像进行异或处理，
异或处理后，剩余的为true区域即为疑似抛洒物区域，例如异或处理后，最终得到图4d所示的疑似抛洒物区域。其中，图4d中的无阴影区域可称为路面掩码信息中的空洞，空洞大概率就是要找的抛洒物所在区域。
118.可见，通过本实施方式从第二图像中找到路面覆盖区域，然后就可以为后续使用该路面覆盖区域去反推抛洒物所在区域提供依据，也能够在不需要关注抛洒物的类别、形状的前提下，还能提高识别第二图像中存在抛洒物的准确率，且鲁棒性高。
119.205、从所述疑似抛洒物区域中确定目标连通域。
120.下面分别从车辆检测筛选方式和分割阈值筛选方式两个角度介绍从所述疑似抛洒物区域中确定目标连通域，即通过筛选得到路面中存在的抛洒物。
121.(1)基于车辆检测筛选方式从所述疑似抛洒物区域中确定目标连通域
122.一些实施方式中，由于获取的疑似抛洒物区域有可能为高速道路上的车辆掩码信息，因此，可对在高速道路上出现的车辆类别进行检测，得到车辆的轮廓信息(bounding box)。相应的，可以通过对疑似抛洒物区域再次寻找连通域，以找出道路中的路面干扰区域，即通过车辆检测筛选出路面干扰区域，最终反推得到目标连通域。具体来说，所述从所述疑似抛洒物区域中确定目标连通域，包括：
123.检测所述第一图像中的车辆区域；若所述车辆区域的中心点位于所述疑似抛洒物区域，且确定分割阈值不位于预设路面像素区间，则确定所述疑似抛洒物区域中不存在抛洒物，即该疑似抛洒物区域对应的连通域为无效连通域，这些无效连通域属于路面干扰区域，因此，将最终剩下的连通域作为目标连通域。
124.假设有m个连通域，第i个记为cnt
i
。若车辆检测框的中心点位于第k个连通域cnt
k
中，则删除该连通域cnt
k
，其中，m、i和k均为正整数。如图5所示，图5中的矩形框为车辆检测框，车辆检测框的中心点位于cnt
k
中，因此删除该连通域cnt
k
。
125.可见，通过基于车辆中心点对确定的各疑似抛洒物区域进行筛选，能够有效筛选出路面干扰区域，进而得到真正包括抛洒物的抛洒物区域，即通过筛选能够进一步缩小抛洒物所在区域的范围，以简化后续对抛洒物的分析操作。
126.(2)基于分割阈值筛选方式从所述疑似抛洒物区域中确定目标连通域
127.一些实施方式中，考虑到疑似抛洒物区域中可能存在像素突变的区域，可能会导致类似于地面光斑等路面信息会误检为抛洒物。为了进一步提高系统检测精度以及提升鲁棒性。还可以采用下述分割阈值筛选方式从所述疑似抛洒物区域中确定目标连通域：
128.分别计算各第一连通域对应的分割阈值；
129.从所述至少一个第一连通域中确定所述目标连通域，所述目标连通域为分割阈值在预设阈值范围之外的第一连通域。
130.具体来说，若分割阈值在预设阈值范围内，则确定分割阈值在预设阈值范围内的第一连通域为路面干扰区域；若分割阈值在预设阈值范围之外，则确定分割阈值在预设阈值范围之外的第一连通域为抛洒物区域，将各抛洒物区域对应的连通域作为所述目标连通域。
131.一些实施方式中，若采用分割模型确定的目标连通域，可对连通域对应的区域分别计算分割阈值(otsu)，简称为t
otsu
。该t
otsu
目用于将第一连通域所在的区域中的目标和背景分离，具体来说，先确定一个t
otsu
，然后把每个像素点的灰度值和阈值相比较，根据比较
结果把像素点划分为目标和背景。本技术实施例不对分割阈值所采用的算法作限定。
132.206、将所述目标连通域确定为抛洒物区域。
133.其中，抛洒物区域是指包括第一图像中抛洒物所在的区域，如图6所示，矩形标注框则为检测出的抛洒物区域。
134.由如图1中的筛选模块筛除剩余的抛洒物区域会由云端数据管理模块生成抛洒物事件，会被记录抛洒物时间对应帧以及对应的gps经纬度信息、摄像头编号。例如，采集视频帧后，经过筛选模块筛选，将视频帧分为检测到抛洒物的视频帧，以及未检测到抛洒物的视频帧，然后将检测到抛洒物的视频帧中的抛洒物进行标记后上传至云端的数据管理模块。图7a为非上传示例(即未检测到抛洒物的视频帧的一种示意图)；图7b为上传示例(即检测到抛洒物的视频帧的一种示意图)。嵌入式设备将未正确佩戴安全帽的采集视频帧，gps经纬度信息以及肇事车辆摄像头编号通过4g传送至数据管理模块，数据管理模块保存信息并更新数据库。
135.本技术实施例中，由于第一图像是将各视频帧分别进行灰度处理得到，所以能够有效地将路面上存在的物体(例如车辆、抛洒物等)或人、动物等其他移动物从路面中分离出来，便于后续确定第一图像中的至少一个第一连通域，根据所述第一图像和所述至少一个第一连通域得到疑似抛洒物区域，然后根据疑似抛洒物区域定位包括抛洒物的目标连通域。可见，相较于现有技术，本技术实施例能够高精度的分析路面的真实异物状态，检测出多种类型的抛洒物类别，不局限于抛洒物尺寸、空间特征、类别和运动状态。
136.图1至图7b中任一项所对应的实施例中所提及的任一技术特征也同样适用于本技术实施例中的图8和图9所对应的实施例，后续类似之处不再赘述。
137.以上对本技术实施例中一种检测路面抛洒物的方法进行说明，以下对执行上述检测路面抛洒物的方法的装置行介绍。
138.参阅图8，如图8所示的一种路面抛洒物检测装置80的结构示意图，其可应用于服务器或终端侧，路面抛洒物检测装置80可用于检测路面的异物，例如来自车上的人、高空、地面等场景下长时间停留于路面且对路面交通存在安全隐患的物体。本技术实施例中的路面抛洒物检测装置80能够实现对应于上述图1-图7b中任一项所对应的实施例中所执行的检测路面抛洒物的方法的步骤。所述路面抛洒物检测装置80包括：
139.获取模块801，用于获取视频数据，所述视频数据包括多个存在路面掩码信息的视频帧；
140.处理模块802，用于将各视频帧分别进行灰度处理，得到第一图像；确定所述第一图像中的至少一个第一连通域；根据所述第一图像和所述至少一个第一连通域得到疑似抛洒物区域；从所述疑似抛洒物区域中确定目标连通域；将所述目标连通域确定为抛洒物区域。
141.本技术实施例中，由于第一图像是将各视频帧分别进行灰度处理得到，所以处理模块802能够有效地将路面上存在的物体(例如车辆、抛洒物等)或人、动物等其他移动物从路面中分离出来，便于后续确定第一图像中的至少一个第一连通域，根据所述第一图像和所述至少一个第一连通域得到疑似抛洒物区域，然后根据疑似抛洒物区域定位包括抛洒物的目标连通域。可见，相较于现有技术，本技术实施例能够高精度的分析路面的真实异物状态，检测出多种类型的抛洒物类别，不局限于抛洒物尺寸、空间特征、类别和运动状态。
142.一些实施方式中，所述路面抛洒物检测装置还包括检测模块803，所述处理模块802具体用于：
143.通过所述检测模块803检测所述第一图像中的车辆区域；
144.若所述车辆区域的中心点位于第一连通域，则删除包括中心点的第一连通域。
145.一些实施方式中，所述处理模块802具体用于：
146.分别计算各第一连通域对应的分割阈值；
147.从所述至少一个第一连通域中确定所述目标连通域，所述目标连通域为分割阈值在预设阈值范围之外的第一连通域。
148.一些实施方式中，所述处理模块802具体用于：
149.将各第一连通域中的像素点值均设置为1，得到第二图像；
150.将所述第二图像中灰度值为1的区域作为路面覆盖区域；
151.将所述第一图像与所述第二图像进行异或处理，得到异或处理后的图像；
152.将所述图像中灰度值为1的区域作为所述疑似抛洒物区域。
153.一些实施方式中，所述获取模块801具体用于：
154.获取初始视频数据；
155.对所述初始视频数据进行路面语义分割，得到路面掩码图，所述路面掩码图包括路面和地面标示线；
156.将所述路面和所述地面标示线合并为路面掩码信息。
157.一些实施方式中，所述处理模块802具体用于：
158.将所述初始视频数据中的各视频帧分别进行缩放，得到对应的多个预设尺寸的目标视频帧；
159.对各目标视频帧进行语义分割，得到第一特征图谱；
160.将所述第一特征图谱按照预设尺寸缩小，以及将多个权重因子分别赋予所述第一特征图谱中的对应位置，得到第二特征图谱；
161.对所述第二特征图谱进行解码，得到所述路面掩码图。
162.一些实施方式中，所述处理模块802将所述目标连通域确定为抛洒物区域之后，还用于：
163.生成抛洒物事件，所述抛洒物事件记录抛洒物对应的视频帧、抛洒物的位置信息、拍摄抛洒物的拍摄设备的设备标识。
164.上面从模块化功能实体的角度对本技术实施例中的网络认证服务器和终端设备进行了描述，下面从硬件处理的角度分别对本技术实施例中的网络认证服务器和终端设备进行描述。
165.需要说明的是，在本技术实施例图8所示的实施例中获取模块对应的实体设备可以为收发器或处理器，检测模块、处理模块对应的实体设备可以为处理器。图8所示的各装置均可以具有如图9所示的结构，当其中一种装置具有如图9所示的结构时，图9中的处理器、发射器和接收器实现前述对应该装置的装置实施例提供的处理模块、获取模块和检测模块相同或相似的功能，图9中的存储器存储处理器执行上述检测路面抛洒物的方法时需要调用的计算机程序。
166.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，可以参见其他实施例的相关描述。
167.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，装置和模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
168.在本技术实施例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。例如，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，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。
169.所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
170.另外，在本技术实施例各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块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。
171.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。
172.所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机计算机程序时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
173.以上对本技术实施例所提供的技术方案进行了详细介绍，本技术实施例中应用了具体个例对本技术实施例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技术实施例的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术实施例的思想，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技术实施例的限制。