CN106571027A - 一种密集车辆违章停放监测方法、装置及*** - Google Patents
一种密集车辆违章停放监测方法、装置及*** Download PDFInfo
- Publication number
- CN106571027A CN106571027A CN201510649490.2A CN201510649490A CN106571027A CN 106571027 A CN106571027 A CN 106571027A CN 201510649490 A CN201510649490 A CN 201510649490A CN 106571027 A CN106571027 A CN 106571027A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target vehicle
- video image
- density
- threshold value
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012806 monitoring device Methods 0.000 claims description 10
- 238000002372 labelling Methods 0.000 claims description 3
- 206010038743 Restlessness Diseases 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Closed-Circuit Television Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种密集车辆违章停放监测方法、装置及***,其中,所述密集车辆违章停放监测方法包括:获取待检测区域视频图像以及视频图像监测区域大小;三维标定所述待检测区域视频图像的预置位场景;根据所述待检测区域视频图像,进行实时监控车辆部件;根据所述车辆部件、所述三维标定的预置位场景以及所述视频图像监测区域大小,确定目标车辆及其密度;当所述目标车辆的密度达到预设阈值一时,发出警报信号。本发明能够灵活准确的定位目标车辆,准确及时判定密集车辆违章停放,并及时针对密集车辆违章停放事件发出报警,还降低了大量人力成本。
Description
技术领域
本发明涉及智能交通监控技术领域,特别涉及一种密集车辆违章停放监测方法、装置及***。
背景技术
伴随着城市经济的快速发展,城市机动车数量迅速增加,由此而引发的停车难问题日益突出。城市道路路段占道停车、违法乱停现象频繁发生,不仅影响交通秩序,而且造成交通安全隐患。
国内各大中城市的大中小学校、医院、繁华商业区、火车站等人、车聚集的场所周边,均为违法乱停、占道停车多发的区域。而且违章停车场景中通常车辆密集,车牌遮挡严重,球机手动抓拍和自动抓拍均无法获取车辆牌照信息。目前主要的手段是派交管人员定期现场执法疏散,但取得的收效比较有限。
近年来,随着计算机视觉技术的不断发展,计算机视觉技术成为智能交通监控领域的研究热点。目前,通过视频分析对简单场景下违章停放的车辆抓拍取证已经较为成熟,但是对于密集车辆乱停放、车牌遮挡严重的场景自动抓拍失效,目前尚无解决方案。
在发明人设计密集车辆违章停放监测的过程中,发现现有技术中至少存在如下问题:
现有技术对于现有密级车辆违章停放的主要手段是通过人为干预进行定期定时疏导,缓减交通拥堵,需要耗费人力,而且疏散人员不能按照实际交通状态进行及时疏导。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的,本发明的技术方案是这样实现的:
一方面,本发明提供了一种密集车辆违章停放监测方法,包括:
获取待检测区域视频图像以及视频图像监测区域大小;
三维标定所述待检测区域视频图像的预置位场景;
根据所述待检测区域视频图像,进行实时监控车辆部件;
根据所述车辆部件、所述三维标定的预置位场景以及所述视频图像监测区域大小,确定目标车辆及其密度;
当所述目标车辆的密度达到预设阈值一时,发出警报信号。
优选地,该方法还包括:
当所述目标车辆的密度低于预设阈值一时,解除警报。
优选地,所述根据所述车辆部件、所述三维标定的预置位场景以及所述视频图像监测区域大小,确定目标车辆及其密度的步骤,具体包括:
根据所述车辆部件与所述三维标定的预置位场景,获取所述车辆部件对应的速度;
当所述车辆部件的速度达到预设阈值二时,将所述车辆部件记录为目标车辆;
根据所述目标车辆的数量以及所述视频图像监测区域大小,确定所述目标车辆的密度。
优选地,该方法还包括:
预设目标车辆的持续时长阈值;
记录所述目标车辆的持续时长;
当所述目标车辆的持续时长达到所述目标车辆的持续时长阈值,且所述目标车辆的密度达到预设阈值一时,发出警报信号。
优选地,所述车辆部件包括:车尾梯形车窗、包含车灯车牌的尾部、侧面车窗、车轮。
另一方面,本发明提供了一种密集车辆违章停放监测装置,包括:
信息获取单元,用于获取待检测区域视频图像以及视频图像监测区域大小;
三维标定单元,用于三维标定所述待检测区域视频图像的预置位场景;
实时监测单元,用于根据所述待检测区域视频图像,进行实时监控车辆部件;
目标车辆信息获取单元,用于根据所述车辆部件、所述三维标定的预置位场景以及所述视频图像监测区域大小,确定目标车辆及其密度;
报警单元,用于当所述目标车辆的密度达到预设阈值一时,发出警报信号。
优选地,该装置还包括:
报警接触单元,用于当所述目标车辆的密度低于预设阈值一时,解除警报。
优选地,所述目标车辆信息获取单元,具体包括:
速度获取子单元,用于所述车辆部件、所述三维标定的预置位场景以及所述视频图像监测区域大小,确定目标车辆及其密度;
目标车辆标记子单元,用于当所述车辆部件的速度达到预设阈值二时,将所述车辆部件记录为目标车辆;
目标车辆密度获取子单元,用于根据所述目标车辆的数量以及所述视频图像监测区域大小,确定所述目标车辆的密度。
优选地,该装置还包括:
预设单元,用于预设目标车辆的持续时长阈值;
记录单元,用于记录所述目标车辆的持续时长;
所述报警单元,用于当所述目标车辆的持续时长达到所述目标车辆的持续时长阈值,且所述目标车辆的密度达到预设阈值一时,发出警报信号。
再一方面,本发明提供了一种密集车辆违章停放监测***,包括:如上所述密集车辆违章停放监测装置。
本发明实施例通过获取待检测区域视频图像以及视频图像监测区域大小;三维标定所述待检测区域视频图像的预置位场景;根据所述待检测区域视频图像,进行实时监控车辆部件;根据所述车辆部件、所述三维标定的预置位场景以及所述视频图像监测区域大小,确定目标车辆及其密度;当所述目标车辆的密度达到预设阈值一时,发出警报信号;当所述目标车辆的密度低于预设阈值一时,解除警报。采用本发明不但能够灵活准确的定位目标车辆,准确及时判定密集车辆违章停放,还可以及时针对密集车辆违章停放事件发出报警,降低了人力成本。
附图说明
图1为本发明实施例提供的一种密集车辆违章停放监测方法流程图;
图2为本发明实施例提供的一种密集车辆违章停放监测装置结构示意图;
图3为本发明实施例提供的一种密集车辆违章停放监测***结构示意图;
图4为本发明实施例提供的一种密集车辆违章停放监测方法流程图。
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,下面将结合附图对本发明实施方式作进一步地详细描述。
如图1为所示为本发明实施例提供的一种密集车辆违章停放监测方法;该方法包括:
101:获取待检测区域视频图像以及视频图像监测区域大小;
102:三维标定所述待检测区域视频图像的预置位场景;所述在待检测区域视频图像内设定预置位场景,即实际监控区域,例如:标出两条平行的车道线和一条已知实际长度的测量线,该三维标定的预置位场景为后续检测器提供目标大小参考以及为车辆部件实际速度计算提供依据。对出现在监测区域的车辆部件进行定位;
103:根据所述待检测区域视频图像,进行实时监控车辆部件;
104:根据所述车辆部件、所述三维标定的预置位场景以及所述视频图像监测区域大小,确定目标车辆及其密度;
105:当所述目标车辆的密度达到预设阈值一时,发出警报信号。
需要说明的是,该方法还包括:
当所述目标车辆的密度低于预设阈值一时,解除警报。
基于以上实施例,本发明针对人工监控耗费大量人力、自动抓拍失效的密集车辆乱停现象,实现对待检测区域实时监控车辆部件速度以及目标车辆密度。当目标车辆密度达到阈值一时,认为密集车辆违章停放事件发生,进入报警模式,提醒交管人员及时到现场处罚疏散。当目标车辆密度低于阈值一,解除警报,恢复监测模式。以下通过密集车辆违章停放监测方法的具体实现流程对本发明进行详细说明;如图4所示具体流程如下:以下设阈值二V为5km/h,持续时长阈值T,阈值一为N;
401:获取待检测区域视频图像以及视频图像监测区域大小;所述待检测区域视频图像是指密集车辆违章停放事件易发区域实时视频图像,所述待检测区域可以根据实际情况的需要确定;所述视频图像监测区域大小是指视频监测的实际范围大小;
402:三维标定所述待检测区域视频图像的预置位场景;所述在待检测区域视频图像内设定预置位场景,即实际监控区域,例如:标出两条平行的车道线和一条已知实际长度的测量线,该三维标定的预置位场景为后续检测器提供目标大小参考以及为车辆部件实际速度计算提供依据。对出现在监测区域的车辆部件进行定位;
403:根据所述待检测区域视频图像,进行实时监控车辆部件;所述车辆部件包括:车尾梯形车窗、包含车灯车牌的尾部、侧面车窗、车轮;所述实时监控车辆部件通过利用大量学习样本,通过方向梯度直方图(Histogramsof Oriented Gradients,简称HOG)的方法提取目标图像特征,使用机器学习算法(例如:采用支持向量机的算法)训练离线检测器。
404:根据所述车辆部件及所述三维标定的预置位场景,获取所述车辆部件对应的速度;所述车辆部件速度计算通过将待检测区域框作为跟踪的初始框,采用光流法对多目标车辆部件进行实时跟踪定位,同时进行相同目标匹配确认,(即确认当前跟踪的目标和目标初始化时是同一个目标)。根据目标在图像中的位置可以计算目标在图像中的位移,根据所述获取待检测区域视频的三维标定的预置位场景,计算跟踪车辆部件速度;
405:当所述车辆部件的速度达到预设阈值二即5km/h时,将所述车辆部件记录为目标车辆;
406:根据所述目标车辆的数量以及所述视频图像监测区域大小,确定所述目标车辆的密度n;
407:预设目标车辆的持续时长阈值T;
408:记录所述目标车辆的持续时长t;
409:当所述目标车辆的持续时长t达到所述目标车辆的持续时长阈值T,且所述目标车辆的密度n达到预设阈值一N时,发出警报信号。
410:当所述目标车辆的密度n低于预设阈值一N时,解除警报。
需要说的是,以上所述报警以及解除报警的具体过程如下:本发明中所述目标车辆是指车辆部件速度低于阈值二V的车辆。
当预设待检测区域内的视频图像中,车辆部件低于V,且目标持续的时长t达到持续时长阈值T,可以认为目标车辆静止,当待检测区域内目标车辆的目标数量相应增加;当目标车辆速度高于V,则将待检测区域内目标车辆数量相应减小;跟踪目标匹配确认失败时(即当前帧跟踪位置处找不到跟踪目标),目标进入被考察阶段(即,在目标位置附近匹配寻找目标),如持续丢失放弃跟踪。当跟踪的车辆部件位置超出监测区域时,放弃跟踪。根据区域内目标车辆数量及待检测区域大小确定目标车辆的密度。当目标车辆的密度高于设定的阈值N,则发出警报,同时继续监测目标;当所述目标车辆的密度低于阈值时警报解除。
基于以上实施例,如图2所示,为本发明实施例提供的一种密集车辆违章停放监测装置结构示意图;该装置包括:
信息获取单元201,用于获取待检测区域视频图像以及视频图像监测区域大小;
三维标定单元202,用于三维标定所述待检测区域视频图像的预置位场景;
实时监测单元203,用于根据所述待检测区域视频图像,进行实时监控车辆部件;
目标车辆信息获取单元204,用于所述车辆部件、所述三维标定的预置位场景以及所述视频图像监测区域大小,确定目标车辆及其密度;
报警单元205,用于当所述目标车辆的密度达到预设阈值一时,发出警报信号。
需要说明的是,该装置还包括:
报警接触单元,用于当所述目标车辆的密度低于预设阈值一时,解除警报。
其中,所述目标车辆信息获取单元,具体包括:
速度获取子单元,用于根据所述车辆部件与所述三维标定的预置位场景,获取所述车辆部件对应的速度;
目标车辆标记子单元,用于当所述车辆部件的速度达到预设阈值二时,将所述车辆部件记录为目标车辆;
目标车辆密度获取子单元,用于根据所述目标车辆的数量以及所述视频图像监测区域大小,确定所述目标车辆的密度。
还需要说明的是,该装置还包括:
预设单元,用于预设目标车辆的持续时长阈值;
记录单元,用于记录所述目标车辆的持续时长;
所述报警单元,用于当所述目标车辆的持续时长达到所述目标车辆的持续时长阈值,且所述目标车辆的密度达到预设阈值一时,发出警报信号。
如图3所示,为本发明实施例提供的一种密集车辆违章停放监测***结构示意图;该***包括:如上所述密集车辆违章停放监测装置。
本发明实施例通过获取待检测区域视频图像以及视频图像监测区域大小;三维标定所述待检测区域视频图像的预置位场景;根据所述待检测区域视频图像,进行实时监控车辆部件;根据所述车辆部件、所述三维标定的预置位场景以及所述视频图像监测区域大小,确定目标车辆及其密度;当所述目标车辆的密度达到预设阈值一时,发出警报信号;当所述目标车辆的密度低于预设阈值一时,解除警报。采用本发明不但能够灵活准确的定位目标车辆,准确及时判定密集车辆违章停放,还可以及时针对密集车辆违章停放事件发出报警,降低了人力成本。
以上所述仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种密集车辆违章停放监测方法,其特征在于,包括:
获取待检测区域视频图像以及视频图像监测区域大小;
三维标定所述待检测区域视频图像的预置位场景;
根据所述待检测区域视频图像,进行实时监控车辆部件;
根据所述车辆部件、所述三维标定的预置位场景以及所述视频图像监测区域大小,确定目标车辆及其密度;
当所述目标车辆的密度达到预设阈值一时,发出警报信号。
2.根据权利要求1所述密集车辆违章停放监测方法,其特征在于,该方法还包括:
当所述目标车辆的密度低于预设阈值一时,解除警报。
3.根据权利要求1或2所述的密集车辆违章停放监测方法,其特征在于,所述根据所述车辆部件、所述三维标定的预置位场景以及所述视频图像监测区域大小,确定目标车辆及其密度的步骤,具体包括:
根据所述车辆部件与所述三维标定的预置位场景,获取所述车辆部件对应的速度;
当所述车辆部件的速度达到预设阈值二时,将所述车辆部件记录为目标车辆;
根据所述目标车辆的数量以及所述视频图像监测区域大小,确定所述目标车辆的密度。
4.根据权利要求3所述的密集车辆违章停放监测方法,其特征在于,该方法还包括:
预设目标车辆的持续时长阈值;
记录所述目标车辆的持续时长;
当所述目标车辆的持续时长达到所述目标车辆的持续时长阈值,且所述目标车辆的密度达到预设阈值一时,发出警报信号。
5.根据权利要求4所述的密集车辆违章停放监测方法,其特征在于,所述车辆部件包括:车尾梯形车窗、包含车灯车牌的尾部、侧面车窗、车轮。
6.一种密集车辆违章停放监测装置,其特征在于,包括:
信息获取单元,用于获取待检测区域视频图像以及视频图像监测区域大小;
三维标定单元,用于三维标定所述待检测区域视频图像的预置位场景;
实时监测单元,用于根据所述待检测区域视频图像,进行实时监控车辆部件;
目标车辆信息获取单元,用于根据所述车辆部件、所述三维标定的预置位场景以及所述视频图像监测区域大小,确定目标车辆及其密度;
报警单元,用于当所述目标车辆的密度达到预设阈值一时,发出警报信号。
7.根据权利要求6所述密集车辆违章停放监测装置,其特征在于,该装置还包括:
报警接触单元,用于当所述目标车辆的密度低于预设阈值一时,解除警报。
8.根据权利要求6或7所述的密集车辆违章停放监测装置,其特征在于,所述目标车辆信息获取单元,具体包括:
速度获取子单元,用于根据所述车辆部件与所述三维标定的预置位场景,获取所述车辆部件对应的速度;
目标车辆标记子单元,用于当所述车辆部件的速度达到预设阈值二时,将所述车辆部件记录为目标车辆;
目标车辆密度获取子单元,用于根据所述目标车辆的数量以及所述视频图像监测区域大小,确定所述目标车辆的密度。
9.根据权利要求8所述的密集车辆违章停放监测装置,其特征在于,该装置还包括:
预设单元,用于预设目标车辆的持续时长阈值;
记录单元,用于记录所述目标车辆的持续时长;
所述报警单元,用于当所述目标车辆的持续时长达到所述目标车辆的持续时长阈值,且所述目标车辆的密度达到预设阈值一时,发出警报信号。
10.一种密集车辆违章停放监测***,其特征在于,该***包括:如权利要求6至9中任意一项所述密集车辆违章停放监测装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510649490.2A CN106571027A (zh) | 2015-10-09 | 2015-10-09 | 一种密集车辆违章停放监测方法、装置及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510649490.2A CN106571027A (zh) | 2015-10-09 | 2015-10-09 | 一种密集车辆违章停放监测方法、装置及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106571027A true CN106571027A (zh) | 2017-04-19 |
Family
ID=58507672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510649490.2A Pending CN106571027A (zh) | 2015-10-09 | 2015-10-09 | 一种密集车辆违章停放监测方法、装置及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106571027A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106952468A (zh) * | 2017-05-23 | 2017-07-14 | 周雷文 | 一种基于智慧灯杆的共享单车调度方法和***、及智慧灯杆 |
CN111274934A (zh) * | 2020-01-19 | 2020-06-12 | 上海智勘科技有限公司 | 在仓储管理中智能监控叉车运行轨迹的实现方法和*** |
CN112396040A (zh) * | 2021-01-19 | 2021-02-23 | 成都四方伟业软件股份有限公司 | 一种车辆占道识别方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090037089A1 (en) * | 2005-07-11 | 2009-02-05 | Serhiy Tkachenko | Method for determining traffic information, and a device arranged to perform the method |
CN101366045A (zh) * | 2005-11-23 | 2009-02-11 | 实物视频影像公司 | 视频中的对象密度估算 |
CN201690563U (zh) * | 2010-05-31 | 2010-12-29 | 广东迅通计算机有限公司 | 视频智能分析服务器 |
CN202422420U (zh) * | 2012-01-13 | 2012-09-05 | 大连民族学院 | 一种基于视频监控的违章停车检测*** |
CN103268470A (zh) * | 2013-04-16 | 2013-08-28 | 东南大学 | 基于任意场景的视频对象实时统计方法 |
CN103942560A (zh) * | 2014-01-24 | 2014-07-23 | 北京理工大学 | 一种智能交通监控***中的高分辨率视频车辆检测方法 |
CN104240505A (zh) * | 2014-09-11 | 2014-12-24 | 胡又宏 | 一种解读道路交通视频图像信息的方法 |
US20150012340A1 (en) * | 2012-02-09 | 2015-01-08 | Igor Yurievich Matsur | Method of automated vehicle parking control |
CN104282165A (zh) * | 2013-07-12 | 2015-01-14 | 深圳市赛格导航科技股份有限公司 | 路段拥堵预警方法及装置 |
CN104363427A (zh) * | 2014-11-28 | 2015-02-18 | 北京黎阳之光科技有限公司 | 一种全实景视频智能监控*** |
-
2015
- 2015-10-09 CN CN201510649490.2A patent/CN106571027A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090037089A1 (en) * | 2005-07-11 | 2009-02-05 | Serhiy Tkachenko | Method for determining traffic information, and a device arranged to perform the method |
CN101366045A (zh) * | 2005-11-23 | 2009-02-11 | 实物视频影像公司 | 视频中的对象密度估算 |
CN201690563U (zh) * | 2010-05-31 | 2010-12-29 | 广东迅通计算机有限公司 | 视频智能分析服务器 |
CN202422420U (zh) * | 2012-01-13 | 2012-09-05 | 大连民族学院 | 一种基于视频监控的违章停车检测*** |
US20150012340A1 (en) * | 2012-02-09 | 2015-01-08 | Igor Yurievich Matsur | Method of automated vehicle parking control |
CN103268470A (zh) * | 2013-04-16 | 2013-08-28 | 东南大学 | 基于任意场景的视频对象实时统计方法 |
CN104282165A (zh) * | 2013-07-12 | 2015-01-14 | 深圳市赛格导航科技股份有限公司 | 路段拥堵预警方法及装置 |
CN103942560A (zh) * | 2014-01-24 | 2014-07-23 | 北京理工大学 | 一种智能交通监控***中的高分辨率视频车辆检测方法 |
CN104240505A (zh) * | 2014-09-11 | 2014-12-24 | 胡又宏 | 一种解读道路交通视频图像信息的方法 |
CN104363427A (zh) * | 2014-11-28 | 2015-02-18 | 北京黎阳之光科技有限公司 | 一种全实景视频智能监控*** |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106952468A (zh) * | 2017-05-23 | 2017-07-14 | 周雷文 | 一种基于智慧灯杆的共享单车调度方法和***、及智慧灯杆 |
CN111274934A (zh) * | 2020-01-19 | 2020-06-12 | 上海智勘科技有限公司 | 在仓储管理中智能监控叉车运行轨迹的实现方法和*** |
CN112396040A (zh) * | 2021-01-19 | 2021-02-23 | 成都四方伟业软件股份有限公司 | 一种车辆占道识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109686088B (zh) | 一种交通视频告警方法、设备及*** | |
WO2021077766A1 (zh) | 一种大区域多目标交通事件检测***及方法 | |
WO2021031338A1 (zh) | 多雷达跨区域组网多目标跟踪识别方法及装置 | |
CN102254429B (zh) | 一种应用基于视频识别的违章车辆检测装置的违章车辆检测方法 | |
GB2596940A (en) | Systems and methods for vehicle navigation | |
CN104282154B (zh) | 一种车辆超载监控***及方法 | |
CN103903465B (zh) | 一种道路拥堵原因实时发布方法及*** | |
CN108648507A (zh) | 一种斑马线“鬼探头”车辆和行人互识与预警方法 | |
CN103927889B (zh) | 一种利用视频跟踪技术的快速路匝道信号控制方法及*** | |
CN100420937C (zh) | 一种对车辆放射性物质定位的监测方法及其装置 | |
CN103325255A (zh) | 基于摄影测量技术进行区域交通状况检测的方法 | |
CN103021182B (zh) | 机动车闯红灯违章监测方法及装置 | |
CN203759874U (zh) | 一种具有视频增强效果的交通违章信息采集*** | |
CN101165723A (zh) | Gps定位车辆安全行驶记录仪 | |
CN103164958B (zh) | 车辆监控方法及*** | |
CN106571027A (zh) | 一种密集车辆违章停放监测方法、装置及*** | |
CN107564295A (zh) | 智能稽查布控***的控制方法 | |
CN108091136A (zh) | 一种基于视频监控的酒驾车辆检测*** | |
CN103886751A (zh) | 一种快速发现道路意外事件的***及方法 | |
CN106772689A (zh) | 一种高速公路气象监测*** | |
CN104008649A (zh) | 利用雷达跟踪快速发现行车道异常停车原因的***及方法 | |
WO2015188450A1 (zh) | 预警处理方法和装置 | |
CN114529880A (zh) | 一种城市轨道异物侵限检测方法、装置、***及存储介质 | |
CN103886761B (zh) | 能够快速发现道路异常停车的智能卡口***及其运行方法 | |
CN109887303B (zh) | 随意变更车道行为预警***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Unit 801, Unit 5, No. 2 Building, 9 Yuan, Fenghao East Road, Haidian District, Beijing 100094 Applicant after: BEIJING VION INTELLIGENT TECHNOLOGY Co.,Ltd. Address before: 100085 Fourth Floor of Huanyang Building, 7th Building, No. 1 Courtyard, Shangdi East Road, Haidian District, Beijing Applicant before: BEIJING VION INTELLIGENT TECHNOLOGY Co.,Ltd. |
|
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170419 |