CN101339697A - 车辆闯红灯的检测***及方法 - Google Patents
车辆闯红灯的检测***及方法 Download PDFInfo
- Publication number
- CN101339697A CN101339697A CNA2008101181901A CN200810118190A CN101339697A CN 101339697 A CN101339697 A CN 101339697A CN A2008101181901 A CNA2008101181901 A CN A2008101181901A CN 200810118190 A CN200810118190 A CN 200810118190A CN 101339697 A CN101339697 A CN 101339697A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- detection
- moving region
- character
- license plate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 95
- 239000000284 extract Substances 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 8
- 230000003760 hair shine Effects 0.000 abstract 1
- 238000012545 processing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000005267 amalgamation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆闯红灯的检测***、以及一种车辆闯红灯的检测方法。本发明能够通过运动检测、车辆检测和车牌检测相结合的方式得到闯红灯车辆的车牌区域，以供控制中心识别该车辆的身份，因而无需将红灯闪亮时的所有图像传输给控制中心，从而不需要存储大量图像、且降低了所需占用的网络带宽、并能够降低线路铺设成本。而且，采用运动检测、车辆检测和车牌检测相结合的方式，相比于现有技术中只使用运动检测的方案，检测的更加准确、且鲁棒性更好。此外，基于本发明，控制中心可以只需对车牌区域进行处理，而无需对多幅整帧图像进行处理，从而能够保证实时性且无需高配置的服务器，进一步降低了成本。
Description
技术领域
本发明涉及检测技术，特别涉及一种车辆闯红灯的检测***、以及一种车辆闯红灯的检测方法。
背景技术
车辆闯红灯的检测是指：在公路交通路口安装视频摄像头，并由该视频摄像头对过往于红绿灯的车辆进行拍摄，然后通过对拍摄到的图像进行运动检测，当检测出在红灯闪亮时存在运动区域时，即认为有车辆闯红灯，并将红灯闪亮时的多幅整帧图像传输给控制中心，供控制中心确认闯红灯车辆的身份。
现有技术中存在多种车辆闯红灯的检测方案，这些方案存在如下问题：
检测出在红灯闪亮时行驶的车辆后，需要将红灯闪亮时的所有图像传输给控制中心，从而使得车辆闯红灯的检测需要存储大量图像、占用较大的网络带宽、需要较高的线路铺设成本；
而且，控制中心需要对多幅整帧图像进行处理后才能够识别出闯红灯车辆的身份，延时很大、无法满足实时性要求；如果需要兼顾实时性，则对于控制中心的服务器要求极高，从而进一步增加了成本。
发明内容
有鉴于此，本发明提供了一种车辆闯红灯的检测***、以及一种车辆闯红灯的检测方法，能够降低车辆闯红灯检测的成本。
本发明提供的一种车辆闯红灯的检测***，该***接收视频摄像头拍摄到的红绿灯区域的目标图像，且该***包括：
运动检测模块，用于从目标图像中检测运动区域；
车辆检测模块，用于在所述红绿灯的红灯触发信号有效时，检测运动区域是否表示车辆；
车牌检测模块，用于在运动区域表示车辆时，提取该运动区域中包含字符的车牌区域；
网络通信模块，用于将包含字符的车牌区域通过互联网协议IP网络传输至外部的控制中心。
该***进一步包括：初始化模块；
所述视频摄像头拍摄到的红绿灯下方的目标图像，经所述初始化模块进行图像预处理后输出至所述运动检测模块。
所述车辆检测模块包括：
触发器，用于在所述红绿灯产生的红灯触发信号有效时，产生使能信号；
线性分类器，用于根据所述使能信号检测运动区域是否表示车辆。
所述车牌检测模块包括：
边缘提取子模块，用于在运动区域表示车辆时，对该运动区域进行边缘提取，得到二值化边缘图；
候选区域子模块，用于对二值化边缘图执行数学形态学操作，得到车牌候选区域；
定位搜索子模块，用于以大于预设字符尺寸的矩形框，依次提取车牌候选区域内各位置的子区域；
车牌分类器，用于识别各位置的子区域中包含的字符，得到各位置的子区域中包含字符的置信度；
区域确定子模块，用于将所述置信度最高的子区域确定为包含字符的车牌区域。
所述车牌分类器是以车牌样本图像中能够区分背景与字符的色彩为特征、并利用向量机预先训练得到的。
该***进一步包括：时间记录模块，用于在运动区域表示车辆时，记录所述红绿灯所处区域的当前时间；
所述网络通信模块进一步用于将所述当前时间通过IP网络传输至外部的控制中心。
该***集成于嵌入式处理器中。
本发明提供的一种车辆闯红灯的检测方法，接收视频摄像头拍摄到的红绿灯区域的目标图像，且该方法包括：
从目标图像中检测运动区域；
在所述红绿灯的红灯触发信号有效时，检测运动区域是否表示车辆；
在运动区域表示车辆时，提取该运动区域中包含字符的车牌区域。
所述从目标图像中检测运动区域之前，该方法进一步包括：对目标图像进行图像预处理。
所述检测运动区域是否表示车辆包括：利用预设的线性分类器检测运动区域是否表示车辆。
所述检测运动区域中包含字符的车牌区域包括：
对该运动区域进行边缘提取，得到二值化边缘图；
对二值化边缘图执行数学形态学操作，得到车牌候选区域；
以大于预设字符尺寸的矩形框，依次提取车牌候选区域内各位置的子区域；
利用预设的车牌分类器识别各位置的子区域中包含的字符，得到各位置的子区域中包含字符的置信度；
将所述置信度最高的子区域确定为中包含字符的车牌区域。
所述利用预设的车牌分类器识别各位置的子区域中包含的字符之前，该方法进一步包括：以车牌样本图像中能够区分背景与字符的色彩为特征、并利用向量机训练车牌分类器。
在运动区域表示车辆时，该方法进一步包括：记录所述红绿灯所处区域的当前时间。
由上述技术方案可见，本发明能够通过运动检测、车辆检测和车牌检测相结合的方式得到闯红灯车辆的车牌区域，以供控制中心识别该车辆的身份，因而无需将红灯闪亮时的所有图像传输给控制中心，从而不需要存储大量图像、且降低了所需占用的网络带宽、并能够降低线路铺设成本。而且，采用运动检测、车辆检测和车牌检测相结合的方式，相比于现有技术中只使用运动检测的方案，检测的更加准确、且鲁棒性更好。
此外，基于本发明，控制中心可以只需对车牌区域进行处理，而无需对多幅整帧图像进行处理，从而能够保证实时性且无需高配置的服务器，进一步降低了成本。
附图说明
图1为本发明实施例中车辆闯红灯的检测***的示例性结构图；
图2为如图1所示***中车牌检测模块的一种结构图；
图3为本发明实施例中车辆闯红灯的检测方法的示例性流程图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本发明进一步详细说明。
图1为本发明实施例中车辆闯红灯的检测***的示例性结构图。如图1所示，本实施例中车辆闯红灯的检测***集成于一嵌入式处理器中、作为控制中心的前端设备，该***接收视频摄像头拍摄到的红绿灯区域的目标图像，且该***包括：初始化模块、运动检测模块、车辆检测模块、车牌检测模块。
初始化模块，用于对视频摄像头拍摄到的红绿灯区域的目标图像，进行现有的光照补偿、灰度拉伸、滤波去噪等图像预处理，以提高目标图像的质量。其中，红绿灯区域可以为红绿灯下方的停车线周边区域；初始化模块为一可选的功能模块，即视频摄像头可以直接将目标图像输出至运动检测模块。
运动检测模块，用于利用现有的光流法、或帧间差分法、或背景差分法等运动检测算法，从目标图像中检测运动区域。
车辆检测模块，用于接收控制红绿灯切换的红灯触发信号；在红绿灯的红灯触发信号有效时，检测目标图像中的运动区域是否表示车辆，即检测该运动区域的轮廓形状是否属于车辆的轮廓形状，如果是，则表示有车辆闯红灯、通知车牌检测模块并将包含运动区域的目标图像发送至车牌检测模块，否则表示没有车辆闯红灯并丢弃包含运动区域的目标图像。
其中，由于车辆检测模块的主要功能是识别运动区域中是否表示车辆，而不需要识别具体的车辆类别，因而没有必要使用高精度的车辆分类器，只需使用现有技术中最简单的线性分类器即可实现。这种情况下，本实施例中的车辆检测模块可以包括：触发器和线性分类器。触发器用于在所述红绿灯产生的红灯触发信号有效时，产生使能信号；而线性分类器，则用于根据触发器产生的使能信号检测运动区域是否表示车辆。
车牌检测模块，用于根据车辆检测模块在运动区域表示车辆时、即在运动区域的轮廓形状属于车辆的轮廓形状时发送的通知，提取该运动区域中包含字符的车牌区域，该车牌区域即可供控制中心确认闯红灯车辆的身份。
其中，车牌检测模块提取的包含字符的车牌区域为二值化图像，且在本实施例中，参见图2，车牌检测模块可以包括：
边缘提取子模块，用于在运动区域表示车辆时，利用现有各种二值化算法对该运动区域进行边缘提取，得到二值化边缘图；
候选区域子模块，用于对二值化边缘图执行数学形态学操作，得到车牌候选区域；具体来说，候选区域子模块可以先对二值化边缘图进行数学膨胀操作、以扩展字符边缘，然后在水平方向执行去噪拼合(Horizontal Smearing)处理、以使每个字符组成独立且连通的字符子区域，最后再计算包围所有字符子区域的最小矩形区域，该最小矩形区域即为候选车牌区域；
定位搜索子模块，用于以大于预设字符尺寸、即大于字符子区域的w×h矩形框，在候选车牌区域从上到下、从左到右、并以Δw和Δh为步长，依次提取车牌候选区域内各位置的子区域；
车牌分类器，用于识别各位置的子区域中包含的字符，得到各位置的子区域中包含字符的置信度；具体来说，由于车牌中字符和背景的色彩不同，因此，本实施例中的车牌分类器可以是以预设多幅车牌样本图像中能够区分背景与字符的色彩为特征、并利用向量机预先训练得到的；
区域确定子模块，用于将所述置信度最高的子区域确定为中包含字符的二值化车牌区域，该二值化车牌区域即可供控制中心确认闯红灯车辆的身份。
当然，除了本实施例所提供的上述实现方式之外，车牌检测模块也可以利用现有技术来实现，在此不再一一赘述。
网络通信模块，用于将包含字符的车牌区域通过互联网协议(IP)网络传输至控制中心。当然，如果对实时性要求不高，也可以通过其他途经将车牌检测模块得到的车牌区域传输、或拷贝至控制中心。
这样，控制中心在接收到如图1所示的检测***的二值化车牌区域后，即可对该二值化车牌区域进行现有的光学字符识别(OCR)处理，识别出二值化车牌区域中包含的字符，从而确认闯红灯车辆的身份。
可见，本实施例中车辆闯红灯的检测***，能够通过运动检测、车辆检测和车牌检测相结合的方式得到闯红灯车辆的车牌区域，以供控制中心识别该车辆的身份，因而无需将红灯闪亮时的所有图像传输给控制中心，从而不需要存储大量图像、且降低了所需占用的网络带宽、并能够降低线路铺设成本。
而且，采用运动检测、车辆检测和车牌检测相结合的方式，相比于现有技术中只使用运动检测的方案，检测的更加准确、且鲁棒性更好。
此外，基于本实施例中的上述***，可以仅仅将车牌区域提供给控制中心，使得控制中心只需对车牌区域进行OCR处理，而无需对多幅整帧图像进行处理。虽然OCR处理本身比较复杂，但由于该车牌区域已经过大量的预处理，因而需要由控制中心执行的操作大大减少，从而能够保证实时性且无需高配置的服务器，进一步降低了成本。
实际应用中，如果需要对车辆闯红灯检测的正确性进一步认证，则如图1所示的***可以进一步包括：时间记录模块(图中未示出)，用于在运动区域表示车辆时，记录所述红绿灯所处区域的当前时间。
这样，网络通信模块则进一步用于将时间记录模块所记录的当前时间通过IP网络传输至外部的控制中心，使得控制中心还可以根据该时间调取对应时间段的视频录像，以进一步验证。
其中，较佳地，视频录像可以由设置于红绿灯处的另一录像装置得到，也就是说，将图像分析与视频录像相分离，从而提高闯红灯车辆检测的整体效率。当然，如果对于效率无要求，也可以在如图1所示的***中增设一视频录像模块(图中未示出)，用于按照现有方式将视频摄像头连续拍摄到的红绿灯下方的目标图像组合为视频录像并存储。
以上是对本实施例中车辆闯红灯的检测***的详细说明，下面，再对本实施例中车辆闯红灯的检测方法进行说明。
图3为本发明实施例中车辆闯红灯的检测方法的示例性流程图。该方法需要接收视频摄像头拍摄到的红绿灯区域的目标图像，且如图3所示，该方法包括：
步骤301，对视频摄像头拍摄到的红绿灯区域的目标图像，进行现有的光照补偿、灰度拉伸、滤波去噪等图像预处理，以提高目标图像的质量。
实际应用中，本步骤为一可选的步骤，即可以直接从步骤302开始执行。
步骤302，利用现有的光流法、或帧间差分法、或背景差分法等运动检测算法，从目标图像中检测运动区域。
步骤303，在红绿灯的红灯触发信号有效时，检测运动区域是否表示车辆，即检测该运动区域的轮廓形状是否属于车辆的轮廓形状，如果是，则表示有车辆闯红灯并执行步骤304，否则，表示没有车辆闯红灯并结束本流程。
实际应用中，由于本步骤不需要识别具体的车辆类别，因而没有必要使用高精度的车辆分类器，因而可以利用预设的线性分类器检测运动区域是否表示车辆。
步骤304，在运动区域表示车辆时、即运动区域的轮廓形状属于车辆的轮廓形状时，提取该运动区域中包含字符的车牌区域。
实际应用中，本步骤可以采用如下的具体处理过程得到二值化车牌区域：
a、利用现有各种二值化算法对该运动区域进行边缘提取，得到二值化边缘图；
b、对二值化边缘图执行数学形态学操作，得到车牌候选区域；具体来说，可以先对二值化边缘图进行数学膨胀操作、以扩展字符边缘，然后在水平方向执行去噪拼合(Horizontal Smearing)处理、以使每个字符组成独立且连通的字符子区域，最后再计算包围所有字符子区域的最小矩形区域，该最小矩形区域即为候选车牌区域；
c、以大于预设字符尺寸、即大于字符子区域的w×h矩形框，在候选车牌区域从上到下、从左到右、并以Δw和Δh为步长，依次提取车牌候选区域内各位置的子区域；
d、利用预设的车牌分类器识别各位置的子区域中包含的字符，得到各位置的子区域中包含字符的置信度；具体来说，由于车牌中字符和背景的色彩不同，因此，本实施例中可以先以预设多幅车牌样本图像中能够区分背景与字符的色彩为特征、并利用向量机对车牌分类器进行训练；
e、将所述置信度最高的子区域确定为中包含字符的二值化车牌区域，该二值化车牌区域即可供控制中心确认闯红灯车辆的身份。
至此，本流程结束。
在上述流程之后，可以将步骤304得到的车牌区域通过任意一种现有方式或直接拷贝至控制中心，使得控制中心能够对该车牌区域进行OCR处理，识别出二值化车牌区域中包含的字符，从而确认闯红灯车辆的身份。
可见，本实施例中的上述方法，能够通过运动检测、车辆检测和车牌检测相结合的方式得到闯红灯车辆的车牌区域，以供控制中心识别该车辆的身份，因而无需将红灯闪亮时的所有图像传输给控制中心，从而不需要存储大量图像、且降低了所需占用的网络带宽、并能够降低线路铺设成本。
而且，采用运动检测、车辆检测和车牌检测相结合的方式，相比于现有技术中只使用运动检测的方案，检测的更加准确、且鲁棒性更好。
此外，基于本实施例中的上述***，可以仅仅将车牌区域提供给控制中心，使得控制中心只需对车牌区域进行OCR处理，而无需对多幅整帧图像进行处理。虽然OCR处理本身比较复杂，但由于该车牌区域已经过大量的预处理，因而需要由控制中心执行的操作大大减少，从而能够保证实时性且无需高配置的服务器，进一步降低了成本。
实际应用中，如果需要对车辆闯红灯检测的正确性进一步认证，则在执行步骤303的同时，还可以进一步记录所述红绿灯所处区域的当前时间。
这样，在执行上述流程之后，可以进一步将时间记录模块所记录的当前时间通过IP网络传输至外部的控制中心，使得控制中心还可以根据该时间调取对应时间段的视频录像，以进一步验证。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换以及改进等，均应包含在本发明的保护范围之内。
Claims (13)
1、一种车辆闯红灯的检测***，其特征在于，该***接收视频摄像头拍摄到的红绿灯区域的目标图像，且该***包括：
运动检测模块，用于从目标图像中检测运动区域；
车辆检测模块，用于在所述红绿灯的红灯触发信号有效时，检测运动区域是否表示车辆；
车牌检测模块，用于在运动区域表示车辆时，提取该运动区域中包含字符的车牌区域；
网络通信模块，用于将包含字符的车牌区域通过互联网协议IP网络传输至外部的控制中心。
2、如权利要求1所述的***，其特征在于，该***进一步包括：初始化模块；
所述视频摄像头拍摄到的红绿灯下方的目标图像，经所述初始化模块进行图像预处理后输出至所述运动检测模块。
3、如权利要求1所述的***，其特征在于，所述车辆检测模块包括：
触发器，用于在所述红绿灯产生的红灯触发信号有效时，产生使能信号；
线性分类器，用于根据所述使能信号检测运动区域是否表示车辆。
4、如权利要求1所述的***，其特征在于，所述车牌检测模块包括：
边缘提取子模块，用于在运动区域表示车辆时，对该运动区域进行边缘提取，得到二值化边缘图；
候选区域子模块，用于对二值化边缘图执行数学形态学操作，得到车牌候选区域；
定位搜索子模块，用于以大于预设字符尺寸的矩形框，依次提取车牌候选区域内各位置的子区域；
车牌分类器，用于识别各位置的子区域中包含的字符，得到各位置的子区域中包含字符的置信度；
区域确定子模块，用于将所述置信度最高的子区域确定为包含字符的车牌区域。
5、如权利要求4所述的***，其特征在于，所述车牌分类器是以车牌样本图像中能够区分背景与字符的色彩为特征、并利用向量机预先训练得到的。
6、如权利要求1所述的***，其特征在于，该***进一步包括：时间记录模块，用于在运动区域表示车辆时，记录所述红绿灯所处区域的当前时间；
所述网络通信模块进一步用于将所述当前时间通过IP网络传输至外部的控制中心。
7、如权利要求1至6中任意一项所述的***，其特征在于，该***集成于嵌入式处理器中。
8、一种车辆闯红灯的检测方法，其特征在于，接收视频摄像头拍摄到的红绿灯区域的目标图像，且该方法包括：
从目标图像中检测运动区域；
在所述红绿灯的红灯触发信号有效时，检测运动区域是否表示车辆；
在运动区域表示车辆时，提取该运动区域中包含字符的车牌区域。
9、如权利要求8所述的方法，其特征在于，所述从目标图像中检测运动区域之前，该方法进一步包括：对目标图像进行图像预处理。
10、如权利要求8所述的方法，其特征在于，所述检测运动区域是否表示车辆包括：利用预设的线性分类器检测运动区域是否表示车辆。
11、如权利要求8所述的方法，其特征在于，所述检测运动区域中包含字符的车牌区域包括：
对该运动区域进行边缘提取，得到二值化边缘图；
对二值化边缘图执行数学形态学操作，得到车牌候选区域；
以大于预设字符尺寸的矩形框，依次提取车牌候选区域内各位置的子区域；
利用预设的车牌分类器识别各位置的子区域中包含的字符，得到各位置的子区域中包含字符的置信度；
将所述置信度最高的子区域确定为中包含字符的车牌区域。
12、如权利要求11所述的方法，其特征在于，所述利用预设的车牌分类器识别各位置的子区域中包含的字符之前，该方法进一步包括：以车牌样本图像中能够区分背景与字符的色彩为特征、并利用向量机训练车牌分类器。
13、如权利要求8所述的方法，其特征在于，在运动区域表示车辆时，该方法进一步包括：记录所述红绿灯所处区域的当前时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008101181901A CN101339697B (zh) | 2008-08-14 | 2008-08-14 | 车辆闯红灯的检测***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008101181901A CN101339697B (zh) | 2008-08-14 | 2008-08-14 | 车辆闯红灯的检测***及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101339697A true CN101339697A (zh) | 2009-01-07 |
| CN101339697B CN101339697B (zh) | 2011-06-08 |
Family
ID=40213756
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2008101181901A Active CN101339697B (zh) | 2008-08-14 | 2008-08-14 | 车辆闯红灯的检测***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101339697B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101901548A (zh) * | 2010-07-30 | 2010-12-01 | 深圳市中盟科技股份有限公司 | 道路监控方法、装置和*** |
| CN102110367A (zh) * | 2009-12-25 | 2011-06-29 | 刘天宇 | 违法停车行为实时检测***及其控制方法 |
| CN102142194A (zh) * | 2010-12-30 | 2011-08-03 | 杭州海康威视数字技术股份有限公司 | 视频检测方法及其*** |
| CN102737505A (zh) * | 2011-04-15 | 2012-10-17 | 鸿富锦精密工业（深圳）有限公司 | 利用影像侦测违规车辆的***及方法 |
| CN103617735A (zh) * | 2013-12-20 | 2014-03-05 | 深圳市捷顺科技实业股份有限公司 | 一种车辆识别方法及*** |
| CN104134353A (zh) * | 2014-08-24 | 2014-11-05 | 无锡北斗星通信息科技有限公司 | 车辆闯红灯检测*** |
| CN104268596A (zh) * | 2014-09-25 | 2015-01-07 | 深圳市捷顺科技实业股份有限公司 | 一种车牌识别器及其车牌检测方法与*** |
| CN104464301A (zh) * | 2014-12-11 | 2015-03-25 | 重庆市华驰交通科技有限公司 | 实时在线移动超限执法*** |
| CN107180230A (zh) * | 2017-05-08 | 2017-09-19 | 上海理工大学 | 通用车牌识别方法 |
| CN110334709A (zh) * | 2019-07-09 | 2019-10-15 | 西北工业大学 | 基于端到端多任务深度学习的车牌检测方法 |
| CN110399783A (zh) * | 2019-04-30 | 2019-11-01 | 孙磊 | 基于图像分析的交通动作触发平台、方法及存储介质 |
| CN110992715A (zh) * | 2019-12-23 | 2020-04-10 | 南京理工大学 | 基于电磁波的交通信号灯违章判断方法与*** |
| CN111199648A (zh) * | 2018-11-20 | 2020-05-26 | 远创智慧股份有限公司 | 车牌识别方法及*** |
| CN111563504A (zh) * | 2020-07-16 | 2020-08-21 | 平安国际智慧城市科技股份有限公司 | 车牌识别方法及相关设备 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101154271A (zh) * | 2006-09-30 | 2008-04-02 | 电子科技大学中山学院 | 基于快速区域标号算法和车牌大间隔定位方法的车牌字符分割方法 |
| CN100507970C (zh) * | 2007-09-14 | 2009-07-01 | 清华大学 | 基于数字摄像机的闯红灯检测***及方法 |
-
2008
- 2008-08-14 CN CN2008101181901A patent/CN101339697B/zh active Active
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102110367A (zh) * | 2009-12-25 | 2011-06-29 | 刘天宇 | 违法停车行为实时检测***及其控制方法 |
| CN101901548A (zh) * | 2010-07-30 | 2010-12-01 | 深圳市中盟科技股份有限公司 | 道路监控方法、装置和*** |
| CN102142194A (zh) * | 2010-12-30 | 2011-08-03 | 杭州海康威视数字技术股份有限公司 | 视频检测方法及其*** |
| CN102142194B (zh) * | 2010-12-30 | 2013-12-11 | 杭州海康威视数字技术股份有限公司 | 视频检测方法及其*** |
| CN102737505A (zh) * | 2011-04-15 | 2012-10-17 | 鸿富锦精密工业（深圳）有限公司 | 利用影像侦测违规车辆的***及方法 |
| CN103617735A (zh) * | 2013-12-20 | 2014-03-05 | 深圳市捷顺科技实业股份有限公司 | 一种车辆识别方法及*** |
| CN103617735B (zh) * | 2013-12-20 | 2016-07-06 | 深圳市捷顺科技实业股份有限公司 | 一种车辆识别方法及*** |
| CN104134353A (zh) * | 2014-08-24 | 2014-11-05 | 无锡北斗星通信息科技有限公司 | 车辆闯红灯检测*** |
| CN104268596B (zh) * | 2014-09-25 | 2017-11-10 | 深圳市捷顺科技实业股份有限公司 | 一种车牌识别器及其车牌检测方法与*** |
| CN104268596A (zh) * | 2014-09-25 | 2015-01-07 | 深圳市捷顺科技实业股份有限公司 | 一种车牌识别器及其车牌检测方法与*** |
| CN104464301A (zh) * | 2014-12-11 | 2015-03-25 | 重庆市华驰交通科技有限公司 | 实时在线移动超限执法*** |
| CN107180230A (zh) * | 2017-05-08 | 2017-09-19 | 上海理工大学 | 通用车牌识别方法 |
| CN107180230B (zh) * | 2017-05-08 | 2020-06-23 | 上海理工大学 | 通用车牌识别方法 |
| CN111199648A (zh) * | 2018-11-20 | 2020-05-26 | 远创智慧股份有限公司 | 车牌识别方法及*** |
| CN110399783A (zh) * | 2019-04-30 | 2019-11-01 | 孙磊 | 基于图像分析的交通动作触发平台、方法及存储介质 |
| CN110399783B (zh) * | 2019-04-30 | 2020-08-28 | 厦门瞳景智能科技有限公司 | 基于图像分析的交通动作触发平台、方法及存储介质 |
| CN110334709A (zh) * | 2019-07-09 | 2019-10-15 | 西北工业大学 | 基于端到端多任务深度学习的车牌检测方法 |
| CN110992715A (zh) * | 2019-12-23 | 2020-04-10 | 南京理工大学 | 基于电磁波的交通信号灯违章判断方法与*** |
| CN111563504A (zh) * | 2020-07-16 | 2020-08-21 | 平安国际智慧城市科技股份有限公司 | 车牌识别方法及相关设备 |
| CN111563504B (zh) * | 2020-07-16 | 2020-10-30 | 平安国际智慧城市科技股份有限公司 | 车牌识别方法及相关设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101339697B (zh) | 2011-06-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101339697B (zh) | 车辆闯红灯的检测***及方法 | |
| Wu et al. | Lane-mark extraction for automobiles under complex conditions | |
| CN101833859B (zh) | 基于虚拟线圈的自触发车牌识别方法 | |
| CN103366154B (zh) | 可重配置的畅通路径检测*** | |
| KR100703956B1 (ko) | 차량의 번호판 인식 시스템 및 이를 처리하는 방법 | |
| Alonso et al. | Robust vehicle detection through multidimensional classification for on board video based systems | |
| JP2006268097A (ja) | 車載物体検出装置、および物体検出方法 | |
| KR102297217B1 (ko) | 영상들 간에 객체와 객체 위치의 동일성을 식별하기 위한 방법 및 장치 | |
| KR20130105952A (ko) | 차량 번호판 인식 방법과 그 장치 | |
| CN110580808B (zh) | 一种信息处理方法、装置、电子设备及智能交通*** | |
| CN101369312B (zh) | 检测图像中交叉口的方法和设备 | |
| KR100948382B1 (ko) | 방범 서비스 방법 및 시스템 | |
| WO2014079058A1 (zh) | 一种视频图像处理方法及*** | |
| CN103093229A (zh) | 车标定位方法及装置 | |
| Kang et al. | Intelligent safety information gathering system using a smart blackbox | |
| Huu et al. | Proposing Lane and Obstacle Detection Algorithm Using YOLO to Control Self‐Driving Cars on Advanced Networks | |
| CN106340031A (zh) | 一种检测运动物体的方法和装置 | |
| JP6089698B2 (ja) | 情報処理装置及び方法 | |
| JP2010039705A (ja) | 移動体識別装置、コンピュータプログラム及び移動体識別装置の学習方法 | |
| Nguwi et al. | Number plate recognition in noisy image | |
| KR102220643B1 (ko) | 딥러닝을 기반으로 차량번호를 인식할 수 있는 cctv | |
| KR20130023689A (ko) | 일방통행 위반 단속시스템 | |
| Anagnostopoulos et al. | Intelligent traffic management through MPEG-7 vehicle flow surveillance | |
| CN109784176B (zh) | 车载热成像行人检测RoIs提取方法和装置 | |
| Kaur et al. | An automatic system for detecting the vehicle registration plate from video in foggy and rainy environments using restoration technique |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20160516 Address after: 519031 Guangdong city of Zhuhai province Hengqin Baohua Road No. 6, room 105 -478 Patentee after: GUANGDONG ZHONGXING ELECTRONICS CO., LTD. Address before: 100083, Haidian District, Xueyuan Road, Beijing No. 35, Nanjing Ning building, 15 Floor Patentee before: Beijing Vimicro Corporation |