本申请涉及图像识别，特别是涉及一种交通异常检测方法、设备以及存储介质。
背景技术：
1、在目前的安防场景中，智慧交通管理一直是备受关注的方面。其中，对于交通异常事件的识别是非常重要的一环。
2、目前，交通异常检测方法主要是通过图像识别技术，识别交通场景图像中的车辆来判断其是否存在交通异常，并且将存在交通异常的车辆和/或其驾驶员进行记录。
3、然而传统方法中，在图像质量较差或者交通场景图像中的目标对象较小的情况下，难以做出比较准确地判断，从而可能导致误判报警，影响交通异常检测的效率。
技术实现思路
1、本申请至少提供一种交通异常检测方法、装置、设备以及计算机可读存储介质。
2、本申请第一方面提供了一种交通异常检测方法，包括：对待检测车辆的每张车辆图像分别进行异常识别处理和图像质量分析处理，得到每张车辆图像的异常检测信息和图像质量信息；根据所述待检测车辆的每张车辆图像的异常检测信息和图像质量信息确定所述待检测车辆的检测结果；根据所述检测结果确定所述待检测车辆是否存在交通异常事件。
3、在一实施例中，所述检测结果包括正常检测结果和异常检测结果，所述根据所述检测结果确定所述待检测车辆是否存在交通异常事件的步骤，包括：根据所述正常检测结果和所述异常检测结果确定所述待检测车辆的交通异常率；响应于所述交通异常率大于目标异常阈值，确定所述待检测车辆存在交通异常事件。
4、在一实施例中，在所述响应于所述交通异常率大于目标异常阈值，确定所述待检测车辆存在交通异常事件的步骤之前，所述方法还包括：根据所述待检测车辆的车辆图像确定所述待检测车辆的目标行驶距离；所述响应于所述交通异常率大于目标异常阈值，确定所述待检测车辆存在交通异常事件的步骤，包括：响应于所述交通异常率大于所述目标异常阈值，且所述目标行驶距离大于目标距离阈值，确定所述待检测车辆存在交通异常事件。
5、在一实施例中，所述目标异常阈值和所述目标行驶距离呈负相关，在所述响应于所述交通异常率大于所述目标异常阈值，且所述目标行驶距离大于目标距离阈值，确定所述待检测车辆存在交通异常事件的步骤之前，所述方法还包括：获取预设异常阈值；根据所述待检测车辆的目标行驶距离对所述预设异常阈值进行负相关调整处理，得到所述待检测车辆对应的目标异常阈值。
6、在一实施例中，所述根据所述待检测车辆的车辆图像确定所述待检测车辆的目标行驶距离的步骤，包括：根据所述待检测车辆的车辆图像确定所述待检测车辆在行驶过程中的目标点位；根据各目标点位之间的距离确定所述待检测车辆的目标行驶距离。
7、在一实施例中，在所述根据所述待检测车辆的车辆图像确定所述待检测车辆在行驶过程中的目标点位的步骤之后，所述方法还包括：根据每个目标点位中各待检测车辆的正常检测结果和异常检测结果，确定每个目标点位的点位异常率；根据每个目标点位的点位异常率确定异常点位。
8、在一实施例中，所述对待检测车辆的每张车辆图像分别进行异常识别处理和图像质量分析处理，得到每张车辆图像的异常检测信息和图像质量信息的步骤，包括：将所述待检测车辆的每张车辆图像输入预先训练的交通异常识别模型中，得到所述交通异常识别模型输出的每张车辆图像对应的异常检测信息；将所述待检测车辆的每张车辆图像输入预先训练的图像质量评估模型中，得到所述图像质量评估模型输出的每张车辆图像对应的图像质量信息。
9、在一实施例中，所述根据所述待检测车辆的每张车辆图像的异常检测信息和图像质量信息确定所述待检测车辆的检测结果的步骤，包括：基于每张车辆图像的异常检测信息和图像质量信息进行加权处理，得到每张车辆图像的加权结果；将所述待检测车辆的各车辆图像的加权结果进行求和处理，得到所述待检测车辆的检测结果。
10、本申请第二方面提供了一种交通异常检测装置，包括：图像处理模块，用于对待检测车辆的每张车辆图像分别进行异常识别处理和图像质量分析处理，得到每张车辆图像的异常检测信息和图像质量信息；检测模块，用于根据所述待检测车辆的每张车辆图像的异常检测信息和图像质量信息确定所述待检测车辆的检测结果；异常确定模块，用于根据所述检测结果确定所述待检测车辆是否存在交通异常事件。
11、本申请第三方面提供了一种电子设备，包括存储器和处理器，处理器用于执行存储器中存储的程序指令，以实现上述交通异常检测方法。
12、本申请第四方面提供了一种计算机可读存储介质，其上存储有程序指令，程序指令被处理器执行时实现上述交通异常检测方法。
13、上述方案，通过对待检测车辆的每张车辆图像分别进行异常识别处理和图像质量分析处理，得到每张车辆图像的异常检测信息和图像质量信息。传统方法中，在图像质量较差或者被检目标较小的情况下，难以做出准确判断，容易导致误检问题；而本申请根据待检测车辆的每张车辆图像的异常检测信息和图像质量信息确定待检测车辆的检测结果，使得检测结果更为准确可靠。根据检测结果确定待检测车辆是否存在交通异常事件，由此能够提高对交通异常事件的检测准确率。
14、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本申请。
1.一种交通异常检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述检测结果包括正常检测结果和异常检测结果，所述根据所述检测结果确定所述待检测车辆是否存在交通异常事件的步骤，包括：
3.根据权利要求2所述的方法，其特征在于，在所述响应于所述交通异常率大于目标异常阈值，确定所述待检测车辆存在交通异常事件的步骤之前，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述目标异常阈值和所述目标行驶距离呈负相关，在所述响应于所述交通异常率大于所述目标异常阈值，且所述目标行驶距离大于目标距离阈值，确定所述待检测车辆存在交通异常事件的步骤之前，所述方法还包括：
5.根据权利要求3所述的方法，其特征在于，所述根据所述待检测车辆的车辆图像确定所述待检测车辆的目标行驶距离的步骤，包括：
6.根据权利要求5所述的方法，其特征在于，在所述根据所述待检测车辆的车辆图像确定所述待检测车辆在行驶过程中的目标点位的步骤之后，所述方法还包括：
7.根据权利要求1所述的方法，其特征在于，所述对待检测车辆的每张车辆图像分别进行异常识别处理和图像质量分析处理，得到每张车辆图像的异常检测信息和图像质量信息的步骤，包括：
8.根据权利要求1所述的方法，其特征在于，所述根据所述待检测车辆的每张车辆图像的异常检测信息和图像质量信息确定所述待检测车辆的检测结果的步骤，包括：
9.一种电子设备，其特征在于，包括存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1至8任一项所述的方法。
10.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令被处理器执行时实现权利要求1至8任一项所述的方法。
