CN104125436A - 一种交通事故检测预警方法及*** - Google Patents
一种交通事故检测预警方法及*** Download PDFInfo
- Publication number
- CN104125436A CN104125436A CN201410374045.5A CN201410374045A CN104125436A CN 104125436 A CN104125436 A CN 104125436A CN 201410374045 A CN201410374045 A CN 201410374045A CN 104125436 A CN104125436 A CN 104125436A
- Authority
- CN
- China
- Prior art keywords
- video
- frame
- target
- moving target
- early warning
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种交通事故检测预警方法及***,其中方法包括如下步骤:S1、获取连续N帧视频帧,将该视频帧转换格式后进行处理,获得背景帧;S2、利用视频帧、从该视频帧获得的背景帧进行进行差分运算后,采用二值化方法检测出该视频帧中的运动目标;S3、剔除S2中检测出的运动目标中的虚假目标后输出图像;S4、标记并统计S3中输出图像中的运动目标的个数,并对运动目标进行碰撞检测。本发明实现了高速公路交通的智能化,对于现有的高速公路视频监测录像,加之视频图像处理技术,对高速公路进行实时事故监测预警。
Description
技术领域
本发明涉及交通视频检测预警领域,更具体地,涉及一种交通事故检测预警方法。
背景技术
如今交通监控视频没有最大化地利用,并没有涉及到及时处理预警方面,只是在事故发生后,调出视频进行观察取证,或者是人工的进行事故监测。智能交通通过对视频数据中包含的视觉内容信息进行自动分析以及特征的提取,促使可以直接利用计算机视频技术搜索相应的信息。计算机视频技术包括图像处理、计算机视觉、模式识别等技术。高速公路事故较一般道路交通事故更为严重,且距离医院较远,特别是许多事故者没有能力进行报警求救,会导致更多伤者救治不及时而死亡。高速公路实时事故监控技术的发展具有重大意义,将会一定程度上降低交通事件引起的生产力损失、财产损失和人身伤害。
发明内容
为解决现有技术中交通事故多发、不能预警的技术缺陷,本发明提供了一种交通事故检测预警方法,通不过高速公路上摄像头对运动车辆的运动,分析其是否会发生碰撞,并对运动车辆作出指导,及时预防交通事故的发生。
本发明提供一种交通事故检测预警方法,包括如下步骤:S1、获取连续N帧视频帧,将该视频帧转换格式后获得背景帧;本发明获取连续视频帧的目的是完成背景建模,通过对连续视频的处理,快速准确的在实时视频监控找出运动目标,既能够减小背景物体产生的影响,又不影响检测效果,提高运动目标检测的准确度。通过获取背景帧解决视频检测过程存在的运动物体对背景初始化的影响。根据常识可知,同一像素点在时间轴上的上的灰度值几乎都是在莫伊相同的灰度值附近,只有当该点出现移动目标时该店灰度值才会出现较大的起伏,因此为了去除运动目标对初始建立的背景帧的影响,我们通过一组连续的视频帧来进行处理。
S2、利用视频帧、从该视频帧中获得的背景帧进行差分运算后,采用二值化方法检测出该视频帧中的运动目标。
S3、对检测出运动目标的视频帧进行处理,剔除虚假目标后输出图像;
S4、标记S3中输出图像中的运动目标的个数,并对其进行碰撞检测。
优选的是,S1中N的值为不小于8或不大于15中的任意一个整数值,根据实验可知将将N设为不小于8或不大于15中的任意一个整数值后建立的背景帧噪声的影响率最低、准确率高、处理速度快。根据实验可知,随之帧数的增加,背景帧建立的准确率提高,但处理速度降低;而随着帧数的减小,虽然建立背景帧的处理速率增大,但准确率降低,同时噪声影响率也增大。因此将N取值为不小于8且不大于15的整数中的任意一个值处理得到的背景帧效果最好,包含的运动目标最少,同时处理速率高。其中,影响率α=含噪声像素点个数/总像素点;准确率β=1-含目标的像素区域点/总像素点。处理速率是在图像分辨率为320*240的avi视频上测得的。
对S1中获取的视频帧转换成YUV格式。背景帧建立的过程中应该考虑到背景帧中会包含的目标,将N取值为8、9、10、11、12、13、14或15建立的背景帧中所包含的运动目标最少甚至没有,且建立的背景帧图片清晰度最高。
更进一步的,将S1的具体操作包括S101、获取连续视频帧,并将该获取的视频帧进行格式转换;S102、选取连续视频帧中同一位置处像素点的灰度值;S103、去除S102中获取的灰度值中的最大值、最小值后,求得剩余灰度值的平均值,将该平均值作为背景帧中该位置处的灰度值;S104、在步骤S101的基础上,重复步骤S102、S103计算得出背景帧所有位置出像素点灰度值,得到背景帧。
更进一步地,步骤S1还包括S11更新背景帧,利用前一次得到的背景帧与最新得到的视频帧进行加权求和来更新。通过步骤S1获得背景帧的方法简单可行,计算量小。但是也存在较多问题,如当视频序列中存在运动目标时,容易将运动目标作为背景的一部分;若背景图像中有物体移位会造成虚假前景(运动目标)以及阴影等问题。为了解决这些问题,实现背景自动更新算法,在连续监控视频图像的一帧中,运动目标仅占整张帧图片的一部分,由于目标是运动的,所以不会在连续视频帧中长时间的占据像素点的位置,也就意味着,在整张帧图片中的任何一个像素点从概率上来说被观测是背景可能性很大,因此需要实时对背景帧进行更新,以消除将运动目标误认为是背景的可能性。同时背景帧图片是不可以始终不变的,因为从早到晚,光照的影响以及阴天和晴天的影响是不可避免的,这就要求,建立的背景帧可以随时间和外界变化而变化,这也就需要背景能够自动更新。
进一步地,步骤S3剔除虚假目标利用的是膨胀算法或腐蚀算法。膨胀和腐蚀算法都是通过相邻像素以及相邻像素之间的位置关系进行逻辑运算,从而得到相应的输出图像。对图像进行腐蚀和膨胀运算可以对图像的结构和形状等信息进行分析处理,从而实现图像的还原或者图像的增强等。本发明采取腐蚀和膨胀算法对目标检测后的二值化图像进行处理主要是为了增强图像的可读性,实现不同目标分离,同一目标充实这一图像增强效果。图像腐蚀主要是为了消除图像进行运动目标检测后的二值化图像的边界点与背景之间的连接,可是目标向内部收缩,从而实现不同目标分离的效果以及非目标的杂点的效果,例如,目标边缘上的单独或者仅两个或者很少的虚假目标点联合区,便可以通过腐蚀算法进行去除。
进一步地,利用像素标记算法标记并统计S4中检测运动目标的个数,像素标记算法对图像中的目标采用不同的数字进行区分,通过统计不同数字的个数确定运动目标的个数。本发明中使用像素标记是在进行目标检测后的二值图像中,每一像素值要么是0(黑色,视为背景),要么是255(白色,视为目标),利用多目标标记算法为像素进行标记,将图像中的目标采用不同的数字进行区分,然后统计不同数字的个数来实现目标个数的确定。具体的过程如下,以四连通为例。(1)、对图像进行从上到下,从左到右第一次扫描。对第一列和第一行进行特殊处理,第一列第一行的第一个像素若为0则不对其进行编号,若为255则对其进行编号为1。第一行的其他像素值为255的像素点都与其左边的像素进行对比,若左边的像素点有编号则将其编号赋值给该像素点,若没有,则重新对该像素点进行编号(编号自动增加一位)。第一列其他像素值为255的像素都与其上边的像素进行比对,如果上边的像素点有编号则将编号赋值给此像素,若没有,则重新赋值一个编号(编号自动增加一位)。对于其他的所有像素值为255的像素点而言,先与其左边的像素进行比对,若左边的像素点有编号则直接将该编号赋值给该像素点,然后在与其上边的像素点进行比对,若上边的像素点有编号,先判断其编号是否与该像素点的编号相同,若不相同则将这两个编号标记为等价对,若相同则继续比较下一个像素;若左边的像素没有编号,则与上边的像素进行比对,若上边的像素有编号则将此编号赋值给该像素,若没有则对像素重新赋值一个编号(编号自动增加一位)。(2)、经过(1)中的图像扫描得出了很多等价对,这些等价对要进行处理,将所有具有等价关系的等价对都标记为其中编号最小的数字,然后对所有的连通区域从小到大的顺利重新排列。(3)、再将所有标记的编号进行统计,最终将所有的编号进行统一编号得出最终的标记结果。区域是互相连通着的象素的集合,连通方式可分为四连通和八连通。其中,四连通是指从区域内一点出发,可通过四个方向:上、下、左、右到达该区域内部的任意象素。
更进一步地,S4中碰撞检测的具体操作包括S401、对统计出的运动目标进行特征提取,特征包括运动目标的大小、速度及方向、重心,根据不同运动目标在当前帧中的的重心位置和速度预测不同的目标在下一帧中的重心位置;通过在当前帧中的运动目标的重心位置、速度及方向来预测运动目标在下一帧中的位置,并根据运动目标的大小判断该运动目标在下一帧中是否有重合区域,有重合区域表面运动目标将会发生碰撞。利用多目标标记算法计算S4中检测运动目标的个数,多目标标记算法对图像中的目标采用不同的数字进行区分,通过统计不同数字的个数确定运动目标的个数。本发明进行目标标记的主要目的是对运动目标进行检测,分析运动目标是否会有发送碰撞的趋势。
S402、根据不同运动目标在下一帧中的重心位置以及大小判断其是否有重合区域,有则向用户报警,否则不做处理。对即将发送碰撞的运动目标进行报警,警示运动目标改变方向或者降低速度等,避免发送碰撞。
本发明还提供了一种交通事故检测预警***,检测平台、分别与检测平台连接的电子监控器、信号反应设备,信号反应设备包括***、与***连接的速度传感器、报警器,检测平台包括接收单元、预处理单元、分析单元、报警单元,接收单元用于接收摄像头发送的视频帧;预处理单元用于将接收单元接收到的视频帧进行格式转换;分析单元用于将经预处理单元转换格式后的视频帧进行处理,检测运动目标是否会发生碰撞,若发生碰撞则产生碰撞信号;报警单元用于将报警信号发送至即将发生碰撞的车辆。进入电子监控器监控范围的车辆通过将其在监控范围内的运行状态视频发送至检测平台,同时信号反应设备中的***将车辆信号发送至检测平台,检测平台通过接收单元接收该视频信息,再通过预处理单元将视频进行格式转换后通过目标提取单元提取出高速路上的运动车辆目标,并通过碰撞分析单元分析对车辆行驶的安全性进行分析,通过产生碰撞信号将该信号根据***信号发送至可能发生碰撞的车辆上的报警器,通过报警器对驾驶员进行驾驶指导,提示驾驶员行驶速度、方向等。
更进一步地,分析单元还包括背景建模单元、目标提取单元、碰撞分析单元,背景建模单元用于根据预处理单元转格式后的视频帧建立背景帧,并根据背景帧及获得的视频帧进行背景帧的更新;目标提取单元用于从背景帧中提取运动目标,并在剔除运动目标中的虚假目标后输出图像;碰撞分析单元用于标记并统计目标提取单输出的图像中的运动目标,并根据运动目标在背景帧中所占空间的大小、速度和位置检测车辆是否会发生碰撞,若发生碰撞则产生碰撞信号。检测平台通过背景建模单元将背景与运动目标进行分离,通过目标提取单元提取视频帧中的运动目标,此时提取出的运动目标肯能会因为背景阴影存在虚假目标,或者运动目标不清楚现象,需要采用膨胀腐蚀算法对运动目标进行图像增强,也就是输出视频帧中真实存在的运动目标,并根据***发送的信号,对其进行碰撞检测,将碰撞信号发送至将会发生碰撞的车辆上的报警器。运动目标的速度由速度传感器检测,位置有***检测,而器所占空间大小则可根据器在视频帧中所占空间的大小(也就是包含的像素点的多少)计算。
本发明中,图像的二值化,就是将图像上的像素点的灰度值设置为0或255,也就是将整个图像呈现出明显的只有黑和白的视觉效果。
本发明中,膨胀算法是将与物体接触的所有背景点合并到该物体中,使边界向外部扩张的过程。可以用来填补物体中的空洞;而腐蚀算法则是一种消除边界点,使边界向内部收缩的过程,可以用来消除小且无意义的物体。
本发明实现了高速公路交通的智能化,对于现有的高速公路视频监测录像,加之视频图像处理技术,对高速公路进行实时事故监测预警。
附图说明
图1为本发明所述的视频检测方法流程示意图;
图2为本发明所述的视频检测***结构示意图;
图3为本发明所述的视频检测***中检测平台结构示意图;
图4为本发明所述的视频检测实施方式示意图。
图中:
1、电子监控器;2、检测平台;3、报警器;4、***;5、速度传感器。
具体实施方式
下面结合附图对本发明的结构进行详细解释说明。
实施例1
如图1所示的一种交通事故检测预警方法,包括如下步骤:S1、获取连续N帧视频帧,将该视频帧转换格式后进行处理,获得背景帧;S2、利用视频帧、从该视频帧获得的背景帧进行进行差分运算后,采用二值化方法检测出该视频帧中的运动目标;
具体实施时,差分运算公式如 ,
之后采用二值化方法检测运动目标,利用如下公式进行
;
表达式中:D为差分后的图像,f为当前视频帧图像,B为背景帧图像,R为进行二值化后的运动目标检测图像,TH为进行二值化时设定的阈值,255代表检测出来的运动目标,0代表检测出来的背景。其中TH的选择十分关键,本发明中使用的是经验值,TH的选取也有相关文档进行自适应选取。
S3、剔除S2中检测出的运动目标中的虚假目标后输出图像;S4、标记并统计S3中输出图像中的运动目标的个数,并对运动目标进行碰撞检测。S1中N的取值为不小于8或不大于15中的任意一个整数值。
具体实施时,还可选择的将N取为10。10帧图片中,每帧图片中相同位置的出像素点都有1个灰度值,共有10个灰度值,接着将这10个值中的最大值和最小值去掉,在剩下的8个值中,取均值作为这点的背景帧值。最后,将所有像素点进行计算后组成背景帧图片,其可以消除噪声对背景帧的影响。此时噪声对背景的影响率为2%,准确率为93%,处理速度为0.01s。影响率α=含噪声像素点个数/总像素点;准确率β=1-含目标的像素区域点/总像素点。
本实施例是在图像分辨率为320*240的avi视频上测得的。
对S1中获取的视频帧转换成YUV格式。
将S1的具体操作包括S101、获取连续视频帧,并将该获取的视频帧进行格式转换;S102、选取连续视频帧中同一位置处像素点的灰度值;S103、去除S102中获取的灰度值中的最大值、最小值后,求得剩余灰度值的平均值,将该平均值作为背景帧中该位置处的灰度值;S104、在步骤S101的基础上,重复步骤S102、S103计算得出背景帧所有位置出像素点灰度值,得到背景帧。
步骤S1还包括S11更新背景帧,利用前一次得到的背景帧与最新得到的视频帧进行加权求和来更新。具体实施时,步骤S11背景帧更新的中的加权系数可选择的设为α,背景帧更新算法可选择的按照公式;表达式中:B为当前的背景帧图片(即经更新后的新的背景帧),Bn为较新的视频帧图片,B0为前一帧的背景帧图片,α为权值。从公式中我们可以看出,想要背景更新的快则增大权值α,反之则减小权值α。
步骤S3剔除虚假目标利用的是膨胀算法或腐蚀算法。对图像进行腐蚀和膨胀运算可以对图像的结构和形状等信息进行分析处理,从而实现图像的还原或者图像的增强等。其是通过图像中相邻像素以及相邻像素之间的位置关系进行逻辑运算,从而得到相应的输出图像。
腐蚀算法的计算公式如下所示:
表达式中:S为经腐蚀运算后的图像,f(x,y)为二值化后的灰度图像,b(s,t)为结构元素(用来处理灰度图像),Df为函数f的定义域,Db为函数b的定义域。
膨胀算法的计算公式如下所示:
表达式中:S为经膨胀运算后的图像,f(x,y)为二值化后的灰度图像,b(s,t)为结构元素,Df为函数f的定义域,Db为函数b的定义域。
利用像素标记算法标记并统计S4中检测运动目标的个数,像素标记算法对图像中的目标采用不同的数字进行区分,通过统计不同数字的个数确定运动目标的个数。S4中碰撞检测的具体操作包括S401、对统计出的运动目标进行特征提取,特征包括运动目标的大小、速度、重心,根据不同运动目标在当前帧中的的重心位置和速度预测不同的目标在下一帧中的位置;S402、根据不同运动目标在下一帧中的位置、大小判断其是否有重合区域,有则向用户报警,否则不做处理。
实施例2
一种交通事故检测预警方法,其与实施例1的区别在于,N的取值改为8。将N取值8的实施例中,根据实验可知噪声影响率为3%,其中,建立的背景帧准确率为90%,处理速度为0.08。
实施例3
一种交通事故检测预警方法,其与实施例1的区别在于,N的取值改为15。将N取值15的实施例中,根据实验可知噪声影响率为3%,其中,准确率为94%,处理速率为0.15。
实施例4
一种交通事故检测预警方法,其与实施例1的区别在于,N的取值改为7。在该实施例下,根据实验可知噪声影响率为4%,其中,准确率为85%,处理速率为0.08。
还可选择的将N改设为小于7的其他任意一个整数,根据实验可知,噪声影响率为为随着增大,其中,背景帧中韩目标的像素区域准确率减小,处理速率增大。
实施例5
一种交通事故检测预警方法,其与实施例1的区别在于,N的取值改为16。将N取值16的实施例中,根据实验可知噪声影响率为3%,其中,准确率为94%,处理速率为0.17。
还可选择的将N设为大于16的任意一个整数,根据实验可知噪声影响率随之增大,准确率随之怎大,处理速率随之增大。
实施例6
如图2所示的交通事故检测预警***,检测平台、分别与检测平台连接的电子监控器、信号反应设备,信号反应设备包括***、与***连接的速度传感器、报警器,检测平台包括接收单元、预处理单元、分析单元、报警单元,接收单元用于接收摄像头发送的视频帧;预处理单元用于将接收单元接收到的视频帧进行格式转换;分析单元用于将经预处理单元转换格式后的视频帧进行处理,检测运动目标是否会发生碰撞,若发生碰撞则产生碰撞信号;报警单元用于将报警信号发送至即将发生碰撞的车辆。分析单元还包括背景建模单元、目标提取单元、碰撞分析单元,背景建模单元用于根据预处理单元转格式后的视频帧建立背景帧,并根据背景帧及获得的视频帧进行背景帧的更新;目标提取单元用于从背景帧中提取运动目标,并在剔除运动目标中的虚假目标后输出图像;碰撞分析单元用于标记并统计目标提取单输出的图像中的运动目标,并根据运动目标在背景帧中所占空间的大小、速度和位置检测车辆是否会发生碰撞,若发生碰撞则产生碰撞信号。
下面以如图3所示过程介绍本发明。
首先通过摄像头采集交通视频,并将该视频发送至检测平台,由检测平台接收单元接收该视频,并经预处理单元将该视频进行格式转换,转换格式后的视频经分析单元中背景建模单元获得背景帧,在由目标提取单元利用视频帧、从该视频帧获得的背景帧进行进行差分运算后,采用二值化方法处理获得运动目标,再利用膨胀算法或腐蚀算法剔除虚假目标,再经碰撞分析单元标记并统计目标提取单输出的图像中的运动目标,并根据运动目标的大小、速度和位置检测车辆是否会发生碰撞,若发生碰撞则产生碰撞,若会发生碰撞则产生碰撞信号,碰撞信号由报警单元发送至即将发送碰撞的车辆,并将该视频进行保存。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明实质内容上所作的任何修改、等同替换和简单改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种交通事故检测预警方法,其特征在于,包括如下步骤:
S1、获取连续N帧道路视频帧,将该视频帧转换格式后进行处理,获得背景帧;
S2、利用视频帧及背景帧进行差分运算后,采用二值化方法分辨出该视频帧中的运动目标;
S3、剔除S2中检测出的运动目标中的虚假运动目标后输出图像;
S4、标记并统计S3中输出图像中的运动目标的个数,并对运动目标进行碰撞检测。
2.根据权利要求1所述的交通事故检测预警方法,其特征在于,S1中N的值为不小于8或不大于15中的任意一个整数值。
3.根据权利要求1所述的交通事故检测预警方法,其特征在于,对S1中获取的视频帧转换成YUV格式。
4.根据权利要求1所述的交通事故检测预警方法,其特征在于,S1的具体操作包括
S101、获取连续道路视频帧,并将该获取的视频帧进行格式转换;
S102、选取连续视频帧中同一位置处像素点的灰度值;
S103、去除S102中获取的灰度值中的最大值、最小值后,求得剩余灰度值的平均值,将该平均值作为背景帧中该位置处的灰度值;
S104、在步骤S101的基础上,重复步骤S102、S103计算得出背景帧所有位置出像素点灰度值,得到背景帧。
5.根据权利要求1所述的交通事故检测预警方法,其特征在于,步骤S1还包括S11更新背景帧,利用前一次得到的背景帧与最新得到的视频帧进行加权求和来更新。
6.根据权利要求1所述的视频检测方法,其特征在于,步骤S3剔除虚假目标利用的是膨胀算法或腐蚀算法。
7.根据权利要求1所述的交通事故检测预警方法,其特征在于,利用像素标记算法标记并统计S4中检测运动目标的个数,像素标记算法对图像中的目标采用不同的数字进行区分,通过统计不同数字的个数确定运动目标的个数。
8.根据权利要求1所述的交通事故检测预警方法,其特征在于,S4中碰撞检测的具体操作包括
S401、对统计出的运动目标进行特征提取,特征包括运动目标的大小、速度、重心,根据不同运动目标在当前帧中的的重心位置和速度预测不同的目标在下一帧中的位置;
S402、根据不同运动目标在下一帧中的位置、大小判断其是否有重合区域,有则向用户报警,否则不做处理。
9.一种交通事故检测预警***,其特征在于,该***包括检测平台、电子监控器、安装在车辆的信号反应设备,电子监控器、信号反应设备分别与检测平台通信连接,
检测平台包括接收单元、预处理单元、分析单元、报警单元,接收单元用于接收电子监控器发送的视频帧;预处理单元用于将接收单元接收到的视频帧进行格式转换;分析单元用于将经预处理单元转换格式后的视频帧进行处理,检测运动目标是否会发生碰撞,若发生碰撞则产生碰撞信号;报警单元用于将报警信号发送至即将发生碰撞的车辆;
信号反应设备包括***、与***连接的速度传感器、报警器。
10.根据权利要求1所述的交通事故检测预警***,其特征在于,分析单元还包括背景建模单元、目标提取单元、碰撞分析单元,背景建模单元用于根据预处理单元转格式后的视频帧建立背景帧,并根据背景帧及获得的视频帧进行背景帧的更新;目标提取单元用于从背景帧中提取运动目标,并在剔除运动目标中的虚假目标后输出图像;碰撞分析单元用于标记并统计目标提取单输出的图像中的运动目标,并根据运动目标在背景帧中所占空间的大小、速度和位置检测车辆是否会发生碰撞,若发生碰撞则产生碰撞信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410374045.5A CN104125436A (zh) | 2014-08-01 | 2014-08-01 | 一种交通事故检测预警方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410374045.5A CN104125436A (zh) | 2014-08-01 | 2014-08-01 | 一种交通事故检测预警方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104125436A true CN104125436A (zh) | 2014-10-29 |
Family
ID=51770684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410374045.5A Pending CN104125436A (zh) | 2014-08-01 | 2014-08-01 | 一种交通事故检测预警方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104125436A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104842862A (zh) * | 2015-04-29 | 2015-08-19 | 南宁燎旺车灯有限责任公司 | 一种基于机器视觉的前照灯随动转向控制方法 |
CN105679017A (zh) * | 2016-01-27 | 2016-06-15 | 福建工程学院 | 一种轻微交通事故辅助取证的方法及*** |
CN105679042A (zh) * | 2015-12-31 | 2016-06-15 | 宇龙计算机通信科技(深圳)有限公司 | 一种行车信息上报方法、服务器以及移动终端 |
CN105741565A (zh) * | 2016-04-21 | 2016-07-06 | 正元地理信息有限责任公司 | 一种基于监控视频自动判断事故并报警的方法 |
CN106340205A (zh) * | 2016-09-30 | 2017-01-18 | 广东中星微电子有限公司 | 交通监控方法及交通监控装置 |
CN108629328A (zh) * | 2018-05-15 | 2018-10-09 | 安徽师范大学 | 基于单目视觉的智能车辆防碰撞方法及装置 |
CN108769460A (zh) * | 2018-06-25 | 2018-11-06 | 首都师范大学 | 目标对象成像校正方法、装置和卫星探测器 |
CN114566052A (zh) * | 2022-04-27 | 2022-05-31 | 华南理工大学 | 一种基于车流方向判别高速公路车流监控设备转动的方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101221663A (zh) * | 2008-01-18 | 2008-07-16 | 电子科技大学中山学院 | 一种基于运动目标检测的智能监控报警方法 |
US20090069973A1 (en) * | 2007-09-10 | 2009-03-12 | Shih-Hsiung Li | Warning method and device for deviation of a moving vehicle |
CN101388145A (zh) * | 2008-11-06 | 2009-03-18 | 北京汇大通业科技有限公司 | 道路交通安全自动警示方法及装置 |
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 |
-
2014
- 2014-08-01 CN CN201410374045.5A patent/CN104125436A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090069973A1 (en) * | 2007-09-10 | 2009-03-12 | Shih-Hsiung Li | Warning method and device for deviation of a moving vehicle |
CN101221663A (zh) * | 2008-01-18 | 2008-07-16 | 电子科技大学中山学院 | 一种基于运动目标检测的智能监控报警方法 |
CN101388145A (zh) * | 2008-11-06 | 2009-03-18 | 北京汇大通业科技有限公司 | 道路交通安全自动警示方法及装置 |
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 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104842862A (zh) * | 2015-04-29 | 2015-08-19 | 南宁燎旺车灯有限责任公司 | 一种基于机器视觉的前照灯随动转向控制方法 |
CN105679042A (zh) * | 2015-12-31 | 2016-06-15 | 宇龙计算机通信科技(深圳)有限公司 | 一种行车信息上报方法、服务器以及移动终端 |
CN105679017A (zh) * | 2016-01-27 | 2016-06-15 | 福建工程学院 | 一种轻微交通事故辅助取证的方法及*** |
CN105741565A (zh) * | 2016-04-21 | 2016-07-06 | 正元地理信息有限责任公司 | 一种基于监控视频自动判断事故并报警的方法 |
CN106340205A (zh) * | 2016-09-30 | 2017-01-18 | 广东中星微电子有限公司 | 交通监控方法及交通监控装置 |
CN108629328A (zh) * | 2018-05-15 | 2018-10-09 | 安徽师范大学 | 基于单目视觉的智能车辆防碰撞方法及装置 |
CN108769460A (zh) * | 2018-06-25 | 2018-11-06 | 首都师范大学 | 目标对象成像校正方法、装置和卫星探测器 |
CN114566052A (zh) * | 2022-04-27 | 2022-05-31 | 华南理工大学 | 一种基于车流方向判别高速公路车流监控设备转动的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104125436A (zh) | 一种交通事故检测预警方法及*** | |
Aboah et al. | Real-time multi-class helmet violation detection using few-shot data sampling technique and yolov8 | |
CN102765365B (zh) | 基于机器视觉的行人检测方法及行人防撞预警*** | |
Massoud et al. | Automated new license plate recognition in Egypt | |
CN106647776B (zh) | 车辆变道趋势的判断方法、判断装置和计算机存储介质 | |
CN102496001B (zh) | 一种视频监控目标自动检测的方法和*** | |
CN111241343A (zh) | 一种道路信息监控与分析检测方法、智慧交通控制*** | |
CN112800860B (zh) | 一种事件相机和视觉相机协同的高速抛撒物检测方法和*** | |
CN102867417B (zh) | 一种出租车防伪***及方法 | |
CN106203274A (zh) | 一种视频监控中行人实时检测***及方法 | |
CN109740590B (zh) | 基于目标跟踪辅助的roi精确提取方法及*** | |
CN106204640A (zh) | 一种运动目标检测***及方法 | |
CN106128121B (zh) | 基于局部特征分析的车辆排队长度快速检测算法 | |
CN105512720A (zh) | 一种公交车辆客流统计方法和*** | |
CN110619279A (zh) | 一种基于跟踪的路面交通标志实例分割方法 | |
CN102163278B (zh) | 一种公交车道非法车辆闯入检测方法 | |
CN113505638B (zh) | 车流量的监测方法、监测装置及计算机可读存储介质 | |
CN111414861A (zh) | 基于深度学习实现行人及非机动车辆检测处理的方法 | |
Haris et al. | Multi-scale spatial convolution algorithm for lane line detection and lane offset estimation in complex road conditions | |
CN116935361A (zh) | 一种基于深度学习的驾驶员分心行为检测方法 | |
CN106960193A (zh) | 一种车道线检测装置和方法 | |
Djamaluddin et al. | The simulation of vehicle counting system for traffic surveillance using Viola Jones method | |
Aldoski et al. | Impact of traffic sign diversity on autonomous vehicles: a literature review | |
Ho et al. | Intelligent speed bump system with dynamic license plate recognition | |
CN113343849A (zh) | 一种基于雷达和视频的融合感知设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141029 |
|
RJ01 | Rejection of invention patent application after publication |