CN101587646A - 基于视频识别技术的车流量检测方法及*** - Google Patents
基于视频识别技术的车流量检测方法及*** Download PDFInfo
- Publication number
- CN101587646A CN101587646A CNA2008100377924A CN200810037792A CN101587646A CN 101587646 A CN101587646 A CN 101587646A CN A2008100377924 A CNA2008100377924 A CN A2008100377924A CN 200810037792 A CN200810037792 A CN 200810037792A CN 101587646 A CN101587646 A CN 101587646A
- Authority
- CN
- China
- Prior art keywords
- image
- mentioned
- information
- vehicle
- moving
- 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.)
- Pending
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明揭露了一种基于视频识别技术的车流量检测方法及***,其采用区间分布的背景估计技术来获取参考背景图像,而后通过分析获取的当前帧图像来与参考背景图像做差分运算的结果来得到该帧中的运动目标信息,并考虑到运动目标信息中可能包括的运动车辆阴影的影响,来进一步去区分运动阴影与运动车辆信息,得到较为准确的车流量信息。该方法包括:实时采集一道路图像信息并对其进行预处理;获取该道路的一参考背景图像;通过该道路图像信息的一当前帧图像与上述参考背景图像之间的差分运算,检测出当前帧图像中的运动目标信息,其中该运动目标包括运动车辆或者该车辆的运动阴影;区分上述运动目标信息中的运动车辆与运动阴影,得到车流量信息。
Description
技术领域
本发明涉及一种车流量检测方法与***,特别是涉及一种基于视频识别技术的车流量检测方法与***。
背景技术
随着城市经济的快速发展,道路交通的需求迅速增长,交通拥挤、堵塞现象日益严重。直接影响着城市交通运输的效益与安全,加重了城市的环境污染,成为了城市经济建设的制约因素。为此,如何对现有的道路交通网络实施现代化的控制与诱导已显得尤为重要。
而交通控制与诱导必须以实时、准确的交通流量统计信息为基础,过去采用人工统计的方式已远远不能满足需求。于是,各种交通参数检测方式应运而生,主要有超声波检测、红外检测、环形感应圈检测等。而各种方式均有其需要克服的弊端,例如:超声波检测精度不高,容易受车辆遮挡和行人的影响,检测的距离短;红外检测受车辆本身热源的影响,抗噪声的能力低,检测精度低;环形感应圈检测精度高,但需要设于路面土木结构中,对路面有损坏,施工和安装不便。
近年来,随着计算机图像处理、人工智能、模式识别等技术的发展,视频检测技术的优势与发展潜力凸显于各种检测技术之中,为此如何提供一种有效的基于视频识别技术的交通检测方法与***,已变得尤为重要。
发明内容
本发明的目的在于一种基于视频识别技术的车流量检测方法,以有效的利用视频识别技术来提高车流量检测的准确性。
本发明的另一目的在于提供一种基于视频识别技术的车流量检测***,以有效的利用视频识别技术来提高车流量检测的准确性。
为此,本发明提供一种基于视频识别技术的车流量检测方法,其包括:实时采集一道路图像信息并对其进行预处理;获取该道路的一参考背景图像;通过该道路图像信息的一当前帧图像与上述参考背景图像之间的差分运算,检测出当前帧图像中的运动目标信息,其中该运动目标包括运动车辆或者该车辆的运动阴影;区分上述运动目标信息中的运动车辆与运动阴影,得到车流量信息。
进一步的,上述实时采集一道路图像信息并对其进行预处理的过程包括:实时获取该道路的模拟图像信息;将上述模拟图像信息进行数字化处理,得到多帧数字图像信息;对上述数字图像信息进行灰度化、噪声滤除以及灰度增强处理。
进一步的,上述道路的参考背景图像是采用区间分布的自适应背景估计技术获得。
进一步的,上述通过该道路图像信息的一当前帧图像与上述参考背景图像之间的差分运算,检测出当前帧图像中的运动目标的过程包括:从上述经预处理的道路图像信息中获取一当前帧图像;对该当前帧图像与上述参考背景图像做差分运算,得到一差分图像;对该差分图像进行二值化、形态学处理以及区域填充处理;分析得到上述运动目标信息。
进一步的,上述区分当前帧图像运动目标中的运动车辆与运动阴影是根据其对应像素灰度上的差别进行区分。
本发明另提供一种基于视频识别技术的车流量检测***,其包括:一图像采集模块,实时采集一道路模拟图像信息;一图像预处理模块,预处理上述模拟图像信息,将其转换为多帧数字图像信息;一背景估计模块,对上述道路背景进行实时估计,得到该道路的一参考背景图像;一车流量检测模块,连接于上述图像预处理模块与背景估计模块并利用上述数字图像信息与参考背景图像,得到车流量信息,其包括:运动目标检测模块,对上述多帧数字图像信息的一当前帧图像与上述参考背景图像做差分运算,得到一差分图像,分析该差分图像,得到当前帧图像中的运动目标信息,其中该运动目标包括运动车辆或者该车辆的运动阴影;运动车辆与阴影区分模块,区分上述运动目标信息中的运动车辆与运动阴影,以得到车流量信息。
进一步的,上述图像采集模块为一摄像装置。
进一步的,上述图像预处理模块包括:一数字化器,数字化上述模拟图像信息,得到上述多帧数字图像信息;一后处理器,对上述数字图像信息进行灰度化、噪声滤除以及灰度增强处理。
进一步的,上述背景估计模块采用区间分布的背景估计算法进行自适应背景估计,得到上述参考背景图像。
进一步的,上述运动目标检测模块还包括:一差分图像处理模块,对上述差分图像进行二值化、形态学处理以及区域填充处理。
综上所述,本发明提供的基于视频识别技术的车流量检测方法与***采用区间分布的背景估计技术来获取参考背景图像,而后通过分析获取的当前帧图像来与参考背景图像做差分运算的结果来得到该帧中的运动目标信息,并考虑到运动目标信息中可能包括的运动车辆阴影的影响,来进一步去区分运动阴影与运动车辆信息,得到较为准确的车流量信息。
附图说明
图1为本发明一实施例所提供的基于视频识别技术的车流量检测方法的流程图;
图2为图1中步骤S1的具体实现流程图;
图3为为本发明一实施例所提供的基于视频识别技术的车流量检测***的***框图。
具体实施方式
为使本发明的目的、特征更明显易懂,下面结合附图对本发明的具体实施方式作进一步的说明。
请参考图1,其为本发明一实施例所提供的基于视频识别技术的车流量检测方法的流程图。如图所示,该方法包括如下步骤:
S1:实时采集某道路图像信息并对其进行预处理;
S2:获取该道路的参考背景图像;
S3:通过该道路图像信息的某当前帧图像与参考背景图像之间的差分运算,检测出当前帧图像中的运动目标信息;
其中该运动目标包括运动车辆或者该车辆的运动阴影;
S4:区分运动目标信息中的运动车辆与运动阴影,得到车流量信息。
其中道路图像实时信息的采集是通过视频采集设备来实现的,但由于天气与***非线性等因素的影响,采集到的图像是降质的图像,因此需对其进行预处理。同时,数字图像的分析处理速率相对于模拟图像具有极大的速度优势,故需对采集到的道路图像进行数字化处理。故步骤S1具体包括如图2所示的以下步骤:
S11:实时获取该道路的模拟图像信息;
S12:将上述模拟图像信息进行数字化处理,得到多帧数字图像信息;
S13:对上述数字图像信息进行灰度化、噪声滤除以及灰度增强处理。
另外,步骤S2中参考背景图像的获取是步骤S3中进行差分运算的基础,而区间分布的自适应背景估计技术具有快速、有效,能够自适应环境光线的变化,快速跟踪背景的变化,满足实时性要求等优点,故针对城市道路交通的复杂状况,选用此技术进行背景估计,获取参考背景图像。此外,对于步骤S3中进行差分运算之后,可得到一差分图像,而后对该差分图像进行二值化、形态学处理以及区域填充处理,分析处理后的差分图像,便可得到上述运动目标信息。
另外,在实际应用中,由于光照的影响,运动目标中往往含有车辆的阴影,而车辆的阴影与车辆具有相似的运动特征,导致其被误判为车辆;另外,车辆的阴影可能会把多辆车连在一起,造成车辆的漏检。而运动阴影与运动目标与其参考背景区域在像素灰度上存在显著的差别,故在步骤S4中利用对应像素灰度上的差别对运动车辆与运动阴影进行区分。
相应地,本发明一实施例还提供一种基于视频识别技术的车流量检测***,其***框图如图3所示。该***包括图像采集模块100、图像预处理模块200、背景估计模块300以及车流量检测模块400。其中图像采集模块100实时采集某道路的模拟图像信息,并传输给图像预处理模块200;该图像预处理模块200接收到模拟图像后将其转换为多帧数字图像并输出给车流量检测模块400;而背景估计模块300实时估计该道路的背景,得到参考背景图像并输出给车流量检测模块400;车流量检测模块400接收图像预处理模块200与背景估计模块300的输出信息,分析得到车流量信息。另外,车流量检测模块400包括运动目标检测模块410,其对多帧数字图像信息的当前帧图像与参考背景图像做差分运算,得到一差分图像,分析该差分图像,得到当前帧图像中的运动目标信息。在实际应用中,由于光照的影响,运动目标中往往含有车辆的阴影,而车辆的阴影与车辆具有相似的运动特征,导致其被误判为车辆;另外,车辆的阴影可能会把多辆车连在一起,造成车辆的漏检。故车流量检测模块400还包括运动车辆与阴影区分模块430,以去除阴影的影响,其区分运动目标信息中的运动车辆与运动阴影,以得到车流量信息。
另外,图像采集模块100可为各种摄像装置。而图像预处理模块200还包括数字化器210和后处理器220。其中数字化器210数字化模拟图像信息,以得到数字图像信息;后处理器220对数字图像信息进行灰度化、噪声滤除以及灰度增强处理,以便于后期处理。
而背景估计模块300采用区间分布的背景估计算法进行自适应背景估计,得到参考背景图像。运动目标检测模块410还包括差分图像处理模块420对差分图像进行二值化、形态学处理以及区域填充处理,以便于后续处理。
本发明实施例采用区间分布的背景估计技术来获取参考背景图像,而后通过分析获取的当前帧图像来与参考背景图像做差分运算的结果来得到该帧中的运动目标信息,并考虑到运动目标信息中可能包括的运动车辆阴影的影响,来进一步去区分运动阴影与运动车辆信息,得到较为准确的车流量信息。
Claims (10)
1.一种基于视频识别技术的车流量检测方法,其特征是,包括:
实时采集一道路图像信息并对其进行预处理;
获取该道路的一参考背景图像;
通过该道路图像信息的一当前帧图像与上述参考背景图像之间的差分运算,检测出当前帧图像中的运动目标信息,其中该运动目标包括运动车辆或者该车辆的运动阴影;
区分上述运动目标信息中的运动车辆与运动阴影,得到车流量信息。
2.根据权利要求1所述的基于视频识别技术的车流量检测方法,其特征是,其中上述实时采集一道路图像信息并对其进行预处理的过程包括:
实时获取该道路的模拟图像信息;
将上述模拟图像信息进行数字化处理,得到多帧数字图像信息;
对上述数字图像信息进行灰度化、噪声滤除以及灰度增强处理。
3.根据权利要求1所述的基于视频识别技术的车流量检测方法,其特征是,其中上述道路的参考背景图像是采用区间分布的自适应背景估计技术获得。
4.根据权利要求1所述的基于视频识别技术的车流量检测方法,其特征是,其中上述通过该道路图像信息的一当前帧图像与上述参考背景图像之间的差分运算,检测出当前帧图像中的运动目标的过程包括:
从上述经预处理的道路图像信息中获取一当前帧图像;
对该当前帧图像与上述参考背景图像做差分运算,得到一差分图像;
对该差分图像进行二值化、形态学处理以及区域填充处理;
分析得到上述运动目标信息。
5.根据权利要求1所述的基于视频识别技术的车流量检测方法,其特征是,其中上述区分当前帧图像运动目标中的运动车辆与运动阴影是根据其对应像素灰度上的差别进行区分。
6.一种基于视频识别技术的车流量检测***,其特征是,包括:
一图像采集模块,实时采集一道路模拟图像信息;
一图像预处理模块,预处理上述模拟图像信息,将其转换为多帧数字图像信息;
一背景估计模块,对上述道路背景进行实时估计,得到该道路的一参考背景图像;
一车流量检测模块,连接于上述图像预处理模块与背景估计模块并利用上述数字图像信息与参考背景图像,得到车流量信息,其包括:
运动目标检测模块,对上述多帧数字图像信息的一当前帧图像与上述参考背景图像做差分运算,得到一差分图像,分析该差分图像,得到当前帧图像中的运动目标信息,其中该运动目标包括运动车辆或者该车辆的运动阴影;
运动车辆与阴影区分模块,区分上述运动目标信息中的运动车辆与运动阴影,以得到车流量信息。
7.根据权利要求6所述的基于视频识别技术的车流量检测***,其特征是,其中上述图像采集模块为一摄像装置。
8.根据权利要求6所述的基于视频识别技术的车流量检测***,其特征是,上述图像预处理模块包括:
一数字化器,数字化上述模拟图像信息,得到上述多帧数字图像信息;
一后处理器,对上述数字图像信息进行灰度化、噪声滤除以及灰度增强处理。
9.根据权利要求6所述的基于视频识别技术的车流量检测***,其特征是,上述背景估计模块采用区间分布的背景估计算法进行自适应背景估计,得到上述参考背景图像。
10.根据权利要求6所述的基于视频识别技术的车流量检测***,其特征是,上述运动目标检测模块还包括:
一差分图像处理模块,对上述差分图像进行二值化、形态学处理以及区域填充处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008100377924A CN101587646A (zh) | 2008-05-21 | 2008-05-21 | 基于视频识别技术的车流量检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008100377924A CN101587646A (zh) | 2008-05-21 | 2008-05-21 | 基于视频识别技术的车流量检测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101587646A true CN101587646A (zh) | 2009-11-25 |
Family
ID=41371879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008100377924A Pending CN101587646A (zh) | 2008-05-21 | 2008-05-21 | 基于视频识别技术的车流量检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101587646A (zh) |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101872546A (zh) * | 2010-05-06 | 2010-10-27 | 复旦大学 | 一种基于视频的过境车辆快速检测方法 |
CN101729872B (zh) * | 2009-12-11 | 2011-03-23 | 南京城际在线信息技术有限公司 | 一种基于视频监控图像自动判别道路交通状态的方法 |
CN102147971A (zh) * | 2011-01-14 | 2011-08-10 | 赵秀江 | 基于视频图像处理技术的交通信息采集*** |
CN102289940A (zh) * | 2011-07-26 | 2011-12-21 | 西南交通大学 | 一种基于混合差分的车流量检测方法 |
CN102324183A (zh) * | 2011-09-19 | 2012-01-18 | 华中科技大学 | 基于复合虚拟线圈的车辆检测与抓拍方法 |
CN102361464A (zh) * | 2011-09-30 | 2012-02-22 | 重庆盖尔乐普科技发展有限公司 | 基于超宽带混沌脉冲的交通流计量装置及计量方法 |
CN102722982A (zh) * | 2012-03-30 | 2012-10-10 | 上海市金山区青少年活动中心 | 基于背景与帧间差分算法的车流及其运动状态检测方法 |
CN102761737A (zh) * | 2011-04-28 | 2012-10-31 | 财团法人工业技术研究院 | 用于处理压缩视频图像中阴影的***及方法 |
CN103077614A (zh) * | 2012-12-24 | 2013-05-01 | 南京航空航天大学 | 一种基于计算机视觉的人行横道处车辆的检测***及方法 |
CN103116987A (zh) * | 2013-01-22 | 2013-05-22 | 华中科技大学 | 一种基于监控视频处理的车流统计和违规检测的方法 |
CN103150908A (zh) * | 2013-02-05 | 2013-06-12 | 长安大学 | 一种基于视频的平均车速检测方法 |
CN103236162A (zh) * | 2013-04-11 | 2013-08-07 | 江苏大学 | 一种基于视频分析的信号交叉口通行能力分析方法 |
CN103366572A (zh) * | 2013-07-05 | 2013-10-23 | 杭州鼎鹏交通科技有限公司 | 一种交叉口的视频交通参数检测方法 |
CN103714703A (zh) * | 2013-12-17 | 2014-04-09 | 重庆凯泽科技有限公司 | 一种基于视频图像处理的车流检测算法 |
CN104484997A (zh) * | 2014-12-24 | 2015-04-01 | 福州大学 | 一种基于视频图像技术的区域运动车流量检测方法 |
CN105528891A (zh) * | 2016-01-13 | 2016-04-27 | 深圳市中盟科技有限公司 | 基于无人机监控的交通流密度检测方法及*** |
CN106327520A (zh) * | 2016-08-19 | 2017-01-11 | 苏州大学 | 一种运动目标检测方法及*** |
CN106448185A (zh) * | 2016-12-16 | 2017-02-22 | 合肥寰景信息技术有限公司 | 一种基于动作识别的道路交通违规行为分析预警*** |
CN106778667A (zh) * | 2016-12-30 | 2017-05-31 | 安徽省万薇网络科技有限公司 | 一种站外车流统计分析方法 |
CN107085953A (zh) * | 2017-06-06 | 2017-08-22 | 郑州云海信息技术有限公司 | 一种基于云计算的智能交通管理***及方法 |
CN107644529A (zh) * | 2017-08-03 | 2018-01-30 | 浙江浩腾电子科技股份有限公司 | 一种基于运动检测的车辆排队长度检测方法 |
CN110136453A (zh) * | 2019-06-14 | 2019-08-16 | 内蒙古工业大学 | 基于lk局部差分光流法的车流量检测方法 |
CN110312164A (zh) * | 2019-07-24 | 2019-10-08 | Oppo(重庆)智能科技有限公司 | 视频处理方法、装置及计算机存储介质和终端设备 |
CN111477004A (zh) * | 2020-04-17 | 2020-07-31 | 山东传媒职业学院 | 一种车流量智能分析方法及*** |
CN111696353A (zh) * | 2020-06-15 | 2020-09-22 | 许昌学院 | 一种公路交通量测量仪 |
CN112052773A (zh) * | 2020-08-31 | 2020-12-08 | 郑州工程技术学院 | 基于图像传感的无人机交通疏导智能播音方法及装置 |
-
2008
- 2008-05-21 CN CNA2008100377924A patent/CN101587646A/zh active Pending
Cited By (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101729872B (zh) * | 2009-12-11 | 2011-03-23 | 南京城际在线信息技术有限公司 | 一种基于视频监控图像自动判别道路交通状态的方法 |
CN101872546B (zh) * | 2010-05-06 | 2013-03-13 | 复旦大学 | 一种基于视频的过境车辆快速检测方法 |
CN101872546A (zh) * | 2010-05-06 | 2010-10-27 | 复旦大学 | 一种基于视频的过境车辆快速检测方法 |
CN102147971A (zh) * | 2011-01-14 | 2011-08-10 | 赵秀江 | 基于视频图像处理技术的交通信息采集*** |
CN102761737A (zh) * | 2011-04-28 | 2012-10-31 | 财团法人工业技术研究院 | 用于处理压缩视频图像中阴影的***及方法 |
CN102289940B (zh) * | 2011-07-26 | 2013-07-03 | 西南交通大学 | 一种基于混合差分的车流量检测方法 |
CN102289940A (zh) * | 2011-07-26 | 2011-12-21 | 西南交通大学 | 一种基于混合差分的车流量检测方法 |
CN102324183A (zh) * | 2011-09-19 | 2012-01-18 | 华中科技大学 | 基于复合虚拟线圈的车辆检测与抓拍方法 |
CN102361464A (zh) * | 2011-09-30 | 2012-02-22 | 重庆盖尔乐普科技发展有限公司 | 基于超宽带混沌脉冲的交通流计量装置及计量方法 |
CN102722982A (zh) * | 2012-03-30 | 2012-10-10 | 上海市金山区青少年活动中心 | 基于背景与帧间差分算法的车流及其运动状态检测方法 |
CN103077614A (zh) * | 2012-12-24 | 2013-05-01 | 南京航空航天大学 | 一种基于计算机视觉的人行横道处车辆的检测***及方法 |
CN103077614B (zh) * | 2012-12-24 | 2015-05-20 | 南京航空航天大学 | 一种基于计算机视觉的人行横道处车辆的检测方法 |
CN103116987B (zh) * | 2013-01-22 | 2014-10-29 | 华中科技大学 | 一种基于监控视频处理的车流统计和违规检测的方法 |
CN103116987A (zh) * | 2013-01-22 | 2013-05-22 | 华中科技大学 | 一种基于监控视频处理的车流统计和违规检测的方法 |
CN103150908A (zh) * | 2013-02-05 | 2013-06-12 | 长安大学 | 一种基于视频的平均车速检测方法 |
CN103150908B (zh) * | 2013-02-05 | 2015-05-27 | 长安大学 | 一种基于视频的平均车速检测方法 |
CN103236162A (zh) * | 2013-04-11 | 2013-08-07 | 江苏大学 | 一种基于视频分析的信号交叉口通行能力分析方法 |
CN103366572A (zh) * | 2013-07-05 | 2013-10-23 | 杭州鼎鹏交通科技有限公司 | 一种交叉口的视频交通参数检测方法 |
CN103714703A (zh) * | 2013-12-17 | 2014-04-09 | 重庆凯泽科技有限公司 | 一种基于视频图像处理的车流检测算法 |
CN104484997A (zh) * | 2014-12-24 | 2015-04-01 | 福州大学 | 一种基于视频图像技术的区域运动车流量检测方法 |
CN105528891A (zh) * | 2016-01-13 | 2016-04-27 | 深圳市中盟科技有限公司 | 基于无人机监控的交通流密度检测方法及*** |
US10410361B2 (en) | 2016-08-19 | 2019-09-10 | Soochow University | Moving object detection method and system |
WO2018032660A1 (zh) * | 2016-08-19 | 2018-02-22 | 苏州大学 | 一种运动目标检测方法及*** |
CN106327520A (zh) * | 2016-08-19 | 2017-01-11 | 苏州大学 | 一种运动目标检测方法及*** |
CN106327520B (zh) * | 2016-08-19 | 2020-04-07 | 苏州大学 | 一种运动目标检测方法及*** |
CN106448185A (zh) * | 2016-12-16 | 2017-02-22 | 合肥寰景信息技术有限公司 | 一种基于动作识别的道路交通违规行为分析预警*** |
CN106778667A (zh) * | 2016-12-30 | 2017-05-31 | 安徽省万薇网络科技有限公司 | 一种站外车流统计分析方法 |
CN107085953A (zh) * | 2017-06-06 | 2017-08-22 | 郑州云海信息技术有限公司 | 一种基于云计算的智能交通管理***及方法 |
CN107644529A (zh) * | 2017-08-03 | 2018-01-30 | 浙江浩腾电子科技股份有限公司 | 一种基于运动检测的车辆排队长度检测方法 |
CN110136453A (zh) * | 2019-06-14 | 2019-08-16 | 内蒙古工业大学 | 基于lk局部差分光流法的车流量检测方法 |
CN110312164A (zh) * | 2019-07-24 | 2019-10-08 | Oppo(重庆)智能科技有限公司 | 视频处理方法、装置及计算机存储介质和终端设备 |
CN111477004A (zh) * | 2020-04-17 | 2020-07-31 | 山东传媒职业学院 | 一种车流量智能分析方法及*** |
CN111696353A (zh) * | 2020-06-15 | 2020-09-22 | 许昌学院 | 一种公路交通量测量仪 |
CN112052773A (zh) * | 2020-08-31 | 2020-12-08 | 郑州工程技术学院 | 基于图像传感的无人机交通疏导智能播音方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101587646A (zh) | 基于视频识别技术的车流量检测方法及*** | |
CN102819952B (zh) | 一种基于视频检测技术的车辆违法变道检测方法 | |
CN101514993B (zh) | 基于线阵ccd摄像机的车辆速度测量装置 | |
CN101042802A (zh) | 交通信息传感器、交通信息检测方法和*** | |
CN106934374B (zh) | 一种雾霾场景中交通标识牌的识别方法及*** | |
Zhang et al. | Bridge damage detection using a single-stage detector and field inspection images | |
CN104408932A (zh) | 一种基于视频监控的酒驾车辆检测*** | |
CN102136196A (zh) | 一种基于图像特征的车辆测速方法 | |
Ouyang et al. | Surface distresses detection of pavement based on digital image processing | |
CN105488857A (zh) | 一种车辆收费管理*** | |
CN103646544B (zh) | 基于云台和相机设备的车辆行为分析识别方法 | |
CN101814237A (zh) | 一种基于车牌识别技术的道路状态判别器及其判别方法 | |
CN103413439B (zh) | 一种基于视频的客车与货车分类方法 | |
CN101308606A (zh) | 一种交通信息采集装置及方法 | |
CN101441814B (zh) | 道路交通信息检测装置和检测方法 | |
CN103208190A (zh) | 基于对象检测的交通流量检测方法 | |
CN116434159A (zh) | 一种基于改进YOLO V7和Deep-Sort的交通流量统计方法 | |
Hsia et al. | An Intelligent IoT-based Vision System for Nighttime Vehicle Detection and Energy Saving. | |
CN115439643A (zh) | 一种基于单目测量的道路病害尺寸分析与管理方法 | |
Yuliandoko et al. | Automatic vehicle counting using Raspberry pi and background subtractions method in the sidoarjo toll road | |
CN113343849A (zh) | 一种基于雷达和视频的融合感知设备 | |
CN102881161B (zh) | 基于多帧差分与投射阴影去除的运动车辆检测方法 | |
CN1874500A (zh) | 红外视频监控报警装置及方法 | |
CN202404111U (zh) | 基于dsp的视频测速*** | |
CN105069407B (zh) | 一种基于视频的交通流量获取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20091125 |