CN108230667A - 一种车辆违章行为检测方法 - Google Patents

一种车辆违章行为检测方法 Download PDF

Info

Publication number
CN108230667A
CN108230667A CN201611154230.9A CN201611154230A CN108230667A CN 108230667 A CN108230667 A CN 108230667A CN 201611154230 A CN201611154230 A CN 201611154230A CN 108230667 A CN108230667 A CN 108230667A
Authority
CN
China
Prior art keywords
vehicle
frame
peccancy
difference
image
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.)
Withdrawn
Application number
CN201611154230.9A
Other languages
English (en)
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guigang Ruicheng Technology Co Ltd
Original Assignee
Guigang Ruicheng Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guigang Ruicheng Technology Co Ltd filed Critical Guigang Ruicheng Technology Co Ltd
Priority to CN201611154230.9A priority Critical patent/CN108230667A/zh
Publication of CN108230667A publication Critical patent/CN108230667A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种车辆违章行为检测方法，包括以下步骤：S1：交通监控视频采集，并对视频进行预处理；S2：使用改进Surendra背景差分与三帧差分相结合的算法进行车辆目标检测；S3：结合camShi ft算法与Kalman滤波器进行车辆目标跟踪；S4：提取车辆质心绘制车辆运动轨迹；S5：根据车辆运动轨迹对车辆违章行为进行判别。本发明提出的车辆违章行为检测方法通过对监控视频数据进行实时处理与分析，实现违章车辆行为的自动识别，在保证结果准确性的前提下，降低计算复杂度，实现对车辆违章行为的实时检测。

Description

一种车辆违章行为检测方法
技术领域
本发明涉及一种车辆违章行为检测方法。
背景技术
随着我国经济的迅速发展，全国汽车保有量年年攀升，汽车为人民生活带来了极大便利，但车辆违章违规所带来的交通事故多发，给全国交通管理信息***带来了巨大压力。为保证公路交通的正常运行，我国政府采用了智能交通***，以实现大范围、多场景的交通监控与管理，提升交通***综合运输能力。同时对着信息技术几十年的迅猛发展，海量视频数据的存储与处理得到了广泛的普及与应用。
当今相关领域已经进行了广泛的研究，提出了许多交通违章的检测方法，但这些方法都有计算复杂、所需存储容量过大等问题，会占用过多硬件成本与开销。
发明内容
本发明要解决的技术问题是提供一种车辆违章行为检测方法。
一种车辆违章行为检测方法，包括以下步骤：
S1：交通监控视频采集，并对视频进行预处理；
S2：使用改进Surendra背景差分与三帧差分相结合的算法进行车辆目标检测；
S3：结合camShift算法与Kalman滤波器进行车辆目标跟踪；
S4：提取车辆质心绘制车辆运动轨迹；
S5：根据车辆运动轨迹对车辆违章行为进行判别。
进一步的，所述改进Surendra背景差分算法的具体算法如下：
1)取视频第一帧图像I0作为初始背景B0；
2)求出当前帧图像的最大灰度值gmax和最小灰度值gmin，然后令T＝gmax+gmin；
3)根据T对图像的灰度值进行划分，分为大于T的灰度值和小于T的灰度值两组，分别求出两组的平均灰度值μ1和μ2；
4)更新阈值T，T＝(μ1+μ2)/2；
5)重复步骤3)和4)，直到T的值不发生变化；
6)迭代次数初始化，取m＝1，最大迭代次数为M；计算当前帧与前一帧的帧间差分图像，并二值化,
式中，It为输入的t时刻的单帧图像；It-1为输入的t-1时刻的单帧图像；
7)根据二值化后的图像Dt来更新背景，
式中，Bt(x,y)为t时刻背景图像；α为更新速率系数，取值0.005；
8)迭代次数m每次迭代自增1，当迭代次数m＝M时结束迭代，此时Bt(x,y)为更新后的背景图像。
进一步的，改进Surendra背景差分与三帧差分相结合的车辆检测算法如下：
1)对获取到的交通监控视频帧图像，使用改进Surendra背景差分算法重构背景图像，将输入当前帧与背景图像作差分处理，得到背景差分检测区域；
2)与步骤1)并行处理，对当前输入的视频帧，结合对应的前一帧与后一帧，利用三帧差分法对相邻的两帧作差分处理，获取三帧差分法检测区域；
3)将步骤1)和步骤2)的结果进行“或”运算处理，得到综合车辆检测结果，并进行形态学滤波与联通域分析，以去除非车辆目标带来的噪声干扰；
4)根据步骤3)得到的结果标定车辆在视频帧中的区域，以外接矩形框分割出目标车辆。
进一步的，所述车辆运动轨迹的计算如下：
设t时刻车辆在视频顿中的质心坐标点记为(xt,yt)，则L帧后可以得到车辆的行驶轨迹：
TrajL＝{(xt,yt),(xt+1,y+1t),(xt+2,yt+2),...,(xt+L,yt+L)}。
进一步的，车辆违章行为的判别方法如下：
S5-1：车辆运动方向判决与逆行判断；
设t1时刻视频帧图像中车辆质心坐标为t2时刻视频帧图像中车辆质心坐标为则从t1到t2时刻，车辆运动方向判断条件为：
1)车辆速度有向右方运动的分量，记为DR；
2)车辆速度有向左方运动的分量，记为DL；
3)车辆速度有向上方运动的分量，记为DU；
4)车辆速度有向下方运动的分量，记为DD；
其中，εx＝0.05×W,εy＝0.05×H，W为车辆外接矩形框宽度，H为车辆外接矩形框宽度；
正常行驶的车辆运动方向可用(DR,DU)，(DR,DD)，(DL,DU)与(DL,DD)表示；
S5-2：车辆违章变道行为判断；
1)使用Hough变换进行行车道检测，设置禁止变道直线为Forb[N]，其拟合直线方程为Ax+By+C＝0；
2)计算车辆跟踪轨迹Traj[M]上所有的点与其对应车道线的距离d，计算公式如下：
d[i]＝Traj[i]·x-Forb[i]·x,i＝t,t＝1,t+2,...,t+L；
3)与车道线距离做进的两个质心点记为与令R>0表示两个质心点位于车道直线同侧；R＝0表示至少有一个质心点在直线上；R<0表示两个质心点位于直线两侧；
4)计算距离的离散程度，即车辆与车道线距离的均值E与方差S,即
5)判决标准：
当车辆与车道线距离的离散度S大于阈值TC，并且与车道线距离最近的两个质心点分列车道线两侧，将CL置为1，表示发生了变道行为，反之为0代表未发生变道行为；
S5-3：车辆调头行为判断；
1)对双向车进行讨论，左右侧直行车道中，使用跟踪算法进行跟踪车辆质心的y值在车辆行驶过程中持续增大，车辆调头之后y值持续减小；
2)车辆目标y值持续增大的时间段中，车辆行驶轨迹拟合直线段的斜率在右侧车道斜率区间内，同理，车辆目标y值持续减小的时间段中，车辆行驶轨迹拟合直线段的斜率在左侧车道斜率区间内；
3)车辆y值从减小转为增大的过程中，车辆变道判决标准CL置为1，即发生了变道行为。
本发明的有益效果是：
本发明提出的车辆违章行为检测方法通过对监控视频数据进行实时处理与分析，实现违章车辆行为的自动识别，在保证结果准确性的前提下，降低计算复杂度，实现对车辆违章行为的实时检测。
具体实施方式
以下具体实施例对本发明作进一步阐述，但不作为对本发明的限定。
一种车辆违章行为检测方法，包括以下步骤：
S1：交通监控视频采集，并对视频进行预处理；
S2：使用改进Surendra背景差分与三帧差分相结合的算法进行车辆目标检测；
S3：结合camShift算法与Kalman滤波器进行车辆目标跟踪；
S4：提取车辆质心绘制车辆运动轨迹；
S5：根据车辆运动轨迹对车辆违章行为进行判别。
所述改进Surendra背景差分算法的具体算法如下：
1)取视频第一帧图像I0作为初始背景B0；
2)求出当前帧图像的最大灰度值gmax和最小灰度值gmin，然后令T＝gmax+gmin；
3)根据T对图像的灰度值进行划分，分为大于T的灰度值和小于T的灰度值两组，分别求出两组的平均灰度值μ1和μ2；
4)更新阈值T，T＝(μ1+μ2)/2；
5)重复步骤3)和4)，直到T的值不发生变化；
6)迭代次数初始化，取m＝1，最大迭代次数为M；计算当前帧与前一帧的帧间差分图像，并二值化,
式中，It为输入的t时刻的单帧图像；It-1为输入的t-1时刻的单帧图像；
7)根据二值化后的图像Dt来更新背景，
式中，Bt(x,y)为t时刻背景图像；α为更新速率系数，取值0.005；
8)迭代次数m每次迭代自增1，当迭代次数m＝M时结束迭代，此时Bt(x,y)为更新后的背景图像。
改进Surendra背景差分与三帧差分相结合的车辆检测算法如下：
1)对获取到的交通监控视频帧图像，使用改进Surendra背景差分算法重构背景图像，将输入当前帧与背景图像作差分处理，得到背景差分检测区域；
2)与步骤1)并行处理，对当前输入的视频帧，结合对应的前一帧与后一帧，利用三帧差分法对相邻的两帧作差分处理，获取三帧差分法检测区域；
3)将步骤1)和步骤2)的结果进行“或”运算处理，得到综合车辆检测结果，并进行形态学滤波与联通域分析，以去除非车辆目标带来的噪声干扰；
4)根据步骤3)得到的结果标定车辆在视频帧中的区域，以外接矩形框分割出目标车辆。
所述车辆运动轨迹的计算如下：
设t时刻车辆在视频顿中的质心坐标点记为(xt,yt)，则L帧后可以得到车辆的行驶轨迹：
TrajL＝{(xt,yt),(xt+1,y+1t),(xt+2,yt+2),...,(xt+L,yt+L)}。
车辆违章行为的判别方法如下：
S5-1：车辆运动方向判决与逆行判断；
设t1时刻视频帧图像中车辆质心坐标为t2时刻视频帧图像中车辆质心坐标为则从t1到t2时刻，车辆运动方向判断条件为：
1)车辆速度有向右方运动的分量，记为DR；
2)车辆速度有向左方运动的分量，记为DL；
3)车辆速度有向上方运动的分量，记为DU；
4)车辆速度有向下方运动的分量，记为DD；
其中，εx＝0.05×W,εy＝0.05×H，W为车辆外接矩形框宽度，H为车辆外接矩形框宽度；
正常行驶的车辆运动方向可用(DR,DU)，(DR,DD)，(DL,DU)与(DL,DD)表示；
S5-2：车辆违章变道行为判断；
1)使用Hough变换进行行车道检测，设置禁止变道直线为Forb[N]，其拟合直线方程为Ax+By+C＝0；
2)计算车辆跟踪轨迹Traj[M]上所有的点与其对应车道线的距离d，计算公式如下：
d[i]＝Traj[i]·x-Forb[i]·x,i＝t,t＝1,t+2,...,t+L；
3)与车道线距离做进的两个质心点记为与令R>0表示两个质心点位于车道直线同侧；R＝0表示至少有一个质心点在直线上；R<0表示两个质心点位于直线两侧；
4)计算距离的离散程度，即车辆与车道线距离的均值E与方差S,即
5)判决标准：
当车辆与车道线距离的离散度S大于阈值TC，并且与车道线距离最近的两个质心点分列车道线两侧，将CL置为1，表示发生了变道行为，反之为0代表未发生变道行为；
S5-3：车辆调头行为判断；
1)对双向车进行讨论，左右侧直行车道中，使用跟踪算法进行跟踪车辆质心的y值在车辆行驶过程中持续增大，车辆调头之后y值持续减小；
2)车辆目标y值持续增大的时间段中，车辆行驶轨迹拟合直线段的斜率在右侧车道斜率区间内，同理，车辆目标y值持续减小的时间段中，车辆行驶轨迹拟合直线段的斜率在左侧车道斜率区间内；
3)车辆y值从减小转为增大的过程中，车辆变道判决标准CL置为1，即发生了变道行为。

Claims (5)

1.一种车辆违章行为检测方法，其特征在于，包括以下步骤：
S1：交通监控视频采集，并对视频进行预处理；
S2：使用改进Surendra背景差分与三帧差分相结合的算法进行车辆目标检测；
S3：结合camShift算法与Kalman滤波器进行车辆目标跟踪；
S4：提取车辆质心绘制车辆运动轨迹；
S5：根据车辆运动轨迹对车辆违章行为进行判别。
2.根据权利要求1所述的车辆违章行为检测方法，其特征在于，所述改进Surendra背景差分算法的具体算法如下：
1)取视频第一帧图像I0作为初始背景B0；
2)求出当前帧图像的最大灰度值gmax和最小灰度值gmin，然后令T＝gmax+gmin；
3)根据T对图像的灰度值进行划分，分为大于T的灰度值和小于T的灰度值两组，分别求出两组的平均灰度值μ1和μ2；
4)更新阈值T，T＝(μ1+μ2)/2；
5)重复步骤3)和4)，直到T的值不发生变化；
6)迭代次数初始化，取m＝1，最大迭代次数为M；计算当前帧与前一帧的帧间差分图像，并二值化,
式中，It为输入的t时刻的单帧图像；It-1为输入的t-1时刻的单帧图像；
7)根据二值化后的图像Dt来更新背景，
式中，Bt(x,y)为t时刻背景图像；α为更新速率系数，取值0.005；
8)迭代次数m每次迭代自增1，当迭代次数m＝M时结束迭代，此时Bt(x,y)为更新后的背景图像。
3.根据权利要求1所述的车辆违章行为检测方法，其特征在于，改进Surendra背景差分与三帧差分相结合的车辆检测算法如下：
1)对获取到的交通监控视频帧图像，使用改进Surendra背景差分算法重构背景图像，将输入当前帧与背景图像作差分处理，得到背景差分检测区域；
2)与步骤1)并行处理，对当前输入的视频帧，结合对应的前一帧与后一帧，利用三帧差分法对相邻的两帧作差分处理，获取三帧差分法检测区域；
3)将步骤1)和步骤2)的结果进行“或”运算处理，得到综合车辆检测结果，并进行形态学滤波与联通域分析，以去除非车辆目标带来的噪声干扰；
4)根据步骤3)得到的结果标定车辆在视频帧中的区域，以外接矩形框分割出目标车辆。
4.根据权利要求1所述的车辆违章行为检测方法，其特征在于，所述车辆运动轨迹的计算如下：
设t时刻车辆在视频顿中的质心坐标点记为(xt,yt)，则L帧后可以得到车辆的行驶轨迹：
TrajL＝{(xt,yt),(xt+1,y+1t),(xt+2,yt+2),...,(xt+L,yt+L)}。
5.根据权利要求1所述的车辆违章行为检测方法，其特征在于，车辆违章行为的判别方法如下：
S5-1：车辆运动方向判决与逆行判断；
设t1时刻视频帧图像中车辆质心坐标为t2时刻视频帧图像中车辆质心坐标为则从t1到t2时刻，车辆运动方向判断条件为：
1)车辆速度有向右方运动的分量，记为DR；
2)车辆速度有向左方运动的分量，记为DL；
3)车辆速度有向上方运动的分量，记为DU；
4)车辆速度有向下方运动的分量，记为DD；
其中，εx＝0.05×W,εy＝0.05×H，W为车辆外接矩形框宽度，H为车辆外接矩形框宽度；
正常行驶的车辆运动方向可用(DR,DU)，(DR,DD)，(DL,DU)与(DL,DD)表示；
S5-2：车辆违章变道行为判断；
1)使用Hough变换进行行车道检测，设置禁止变道直线为Forb[N]，其拟合直线方程为Ax+By+C＝0；
2)计算车辆跟踪轨迹Traj[M]上所有的点与其对应车道线的距离d，计算公式如下：
d[i]＝Traj[i]·x-Forb[i]·x,i＝t,t＝1,t+2,...,t+L；
3)与车道线距离做进的两个质心点记为与令R>0表示两个质心点位于车道直线同侧；R＝0表示至少有一个质心点在直线上；R<0表示两个质心点位于直线两侧；
4)计算距离的离散程度，即车辆与车道线距离的均值E与方差S,即
5)判决标准：
当车辆与车道线距离的离散度S大于阈值TC，并且与车道线距离最近的两个质心点分列车道线两侧，将CL置为1，表示发生了变道行为，反之为0代表未发生变道行为；
S5-3：车辆调头行为判断；
1)对双向车进行讨论，左右侧直行车道中，使用跟踪算法进行跟踪车辆质心的y值在车辆行驶过程中持续增大，车辆调头之后y值持续减小；
2)车辆目标y值持续增大的时间段中，车辆行驶轨迹拟合直线段的斜率在右侧车道斜率区间内，同理，车辆目标y值持续减小的时间段中，车辆行驶轨迹拟合直线段的斜率在左侧车道斜率区间内；
3)车辆y值从减小转为增大的过程中，车辆变道判决标准CL置为1，即发生了变道行为。
CN201611154230.9A 2016-12-14 2016-12-14 一种车辆违章行为检测方法 Withdrawn CN108230667A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611154230.9A CN108230667A (zh) 2016-12-14 2016-12-14 一种车辆违章行为检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611154230.9A CN108230667A (zh) 2016-12-14 2016-12-14 一种车辆违章行为检测方法

Publications (1)

Publication Number Publication Date
CN108230667A true CN108230667A (zh) 2018-06-29

Family

ID=62650156

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611154230.9A Withdrawn CN108230667A (zh) 2016-12-14 2016-12-14 一种车辆违章行为检测方法

Country Status (1)

Country Link
CN (1) CN108230667A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109215393A (zh) * 2018-11-20 2019-01-15 中国葛洲坝集团公路运营有限公司 一种用于目标区域异常事件监控的方法及***
CN109299674A (zh) * 2018-09-05 2019-02-01 重庆大学 一种基于车灯的隧道违章变道检测方法
CN109615862A (zh) * 2018-12-29 2019-04-12 南京市城市与交通规划设计研究院股份有限公司 道路车辆交通运动状态参数动态获取方法及装置
CN109887303A (zh) * 2019-04-18 2019-06-14 齐鲁工业大学 随意变更车道行为预警***及方法
CN111833598A (zh) * 2020-05-14 2020-10-27 山东科技大学 一种高速公路无人机交通事件自动监测方法及***
CN113570877A (zh) * 2021-06-22 2021-10-29 淮阴工学院 一种非机动车逆行检测装置及检测方法
CN114399714A (zh) * 2022-01-12 2022-04-26 福州大学 基于车载相机视频的车辆违停检测方法
CN114419106A (zh) * 2022-03-30 2022-04-29 深圳市海清视讯科技有限公司 车辆违章行为检测方法、设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103093194A (zh) * 2013-01-07 2013-05-08 信帧电子技术（北京）有限公司 一种基于视频的违章车辆检测方法及装置
CN103714319A (zh) * 2013-12-18 2014-04-09 国家电网公司 一种用于电力线防外力破坏***的视频入侵检测方法
CN103824452A (zh) * 2013-11-22 2014-05-28 银江股份有限公司 一种轻量级的基于全景视觉的违章停车检测装置
CN104616501A (zh) * 2015-02-06 2015-05-13 河海大学常州校区 基于智能视觉的车辆违章停车检测***及方法
CN105185118A (zh) * 2015-10-13 2015-12-23 武汉烽火众智数字技术有限责任公司 一种基于视频检测的违章车辆检测装置及其方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103093194A (zh) * 2013-01-07 2013-05-08 信帧电子技术（北京）有限公司 一种基于视频的违章车辆检测方法及装置
CN103824452A (zh) * 2013-11-22 2014-05-28 银江股份有限公司 一种轻量级的基于全景视觉的违章停车检测装置
CN103714319A (zh) * 2013-12-18 2014-04-09 国家电网公司 一种用于电力线防外力破坏***的视频入侵检测方法
CN104616501A (zh) * 2015-02-06 2015-05-13 河海大学常州校区 基于智能视觉的车辆违章停车检测***及方法
CN105185118A (zh) * 2015-10-13 2015-12-23 武汉烽火众智数字技术有限责任公司 一种基于视频检测的违章车辆检测装置及其方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
宋耀: "交通监控视频中的车辆异常行为检测", 《电视技术》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109299674A (zh) * 2018-09-05 2019-02-01 重庆大学 一种基于车灯的隧道违章变道检测方法
CN109299674B (zh) * 2018-09-05 2022-03-18 重庆大学 一种基于车灯的隧道违章变道检测方法
CN109215393A (zh) * 2018-11-20 2019-01-15 中国葛洲坝集团公路运营有限公司 一种用于目标区域异常事件监控的方法及***
CN109615862A (zh) * 2018-12-29 2019-04-12 南京市城市与交通规划设计研究院股份有限公司 道路车辆交通运动状态参数动态获取方法及装置
CN109887303A (zh) * 2019-04-18 2019-06-14 齐鲁工业大学 随意变更车道行为预警***及方法
CN111833598A (zh) * 2020-05-14 2020-10-27 山东科技大学 一种高速公路无人机交通事件自动监测方法及***
CN113570877A (zh) * 2021-06-22 2021-10-29 淮阴工学院 一种非机动车逆行检测装置及检测方法
CN114399714A (zh) * 2022-01-12 2022-04-26 福州大学 基于车载相机视频的车辆违停检测方法
CN114419106A (zh) * 2022-03-30 2022-04-29 深圳市海清视讯科技有限公司 车辆违章行为检测方法、设备及存储介质
CN114419106B (zh) * 2022-03-30 2022-07-22 深圳市海清视讯科技有限公司 车辆违章行为检测方法、设备及存储介质

Similar Documents

Publication Publication Date Title
CN108230667A (zh) 一种车辆违章行为检测方法
CN109829403B (zh) 一种基于深度学习的车辆防碰撞预警方法及***
CN104008645B (zh) 一种适用于城市道路车道线预测及预警方法
CN105632186B (zh) 检测车辆加塞行为的方法和装置
CN108596129A (zh) 一种基于智能视频分析技术的车辆越线检测方法
CN104021378B (zh) 基于时空关联与先验知识的交通信号灯实时识别方法
CN106778593A (zh) 一种基于多地面标志融合的车道级定位方法
CN106541968B (zh) 基于视觉分析的地铁车厢实时提示***的识别方法
CN106652445A (zh) 一种公路交通事故判别方法及装置
WO2013136878A1 (ja) 物体検出装置
CN111597905B (zh) 一种基于视频技术的公路隧道停车检测方法
CN103927548B (zh) 一种新的避免车辆碰撞的刹车行为检测方法
CN104537841A (zh) 无牌车辆违章检测方法及其检测***
CN104157160B (zh) 车辆行驶控制方法、装置及车辆
CN105678287B (zh) 一种基于脊度量的车道线检测方法
CN103164958B (zh) 车辆监控方法及***
CN106864458A (zh) 一种自动绕障***及方法、智能汽车
CN103794050A (zh) 一种实时的交通车辆检测与跟踪方法
CN104867332B (zh) 基于隔帧差法的前方车道线内行驶车辆的检测方法
CN103021179A (zh) 基于实时监控视频中的安全带检测方法
CN107705577A (zh) 一种基于车道线标定车辆违章变道的实时检测方法及***
CN106951820B (zh) 基于环形模板和椭圆拟合的客流统计方法
WO2023020004A1 (zh) 一种车辆距离探测方法、***、设备及介质
CN106530825A (zh) 基于st‑mrf模型的电动自行车与汽车交通冲突检测方法
Huang Real-time multi-vehicle detection and sub-feature based tracking for traffic surveillance systems

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20180629