CN101968924A - 基于高分辨率图像的车流量实时检测方法 - Google Patents
基于高分辨率图像的车流量实时检测方法 Download PDFInfo
- Publication number
- CN101968924A CN101968924A CN2010105107810A CN201010510781A CN101968924A CN 101968924 A CN101968924 A CN 101968924A CN 2010105107810 A CN2010105107810 A CN 2010105107810A CN 201010510781 A CN201010510781 A CN 201010510781A CN 101968924 A CN101968924 A CN 101968924A
- Authority
- CN
- China
- Prior art keywords
- interest
- car
- area
- background
- vehicle
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000011897 real-time detection Methods 0.000 claims abstract description 13
- 239000000284 extract Substances 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000005260 corrosion Methods 0.000 claims description 5
- 230000007797 corrosion Effects 0.000 claims description 5
- 230000006740 morphological transformation Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 4
- 238000003708 edge detection Methods 0.000 description 2
- 238000011410 subtraction method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
一种基于高分辨率图像的车流量实时检测方法,用于城市道路车流量检测。该检测方法是在实时采集的高分辨率图像的基础上进行如下步骤:步骤1,设定感兴趣区域;步骤2,通过背景差分,提取感兴趣区域背景,对其进行灰度化处理,然后进行二值化处理;步骤3,沿交通流方向对处理后的感兴趣区域进行横向扫描,将其亮度值横向求和,并依次存储;步骤4,对当前帧图像进行如上步骤1、步骤2、步骤3处理,提取当前帧亮度曲线;步骤5,当前帧提取的亮度曲线值和背景亮度曲线值对应做差值,并求和;步骤6,将第五步的结果与阈值比较,判断出有车或无车。本发明能够使城市道路交通流的识别更为合理和准确。
Description
技术领域
本发明涉及一种车流量实时检测方法,特别是涉及一种基于高分辨率图像的车流量实时检测方法,用于城市道路交通流参数的检测。
背景技术
随着国民经济的发展,人民生活水平的提高,汽车保有量的迅速增加,怎样安全有效的管理交通,已成为一个刻不容缓的问题。要解决这一问题需要建立完备的智能交通***,其中车流量检测是智能交通***的关键所在,为其提供详备的交通信息。
作为智能交通的数据来源,车流量检测***有着不可代替的地位。目前,基于视频的车流量检测已成为最有前途的一种方法。
常用的基于视频的车辆检测方法主要有:灰度法、背景差法、相邻帧差法、边缘检测法。灰度法采用背景和车辆的灰度统计值经过阈值的控制来检测车辆,但它对环境光线的变化十分敏感。帧差法是将相临两帧对应像素点相减,对保留的运动车辆信息进行检测,但对于车辆速度过慢或过大的车辆,不能有效检测。边缘检测法能够在不同的光线条件下检测到车辆的边缘,但在道路边缘明显或路面标志存在,或者车辆边缘不明显的情况下,该方法可能造成漏检、误检。背景差法计算当前输入帧与背景的差值,但需要有可靠的背景。
上述方法只适用于处理像素点少、分辨率低的图像,但对于高分辨率的图像,如2592*1936或更大的图像,则无法实现处理。很少见文献报道高分辨率图像车流量检测技术。
发明内容
为了解决本领域中存在的上述问题,发明人经过研究做出了本发明。根据本发明的一个方面,提供一种基于高分辨率图像的车流量实时检测方法,是对每一帧高分辨率图像进行如下步骤:
步骤1:根据感兴趣区域设定原则,设定感兴趣区域;
步骤2:通过背景差分,提取感兴趣区域背景,对其进行灰度化处理,然后进行二值化处理,并辅以适当的膨胀腐蚀,去除不必要的噪声点,获取较为清晰的车辆轮廓;
步骤3:沿交通流方向对处理后的感兴趣区域进行横向扫描,将其亮度值横向求和,并依次存储,如将其依次绘制出来便可形成背景亮度曲线,每一帧都对其背景亮度曲线进行实时更新;
步骤4:对当前帧图像进行如上步骤1、步骤2、步骤3处理,提取当前帧亮度曲线;
步骤5:当前帧提取的亮度曲线值和背景亮度曲线值对应做差值,并求和;
步骤6:步骤5的结果与阈值比较,大于阈值T2,判断为有车,小于阈值T3,判断为无车;从有车到无车,计数器加1。
其中步骤1中,根据感兴趣区域设定原则,设定感兴趣区域;由于输入图像分辨率极高,对其整个进行处理,将耗费大量时间。故而选取感兴趣区域,进对感兴趣区域中的图像进行处理,可大量减少处理时间。感兴趣区域的选取遵循以下一些原则:
1.在高速公路上,按车辆行驶的每个车道设置虚拟窗口。依靠车辆之间的间距适当调整,使车辆一一分开,不要存在同时识别多个车辆的情况。
2.设置位置的选取应充分考虑到摄像机安装高度和倾角的影响。
3.虚拟窗口设置在图像中部位置,窗口宽度以容纳一辆小型车辆为准。
具体设定过程如下:
将感兴趣区域设置在车道的中间,宽度以一个车道为准,高度控制在小型车辆的首尾长度之内。考虑到一般超车是要从另一个车道进行超车的,不存在两辆车并排挤在同一个感兴趣区域的现象,因此存在下列四种情况。
(1)感兴趣区域内从无车到无车,表示没车通过;
(2)感兴趣区域内从无车到有车,表示有车驶入检测区;
(3)感兴趣区域内从有车到有车,表示本辆车还没驶出检测区;
(4)感兴趣区域内从有车到无车,表示车辆驶出检测区。
步骤2中,通过背景差分,提取感兴趣区域背景,对其进行灰度化处理,然后进行二值化处理,并辅以适当的膨胀腐蚀,去除不必要的噪声点,获取较为清晰的车辆轮廓;具体如下:
(1)设定Dij为为感兴趣区域中背景的第(i,j)位置的象素值,对其进行灰度化处理,即取红,绿,蓝亮度的平均值。然后进行二值化处理,即
式中,T1为一个适合的阈值,Hij=255表明此象素点为白点,Hij=0表明此象素点为黑点。
(2)二值化后,在膨胀和腐蚀基本操作的基础上,完成一些高级的形态变换(闭运算和开运算),去除不必要的噪声点,获取较为清晰的车辆轮廓。
步骤3沿交通流方向对处理后的感兴趣区域进行横向扫描,将其亮度值横向求和,并依次存储,如将其依次绘制出来便可形成背景亮度曲线,每一帧都对其背景亮度曲线进行实时更新;具体步骤如下:
(1)沿交通流方向,假定Wd为感兴趣区域的宽度,Ht为感兴趣区域的高度,
For j=0,1,2......Ht
{
BackgroundImagedata[j]=0;
For i=0,1,2......Wd
{
BackgroundImagedata[j]+=Hij;
}
}
(2)
For j=0,1,2......Ht
{
a[j]=α×a[j]+β×BackgroundImagedata[j];
}
式中,α+β=1,这里α=0.9,β=0.1;a[j]的初始值为0;其初始化如下:
For j=0,1,2......Ht
{
a[j]=0;
}
(3)每一帧都执行以上1~3步骤,即可完成背景亮度曲线值的更新。此更新可根据实际情况选取,可以每一帧更新一次,也可以固定帧完成更新。
步骤4对当前帧图像进行如上步骤1、步骤2、步骤3处理,提取当前帧亮度曲线;具体如下:
设定Cij为感兴趣区域中当前输入帧的第(i,j)位置的象素点,对其进行如上(1)(2)(3)步骤的相同处理,得到当前帧沿交通流方向的横向扫描和值,并且依次存入currentImagedata[Ht]中。
步骤5当前帧提取的亮度曲线值和背景亮度曲线值对应做差值,并求和;具体如下:
执行for j=0,1,2......Ht
{
Flag+=currentImagedata[j]-BackgroundImagedata[j];
}
步骤6步骤5的结果与阈值比较,大于阈值T2,判断为有车,小于阈值T3,判断为无车;从有车到无车,计数器加1.具体如下:
判断flag值来确定车辆存在与否TE
式中,T2为一个合适的阈值,flag>T2表示感兴趣区域中有运动目标存在,flag<T3表示感兴趣区域中无运动目标存在,TE由1变0表示有一辆车通过,车流量加1。
本发明的有益效果是,能够准确进行周期性流量统计和分析,获取城市道路交通流的运行状态,可使驾驶员了解相关道路当前的交通信息,为驾驶员选择合适的路径提供有益的帮助,从而使城市交通减少拥阻,提高城市交通***的运转效率。
附图说明
图1是基于高分辨率图像的车流量实时检测流程图;
图2是车流量检测高清图像;
图3(a)是图像处理后的背景图;
图3(b)是图像处理后的当前帧图。
具体实施方式
为了使本领域普通技术人员对本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合附图,进一步阐述本发明。
以北京市大屯北路和北辰西路为例,在某一采样时刻所采集的交通流数据如下:平均速度分别取80km/h、100km/h、120km/h,按如下步骤计算交通状态:
步骤1:根据感兴趣区域设定原则,设定感兴趣区域;
所取像素高度一般为300个像素,实施取的高度是284个像素。宽度设为车道宽度,实施取的宽度是710个像素。设定了三个区域,依次覆盖每一个车道,如图2所示。
步骤2:通过背景差分,提取感兴趣区域背景,对其进行灰度化处理,然后进行二值化处理,并辅以适当的膨胀腐蚀,去除不必要的噪声点,获取较为清晰的车辆轮廓;处理后如图3(a)所示。
步骤3:沿交通流方向对处理后的感兴趣区域进行横向扫描,将其亮度值横向求和,并依次存储,如将其依次绘制出来便可形成背景亮度曲线,每一帧都对其背景亮度曲线进行实时更新;
步骤4:对当前帧图像进行如上步骤1、步骤2、步骤3处理,提取当前帧亮度曲线;当前帧图像处理后的结果如图3(b)所示。
步骤5:当前帧提取的亮度曲线值和背景亮度曲线值对应做差值,并求和值为M;
步骤6:和值M和阈值比较,M大于T2,判断为有车,M小于T3,判断为无车。对应于三个车道阈值分别为:车道一M1=211200;车道二M2=224000;车道三M3=161280。该算法的准确率达98%以上。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本领域普通技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.一种基于高分辨率图像的车流量实时检测方法,其特征在于:所述方法是对输入的每一帧高分辨率图像进行如下步骤:
步骤1:根据感兴趣区域设定原则,设定感兴趣区域;
步骤2:通过背景差分,提取感兴趣区域背景,对其进行灰度化处理,然后进行二值化处理,并辅以适当的膨胀腐蚀,去除不必要的噪声点,获取较为清晰的车辆轮廓;
步骤3:沿交通流方向对处理后的感兴趣区域进行横向扫描,将其亮度值横向求和,并依次存储,如将其依次绘制出来便可形成背景亮度曲线,每一帧都对其背景亮度曲线进行实时更新;
步骤4:对当前帧图像进行如上步骤1、步骤2、步骤3处理,提取当前帧亮度曲线;
步骤5:当前帧提取的亮度曲线值和背景亮度曲线值对应做差值,并求和;
步骤6:将步骤5的结果与阈值比较,大于阈值T2,判断为有车,小于阈值T3,判断为无车;从有车到无车,则计数器加1;
前述感兴趣区域设定原则为:
(1)在高速公路上,按车辆行驶的每个车道设置虚拟窗口,依靠车辆之间的间距适当调整,使车辆一一分开,不要存在同时识别多个车辆的情况;
(2)设置位置的选取应充分考虑到摄像机安装高度和倾角的影响;
(3)虚拟窗口设置在图像中部位置,窗口宽度以容纳一辆小型车辆为准。
2.如权利要求1的基于高分辨率图像的车流量实时检测方法,其特征在于:感兴趣区域的具体设定过程如下:
将感兴趣区域设置在车道的中间,宽度以一个车道为准,高度控制在小型车辆的首尾长度之内。
3.如权利要求1或2的基于高分辨率图像的车流量实时检测方法,其特征在于:
感兴趣区域存在下列四种情况:
(1)感兴趣区域内从无车到无车,表示没车通过;
(2)感兴趣区域内从无车到有车,表示有车驶入检测区;
(3)感兴趣区域内从有车到有车,表示本辆车还没驶出检测区;
(4)感兴趣区域内从有车到无车,表示车辆驶出检测区。
5.如权利要求1或2的基于高分辨率图像的车流量实时检测方法,其特征在于:
步骤3沿交通流方向对处理后的感兴趣区域进行横向扫描,将其亮度值横向求和,并依次存储,如将其依次绘制出来便可形成背景亮度曲线,每一帧都对其背景亮度曲线进行实时更新;具体步骤如下:
(1)沿交通流方向,假定Wd为感兴趣区域的宽度,Ht为感兴趣区域的高度,
For j=0,1,2......Ht
{
BackgroundImagedata[j]=0;
For i=0,1,2......Wd
{
BackgroundImagedata[j]+=Hij;
}
}
(2)
For j=0,1,2......Ht
{
a[j]=α×a[j]+β×BackgroundImagedata[j];
}
式中,α+β=1,这里α=0.9,β=0.1;a[j]的初始值为0;其初始化如下:
For j=0,1,2......Ht
{
a[j]=0;
}
(3)每一帧都执行以上1~3步骤,即可完成背景亮度曲线值的更新,此更新可根据实际情况选取,可以每一帧更新一次,也可以固定帧完成更新。
6.如权利要求1或2的基于高分辨率图像的车流量实时检测方法,其特征在于:
步骤4对当前帧图像进行如上步骤1、步骤2、步骤3处理,提取当前帧亮度曲线;具体如下:
设定Cij为感兴趣区域中当前输入帧的第(i,j)位置的象素点,对其进行如上1、2、3步骤的相同处理,得到当前帧沿交通流方向的横向扫描和值,并且依次存入currentImagedata[Ht]中。
7.如权利要求1或2的基于高分辨率图像的车流量实时检测方法,其特征在于:
步骤5当前帧提取的亮度曲线值和背景亮度曲线值对应做差值,并求和;
具体如下:
执行for j=0,1,2......Ht
{
Flag+=currentImagedata[j]-BackgroundImagedata[j];
}。
8.如权利要求1或2的基于高分辨率图像车流量实时检测方法,其特征在于:
步骤6中将步骤5的结果与阈值比较,大于阈值T2,判断为有车,小于阈值T3,判断为无车;从有车到无车,计数器加1;具体如下:
判断flag值来确定车辆存在与否TE
式中,T2为一个合适的阈值,flag>T2表示感兴趣区域中有运动目标存在,flag<T3表示感兴趣区域中无运动目标存在,TE由1变0表示有一辆车通过,车流量加1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010105107810A CN101968924A (zh) | 2010-10-19 | 2010-10-19 | 基于高分辨率图像的车流量实时检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010105107810A CN101968924A (zh) | 2010-10-19 | 2010-10-19 | 基于高分辨率图像的车流量实时检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101968924A true CN101968924A (zh) | 2011-02-09 |
Family
ID=43548071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010105107810A Pending CN101968924A (zh) | 2010-10-19 | 2010-10-19 | 基于高分辨率图像的车流量实时检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101968924A (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156860A (zh) * | 2011-04-25 | 2011-08-17 | 北京汉王智通科技有限公司 | 车辆检测方法和装置 |
CN102231236A (zh) * | 2011-06-14 | 2011-11-02 | 汉王科技股份有限公司 | 车辆计数方法和装置 |
CN102280028A (zh) * | 2011-05-09 | 2011-12-14 | 东南大学 | 基于动态背景分析和监控带扫描的车辆监测方法 |
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 |
CN102789686A (zh) * | 2012-07-10 | 2012-11-21 | 华南理工大学 | 一种基于路面亮度组合模式识别的道路交通流检测方法 |
CN103413444A (zh) * | 2013-08-26 | 2013-11-27 | 深圳市川大智胜科技发展有限公司 | 一种基于无人机高清视频的交通流调查处理方法 |
CN105243854A (zh) * | 2015-09-24 | 2016-01-13 | 侯文宇 | 一种对道路中车流量进行检测的方法及装置 |
CN105469604A (zh) * | 2015-12-09 | 2016-04-06 | 大连海事大学 | 一种基于监控图像的隧道内车辆检测方法 |
CN107921522A (zh) * | 2015-06-15 | 2018-04-17 | 米沃奇电动工具公司 | 液压压接机工具 |
CN108171740A (zh) * | 2018-01-30 | 2018-06-15 | 彭景新 | 一种基于图像分析车辆通行的方法和设备 |
CN108615365A (zh) * | 2018-05-09 | 2018-10-02 | 扬州大学 | 一种基于车辆检测和跟踪的车流量统计方法 |
CN109660821A (zh) * | 2018-11-27 | 2019-04-19 | Oppo广东移动通信有限公司 | 视频处理方法、装置、电子设备及存储介质 |
CN110110664A (zh) * | 2019-05-08 | 2019-08-09 | 南京华弟安信息科技有限公司 | 一种基于图像处理的分车道车辆检测方法 |
CN110738210A (zh) * | 2019-10-09 | 2020-01-31 | 中山安信通机器人制造有限公司 | 一种基于纹理特征的车辆侦测方法 |
CN110738169A (zh) * | 2019-10-11 | 2020-01-31 | 深圳前海微众银行股份有限公司 | 车流量监测方法、装置、设备及计算机可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001033503A1 (en) * | 1999-11-03 | 2001-05-10 | Cet Technologies Pte Ltd | Image processing techniques for a video based traffic monitoring system and methods therefor |
CN101639983A (zh) * | 2009-08-21 | 2010-02-03 | 任雪梅 | 一种基于图像信息熵的多车道车流量检测方法 |
-
2010
- 2010-10-19 CN CN2010105107810A patent/CN101968924A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001033503A1 (en) * | 1999-11-03 | 2001-05-10 | Cet Technologies Pte Ltd | Image processing techniques for a video based traffic monitoring system and methods therefor |
CN101639983A (zh) * | 2009-08-21 | 2010-02-03 | 任雪梅 | 一种基于图像信息熵的多车道车流量检测方法 |
Non-Patent Citations (2)
Title |
---|
熊昌镇等: "一种高清视频车辆定位与跟踪的方法", 《计算机科学》, vol. 37, no. 7, 31 July 2010 (2010-07-31), pages 128 - 131 * |
熊昌镇等: "基于图像亮度曲线的车速估计", 《***仿真学报》, vol. 21, no. 1, 31 October 2009 (2009-10-31) * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156860A (zh) * | 2011-04-25 | 2011-08-17 | 北京汉王智通科技有限公司 | 车辆检测方法和装置 |
CN102280028B (zh) | 2011-05-09 | 2013-08-28 | 东南大学 | 基于动态背景分析和监控带扫描的车辆监测方法 |
CN102280028A (zh) * | 2011-05-09 | 2011-12-14 | 东南大学 | 基于动态背景分析和监控带扫描的车辆监测方法 |
CN102231236B (zh) * | 2011-06-14 | 2014-08-27 | 汉王科技股份有限公司 | 车辆计数方法和装置 |
CN102231236A (zh) * | 2011-06-14 | 2011-11-02 | 汉王科技股份有限公司 | 车辆计数方法和装置 |
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 |
CN102789686A (zh) * | 2012-07-10 | 2012-11-21 | 华南理工大学 | 一种基于路面亮度组合模式识别的道路交通流检测方法 |
CN102789686B (zh) * | 2012-07-10 | 2014-07-16 | 华南理工大学 | 一种基于路面亮度组合模式识别的道路交通流检测方法 |
CN103413444A (zh) * | 2013-08-26 | 2013-11-27 | 深圳市川大智胜科技发展有限公司 | 一种基于无人机高清视频的交通流调查处理方法 |
CN103413444B (zh) * | 2013-08-26 | 2015-08-19 | 深圳市川大智胜科技发展有限公司 | 一种基于无人机高清视频的交通流调查处理方法 |
US10618151B2 (en) | 2015-06-15 | 2020-04-14 | Milwaukee Electric Tool Corporation | Hydraulic crimper tool |
CN107921522A (zh) * | 2015-06-15 | 2018-04-17 | 米沃奇电动工具公司 | 液压压接机工具 |
US11685028B2 (en) | 2015-06-15 | 2023-06-27 | Milwaukee Electric Tool Corporation | Hydraulic crimper tool |
CN105243854A (zh) * | 2015-09-24 | 2016-01-13 | 侯文宇 | 一种对道路中车流量进行检测的方法及装置 |
CN105469604A (zh) * | 2015-12-09 | 2016-04-06 | 大连海事大学 | 一种基于监控图像的隧道内车辆检测方法 |
CN108171740B (zh) * | 2018-01-30 | 2020-11-20 | 彭景新 | 一种基于图像分析车辆通行的方法和设备 |
CN108171740A (zh) * | 2018-01-30 | 2018-06-15 | 彭景新 | 一种基于图像分析车辆通行的方法和设备 |
CN108615365A (zh) * | 2018-05-09 | 2018-10-02 | 扬州大学 | 一种基于车辆检测和跟踪的车流量统计方法 |
CN108615365B (zh) * | 2018-05-09 | 2021-04-13 | 扬州大学 | 一种基于车辆检测和跟踪的车流量统计方法 |
CN109660821A (zh) * | 2018-11-27 | 2019-04-19 | Oppo广东移动通信有限公司 | 视频处理方法、装置、电子设备及存储介质 |
CN110110664A (zh) * | 2019-05-08 | 2019-08-09 | 南京华弟安信息科技有限公司 | 一种基于图像处理的分车道车辆检测方法 |
CN110738210A (zh) * | 2019-10-09 | 2020-01-31 | 中山安信通机器人制造有限公司 | 一种基于纹理特征的车辆侦测方法 |
CN110738169A (zh) * | 2019-10-11 | 2020-01-31 | 深圳前海微众银行股份有限公司 | 车流量监测方法、装置、设备及计算机可读存储介质 |
CN110738169B (zh) * | 2019-10-11 | 2023-09-08 | 深圳前海微众银行股份有限公司 | 车流量监测方法、装置、设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101968924A (zh) | 基于高分辨率图像的车流量实时检测方法 | |
CN111368687B (zh) | 一种基于目标检测和语义分割的人行道车辆违停检测方法 | |
CN105005771B (zh) | 一种基于光流点轨迹统计的车道线实线的检测方法 | |
CN104992145B (zh) | 一种矩采样车道跟踪检测方法 | |
CN103914688B (zh) | 一种城市道路障碍物识别*** | |
CN103324930B (zh) | 一种基于灰度直方图二值化的车牌字符分割方法 | |
CN101916383B (zh) | 基于多摄像机的车辆检测跟踪识别*** | |
CN110210451B (zh) | 一种斑马线检测方法 | |
CN109190444B (zh) | 一种基于视频的收费车道车辆特征识别***的实现方法 | |
CN111626170B (zh) | 一种铁路边坡落石侵限检测的图像识别方法 | |
CN110619279A (zh) | 一种基于跟踪的路面交通标志实例分割方法 | |
CN106887004A (zh) | 一种基于块匹配的车道线检测方法 | |
CN103488975A (zh) | 一种基于智能驾驶的斑马线实时检测的方法 | |
Li et al. | Inverse perspective mapping based urban road markings detection | |
CN106845458B (zh) | 一种基于核超限学习机的快速交通标识检测方法 | |
CN111597905A (zh) | 一种基于视频技术的公路隧道停车检测方法 | |
CN107315998A (zh) | 基于车道线的车辆种类划分方法和*** | |
CN113378690A (zh) | 一种基于视频数据的路内不规范停车识别方法 | |
CN109191492B (zh) | 一种基于轮廓分析的智能视频黑烟车检测方法 | |
CN115082672A (zh) | 一种基于边界框回归的红外图像目标检测方法 | |
Premachandra et al. | Image based automatic road surface crack detection for achieving smooth driving on deformed roads | |
CN106919939A (zh) | 一种交通标识牌跟踪识别方法及*** | |
CN115272850A (zh) | 一种铁路货车bab型闸调器拉杆头折断故障识别方法 | |
CN104268859A (zh) | 一种用于夜间车道线检测的图像预处理方法 | |
CN203020184U (zh) | 一种基于双ccd的纯电动汽车车道标识线检测装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110209 |