CN110070729B - 一种基于雾计算的违停车辆检测***及方法 - Google Patents

一种基于雾计算的违停车辆检测***及方法 Download PDF

Info

Publication number
CN110070729B
CN110070729B CN201910372212.5A CN201910372212A CN110070729B CN 110070729 B CN110070729 B CN 110070729B CN 201910372212 A CN201910372212 A CN 201910372212A CN 110070729 B CN110070729 B CN 110070729B
Authority
CN
China
Prior art keywords
vehicle
target
fog
illegal
information
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.)
Active
Application number
CN201910372212.5A
Other languages
English (en)
Other versions
CN110070729A (zh
Inventor
郝虹
高岩
姜凯
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.)
Shandong Inspur Scientific Research Institute Co Ltd
Original Assignee
Shandong Inspur Scientific Research Institute 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 Shandong Inspur Scientific Research Institute Co Ltd filed Critical Shandong Inspur Scientific Research Institute Co Ltd
Priority to CN201910372212.5A priority Critical patent/CN110070729B/zh
Publication of CN110070729A publication Critical patent/CN110070729A/zh
Application granted granted Critical
Publication of CN110070729B publication Critical patent/CN110070729B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G08G1/017—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
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/097—Supervising of traffic control systems, e.g. by giving an alarm if two crossing streets have green light simultaneously
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
    • H04L67/025—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP] for remote control or remote monitoring of applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Multimedia (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开一种基于雾计算的违停车辆检测***，涉及交通控制***技术领域，采用方案包括摄像头、与摄像头相连的边缘计算设备、收集网络覆盖区域内边缘计算设备输出信息的雾计算节点、通信连接车辆登记信息数据库的交管中心服务平台。摄像头实时拍摄所覆盖区域的车辆停放情况，所拍摄视频帧图像标记有禁停区域；边缘计算设备检测视频帧图像的禁停区域是否有超时停留的车辆，并将超时停留的车辆信息发送给雾计算节点；雾计算节点识别车辆信息，并将车辆信息和车辆位置发送至服务平台；工作人员通过服务平台处理车辆违停信息，并通过车辆登记信息数据库查询违停车辆的车主信息，随后向车主发送警告信息。本发明还公开一种违停车辆检测方法。

Description

一种基于雾计算的违停车辆检测***及方法
技术领域
本发明涉及交通控制***技术领域，具体的说是一种基于雾计算的违停车辆检测***及方法。
背景技术
雾计算是Cisco首创的云计算的延伸概念，与云计算不同，雾计算是以个人云，私有云，企业云等小型云为主。雾主要使用的边缘网络设备，可以是传统网络设备(早已部署在网络中的路由器、交换机、网关等等)，也可以是专门部署的本地服务器，其计算力位于云端和边缘终端之间。因其更接近于网络边缘，所以雾计算的最主要优势是低延时和位置感知。
在大城市中，车辆众多，因违规停车造成的交通堵塞现象屡见不鲜，虽然有交警每天在街道巡逻，但是人工巡逻检查难免会有遗漏，另外人工对停车时间的主观判断，很难避免误罚，同时这样会加大交管人员的工作负担。
中国申请专利201710446513公开了“一种车辆违停检测和车辆鸣笛声监测预警装置及其方法”，通过将所述监测预警装置固定安装在车辆上实现违停检测，该方法存在的问题是，车主如果拒绝安装或者故意损坏设备，就无法实现违停检测。
发明内容
本发明针对目前技术发展的需求和不足之处，提供一种基于雾计算的违停车辆检测***及方法，实现违停车辆的实时、高效检测。
首先，本发明公开一种基于雾计算的违停车辆检测***，解决上述技术问题采用的技术方案如下：
一种基于雾计算的违停车辆检测***，其结构包括：
设置在路边的摄像头，摄像头实时拍摄所覆盖区域的车辆停放情况，且摄像头所拍摄的视频帧图像标记有禁停区域；
与摄像头相连的边缘计算设备，边缘计算设备检测所拍摄视频帧图像的禁停区域是否有超时停留的车辆，并将超时停留的车辆信息发送给雾计算节点；
雾计算节点收集并识别网络覆盖区域内边缘计算设备输出的车辆信息，随后将车辆位置和识别的车辆信息发送至交管中心服务平台；
交管中心服务平台通信连接车辆登记信息数据库，交管中心的工作人员通过服务平台处理该车辆的违停信息，同时，还在车辆登记信息数据库查询违停车辆的车主信息，并向车主发送警告信息，提醒其车辆的违停详情。
可选的，所涉及摄像头所拍摄的视频帧图像标记有禁停区域，禁停区域是行驶道路本身画出的，或者，禁停区域是选取一张不具有违停车辆的视频帧图像后人工手动标记的。
可选的，所涉及边缘计算设备检测所拍摄视频帧图像的禁停区域是否有超时停留的车辆，其具体检测过程包括：
1)边缘计算设备将禁停区域没有违停车辆的视频帧图像存为背景图片；
2)边缘计算设备对禁停区域内的输入图像执行与背景图片的差分，提取出前景目标的外接矩形；
3)边缘计算设备跟踪前景目标的运动轨迹，记录每个轨迹点的位置信息以及轨迹点所在图像的帧数；
4)边缘计算设备计算目标在某一位置的停留时间：
4a)停留时间大于设定的时间阈值，则判定为违停目标，边缘计算设备将当前视频帧图像禁停区域的图片截取，并与位置信息发送给雾计算节点；
4b)停留时间不大于设定的时间阈值，则判定为移动目标，返回执行步骤2)。
可选的，所涉及雾计算节点是有计算能力的硬件单元；
或者，
雾计算节点是搭载Linux***的Arm主板，或是搭载Windows***的PC机主板，其选型根据需要处理信息量的不同而确定。
其次，本发明还公开一种基于雾计算的违停车辆检测方法，该方法基于设置在路边的摄像头、与摄像头相连的边缘计算设备、收集并识别网络覆盖区域内边缘计算设备输出信息的雾计算节点、通信连接车辆登记信息数据库的交管中心服务平台；
该方法的实现过程包括：
步骤一、人工在监控摄像头拍摄的视频中标定禁停区域A的坐标(xtop，ytop，xbottom，ybottom)；
步骤二、边缘计算设备将没有违停车辆的区域A图片存为背景图片；
步骤三、边缘计算设备对于区域A内的输入图像执行与背景图片的差分，提取出前景目标的外接矩形；
步骤四、跟踪前景目标的运动轨迹，记录每个轨迹点的位置信息以及轨迹点所在图像的帧数；
步骤五、计算目标在某一位置的停留时间，若停留时间大于设定的时间阈值，则判定为违停目标，否则，判定为移动目标，若判定为违停目标，边缘计算设备将当前帧区域A内的图片截取与位置信息一并发送给服务雾节点；
步骤六、雾节点检测区域A内的违停目标，并识别车牌，将车牌和对应的位置信息上传到交通管理中心；
步骤七、交通管理中心派遣工作人员到违停位置及时处理，并从车辆登记信息数据库中查询车主信息，向车主发送警告信息，提醒其车辆违停。
具体的，在步骤四中，跟踪前景目标的运动轨迹，具体包括：
1)提取当前图像中的目标轮廓的外接矩形，与已有的目标轨迹进行关联；
2)将当前目标外接矩形的中心点与已有目标的中心点进行比较，当两点之间的距离小于某个阈值时，则判定为两目标相关联，否则判定为一个新的目标，初始化其轨迹；
3)若关联成功，则把该轮廓的位置信息添加到相应的轨迹当中。
具体的，在步骤五中，计算目标在某一位置的停留时间，具体计算方法为：
计算当前帧与目标最后一个轨迹点所在图像的帧数差，由帧数差和帧率计算出目标在该位置停留的时间。
具体的，所涉及摄像头实时拍摄所覆盖区域的车辆停放情况，且摄像头所拍摄的视频帧图像标记有禁停区域；禁停区域是行驶道路本身画出的，或者，禁停区域是选取一张不具有违停车辆的视频帧图像后人工手动标记的。
具体的，所涉及雾计算节点是有计算能力的硬件单元；
或者，
雾计算节点是搭载Linux***的Arm主板，或是搭载Windows***的PC机主板，其选型根据需要处理信息量的不同而确定。
本发明的一种基于雾计算的违停车辆检测***及方法，与现有技术相比具有的有益效果是：
1)本发明的违停车辆检测***，基于设置在路边的摄像头、与摄像头相连的边缘计算设备、收集并识别网络覆盖区域内边缘计算设备输出车辆信息的雾计算节点、通信连接车辆登记信息数据库的交管中心服务平台，首先通过摄像头实时拍摄所覆盖区域的车辆停放情况，所拍摄的视频帧图像标记有禁停区域，随后通过边缘计算设备检测所拍摄视频帧图像的禁停区域是否有超时停留的车辆，并将超时停留的车辆信息发送给雾计算节点，再然后通过雾计算节点将车辆位置和识别的车辆信息发送至交管中心服务平台，最后交管中心的工作人员通过服务平台处理该车辆的违停信息，同时，还在车辆登记信息数据库查询违停车辆的车主信息，并向车主发送警告信息，提醒其车辆的违停详情；***的整个工作过程高效快捷、无需人工检测，只需要人工完成违停车辆的信息获取、以及向违停车主发送警告信息，实现了道路的实时检测，避免车辆违停带来的交通阻塞；
2)本发明的违停车辆检测方法，与违停车辆检测***相结合，都基于设置在路边的摄像头、与摄像头相连的边缘计算设备、收集并识别网络覆盖区域内边缘计算设备输出车辆信息的雾计算节点、通信连接车辆登记信息数据库的交管中心服务平台，实现了违停车辆的自动检测，从根源上避免了车辆违停带来的交通阻塞。
附图说明
附图1是本发明实施例一的结构框图；
附图2是本发明实施例二的流程框图。
附图中各标号信息表示：
1、摄像头，2、边缘计算设备，3、雾计算节点，
4、交管中心服务平台，5、车辆登记信息数据库。
具体实施方式
为使本发明的技术方案、解决的技术问题和技术效果更加清楚明白，以下结合具体实施例，对本发明的技术方案进行清查、完整的描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下获得的所有实施例,都在本发明的保护范围之内。
实施例一：
结合附图1，本实施例提出一种基于雾计算的违停车辆检测***，其结构包括：
设置在路边的摄像头1，摄像头1实时拍摄所覆盖区域的车辆停放情况，且摄像头1所拍摄的视频帧图像标记有禁停区域；
与摄像头1相连的边缘计算设备2，边缘计算设备2检测所拍摄视频帧图像的禁停区域是否有超时停留的车辆，并将超时停留的车辆信息发送给雾计算节点3；
雾计算节点3收集并识别网络覆盖区域内边缘计算设备2输出的车辆信息，随后将车辆位置和识别的车辆信息发送至交管中心服务平台4；
交管中心服务平台4通信连接车辆登记信息数据库5，交管中心的工作人员通过服务平台处理该车辆的违停信息，同时，还在车辆登记信息数据库5查询违停车辆的车主信息，并向车主发送警告信息，提醒其车辆的违停详情。
在本实施例中，所涉及摄像头1所拍摄的视频帧图像标记有禁停区域，禁停区域是行驶道路本身画出的，或者，禁停区域是选取一张不具有违停车辆的视频帧图像后人工手动标记的。
在本实施例中，所涉及边缘计算设备2检测所拍摄视频帧图像的禁停区域是否有超时停留的车辆，其具体检测过程包括：
1)边缘计算设备2将禁停区域没有违停车辆的视频帧图像存为背景图片；
2)边缘计算设备2对禁停区域内的输入图像执行与背景图片的差分，提取出前景目标的外接矩形；
3)边缘计算设备2跟踪前景目标的运动轨迹，记录每个轨迹点的位置信息以及轨迹点所在图像的帧数；
4)边缘计算设备2计算目标在某一位置的停留时间：
4a)停留时间大于设定的时间阈值，则判定为违停目标，边缘计算设备2将当前视频帧图像禁停区域的图片截取，并与位置信息发送给雾计算节点3；
4b)停留时间不大于设定的时间阈值，则判定为移动目标，返回执行步骤2)。
在本实施例中，所涉及雾计算节点3是有计算能力的硬件单元；
或者，
所涉及雾计算节点3是搭载Linux***的Arm主板，或是搭载Windows***的PC机主板，其选型根据需要处理信息量的不同而确定。
实施例二：
结合附图2，本实施例提出一种基于雾计算的违停车辆检测方法，该方法基于设置在路边的摄像头1、与摄像头1相连的边缘计算设备2、收集并识别网络覆盖区域内边缘计算设备2输出信息的雾计算节点3、通信连接车辆登记信息数据库5的交管中心服务平台4；
该方法的实现过程包括：
步骤一、人工在监控摄像头1拍摄的视频中标定禁停区域A的坐标(xtop，ytop，xbottom，ybottom)；
步骤二、边缘计算设备2将没有违停车辆的区域A图片存为背景图片；
步骤三、边缘计算设备2对于区域A内的输入图像执行与背景图片的差分，提取出前景目标的外接矩形；
步骤四、跟踪前景目标的运动轨迹，记录每个轨迹点的位置信息以及轨迹点所在图像的帧数；
步骤五、计算目标在某一位置的停留时间，若停留时间大于设定的时间阈值，则判定为违停目标，否则，判定为移动目标，若判定为违停目标，边缘计算设备2将当前帧区域A内的图片截取与位置信息一并发送给服务雾节点；
步骤六、雾节点检测区域A内的违停目标，并识别车牌，将车牌和对应的位置信息上传到交通管理中心；
步骤七、交通管理中心派遣工作人员到违停位置及时处理，并从车辆登记信息数据库5中查询车主信息，向车主发送警告信息，提醒其车辆违停。
在本实施例中，所涉及步骤四中，跟踪前景目标的运动轨迹，具体包括：
1)提取当前图像中的目标轮廓的外接矩形，与已有的目标轨迹进行关联；
2)将当前目标外接矩形的中心点与已有目标的中心点进行比较，当两点之间的距离小于某个阈值时，则判定为两目标相关联，否则判定为一个新的目标，初始化其轨迹；
3)若关联成功，则把该轮廓的位置信息添加到相应的轨迹当中。
在本实施例中，所涉及步骤五中，计算目标在某一位置的停留时间，具体计算方法为：
计算当前帧与目标最后一个轨迹点所在图像的帧数差，由帧数差和帧率计算出目标在该位置停留的时间。
在本实施例中，所涉及摄像头1实时拍摄所覆盖区域的车辆停放情况，且摄像头1所拍摄的视频帧图像标记有禁停区域；禁停区域是行驶道路本身画出的，或者，禁停区域是选取一张不具有违停车辆的视频帧图像后人工手动标记的。
在本实施例中，所涉及雾计算节点3是有计算能力的硬件单元；
或者，
所涉及雾计算节点3是搭载Linux***的Arm主板，或是搭载Windows***的PC机主板，其选型根据需要处理信息量的不同而确定。
以上应用具体个例对本发明的原理及实施方式进行了详细阐述，这些实施例只是用于帮助理解本发明的核心技术内容，并不用于限制本发明的保护范围，本发明的技术方案不限制于上述具体实施方式内。基于本发明的上述具体实施例，本技术领域的技术人员在不脱离本发明原理的前提下，对本发明所作出的任何改进和修饰，皆应落入本发明的专利保护范围。

Claims (8)

1.一种基于雾计算的违停车辆检测***，其特征在于,其结构包括：
设置在路边的摄像头，所述摄像头实时拍摄所覆盖区域的车辆停放情况，且摄像头所拍摄的视频帧图像标记有禁停区域；
与摄像头相连的边缘计算设备，所述边缘计算设备检测所拍摄视频帧图像的禁停区域是否有超时停留的车辆，并将超时停留的车辆信息发送给雾计算节点，具体检测过程为：
1）边缘计算设备将禁停区域没有违停车辆的视频帧图像存为背景图片，
2）边缘计算设备对禁停区域内的输入图像执行与背景图片的差分，提取出前景目标的外接矩形，
3）边缘计算设备跟踪前景目标的运动轨迹，记录每个轨迹点的位置信息以及轨迹点所在图像的帧数，
4）边缘计算设备计算目标在某一位置的停留时间，
4a）停留时间大于设定的时间阈值，则判定为违停目标，边缘计算设备将当前视频帧图像禁停区域的图片截取，并与位置信息发送给雾计算节点，
4b）停留时间不大于设定的时间阈值，则判定为移动目标，返回执行步骤2）；
雾计算节点收集并识别网络覆盖区域内边缘计算设备输出的车辆信息，随后将车辆位置和识别的车辆信息发送至交管中心服务平台；
交管中心服务平台通信连接车辆登记信息数据库，交管中心的工作人员通过服务平台处理该车辆的违停信息，同时，还在车辆登记信息数据库查询违停车辆的车主信息，并向车主发送警告信息，提醒其车辆的违停详情。
2.根据权利要求1所述的一种基于雾计算的违停车辆检测***，其特征在于，摄像头所拍摄的视频帧图像标记有禁停区域，禁停区域是行驶道路本身画出的，或者，禁停区域是选取一张不具有违停车辆的视频帧图像后人工手动标记的。
3.根据权利要求1所述的一种基于雾计算的违停车辆检测***，其特征在于，所述雾计算节点是有计算能力的硬件单元。
4.一种基于雾计算的违停车辆检测方法，其特征在于,该方法基于设置在路边的摄像头、与摄像头相连的边缘计算设备、收集并识别网络覆盖区域内边缘计算设备输出信息的雾计算节点、通信连接车辆登记信息数据库的交管中心服务平台；
该方法的实现过程包括：
步骤一、人工在监控摄像头拍摄的视频中标定禁停区域A的坐标（xtop，ytop，xbottom，ybottom）；
步骤二、边缘计算设备将没有违停车辆的区域A图片存为背景图片；
步骤三、边缘计算设备对于区域A内的输入图像执行与背景图片的差分，提取出前景目标的外接矩形；
步骤四、跟踪前景目标的运动轨迹，记录每个轨迹点的位置信息以及轨迹点所在图像的帧数；
步骤五、计算目标在某一位置的停留时间，若停留时间大于设定的时间阈值，则判定为违停目标，否则，判定为移动目标，若判定为违停目标，边缘计算设备将当前帧区域A内的图片截取与位置信息一并发送给服务雾节点；
步骤六、雾节点检测区域A内的违停目标，并识别车牌，将车牌和对应的位置信息上传到交通管理中心；
步骤七、交通管理中心派遣工作人员到违停位置及时处理，并从车辆登记信息数据库中查询车主信息，向车主发送警告信息，提醒其车辆违停。
5.根据权利要求4所述的一种基于雾计算的违停车辆检测方法，其特征在于，步骤四中，跟踪前景目标的运动轨迹，具体包括：
1）提取当前图像中的目标轮廓的外接矩形，与已有的目标轨迹进行关联；
2）将当前目标外接矩形的中心点与已有目标的中心点进行比较，当两点之间的距离小于某个阈值时，则判定为两目标相关联，否则判定为一个新的目标，初始化其轨迹；
3）若关联成功，则把该轮廓的位置信息添加到相应的轨迹当中。
6.根据权利要求4所述的一种基于雾计算的违停车辆检测方法，其特征在于，步骤五中，计算目标在某一位置的停留时间，具体计算方法为：
计算当前帧与目标最后一个轨迹点所在图像的帧数差，由帧数差和帧率计算出目标在该位置停留的时间。
7.根据权利要求4所述的一种基于雾计算的违停车辆检测方法，其特征在于，摄像头实时拍摄所覆盖区域的车辆停放情况，且摄像头所拍摄的视频帧图像标记有禁停区域；禁停区域是行驶道路本身画出的，或者，禁停区域是选取一张不具有违停车辆的视频帧图像后人工手动标记的。
8.根据权利要求4所述的一种基于雾计算的违停车辆检测方法，其特征在于，所述雾计算节点是有计算能力的硬件单元。
CN201910372212.5A 2019-05-06 2019-05-06 一种基于雾计算的违停车辆检测***及方法 Active CN110070729B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910372212.5A CN110070729B (zh) 2019-05-06 2019-05-06 一种基于雾计算的违停车辆检测***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910372212.5A CN110070729B (zh) 2019-05-06 2019-05-06 一种基于雾计算的违停车辆检测***及方法

Publications (2)

Publication Number Publication Date
CN110070729A CN110070729A (zh) 2019-07-30
CN110070729B true CN110070729B (zh) 2021-08-06

Family

ID=67370025

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910372212.5A Active CN110070729B (zh) 2019-05-06 2019-05-06 一种基于雾计算的违停车辆检测***及方法

Country Status (1)

Country Link
CN (1) CN110070729B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110570664B (zh) * 2019-09-23 2023-04-07 山东科技大学 一种高速公路交通事件自动检测***
CN110728815A (zh) * 2019-10-25 2020-01-24 深圳市商汤科技有限公司 基于视频分析的预警方法及装置、电子设备和存储介质
CN111615049B (zh) * 2020-04-17 2022-07-19 北京中交兴路车联网科技有限公司 基于车辆位置信息的预警方法、装置、存储介质及终端
CN111629181B (zh) * 2020-05-19 2021-03-16 辽宁云盾网力科技有限公司 消防生命通道监控***及方法
CN112101202A (zh) * 2020-09-14 2020-12-18 北京易华录信息技术股份有限公司 一种施工场景识别方法、装置及电子设备

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202795748U (zh) * 2012-09-06 2013-03-13 上海市政工程设计研究总院（集团）有限公司 一种路边违章停车的自动记录装置
CN104485016A (zh) * 2014-12-04 2015-04-01 深圳市凯达尔科技实业有限公司 一种基于云技术平台的智慧路边停车管理***
CN104537883A (zh) * 2014-12-18 2015-04-22 招商局重庆交通科研设计院有限公司 基于云服务平台的错位时间停车方法
CN205211190U (zh) * 2015-12-16 2016-05-04 河南陇一电子科技有限公司 一种智能停车管理***
CN105590461A (zh) * 2016-03-09 2016-05-18 余水平 一种利用违章大数据对路边停车进行提示及引导的方法
CN108898887A (zh) * 2018-09-05 2018-11-27 南通晟霖格尔电子科技有限公司 限时泊车监控报警***
CN108922186A (zh) * 2018-07-20 2018-11-30 大连理工大学 一种基于雾计算的针对车辆的流式监测分析预警***与方法
CN109003338A (zh) * 2018-06-22 2018-12-14 南京慧尔视智能科技有限公司 一种路侧停车自动计时收费方法及装置
CN109102653A (zh) * 2018-06-22 2018-12-28 南京慧尔视智能科技有限公司 一种多辆机动车路侧停车自动计时收费方法及装置
CN109686103A (zh) * 2018-12-29 2019-04-26 中南大学 一种基于图像识别的智能交通违停监控管理***与方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107330373A (zh) * 2017-06-02 2017-11-07 重庆大学 一种基于视频的违章停车监控***
CN108922195A (zh) * 2018-06-07 2018-11-30 安徽清新互联信息科技有限公司 违法停车自动取证***及其控制方法
CN109615868A (zh) * 2018-12-20 2019-04-12 北京以萨技术股份有限公司 一种基于深度学习的视频车辆违停检测方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202795748U (zh) * 2012-09-06 2013-03-13 上海市政工程设计研究总院（集团）有限公司 一种路边违章停车的自动记录装置
CN104485016A (zh) * 2014-12-04 2015-04-01 深圳市凯达尔科技实业有限公司 一种基于云技术平台的智慧路边停车管理***
CN104537883A (zh) * 2014-12-18 2015-04-22 招商局重庆交通科研设计院有限公司 基于云服务平台的错位时间停车方法
CN205211190U (zh) * 2015-12-16 2016-05-04 河南陇一电子科技有限公司 一种智能停车管理***
CN105590461A (zh) * 2016-03-09 2016-05-18 余水平 一种利用违章大数据对路边停车进行提示及引导的方法
CN109003338A (zh) * 2018-06-22 2018-12-14 南京慧尔视智能科技有限公司 一种路侧停车自动计时收费方法及装置
CN109102653A (zh) * 2018-06-22 2018-12-28 南京慧尔视智能科技有限公司 一种多辆机动车路侧停车自动计时收费方法及装置
CN108922186A (zh) * 2018-07-20 2018-11-30 大连理工大学 一种基于雾计算的针对车辆的流式监测分析预警***与方法
CN108898887A (zh) * 2018-09-05 2018-11-27 南通晟霖格尔电子科技有限公司 限时泊车监控报警***
CN109686103A (zh) * 2018-12-29 2019-04-26 中南大学 一种基于图像识别的智能交通违停监控管理***与方法

Also Published As

Publication number Publication date
CN110070729A (zh) 2019-07-30

Similar Documents

Publication Publication Date Title
CN110070729B (zh) 一种基于雾计算的违停车辆检测***及方法
CN107195198B (zh) 一种基于图像识别技术的路边停车管理方法及其***
US9824460B2 (en) Method, apparatus and system for acquiring headcount
CN108765975B (zh) 路侧垂直停车场管理***及方法
CN111833598B (zh) 一种高速公路无人机交通事件自动监测方法及***
CN108091142A (zh) 用于高速公路大场景下车辆违法行为跟踪识别和自动抓拍的方法
US20130100286A1 (en) System and method for predicting vehicle location
CN105679043A (zh) 一种3d雷达智能卡口***及其处理方法
CN109598938B (zh) 基于无人机城市交通诱导***及城市综合智能交通***
CN208335464U (zh) 一种基于视频与雷达的交通事件监测设备
CN108460968A (zh) 一种基于车联网获取交通路况信息的方法及装置
CN102254429A (zh) 一种基于视频识别的违章车辆检测装置和方法
CN109671278B (zh) 一种基于多目标雷达的卡口精准定位抓拍方法及装置
KR101678004B1 (ko) 노드-링크 기반 카메라 네트워크 통합 감시 시스템 및 감시 방법
CN110766978A (zh) 基于无人机的路边停车管理方法、***及存储介质
CN113593250A (zh) 一种基于视觉识别的违章停车检测***
CN104065920A (zh) 一种车辆监控跟踪方法、***及服务器
CN103325258A (zh) 基于视频处理的闯红灯检测装置及其方法
CN105046966A (zh) 即停即离区域的违章停车行为自动检测***和方法
CN109360444A (zh) 一种视频智能识别和管理车位车辆的方法
CN110930764A (zh) 一种基于巡检方法的路边泊车检测方法
CN109034446A (zh) 基于无人机在线取证的智慧城市交通突发事件应急响应***
CN112101223A (zh) 检测方法、装置、设备和计算机存储介质
CN113799793A (zh) 一种基于数据驱动的实现预测模型自动化迭代的***
CN112257683A (zh) 一种面向车辆运行轨迹监测的跨镜追踪方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210716

Address after: Building S02, 1036 Gaoxin Langchao Road, Jinan, Shandong 250100

Applicant after: Shandong Inspur Scientific Research Institute Co.,Ltd.

Address before: 250100 First Floor of R&D Building 2877 Kehang Road, Sun Village Town, Jinan High-tech Zone, Shandong Province

Applicant before: JINAN INSPUR HI-TECH INVESTMENT AND DEVELOPMENT Co.,Ltd.

GR01 Patent grant
GR01 Patent grant