CN102136196A - 一种基于图像特征的车辆测速方法 - Google Patents
一种基于图像特征的车辆测速方法 Download PDFInfo
- Publication number
- CN102136196A CN102136196A CN 201110057911 CN201110057911A CN102136196A CN 102136196 A CN102136196 A CN 102136196A CN 201110057911 CN201110057911 CN 201110057911 CN 201110057911 A CN201110057911 A CN 201110057911A CN 102136196 A CN102136196 A CN 102136196A
- Authority
- CN
- China
- Prior art keywords
- image
- vehicle
- pixel
- coils
- coil
- 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)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于视频序列的车辆测速方法,该方法通过在车道正上方安装固定摄像头获取车道图像信息,并在该车道图像上设置两个虚拟线圈A和B,通过连续多帧检测线圈内的图像特征信息变化来捕获车辆是否已驶入线圈中,当满足设定阈值条件后输出信号并记录下时间,从而通过获取车辆驶入线圈A和B的时间差和两线圈之间的真实距离计算得到车辆的行驶速度。本发明对于车辆测速简单而实时高效,对实时环境中的光照条件变化和摄像机轻微抖动具有很强的鲁棒性,能够有效地抑制阴影对检测的影响。
Description
技术领域
本发明涉及图像处理和智能交通领域,尤其涉及基于图像特征的车辆测速方法。
背景技术
车辆测速是智能交通***中重要的一个组成部分,它为交通监管和管理提供了实时交通数据,而车辆测速是在车辆检测的基础上进行的。通常有两类车辆检测方法:侵入式和非侵入式,前者安装不便,比如环路线圈检测、压电式传感器、磁性传感器、气压路面管等,这些设备在使用时需要直接安装在路面上,或被埋在路面以下;后者则安装方便,不具有破坏性,节约成本,比如视频图像处理、微波雷达、红外传感器、超声波检测器等,其中采用视频图像处理优点最为突出,安装方便且可以在现有监控***基础上添加相应功能模块即可完成,大大节省开支,还具有交通监管和交通管理功能,可为交通管理部门提供可视图像。基于视频的车辆检测方法分为两类:第一类是基于虚拟点、虚拟线、虚拟线圈的方法;第二类是基于目标提取和跟踪的方法,它们具有各自的优缺点。
尽管基于目标提取和跟踪的车辆测速方法的检测覆盖面积大,但是其算法较为复杂,实时性较差。而基于虚拟线圈的方法简单有效,但一般的基于虚拟线圈的车辆测速方法过于简单,且对光线变化不具有鲁棒性,尤其容易受阴影的影响。此外由于环境影响,实时应用中摄像机会出现轻微抖动,这将会给检测带来较大的误差。
发明内容
有鉴于此,本发明的主要目的在于提供一种基于图像特征的车辆测速方法。本发明实现了通过视频图像处理技术获取图像中出现的车辆的行驶速度,既简单又实时高效,对环境变化具有很强的鲁棒性。
为了实现上述目的,本发明提供了一种基于图像特征的车辆测速方法,包括如下步骤:
A、在车道图像上设置两个虚拟线圈,计算所述线圈之间的真实距离,并获得对应大小的子图像区域;
B、对所述子图像区域进行图像处理分析,捕获车辆经过所述两个线圈时的信号并得到时间;
C、通过所述信号和时间,以及所述真实距离,计算出所述车辆的行驶速度。
所述步骤A包括:
A1、采集车道的实时图像;
A2、在获取的所述包含有车道的图像上,根据所述车道设置两个虚拟线圈;
A3、将所述图像坐标转换到真实世界坐标,从而计算出所述两个线圈之间的真实距离;
A4、根据所述虚拟线圈在所述原始图像上的图像坐标位置,截取对应位置的图像区域生成子图像,从而完成了对原始图像的降采样,简化后续处理。
所述步骤B包括:
B1、计算当前获取的所述子图像区域的图像特征信息,得到特征图像;
B2、将所述特征图像与预先建立的图像特征背景模型进行像素级和块级减除操作,并根据判定准则综合所述两类减除操作的结果得到新的图像特征差分图像;
B3、对所述图像特征背景模型进行更新;
B4、对所述前景图像的图像特征进行统计,判断其是否满足车辆进入所述虚拟线圈的条件,若满足则输出车辆进入线圈的信号并记录下当前时间。
其中,步骤B2中所述建立图像特征背景模型的步骤包括:
获取一序列图像帧数据,计算其所对应的图像特征信息;
以所述特征信息作为图像处理基本单元建立和初始化统计模型,从而得到基于图像特征的背景参考图像。
其中,步骤B2中所述的将特征图像与图像特征背景模型进行块级减除操作的步骤包括:
对所述的特征图像和图像特征背景模型分别进行如下操作:以某个像素点为中心,对其领域范围内的像素点的值进行累加统计,将所述统计值作为所述当前像素点的值,以此类推,直到遍历完整张图像,从而生成新的特征图像;
将所述生成的两张特征图像进行减除操作,得到差分图像。
其中,步骤B2中所述的根据判定准则综合所述两类减除操作的结果得到新的图像特征差分图像的步骤包括:
首先取出所述像素级操作得到的差分图像中的某个像素;
然后取出对应于所述像素位置上的所述块级操作得到的差分图像中的像素;
对所述两个具有相同位置的像素点作如下判断:若所述像素级差分图像的像素点的值不为空,且所述块级差分图像的像素点的值为空时,则将所述新的图像特征差分图像上对应像素位置上的值置为非空,最后遍历完整张所述图像后得到一张新的差分图像。
其中,步骤B4中所述判断是否满足车辆进入虚拟线圈的条件的步骤包括:
对所述前景图像特征信息进行统计,得到关于该前景图像的特征描述;
若该特征描述满足判断一个图像区域是否发生变化的条件,则此时表明所述线圈对应的图像区域发生了变化,并对该变化进行计数;
判断所述计数次数是否满足了所述车辆进入线圈时的阈值条件,若满足则判断所述图像区域的变化为车辆进入线圈中引起的,则输出车辆进入线圈的信号并记录下当前时间。
所述步骤C包括:
C1、判断所述第二个虚拟线圈是否产生信号,若是则继续C2步骤;
C2、判断所述第一个虚拟线圈是否已经产生信号,若是则将所述两个信号标记为所述车辆经过所述两个线圈时分别产生的信号,否则无效;
C3、根据所述两个信号对应的时间得到所述车辆经过所述两个线圈时的时间差;
C4、根据所述步骤A中求得的所述两线圈之间的真实距离,通过速度计算公式计算得到所述车辆的行驶速度。
本发明的有益效果是:
本发明所提出的一种基于图像特征的车辆测速方法,通过视频图像处理技术获取图像中出现的车辆的行驶速度,既简单又实时高效,对光照变化和摄像机轻微抖动具有很强的鲁棒性,能够有效地抑制阴影对检测的影响。
附图说明
图1为本发明基于图像特征的车辆测速方法的一种实施例的流程图;
图2为图1中图像预处理模块的一种实施例的流程图;
图3为本发明设置虚拟线圈的一种实施例的示意图;
图4为图1中车辆捕获模块的一种实施例的流程图;
图5为图4中块级边缘特征背景减除的一种实施例的流程图;
图6为图1中车速计算模块的一种实施例的流程图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
请参考图1,一种基于图像特征的车辆测速方法包括步骤:
S1、图像预处理模块,即在车道图像上设置两个虚拟线圈,计算所述线圈之间的真实距离,并获得对应大小的子图像区域;
S2、车辆捕获模块,即对所述子图像区域进行图像处理分析,捕获车辆经过所述两个线圈时的信号并得到时间;
S3、车速计算模块,即通过所述信号和时间,以及所述真实距离,计算出所述车辆的行驶速度。
请参考图2,在本发明的一种实施例中,步骤S1包括步骤:
S11、设置虚拟线圈A和B。在本实施例中,所述虚拟线圈采用矩形形状,如图3所示,当然也可采用其他不规则形状;
S12、计算两线圈之间的真实距离,首先获取所述线圈在图像上的像素坐标,然后将其转换到世界坐标系中,继而获取所述两线圈对应位置上的某点的真实坐标,从而计算出所述两线圈之间的真实距离;
S13、根据所述虚拟线圈在所述原始图像上的图像坐标位置,截取对应位置的图像区域生成子图像,从而完成了对原始图像的降采样,简化后续处理。
S14、输出所述子图像数据。
请参考图4,在本发明的一种实施例中,步骤S2包括步骤:
S21、计算子图像的边缘特征,得到其边缘特征图像;
S22、对所述边缘特征图像进行二值化和去噪处理;
S23、将所述子图像的边缘特征图像与边缘特征背景模型进行像素级的图像减除操作,从而获取边缘特征差分图像。所述像素级操作指的是以单个像素作为基本处理单元;
S24、将所述子图像的边缘特征图像与边缘特征背景模型进行块级的图像减除操作,从而获取边缘特征差分图像;
请参考图5,在本实施例中,所述的将特征图像与图像特征背景模型进行块级减除操作包括步骤:
S241、根据所述子图像的边缘特征图像,生成新的边缘特征图像。在本实施例中,采用如下方法:以某个像素点为中心,对其领域范围内的像素点的值进行累加统计,将所述统计值作为所述当前像素点的值,以此类推,直到遍历完整张图像,从而生成新的边缘特征图像。在本实施例中,所述领域采用长宽都为3个像素大小的矩形,当然也可以采用不同尺寸和形状的领域;所述边缘特征图像的像素值只有两种:1或0,当然也可以采用其他值;
S242、根据所述边缘特征背景参考图像,生成新的边缘特征背景参考图像。在本实施例中,采用如下方法:以某个像素点为中心,对其领域范围内的像素点的值进行累加统计,将所述统计值作为所述当前像素点的值,以此类推,直到遍历完整张图像,从而生成新的边缘特征背景参考图像。其中,所述领域类型和大小保持与步骤S241采用的领域一致。在本实施例中,所述边缘特征背景参考图像的像素值只有两种:1或0,当然也可以采用其他值;
S243、将所述生成的两张边缘特征图像进行减除操作,得到差分图像;
S244、对所述差分图像进行图像二值化和去噪处理;
S245、输出经步骤S244处理后的边缘特征差分图像。
S25、根据步骤S23和步骤S24分别得到的差分图像,进行摄缘机轻微抖动消除处理,包括步骤:
首先取出步骤S23得到的差分图像中的某个像素;
然后取出对应于所述像素位置上的步骤S24中得到的差分图像中的像素;
对所述两个像素点作如下判断:若所述像素级差分图像的像素点的值不为空,且所述块级差分图像的像素点的值为空时,则将所述新的图像特征差分图像上对应像素位置上的值置为非空,最后遍历完整张所述图像后得到一张新的差分图像。在本实施例中,像素值为1表示不为空,0表示空。
S26、根据当前获得的所述二值差分图像的帧信息,对已建立的边缘特征图像背景模型进行更新。在本实施例中,所述更新方法可以采用移动平均方法,当然也可以采用平均值或中值方法;
S27、统计特征图像前景点的个数的总数,所述前景点在本实施例中可以设为值为1的像素点,当然也可采用其他值。
S28、判断获得的所述前景点的总数是否大于设定阈值T1,如是则执行步骤S29,否则执行步骤S210。在本实施例中,此阈值T1为一百分比,即前景点总数与所述线圈中像素点总数的比例。其中阈值T1可以根据经验设置。
S29、将当前所述线圈对应的车辆进入其中的置信度CAR IN增加1;
S210、将当前所述线圈对应的车辆进入其中的置信度CAR IN减少1;
S211、判断所述线圈对应的置信度CAR IN是否大于设定阈值T2,如是则执行步骤S212。其中阈值T2可以根据经验设置。
S212、输出车辆进入该线圈的信号,并记录当前时间Time。
请参考图6,在本发明的一种实施例中,步骤S3包括步骤:
S31、判断所述第二个虚拟线圈B是否有信号产生,若是则继续执行步骤S32;
S32、判断所述第一个虚拟线圈A是否有信号产生,若是则继续执行步骤S33;
S33、获取所述两个信号所对应的时间Time,从而得到所述车辆经过所述两个线圈时的时间差;
S34、获取所述两个线圈之间的真实距离;
S35、根据所述距离和时间差,通过速度计算公式求得到所述车辆的行驶速度。
S36、输出所述车辆的行驶速度。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (8)
1.一种基于图像特征的车辆测速方法,其特征在于,包括步骤:
A、在车道图像上设置两个虚拟线圈,计算所述线圈之间的真实距离,并获得对应大小的子图像区域;
B、对所述子图像区域进行图像处理分析,捕获车辆经过所述两个线圈时的信号并得到时间;
C、通过所述信号和时间,以及所述真实距离,计算出所述车辆的行驶速度。
2.如权利要求1所述的方法,其特征在于,所述步骤A包括:
在获取的包含有车道的图像上,根据所述车道设置两个虚拟线圈;
通过图像坐标与真实世界坐标之间的标定与转换计算得到所述两个线圈之间的真实距离;
截取对应所述线圈的图像坐标位置的图像区域,生成子图像,从而完成了对原始图像的降采样。
3.如权利要求1所述的方法,其特征在于,所述步骤B包括:
计算当前获取的子图像区域的图像特征信息,得到特征图像;
将所述特征图像与预先建立的图像特征背景模型进行像素级和块级减除操作,并根据判定准则综合所述两类减除操作的结果得到新的图像特征差分图像;
使用所述前景图像对所述图像特征背景模型进行更新;
对所述前景图像的图像特征进行统计,判断其是否满足车辆进入所述虚拟线圈的条件,若满足则输出车辆进入线圈的信号并记录下当前时间。
4.如权利要求3所述的方法,其特征在于,所述的图像特征背景模型的初始化与建立包括:获取一序列图像帧数据,计算其所对应的图像特征信息,以所述特征信息作为图像处理基本单元建立和初始化统计模型,从而得到基于图像特征的背景参考图像。
5.如权利要求3所述的方法,其特征在于,所述的将特征图像与图像特征背景模型进行块级减除操作包括:
对所述的特征图像和图像特征背景模型分别进行如下操作:以某个像素点为中心,对其领域范围内的像素点的值进行累加统计,将所述统计值作为所述当前像素点的值,以此类推,直到遍历完整张图像,从而生成新的特征图像;
将所述生成的两张特征图像进行减除操作,得到差分图像。
6.如权利要求3所述的方法,其特征在于,所述的根据判定准则综合所述两类减除操作的结果得到新的图像特征差分图像包括:
首先取出所述像素级操作得到的差分图像中的某个像素;
然后取出对应于所述像素位置上的所述块级操作得到的差分图像中的像素;
对所述两个具有相同位置的像素点作如下判断:若所述像素级差分图像的像素点的值不为空,且所述块级差分图像的像素点的值为空时,则将所述新的图像特征差分图像上对应像素位置上的值置为非空,最后遍历完整张所述图像后得到一张新的差分图像。
7.如权利要求3所述的方法,其特征在于,所述判断是否满足车辆进入所述虚拟线圈的条件包括:
对所述前景图像特征信息进行统计,得到关于该前景图像的特征描述;
若该特征描述满足判断一个图像区域是否发生变化的条件,则此时表明所述线圈对应的图像区域发生了变化,并对该变化进行计数;
判断所述计数次数是否满足了所述车辆进入线圈时的阈值条件,若满足则判断所述图像区域的变化为车辆进入线圈中引起的,则输出车辆进入线圈的信号并记录下当前时间。
8.如权利要求1所述的方法,其特征在于,所述步骤C包括:
当所述第二个虚拟线圈产生信号时,判断所述第一个虚拟线圈是否已经输出过信号,若是则将所述两个信号标记为所述车辆经过所述两个线圈时分别产生的信号,否则无效;
根据所述两个信号对应的时间得到所述车辆经过所述两个线圈时的时间差;
进一步,根据所述步骤A中求得的所述两线圈之间的真实距离,通过速度计算公式计算得到所述车辆的行驶速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110057911 CN102136196A (zh) | 2011-03-10 | 2011-03-10 | 一种基于图像特征的车辆测速方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110057911 CN102136196A (zh) | 2011-03-10 | 2011-03-10 | 一种基于图像特征的车辆测速方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102136196A true CN102136196A (zh) | 2011-07-27 |
Family
ID=44295966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110057911 Pending CN102136196A (zh) | 2011-03-10 | 2011-03-10 | 一种基于图像特征的车辆测速方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102136196A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102542812A (zh) * | 2012-01-14 | 2012-07-04 | 长安大学 | 一种基于pda的区间车速检测及数据处理方法 |
CN102592456A (zh) * | 2012-03-09 | 2012-07-18 | 泉州市视通光电网络有限公司 | 一种基于视频的车辆测速方法 |
CN102708690A (zh) * | 2012-06-20 | 2012-10-03 | 中国计量学院 | 一种基于道路监控视频测量道路噪声的方法 |
CN102981010A (zh) * | 2011-09-05 | 2013-03-20 | 业纳遥控设备有限公司 | 用于借助照相机来验证测量目标车辆的速度的方法 |
CN103077387A (zh) * | 2013-02-07 | 2013-05-01 | 东莞中国科学院云计算产业技术创新与育成中心 | 视频中货运列车车厢自动检测方法 |
CN103197090A (zh) * | 2013-03-07 | 2013-07-10 | 上海电科智能***股份有限公司 | 基于特征点变化的视频测速方法 |
CN104267209A (zh) * | 2014-10-24 | 2015-01-07 | 浙江力石科技股份有限公司 | 一种基于虚拟线圈的高速公路视频测速方法及*** |
CN105761504A (zh) * | 2016-05-17 | 2016-07-13 | 重庆大学 | 基于非均匀视频图像帧采集的车速实时测量方法 |
CN106781536A (zh) * | 2016-11-21 | 2017-05-31 | 四川大学 | 一种基于视频检测的车辆测速方法 |
CN106959378A (zh) * | 2017-03-30 | 2017-07-18 | 梧州学院 | 单幅运动模糊图像车速计算方法 |
WO2017161544A1 (zh) * | 2016-03-25 | 2017-09-28 | 深圳大学 | 一种基于单摄像头视频序列匹配的车辆测速方法及其*** |
CN107784839A (zh) * | 2016-08-26 | 2018-03-09 | 合盈光电科技股份有限公司 | 车辆侦测***及其方法 |
CN108428347A (zh) * | 2018-05-14 | 2018-08-21 | 三峡大学 | 一种基于多检测区域的车辆计数方法及*** |
CN109389026A (zh) * | 2017-08-09 | 2019-02-26 | 三星电子株式会社 | 车道检测方法和设备 |
CN109686048A (zh) * | 2019-01-02 | 2019-04-26 | 平安科技(深圳)有限公司 | 火车站台越线的预警方法、装置、计算机设备和存储介质 |
CN112580402A (zh) * | 2019-09-30 | 2021-03-30 | 广州汽车集团股份有限公司 | 一种单目视觉行人测距方法及其***、车辆、介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101510358A (zh) * | 2009-03-20 | 2009-08-19 | 吉林大学 | 采用视频图像处理实时统计车流量的方法及装置 |
CN101556697A (zh) * | 2008-04-10 | 2009-10-14 | 上海宝康电子控制工程有限公司 | 一种基于快速特征点的运动目标跟踪方法与*** |
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 |
-
2011
- 2011-03-10 CN CN 201110057911 patent/CN102136196A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101556697A (zh) * | 2008-04-10 | 2009-10-14 | 上海宝康电子控制工程有限公司 | 一种基于快速特征点的运动目标跟踪方法与*** |
CN101510358A (zh) * | 2009-03-20 | 2009-08-19 | 吉林大学 | 采用视频图像处理实时统计车流量的方法及装置 |
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 |
Non-Patent Citations (1)
Title |
---|
《中国优秀博硕士学位论文全文数据库 (硕士) 信息科技辑》 20040615 尹朝征 基于视频虚拟线圈的交通流参数检测 I140-109 1-8 , 第02期 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102981010A (zh) * | 2011-09-05 | 2013-03-20 | 业纳遥控设备有限公司 | 用于借助照相机来验证测量目标车辆的速度的方法 |
CN102981010B (zh) * | 2011-09-05 | 2017-11-28 | 业纳遥控设备有限公司 | 用于借助照相机来验证测量目标车辆的速度的方法 |
CN102542812A (zh) * | 2012-01-14 | 2012-07-04 | 长安大学 | 一种基于pda的区间车速检测及数据处理方法 |
CN102592456A (zh) * | 2012-03-09 | 2012-07-18 | 泉州市视通光电网络有限公司 | 一种基于视频的车辆测速方法 |
CN102708690A (zh) * | 2012-06-20 | 2012-10-03 | 中国计量学院 | 一种基于道路监控视频测量道路噪声的方法 |
CN103077387A (zh) * | 2013-02-07 | 2013-05-01 | 东莞中国科学院云计算产业技术创新与育成中心 | 视频中货运列车车厢自动检测方法 |
CN103077387B (zh) * | 2013-02-07 | 2015-11-18 | 东莞中国科学院云计算产业技术创新与育成中心 | 视频中货运列车车厢自动检测方法 |
CN103197090A (zh) * | 2013-03-07 | 2013-07-10 | 上海电科智能***股份有限公司 | 基于特征点变化的视频测速方法 |
CN104267209A (zh) * | 2014-10-24 | 2015-01-07 | 浙江力石科技股份有限公司 | 一种基于虚拟线圈的高速公路视频测速方法及*** |
CN104267209B (zh) * | 2014-10-24 | 2017-01-11 | 浙江力石科技股份有限公司 | 一种基于虚拟线圈的高速公路视频测速方法及*** |
WO2017161544A1 (zh) * | 2016-03-25 | 2017-09-28 | 深圳大学 | 一种基于单摄像头视频序列匹配的车辆测速方法及其*** |
CN105761504A (zh) * | 2016-05-17 | 2016-07-13 | 重庆大学 | 基于非均匀视频图像帧采集的车速实时测量方法 |
CN105761504B (zh) * | 2016-05-17 | 2018-02-09 | 重庆大学 | 基于非均匀视频图像帧采集的车速实时测量方法 |
CN107784839A (zh) * | 2016-08-26 | 2018-03-09 | 合盈光电科技股份有限公司 | 车辆侦测***及其方法 |
CN106781536A (zh) * | 2016-11-21 | 2017-05-31 | 四川大学 | 一种基于视频检测的车辆测速方法 |
CN106959378A (zh) * | 2017-03-30 | 2017-07-18 | 梧州学院 | 单幅运动模糊图像车速计算方法 |
CN109389026A (zh) * | 2017-08-09 | 2019-02-26 | 三星电子株式会社 | 车道检测方法和设备 |
CN109389026B (zh) * | 2017-08-09 | 2023-10-17 | 三星电子株式会社 | 车道检测方法和设备 |
CN108428347A (zh) * | 2018-05-14 | 2018-08-21 | 三峡大学 | 一种基于多检测区域的车辆计数方法及*** |
CN109686048A (zh) * | 2019-01-02 | 2019-04-26 | 平安科技(深圳)有限公司 | 火车站台越线的预警方法、装置、计算机设备和存储介质 |
CN109686048B (zh) * | 2019-01-02 | 2022-03-18 | 平安科技(深圳)有限公司 | 火车站台越线的预警方法、装置、计算机设备和存储介质 |
CN112580402A (zh) * | 2019-09-30 | 2021-03-30 | 广州汽车集团股份有限公司 | 一种单目视觉行人测距方法及其***、车辆、介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102136196A (zh) | 一种基于图像特征的车辆测速方法 | |
CN105336169B (zh) | 一种基于视频判断交通拥堵的方法和*** | |
CN102110376B (zh) | 基于计算机视觉的路边停车位检测装置 | |
CN103413444B (zh) | 一种基于无人机高清视频的交通流调查处理方法 | |
US9704060B2 (en) | Method for detecting traffic violation | |
CN102819764B (zh) | 一种适用于交通路口复杂场景下的多视角人流量统计方法 | |
CN102496281B (zh) | 一种基于跟踪与虚拟线圈结合的车辆闯红灯检测方法 | |
CN106710240A (zh) | 融合多目标雷达与视频信息的通行车辆跟踪测速方法 | |
CN103473554A (zh) | 人流统计***及方法 | |
Chen et al. | Intelligent vehicle counting method based on blob analysis in traffic surveillance | |
CN102426785B (zh) | 基于轮廓和局部特征点的交通流信息感知方法及*** | |
CN102819952A (zh) | 一种基于视频检测技术的车辆违法变道检测方法 | |
CN105069429A (zh) | 一种基于大数据平台的人流量分析统计方法和*** | |
CN101587646A (zh) | 基于视频识别技术的车流量检测方法及*** | |
CN105261034A (zh) | 一种高速公路上车流量的统计方法及装置 | |
CN103366569A (zh) | 实时抓拍交通违章车辆的方法及*** | |
CN103279791A (zh) | 基于多特征的行人计算方法 | |
CN106845325A (zh) | 一种信息检测方法及装置 | |
CN104159088A (zh) | 一种远程智能车辆监控***及方法 | |
CN103473533A (zh) | 视频运动对象异常行为自动检测方法 | |
Li et al. | Intelligent transportation video tracking technology based on computer and image processing technology | |
Ua-Areemitr et al. | Low-cost road traffic state estimation system using time-spatial image processing | |
Shafie et al. | Smart video surveillance system for vehicle detection and traffic flow control | |
Yue | A traffic-flow parameters evaluation approach based on urban road video | |
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 | ||
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: 20110727 |