CN108242183A - 基于运动目标标记框宽度特性的交通冲突检测方法及装置 - Google Patents
基于运动目标标记框宽度特性的交通冲突检测方法及装置 Download PDFInfo
- Publication number
- CN108242183A CN108242183A CN201810116165.3A CN201810116165A CN108242183A CN 108242183 A CN108242183 A CN 108242183A CN 201810116165 A CN201810116165 A CN 201810116165A CN 108242183 A CN108242183 A CN 108242183A
- Authority
- CN
- China
- Prior art keywords
- moving target
- indicia framing
- width
- coordinate
- frame
- 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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于运动目标标记框宽度特性的交通冲突检测方法及装置,首先从视频图像序列中提取运动目标的前景图像,并对获得的二值化前景图像进行孔洞移除和平滑处理;然后绘制前景图像中的各连通域的外接矩形作为运动目标标记框;再计算并保存各视频图像上运动目标标记框的宽度和运动方向上的坐标,根据视频图像序列相邻两帧中运动目标标记框信息,计算标记框相邻帧宽度比值,并计算标记框相邻帧在运动方向上的坐标之差;最后根据设定的规则实现对交通冲突的检测。本发明可以有效地对路段交通冲突中的追尾冲突、横穿冲突、撞固定物冲突进行即时检测。
Description
技术领域
本发明涉及一种基于运动目标标记框宽度特性的交通冲突检测方法及装置,属于图像处理、智能交通技术领域。
背景技术
交通冲突是指道路使用者在行驶过程中,与另外一个道路使用者或者道路设施在时间、空间上相互接近,如转向、改变车速、突然停车等,而导致交通事件的发生。交通冲突检测一直是计算机图形学和智能交通***的研究热点,在智慧城市、安防***、交通智能化等许多领域都有着广泛的应用。
研究人员提出过许多不同的交通冲突检测方法,主要可以概括为基于时间特性和基于空间特性。基于时间特性方面的研究成果,如Laureshyn等通过衡量交通相互作用事件的严重性指标,包括碰撞时间、优势时间、间隙时间、速度等,对交通冲突进行分类与识别。基于空间特性方面的研究成果,如潘仕印等结合速度和面积建立基于冲突场的交通冲突检测模型;张方方等从视频图像序列中提取冲突车辆的运动轨迹、速度、加速度等参数,建立了多参数交通冲突检测方法。无论是基于时间特性还是基于空间特性的交通冲突检测方法,它们虽然能检测到交通冲突,但检测方法设计复杂、计算繁琐,对应用场景要求高,移植性差,导致检测率较低。
发明内容
发明目的:针对现有技术中存在的问题,本发明目的在于提供一种基于运动目标标记框宽度特性的交通冲突检测方法及装置,以简化检测算法,提高检测效率。
技术方案:为实现上述发明目的,本发明提供的一种基于运动目标标记框宽度特性的交通冲突检测方法,包括如下步骤:
(1)从输入的视频图像序列中提取运动目标的前景图像,并对获得的二值化前景图像进行孔洞移除和平滑处理;
(2)绘制孔洞移除和平滑处理后的二值化前景图像中的各连通域的外接矩形作为运动目标标记框,所述外接矩形相邻两边分别和视频图像上边界及下边界平行;
(3)根据视频图像序列相邻两帧中运动目标标记框信息,计算标记框相邻帧宽度比值,并计算标记框相邻帧在运动方向上的坐标之差;
(4)根据如下至少一种规则进行交通冲突检测:
若相邻帧宽度比值不大于1,并且运动方向上的坐标之差不超过设定的速度阈值,则发出撞固定物的冲突检测信号;
若相邻帧宽度比值在1到设定的宽度比阈值之间,并且运动方向上的坐标之差不超过设定的速度阈值,则发出追尾的冲突检测信号;
若相邻帧宽度比值不小于设定的宽度比阈值,并且运动方向上的坐标之差不超过设定的速度阈值,则发出侧碰的冲突检测信号。
本发明另一方面提供的一种基于运动目标标记框宽度特性的交通冲突检测装置,包括:
运动目标提取模块,用于从输入的视频图像序列中提取运动目标的前景图像,并对获得的二值化前景图像进行孔洞移除和平滑处理;
联通域标记模块,用于绘制孔洞移除和平滑处理后的二值化前景图像中的各连通域的外接矩形作为运动目标标记框,所述外接矩形相邻两边分别和视频图像上边界及下边界平行;
标记框特性提取模块,用于根据视频图像序列相邻两帧中运动目标标记框信息,计算标记框相邻帧宽度比值,并计算标记框相邻帧在运动方向上的坐标之差;
以及冲突检测模块,用于根据如下至少一种规则进行交通冲突检测:若相邻帧宽度比值不大于1,并且运动方向上的坐标之差不超过设定的速度阈值,则发出撞固定物的冲突检测信号;若相邻帧宽度比值在1到设定的宽度比阈值之间,并且运动方向上的坐标之差不超过设定的速度阈值,则发出追尾的冲突检测信号;若相邻帧宽度比值不小于设定的宽度比阈值,并且运动方向上的坐标之差不超过设定的速度阈值,则发出侧碰的冲突检测信号。
有益效果:本发明采用当前在前景检测领域识别速度较快的ViBe算法,用于获取运动目标的前景图像,对前景图像进行孔洞移除和平滑处理,得到运动目标的二值化连通域并对其进行标记框标注,基于运动目标标记框的宽度变化特性和速度实现对交通冲突的检测。本发明实现简单,运算效率高,能通过检测运动目标,获得在不同运动状态下的标记框宽度变化特性,根据标记框宽度的变化识别交通冲突,从而提高了交通冲突检测的实时性与准确性。
附图说明
图1为本发明实施例的方法流程图。
图2为本发明实施例中ViBe前景检测效果图。
图3为本发明实施例中孔洞移除和平滑处理后的前景检测效果图。
图4为本发明实施例中连通域四个方向的最边缘点示意图。
图5为本发明实施例中连通域边缘矩形标记框示意图。
图6为本发明实施例中标记框创建与消失过程示意图。
图7为本发明实施例中侧碰场景运动目标标记框的宽度变化特性示意图。
图8为本发明实施例中侧碰场景运动目标标记框的宽度比值变化特性示意图。
图9为本发明实施例中冲突检测软件判断流程图。
图10为本发明方法用于正常状态下的交通冲突检测实例结果图。其中,(a)为原始视频中的一帧图像;(b)为ViBe算法提取的前景图像;(c)为孔洞移除和平滑处理后的前景图像;(d)为检测效果图;(e)为正常行驶的运动目标标记框宽度变化特性(横坐标为时间,纵坐标为标记框像素宽度值)。
图11为本发明方法用于碰撞事故下的交通冲突检测实例结果图。其中,(a)为碰撞前和碰撞时的ViBe算法提取的前景图像对比图;(b)为碰撞前和碰撞时孔洞移除和平滑处理后的前景图像对比图;(c)为碰撞前与碰撞时分别绘制连通域的矩形标记框效果对比图;(d)为出现碰撞事故的运动目标标记框宽度变化特性(横坐标为时间,纵坐标为标记框像素宽度值)。
图12为本发明实施例的装置结构示意图。
具体实施方式
下面结合具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示,本发明实施例公开的基于运动目标标记框宽度特性的交通冲突检测方法,包括如下步骤:
步骤1、运动目标提取:从输入的视频图像序列中提取运动目标的前景图像,并对获得的二值化前景图像进行孔洞移除和平滑处理。
运动目标检测是实现运动目标行为分析的基础和前提,目前主流的前景检测算法包括:ViBe算法、静态差分、高斯背景建模等。为保证检测的实时性,本实施例采用速度快、计算量小的像素级的ViBe前景检测算法,ViBe对硬件要求低,且效果优于已知的几种算法。ViBe检测前景效果如图2所示,对ViBe算法获取的二值化前景图像进行孔洞移除和平滑处理后的前景效果如图3所示。
步骤2、运动目标连通域标记:绘制孔洞移除和平滑处理后的二值化前景图像中的各连通域的外接矩形作为运动目标标记框。
连通区域(Connected Component)是指具有相同像素值且位置相邻的前景像素点组成的图像区域。
经过孔洞移除和平滑处理后的二值前景图像中,有K个形状不规则的连通域Ck,k∈[0,K),如图4所示,记录该连通域最边缘的四个像素点a,b,c,d的位置,以计算机视觉库OpenCV为例,其二维平面坐标系原点位于左上角,上边界为X轴,左边界为Y轴。
同一连通域中的四个边缘点,取Ck(Xmin),Ck(Xmax)绘制垂直边界,取Ck(Ymin),Ck(Ymax)绘制水平边界,完成连通域外接矩形标记框的绘制。Xmin、Xmax分别为四个边缘点中X轴坐标的最小值和最大值,Ymin、Ymax分别为四个边缘点中Y轴坐标的最小值和最大值,即绘制的外接矩形标记框相邻两边分别和视频图像上边界及左边界平行。
此外,也可通过OpenCV中boundingRect函数同样可以实现连通域边缘矩形框的绘制。如图5所示。
步骤3、标记框信息记录:计算并保存各视频图像上运动目标标记框的宽度和运动方向上的坐标;
在给定的二维坐标系中,标记框宽度信息L的提取非常直观。
L=Ck(Xmax)-Ck(Xmin) (1)
将标记框宽度信息L、以及标记框y坐标(如Ymin、Ymax或中点)与对应连通域存储在一起,且每帧更新一次。直到运动目标脱离检测区域,连通域消失,标记框及宽度信息清除。
步骤4、冲突检测:基于标记框宽度及速度的变化特性,对路段交通中的追尾碰撞事件、侧碰事件、撞固定物事件进行检测。
ViBe前景检测算法中,运动目标在快速运动时,会出现拖影(虚假目标),使得运动目标标记框长度与运动目标实际长度存在较大误差。此外,不同机动车的车长如表1所示,小型轿车和大型货车的车长相差10米左右。由于不同车型的车长差距比较大,所以不能采用运动目标标记框长度特性进行交通冲突检测。
表1机动车尺寸
虽然不同机动车车长差别大,但是车宽却无明显差异,如表1所示。我国机动车标准车道宽为3.75米,大型机动车车宽最宽为2.55米,小轿车车宽最短为1.5米。而且机动车车宽不受运动目标垂直方向快速运动的影响,因此发明实施例将通过分析运动目标标记框宽度特性,进行交通冲突检测。主要包括:
步骤4.1、标记框宽度及速度信息提取:根据视频图像序列相邻两帧中运动目标标记框信息,计算标记框相邻帧宽度比值,并计算标记框相邻帧在运动方向上的坐标之差,本发明方法中速度信息(运动状态)用标记框相邻帧y坐标之差表示。
由于不同视频拍摄角度不同,不同运动目标标记框初始宽度不同等原因,因此不能将宽度值量化,而是通过相邻帧f,f∈[1,+∞)的标记框宽度比值来描述其变化特性,相邻帧标记框宽度比值计算公式为:
其中,Lf表示第f帧标记框的宽度,Lf-1表示第f-1帧标记框的宽度。本发明给连通域加标记框,通过分析标记框的宽度变化值来分析连通域的变化状态,实现对运动目标运动特征的判定。通过Vibe算法得到最底层的二值化图像序列,通过opencv库中的boundingRect函数对二值化图像中的连通域进行标记框绘制(同一标记框中可能包括不止一辆车)。标记框与连通域一一对应,同出现同消失。
图6给出了标记框创建与消失的过程。如图6所示,小车a与小车b从检测区域底部正常驶入。***分别给小车a标记出标记框1,给小车b标记出标记框2。行驶过程中,小车a与小车b因为靠的太近,背景逐渐融在一起,a、b车纳入一个大标记框。(这个大标记框可在a、b车之前对应的标记框1、2之间取其一。)之后两车回归正常行驶状态分来,或者因碰撞分开。标记框2依旧存在,标记框2内可能是小车a也可能是小车b。如果标记框2内是小车a,则新建一个标记框3标记小车b。反之一样。
步骤4.2、根据设定的相邻帧宽度比值判断阈值和速度判断阈值进行交通冲突检测,识别出追尾碰撞事件、侧碰事件、撞固定物事件。
如表1所示,我国现有机动车宽度最大为2.55米,宽度最小为1.5米。最极端的碰撞情况下对应标记框相邻帧最小比值为
将此极端情况设定为运动目标重合的临界状态,通过设定合理的宽度比阈值可以区分不同的碰撞时间,通过大量试验验证,宽度比阈值设定在1.7~1.8之间时检测运动目标重合效果较佳,本实施例中取Y=1.75。
基于设定的宽度比阈值Y,交通冲突中的追尾碰撞事件、侧碰事件、撞固定物事件的判定条件为:
追尾碰撞事件:主要表现为运动目标以相同的方向相互逼近并发生碰撞,运动目标重合区域呈现长条状。其标记框宽度会突然小幅度变大,之后不变,直至连通域消失,标记框清除。其标记框宽度比值的最大值范围为1<Rf,f-1<Y。运动目标速度逐渐减小直至停止。
侧碰事件:相邻车道两辆车左右方向发生碰撞,主要表现为运动目标以交错的方式相互逼近并发生冲突,运动目标左右重合,标记框宽度会明显增大,之后不变,直至连通域消失,标记框清除。其标记框宽度比值最大值范围为Rf,f-1≥Y。运动目标速度逐渐减小直至停止。
撞固定物事件:车辆撞护栏等,主要表现为运动目标与道路上的固定构造物发生冲突其标记框宽度无异常变化,但之后却保持不变,直至连通域消失,标记框清除。其标记框宽度比值最大值范围为Rf,f-1≤1。运动目标速度逐渐减小直至停止。
以侧碰事件为例,实际交通环境中运动目标发生侧碰事件并停在检测区域是交通冲突类型中最典型的现象。
其特征为运动目标正常进入检测区域,经过前景检测、前景处理及连通域标记,得到运动目标标记框T。运动目标正常运动状态下,逐渐远离检测区域,连通域面积逐渐减小,运动目标标记框宽度也呈平滑状态减小。同时计算每一帧标记框宽度值Lf以及相邻帧之间的标记框宽度比值Rf,f-1。
当运动目标发生碰撞时,其标记框T的前景会与其相碰撞的运动目标前景发生重合,从而出现一个骤然变大的连通域,对应着运动目标标记框和标记框宽度比值也会突然变大。
图7和图8中,运动目标标记框T宽度出现明显增大,且标记框宽度比值大于阈值Y,说明该标记框内出现两个或两个以上运动目标,可能发生碰撞。且运动目标标记框T宽度值不变,标记框宽度比值为1,则说明该标记框对应的运动目标速度逐渐较小直至静止。符合侧碰事件的判定条件,判定该运动目标发生侧碰事件。
图9为本发明实施例基于运动目标标记框进行冲突判断的详细流程图,如图9所示,具体判断规则为:若R≤1并且|H|≤1,则发出撞固定物的冲突检测信号;若1<R<Y并且|H|≤1,则发出追尾的冲突检测信号;若R≥Y并且|H|≤1,则发出侧碰的冲突检测信号,其他情况则认为无冲突。其中H为标记框y坐标上变化,即描述标记框是否为运动状态。H可以取1以下的值,本例中取值为1像素/帧。
下面结合具体实例检验本发明方法的有效性,选取多组交通视频对其进行测试。本发明方法测试的硬件平台为Intel i5-5200U,2.2GHz,8G内存。测试程序基于开源计算机视觉库OpenCV2.4.10开发,在Visual C++2013环境下编译,数据库为Sql Server 2008R2。
图10给出了正常状态下的交通冲突检测实例,从实例图中可以看出,经过孔洞移除和平滑处理后的二值化前景效果良好,运动目标连通域绘制的矩形标记框长度出现明显偏差,但宽度并无太大差异,因此本发明通过研究基于标记框宽度特性进行交通冲突检测是有效的。
图11给出了碰撞事故下的交通冲突检测实例,在碰撞事故实例中有效地验证了本发明方法的思想,本发明通过分析运动目标标记框宽度的变化特性,反推该标记框连通域发生的变化,以及该标记框对应的运动目标的运动状态。同时,分析接下来每帧标记框的变化趋势,进一步确定运动目标发生了何种冲突类型,最终实现了交通冲突类型的检测。
如图12所示,本发明实施例公开的基于运动目标标记框宽度特性的交通冲突检测装置,主要包括:运动目标提取模块,用于从输入的视频图像序列中提取运动目标的前景图像,并对获得的二值化前景图像进行孔洞移除和平滑处理;联通域标记模块,用于绘制孔洞移除和平滑处理后的二值化前景图像中的各连通域的外接矩形作为运动目标标记框,所述外接矩形相邻两边分别和视频图像上边界及左边界平行;标记框信息记录模块,用于计算并保存各视频图像上运动目标标记框的宽度和运动方向上的坐标;标记框特性提取模块,用于根据视频图像序列相邻两帧中运动目标标记框信息,计算标记框相邻帧宽度比值,并计算标记框相邻帧在运动方向上的坐标之差;以及冲突检测模块,用于根据如下至少一种规则进行交通冲突检测:若相邻帧宽度比值不大于1,并且运动方向上的坐标之差不超过设定的速度阈值,则发出撞固定物的冲突检测信号;若相邻帧宽度比值在1到设定的宽度比阈值之间,并且运动方向上的坐标之差不超过设定的速度阈值,则发出追尾的冲突检测信号;若相邻帧宽度比值不小于设定的宽度比阈值,并且运动方向上的坐标之差不超过设定的速度阈值,则发出侧碰的冲突检测信号。
上述基于运动目标标记框宽度特性的交通冲突检测装置实施例可以用于执行上述基于运动目标标记框宽度特性的交通冲突检测方法实施例,其技术原理、所解决的技术问题及产生的技术效果相似,上述描述的基于运动目标标记框宽度特性的交通冲突检测装置的具体工作过程及有关说明,可以参考前述基于运动目标标记框宽度特性的交通冲突检测方法实施例中的对应过程,在此不再赘述。
本领域技术人员可以理解,上述基于运动目标标记框宽度特性的交通冲突检测装置还包括一些其他公知结构,例如处理器、存储器等,其中,存储器包括但不限于随机存储器、闪存、只读存储器、寄存器等,处理器包括但不限于CPLD、FPGA、DSP、ARM、MIPS处理器等。
本领域技术人员可以理解,可以对实施例中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。
综上,本发明针对交通冲突检测算法设计复杂、应用门槛高等导致检测效率低的问题,建立了基于运动目标标记框宽度特性的交通冲突检测方法和装置,该方法能获得运动目标标记框宽度信息,并对标记框宽度值变化特性进行分析,做到实时的检测效果。通过实验表明本发明对追尾冲突、横穿冲突、撞固定物冲突检测效果非常理想,解决了交通冲突检测问题,而且能做到即时检测,检测效率高,并获得了较准确的交通流检测数据,为以后的交通事件预测提供重要的数据基础。
Claims (6)
1.基于运动目标标记框宽度特性的交通冲突检测方法,其特征在于,包括如下步骤:
(1)从输入的视频图像序列中提取运动目标的前景图像,并对获得的二值化前景图像进行孔洞移除和平滑处理;
(2)绘制孔洞移除和平滑处理后的二值化前景图像中的各连通域的外接矩形作为运动目标标记框,所述外接矩形相邻两边分别和视频图像上边界及左边界平行;
(3)计算并保存各视频图像上运动目标标记框的宽度和运动方向上的坐标;
(4)根据视频图像序列相邻两帧中运动目标标记框信息,计算标记框相邻帧宽度比值,并计算标记框相邻帧在运动方向上的坐标之差;
(5)根据如下至少一种规则进行交通冲突检测:
若相邻帧宽度比值不大于1,并且运动方向上的坐标之差不超过设定的速度阈值,则发出撞固定物的冲突检测信号;
若相邻帧宽度比值在1到设定的宽度比阈值之间,并且运动方向上的坐标之差不超过设定的速度阈值,则发出追尾的冲突检测信号;
若相邻帧宽度比值不小于设定的宽度比阈值,并且运动方向上的坐标之差不超过设定的速度阈值,则发出侧碰的冲突检测信号。
2.根据权利要求1所述的基于运动目标标记框宽度特性的交通冲突检测方法,其特征在于,采用ViBe算法从输入的视频图像序列中提取运动目标的前景图像。
3.根据权利要求1所述的基于运动目标标记框宽度特性的交通冲突检测方法,其特征在于,所述速度阈值取值在1像素/帧以下。
4.根据权利要求1所述的基于运动目标标记框宽度特性的交通冲突检测方法,其特征在于,所述宽度比阈值在1.7-1.8范围内设定。
5.根据权利要求1所述的基于运动目标标记框宽度特性的交通冲突检测方法,其特征在于,所述宽度比阈值为1.75。
6.基于运动目标标记框宽度特性的交通冲突检测装置,其特征在于,包括:
运动目标提取模块,用于从输入的视频图像序列中提取运动目标的前景图像,并对获得的二值化前景图像进行孔洞移除和平滑处理;
联通域标记模块,用于绘制孔洞移除和平滑处理后的二值化前景图像中的各连通域的外接矩形作为运动目标标记框,所述外接矩形相邻两边分别和视频图像上边界及左边界平行;
标记框信息记录模块,用于计算并保存各视频图像上运动目标标记框的宽度和运动方向上的坐标;
标记框特性提取模块,用于根据视频图像序列相邻两帧中运动目标标记框信息,计算标记框相邻帧宽度比值,并计算标记框相邻帧在运动方向上的坐标之差;
以及冲突检测模块,用于根据如下至少一种规则进行交通冲突检测:若相邻帧宽度比值不大于1,并且运动方向上的坐标之差不超过设定的速度阈值,则发出撞固定物的冲突检测信号;若相邻帧宽度比值在1到设定的宽度比阈值之间,并且运动方向上的坐标之差不超过设定的速度阈值,则发出追尾的冲突检测信号;若相邻帧宽度比值不小于设定的宽度比阈值,并且运动方向上的坐标之差不超过设定的速度阈值,则发出侧碰的冲突检测信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810116165.3A CN108242183B (zh) | 2018-02-06 | 2018-02-06 | 基于运动目标标记框宽度特性的交通冲突检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810116165.3A CN108242183B (zh) | 2018-02-06 | 2018-02-06 | 基于运动目标标记框宽度特性的交通冲突检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108242183A true CN108242183A (zh) | 2018-07-03 |
CN108242183B CN108242183B (zh) | 2019-12-10 |
Family
ID=62698836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810116165.3A Active CN108242183B (zh) | 2018-02-06 | 2018-02-06 | 基于运动目标标记框宽度特性的交通冲突检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108242183B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109086724A (zh) * | 2018-08-09 | 2018-12-25 | 北京华捷艾米科技有限公司 | 一种加速的人脸检测方法及存储介质 |
CN110428443A (zh) * | 2019-08-11 | 2019-11-08 | 上海天诚比集科技有限公司 | 一种智慧社区车辆轨迹跟踪方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1153692A (ja) * | 1997-08-06 | 1999-02-26 | Daihatsu Motor Co Ltd | 車両認識方法 |
CN102170558A (zh) * | 2010-12-30 | 2011-08-31 | 财团法人车辆研究测试中心 | 障碍物侦测警示***及方法 |
CN102997900A (zh) * | 2011-09-15 | 2013-03-27 | 歌乐株式会社 | 外界识别方法、装置以及车辆*** |
CN104115199A (zh) * | 2012-02-10 | 2014-10-22 | 三菱电机株式会社 | 驾驶支援装置以及驾驶支援方法 |
CN105718888A (zh) * | 2016-01-22 | 2016-06-29 | 北京中科慧眼科技有限公司 | 障碍物预警方法和障碍物预警装置 |
CN107315998A (zh) * | 2017-05-31 | 2017-11-03 | 淮阴工学院 | 基于车道线的车辆种类划分方法和*** |
-
2018
- 2018-02-06 CN CN201810116165.3A patent/CN108242183B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1153692A (ja) * | 1997-08-06 | 1999-02-26 | Daihatsu Motor Co Ltd | 車両認識方法 |
CN102170558A (zh) * | 2010-12-30 | 2011-08-31 | 财团法人车辆研究测试中心 | 障碍物侦测警示***及方法 |
CN102997900A (zh) * | 2011-09-15 | 2013-03-27 | 歌乐株式会社 | 外界识别方法、装置以及车辆*** |
CN104115199A (zh) * | 2012-02-10 | 2014-10-22 | 三菱电机株式会社 | 驾驶支援装置以及驾驶支援方法 |
CN105718888A (zh) * | 2016-01-22 | 2016-06-29 | 北京中科慧眼科技有限公司 | 障碍物预警方法和障碍物预警装置 |
CN107315998A (zh) * | 2017-05-31 | 2017-11-03 | 淮阴工学院 | 基于车道线的车辆种类划分方法和*** |
Non-Patent Citations (3)
Title |
---|
ALIAKSEI LAURESHYN ET AL.: "FROM SPEED PROFILE DATA TO ANALYSIS OF BEHAVIOUR: Classification by Pattern Recognition Techniques", 《IATSS RESEARCH》 * |
张方方: "基于视频的平面交叉口机动车交通冲突检测技术研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
潘仕印: "基于视频图像处理的平面交叉***通冲突自动检测技术研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109086724A (zh) * | 2018-08-09 | 2018-12-25 | 北京华捷艾米科技有限公司 | 一种加速的人脸检测方法及存储介质 |
CN110428443A (zh) * | 2019-08-11 | 2019-11-08 | 上海天诚比集科技有限公司 | 一种智慧社区车辆轨迹跟踪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108242183B (zh) | 2019-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gupte et al. | Detection and classification of vehicles | |
CN106652445B (zh) | 一种公路交通事故判别方法及装置 | |
US7046822B1 (en) | Method of detecting objects within a wide range of a road vehicle | |
JP3435623B2 (ja) | 交通流監視装置 | |
Huang et al. | Vehicle detection and inter-vehicle distance estimation using single-lens video camera on urban/suburb roads | |
CN109829403A (zh) | 一种基于深度学习的车辆防碰撞预警方法及*** | |
CN102693423B (zh) | 一种在强光条件下车牌精确定位的方法 | |
CN103593981B (zh) | 一种基于视频的车型识别方法 | |
JP2013505509A (ja) | 近赤外線カメラを使用して歩行者を検出、分類、および追跡するための費用対効果の高いシステムおよび方法 | |
Ke et al. | A cost-effective framework for automated vehicle-pedestrian near-miss detection through onboard monocular vision | |
CN109101932B (zh) | 基于目标检测的多任务及临近信息融合的深度学习方法 | |
CN111915583B (zh) | 复杂场景中基于车载红外热像仪的车辆和行人检测方法 | |
CN105260701A (zh) | 一种适用于复杂场景下的前方车辆检测方法 | |
CN104183142A (zh) | 一种基于图像视觉处理技术的车流量统计方法 | |
KR100979726B1 (ko) | 이동 물체의 특징점을 이용하는 영상 검지 방법 | |
CN103050008A (zh) | 夜间复杂交通视频中车辆检测方法 | |
Liu et al. | ROI perspective transform based road marking detection and recognition | |
CN106023594A (zh) | 一种车位遮挡的判定方法、装置及车辆管理*** | |
CN108242183A (zh) | 基于运动目标标记框宽度特性的交通冲突检测方法及装置 | |
Huang | Real-time multi-vehicle detection and sub-feature based tracking for traffic surveillance systems | |
Dai et al. | A vehicle detection method via symmetry in multi-scale windows | |
CN111881752B (zh) | 一种护栏检测分类方法、装置、电子设备及存储介质 | |
CN106023270A (zh) | 一种基于局部对称特征的视频车辆检测方法 | |
Cao et al. | Vehicle motion analysis based on a monocular vision system | |
CN109977772A (zh) | 一种基于车载行车记录仪视频的斑马线礼让行为检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20180703 Assignee: Yunhua (Nanjing) Intelligent Technology Co.,Ltd. Assignor: HUAIYIN INSTITUTE OF TECHNOLOGY Contract record no.: X2020980010086 Denomination of invention: Traffic conflict detection method and device based on the width characteristic of moving target marker frame Granted publication date: 20191210 License type: Common License Record date: 20201229 |
|
EE01 | Entry into force of recordation of patent licensing contract |