CN103794056A - 基于实时双路视频流的车型精确分类***及方法 - Google Patents
基于实时双路视频流的车型精确分类***及方法 Download PDFInfo
- Publication number
- CN103794056A CN103794056A CN201410080066.6A CN201410080066A CN103794056A CN 103794056 A CN103794056 A CN 103794056A CN 201410080066 A CN201410080066 A CN 201410080066A CN 103794056 A CN103794056 A CN 103794056A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- video
- type
- camera
- classification
- 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)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于实时双路视频流的车型精确分类***及方法,***包括:车身扫描摄像机、高清抓拍摄像机以及视频车型检测器;方法包括:车身扫描摄像机和高清抓拍摄像机对车辆进行实时双路视频采集;视域标定后将虚拟像素空间与真实的物理空间建立一一对应的逻辑关系;将视域中的车辆进行目标分离;给出准确的车辆物理数据,进行模型重建和三维测量,对车辆类型进行最终判定。本发明的有益之处在于:采用车身扫描摄像机和高清抓拍摄像机两路高清视频流、嵌入式双通道视频车型检测器,使用三维视觉车身模型重建、拟合方式,可同时提供车辆多种参数,将车辆精确分型。
Description
技术领域
本发明涉及一种车型分类***及方法,具体涉及一种基于实时双路视频流的车型精确分类***及方法,属于道路交通技术领域。
背景技术
伴随着社会经济飞速发展和城市化进程的加快,我国道路交通规模急剧扩张,由此而产生的一系列交通管理问题急需得到解决。基于不同的交通管理需求对车辆进行统一口径的车型精确分类管理,是一项行之有效的技术手段。
表1《JT-T489-2003收费公路车辆通行费车型分类标准》
车型精确分类是采用多维度传感器技术,基于交通行业标准规范《JT-T489-2003收费公路车辆通行费车型分类标准》(以下简称《标准》,如表1所示内容),对车辆的外观、用途、承载能力的差异进行的种类划分行为,车型精确分类作为现代智能交通管理重要组成部分,具有重大的社会意义和经济价值。该技术被广泛应用于封闭道路联网收费***、停车场收费管理***、重点隧道及桥梁收费管理***、车辆税费征集管理***等多个领域,对公平车辆税费负担,科学合理规划道路空间具有重要意。
目前,对车型精确分类主要采用两种方法。
第一种方法是:采用一台正向采集摄像机,基于视频检测方法实现车辆检测分类,***可将车辆长度分为A、B、C、D、E、F六类。
该种方法为单视频流车型分类(又称可见光视频检测方法),其是在对视域进行标定的基础上,基于车辆的正投影图像进行平面几何测量得到车辆长度,并根据车辆长度不同划分为不同种类。该方法分类依据简单(仅参考车长)、实现容易,但并不能满足《行标》中根据车头高度、车轴数、轴距、车轮数等指标要求,因此,仅适用于交通参数统计、交通数据挖掘分析等学术和科研领域。
另外,由于该方法基于车辆正投影图像的平面几何图形测量,因此,对摄像机架设高度、角度非常严格,现实应用中施工难度较大。
第二种方法是:将环形地感线圈检测器(主要提供车辆存在及触发、车长判定)、红外光栅检测器(主要提供车辆轮廓扫描、车辆分离、车头高度)、车轴检测器(主要提供车辆轴数、轴距、轮数检测)、车辆牌照识别器(主要用于识别车辆牌照编号、车牌底色)以及数据控制主机(将各检测器实时数据进行汇总,并基于时间、空间进行同步处理,最终根据车头高度、车轴数、轴距、轮数、车长、车牌特征对车辆进行精确分类)集成应用(参见图1),依据《标准》中对车头高度、车轴数、轴距、车轮数、载客或载货能力等要求分为1-5型车。此外,环形地感线圈检测器、红外光栅检测器等也可以单独提供简单的车型分类功能,但是不能单独作为精确分类设备应用。
该方法的本质是一种多检测器数据集成应用技术,虽然能够全面提供《标准》中所要求的车型精确分类参数,但作为一种室外应用***其前端结构过于复杂、冗余,因此,***建设成本高昂、环境适应差、整体稳定性低,使用寿命短、后期维护难度大。同时,由于多检测器集成应用并不能克服各功能检测本身所固有的技术缺陷,其中某一种检测器就会导致整个***丧失功能。
发明内容
本发明的第一个目的在于提供一种基于车道入口高清车身扫描摄像机和车道正前或侧前45°角高清抓拍摄像机两路高清视频流的车型精确分类***。
本发明的第二个目的在于提供基于该车型精确分类***的对车型进行精确分类的方法。
为了实现第一个目标,本发明采用如下的技术方案:
一种基于实时双路视频流的车型精确分类***,其特性在于,包括:
车身扫描摄像机:架设在车道入口,架设高度为1-1.5米,垂直扫描车身的侧面;
高清抓拍摄像机:架设在车道正前或侧前45°角方向,架设高度为1-1.5米,实现车辆正面图像抓拍;
视频车型检测器:将车身扫描摄像机传来的多帧图像进行拼接、还原车身;根据高清抓拍摄像机传来的图像信息,准确定位车辆位置,同时对目标车辆先进行初步划分再进行精确划分。
前述的基于实时双路视频流的车型精确分类***,其特性在于,前述视频车型检测器包括以下模块:
视频实时学习模块:自动分离获取***检测所需的图像静态背景信息、运动目标信息,同时对实时视频流进行在线实时自学习;
车辆检测模块:基于双路视频图像标定数据,在***中建立与车、路物理空间一一映射的矢量坐标空间,采用目标轨迹跟踪、特征检测、聚类的方式提取目标车辆信息;
车辆抓拍识别模块:对符合车辆特征的目标进行车辆车头号牌跟踪定位,并自动识别车牌结构、车牌号、车牌底色,能够同时根据车牌在车道中的位置提供车辆存在触发信号;
数据同步模块:对车辆检测模块和车牌抓拍识别模块的数据进行采集,并基于时间和空间、运动速度的关系进行数据同步,判断该组数据是否源自于同一车辆;
模型重建测量模块:根据经同步处理的车辆数据进行车辆模型的重建,并与历史车辆模型库进行实时比对、测量,测量的结果数据包括分类所需的:车辆正面特征、车牌号、车头高度、轴数、轴距、车辆轮数、车长;
车型判定模块:根据模型重建测量模块所输出的车辆技术参数进行车型分类判定;
神经网络自学习模块:对新晋车型自动进行特征提取和分类,自动记录人工修正后的类型数据,具备对新车型的自动检测分类能力。
前述的基于实时双路视频流的车型精确分类***,其特性在于,前述视频车型检测器还包括:
视频预处理模块:通过帧率采样分析对不符合检测要求的视频流进行预处理,预处理过程包括:图像降噪处理、锐度、色差及饱和度处理、关键帧补偿。
为了实现第二个目标,本发明采用如下的技术方案:
一种基于上述车型精确分类***对车型进行精确分类的方法,其特征在于,包括以下步骤:
(1)车身扫描摄像机和高清抓拍摄像机对车辆进行实时双路视频采集;
(2)对车身扫描摄像机和高清抓拍摄像机的视频流进行视域标定,将视频视域中的虚拟像素空间与真实的物理空间建立一一对应的逻辑关系;
(3)在视域标定的基础上,基于机器视觉算法,将视域中的车辆进行目标分离;
(4)目标通过车身扫描摄像机的视域时,记录目标起、止特征及起、止时间,计算目标运动速度、运动方向,扫描记录目标侧面轮廓,并根据车轮模型匹配定位轮胎位置及车轴,通过图像重叠复原原理将多帧图像中车辆拼接,还原车身,给出准确的车辆物理数据;
(5)目标出现在高清抓拍摄像机的视域时,对目标车辆进行正向检测、抓拍,准确定位车辆位置,获得车牌号码、底色、牌照结构,以及车辆宽度、车头高度;
(6)基于车身扫描摄像机和高清抓拍摄像机所获取的多维度车辆信息,进行模型重建和三维测量;
(7)结合牌照类型、简单分类定义和三维测量的结果,对车辆类型进行最终判定,并生成唯一的判定结果输出给相关联的车辆分类应用***。
前述的方法,其特征在于,在步骤(7)中,对车辆类型进行判定的方法为:
根据车辆牌照类型、简单分类定义对车辆进行初步划分,悬挂蓝牌或简单分类定义为小客车、面包车的车辆作为第一集合,悬挂黄牌或简单分类被定义为客车、货车的类型作为第二集合;
在第一集合中,根据车头高度和轴距的区别精确划分出1型车和2型车;
在第二集合中,根据轴数、车轮数、轴距和车长的区别精确划分出3型车、4型车和5型车。
前述的方法,其特征在于,在第一集合中,车头小于1.3米且轴距小于3米的车辆为1型车,车头高度≥1.3米且轴距>3米的车辆为2型车;在第二集合中,轴数为2轴、车轮数为6轮、轴距>5米的车辆为3型车,轴数为3轴、车轮数大于6轮且小于10轮、车长为15.1米-20米的车辆为4型车,轴数为3轴以上、车轮数为10轮以上、车长20.1米以上的车辆为5型车。
本发明的有益之处在于:采用车道入口高清车身扫描摄像机和车道正前或侧前45°角高清抓拍摄像机两路高清视频流、嵌入式双通道视频车型检测器,使用三维视觉车身模型重建、拟合方式,可同时提供车头高度、车轴数、轴距、车轮数、车长、车牌号码、号牌类型(蓝牌、黄牌)、车辆类型(小客车、面包车、客车、货车)、车辆品牌等车辆参数,将车辆分为:1-5型车,可充分满足道路封闭式收费、停车场收费、国家车辆税费征稽管理等对车型自动分类检测的技术需求。
附图说明
图1是现有车型精确分类***的架构图;
图2是本发明的车型精确分类***的架构图;
图3是图2中的车型精确分类***的接线示意图;
图4是图2中的视频车型检测器的组成示意图;
图5是获取车身特征数据的主要流程图;
图6是对车型进行精确判定的主要流程图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
参照图2和图3,本发明的基于实时双路视频流的车型精确分类***,包括:车身扫描摄像机、高清抓拍摄像机和视频车型检测器,车身扫描摄像机、高清抓拍摄像机分别通过以太网将数字视频输入给视频车型检测器,其中,
1、车身扫描摄像机架设在车道入口,垂直扫描车身的侧面,采用200万像素的高清晰度、高灵敏度网络摄像机和6MM以下高清定焦镜头,帧率高达25FPS,架设高度为1-1.5米。车身扫描像机曝光时间可调,且每一帧高清视频图像均能够清晰分辩通过视域的车辆车身特征。综合考虑夜间成像效果,以及夜间近距离可见光垂直补光可能造成的反光干扰,也可以采用具备红外成像技术的摄像机以及红外补光灯方式。车身扫描摄像机主要用于捕获并定位车身特征点,定位车辆轮胎、车轴位置及轴数、轴距。
综合考虑到收费岛空间狭小问题,因此,车身扫描像机拍摄角度和视域选择,应以图像中能够清晰、完整显示最大车通过时其轮胎轮廓为最基本要求。同时,还须满足核心算法中两帧车身图像拼接,应具备10%以上的图像重合内容的技术要求。
2、高清抓拍摄像机架设在车道正前或侧前45°角方向,实现车辆正面图像抓拍,采用200万像素的高清晰度、高灵敏度网络摄像机和12MM高清定焦镜头,帧率高达25FPS,架设高度为1-1.5米。高清抓拍摄像机采用抓拍点左前方或右前方45度角倾斜拍摄,视域中以能够完整显示常见的中、小型机动车为准。夜间将采用专业的LED同步补光灯对车辆牌照进行补光,补光灯也采用45度角倾斜照射,不会因补光距离近而引起车牌过爆现象,同时不会对通过车道的司机视线造成影响,高清抓拍摄像机主要用于提供车牌类型和车牌编号的抓拍及识别,以及车头高度、车身宽度测量。
3、视频车型检测器采用嵌入式高性能工控机,配备低功耗高性能处理器,可有效处理两路高清网络摄像机视频流。
视频车型检测器将车身扫描摄像机传来的多帧图像进行拼接、还原车身,给出准确的车辆物理数据,同时根据高清抓拍摄像机传来的图像信息,准确定位车辆位置,识别车辆牌照信息并根据车辆牌照信息初步划分车辆基本类型或者通过高清抓拍摄像机抓拍到的目标车辆正面特征对目标车辆进行初步划分,并在初步划分的基础上根据轴数、轴距、车轮数、车头高度、车长对目标车辆进行精确划分。
视频车型检测器通过以太网或者串口通信方式将车型分类数据实时传输给收费机、自动发卡机、ETC不停车收费***等车型分类应用***,最终实现根据不同的车辆类型分别计费。车辆存在信号可同时输出至车道自动闸机,用于实时控制自动栏杆的开、关。
作为一种优选的方案,参照图4,视频车型检测器包括以下模块:
视频实时学习模块:自动分离获取***检测所需的图像静态背景信息、运动目标信息,同时对实时视频流进行在线实时自学习。
车辆检测模块:核心模块之一,基于双路视频图像标定数据,在***中建立与车、路物理空间一一映射的矢量坐标空间,采用目标轨迹跟踪、特征检测、聚类等方式提取目标车辆信息。
车辆抓拍识别模块:对符合车辆特征的目标进行车辆车头号牌跟踪定位,并自动识别车牌结构、车牌号、车牌底色,能够同时根据车牌在车道中的位置提供车辆存在触发信号,并将该信号实时传输至车道道闸控制***,用于控制入口车道栏杆的开、关。
数据同步模块:对车辆检测模块和车牌抓拍识别模块的数据进行采集,并基于时间和空间、运动速度的关系进行数据同步,判断该组数据是否源自于同一车辆。
模型重建测量模块:经同步处理的车辆数据提交至该模块,根据经同步处理的车辆数据进行车辆模型的重建,并与历史车辆模型库进行实时比对、测量,测量的结果数据涵盖《JT-T489-2003收费公路车辆通行费车型分类标准》分类所需的技术要素,该技术要素包括:车辆正面特征、车牌号、车头高度、轴数、轴距、车辆轮数、车长等。
车型判定模块:根据模型重建测量模块所输出的车辆技术参数,依据《JT-T489-2003收费公路车辆通行费车型分类标准》进行车型分类判定。
神经网络自学习模块:该模块主要提供***自学习数据积累和人工辅助车型库扩充功能。还能够对新晋车型自动进行特征提取和分类,自动记录人工修正后的类型数据,具备对新车型的自动检测分类能力。
作为一种优选的方案,视频车型检测器还包括:视频预处理模块,该模块通过帧率采样分析对不符合检测要求的视频流进行预处理,预处理过程包括:图像降噪处理、锐度、色差及饱和度处理、关键帧补偿等,该模块是视频车型检测器的基础模块,主要确保输入***的高清数字视频流质量可满足检测分析要求,从而确保***最终检测性能稳定性、可靠性、普适性。
接下来介绍基于上述车型精确分类***对车型进行精确分类的方法。
第一步:车身扫描摄像机和高清抓拍摄像机对车辆进行实时双路视频采集。
第二步:对车身扫描摄像机和高清抓拍摄像机的视频流进行视域标定,将视频视域中的虚拟像素空间与真实的物理空间建立一一对应的逻辑关系,以便于能够针对不同的角度对相关模型数据进行测量、比对。视域标定完成后即进入实时在线学习过程。
第三步:在视域标定的基础上,基于一系列的机器视觉算法,将视域中的车辆进行目标分离。
第四步:参照图5,目标通过车身扫描摄像机的视域时,记录目标起、止特征及起、止时间,计算目标运动速度、运动方向,扫描记录目标侧面轮廓,并根据车轮模型匹配定位轮胎位置及车轴,通过图像重叠复原原理将多帧图像中车辆拼接,还原车身,给出准确的车辆物理数据。
视频车型检测器将根据时间、空间关联性对车身特征数据进行同步、校正,并对异常数据进行人工校正入库,作为未来车型判定优化基础数据,从而使视频车型检测器具备视神经原理的自学习能力。
第五步:参照图5,目标出现在高清抓拍摄像机的视域时,对目标车辆进行正向检测、抓拍,同步启动车牌检测模式和车检识别模式双重模式,具体的:
车牌检测模式准确定位车辆位置,获得车牌号码、底色及牌照结构,通过车辆牌照号码及底色初步划分车辆基本类型(蓝牌:小型车、黄牌:大型车),并为车道控制器提供准确的车辆存在触发信号。
当检测到无牌或车牌污损车辆时,无法进行准确车牌定位,即自动转入车检识别模式。
车检识别模式通过将车辆正投影图像与高清抓拍摄像机标定的坐标参数进行映射,最终获得车辆宽度、车头高度等指标。
视频车型检测器将根据时间、空间关联性对车头特征数据进行同步、校正,并对异常数据进行人工校正入库,作为未来车型判定优化基础数据,从而使视频车型检测器具备视神经原理的自学习能力。
通过大量车辆样本的学习,可以基于车辆正向抓拍图像进行车辆种类、品牌的初步识别,并在人工逐步干预下建立特征数据库(包括:车牌编号、车辆类型定义、品牌或系列、车辆轴数、车辆轮数等)完成在线实时学习积累,为下一步***精确自动识别打下基础。还可以将该识别信息自动与其他识别信息进行融合,增强车型识别的可信度,最终实现精确的车型分类检测。
第六步:基于车身扫描摄像机和高清抓拍摄像机所获取的多维度车辆信息,进行模型重建和三维测量。
首先将车头图片和车身扫描图片根据捕获时间、特征点、空间关系等要素进行车辆拼接、还原,并与摄像机物理标定信息进行比对、测量,最终获得车辆车头高度、轮胎位置、轴数、轴距、车辆长度等分类支撑数据。
第七步:结合牌照类型、简单分类定义和三维测量的结果,对车辆类型进行最终判定,并生成唯一的判定结果输出给相关联的车辆分类应用***。
对车辆类型进行判定,分为初步划分和精确划分两个步骤,参见图6。
初步划分:将悬挂蓝牌或简单分类定义为小客车、面包车的车辆作为第一集合,将悬挂黄牌或简单分类被定义为客车、货车的类型作为第二集合。
精确划分:在第一集合中,根据车头高度和轴距的区别精确划分出1型车和2型车,具体的,车头小于1.3米且轴距小于3米的车辆为1型车,车头高度≥1.3米且轴距>3米的车辆为2型车;在第二集合中,根据轴数、车轮数、轴距和车长的区别精确划分出3型车、4型车和5型车,具体的,轴数为2轴、车轮数为6轮、轴距>5米的车辆为3型车,轴数为3轴、车轮数大于6轮且小于10轮、车长为15.1米-20米的车辆为4型车,轴数为3轴以上、车轮数为10轮以上、车长20.1米以上的车辆为5型车。
由此可见,本发明存在以下优点:
1、全面满足《标准》要求,提供应用级车型精确分类数据
基于车头、车身检测的纯三维视觉测量技术提供:车头高度、轴数、轴距、轮数、车长、车牌类型、车辆类型数据等将车辆分为:1-5型车,可充分满足道路封闭式收费、停车场收费、国家车辆税费征稽管理等对车型自动分类检测的技术需求。
相比传统的单摄像机视频检测、环形线圈检测、红外光栅检测而言,不仅提供的车辆参数丰富,而且稳定性和实用性都得提升。与多检测器车型精确分类方案的数据应用层集成相比,本***则从核心层面针对车型分类的核心技术需求进行充分优化,使***架构更加简单、实用,更加方便大规模的应用部署。
2、视频车型检测器结构简单、集成度高、运行效率高、建设成本低
视频车型检测器基于车型精确分类核心数据需求,从视频车型检测算法层面进行充分优化、裁剪。与普通多设备应用层数据集成架构相比,其前端结构更加简单,集成度更高,运行效率更高。本***前端仅需要2台高清网络摄像机和1台嵌入式视频车型检测器就可以完成***任务,因此,造价成本远低于现有多设备集成技术方案。
3、采用非接触式检测,整体稳定性好,后期维护简单
采用的视频触发方式属于非接触式检测,因此,无需在路面埋设、部署任何东西。而多设备集成方案中地感线圈检测器、车轮检测器都属于接触式触发,设备安装时需要破路施工,将会直接破坏路面结构,从而造成道路实际使用寿命降低。且上述设备主要部件受到路面热胀冷缩、车辆长时间碾压而极容易损坏,原本设计寿命为5年的设备实际仅3年左右就出现大面积损坏,而且设备一旦损坏其修复工作也变得非常复杂。
所采用的高清摄像机、视频车型检测器均采用工业级、低功耗设计,其设备稳定性更高、环境适应性更强。高清摄像机作为本***唯一的室外直接应用设备,它的日常维护仅仅是对摄像机防护罩、镜头的除尘和擦拭,且本***中摄像机架设高度仅为1.5米,因此,后期维护简单、费用低廉。
需要说明的是,上述实施例不以任何形式限制本发明,凡采用等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (6)
1.基于实时双路视频流的车型精确分类***,其特性在于,包括:
车身扫描摄像机:架设在车道入口,架设高度为1-1.5米,垂直扫描车身的侧面;
高清抓拍摄像机:架设在车道正前或侧前45°角方向,架设高度为1-1.5米,实现车辆正面图像抓拍;
视频车型检测器:将车身扫描摄像机传来的多帧图像进行拼接、还原车身;根据高清抓拍摄像机传来的图像信息,准确定位车辆位置,同时对目标车辆先进行初步划分再进行精确划分。
2.根据权利要求1所述的基于实时双路视频流的车型精确分类***,其特性在于,所述视频车型检测器包括以下模块:
视频实时学习模块:自动分离获取***检测所需的图像静态背景信息、运动目标信息,同时对实时视频流进行在线实时自学习;
车辆检测模块:基于双路视频图像标定数据,在***中建立与车、路物理空间一一映射的矢量坐标空间,采用目标轨迹跟踪、特征检测、聚类的方式提取目标车辆信息;
车辆抓拍识别模块:对符合车辆特征的目标进行车辆车头号牌跟踪定位,并自动识别车牌结构、车牌号、车牌底色,能够同时根据车牌在车道中的位置提供车辆存在触发信号;
数据同步模块:对车辆检测模块和车牌抓拍识别模块的数据进行采集,并基于时间和空间、运动速度的关系进行数据同步,判断该组数据是否源自于同一车辆;
模型重建测量模块:根据经同步处理的车辆数据进行车辆模型的重建,并与历史车辆模型库进行实时比对、测量,测量的结果数据包括分类所需的:车辆正面特征、车牌号、车头高度、轴数、轴距、车辆轮数、车长;
车型判定模块:根据模型重建测量模块所输出的车辆技术参数进行车型分类判定;
神经网络自学习模块:对新晋车型自动进行特征提取和分类,自动记录人工修正后的类型数据,具备对新车型的自动检测分类能力。
3.根据权利要求2所述的基于实时双路视频流的车型精确分类***,其特性在于,所述视频车型检测器还包括:
视频预处理模块:通过帧率采样分析对不符合检测要求的视频流进行预处理,预处理过程包括:图像降噪处理、锐度、色差及饱和度处理、关键帧补偿。
4.基于权利要求1、2或3所述的车型精确分类***对车型进行精确分类的方法,其特征在于,包括以下步骤:
(1)车身扫描摄像机和高清抓拍摄像机对车辆进行实时双路视频采集;
(2)对车身扫描摄像机和高清抓拍摄像机的视频流进行视域标定,将视频视域中的虚拟像素空间与真实的物理空间建立一一对应的逻辑关系;
(3)在视域标定的基础上,基于机器视觉算法,将视域中的车辆进行目标分离;
(4)目标通过车身扫描摄像机的视域时,记录目标起、止特征及起、止时间,计算目标运动速度、运动方向,扫描记录目标侧面轮廓,并根据车轮模型匹配定位轮胎位置及车轴,通过图像重叠复原原理将多帧图像中车辆拼接,还原车身,给出准确的车辆物理数据;
(5)目标出现在高清抓拍摄像机的视域时,对目标车辆进行正向检测、抓拍,准确定位车辆位置,获得车牌号码、底色、牌照结构,以及车辆宽度、车头高度;
(6)基于车身扫描摄像机和高清抓拍摄像机所获取的多维度车辆信息,进行模型重建和三维测量;
(7)结合牌照类型、简单分类定义和三维测量的结果,对车辆类型进行最终判定,并生成唯一的判定结果输出给相关联的车辆分类应用***。
5.根据权利要求4所述的方法,其特征在于,在步骤(7)中,对车辆类型进行判定的方法为:
根据车辆牌照类型、简单分类定义对车辆进行初步划分,悬挂蓝牌或简单分类定义为小客车、面包车的车辆作为第一集合,悬挂黄牌或简单分类被定义为客车、货车的类型作为第二集合;
在第一集合中,根据车头高度和轴距的区别精确划分出1型车和2型车;
在第二集合中,根据轴数、车轮数、轴距和车长的区别精确划分出3型车、4型车和5型车。
6.根据权利要求5所述的方法,其特征在于,在第一集合中,车头小于1.3米且轴距小于3米的车辆为1型车,车头高度≥1.3米且轴距>3米的车辆为2型车;在第二集合中,轴数为2轴、车轮数为6轮、轴距>5米的车辆为3型车,轴数为3轴、车轮数大于6轮且小于10轮、车长为15.1米-20米的车辆为4型车,轴数为3轴以上、车轮数为10轮以上、车长20.1米以上的车辆为5型车。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410080066.6A CN103794056B (zh) | 2014-03-06 | 2014-03-06 | 基于实时双路视频流的车型精确分类***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410080066.6A CN103794056B (zh) | 2014-03-06 | 2014-03-06 | 基于实时双路视频流的车型精确分类***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103794056A true CN103794056A (zh) | 2014-05-14 |
CN103794056B CN103794056B (zh) | 2015-09-30 |
Family
ID=50669667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410080066.6A Active CN103794056B (zh) | 2014-03-06 | 2014-03-06 | 基于实时双路视频流的车型精确分类***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103794056B (zh) |
Cited By (45)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021375A (zh) * | 2014-05-29 | 2014-09-03 | 银江股份有限公司 | 一种基于机器学习的车型识别方法 |
CN104866858A (zh) * | 2015-05-27 | 2015-08-26 | 北京信路威科技股份有限公司 | 一种车型特征分析方法 |
CN105224951A (zh) * | 2015-09-30 | 2016-01-06 | 深圳市华尊科技股份有限公司 | 一种车型分类方法及分类装置 |
CN105427614A (zh) * | 2015-08-28 | 2016-03-23 | 北京动视元科技有限公司 | 一种车型分类***及其方法 |
CN105426922A (zh) * | 2015-12-08 | 2016-03-23 | 同方威视技术股份有限公司 | 列车车型识别方法和***及安全检查方法和*** |
CN105719482A (zh) * | 2016-04-20 | 2016-06-29 | 太原市高远时代科技有限公司 | 动态车辆信息采集装置 |
CN106127107A (zh) * | 2016-06-14 | 2016-11-16 | 宁波熵联信息技术有限公司 | 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法 |
CN106446949A (zh) * | 2016-09-26 | 2017-02-22 | 成都通甲优博科技有限责任公司 | 一种车辆型号识别方法及装置 |
CN106441529A (zh) * | 2016-08-30 | 2017-02-22 | 山西万立科技有限公司 | 一种基于视频图像技术的车型识别与作弊诊断*** |
CN106575473A (zh) * | 2014-08-22 | 2017-04-19 | 业纳遥控设备有限公司 | 用于对车辆进行非接触式计轴的方法和计轴设备以及用于道路交通的计轴*** |
CN106600722A (zh) * | 2016-11-14 | 2017-04-26 | 南京积图网络科技有限公司 | 一种收费服务装置、方法及*** |
CN106980837A (zh) * | 2017-03-29 | 2017-07-25 | 广西信路威科技发展有限公司 | 一种基于车辆特征信息分析的车型识别方法及*** |
CN107122747A (zh) * | 2017-04-28 | 2017-09-01 | 北京理工大学 | 一种轨道车辆车厢状态非接触检测装置及方法 |
CN107730617A (zh) * | 2017-02-04 | 2018-02-23 | 西安艾润物联网技术服务有限责任公司 | 无牌车辆收费方法和装置 |
CN107895156A (zh) * | 2017-11-29 | 2018-04-10 | 合肥寰景信息技术有限公司 | 用于多目标车辆特征提取及分析*** |
CN108320517A (zh) * | 2017-12-28 | 2018-07-24 | 浙江中新长清信息科技有限公司 | 车牌和车辆识别***及监测服务器 |
CN109637153A (zh) * | 2019-01-25 | 2019-04-16 | 合肥市智信汽车科技有限公司 | 一种基于机器视觉的车载移动违法抓拍*** |
CN109767507A (zh) * | 2019-03-01 | 2019-05-17 | 河北交通职业技术学院 | 一种基于电子围栏的高速公路不停车收费支付*** |
CN109815933A (zh) * | 2019-02-11 | 2019-05-28 | 山东省公安厅高速公路交通警察总队 | 一种多轴车自动识别取证装置、***及方法 |
CN110047276A (zh) * | 2019-03-11 | 2019-07-23 | 广州文远知行科技有限公司 | 障碍物车辆的拥堵状态确定方法、装置和相关产品 |
CN110232324A (zh) * | 2019-05-16 | 2019-09-13 | 苏州思卡信息***有限公司 | 一种高速公路收费车型的自动识别***及方法 |
CN110550038A (zh) * | 2019-09-30 | 2019-12-10 | 重庆元韩汽车技术设计研究院有限公司 | 一种智能驾驶决策信息采集***及方法 |
CN110874932A (zh) * | 2018-08-29 | 2020-03-10 | 北京万集科技股份有限公司 | 识别车轴数量的方法、装置及*** |
CN111161542A (zh) * | 2018-11-08 | 2020-05-15 | 杭州海康威视数字技术股份有限公司 | 车辆识别方法及装置 |
CN111292432A (zh) * | 2020-01-14 | 2020-06-16 | 北京巨视科技有限公司 | 基于车型识别和轮轴检测的车辆收费类型判别方法与装置 |
CN111507427A (zh) * | 2020-05-08 | 2020-08-07 | 湖南车路协同智能科技有限公司 | 一种车辆分类方法 |
CN111667688A (zh) * | 2020-05-06 | 2020-09-15 | 北京科技大学 | 一种基于路面振动信号的综合交通信息解析方法及*** |
CN111796472A (zh) * | 2020-07-31 | 2020-10-20 | 广东优尼克智能照明科技有限公司 | 一种etc卡扣抓拍灯及组装、使用方法 |
CN111833469A (zh) * | 2019-04-18 | 2020-10-27 | 杭州海康威视数字技术股份有限公司 | 应用于收费站点的车辆计费方法及*** |
CN111837163A (zh) * | 2018-03-09 | 2020-10-27 | 图森有限公司 | 用于车辆车轮检测的***和方法 |
CN111860381A (zh) * | 2020-07-27 | 2020-10-30 | 上海福赛特智能科技有限公司 | 一种车道口的车轴计数装置和方法 |
CN111860201A (zh) * | 2020-06-28 | 2020-10-30 | 中铁大桥科学研究院有限公司 | 图像识别与桥梁监测相结合的匝道重车识别方法及*** |
CN111860384A (zh) * | 2020-07-27 | 2020-10-30 | 上海福赛特智能科技有限公司 | 一种车型识别方法 |
CN112002027A (zh) * | 2020-09-04 | 2020-11-27 | 侯晓峰 | 高速公路计费方法、装置、终端及存储介质 |
CN112329747A (zh) * | 2021-01-04 | 2021-02-05 | 湖南大学 | 基于视频识别和深度学习的车辆参数检测方法及相关装置 |
CN113111884A (zh) * | 2021-03-26 | 2021-07-13 | 沈阳天眼智云智能技术研究院有限公司 | 危化品运输专用车辆的视频检测方法 |
CN113129598A (zh) * | 2019-12-31 | 2021-07-16 | 武汉万集信息技术有限公司 | 基于红外相机的自由流车型识别方法、***及设备 |
CN113537167A (zh) * | 2021-09-15 | 2021-10-22 | 成都数联云算科技有限公司 | 一种车辆外观识别方法及***及装置及介质 |
CN114120661A (zh) * | 2021-11-17 | 2022-03-01 | 常州大学 | 一种基于目标检测的车辆探测***及方法 |
CN114199132A (zh) * | 2021-12-16 | 2022-03-18 | 上海应用技术大学 | 一种基于机器视觉的激光三维扫描仪及扫描方法 |
CN114624726A (zh) * | 2022-03-17 | 2022-06-14 | 南通探维光电科技有限公司 | 轮轴识别***和轮轴识别方法 |
CN115083170A (zh) * | 2022-07-06 | 2022-09-20 | 深圳市创安视迅技术有限公司 | 一种摄像机的图像抓拍方法、装置、电子设备及存储介质 |
US11501513B2 (en) | 2017-03-10 | 2022-11-15 | Tusimple, Inc. | System and method for vehicle wheel detection |
CN117877265A (zh) * | 2024-01-24 | 2024-04-12 | 特微乐行(广州)技术有限公司 | 基于视频ai分析的高速公路监控预警与处置管控*** |
CN107886728B (zh) * | 2017-11-27 | 2024-05-10 | 山西国强高科股份有限公司 | 载重汽车车型视频识别装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1052204A (zh) * | 1989-11-25 | 1991-06-12 | 西安公路研究所 | 汽车车型自动识别统计方法及装置 |
MXPA04000393A (es) * | 2004-01-14 | 2005-07-15 | Americas Resources S C | Sistema y proceso de identificacion y clasificacion de vehiculos. |
CN101783076A (zh) * | 2010-02-04 | 2010-07-21 | 西安理工大学 | 一种视频监控模式下的快速车型识别方法 |
US20110103647A1 (en) * | 2009-10-01 | 2011-05-05 | Alexander Leopold | Device and Method for Classifying Vehicles |
CN102708385A (zh) * | 2012-04-06 | 2012-10-03 | 张丛喆 | 用于视频监控场景的三维车型比对识别的方法和*** |
CN103048697A (zh) * | 2012-12-17 | 2013-04-17 | 华南理工大学 | 可测量车辆的行进方向、轴数和车辆二维形状的光幕装置 |
CN202995057U (zh) * | 2012-12-17 | 2013-06-12 | 华南理工大学 | 一种用于车辆检测的光幕装置 |
CN103324920A (zh) * | 2013-06-27 | 2013-09-25 | 华南理工大学 | 基于车辆正面图像与模板匹配的车型自动识别方法 |
CN203225009U (zh) * | 2012-12-12 | 2013-10-02 | 北京万集科技股份有限公司 | 一种激光式交通情况调查*** |
-
2014
- 2014-03-06 CN CN201410080066.6A patent/CN103794056B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1052204A (zh) * | 1989-11-25 | 1991-06-12 | 西安公路研究所 | 汽车车型自动识别统计方法及装置 |
MXPA04000393A (es) * | 2004-01-14 | 2005-07-15 | Americas Resources S C | Sistema y proceso de identificacion y clasificacion de vehiculos. |
US20110103647A1 (en) * | 2009-10-01 | 2011-05-05 | Alexander Leopold | Device and Method for Classifying Vehicles |
CN101783076A (zh) * | 2010-02-04 | 2010-07-21 | 西安理工大学 | 一种视频监控模式下的快速车型识别方法 |
CN102708385A (zh) * | 2012-04-06 | 2012-10-03 | 张丛喆 | 用于视频监控场景的三维车型比对识别的方法和*** |
CN203225009U (zh) * | 2012-12-12 | 2013-10-02 | 北京万集科技股份有限公司 | 一种激光式交通情况调查*** |
CN103048697A (zh) * | 2012-12-17 | 2013-04-17 | 华南理工大学 | 可测量车辆的行进方向、轴数和车辆二维形状的光幕装置 |
CN202995057U (zh) * | 2012-12-17 | 2013-06-12 | 华南理工大学 | 一种用于车辆检测的光幕装置 |
CN103324920A (zh) * | 2013-06-27 | 2013-09-25 | 华南理工大学 | 基于车辆正面图像与模板匹配的车型自动识别方法 |
Non-Patent Citations (4)
Title |
---|
李晋惠,等: "一种图像处理的汽车类型识别算法", 《西安工业大学学报》, vol. 29, no. 3, 31 January 2009 (2009-01-31) * |
翟乃斌,等: "基于计算机视觉的汽车整车尺寸测量***", 《交通与计算机》, vol. 24, no. 3, 31 March 2006 (2006-03-31) * |
翟乃斌: "基于计算机视觉的汽车整车尺寸测量***的研究", 《中国博士学位论文全文数据库》, no. 4, 15 April 2007 (2007-04-15) * |
蒋新花: "新型高速公路入口自动发卡***的研发与应用", 《交通工程》, no. 10, 31 October 2013 (2013-10-31) * |
Cited By (62)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021375A (zh) * | 2014-05-29 | 2014-09-03 | 银江股份有限公司 | 一种基于机器学习的车型识别方法 |
CN104021375B (zh) * | 2014-05-29 | 2017-11-07 | 银江股份有限公司 | 一种基于机器学习的车型识别方法 |
CN106575473A (zh) * | 2014-08-22 | 2017-04-19 | 业纳遥控设备有限公司 | 用于对车辆进行非接触式计轴的方法和计轴设备以及用于道路交通的计轴*** |
CN106575473B (zh) * | 2014-08-22 | 2021-06-18 | 业纳遥控设备有限公司 | 用于对车辆进行非接触式计轴的方法、设备及计轴*** |
CN104866858A (zh) * | 2015-05-27 | 2015-08-26 | 北京信路威科技股份有限公司 | 一种车型特征分析方法 |
CN105427614A (zh) * | 2015-08-28 | 2016-03-23 | 北京动视元科技有限公司 | 一种车型分类***及其方法 |
CN105224951A (zh) * | 2015-09-30 | 2016-01-06 | 深圳市华尊科技股份有限公司 | 一种车型分类方法及分类装置 |
US10108881B2 (en) | 2015-12-08 | 2018-10-23 | Nuctech Company Limited | Train type identification method and system, and security inspection method and system |
CN105426922A (zh) * | 2015-12-08 | 2016-03-23 | 同方威视技术股份有限公司 | 列车车型识别方法和***及安全检查方法和*** |
CN105426922B (zh) * | 2015-12-08 | 2019-02-12 | 同方威视技术股份有限公司 | 列车车型识别方法和***及安全检查方法和*** |
CN105719482B (zh) * | 2016-04-20 | 2018-07-10 | 太原市高远时代科技有限公司 | 动态车辆信息采集装置 |
CN105719482A (zh) * | 2016-04-20 | 2016-06-29 | 太原市高远时代科技有限公司 | 动态车辆信息采集装置 |
CN106127107A (zh) * | 2016-06-14 | 2016-11-16 | 宁波熵联信息技术有限公司 | 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法 |
CN106441529A (zh) * | 2016-08-30 | 2017-02-22 | 山西万立科技有限公司 | 一种基于视频图像技术的车型识别与作弊诊断*** |
CN106446949B (zh) * | 2016-09-26 | 2019-05-21 | 成都通甲优博科技有限责任公司 | 一种车辆型号识别方法及装置 |
CN106446949A (zh) * | 2016-09-26 | 2017-02-22 | 成都通甲优博科技有限责任公司 | 一种车辆型号识别方法及装置 |
CN106600722A (zh) * | 2016-11-14 | 2017-04-26 | 南京积图网络科技有限公司 | 一种收费服务装置、方法及*** |
CN107730617A (zh) * | 2017-02-04 | 2018-02-23 | 西安艾润物联网技术服务有限责任公司 | 无牌车辆收费方法和装置 |
US11501513B2 (en) | 2017-03-10 | 2022-11-15 | Tusimple, Inc. | System and method for vehicle wheel detection |
US11967140B2 (en) | 2017-03-10 | 2024-04-23 | Tusimple, Inc. | System and method for vehicle wheel detection |
CN106980837A (zh) * | 2017-03-29 | 2017-07-25 | 广西信路威科技发展有限公司 | 一种基于车辆特征信息分析的车型识别方法及*** |
CN107122747A (zh) * | 2017-04-28 | 2017-09-01 | 北京理工大学 | 一种轨道车辆车厢状态非接触检测装置及方法 |
CN107122747B (zh) * | 2017-04-28 | 2020-06-09 | 北京理工大学 | 一种轨道车辆车厢状态非接触检测装置及方法 |
CN107886728B (zh) * | 2017-11-27 | 2024-05-10 | 山西国强高科股份有限公司 | 载重汽车车型视频识别装置 |
CN107895156A (zh) * | 2017-11-29 | 2018-04-10 | 合肥寰景信息技术有限公司 | 用于多目标车辆特征提取及分析*** |
CN108320517A (zh) * | 2017-12-28 | 2018-07-24 | 浙江中新长清信息科技有限公司 | 车牌和车辆识别***及监测服务器 |
CN111837163A (zh) * | 2018-03-09 | 2020-10-27 | 图森有限公司 | 用于车辆车轮检测的***和方法 |
CN110874932B (zh) * | 2018-08-29 | 2021-06-15 | 北京万集科技股份有限公司 | 识别车轴数量的方法、装置及*** |
CN110874932A (zh) * | 2018-08-29 | 2020-03-10 | 北京万集科技股份有限公司 | 识别车轴数量的方法、装置及*** |
CN111161542A (zh) * | 2018-11-08 | 2020-05-15 | 杭州海康威视数字技术股份有限公司 | 车辆识别方法及装置 |
CN111161542B (zh) * | 2018-11-08 | 2021-09-28 | 杭州海康威视数字技术股份有限公司 | 车辆识别方法及装置 |
CN109637153A (zh) * | 2019-01-25 | 2019-04-16 | 合肥市智信汽车科技有限公司 | 一种基于机器视觉的车载移动违法抓拍*** |
CN109815933A (zh) * | 2019-02-11 | 2019-05-28 | 山东省公安厅高速公路交通警察总队 | 一种多轴车自动识别取证装置、***及方法 |
CN109767507A (zh) * | 2019-03-01 | 2019-05-17 | 河北交通职业技术学院 | 一种基于电子围栏的高速公路不停车收费支付*** |
CN110047276B (zh) * | 2019-03-11 | 2020-11-27 | 广州文远知行科技有限公司 | 障碍物车辆的拥堵状态确定方法、装置和相关产品 |
CN110047276A (zh) * | 2019-03-11 | 2019-07-23 | 广州文远知行科技有限公司 | 障碍物车辆的拥堵状态确定方法、装置和相关产品 |
CN111833469A (zh) * | 2019-04-18 | 2020-10-27 | 杭州海康威视数字技术股份有限公司 | 应用于收费站点的车辆计费方法及*** |
CN110232324A (zh) * | 2019-05-16 | 2019-09-13 | 苏州思卡信息***有限公司 | 一种高速公路收费车型的自动识别***及方法 |
CN110550038A (zh) * | 2019-09-30 | 2019-12-10 | 重庆元韩汽车技术设计研究院有限公司 | 一种智能驾驶决策信息采集***及方法 |
CN113129598A (zh) * | 2019-12-31 | 2021-07-16 | 武汉万集信息技术有限公司 | 基于红外相机的自由流车型识别方法、***及设备 |
CN111292432A (zh) * | 2020-01-14 | 2020-06-16 | 北京巨视科技有限公司 | 基于车型识别和轮轴检测的车辆收费类型判别方法与装置 |
CN111667688A (zh) * | 2020-05-06 | 2020-09-15 | 北京科技大学 | 一种基于路面振动信号的综合交通信息解析方法及*** |
CN111667688B (zh) * | 2020-05-06 | 2021-07-09 | 北京科技大学 | 一种基于路面振动信号的综合交通信息解析方法及*** |
CN111507427A (zh) * | 2020-05-08 | 2020-08-07 | 湖南车路协同智能科技有限公司 | 一种车辆分类方法 |
CN111860201A (zh) * | 2020-06-28 | 2020-10-30 | 中铁大桥科学研究院有限公司 | 图像识别与桥梁监测相结合的匝道重车识别方法及*** |
CN111860201B (zh) * | 2020-06-28 | 2023-07-25 | 中铁大桥科学研究院有限公司 | 图像识别与桥梁监测相结合的匝道重车识别方法及*** |
CN111860381A (zh) * | 2020-07-27 | 2020-10-30 | 上海福赛特智能科技有限公司 | 一种车道口的车轴计数装置和方法 |
CN111860384A (zh) * | 2020-07-27 | 2020-10-30 | 上海福赛特智能科技有限公司 | 一种车型识别方法 |
CN111796472A (zh) * | 2020-07-31 | 2020-10-20 | 广东优尼克智能照明科技有限公司 | 一种etc卡扣抓拍灯及组装、使用方法 |
CN112002027A (zh) * | 2020-09-04 | 2020-11-27 | 侯晓峰 | 高速公路计费方法、装置、终端及存储介质 |
CN112329747A (zh) * | 2021-01-04 | 2021-02-05 | 湖南大学 | 基于视频识别和深度学习的车辆参数检测方法及相关装置 |
CN113111884B (zh) * | 2021-03-26 | 2024-05-24 | 沈阳天眼智云智能技术研究院有限公司 | 危化品运输专用车辆的视频检测方法 |
CN113111884A (zh) * | 2021-03-26 | 2021-07-13 | 沈阳天眼智云智能技术研究院有限公司 | 危化品运输专用车辆的视频检测方法 |
CN113537167A (zh) * | 2021-09-15 | 2021-10-22 | 成都数联云算科技有限公司 | 一种车辆外观识别方法及***及装置及介质 |
CN114120661A (zh) * | 2021-11-17 | 2022-03-01 | 常州大学 | 一种基于目标检测的车辆探测***及方法 |
CN114120661B (zh) * | 2021-11-17 | 2023-07-25 | 常州大学 | 一种基于目标检测的车辆探测***及方法 |
CN114199132B (zh) * | 2021-12-16 | 2024-02-27 | 上海应用技术大学 | 一种基于机器视觉的激光三维扫描仪及扫描方法 |
CN114199132A (zh) * | 2021-12-16 | 2022-03-18 | 上海应用技术大学 | 一种基于机器视觉的激光三维扫描仪及扫描方法 |
CN114624726A (zh) * | 2022-03-17 | 2022-06-14 | 南通探维光电科技有限公司 | 轮轴识别***和轮轴识别方法 |
CN115083170A (zh) * | 2022-07-06 | 2022-09-20 | 深圳市创安视迅技术有限公司 | 一种摄像机的图像抓拍方法、装置、电子设备及存储介质 |
CN115083170B (zh) * | 2022-07-06 | 2024-06-07 | 深圳市创安视迅技术有限公司 | 一种摄像机的图像抓拍方法、装置、电子设备及存储介质 |
CN117877265A (zh) * | 2024-01-24 | 2024-04-12 | 特微乐行(广州)技术有限公司 | 基于视频ai分析的高速公路监控预警与处置管控*** |
Also Published As
Publication number | Publication date |
---|---|
CN103794056B (zh) | 2015-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103794056B (zh) | 基于实时双路视频流的车型精确分类***及方法 | |
CN105427614A (zh) | 一种车型分类***及其方法 | |
CN103279996B (zh) | 一种多车道情况下的车辆信息检测与识别*** | |
CN103854320B (zh) | 基于激光雷达的车型自动识别方法 | |
CN107025432B (zh) | 一种高效的车道线检测跟踪方法及*** | |
CN103559791B (zh) | 一种融合雷达和ccd摄像机信号的车辆检测方法 | |
CN100437660C (zh) | 基于全方位视觉传感器的违章车辆监控装置 | |
CN103123722B (zh) | 道路对象检测方法和*** | |
CN102867417B (zh) | 一种出租车防伪***及方法 | |
CN103093249B (zh) | 一种基于高清视频的出租车识别方法及*** | |
CN107665603A (zh) | 一种判定车位占用的实时检测方法 | |
CN106127107A (zh) | 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法 | |
CN105512720A (zh) | 一种公交车辆客流统计方法和*** | |
CN203260072U (zh) | 一种多车道情况下的车辆信息检测与识别*** | |
CN105654732A (zh) | 一种基于深度图像的道路监控***及方法 | |
CN103714363A (zh) | 一种机动车尾气烟度视频识别*** | |
CN101826260A (zh) | 一种交通违法行为自动抓拍的方法和*** | |
CN103164958B (zh) | 车辆监控方法及*** | |
CN103021059A (zh) | 一种基于视频监控的公交客流计数方法 | |
CN103778786A (zh) | 一种基于显著车辆部件模型的交通违章检测方法 | |
CN104029680A (zh) | 基于单目摄像头的车道偏离预警***及方法 | |
CN107274678B (zh) | 一种基于Kinect的夜间车流量统计及车型识别方法 | |
CN105118305A (zh) | 室外停车场出口车辆管理平台 | |
CN207993028U (zh) | 一种基于红外双目摄像机测距的客流装置 | |
CN104506800A (zh) | 一种多方向电警摄像机场景合成及综合监控方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |