CN104537840A - 非法营运出租车辆的检测*** - Google Patents
非法营运出租车辆的检测*** Download PDFInfo
- Publication number
- CN104537840A CN104537840A CN201510012130.1A CN201510012130A CN104537840A CN 104537840 A CN104537840 A CN 104537840A CN 201510012130 A CN201510012130 A CN 201510012130A CN 104537840 A CN104537840 A CN 104537840A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking
- data
- illegal operation
- detection system
- 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
Landscapes
- Closed-Circuit Television Systems (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
非法营运出租车辆的检测***,包括:视频监控检测单元、数据获取单元、数据传输单元以及非法运营出租判断单元。本发明基于视频监控,可快速准确、取证有效地检测出非法营运出租车辆,从而可以进行有效的打击。
Description
技术领域
本发明属于视频检测技术领域,尤其涉及一种非法营运出租车辆的检测***。
背景技术
车辆非法出租营运(即未取得出租车经营许可的车辆,进行非法的出租运营)问题是城市的一大顽疾,影响到人民出行安全,是政府严厉打击的对象。目前,对于车辆非法出租营运问题的查处,基本停留在交警现场执法阶段,极大地消耗了人力、物力、财力,且效果不明显(车主一旦看到警车,就逃离现场或停止非法营运)。
发明内容
基于此,针对上述技术问题,提供一种非法营运出租车辆的检测***。
为解决上述技术问题,本发明采用如下技术方案:
一种非法营运出租车辆的检测***,包括:
视频监控检测单元,用于在每个预设监控场景,通过摄像机获取视频图像,在所述视频图像中检测感兴趣车辆目标的停车上/下客行为;
数据获取单元,用于在检测到停车上/下客行为时,调节摄像机,获取相应感兴趣车辆目标的近景特写画面,在该近景特写画面中提取所述感兴趣车辆目标的视觉标识特征以及相应的上/下车行人的形貌视觉特征作为特征数据;
数据传输单元,用于在检测到发生停车上/下客行为的感兴趣车辆目标离开后,将该目标相应的特征数据传输给比对分析服务器;
非法运营出租判断单元,用于在所述比对分析服务器上,将具有相同视觉标识特征的车辆对应的上/下车行人的形貌视觉特征进行比对分析,从而判别是否存在多个不同的行人,进而判别该车辆是否在进行非法运营出租活动。
所述摄像机为云台摄像机或球型摄像机。
所述感兴趣车辆目标是在所述预设监控场景的感兴趣区域内通过分类器检测出的用户感兴趣的车辆目标,所述分类器由训练预先收集的多种类型车辆的样本数据获得。
所述在所述视频图像中检测感兴趣车辆目标的停车上/下客行为包括:对所述感兴趣车辆目标进行停车行为检测;
持续跟踪发生了停车行为的车辆目标,并进行上/下客行为检测。
所述视觉标识特征包括车牌号码、和/或车内标贴,和/或车内装饰物,所述形貌视觉特征中包括人脸信息,和/或衣着信息,和/或身高体态信息。
所述数据获取单元在检测到停车上/下客行为时,还拍摄相应感兴趣车辆目标的远景照片以及近景照片作为停车上/下客的证据数据;
所述数据获取单元还获取所述远景照片以及近景照片的拍摄时间和/或地点数据作为停车上/下客的证据数据;
所述数据获取单元还截取包含所述远景照片以及近景照片的视频作为停车上/下客的证据数据。
所述数据传输单元在检测到发生停车上/下客行为的感兴趣车辆目标离开后,还将所述证据数据传输给所述比对分析服务器。
所述在所述分析服务器上,将具有相同视觉标识特征的车辆对应的上/下车行人的形貌视觉特征进行比对分析,从而判别是否存在多个不同的行人,进而判别该车辆是否在进行非法运营出租活动进一步包括:
在预设时间段内的特征数据中查找具有相同车牌号码的数据;
对该数据中的上/下车行人的人脸信息、和/或衣着信息、和/或身高体态信息进行比对分析,判别出是否存在多个不同的行人,并获得不同行人的数目;
将所述不同行人的数目与预设不同行人数目阈值进行比较,判别该车辆是否进行非法运营出租活动。
所述非法运营出租判断单元还利用拍摄时间和/或地点数据进一步补充非法运营出租活动的规则设置和判别。
该***将进行非法运营出租活动车辆相应的证据数据发布到相关的数据平台来进行报警和告示。
本发明基于视频监控,可快速准确、取证有效地检测车辆非法出租营运,从而可以进行有效的打击,避免了目前车辆非法出租营运问题的查处中,交警现场执法所存在的极大地消耗人力、物力以及财力的不足。
附图说明
下面结合附图和具体实施方式本发明进行详细说明:
图1为本发明的结构示意图;
图2为本发明的***体系结构图。
具体实施方式
如图1所示,非法营运出租车辆的检测***,包括视频监控单元11、数据获取单元12、数据传输单元13以及非法运营出租判断单元14。
视频监控检测单元11用于在每个预设监控场景,通过摄像机获取视频图像,在所述视频图像中检测感兴趣车辆目标的停车上/下客行为。
其中,摄像机2为云台摄像机或球型摄像机,可随意查看远景画面或者近景画面。
感兴趣车辆目标是在预设监控场景的感兴趣区域内通过分类器检测出的用户感兴趣的车辆目标,分类器由训练预先收集的多种类型车辆的样本数据获得。
在本实施例中,感兴趣区域是指预设监控场景中的设定区域内,如靠近道路边的车道,当然,也可以将整个检测场景作为感兴趣区域。
其中具体地,视频监控检测单元11包括停车检测子单元111、兴趣车辆判别子单元112、车辆跟踪子单元113、上客检测子单元114以及下客检测子单元115。
停车检测子单元111用于在摄像机2的预设监控场景上,检测远景视频图像中的感兴趣区域内是否有发生停车行为的车辆目标,具体过程如下:
对视频建立背景模型,进行前景提取;利用多帧图像信息来对前景区域处进行一致性判别,获取得到可疑的静止前景区域;利用预先训练好的车辆分类器,来对当前视频在预设兴趣区域内的静止前景结果处,进行车辆检测;对检测到的车辆,利用其位置、大小和特征,每隔一段时间,判断其是否还存在于原位置处,并更新其已停车时间;若已停车时间大于预设时间,则认为该车发生了停车行为。
兴趣车辆判别子单元112用于在检测到发生停车行为的车辆目标时,判别其是否为用户感兴趣的特定类型的车辆目标,具体过程如下:
通过分类器过滤车辆目标中的明显不会为非法运营出租车辆的目标(如正规品牌出租车、公共汽车、大型货车、油罐车、拖车、水泥车、吊车等),将剩余车辆目标(如家用小汽车、面包车、商务车等)作为需关注目标。该分类器由训练预先收集的多种类型车辆的大量样本数据获得。
其中,分类器是通过对多类车辆提取梯度直方图及颜色信息作为目标特征,并采用支持向量机的机器学习方法,来进行多类目标的训练所得到。
车辆跟踪子单元113用于对判别为感兴趣车辆的停车目标,进行持续跟踪、判别其目前是停留在监控现场,还是离开了监控现场,具体过程如下:
对检测到的车辆,利用其位置、大小和特征,每隔一段时间,判断其是否还存在于原位置处,并更新其最后一次被检测到的时间;若最后一次被检测到的时间距今大于预设时间(本实施例设为30秒),则认为该车离开了监控现场;否则,认为该车还停留在监控现场。
上客检测子单元114用于对检测出发生过停车行为的感兴趣车辆目标,进行是否发生上客行为的检测,具体过程如下:
采用类似如HoG行人检测器、DPM等分类器来对停车目标附近进行行人检测;对检测到的行人采用光流跟踪、SIFT匹配进行跟踪,根据其位置跟踪判别其是否存在由动到静的这一过程,同时判断停留位置是否为停车目标处;在对行人跟踪时,采用基于HMMs的姿态和动作识别方法来对上客过程中弯腰等动作的识别;若发现行人目标满足以上的条件,则认为该车发生了上客行为。
下客检测子单元115用于对检测出发生过停车行为的感兴趣车辆目标,进行是否发生下客行为的检测,具体过程如下:
采用类似如HoG行人检测器、DPM等分类器来对停车目标附近进行行人检测;对检测到的行人采用光流跟踪、SIFT匹配进行跟踪,根据其位置跟踪判别其是否存在由静到动的这一过程,同时判断运动位置是距离车辆位置越来越远;在对行人跟踪时,采用基于HMMs的姿态和动作识别方法来对下客过程中直腰等动作的识别;若发现行人目标满足以上的条件,则认为该车发生了下客行为。
数据获取单元12用于在检测到停车上/下客行为时,调节摄像机2,获取相应感兴趣车辆目标的近景特写画面,在该近景特写画面中提取感兴趣车辆目标的视觉标识特征以及相应的上/下车行人的形貌视觉特征作为特征数据。
具体地,数据获取单元12包括摄像机调节子单元121、特征数据获取子单元122以及证据数据获取子单元123。
摄像机调节子单元121用于根据目标车辆的位置、大小等信息,调整调节摄像机从远景画面上,切换到目标车辆的近景特写画面以进行拍摄,并在拍摄完近景特写画面后回到原来的远景画面上。
其中,所述摄像机调节子单元121的调节功能为球机和云台摄像机所固有的定位及预置位功能,无需格外研发实现。
特征数据获取子单元122用于在近景特写画面上提取目标车辆的车牌号码,和/或车内标贴,和/或车内装饰物等视觉标识信息,同时提取上/下车行人的含人脸信息,和/或衣着信息,和/或身高体态信息等形貌视觉特征,来作为特征数据。
其中,目标车辆的车牌号码提取是利用行业里常用的Boost分类方法进行车牌识别的技术实现;目标车辆的上/下车行人的人脸信息是利用基于Haar特征的Adaboost方法进行人脸检测、基于Gabor变换的人脸识别技术进行人脸识别来实现,在此不展开。
进一步地,为了增强兴趣车辆的判决准确性,减轻后续的处理,提高整个***的准确性,特征数据获取子单元122在近景特写画面上进行特征提取时,可利用兴趣车辆判别子单元112对目标车辆进行兴趣车辆判断,只对兴趣车辆进行特征提取。
特征数据获取子单元122会根据情况(如是否为兴趣车辆、提取到了车牌号码)发送消息通知证据数据获取子单元123,对获取的证据数据进行处理(如销毁和保存)。
证据数据获取子单元123,用于拍摄和保存目标车辆发生停车上/下客时的远景以及近景特写照片等素材,作为证据数据。
进一步地,为了使上述停车上/下客的证据数据将来作为证据时更加充分,证据数据获取子单元123在检测到停车上/下客行为时,还拍摄相应感兴趣车辆目标的远景照片以及近景照片作为停车上/下客的证据数据;
证据数据获取子单元123还获取远景照片以及近景照片的拍摄时间和/或地点数据作为停车上/下客的证据数据;
证据数据获取子单元123还截取包含远景照片以及近景照片的视频作为停车上/下客的证据数据。
数据传输单元13用于在检测到所述的发生停车上/下客行为的感兴趣车辆目标离开后,将该目标相应的特征数据传输给比对分析服务器3。
在视频监控检测单元11监测到发生停车行为和上/下客行为的兴趣车辆离开时,会产生通知信息给数据传输单元13,数据传输单元13将数据获取单元12所提取得到的特征数据作为一个数据集,传输给指定的比对分析服务器3。
进一步地,为了方便用户审核和分析,数据传输单元13在检测到发生停车上/下客行为的感兴趣车辆目标离开后,还可将数据获取单元12所提取得到的证据数据作为一个数据集,传输给指定的比对分析服务器3。
在实施中,为了更好地进行部署,可将前端的多个点位连接到同一台比对服务器(如在点位规模较小(少于100)时,进行非法营运出租车辆查处部署时)来减少服务器之间的通讯和管理;也可以将前端的多个点位连接到多台比对服务器(如在点位规模较大(多于100)时,进行非法营运出租车辆查处部署)来减少服务器本身的存储和计算负担。其中,一个点位是指架设一台摄像机所对应的监控场景。
在实施中,可以以车辆特征数据中的车牌号码及车辆离开时间作为数据集合的标识,以便于后续的分析及处理。
非法运营出租判断单元14用于在比对分析服务器3上,针对非法营运车辆具有同一车辆存在多个不同的上/下客行人的特点,将具有相同视觉标识特征的车辆对应的上/下车行人的形貌视觉特征进行比对分析,从而判别是否存在多个不同的行人,进而判别该车辆是否在进行非法运营出租活动。
具体地,非法运营出租判断单元14包括数据过滤子单元141、车辆判别子单元142、行人判别子单元143以及规则判别子单元144。
数据过滤子单元141,用于根据当前的所需查找的一条特征数据(包含车辆和上/下车行人的特征数据及其产生的时间),将当前比对分析服务器3上保存的,不满足用户所预设的欲查找时间段内、和/或用户所预设的欲查找预设监控位置内等条件的特征数据过滤掉,保留满足条件的特征数据。
车辆判别子单元142,用于根据当前的所需查找的一条特征数据,利用车辆的视觉标识特征(本实施例中采用车牌号码)来对通过数据过滤子单元141保留下来的满足条件的特征数据进行比对分析,判别是否为同一辆车,并只保留满足为与当前特征数据中车辆为同一车的特征数据。
行人判别子单元143,用于对通过车辆判别子单元142所保留下来的特征数据,利用行人的形貌视觉特征(本实施例中采用人脸信息和,衣着信息及身高体态综合考虑)来进行比对分析,判别出是否存在多个不同的行人,并获得不同行人的数目。
规则判别子单元144,用于针对非法营运车辆具有同一车辆存在多个不同的上/下客行人的特点,综合通过所述车辆判别子单元143的判别结果,与预设的判决为非法运营出租所要求的不同行人数目阈值进行比较,来判别其是否在进行非法运营出租活动。
进一步地,规则判别子单元144还可利用拍摄时间和/或地点数据进一步补充非法运营出租活动的规则设置和判别。
本实施例中的一个预设规则可以为:在最近3天,每天均发生了超过5次的停车上/下客行为,且每次的上/下客行人均不相同,且每次的上/下客行人的拍摄地点相差很大,则确定为非法营运出租。其中,时间信息及其计算,是通过停车和上/下客数据中所包含的照片拍摄时间作为其对应的抓拍时间,利用当前时间和抓拍时间计算得到。
进一步地,在用户具体业务使用时,***还根据用户的需求,来集合对比对服务器3中判别其为非法运营出租车辆的特征数据的相关证据数据(如停车上客的远景照片和近景特写照片及拍摄时间、停车上客过程的截取视频等),发布到相关的数据平台上,以进行报警和告示。
本发明基于视频监控,可快速准确、取证有效地检测私家车非法营运,从而可以进行有效的打击。
本发明采用前端设备+后端服务器的体系架构,其中前端设备的数目为1个或多个,后端服务器的数目也可以为1个或多个。
其中,后端服务器是指分析比对服务器3,该分析比对服务器3中具有非法运营出租判断单元14。
前端设备是指具有视频检测分析功能的摄像机,该摄像机内具有视频监控单元11、数据获取单元12以及数据传输单元13。
若摄像机不具备视频检测分析功能,则前端设备是指摄像机+视频分析器,该视频分析器内具有视频监控单元11、数据获取单元12以及数据传输单元13。
但是,本技术领域中的普通技术人员应当认识到,以上的实施例仅是用来说明本发明,而并非用作为对本发明的限定,只要在本发明的实质精神范围内,对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。
Claims (10)
1.非法营运出租车辆的检测***,其特征在于,包括:
视频监控检测单元,用于在每个预设监控场景,通过摄像机获取视频图像,在所述视频图像中检测感兴趣车辆目标的停车上/下客行为;
数据获取单元,用于在检测到停车上/下客行为时,调节摄像机,获取相应感兴趣车辆目标的近景特写画面,在该近景特写画面中提取所述感兴趣车辆目标的视觉标识特征以及相应的上/下车行人的形貌视觉特征作为特征数据;
数据传输单元,用于在检测到发生停车上/下客行为的感兴趣车辆目标离开后,将该目标相应的特征数据传输给比对分析服务器;
非法运营出租判断单元,用于在所述比对分析服务器上,将具有相同视觉标识特征的车辆对应的上/下车行人的形貌视觉特征进行比对分析,从而判别是否存在多个不同的行人,进而判别该车辆是否在进行非法运营出租活动。
2.根据权利要求1所述的非法营运出租车辆的检测***,其特征在于,所述摄像机为云台摄像机或球型摄像机。
3.根据权利要求1或2所述的非法营运出租车辆的检测***,其特征在于,所述感兴趣车辆目标是在所述预设监控场景的感兴趣区域内通过分类器检测出的用户感兴趣的车辆目标,所述分类器由训练预先收集的多种类型车辆的样本数据获得。
4.根据权利要求3所述的非法营运出租车辆的检测***,其特征在于,所述在所述视频图像中检测感兴趣车辆目标的停车上/下客行为包括:
对所述感兴趣车辆目标进行停车行为检测;
持续跟踪发生了停车行为的车辆目标,并进行上/下客行为检测。
5.根据权利要求4所述的非法营运出租车辆的检测***,其特征在于,所述视觉标识特征包括车牌号码、和/或车内标贴,和/或车内装饰物,所述形貌视觉特征中包括人脸信息,和/或衣着信息,和/或身高体态信息。
6.根据权利要求5所述的非法营运出租车辆的检测***,其特征在于,所述数据获取单元在检测到停车上/下客行为时,还拍摄相应感兴趣车辆目标的远景照片以及近景照片作为停车上/下客的证据数据;
所述数据获取单元还获取所述远景照片以及近景照片的拍摄时间和/或地点数据作为停车上/下客的证据数据;
所述数据获取单元还截取包含所述远景照片以及近景照片的视频作为停车上/下客的证据数据。
7.根据权利要求6所述的非法营运出租车辆的检测***,其特征在于,所述数据传输单元在检测到发生停车上/下客行为的感兴趣车辆目标离开后,还将所述证据数据传输给所述比对分析服务器。
8.根据权利要求7所述的非法营运出租车辆的检测***,其特征在于,所述在所述比对分析服务器上,将具有相同视觉标识特征的车辆对应的上/下车行人的形貌视觉特征进行比对分析,从而判别是否存在多个不同的行人,进而判别该车辆是否在进行非法运营出租活动进一步包括:
在预设时间段内的特征数据中查找具有相同车牌号码的数据;
对该数据中的上/下车行人的人脸信息、和/或衣着信息、和/或身高体态信息进行比对分析,判别出是否存在多个不同的行人,并获得不同行人的数目;
将所述不同行人的数目与预设不同行人数目阈值进行比较,判别该车辆是否进行非法运营出租活动。
9.根据权利要求8所述的非法营运出租车辆的检测***,其特征在于,所述非法运营出租判断单元还利用拍摄时间和/或地点数据进一步补充非法运营出租活动的规则设置和判别。
10.根据权利要求9所述的非法营运出租车辆的检测***,其特征在于,该***将进行非法运营出租活动车辆相应的证据数据发布到相关的数据平台来进行报警和告示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510012130.1A CN104537840B (zh) | 2015-01-09 | 2015-01-09 | 非法营运出租车辆的检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510012130.1A CN104537840B (zh) | 2015-01-09 | 2015-01-09 | 非法营运出租车辆的检测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104537840A true CN104537840A (zh) | 2015-04-22 |
CN104537840B CN104537840B (zh) | 2017-02-22 |
Family
ID=52853359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510012130.1A Active CN104537840B (zh) | 2015-01-09 | 2015-01-09 | 非法营运出租车辆的检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104537840B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046972A (zh) * | 2015-08-20 | 2015-11-11 | 成都众孚理想科技有限公司 | 一种智能交通监控出租车的终端监控设备 |
CN106056839A (zh) * | 2016-06-30 | 2016-10-26 | 武汉斑马快跑科技有限公司 | 网约车安全监测***及方法 |
CN107886731A (zh) * | 2017-11-03 | 2018-04-06 | 武汉元鼎创天信息科技有限公司 | 一种非法营运车辆智能检测方法 |
CN108122414A (zh) * | 2016-11-30 | 2018-06-05 | 杭州海康威视数字技术股份有限公司 | 公路上客车上下客的检测方法及装置 |
CN109615853A (zh) * | 2018-11-29 | 2019-04-12 | 重庆首讯科技股份有限公司 | 识别高速公路疑似非法营运车辆的方法及设备 |
CN111310721A (zh) * | 2020-03-12 | 2020-06-19 | 中设设计集团股份有限公司 | 非法网约车智能检测方法及*** |
CN111368626A (zh) * | 2019-11-19 | 2020-07-03 | 杭州海康威视***技术有限公司 | 车辆识别方法、装置、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6919804B1 (en) * | 2001-05-08 | 2005-07-19 | Vultron Incorporated | Passenger detection system for vehicles |
CN202294307U (zh) * | 2011-11-03 | 2012-07-04 | 安徽富煌和利时科技有限公司 | 一种客运汽车超载预警装置 |
CN103281518A (zh) * | 2013-05-30 | 2013-09-04 | 中国科学院长春光学精密机械与物理研究所 | 一种多功能网络化全天候智能视频监控*** |
CN104123843A (zh) * | 2014-07-25 | 2014-10-29 | 中国科学院自动化研究所 | 一种非法营运车辆检测***及方法 |
CN104167095A (zh) * | 2014-08-05 | 2014-11-26 | 江苏省邮电规划设计院有限责任公司 | 基于智慧城市的车辆行为模式稽查方法 |
-
2015
- 2015-01-09 CN CN201510012130.1A patent/CN104537840B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6919804B1 (en) * | 2001-05-08 | 2005-07-19 | Vultron Incorporated | Passenger detection system for vehicles |
CN202294307U (zh) * | 2011-11-03 | 2012-07-04 | 安徽富煌和利时科技有限公司 | 一种客运汽车超载预警装置 |
CN103281518A (zh) * | 2013-05-30 | 2013-09-04 | 中国科学院长春光学精密机械与物理研究所 | 一种多功能网络化全天候智能视频监控*** |
CN104123843A (zh) * | 2014-07-25 | 2014-10-29 | 中国科学院自动化研究所 | 一种非法营运车辆检测***及方法 |
CN104167095A (zh) * | 2014-08-05 | 2014-11-26 | 江苏省邮电规划设计院有限责任公司 | 基于智慧城市的车辆行为模式稽查方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046972A (zh) * | 2015-08-20 | 2015-11-11 | 成都众孚理想科技有限公司 | 一种智能交通监控出租车的终端监控设备 |
CN106056839A (zh) * | 2016-06-30 | 2016-10-26 | 武汉斑马快跑科技有限公司 | 网约车安全监测***及方法 |
CN108122414A (zh) * | 2016-11-30 | 2018-06-05 | 杭州海康威视数字技术股份有限公司 | 公路上客车上下客的检测方法及装置 |
CN107886731A (zh) * | 2017-11-03 | 2018-04-06 | 武汉元鼎创天信息科技有限公司 | 一种非法营运车辆智能检测方法 |
CN109615853A (zh) * | 2018-11-29 | 2019-04-12 | 重庆首讯科技股份有限公司 | 识别高速公路疑似非法营运车辆的方法及设备 |
CN109615853B (zh) * | 2018-11-29 | 2021-06-22 | 重庆首讯科技股份有限公司 | 识别高速公路疑似非法营运车辆的方法及设备 |
CN111368626A (zh) * | 2019-11-19 | 2020-07-03 | 杭州海康威视***技术有限公司 | 车辆识别方法、装置、电子设备和存储介质 |
CN111368626B (zh) * | 2019-11-19 | 2024-02-23 | 杭州海康威视***技术有限公司 | 车辆识别方法、装置、电子设备和存储介质 |
CN111310721A (zh) * | 2020-03-12 | 2020-06-19 | 中设设计集团股份有限公司 | 非法网约车智能检测方法及*** |
CN111310721B (zh) * | 2020-03-12 | 2024-03-26 | 华设设计集团股份有限公司 | 非法网约车智能检测方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN104537840B (zh) | 2017-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104537840B (zh) | 非法营运出租车辆的检测*** | |
CN105702048B (zh) | 基于行车记录仪的高速公路前车违法占道识别***及方法 | |
CN106652468B (zh) | 车辆道路前车违规检测和自车违规预警提醒装置及方法 | |
CN109948582B (zh) | 一种基于跟踪轨迹分析的车辆逆行智能检测方法 | |
CN110223511A (zh) | 一种汽车路边违停智能监测方法及*** | |
CN106373426A (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
CN112907982B (zh) | 一种车辆违停行为的检测方法、装置和介质 | |
CN104268596B (zh) | 一种车牌识别器及其车牌检测方法与*** | |
CN105046966A (zh) | 即停即离区域的违章停车行为自动检测***和方法 | |
CN106097722B (zh) | 利用视频进行路侧车位自动化监管的***和方法 | |
CN108133599A (zh) | 一种渣土车视频识别方法及*** | |
Chang et al. | Video analytics in smart transportation for the AIC'18 challenge | |
CN105551261A (zh) | 换牌车辆检测方法及其*** | |
CN103914682A (zh) | 一种车牌识别方法及*** | |
CN111078946A (zh) | 一种基于多目标区域特征聚合的卡口车辆检索方法及*** | |
CN103699880A (zh) | 基于物联网的交通违法车辆牌照检测与识别方法 | |
CN105608464A (zh) | 人脸识别移动终端解决***及解决方法 | |
CN109670431A (zh) | 一种行为检测方法及装置 | |
CN204856897U (zh) | 一种机动车即停即离区域的违章检测装置 | |
CN105957352B (zh) | 违章停车检测方法和装置 | |
CN109086682A (zh) | 一种基于多特征融合的智能视频黑烟车检测方法 | |
CN114898297A (zh) | 基于目标检测和目标跟踪的非机动车违法行为判定的方法 | |
Premachandra et al. | Road crack detection using color variance distribution and discriminant analysis for approaching smooth vehicle movement on non-smooth roads | |
Ravish et al. | Intelligent traffic violation detection | |
Al Nasim et al. | An automated approach for the recognition of bengali license plates |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |