CN106919610A - 车联网数据处理方法、***及服务器 - Google Patents
车联网数据处理方法、***及服务器 Download PDFInfo
- Publication number
- CN106919610A CN106919610A CN201510998691.3A CN201510998691A CN106919610A CN 106919610 A CN106919610 A CN 106919610A CN 201510998691 A CN201510998691 A CN 201510998691A CN 106919610 A CN106919610 A CN 106919610A
- Authority
- CN
- China
- Prior art keywords
- information
- image data
- vehicle
- time
- accident
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车联网数据处理方法,包括:从各车辆的行车影像数据中获取包含路标标识的图像帧;解析所述路标标识,获得车辆所处地理位置信息;并记录对应的第一时间信息;所述第一时间信息表征所述路标标识出现的图像帧的时间;形成地理位置信息、第一时间信息以及对应车辆信息的映射关系表并保存;所述映射关系表用于从各车辆的行车影像数据中获得与事故相关的影像数据。本发明同时还公开了一种服务器及车联网数据处理***。
Description
技术领域
本发明涉及海量数据筛选技术,尤其涉及一种车联网数据处理方法、***及服务器。
背景技术
随着汽车保有量的日益增加,车辆发生碰撞事故的次数也愈加频繁。目前主要通过在道路的各个关键位置设置摄像头所形成的视频监控体系来实现监控,以对事故原因进行分析。
然而,摄像头的布设成本高,因此很难达到任何时间、任何地点的实时监控的目的,进而不能对事故原因进行正确的分析。
因此,如何降低成本以实现对道路进行全方位监控是目前亟待解决的问题。
发明内容
为解决现有存在的技术问题,本发明实施例提供一种车联网数据处理方法、***及服务器。
为达到上述目的,本发明实施例的技术方案是这样实现的:
本发明实施例提供了一种一种车联网数据处理方法,包括:
从各车辆的行车影像数据中获取包含路标标识的图像帧;
解析所述路标标识,获得车辆所处地理位置信息;并记录对应的第一时间信息;所述第一时间信息表征所述路标标识出现的图像帧的时间;
形成地理位置信息、第一时间信息以及对应车辆信息的映射关系表并保存;所述映射关系表用于从各车辆的行车影像数据中获得与事故相关的影像数据。
上述方案中,所述方法还包括:
接收设置在各车辆中的行车记录仪发送的行车影像数据并保存。
上述方案中,所述路标标识的表现形式为二维条码;
相应地,所述解析所述路标标识为:
对所述二维条码进行解码处理。
上述方案中,所述从所述行车影像信息中获取包含路标标识的图像帧,为:
对所述行车影像数据进行帧扫描,从所述行车影像数据中提取包含路标标识的图像帧。
上述方案中,所述方法还包括:
接收事故查询请求;
解析所述事故查询请求,得到第二时间信息及第一位置信息;所述第二时间信息表征事故发生的时间;所述第一位置信息表征所述事故发生的地点;
根据所述第二时间信息及第一位置信息查询所述映射关系表,得到查询结果;
从各车辆的行车影像数据中获得与查询结果对应的影像数据。
上述方案中,所述根据所述第二时间信息及第一位置信息查询所述映射关系表,得到查询结果,包括:
根据所述第二时间信息,确定查询时间段;
根据所述第一位置信息,确定查询范围;
根据确定的查询时间段以及查询范围,从所述映射关系表的映射关系中筛选出符合查询时间段内及查询范围的至少一个映射关系;
相应地,根据筛选出的至少一个映射关系,从所述行车影像数据中获取与所述事故相关的影像数据。
上述方案中,所述根据所述第二时间信息,确定查询时间段,为:
将所述第二时间信息对应的时间点前设定第一预设时间步长,得到第一时间点;
将所述第二时间信息对应的时间点后设定第二预设时间步长,得到第二时间点;
将所述第一时间点与所述第二时间点之间的时间段作为查询时间段。
上述方案中,所述根据所述第一位置信息,确定查询范围,为:
将以所述第一位置信息对应的位置作为圆心,以预设的搜索半径为半径所确定的范围作为查询范围。
本发明实施例还提供了一种服务器,包括:地理信息提取模块、分析模块及存储模块;其中,
所述地理信息提取模块,用于从各车辆的行车影像数据中获取包含路标标识的图像帧;
所述分析模块,用于解析所述路标标识,获得车辆所处地理位置信息;并记录对应的第一时间信息;所述第一时间信息表征所述路标标识出现的图像帧的时间;以及形成地理位置信息、第一时间信息以及对应车辆信息的映射关系表;
所述存储模块,用于存储所述映射关系表;所述映射关系表用于从各车辆的行车影像数据中获得与事故相关的影像数据。
上述方案中,所述服务器还包括:视频数据采集模块,用于接收设置在各车辆中的行车记录仪发送的行车影像数据并保存。
上述方案中,所述服务器还包括:接收模块、解析模块及筛选模块;其中,
所述接收模块,用于接收事故查询请求;
所述解析模块,用于解析所述事故查询请求,得到第二时间信息及第一位置信息;所述第二时间信息表征事故发生的时间;所述第一位置信息表征所述事故发生的地点;
所述筛选模块,用于根据所述第二时间信息及第一位置信息查询所述映射关系表,得到查询结果;并从各车辆的行车影像数据中获得与所述查询结果对应的影像数据。
上述方案中,所述筛选模块包括:第一确定模块、第二确定模块、映射关系筛选模块及获取模块;其中,
所述第一确定模块,用于根据所述第二时间信息,确定查询时间段;
所述第二确定模块,用于根据所述第一位置信息,确定查询范围;
所述映射关系筛选模块,用于根据确定的查询时间段以及查询范围,从所述映射关系表的映射关系中筛选出符合查询时间段内及查询范围的至少一个映射关系;
所述获取模块,用于根据筛选出的至少一个映射关系,从所述行车影像数据中获取与所述事故相关的影像数据。
本发明实施例又提供了一种车联网数据处理***,包括:在各道路上设置的多个路标标识以及服务器;其中,
所述服务器,用于从各车辆的行车影像数据中获取包含路标标识的图像帧;解析所述路标标识,获得车辆所处地理位置信息;并记录对应的第一时间信息;所述第一时间信息表征所述路标标识出现的图像帧的时间;并形成地理位置信息、第一时间信息以及对应车辆信息的映射关系表并保存;所述映射关系表用于从各车辆的行车影像数据中获得与事故相关的影像数据。
上述方案中,所述***还包括:设置在各车辆中的行车记录仪;其中,
所述行车记录仪,用于记录车辆的行车影像数据,并将记录的行车影像数据上传至所述服务器;
所述服务器,还用于接收设置在各车辆中的行车记录仪发送的行车影像数据并保存。
上述方案中,所述服务器,还用于:
接收事故查询请求;解析所述事故查询请求,得到第二时间信息及第一位置信息;所述第二时间信息表征事故发生的时间;所述第一位置信息表征所述事故发生的地点;根据所述第二时间信息及第一位置信息查询所述映射关系表,得到查询结果;以及从各车辆的行车影像数据中获得与查询结果对应的影像数据。
本发明实施例提供的车联网数据处理方法、***及服务器,从各车辆的行车影像数据中获取包含路标标识的图像帧;解析所述路标标识,获得车辆所处地理位置信息;并记录对应的第一时间信息;所述第一时间信息表征所述路标标识出现的图像帧的时间;形成地理位置信息、第一时间信息以及对应车辆信息的映射关系表并保存;所述映射关系表用于从各车辆的行车影像数据中获得与事故相关的影像数据,利用各车辆的行车影像数据来实现对车辆的监控,不需要在道路上布设摄像头,如此,能有效地降低成本。同时,正是由于成本的降低,能有效地实现对道路的全方位监控,从而能为事故原因的正确分析提供准确的信息。
附图说明
在附图(其不一定是按比例绘制的)中,相似的附图标记可在不同的视图中描述相似的部件。具有不同字母后缀的相似附图标记可表示相似部件的不同示例。附图以示例而非限制的方式大体示出了本文中所讨论的各个实施例。
图1为本发明实施例一车联网数据处理方法流程示意图;
图2为本发明实施例二服务器结构示意图;
图3为本发明实施例二一种车联网数据处理***结构示意图;
图4为本发明实施例二另一种车联网数据处理***结构示意图;
图5为本发明实施例三形成监控数据的流程示意图;
图6为本发明实施例三进行数据筛选,得到与肇事逃逸相对应的有效数据的流程示意图;
图7为本发明实施例三云端服务器结构示意图。
具体实施方式
下面结合附图及实施例对本发明再作进一步详细的描述。
目前,主要通过设置在道路的各关键位置的摄像头来实现对车辆行为的监控,这些设置的摄像头形成相对范围广、角度多的视频监控体系。然而,由于摄像头的布设成本高,所以很难做到任何时间、任何地点的实时监控。那么在这种情况下,若交通事故发生在没有道路摄像头监控的情况下,肇事车辆逃离现场后,则很难找到事故责任人,进而无法对事故原因进行正确的分析。
所以如何低成本实现对道路进行全方位监控是目前亟待解决的问题。
基于此,在本发明的各种实施例中:从各车辆的行车影像数据中获取包含路标标识的图像帧;解析所述路标标识,获得车辆所处地理位置信息;并记录对应的第一时间信息;所述第一时间信息表征所述路标标识出现的图像帧的时间;形成地理位置信息、第一时间信息以及对应车辆信息的映射关系表并保存;所述映射关系表用于从各车辆的行车影像数据中获得与事故相关的影像数据。
实施例一
本发明实施例提供一种车联网数据处理方法,应用在服务器中。
本实施例的车联网数据处理方法,如图1所示,包括以下步骤:
步骤101:从各车辆的行车影像数据中获取包含路标标识的图像帧;
换句话说,从行车影像数据中定位包含各路标标识的图像帧。
具体地,对所述行车影像数据进行帧扫描,从所述行车影像数据中提取包含路标标识的图像帧。
这里,对所述行车影像数据进行帧扫描,具体可以是:对所述行车影像数据逐帧进行扫描,也可以是:按照预设帧间隔,对所述行车影像数据进行扫描。
其中,实际应用时,所述预设帧间隔可以根据需要来设置。
这里,实际应用时,所述路标标识是指:标识对应路标所处地理位置的图标;其具体表现形式可以是二维条码等;所述路标可以是道路标识牌、道路两边的隔离栅、路边的电线杆、公交站牌、或垃圾箱等一切道路周边的固定设施。
那么,实现本发明实施例的方案时,需要预先在这些固定设施上设置用于识别该路标设施地理位置的路标标识。当所述路标标识的表现形式为二维条码时,则需要预先在路标设施上喷射二维条码;当提取到包含二维条码的图像帧后,扫描图像中的二维条码,对二维条码进行解码处理,即可以获知该路标设施所处的地理位置信息。
在一实施例中,该方法还可以包括:
接收设置在各车辆中的行车记录仪发送的行车影像数据并保存。
其中,实际应用时,可以将接收的各车辆的行车影像数据保存至云端数据库中。
另外,设置在各车辆中的行车记录仪可以实时将拍摄的行车影像数据发送给所述服务器,也就是说,所述服务器实时接收设置在各车辆中的行车记录仪发送的行车影像数据并保存,以便所述服务器能实时形成能所述映射关系表,进而实时反映路况信息。
步骤102:解析所述路标标识,获得车辆所处地理位置信息;并记录对应的第一时间信息;
这里,所述第一时间信息表征所述路标标识出现的图像帧的时间。
当所述路标标识的表现形式为二维条码时,所述解析所述路标标识,是指:对所述二维条码进行解码处理。
步骤103:形成地理位置信息、第一时间信息以及对应车辆信息的映射关系表并保存。
这里,所述映射关系表用于从各车辆的行车影像数据中获得与事故相关的影像数据。
本步骤完成后,表明在云端完成了对各车辆的行车影像数据的分析。
当有事故发生时,可以基于所述映射关系表,从云端数据库中存储的各车辆的行车影像数据,查找到与事故相关的影像数据,以使事故处理人员(比如交警)根据查找到的影像数据正确进行事故分析。
基于此,在一实施例中,该方法还可以包括:
接收事故查询请求;
解析所述事故查询请求,得到第二时间信息及第一位置信息;所述第二时间信息表征事故发生的时间;所述第一位置信息表征所述事故发生的地点;
根据所述第二时间信息及第一位置信息查询所述映射关系表,得到查询结果;
从各车辆的行车影像数据中获得与查询结果对应的影像数据。
其中,所述根据所述第二时间信息及第一位置信息查询所述映射关系表,,得到查询结果,具体包括:
根据所述第二时间信息,确定查询时间段;
根据所述第一位置信息,确定查询范围;
根据确定的查询时间段以及查询范围,从所述映射关系表的映射关系中筛选出符合查询时间段及查询范围的至少一个映射关系;
相应地,根据筛选出的至少一个映射关系,从所述行车影像数据中获取与所述事故相关的影像数据。
这里,所述根据所述第二时间信息,确定查询时间段,具体为:
将所述第二时间信息对应的时间点前设定第一预设时间步长,得到第一时间点;
将所述第二时间信息对应的时间点后设定第二预设时间步长,得到第二时间点;
将所述第一时间点与所述第二时间点之间的时间段作为查询时间段。
其中,所述第一预设时间步长及第二预设时间步长可以根据需要设置,且可以进行调整,以能在云端数据库中找到与事故相关的影像数据为准。也就是说,实际应用时,所述第一预设时间步长及第二预设时间步长可以根据需要进行调整,以便最终在云端数据库中找到与事故相关的影像数据。
另外,实际应用时,所述第一预设时间步长与第二预设时间可以相同,也可以不同。
所述根据所述第一位置信息,确定查询范围,具体为:
将以所述第一位置信息对应的位置作为圆心,以预设的搜索半径为半径所确定的范围作为查询范围。
其中,所述预设的搜索半径可以根据需要设置,并且可以调整。
本发明实施例提供的信息处理方法,从各车辆的行车影像数据中获取包含路标标识的图像帧;解析所述路标标识,获得车辆所处地理位置信息;并记录对应的第一时间信息;所述第一时间信息表征所述路标标识出现的图像帧的时间;形成地理位置信息、第一时间信息以及对应车辆信息的映射关系表并保存;所述映射关系表用于从各车辆的行车影像数据中获得与事故相关的影像数据,利用路标标识并结合各车辆的行车影像数据来实现对车辆的监控,不需要在道路上布设摄像头,如此,能有效地降低成本。同时,正是由于成本的降低,能有效地实现对道路的全方位监控,从而能为事故原因的正确分析提供准确的信息。
另外,接收事故查询请求;解析所述事故查询请求,得到第二时间信息及第一位置信息;所述第二时间信息表征事故发生的时间;所述第一位置信息表征所述事故发生的地点;根据所述第二时间信息及第一位置信息查询所述映射关系表,得到查询结果;从各车辆的行车影像数据中获得与查询结果对应的影像数据,如此,能利用保存的行车影像数据快速找到与事故发生的影像数据,进而能快速确定事故责任及事故原因。
实施例二
为实现本发明实施例的方法,本实施例提供一种服务器,该服务器位于云端。
如图2所示,该服务器包括:地理信息提取模块21及分析模块22;其中,
所述地理信息提取模块21,用于从各车辆的行车影像数据中获取包含路标标识的图像帧;
所述分析模块22,用于解析所述路标标识,获得车辆所处地理位置信息;并记录对应的第一时间信息;所述第一时间信息表征所述路标标识出现的图像帧的时间;以及形成地理位置信息、第一时间信息以及对应车辆信息的映射关系表并保存;所述映射关系表用于从获取到的各车辆的行车影像数据中获得与事故相关的影像数据。
其中,从各车辆的行车影像数据中获取包含路标标识的图像帧,换句话说,所述地理信息提取模块21从行车影像数据中定位包含各路标标识的图像帧。
所述地理信息提取模块21,具体用于:
对所述行车影像数据进行帧扫描,从所述行车影像数据中提取包含路标标识的图像帧。
这里,对所述行车影像数据进行帧扫描,具体可以是:所述地理信息提取模块21对所述行车影像数据逐帧进行扫描,也可以是:所述地理信息提取模块21按照预设帧间隔,对所述行车影像数据进行扫描。
其中,实际应用时,所述预设帧间隔可以根据需要来设置。
这里,实际应用时,所述路标标识是指:标识对应路标所处地理位置的图标;其具体表现形式可以是二维条码等;所述路标可以是道路标识牌、道路两边的隔离栅、路边的电线杆、公交站牌、或垃圾箱等一切道路周边的固定设施。
那么,实现本发明实施例的方案时,需要预先在这些固定设施上设置用于识别该路标设施地理位置的路标标识。当所述路标标识的表现形式为二维条码时,则需要预先在路标设施上喷射二维条码;当提取到包含路标标识的图像帧后,所述分析模块22扫描图像中的二维条码,对二维条码进行解码处理,即可以获知该路标设施所处的地理位置信息。
其中,当所述路标标识的表现形式为二维条码时,所述解析所述路标标识,是指:所述分析模块22对所述二维条码进行解码处理。
在一实施例中,如图2所示,该服务器还可以包括:视频数据采集模块23,用于接收设置在各车辆中的行车记录仪发送的行车影像数据并保存。
其中,实际应用时,可以将接收的各车辆的行车影像数据保存至云端数据库中。
另外,设置在各车辆中的行车记录仪可以实时将拍摄的行车影像数据发送给所述服务器,也就是说,所述视频数据采集模块23实时接收设置在各车辆中的行车记录仪发送的行车影像数据并保存,以便所述分析模块22能实时形成能所述映射关系表,进而实时反映路况信息。
存储所述映射关系表后,表明在云端完成了对各车辆的行车影像数据的分析。
当有事故发生时,可以基于所述映射关系表,从云端数据库中存储的各车辆的行车影像数据,查找到与事故相关的影像数据,以使事故处理人员(比如交警)根据查找到的影像数据正确进行事故分析。
基于此,在一实施例中,该服务器还可以包括:接收模块、解析模块及筛选模块;其中,
所述接收模块,用于接收事故查询请求;
所述解析末,用于解析所述事故查询请求,第二时间信息及第一位置信息;所述第二时间信息表征事故发生的时间;所述第一位置信息表征所述事故发生的地点;
所述筛选模块,用于根据所述第二时间信息及第一位置信息查询所述映射关系表,得到查询结果;并从各车辆的行车影像数据中获得与查询结果对应的影像数据。
其中,所述筛选模块包括:第一确定模块、第二确定模块、映射关系筛选模块及获取模块;其中,
所述第一确定模块,用于根据所述第二时间信息,确定查询时间段;
所述第二确定模块,用于根据所述第一位置信息,确定查询范围;
所述映射关系筛选模块,用于根据确定的查询时间段以及查询范围,从所述映射关系表的映射关系中筛选出符合查询时间段内及查询范围的至少一个映射关系;
所述获取模块,用于根据筛选出的至少一个映射关系,从所述行车影像数据中获取与所述事故相关的影像数据。
这里,所述第一确定模块,具体用于:
将所述第二时间信息对应的时间点前设定第一预设时间步长,得到第一时间点;将所述第二时间信息对应的时间点后设定第二预设时间步长,得到第二时间点;并将所述第一时间点与所述第二时间点之间的时间段作为查询时间段。
其中,所述第一预设时间步长及第二预设时间步长可以根据需要设置,且可以进行调整,以能在云端数据库中找到与事故相关的影像数据为准。也就是说,实际应用时,所述第一预设时间步长及第二预设时间步长可以根据需要进行调整,以便最终在云端数据库中找到与事故相关的影像数据。
另外,实际应用时,所述第一预设时间步长与第二预设时间可以相同,也可以不同。
所述第二确定模块,具体用于:将以所述第一位置信息对应的位置作为圆心,以预设的搜索半径为半径所确定的范围作为查询范围。
其中,所述预设的搜索半径可以根据需要设置,并且可以调整。
实际应用时,所述视频数据采集模块23、接收模块可由服务器中的通信芯片实现;所述地理信息提取模块21、分析模块22、解析模块、筛选模块、第一确定模块、第二确定模块、映射关系筛选模块及获取模块可由服务器中的中央处理器(CPU,Central Processing Unit)、微处理器(MCU,Micro Control Unit)、数字信号处理器(DSP,Digital Signal Processor)或可编程逻辑阵列(FPGA,Field-Programmable Gate Array)。
为实现本发明实施例的方法,本实施例还提供了一种车联网数据处理***,如图3所示,该***包括:在各道路上设置的多个路标标识31以及服务器32;其中,
所述服务器32,用于从各车辆的行车影像数据中获取包含路标标识31的图像帧;解析所述路标标识31,获得车辆所处地理位置信息;并记录对应的第一时间信息;所述第一时间信息表征所述路标标识31出现的图像帧的时间;并形成地理位置信息、第一时间信息以及对应车辆信息的映射关系表并保存;所述映射关系表用于从各车辆的行车影像数据中获得与事故相关的影像数据。
其中,实际应用时,所述路标标识31是指:标识对应路标所处地理位置的图标;其具体表现形式可以是二维条码等;所述路标可以是道路标识牌、道路两边的隔离栅、路边的电线杆、公交站牌、或垃圾箱等一切道路周边的固定设施。
当所述路标标识31的表现形式为二维条码时,则需要预先在路标设施上喷射二维条码;当所述服务器32提取到包含二维条码的图像帧后,扫描图像中的二维条码,对二维条码进行解码处理,即可以获知该路标设施所处的地理位置信息。
从各车辆的行车影像数据中获取包含路标标识的图像帧;换句话说,是否服务器32从行车影像数据中定位包含各路标标识的图像帧。具体地,所述服务器32对所述行车影像数据进行帧扫描,从所述行车影像数据中提取包含路标标识的图像帧。
这里,对所述行车影像数据进行帧扫描,具体可以是:对所述行车影像数据逐帧进行扫描,也可以是:按照预设帧间隔,对所述行车影像数据进行扫描。
其中,实际应用时,所述预设帧间隔可以根据需要来设置。
在一实施例中,如图4所示,该***还可以包括设置在各车辆中的行车记录仪33;其中,
所述行车记录仪33,用于记录车辆的行车影像数据,并将记录的行车影像数据上传至所述服务器32;
所述服务器32,还用于接收设置在各车辆中的行车记录仪33发送的行车影像数据并保存。
其中,实际应用时,所述服务器32可以将接收的各车辆的行车影像数据保存至云端数据库中。
另外,设置在各车辆中的行车记录仪33可以实时将拍摄的行车影像数据发送给所述服务器,也就是说,所述服务器32实时接收设置在各车辆中的行车记录仪发送的行车影像数据并保存,以便所述服务器32能实时形成能所述映射关系表,进而实时反映路况信息。
当所述路标标识的表现形式为二维条码时,所述解析所述路标标识,是指:所述服务器32对所述二维条码进行解码处理。
存储所述映射关系表后,表明在云端完成了对各车辆的行车影像数据的分析。
当有事故发生时,可以基于所述映射关系表,从云端数据库中存储的各车辆的行车影像数据,查找到与事故相关的影像数据,以使事故处理人员(比如交警)根据查找到的影像数据正确进行事故分析。
基于此,在一实施例中,所述服务器32,还用于:接收事故查询请求;解析所述事故查询请求,得到第二时间信息及第一位置信息;所述第二时间信息表征事故发生的时间;所述第一位置信息表征所述事故发生的地点;根据所述第二时间信息及第一位置信息查询所述映射关系表,得到查询结果;以及从各车辆的行车影像数据中获得与查询结果对应的影像数据。
其中,所述根据所述第二时间信息及第一位置信息查询所述映射关系表,,得到查询结果,具体包括:
所述服务器32根据所述第二时间信息,确定查询时间段;
所述服务器32根据所述第一位置信息,确定查询范围;
所述服务器32根据确定的查询时间段以及查询范围,从所述映射关系表的映射关系中筛选出符合查询时间段及查询范围的至少一个映射关系;
相应地,所述服务器32根据筛选出的至少一个映射关系,从所述行车影像数据中获取与所述事故相关的影像数据。
这里,所述根据所述第二时间信息,确定查询时间段,具体为:
所述服务器32将所述第二时间信息对应的时间点前设定第一预设时间步长,得到第一时间点;
所述服务器32将所述第二时间信息对应的时间点后设定第二预设时间步长,得到第二时间点;
所述服务器32将所述第一时间点与所述第二时间点之间的时间段作为查询时间段。
其中,所述第一预设时间步长及第二预设时间步长可以根据需要设置,且可以进行调整,以能在云端数据库中找到与事故相关的影像数据为准。也就是说,实际应用时,所述第一预设时间步长及第二预设时间步长可以根据需要进行调整,以便最终在云端数据库中找到与事故相关的影像数据。
另外,实际应用时,所述第一预设时间步长与第二预设时间可以相同,也可以不同。
所述根据所述第一位置信息,确定查询范围,具体为:
所述服务器32将以所述第一位置信息对应的位置作为圆心,以预设的搜索半径为半径所确定的范围作为查询范围。
其中,所述预设的搜索半径可以根据需要设置,并且可以调整。
本发明实施例提供的方案,服务器从各车辆的行车影像数据中获取包含路标标识的图像帧;解析所述路标标识,获得车辆所处地理位置信息;并记录对应的第一时间信息;所述第一时间信息表征所述路标标识出现的图像帧的时间;形成地理位置信息、第一时间信息以及对应车辆信息的映射关系表并保存;所述映射关系表用于从各车辆的行车影像数据中获得与事故相关的影像数据,利用路标标识并结合各车辆的行车影像数据来实现对车辆的监控,不需要在道路上布设摄像头,如此,能有效地降低成本。同时,正是由于成本的降低,能有效地实现对道路的全方位监控,从而能为事故原因的正确分析提供准确的信息。
另外,所述服务器接收事故查询请求;解析所述事故查询请求,得到第二时间信息及第一位置信息;所述第二时间信息表征事故发生的时间;所述第一位置信息表征所述事故发生的地点;根据所述第二时间信息及第一位置信息查询所述映射关系表,得到查询结果;从各车辆的行车影像数据中获得与查询结果对应的影像数据,如此,能利用保存的行车影像数据快速找到与事故发生的影像数据,进而能快速确定事故责任及事故原因。
实施例三
本实施例在实施例一、二的基础上,以肇事逃逸事故为例,来详细说明如何为肇事逃逸事故提供影像证据。
实现本发明实施例的方案时,需要在道路标识牌、道路两边的隔离栅、路边的电线杆、公交站牌、或垃圾箱等一切道路周边的固定设施设置上用于识别该路标设施地理位置的路标标识,假设是在路标设施上喷射二维条码。
首先,云端需要实现对道路的全方位监控,从而获得监控数据,即形成监控数据。
具体地,如图5所示,形成监控数据的过程主要包括以下步骤:
步骤501:行驶在路上的车辆,其内置的行车记录仪将拍摄的行车影像数据实时上传到云端服务器;
步骤502:云端服务器收到影像数据后,定位影像数据中包含有各路标标识的图像帧;
这里,云端服务器收到影像数据后,保存至视频数据库中。
定位包含有各路标标识的图像帧时,逐帧或按照预设帧间隔对图像帧进行扫描,从而定位包含有路标标识的图像帧。
步骤503:在云端视频数据库中查找各个图像帧中出现的路标标识所对应的地理位置信息,并记录路标标识出现的图像帧的时间信息;
这里,当路标标识的表现形式是二维条码时,服务器通过扫描二维条码,对二维条码进行解码处理,从而可以在云端视频数据库中获知各路标标识对应的地理位置信息。
其中,对二维条码进行解码处理,可以主要包括:二值化、提取符号码、解码符号码等处理。
步骤504:形成地理位置信息、时间信息、对应车辆信息的三方数据映射关系表并保存。
这里,本步骤完成后,在云端完成了对用户行车记录仪拍摄影像数据的分析。从而形成监控数据。
接下来,描述如何应用上述存储的行车大数据进行数据筛选,得到与肇事逃逸相对应的有效数据的实现过程。
如图6所示,该过程主要包括以下步骤:
步骤601:某路段发生肇事逃逸事件,云端服务器接收事故查询请求;
这里,所述事故查询请求中携带肇事逃逸发生的时间及地点信息。
这里,当发生肇事逃逸事件时,发生事故的车辆(非逃逸车辆)向云端服务器上报肇事逃逸发生的时间及地点信息。
步骤602:云端服务器解析所述事故查询请求,从而得到肇事逃逸发生的时间及地点信息;
步骤603:云端服务器根据肇事逃逸发生的时间及地点信息,设定查询时间段及查询范围;
这里,设定查询时间段可以采用在该逃逸发生时间点前后设定预设时间步长,从而划定查询时间区间;预设时间步长可以根据筛选出的影像数据是否有效有效(能从云端数据库中的各车辆的行车影像数据,查找到与逃逸相关的影像数据)进行调整,例如,设定事故发生时刻前后1分钟,若没有对应数据,可以增加到2分钟、5分钟等。
以肇事逃逸发生地点为圆心,并设定搜索半径,从而得到查询范围;与设定预设时间步长同理,预设搜索半径的范围也可以逐渐变大,以便能从云端数据库中的各车辆的行车影像数据,查找到与逃逸相关的影像数据)。
步骤604:云端服务器从上述三方数据映射关系表中筛选出符合查询时间段及查询范围的至少一个映射关系;
步骤605:云端服务器根据筛选出的至少一个映射关系,从所有车辆的影像数据中提取与肇事逃逸相关的影像数据。
本步骤完成后,就实现了基于车联网的数据信息筛选,从而在海量数据中定位到有效数据,为肇事逃逸提供影像证据。
对应地,在实现上述步骤时,云端服务器对应的模块如图6所示。
如图6所示,在云端服务器形成监控数据的过程中:
视频数据采集模块23,用于采集车辆的行车影像数据;
地理信息提取模块21,用于对采集到的行车视频数据进行帧扫描,提取带有路标标识的图像帧;
这里,该标路标标识可以是二维条码,地理信息提取模块22将带有二维条码图像的图像帧从原视频数据(影像数据)中提取出来;
分析模块22,用于对提取出的图像帧中的路标标识进行识别,即将二维条码进行解码处理,得到该路标标识所对应的地理位置信息;并记录路标标识出现的图像帧的时间信息;以及形成地理位置信息、时间信息、对应车辆信息的三方数据映射关系表;
存储模块71,用于存储分析模块22形成的三方数据映射关系表。
数据筛选过程中:
接收模块72:对应实施例二中的计算模块及解析模块,用于接收携带肇事逃逸发生时间点信息、地点信息的查询请求,通过解析查询请求,得到肇事逃逸发生时间点信息、地点信息;
筛选模块73,对应实施例二中的第一确定模块、第二确定模块、映射关系筛选模块,用于在查询时间内,并根据查询范围,从上述三方数据映射关系表中筛选出符合查询时间段及查询范围的至少一个映射关系;
这里,查询时间为根据对该肇事逃逸发生时间点前后采用预设时间步长划定的查询时间区间;
视频调取模块74,对应实施例二中的获取模块,用于对根据筛选出的至少一个映射关系,从视频数据库中提取其对应的原始影像数据;
这里,可以根据筛选出的映射关系所对应的车辆标识,如车牌号等,从视频数据库中提取原始影像数据,进而使得事故处理人员(比如交警)可以根据调取出的车辆视频信息,还原出事故现场的影像。
视频数据库75,用于存储视频采集模块23采集得到的,与车辆标识对应的行车影像数据。
从上面的描述中可以看出,本发明实施例提供的方案,是一种基于车联网的数据信息分析方法。具体地,利用现有路标设施(例如双向车道的隔离栅、路边的路灯杆等),通过设置用于识别该路标设施地理位置的路标标识(二维条码等),实现对行车记录仪影像数据的定位分析(比如通过识别二维条码,得到该二维条码所依附的路标设施的地理位置信息),如此,节省道路监控摄像头的布设,降低了成本,从而能有效利用车联网大数据实现对道路进行全方位的监控,进而为肇事车辆逃离现场后的事故责任认定及事故原因分析提供了准确的信息。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用保存介质(包括但不限于磁盘保存器和光学保存器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可保存在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读保存器中,使得保存在该计算机可读保存器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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。
Claims (15)
1.一种车联网数据处理方法,其特征在于,所述方法包括:
从各车辆的行车影像数据中获取包含路标标识的图像帧;
解析所述路标标识,获得车辆所处地理位置信息;并记录对应的第一时间信息;所述第一时间信息表征所述路标标识出现的图像帧的时间;
形成地理位置信息、第一时间信息以及对应车辆信息的映射关系表并保存;所述映射关系表用于从各车辆的行车影像数据中获得与事故相关的影像数据。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
接收设置在各车辆中的行车记录仪发送的行车影像数据并保存。
3.根据权利要求1所述的方法,其特征在于,所述路标标识的表现形式为二维条码;
相应地,所述解析所述路标标识为:
对所述二维条码进行解码处理。
4.根据权利要求1所述的方法,其特征在于,所述从所述行车影像信息中获取包含路标标识的图像帧,为:
对所述行车影像数据进行帧扫描,从所述行车影像数据中提取包含路标标识的图像帧。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述方法还包括:
接收事故查询请求;
解析所述事故查询请求,得到第二时间信息及第一位置信息;所述第二时间信息表征事故发生的时间;所述第一位置信息表征所述事故发生的地点;
根据所述第二时间信息及第一位置信息查询所述映射关系表,得到查询结果;
从各车辆的行车影像数据中获得与查询结果对应的影像数据。
6.根据权利要求5所述的方法,其特征在于,所述根据所述第二时间信息及第一位置信息查询所述映射关系表,得到查询结果,包括:
根据所述第二时间信息,确定查询时间段;
根据所述第一位置信息,确定查询范围;
根据确定的查询时间段以及查询范围,从所述映射关系表的映射关系中筛选出符合查询时间段内及查询范围的至少一个映射关系;
相应地,根据筛选出的至少一个映射关系,从所述行车影像数据中获取与所述事故相关的影像数据。
7.根据权利要求6所述的方法,其特征在于,所述根据所述第二时间信息,确定查询时间段,为:
将所述第二时间信息对应的时间点前设定第一预设时间步长,得到第一时间点;
将所述第二时间信息对应的时间点后设定第二预设时间步长,得到第二时间点;
将所述第一时间点与所述第二时间点之间的时间段作为查询时间段。
8.根据权利要求6所述的方法,其特征在于,所述根据所述第一位置信息,确定查询范围,为:
将以所述第一位置信息对应的位置作为圆心,以预设的搜索半径为半径所确定的范围作为查询范围。
9.一种服务器,其特征在于,所述服务器包括:地理信息提取模块、分析模块及存储模块;其中,
所述地理信息提取模块,用于从各车辆的行车影像数据中获取包含路标标识的图像帧;
所述分析模块,用于解析所述路标标识,获得车辆所处地理位置信息;并记录对应的第一时间信息;所述第一时间信息表征所述路标标识出现的图像帧的时间;以及形成地理位置信息、第一时间信息以及对应车辆信息的映射关系表;
所述存储模块,用于存储所述映射关系表;所述映射关系表用于从各车辆的行车影像数据中获得与事故相关的影像数据。
10.根据权利要求9所述的服务器,其特征在于,所述服务器还包括:视频数据采集模块,用于接收设置在各车辆中的行车记录仪发送的行车影像数据并保存。
11.根据权利要求9或10所述的服务器,其特征在于,所述服务器还包括:接收模块、解析模块及筛选模块;其中,
所述接收模块,用于接收事故查询请求;
所述解析模块,用于解析所述事故查询请求,得到第二时间信息及第一位置信息;所述第二时间信息表征事故发生的时间;所述第一位置信息表征所述事故发生的地点;
所述筛选模块,用于根据所述第二时间信息及第一位置信息查询所述映射关系表,得到查询结果;并从各车辆的行车影像数据中获得与所述查询结果对应的影像数据。
12.根据权利要求11所述的服务器,其特征在于,所述筛选模块包括:第一确定模块、第二确定模块、映射关系筛选模块及获取模块;其中,
所述第一确定模块,用于根据所述第二时间信息,确定查询时间段;
所述第二确定模块,用于根据所述第一位置信息,确定查询范围;
所述映射关系筛选模块,用于根据确定的查询时间段以及查询范围,从所述映射关系表的映射关系中筛选出符合查询时间段内及查询范围的至少一个映射关系;
所述获取模块,用于根据筛选出的至少一个映射关系,从所述行车影像数据中获取与所述事故相关的影像数据。
13.一种车联网数据处理***,其特征在于,所述***包括:在各道路上设置的多个路标标识以及服务器;其中,
所述服务器,用于从各车辆的行车影像数据中获取包含路标标识的图像帧;解析所述路标标识,获得车辆所处地理位置信息;并记录对应的第一时间信息;所述第一时间信息表征所述路标标识出现的图像帧的时间;并形成地理位置信息、第一时间信息以及对应车辆信息的映射关系表并保存;所述映射关系表用于从各车辆的行车影像数据中获得与事故相关的影像数据。
14.根据权利要求13所述的***,其特征在于,所述***还包括:设置在各车辆中的行车记录仪;其中,
所述行车记录仪,用于记录车辆的行车影像数据,并将记录的行车影像数据上传至所述服务器;
所述服务器,还用于接收设置在各车辆中的行车记录仪发送的行车影像数据并保存。
15.根据权利要求13或14所述的***,其特征在于,所述服务器,还用于:
接收事故查询请求;解析所述事故查询请求,得到第二时间信息及第一位置信息;所述第二时间信息表征事故发生的时间;所述第一位置信息表征所述事故发生的地点;根据所述第二时间信息及第一位置信息查询所述映射关系表,得到查询结果;以及从各车辆的行车影像数据中获得与查询结果对应的影像数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510998691.3A CN106919610B (zh) | 2015-12-28 | 2015-12-28 | 车联网数据处理方法、***及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510998691.3A CN106919610B (zh) | 2015-12-28 | 2015-12-28 | 车联网数据处理方法、***及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106919610A true CN106919610A (zh) | 2017-07-04 |
CN106919610B CN106919610B (zh) | 2020-12-22 |
Family
ID=59455651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510998691.3A Active CN106919610B (zh) | 2015-12-28 | 2015-12-28 | 车联网数据处理方法、***及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106919610B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107864176A (zh) * | 2017-08-28 | 2018-03-30 | 武汉六点整北斗科技有限公司 | 一种车载数据的获取方法及装置 |
CN108091138A (zh) * | 2017-12-29 | 2018-05-29 | 安徽中凯信息产业股份有限公司 | 一种车联网数据处理方法 |
CN109754488A (zh) * | 2017-11-02 | 2019-05-14 | 宝沃汽车(中国)有限公司 | 违章记录的方法、装置、存储介质以及服务器和车辆 |
CN110070642A (zh) * | 2019-03-22 | 2019-07-30 | 天津大学 | 一种基于深度学习的交通事故责任评估方法及装置 |
CN112351081A (zh) * | 2020-10-27 | 2021-02-09 | 上海博泰悦臻网络技术服务有限公司 | 用于车联网数据的数据配置方法、装置、介质及电子设备 |
CN114339299A (zh) * | 2021-12-27 | 2022-04-12 | 司法鉴定科学研究院 | 一种汽车行车记录仪视频取证方法 |
EP4246369A4 (en) * | 2020-11-30 | 2024-02-28 | Huawei Technologies Co., Ltd. | CODE SCANNING METHOD AND APPARATUS |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010072845A (ja) * | 2008-09-17 | 2010-04-02 | Nec Personal Products Co Ltd | ドライブレコーダシステム、ドライブレコーダ及び情報処理装置 |
CN102256089A (zh) * | 2010-05-19 | 2011-11-23 | 李鄞君 | 车用数字影像自动感测的摄影记录方法 |
CN103377494A (zh) * | 2012-04-25 | 2013-10-30 | 财团法人工业技术研究院 | 协同式行车记录***与方法 |
CN104299363A (zh) * | 2014-10-28 | 2015-01-21 | 厦门大学 | 基于多特征融合的疲劳驾驶预警*** |
CN104318639A (zh) * | 2014-09-10 | 2015-01-28 | 胥逸鸥 | 具有事故检测以及通知的行车记录器 |
CN104504774A (zh) * | 2014-12-04 | 2015-04-08 | 深圳市华宝电子科技有限公司 | 基于行驶记录仪的信息获取方法、***及行驶记录仪 |
CN104637330A (zh) * | 2015-02-15 | 2015-05-20 | 国家电网公司 | 基于视频二维码的车载导航通讯***及防超速方法 |
CN105160837A (zh) * | 2015-09-29 | 2015-12-16 | 爱培科科技开发(深圳)有限公司 | 一种基于移动终端的行车报警信息云端获取方法及*** |
-
2015
- 2015-12-28 CN CN201510998691.3A patent/CN106919610B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010072845A (ja) * | 2008-09-17 | 2010-04-02 | Nec Personal Products Co Ltd | ドライブレコーダシステム、ドライブレコーダ及び情報処理装置 |
CN102256089A (zh) * | 2010-05-19 | 2011-11-23 | 李鄞君 | 车用数字影像自动感测的摄影记录方法 |
CN103377494A (zh) * | 2012-04-25 | 2013-10-30 | 财团法人工业技术研究院 | 协同式行车记录***与方法 |
CN104318639A (zh) * | 2014-09-10 | 2015-01-28 | 胥逸鸥 | 具有事故检测以及通知的行车记录器 |
CN104299363A (zh) * | 2014-10-28 | 2015-01-21 | 厦门大学 | 基于多特征融合的疲劳驾驶预警*** |
CN104504774A (zh) * | 2014-12-04 | 2015-04-08 | 深圳市华宝电子科技有限公司 | 基于行驶记录仪的信息获取方法、***及行驶记录仪 |
CN104637330A (zh) * | 2015-02-15 | 2015-05-20 | 国家电网公司 | 基于视频二维码的车载导航通讯***及防超速方法 |
CN105160837A (zh) * | 2015-09-29 | 2015-12-16 | 爱培科科技开发(深圳)有限公司 | 一种基于移动终端的行车报警信息云端获取方法及*** |
Non-Patent Citations (2)
Title |
---|
桂振文等: "二维码在移动增强现实中的应用研究", 《计算机辅助设计与图形学学报》 * |
郭华敏: "二维码导引***的研究与实现", 《硅谷》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107864176A (zh) * | 2017-08-28 | 2018-03-30 | 武汉六点整北斗科技有限公司 | 一种车载数据的获取方法及装置 |
CN109754488A (zh) * | 2017-11-02 | 2019-05-14 | 宝沃汽车(中国)有限公司 | 违章记录的方法、装置、存储介质以及服务器和车辆 |
CN108091138A (zh) * | 2017-12-29 | 2018-05-29 | 安徽中凯信息产业股份有限公司 | 一种车联网数据处理方法 |
CN110070642A (zh) * | 2019-03-22 | 2019-07-30 | 天津大学 | 一种基于深度学习的交通事故责任评估方法及装置 |
CN112351081A (zh) * | 2020-10-27 | 2021-02-09 | 上海博泰悦臻网络技术服务有限公司 | 用于车联网数据的数据配置方法、装置、介质及电子设备 |
CN112351081B (zh) * | 2020-10-27 | 2022-03-25 | 上海博泰悦臻网络技术服务有限公司 | 用于车联网数据的数据配置方法、装置、介质及电子设备 |
EP4246369A4 (en) * | 2020-11-30 | 2024-02-28 | Huawei Technologies Co., Ltd. | CODE SCANNING METHOD AND APPARATUS |
CN114339299A (zh) * | 2021-12-27 | 2022-04-12 | 司法鉴定科学研究院 | 一种汽车行车记录仪视频取证方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106919610B (zh) | 2020-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106919610A (zh) | 车联网数据处理方法、***及服务器 | |
US20200219388A1 (en) | Map Data Construction Method Vehicle Terminal, and Server | |
CN102509310B (zh) | 一种结合地理信息的视频追踪分析方法及*** | |
CN109635857B (zh) | 人车轨迹监测分析方法、装置、设备及存储介质 | |
CN110874362A (zh) | 一种数据关联分析方法及装置 | |
JP2018060511A (ja) | シミュレーションシステム、シミュレーションプログラム及びシミュレーション方法 | |
CN104851295A (zh) | 获取路况信息的方法和*** | |
CN103295396A (zh) | 交通事故非现场快***方法及*** | |
CN105913367A (zh) | 基于人脸识别和位置定位的公交客流量检测***与方法 | |
CN103699677A (zh) | 一种基于人脸识别技术的罪犯行踪地图绘制***及其方法 | |
CN105788280A (zh) | 一种基于车联网的智慧城市车辆自动追踪*** | |
US20220237919A1 (en) | Method, Apparatus, and Computing Device for Lane Recognition | |
CN113255439B (zh) | 一种障碍物识别方法、装置、***、终端及云端 | |
CN112085953B (zh) | 一种交通指挥方法、装置及设备 | |
CN105448105A (zh) | 一种基于巡逻警车的监控*** | |
CN109949351A (zh) | 基于视频结构化监控的目标车辆行驶轨迹提取装置及方法 | |
CN111008574A (zh) | 一种基于形体识别技术的重点人员轨迹分析方法 | |
KR20190043396A (ko) | 도로 경로 촬영 영상을 이용한 도로 경로 별 날씨정보 생성 및 제공하기 위한 방법 및 시스템 | |
JP7278414B2 (ja) | 交通道路用のデジタル復元方法、装置及びシステム | |
CN112633120A (zh) | 一种基于半监督学习的智能路侧感知***及模型训练方法 | |
CN112532929A (zh) | 路况信息确定方法及装置、服务器、存储介质 | |
CN114492022A (zh) | 路况传感数据处理方法、装置、设备、程序以及存储介质 | |
CN109637147A (zh) | 进行取证的车辆电子设备、服务器、方法 | |
CN205621299U (zh) | 基于视频识别的辅助报站***及车载终端 | |
CN116843512A (zh) | 一种基于计算机视觉的寻找旅客的***、方法及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |