CN103345840A - 一种交叉道路口横穿道路事件视频检测方法 - Google Patents
一种交叉道路口横穿道路事件视频检测方法 Download PDFInfo
- Publication number
- CN103345840A CN103345840A CN2013102058318A CN201310205831A CN103345840A CN 103345840 A CN103345840 A CN 103345840A CN 2013102058318 A CN2013102058318 A CN 2013102058318A CN 201310205831 A CN201310205831 A CN 201310205831A CN 103345840 A CN103345840 A CN 103345840A
- Authority
- CN
- China
- Prior art keywords
- road
- video
- target
- coordinate
- crossing
- 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
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开一种交叉道路口横穿道路事件视频检测方法。该方法通过在交叉道路口架设的监控摄像头采集视频信号,将视频解码后,通过计算机视觉和图像处理技术,对交叉路口附近一定距离范围进行横穿道路事件检测,识别出道路上的车辆、行人等目标,结合图像像素坐标、世界坐标和GPS坐标三者之间的相互转换关系,得出目标的GPS位置、运动方向、速度等信息,并将获取的信息通过通讯网络传递给后方控制及调度中心。该方法所述视频采集装置安装、维护简易,经济有效,检测方法集视频处理、视频监控和实时报警于一体,可在无人值守的情况下自主对路***通状况进行判断、报警,并对运动目标进行跟踪,可实现一种实时、准确、高效的综合交通管理***。
Description
技术领域
本发明属于数字图像处理领域和智能视频监控技术领域,具体为一种交叉道路口横穿道路事件视频检测方法。
背景技术
智能交通***实现交通的高度信息化,充分合理利用道路资源,为出行者提供有效的路况信息,分散拥挤路段的交通流,实现机动车和行人在道路上的最佳流动,从而缓解道路的超负荷使用,提高运输效率,建立安全舒适的道路交通运行环境。
交通目标检测及信息采集在智能交通***中至关重要。当前,国内外常用的交通检测方法主要有环形线圈检测、红外检测和智能视频监控检测。环形线圈检测法因工作稳定,检测精度较高,目前使用较广,但是该方法只能检测机动车的运行速度,统计道路的交通流量,无法分析、识别目标的行为并进行跟踪,并且对非机动车的检测该***也无能为力,除此以外,环形线圈的安装、检修代价也非常大。红外检测灵敏度高,响应迅速,但是红外检测器易受环境影响,温度、湿度、尘土都会对检测的准确性造成很大的影响。基于视频的智能交通检测以视频监控技术为基础,综合利用计算机视觉、图像处理、模式识别等技术,自主对场景进行分析、信息提取及反馈。其无需破坏路面、中断交通,具有可在线安装、调试、维修,检测范围大,提取信息能力强,实时性好等特点,因而在交通检测及信息提取中越来越受到重视。目前国内外的诸多科研机构都对视频监控处理进行了研究,并取得了很大的进展,然而目前国内还没有一种交叉道路口横穿道路事件检测跟踪***即满足普适性、实时性、准确性的要求。
发明内容
技术目的:本发明的目的是给出一种检测准确、跟踪及时的交叉道路口横穿道路事件视频检测方法。
技术方案:本发明涉及一种交叉道路口横穿道路事件视频检测方法,包括如下步骤:
利用交叉道路口设置的视频监控摄像机实时采集交叉路口的交通视频画面,并将视频信号传输至处理单元;
处理单元对采集到的视频信号进行解码;
采用计算机视觉及图像处理技术,对经解码后的视频帧进行前景目标检测,识别出是汽车还是行人,并对目标进行跟踪;
根据前景目标信息对道路上的目标进行判定,若有横穿道路事件,给出安全警示;
将当前路段名称数据、提取时刻数据及提取得到的目标信息数据通过网络传递给后方控制及调度中心,由调度中心做出相应决策。
其特征在于:在经解码后视频信号中***经过输入或计算出的道路基本参数,并将信号予以保存。
所述道路参数包括图像像素坐标、世界坐标和GPS坐标三者之间的转换关系以及道路感兴趣区域的边界信息,所述图像像素坐标、世界坐标和GPS坐标三者之间的转换关系如下:
视平面坐标(x,y)转换为世界坐标(X,Y):
其中a,b,c为参数,Wroad为道路宽度,Wimage为道路宽度在视频帧此点所在行占据的像素点数。
地面坐标到GPS坐标的转换:设定已知点A与已知点B,已知A点的道路坐标(xA,yA),B点的道路坐标(xB,yB),以及A处的GPS坐标值为(laA,loA),欲求B处的GPS坐标值(la表示纬度,lo表示经度,下同),则B点的GPS坐标值,为
GPSB=(laB,loB)=(laC,loB)
在进行前景目标检测前首先对视频进行自动背景提取、自适应背景更新及摄像机防抖处理,再利用运动目标检测的方法提取出前景目标。
运动目标检测的方法包括如下步骤:
将当前帧和背景帧做差分后,进行阈值分割二值化;
对差值帧做阴影去除;
经过一些形态学上的处理,得到比较完整的前景像素区块;
采用连通标记算法对这些区块进行标记、定位;
根据目标的特征对其进行分类识别。
形态学处理包括用腐蚀算法除去孤立的噪点、细化边缘及用膨胀算法填充目标区域的空洞,具体来说,用A表示被处理的二值图像样本,B表示处理过程中选择的结构元素,·符号表示腐蚀运算,公式表示如下:
A·B={p∈ε2:p+b∈A,对于每一个b∈B}
式中ε2表示二维欧式空间。
膨胀运算是图像A相对结构元素B中所有点b平移后的并集,用⊕来标记:
A⊕B={p∈ε2:p=x+b,x∈X且b∈B}。
步骤4中的判定过程包括如下步骤:
从检测出的行人目标中提取出GPS位置、运动方向、运行速度等信息;
根据行人目标属性及运动信息,判断有无横穿道路事件发生;
如存在横穿道路事件,则进一步判断有行人目标周围是否有车辆目标;
若存在车辆目标则启动自动报警装置,给出警示信息。
步骤5中所述的数据首先经过封装成为网络帧,然后通过有线或无线网络传输至交通控制及调度中心。
有益效果:本发明与现有技术相比,在***正常工作后无需人工干预,抗噪能力强,工作可靠;网络仅传输处理之后的有用信息,节省了带宽,同时又减轻了后方控制中心计算机的处理压力;通过现有的无线或有线网络将处理得到的信息传送给后方控制调度中心,无需另外铺设传输线路,方便可行。
附图说明
图1是本发明的主要组成模块框图;
图2是本发明的主要算法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合附图对技术方案的实施做进一步的详细描述:
图1是本发明的主要组成模块框图。通过架设在交叉道路口的监控摄像设备实时采集道路视频信息,经视频解码模块解码后,将视频流输入核心处理模块进行处理;核心处理模块主要完成道路目标检测、识别和跟踪以及目标GPS位置、运动方向、运行速度信息的提取,完成横穿道路事件的检测和安全信息提示指令发出;在检测开始之前需要计算或读取道路基本信息,如检测范围,图像像素坐标、世界坐标和GPS坐标三者之间的转换关系等,这些基本信息在第一次计算后存放在存储器中,如果***重启可直接从存储器中读取道路信息,无需再次计算;如果检测出有横穿道路事件发生,则报警器给出安全信息警示,同时将提取的信息,如道路名称、检测时间、目标GPS位置、运行速度、运动方向等信息通过有线或无线网络传输至交通控制调度中心。
图是本发明的主要流程图。主要包括以下几个步骤:
***初始化。完成设备及主要参数的初始化,使之处于正常工作状态;
计算或读取道路基本信息。如果是第一次对道路进行检测,需要利用人机交互接口进行检测区域确定。通常检测的是交叉路口一定范围距离的一段路面,如距离摄像机10-120米范围的道路,使交叉道路口处于被检测范围之内。根据摄像机成像原理完成从像素坐标到世界坐标的转换。根据地球几何关系,在道路取一个基准点的GPS坐标后,计算道路任意点的GPS坐标,完成像素坐标、世界坐标、GPS坐标三者之间的相互转换,并将区域边界信息及三种坐标的转换关系保存在存储器或文件中。若不是第一次进行检测,可直接从存储器或文件中读取数据,用于后续的计算处理;
所述道路参数包括图像像素坐标、世界坐标和GPS坐标三者之间的转换关系以及道路感兴趣区域的边界信息,所述图像像素坐标、世界坐标和GPS坐标三者之间的转换关系如下:
视平面坐标(x,y)转换为世界坐标(X,Y):
其中a,b,c为参数,Wroad为道路宽度,Wimage为道路宽度在视频帧此点所在行占据的像素点数。
地面坐标到GPS坐标的转换:设定已知点A与已知点B,已知A点的道路坐标(xA,yA),B点的道路坐标(xB,yB),以及A处的GPS坐标值为(laA,loA),欲求B处的GPS坐标值(la表示纬度,lo表示经度,下同),则B点的GPS坐标值,为
GPSB=(laB,loB)=(laC,loB)
3)对交叉道路口目标检测、识别及跟踪。在划定的检测区域范围内对目标进行检测,首先进行背景的自动提取,对摄像头抖动进行处理,对摄像头输入的图像进行滤波处理,然后根据运动目标检测的方法提取出前景目标,根据坐标转换关系,求出目标所在的位置,运用目标跟踪算法对目标进行跟踪,根据目标特征信息判断目标属性;在进行前景目标检测前首先对视频进行自动背景提取、自适应背景更新及摄像机防抖处理,再利用运动目标检测的方法提取出前景目标。
运动目标检测的方法包括如下步骤:
将当前帧和背景帧做差分后,进行阈值分割二值化;
对差值帧做阴影去除;
经过一些形态学上的处理,得到比较完整的前景像素区块;
采用连通标记算法对这些区块进行标记、定位;
根据目标的特征对其进行分类识别。
4)根据步骤3中所取得的信息进一步判断有无横穿道路事件发生,主要判断在交叉口有无行人存在及其运动的方向、速度,同时判断路面上有无车辆运动方向向着行人位置,判断危险程度,给出安全提示信息;
步骤4中的判定过程包括如下步骤:
从检测出的行人目标中提取出GPS位置、运动方向、运行速度等信息;
根据行人目标属性及运动信息,判断有无横穿道路事件发生;
如存在横穿道路事件,则进一步判断有行人目标周围是否有车辆目标;
若存在车辆目标则启动自动报警装置,给出警示信息。
5)将通过上述步骤获得的道路名称、检测时间、目标GPS位置、运动速度、运行方向等信息封转成数据帧,通过现有的有线或无线网络传输至交通控制调度中心。
本发明的核心处理模块可在硬件芯片上实现,如采用现场可编程门阵列(FPGA)、数字信号处理芯片(DSP)等,但不仅限于此。
下面给出一个具体的实际运用的例子:
将监控摄像设备架设在交叉道路口高约6米的位置,实时采集道路视频信息,经视频解码模块解码后,将视频流输入核心处理模块进行处理;核心处理模块主要完成道路目标检测、识别和跟踪以及目标GPS位置、运动方向、运行速度信息的提取,完成横穿道路事件的检测和安全信息提示指令发出。
首先进行***初始化。完成设备及主要参数的初始化,使之处于正常工作状态。然后计算或读取道路基本信息。第一次对道路进行检测,需要利用人机交互接口进行检测区域确定。检测的是交叉路口一定范围距离的一段路面,距离摄像机10-120米范围的道路,使交叉道路口处于被检测范围之内。根据摄像机成像原理完成从像素坐标到世界坐标的转换。根据地球几何关系,在道路取一个基准点的GPS坐标后,计算道路任意点的GPS坐标,完成像素坐标、世界坐标、GPS坐标三者之间的相互转换,并将区域边界信息及三种坐标的转换关系保存在存储器或文件中。若不是第一次进行检测,可直接从存储器或文件中读取数据,用于后续的计算处理。
交叉道路口目标检测、识别及跟踪。在划定的检测区域范围内对目标进行检测,首先进行背景的自动提取,对摄像头抖动进行处理,对摄像头输入的图像进行滤波处理,然后根据运动目标检测的方法提取出前景目标,根据坐标转换关系,求出目标所在的位置,运用目标跟踪算法对目标进行跟踪,根据目标特征信息判断目标属性。
根据提取的信息进一步判断有无横穿道路事件发生,主要判断在交叉口有无行人存在及其运动的方向、速度,同时判断路面上有无车辆运动方向向着行人位置,判断危险程度,给出安全提示信息。将通过上述步骤获得的道路名称、检测时间、目标GPS位置、运动速度、运行方向等信息封转成数据帧,通过现有的有线或无线网络传输至交通控制调度中心。
Claims (8)
1.一种交叉道路口横穿道路事件视频检测方法,其特征在于:包括如下步骤:
1)利用交叉道路口设置的视频监控摄像机实时采集交叉路口的交通视频画面,并将视频信号传输至处理单元;
2)处理单元对采集到的视频信号进行解码;
3)采用计算机视觉及图像处理技术,对经解码后的视频帧进行前景目标检测,识别出是汽车还是行人,并对目标进行跟踪;
4)根据前景目标信息对道路上的目标进行判定,若有横穿道路事件,给出安全警示;
5)将当前路段名称数据、提取时刻数据及提取得到的目标信息数据通过网络传递给后方控制及调度中心,由调度中心做出相应决策。
2.根据权利要求1所述的一种交叉道路口横穿道路事件视频检测方法,其特征在于:在经解码后视频信号中***经过输入或计算出的道路基本参数,并将信号予以保存。
3.根据权利要求2所述的一种交叉道路口横穿道路事件视频检测方法,其特征在于:所述道路参数包括图像像素坐标、世界坐标和GPS坐标三者之间的转换关系以及道路感兴趣区域的边界信息,所述图像像素坐标、世界坐标和GPS坐标三者之间的转换关系如下:
1)视平面坐标(x,y)转换为世界坐标(X,Y):
其中a,b,c为参数,Wroad为道路宽度,Wimage为道路宽度在视频帧此点所在行占据的像素点数。
2)地面坐标到GPS坐标的转换:设定已知点A与已知点B,已知A点的道路坐标(xA,yA),B点的道路坐标(xB,yB),以及A处的GPS坐标值为(laA,loA),欲求B处的GPS坐标值(la表示纬度,lo表示经度,下同),则B点的GPS坐标值,为
GPSB=(laB,loB)=(laC,loB)
4.根据权利要求1所述的一种交叉道路口横穿道路事件视频检测方法,其特征在于:在进行前景目标检测前首先对视频进行自动背景提取、自适应背景更新及摄像机防抖处理,再利用运动目标检测的方法提取出前景目标。
5.根据权利要求4所述的一种交叉道路口横穿道路事件视频检测方法,其特征在于:运动目标检测的方法包括如下步骤:
1)将当前帧和背景帧做差分后,进行阈值分割二值化;
2)对差值帧做阴影去除;
3)经过一些形态学上的处理,得到比较完整的前景像素区块;
4)采用连通标记算法对这些区块进行标记、定位;
5)根据目标的特征对其进行分类识别。
6.根据权利要求5所述的一种交叉道路口横穿道路事件视频检测方法,其特征在于:形态学处理包括用腐蚀算法除去孤立的噪点、细化边缘及用膨胀算法填充目标区域的空洞,具体来说,用A表示被处理的二值图像样本,B表示处理过程中选择的结构元素,·符号表示腐蚀运算,公式表示如下:
A·B={p∈ε2:p+b∈A,对于每一个b∈B}
式中ε2表示二维欧式空间。
膨胀运算是图像A相对结构元素B中所有点b平移后的并集,用⊕来标记:
A⊕B={p∈ε2:p=x+b,x∈X且b∈B}。
7.根据权利要求1所述的一种交叉道路口横穿道路事件视频检测方法,其特征在于:步骤4中的判定过程包括如下步骤:
1)从检测出的行人目标中提取出GPS位置、运动方向、运行速度等信息;
2)根据行人目标属性及运动信息,判断有无横穿道路事件发生;
3)如存在横穿道路事件,则进一步判断有行人目标周围是否有车辆目标;
4)若存在车辆目标则启动自动报警装置,给出警示信息。
8.根据权利要求1所述的一种交叉道路口横穿道路事件视频检测方法,其特征在于:步骤5中所述的数据首先经过封装成为网络帧,然后通过有线或无线网络传输至交通控制及调度中心。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310205831.8A CN103345840B (zh) | 2013-05-28 | 2013-05-28 | 一种交叉道路口横穿道路事件视频检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310205831.8A CN103345840B (zh) | 2013-05-28 | 2013-05-28 | 一种交叉道路口横穿道路事件视频检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103345840A true CN103345840A (zh) | 2013-10-09 |
CN103345840B CN103345840B (zh) | 2015-09-23 |
Family
ID=49280631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310205831.8A Expired - Fee Related CN103345840B (zh) | 2013-05-28 | 2013-05-28 | 一种交叉道路口横穿道路事件视频检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103345840B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104916132A (zh) * | 2015-05-14 | 2015-09-16 | 扬州大学 | 一种确定交叉***通流行驶轨迹的方法 |
CN105025099A (zh) * | 2015-07-15 | 2015-11-04 | 同济大学 | 智能摄像机网络***及摄像机网络动态任务分配方法 |
CN106373430A (zh) * | 2016-08-26 | 2017-02-01 | 华南理工大学 | 一种基于计算机视觉的交叉路口通行预警方法 |
CN107507298A (zh) * | 2017-08-11 | 2017-12-22 | 南京阿尔特交通科技有限公司 | 一种多机位视频车辆行驶数据采集方法及装置 |
CN108040221A (zh) * | 2017-11-30 | 2018-05-15 | 江西洪都航空工业集团有限责任公司 | 一种智能视频分析与监控*** |
CN108062861A (zh) * | 2017-12-29 | 2018-05-22 | 潘彦伶 | 一种智能交通监控*** |
CN108322699A (zh) * | 2018-01-23 | 2018-07-24 | 东南大学 | 一种基于视频图像检测电弧闪光的方法 |
CN109615866A (zh) * | 2019-01-16 | 2019-04-12 | 南京奥杰智能科技有限公司 | 基于互联网的交通路况监控*** |
CN110688903A (zh) * | 2019-08-30 | 2020-01-14 | 陕西九域通创轨道***技术有限责任公司 | 一种基于列车aeb***摄像头数据的障碍物提取方法 |
TWI704529B (zh) * | 2015-12-11 | 2020-09-11 | 瑞典商安訊士有限公司 | 用以偵測在一場景中之一預定第一線處之一物件越過事件之方法及裝置 |
CN112349096A (zh) * | 2020-10-28 | 2021-02-09 | 厦门博海中天信息科技有限公司 | 一种道路中智能识别行人的方法、***、介质及设备 |
CN112435475A (zh) * | 2020-11-23 | 2021-03-02 | 北京软通智慧城市科技有限公司 | 一种交通状态检测方法、装置、设备及存储介质 |
CN113022447A (zh) * | 2019-12-24 | 2021-06-25 | 宏碁股份有限公司 | 警示方法及警示*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2442049A (en) * | 2006-07-26 | 2008-03-26 | Joseph Farrell-Dillon | Proximity sensor activated camera |
CN101308606A (zh) * | 2007-05-18 | 2008-11-19 | 刘涛 | 一种交通信息采集装置及方法 |
CN101777263A (zh) * | 2010-02-08 | 2010-07-14 | 长安大学 | 一种基于视频的交通车流量检测方法 |
CN101964145A (zh) * | 2009-07-23 | 2011-02-02 | 北京中星微电子有限公司 | 一种自动车牌识别方法及其*** |
WO2012029382A1 (ja) * | 2010-08-31 | 2012-03-08 | 本田技研工業株式会社 | 車両周辺監視装置 |
-
2013
- 2013-05-28 CN CN201310205831.8A patent/CN103345840B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2442049A (en) * | 2006-07-26 | 2008-03-26 | Joseph Farrell-Dillon | Proximity sensor activated camera |
CN101308606A (zh) * | 2007-05-18 | 2008-11-19 | 刘涛 | 一种交通信息采集装置及方法 |
CN101964145A (zh) * | 2009-07-23 | 2011-02-02 | 北京中星微电子有限公司 | 一种自动车牌识别方法及其*** |
CN101777263A (zh) * | 2010-02-08 | 2010-07-14 | 长安大学 | 一种基于视频的交通车流量检测方法 |
WO2012029382A1 (ja) * | 2010-08-31 | 2012-03-08 | 本田技研工業株式会社 | 車両周辺監視装置 |
Non-Patent Citations (4)
Title |
---|
BING-FEI WU ET AL.: "A New Approach to Video-Based Traffic Surveillance Using Fuzzy Hybrid Information Inference Mechanism", 《IEEE INTELLIGENT TRANSPORTATION SYSTEMS SOCIETY 》 * |
杨大鹏: "道路行人特征视觉检测方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
樊兆宾: "交通检测与超速抓拍一体化***设计", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
黄德宝: "智能交通监控***中运动目标的检测与预警技术", 《中国学位论文全文数据库》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104916132A (zh) * | 2015-05-14 | 2015-09-16 | 扬州大学 | 一种确定交叉***通流行驶轨迹的方法 |
CN105025099A (zh) * | 2015-07-15 | 2015-11-04 | 同济大学 | 智能摄像机网络***及摄像机网络动态任务分配方法 |
TWI704529B (zh) * | 2015-12-11 | 2020-09-11 | 瑞典商安訊士有限公司 | 用以偵測在一場景中之一預定第一線處之一物件越過事件之方法及裝置 |
CN106373430A (zh) * | 2016-08-26 | 2017-02-01 | 华南理工大学 | 一种基于计算机视觉的交叉路口通行预警方法 |
CN106373430B (zh) * | 2016-08-26 | 2023-03-31 | 华南理工大学 | 一种基于计算机视觉的交叉路口通行预警方法 |
CN107507298B (zh) * | 2017-08-11 | 2019-10-22 | 南京阿尔特交通科技有限公司 | 一种多机位视频车辆行驶数据采集方法及装置 |
CN107507298A (zh) * | 2017-08-11 | 2017-12-22 | 南京阿尔特交通科技有限公司 | 一种多机位视频车辆行驶数据采集方法及装置 |
CN108040221B (zh) * | 2017-11-30 | 2020-05-12 | 江西洪都航空工业集团有限责任公司 | 一种智能视频分析与监控*** |
CN108040221A (zh) * | 2017-11-30 | 2018-05-15 | 江西洪都航空工业集团有限责任公司 | 一种智能视频分析与监控*** |
CN108062861A (zh) * | 2017-12-29 | 2018-05-22 | 潘彦伶 | 一种智能交通监控*** |
CN108062861B (zh) * | 2017-12-29 | 2021-01-15 | 北京安自达科技有限公司 | 一种智能交通监控*** |
CN108322699A (zh) * | 2018-01-23 | 2018-07-24 | 东南大学 | 一种基于视频图像检测电弧闪光的方法 |
CN108322699B (zh) * | 2018-01-23 | 2020-02-18 | 东南大学 | 一种基于视频图像检测电弧闪光的方法 |
CN109615866A (zh) * | 2019-01-16 | 2019-04-12 | 南京奥杰智能科技有限公司 | 基于互联网的交通路况监控*** |
CN110688903A (zh) * | 2019-08-30 | 2020-01-14 | 陕西九域通创轨道***技术有限责任公司 | 一种基于列车aeb***摄像头数据的障碍物提取方法 |
CN110688903B (zh) * | 2019-08-30 | 2023-09-26 | 湖南九域同创高分子新材料有限责任公司 | 一种基于列车aeb***摄像头数据的障碍物提取方法 |
CN113022447A (zh) * | 2019-12-24 | 2021-06-25 | 宏碁股份有限公司 | 警示方法及警示*** |
CN112349096A (zh) * | 2020-10-28 | 2021-02-09 | 厦门博海中天信息科技有限公司 | 一种道路中智能识别行人的方法、***、介质及设备 |
CN112435475A (zh) * | 2020-11-23 | 2021-03-02 | 北京软通智慧城市科技有限公司 | 一种交通状态检测方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103345840B (zh) | 2015-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103345840A (zh) | 一种交叉道路口横穿道路事件视频检测方法 | |
CN110264783B (zh) | 基于车路协同的车辆防碰撞预警***及方法 | |
CN102779280B (zh) | 一种基于激光传感器的交通信息提取方法 | |
CN104008645B (zh) | 一种适用于城市道路车道线预测及预警方法 | |
CN107380163A (zh) | 基于磁导航的汽车智能报警预测***及其方法 | |
CN101458871B (zh) | 一种智能交通分析***及其应用*** | |
CN105513371B (zh) | 一种基于核密度估计的高速公路违章停车检测方法 | |
CN102147971A (zh) | 基于视频图像处理技术的交通信息采集*** | |
EP2813973B1 (en) | Method and system for processing video image | |
CN103903465A (zh) | 一种道路拥堵原因实时发布方法及*** | |
CN103208184A (zh) | 一种高速公路交通事件视频检测方法 | |
CN103310206B (zh) | 一种基于多特征与多帧信息融合的助力车检测方法 | |
CN113313914B (zh) | 团雾监测方法、装置、***及存储介质 | |
CN202422420U (zh) | 一种基于视频监控的违章停车检测*** | |
CN114387785A (zh) | 一种基于智慧公路的安全管控方法、***及可存储介质 | |
CN103149603A (zh) | 一种基于视频的道路气象检测方法 | |
CN104867331B (zh) | 基于微波的交通事件检测方法及装置 | |
CN106960193A (zh) | 一种车道线检测装置和方法 | |
Abdelhalim et al. | A framework for real-time traffic trajectory tracking, speed estimation, and driver behavior calibration at urban intersections using virtual traffic lanes | |
CN204557788U (zh) | 基于微波的交通事件检测装置 | |
CN204178551U (zh) | 具有视频采集功能的交通事件检测器 | |
CN114333331B (zh) | 一种多车道桥梁车辆通行信息与车重识别方法及*** | |
CN116311113A (zh) | 一种基于车载单目摄像头的驾驶环境感知方法 | |
Liu et al. | Real-Time Multi-Task Environmental Perception System for Traffic Safety Empowered by Edge Artificial Intelligence | |
CN111627224A (zh) | 车辆速度异常检测方法、装置、设备及存储介质 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150923 Termination date: 20210528 |