CN110460813A - 一种基于视频流的集装箱图像采集装置及采集方法 - Google Patents
一种基于视频流的集装箱图像采集装置及采集方法 Download PDFInfo
- Publication number
- CN110460813A CN110460813A CN201910740684.1A CN201910740684A CN110460813A CN 110460813 A CN110460813 A CN 110460813A CN 201910740684 A CN201910740684 A CN 201910740684A CN 110460813 A CN110460813 A CN 110460813A
- Authority
- CN
- China
- Prior art keywords
- image
- container
- truck
- acquisition
- video
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 82
- 230000006698 induction Effects 0.000 claims description 18
- 230000001629 suppression Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000013316 zoning Methods 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims 2
- 238000007689 inspection Methods 0.000 claims 1
- 230000008439 repair process Effects 0.000 claims 1
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000149 penetrating effect Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/66—Remote control of cameras or camera parts, e.g. by remote control devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/698—Control of cameras or camera modules for achieving an enlarged field of view, e.g. panoramic image capture
-
- 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
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Closed-Circuit Television Systems (AREA)
Abstract
本发明提供了一种基于视频流的集装箱图像采集装置,布置在集装箱卡车通过的车道上,包括:集卡车位置采集装置、控制装置、图像采集处理装置和高清网络摄像机。本发明主要应用于集装箱货场或海关、港口集装箱入口处实现集装箱图像的采集,具有视频流信号采集、所需设备数量少、适应性强、采集准确、成本低等特点。本发明同时还公开了一种基于视频流的集装箱图像采集方法。
Description
技术领域
本发明涉及自动控制技术领域,具体的说涉及一种基于视频流的集装箱图像采集装置及采集方法。
背景技术
集装箱货场及海关、港口入口处对集装箱箱号的采集记录是集装箱管理与追踪的重要工作之一,目前主要有两种实现方式,一种是通过人工记录箱号,另一种是通过箱号识别***采集。人工记录箱号是通过作业人员现场人工记录通过集卡车通道的集卡车车载集装箱箱号,该方式不仅浪费人力,而且在工作过程中存在一定的安全隐患,箱号识别***采集箱号是通过在车道两侧安装摄像机采集集装箱图像,这种方案一般是在一个车道安装4-8台摄像机、4-6对红外对射开关及其他控制设备,实现车辆定位及集装箱图像采集,该方案需要的设备数量多,成本高,而且只能采集集装箱的局部图像,对于集装箱箱型(单箱、双箱、长箱)的判别比较困难,箱号识别率较低。
发明内容
本发明实施例提供了一种基于视频流的集装箱图像采集装置及采集方法,解决现有集装箱货运方案需要的设备数量多,成本高,而且只能采集集装箱的局部图像的的问题。
一种基于视频流的集装箱图像采集装置,布置在集装箱卡车通过的车道上,包括:集卡车位置采集装置、控制装置、图像采集处理装置和高清网络摄像机,其中
集卡车位置采集装置,包括布置在车道起始位置的地感线圈、与电感线圈连接的车检器以及沿着车道前进方向依次布置的两对红外对射开关A1-A2和A3-A4,其中两对红外对射开关之间的距离大于集装箱卡车的车头的长度但小于集装箱卡车整体的长度,车道地感线圈通过车检器与控制装置的PLC连接,用于检测集卡车是否进入车道,当集卡车通过时,地感线圈产生触发信号传输到车检器,车检器将信号传输到控制装置的PLC,2对红外对射开关与控制装置的PLC连接,集装箱卡车未经过车道时,红外对射开关处于连通状态,当集装箱卡车经过车道时,红外对射开关被集装箱先阻断后连通,控制装置采集到红外信号的变化,通过逻辑判断实现集装箱卡车位置信息;
控制装置,包括PLC和网络交换机,PLC根据地感线圈和红外对射开关采集到的集装箱卡车位置信息,通过控制逻辑判断摄像机开始拍摄和停止拍摄,输出相应拍摄或停止拍摄的指令,传输给图像采集处理装置,由图像采集处理装置发送拍摄指令给高清网络摄像机,控制高清网络摄像机启动或停止拍摄视频信号;
图像采集处理装置,主要包括图像采集处理服务器、图像显示终端,图像采集处理服务器通过网线与控制装置的网络交换机连接,图像采集处理服务器接收控制装置发送的拍照控制指令,控制摄像机拍摄视频信号,并将视频信号存储到服务器中,并实现基于视频流的图像后续处理,图像显示终端与服务器通过交换机连接,用于显示图像采集处理服务器处理后的集装箱完整图像及识别的集装箱箱号;
高清网络摄像机,C1、C2对称布置在车道两侧的顶端,并且设置于两对红外对射开关之间,用于接收图像采集处理装置的视频拍摄控制指令,对经过车道的集卡车载集装箱进行视频拍摄。
可选择地,集卡车位置采集装置中,当集卡车刚进入车道时,车道地感线圈触发,红外对射开关A1-A2由接通变为断开,在集卡车行进过程中,由于车头长度远小于集装箱箱体长度,所以当车头前部未到达红外对射开关A3-A4时,即红外对射开关A3-A4时仍处于连通状态,红外对射开关A1-A2已经由断开变为连通,表示集卡车车头通过A1-A2尚未到达A3-A4,车头全部通过后,当红外对射开关A1-A2再次变为断开时,表示集装箱箱体开始通过A1-A2,集卡车继续行进,当A3-A4断开且A1-A2连通,集装箱箱体通过A1-A2进入A3-A4,当A1-A2和A3-A4同时接通,集装箱通过红外对射开关监测区域,通过红外对射开关的状态变化判断集卡车行进位置信息。
可选择地,图像采集处理装置中,当集卡车通过智能大门车道时,触发集卡车位置采集装置的地感线圈与红外对射开关,控制装置PLC根据逻辑判断发送拍照控制指令给图像采集处理装置,图像采集处理装置控制2台高清网络摄像机分别采集视频信号,为了得到整个集装箱的全景图像,运用视频流信号相邻两帧间的差异,对采集的视频流中关键帧图像进行特征提取、配准和拼接,最后形成完整的集装箱箱体全景图像,图像识别处理装置对图像进行处理,识别出集装箱箱号并将箱号和图像显示在图像显示终端电脑上。
一种基于视频流的集装箱图像采集方法,包括:
第一步:当集卡车进入车道时,车道地感线圈触发,由于车头阻挡,红外对射开关A1-A2由接通变为断开,在集卡车行进过程中,由于车头长度小于集装箱箱体长度,所以当车头前部未到达红外对射开关A3-A4时,即红外对射开关A3-A4仍处于连通状态,红外对射开关A1-A2已经由断开变为连通,表示集卡车车头通过A1-A2尚未到达A3-A4;
第二步:车头通过A1-A2,当红外对射开关A1-A2再次变为断开时,表示集装箱箱体开始通过A1-A2,A1-A2的状态变化通过控制装置PLC传输给图像采集处理装置,图像采集处理装置控制C1、C2开始录制视频;
第三步:集卡车继续行进,当A3-A4断开且A1-A2连通,集装箱箱体通过A1-A2进入A3-A4;
第四步:当A1-A2和A3-A4同时接通,表示集装箱及集卡车通过红外检测区域,A1-A2和A3-A4的状态信号通过控制装置PLC传输给图像采集处理装置,图像识别处理装置控制C1、C2停止录制视频;
第五步:从C1、C2开始视频录制到C1、C2停止视频录制,形成两段完整的集装箱箱体视频,视频信号通过交换机,存储到图像采集处理装置服务器中;
第六步:通过设定摄像机的采集帧率(fps),获得采集视频信号的视频序列I1(x,y),I2(x,y),…,In(x,y);
第七步:计算视频序列I1(x,y),I2(x,y),…,In(x,y)的纹理特征向量
V=[f1,f2,f3]
其中
f1为二阶矩阵特征,f2为熵特征,f3为局部平稳特征;
第八步:提取关键帧,设视频序列中i为选取的一个关键帧,需要对视频序列下一个关键帧j选取,两幅集装箱数字图像的相似关系计算式为:
其中,i,j为视频中帧的序列代号,T是衡量相似情况的阈值,在关键帧选取中,为了提高图片质量,第一帧、最后一帧均为关键帧;
第九步:关键帧的融合,采用加权平均法对关键帧的图像进行融合,假设f1,f2是两幅待拼接的图像,将图像f1和f2在空间叠加,则融合后的图像像素f可表示为f(x,y)
其中,d1,d2表示权重值,且d1+d2=1,0≤d1≤1,0≤d2≤1,在重叠区域中,d1由1变为0,d2由0变为1,由此实现重叠区域f1到f2的平滑过渡;
第十步:基于视频流关键帧拼接后形成集装箱全景图像f(x,y),保存至图像采集处理装置服务器;
第十一步:全景图像灰度化处理,图像识别处理装置的灰度化处理可增强字符和背景颜色的对比度,过滤掉图像中与识别无关的颜色特征,便于对集装箱全景图像进行边缘检测,采用加权平均值法,将分配不同权重的三个颜色分量的平均值I赋予给图像像素
I=(PRR+PGG+PBB)/3
其中PR,PG,PB分别是每个像素点R、G、B三个分量的加权系数,获得灰度化后图像为f′(x,y),,在实施例中分别取0.299、0.587、0.114;
第十二步:图像识别处理装置去噪处理,对灰度化后的全景图像f′(x,y)采用二阶零均值高斯滤波函数G(x,y)进行去噪
f″(x,y)=f′(x,y)*G(x,y)
其中,为二阶零均值高斯滤波函数,σ是标准差,用来代表图像检测过程中的模糊因子,r是模糊半径,(x,y)是像素点的坐标;
第十三步:基于Canny算子的局部梯度计算
基于Canny算子的图像各点(x,y)处局部梯度的幅度g(x,y)和方向θg计算如下:
θg=arctan(gx/gy)
其中
第十四步:基于Canny算子的非极大值抑制
为获得梯度方向上局部梯度强度最大的点,对局部梯度幅度g(x,y)和梯度方向θg进行非极大值抑制,定义坐标(x,y)处梯度方向上的两个亚像素点梯度值为gt1和gt2,则有:
gt1=g2+tanθg×(g1-g2)
gt2=g4+tanθg×(g3-g4)
式中:g1、g2、g3和g4分别像素点处的梯度值;θg为坐标(x,y)处的梯度方向,在确定坐标(x,y)处梯度方向上的两个亚像素点梯度值gt1和gt2后,比较(x,y)处的梯度值g(x,y)与gt1、gt2的大小,若g(x,y)最大,则(x,y)处的像素值f″(x,y)等于1,否则抑制为0,即有:
对图像f″(x,y)内所有位置(x,y)重复上述步骤,完成对图像f″(x,y)的非极大值抑制,从而图像f″(x,y)被转化为图像GT(x,y)的二值边缘轮廓图像。
第十五步:基于Canny算子的阈值法边缘搜索与连接
为了保证消除噪声的同时不遗漏边缘像素信息,对非极大值抑制的边缘结果f″(x,y)使用阈值法边缘搜索与连接,设定阈值[Th1,Th2],将非极大值抑制得到的图像f″(x,y)中梯度值大于Th2的像素点取为强边缘像素,构成图像GT2(x,y),将梯度值在Th1和Th2间的像素取为弱边缘像素,构成图像GT1(x,y),即有:
图像GT2(x,y))设置了较高的阈值,因此图像去除了大部分噪声的同时也丢失了许多正确的边缘像素信息,而图像GT1(x,y))设置的阈值较低,保留了正确边缘像素信息的同时也包含了大量环境噪声Canny算子通过搜索阈值低、边缘信息完全的图像GT1(x,y)来修补噪声小但边缘信息不完全的图像GT2(x,y),从而实现在获得所有单像素边缘的同时滤除绝大部分噪声,即对图像GT2(x,y)中的每一点都有:
式中:m(x,y)为坐标(x,y)邻域内8个像素坐标的集合,经过阈值法边缘搜索和边缘连接的图像GT2(x,y)即为待测图像f″(x,y)的处理结果。
.第十六步:字符目标区域提取,根据边缘信息对图像进行连通域划分,将图像划分为不同的连通域;对每个连通域进行逐行逐列扫描,收集区域中的像素点,计算每个连通域内的平均像素宽度wi与平均像素高Hi,最后计算计算连通区域的高宽比例,第i个连通区域的长宽比例根据目标区域高宽M×N,计算区域匹配度e;
将(-e,e)作为领域范围计算连通域,最终确定字符目标区域;
第十七步:字符分割,采用基于行列扫描的字符分割方法,对定位图像0°方向进进行行扫描,对字符目标进行点数搜素,当满即被搜素区域前景点数超过给定的阈值Tj时,初步认定该区域是字符行区域,确定其行边界,然后对该区域进行90°列扫描,即区域前景点数超过给定的阈值Ti时,初步认定该区域为字符区域,确定其列边界,结合行列边界,分割定位出相应字符;
第十八步:图像识别,采用加权模板匹配算法,最后采用分类器进行识别,识别出集装箱箱号字符,最终将集装箱全景照片和识别出的箱号显示在图像显示终端上;
第十九步:冗余校验与箱型判断,对于C1、C2两台摄像机拍摄的全景图像,图像采集处理软件分别识别,识别出箱号后进行冗余校验,得出有效的集装箱箱号,如果识别出的箱号是一组数据,则集卡车所载为40英尺长箱或者20英尺单箱,如果识别出2组箱号,则集卡车所载为2各20英尺的双箱,如果A1-A2和A3-A4同时断开,则能判断集卡车所载为长箱或者双箱,综合可以判断出集卡车所载的集装箱的单箱、长箱或者双箱箱型。
本发明的目的是提出了一种基于视频流的集装箱图像采集装置,一个车道只需要2台摄像机、2对红外对射开关,简化了设计方案,减少了设备数量,降低了建设成本,通过摄像机采集卡车通过车道时的视频流信号,采用视频流关键帧拼接技术完成图像的拼接,拼接出集装箱的全景图像,提高了图像采集的质量,相应提高了箱号的识别率。当集装箱卡车通过时,通过布设在车道上的地感线圈判断集卡车进入车道,通过车道两侧的红外装置检测集装箱卡车的行进位置,触发摄像机拍摄集装箱视频,当集卡车通过检测区域以后停止视频录制,最后通过视频流中关键帧图像实现集装箱全景图像的提取,通过OCR技术实现集装箱箱号的识别。
本发明主要应用于集装箱货场或海关、港口集装箱入口处实现集装箱图像的采集,具有视频流信号采集、所需设备数量少、适应性强、采集准确、成本低等特点。
附图说明
图1是一种基于视频流的集装箱智能大门集装箱图像采集装置的模块结构图;
图2是一种基于视频流的集装箱图像采集装置结构图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中,提出了许多具体细节,以便提供对本发明的全面理解。但是,对于本领域技术人员来说很明显的是,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明的更好的理解。本发明决不限于下面所提出的任何具体配置和算法,而是在不脱离本发明的精神的前提下覆盖了元素、部件和算法的任何修改、替换和改进。在下面的描述中,没有示出公知的结构和技术,以便避免对本发明造成不必要的模糊。
现在将参考地描述示例实施方式,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的实施方式;相反,提供这些实施方式使得本发明更全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本发明的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而没有所述特定细节中的一个或更多,或者可以采用其它的方法、组元、材料等。在其它情况下,不详细示出或描述公知结构、材料或者操作以避免模糊本发明的主要技术创意。
如图1-2所示,本发明提供一种基于视频流的集装箱图像采集装置,布置在集装箱卡车通过的车道上,包括:集卡车位置采集装置、控制装置、图像采集处理装置和高清网络摄像机,其中
集卡车位置采集装置,包括布置在车道起始位置的地感线圈、与电感线圈连接的车检器以及沿着车道前进方向依次布置的两对红外对射开关A1-A2和A3-A4,其中两对红外对射开关之间的距离大于集装箱卡车的车头的长度但小于集装箱卡车整体的长度,车道地感线圈通过车检器与控制装置的PLC连接,用于检测集卡车是否进入车道,当集卡车通过时,地感线圈产生触发信号传输到车检器,车检器将信号传输到控制装置的PLC,2对红外对射开关与控制装置的PLC连接,集装箱卡车未经过车道时,红外对射开关处于连通状态,当集装箱卡车经过车道时,红外对射开关被集装箱先阻断后连通,控制装置采集到红外信号的变化,通过逻辑判断实现集装箱卡车位置信息;
控制装置,包括PLC和网络交换机,PLC根据地感线圈和红外对射开关采集到的集装箱卡车位置信息,通过控制逻辑判断摄像机开始拍摄和停止拍摄,输出相应拍摄或停止拍摄的指令,传输给图像采集处理装置,由图像采集处理装置发送拍摄指令给高清网络摄像机,控制高清网络摄像机启动或停止拍摄视频信号;
图像采集处理装置,主要包括图像采集处理服务器、图像显示终端,图像采集处理服务器通过网线与控制装置的网络交换机连接,图像采集处理服务器接收控制装置发送的拍照控制指令,控制摄像机拍摄视频信号,并将视频信号存储到服务器中,并实现基于视频流的图像后续处理,图像显示终端与服务器通过交换机连接,用于显示图像采集处理服务器处理后的集装箱完整图像及识别的集装箱箱号;
高清网络摄像机,C1、C2对称布置在车道两侧的顶端,并且设置于两对红外对射开关之间,用于接收图像采集处理装置的视频拍摄控制指令,对经过车道的集卡车载集装箱进行视频拍摄。
可选择地,集卡车位置采集装置中,当集卡车刚进入车道时,车道地感线圈触发,红外对射开关A1-A2由接通变为断开,在集卡车行进过程中,由于车头长度远小于集装箱箱体长度,所以当车头前部未到达红外对射开关A3-A4时,即红外对射开关A3-A4时仍处于连通状态,红外对射开关A1-A2已经由断开变为连通,表示集卡车车头通过A1-A2尚未到达A3-A4,车头全部通过后,当红外对射开关A1-A2再次变为断开时,表示集装箱箱体开始通过A1-A2,集卡车继续行进,当A3-A4断开且A1-A2连通,集装箱箱体通过A1-A2进入A3-A4,当A1-A2和A3-A4同时接通,集装箱通过红外对射开关监测区域,通过红外对射开关的状态变化判断集卡车行进位置信息。
可选择地,图像采集处理装置中,当集卡车通过智能大门车道时,触发集卡车位置采集装置的地感线圈与红外对射开关,控制装置PLC根据逻辑判断发送拍照控制指令给图像采集处理装置,图像识别处理装置控制2台高清网络摄像机分别采集视频信号,为了得到整个集装箱的全景图像,运用视频流信号相邻两帧间的差异,对采集的视频流中关键帧图像进行特征提取、配准和拼接,最后形成完整的集装箱箱体全景图像,图像识别处理装置对图像进行处理,识别出集装箱箱号并将箱号和图像显示在图像显示终端电脑上。
一种基于视频流的集装箱图像采集方法,包括:
第一步:当集卡车进入车道时,车道地感线圈触发,由于车头阻挡,红外对射开关A1-A2由接通变为断开,在集卡车行进过程中,由于车头长度小于集装箱箱体长度,所以当车头前部未到达红外对射开关A3-A4时,即红外对射开关A3-A4仍处于连通状态,红外对射开关A1-A2已经由断开变为连通,表示集卡车车头通过A1-A2尚未到达A3-A4;
第二步:车头通过A1-A2,当红外对射开关A1-A2再次变为断开时,表示集装箱箱体开始通过A1-A2,A1-A2的状态变化通过控制装置PLC传输给图像采集处理装置,图像采集处理装置控制C1、C2开始录制视频;
第三步:集卡车继续行进,当A3-A4断开且A1-A2连通,集装箱箱体通过A1-A2进入A3-A4;
第四步:当A1-A2和A3-A4同时接通,表示集装箱及集卡车通过红外检测区域,A1-A2和A3-A4的状态信号通过控制装置PLC传输给图像采集处理装置,图像识别处理装置控制C1、C2停止录制视频;
第五步:从C1、C2开始视频录制到C1、C2停止视频录制,形成两段完整的集装箱箱体视频,视频信号通过交换机,存储到图像采集处理装置服务器中;
第六步:通过设定摄像机的采集帧率(fps),获得采集视频信号的视频序列I1(x,y),I2(x,y),…,In(x,y);
第七步:计算视频序列I1(x,y),I2(x,y),…,In(x,y)的纹理特征向量
V=[f1,f2,f3]
其中:
f1为二阶矩阵特征,f2为熵特征,f3为局部平稳特征;
第八步:提取关键帧,设视频序列中i为选取的一个关键帧,需要对视频序列下一个关键帧j选取,两幅集装箱数字图像的相似关系计算式为:
其中,i,j为视频中帧的序列代号,T是衡量相似情况的阈值,在关键帧选取中,为了提高图片质量,第一帧、最后一帧均为关键帧;
第九步:关键帧的融合,采用加权平均法对关键帧的图像进行融合,假设f1,f2是两幅待拼接的图像,将图像f1和f2在空间叠加,则融合后的图像像素f可表示为f(x,y)
其中,d1,d2表示权重值,且d1+d2=1,0≤d1≤1,0≤d2≤1,在重叠区域中,d1由1变为0,d2由0变为1,由此实现重叠区域f1到f2的平滑过渡;
第十步:基于视频流关键帧拼接后形成集装箱全景图像f(x,y),保存至图像采集处理装置服务器;
第十一步:全景图像灰度化处理,图像识别处理装置的灰度化处理可增强字符和背景颜色的对比度,过滤掉图像中与识别无关的颜色特征,便于对集装箱全景图像进行边缘检测,采用加权平均值法,将分配不同权重的三个颜色分量的平均值I赋予给图像像素
I=(PRR+PGG+PBB)/3
其中PR,PG,PB分别是每个像素点R、G、B三个分量的加权系数,获得灰度化后图像为f′(x,y),在实施例中分别取0.299、0.587、0.114;
第十二步:图像识别处理装置去噪处理,对灰度化后的全景图像f′(x,y)采用二阶零均值高斯滤波函数G(x,y)进行去噪
f″(x,y)=f′(x,y)*G(x,y)
其中,为二阶零均值高斯滤波函数,σ是标准差,用来代表图像检测过程中的模糊因子,r是模糊半径,(x,y)是像素点的坐标;
第十三步:基于Canny算子的局部梯度计算
基于Canny算子的图像各点(x,y)处局部梯度的幅度g(x,y)和方向θg计算如下:
θg=arctan(gx/gy)
其中
第十四步:基于Canny算子的非极大值抑制
为获得梯度方向上局部梯度强度最大的点,对局部梯度幅度g(x,y)和梯度方向θg进行非极大值抑制,定义坐标(x,y)处梯度方向上的两个亚像素点梯度值为gt1和gt2,则有:
gt1=g2+tanθg×(g1-g2)
gt2=g4+tanθg×(g3-g4)
式中:g1、g2、g3和g4分别像素点处的梯度值;θg为坐标(x,y)处的梯度方向,在确定坐标(x,y)处梯度方向上的两个亚像素点梯度值gt1和gt2
后,比较(x,y)处的梯度值g(x,y)与gt1、gt2的大小,若g(x,y)最大,则(x,y)处的像素值f″(x,y)等于1,否则抑制为0,即有:
对图像f″(x,y)内所有位置(x,y)重复上述步骤,完成对图像f″(x,y)的非极大值抑制,从而图像f″(x,y)被转化为图像GT(x,y)的二值边缘轮廓图像。
第十五步:基于Canny算子的阈值法边缘搜索与连接
为了保证消除噪声的同时不遗漏边缘像素信息,对非极大值抑制的边缘结果f″(x,y)使用阈值法边缘搜索与连接,设定阈值[Th1,Th2],将非极大值抑制得到的图像f″(x,y)中梯度值大于Th2的像素点取为强边缘像素,构成图像GT2(x,y),将梯度值在Th1和Th2间的像素取为弱边缘像素,构成图像GT1(x,y),即有:
图像GT2(x,y))设置了较高的阈值,因此图像去除了大部分噪声的同时也丢失了许多正确的边缘像素信息,而图像GT1(x,y))设置的阈值较低,保留了正确边缘像素信息的同时也包含了大量环境噪声Canny算子通过搜索阈值低、边缘信息完全的图像GT1(x,y)来修补噪声小但边缘信息不完全的图像GT2(x,y),从而实现在获得所有单像素边缘的同时滤除绝大部分噪声,即对图像GT2(x,y)中的每一点都有:
式中:m(x,y)为坐标(x,y)邻域内8个像素坐标的集合,经过阈值法边缘搜索和边缘连接的图像GT2(x,y)即为待测图像f″(x,y)的处理结果。
.第十六步:字符目标区域提取,根据边缘信息对图像进行连通域划分,将图像划分为不同的连通域;对每个连通域进行逐行逐列扫描,收集区域中的像素点,计算每个连通域内的平均像素宽度wi与平均像素高Hi,最后计算计算连通区域的高宽比例,第i个连通区域的长宽比例根据目标区域高宽M×N,计算区域匹配度e;
将(-e,e)作为领域范围计算连通域,最终确定字符目标区域;
第十七步:字符分割,采用基于行列扫描的字符分割方法,对定位图像0°方向进进行行扫描,对字符目标进行点数搜素,当满即被搜素区域前景点数超过给定的阈值Tj时,初步认定该区域是字符行区域,确定其行边界,然后对该区域进行90°列扫描,即区域前景点数超过给定的阈值Ti时,初步认定该区域为字符区域,确定其列边界,结合行列边界,分割定位出相应字符;
第十八步:图像识别,采用加权模板匹配算法,最后采用分类器进行识别,识别出集装箱箱号字符,最终将集装箱全景照片和识别出的箱号显示在图像显示终端上;
第十九步:冗余校验与箱型判断,对于C1、C2两台摄像机拍摄的全景图像,图像采集处理软件分别识别,识别出箱号后进行冗余校验,得出有效的集装箱箱号,如果识别出的箱号是一组数据,则集卡车所载为40英尺长箱或者20英尺单箱,如果识别出2组箱号,则集卡车所载为2各20英尺的双箱,如果A1-A2和A3-A4同时断开,则能判断集卡车所载为长箱或者双箱,综合可以判断出集卡车所载的集装箱的单箱、长箱或者双箱箱型。
本发明的目的是提出了一种基于视频流的集装箱图像采集装置,一个车道只需要2台摄像机、2对红外对射开关,简化了设计方案,减少了设备数量,降低了建设成本,通过摄像机采集卡车通过车道时的视频流信号,采用视频流关键帧拼接技术完成图像的拼接,拼接出集装箱的全景图像,提高了图像采集的质量,相应提高了箱号的识别率。当集装箱卡车通过时,通过布设在车道上的地感线圈判断集卡车进入车道,通过车道两侧的红外装置检测集装箱卡车的行进位置,触发摄像机拍摄集装箱视频,当集卡车通过检测区域以后停止视频录制,最后通过视频流中关键帧图像实现集装箱全景图像的提取,通过OCR技术实现集装箱箱号的识别。
本发明主要应用于集装箱货场或海关、港口集装箱入口处实现集装箱图像的采集,具有视频流信号采集、所需设备数量少、适应性强、采集准确、成本低等特点。
本实施例中,各组成装置采用的规格型号如下:
本领域技术人员应能理解,上述实施例均是示例性而非限制性的。在不同实施例中出现的不同技术特征可以进行组合,以取得有益效果。本领域技术人员在研究说明书及权利要求书的基础上,应能理解并实现所揭示的实施例的其他变化的实施例。在权利要求书中,术语“包括”并不排除其他装置或步骤;不定冠词“一个”不排除多个;术语“第一”、“第二”用于标示名称而非用于表示任何特定的顺序。
Claims (4)
1.一种基于视频流的集装箱图像采集装置,布置在集装箱卡车通过的车道上,包括:集卡车位置采集装置、控制装置、图像采集处理装置和高清网络摄像机,其中
集卡车位置采集装置,包括布置在车道起始位置的地感线圈、与电感线圈连接的车检器以及沿着车道前进方向依次布置的两对红外对射开关A1-A2和A3-A4,其中两对红外对射开关之间的距离大于集装箱卡车的车头的长度但小于集装箱卡车整体的长度,车道地感线圈通过车检器与控制装置的PLC连接,用于检测集卡车是否进入车道,当集卡车通过时,地感线圈产生触发信号传输到车检器,车检器将信号传输到控制装置的PLC,2对红外对射开关与控制装置的PLC连接,集装箱卡车未经过车道时,红外对射开关处于连通状态,当集装箱卡车经过车道时,红外对射开关被集装箱先阻断后连通,控制装置采集到红外信号的变化,通过逻辑判断实现集装箱卡车位置信息;
控制装置,包括PLC和网络交换机,PLC根据地感线圈和红外对射开关采集到的集装箱卡车位置信息,通过控制逻辑判断摄像机开始拍摄和停止拍摄,输出相应拍摄或停止拍摄的指令,传输给图像采集处理装置,由图像采集处理装置发送拍摄指令给高清网络摄像机,控制高清网络摄像机启动或停止拍摄视频信号;
图像采集处理装置,主要包括图像采集处理服务器、图像显示终端,图像采集处理服务器通过网线与控制装置的网络交换机连接,图像采集处理服务器接收控制装置发送的拍照控制指令,控制摄像机拍摄视频信号,并将视频信号存储到服务器中,并实现基于视频流的图像后续处理,图像显示终端与服务器通过交换机连接,用于显示图像采集处理服务器处理后的集装箱完整图像及识别的集装箱箱号;
高清网络摄像机,C1、C2对称布置在车道两侧的顶端,并且设置于两对红外对射开关之间,用于接收图像采集处理装置的视频拍摄控制指令,对经过车道的集卡车载集装箱进行视频拍摄。
2.如权利要求1所述的图像采集装置,其特征在于,
集卡车位置采集装置中,当集卡车刚进入车道时,车道地感线圈触发,红外对射开关A1-A2由接通变为断开,在集卡车行进过程中,由于车头长度远小于集装箱箱体长度,所以当车头前部未到达红外对射开关A3-A4时,即红外对射开关A3-A4时仍处于连通状态,红外对射开关A1-A2已经由断开变为连通,表示集卡车车头通过A1-A2尚未到达A3-A4,车头全部通过后,当红外对射开关A1-A2再次变为断开时,表示集装箱箱体开始通过A1-A2,集卡车继续行进,当A3-A4断开且A1-A2连通,集装箱箱体通过A1-A2进入A3-A4,当A1-A2和A3-A4同时接通,集装箱通过红外对射开关监测区域,通过红外对射开关的状态变化判断集卡车行进位置信息。
3.如权利要求1所述的图像采集装置,其特征在于,
图像采集处理装置中,当集卡车通过智能大门车道时,触发集卡车位置采集装置的地感线圈与红外对射开关,控制装置PLC根据逻辑判断发送拍照控制指令给图像采集处理装置的图像识别处理装置,图像识别处理装置控制2台高清网络摄像机分别采集视频信号,为了得到整个集装箱的全景图像,运用视频流信号相邻两帧间的差异,对采集的视频流中关键帧图像进行特征提取、配准和拼接,最后形成完整的集装箱箱体全景图像,图像识别处理装置对图像进行处理,识别出集装箱箱号并将箱号和图像显示在图像显示终端电脑上。
4.一种基于视频流的集装箱图像采集方法,包括:
第一步:当集卡车进入车道时,车道地感线圈触发,由于车头阻挡,红外对射开关A1-A2由接通变为断开,在集卡车行进过程中,由于车头长度小于集装箱箱体长度,所以当车头前部未到达红外对射开关A3-A4时,即红外对射开关A3-A4仍处于连通状态,红外对射开关A1-A2已经由断开变为连通,表示集卡车车头通过A1-A2尚未到达A3-A4;
第二步:车头通过A1-A2,当红外对射开关A1-A2再次变为断开时,表示集装箱箱体开始通过A1-A2,A1-A2的状态变化通过控制装置PLC传输给图像采集处理装置,图像采集处理装置控制C1、C2开始录制视频;
第三步:集卡车继续行进,当A3-A4断开且A1-A2连通,集装箱箱体通过A1-A2进入A3-A4;
第四步:当A1-A2和A3-A4同时接通,表示集装箱及集卡车通过红外检测区域,A1-A2和A3-A4的状态信号通过控制装置PLC传输给图像采集处理装置,图像采集处理装置控制C1、C2停止录制视频;
第五步:从C1、C2开始视频录制到C1、C2停止视频录制,形成两段完整的集装箱箱体视频,视频信号通过交换机,存储到图像采集处理装置服务器中;
第六步:通过设定摄像机的采集帧率(fps),获得采集视频信号的视频序列I1(x,y),I2(x,y),…,In(x,y);
第七步:计算视频序列I1(x,y),I2(x,y),…,In(x,y)的纹理特征向量
V=[f1,f2,f3]
其中:
f1为二阶矩阵特征,f2为熵特征,f3为局部平稳特征;
第八步:提取关键帧,设视频序列中i为选取的一个关键帧,需要对视频序列下一个关键帧j选取,两幅集装箱数字图像的相似关系计算式为:
其中,i,j为视频中帧的序列代号,T是衡量相似情况的阈值,在关键帧选取中,为了提高图片质量,第一帧、最后一帧均为关键帧;
第九步:关键帧的融合,采用加权平均法对关键帧的图像进行融合,假设f1,f2是两幅待拼接的图像,将图像f1和f2在空间叠加,则融合后的图像像素f可表示为f(x,y)
其中,d1,d2表示权重值,且d1+d2=1,0≤d1≤1,0≤d2≤1,在重叠区域中,d1由1变为0,d2由0变为1,由此实现重叠区域f1到f2的平滑过渡;
第十步:基于视频流关键帧拼接后形成集装箱全景图像f(x,y),保存至图像采集处理装置服务器;
第十一步:全景图像灰度化处理,图像识别处理装置的灰度化处理可增强字符和背景颜色的对比度,过滤掉图像中与识别无关的颜色特征,便于对集装箱全景图像进行边缘检测,采用加权平均值法,将分配不同权重的三个颜色分量的平均值I赋予给图像像素
I=(PRR+PGG+PBB)/3
其中PR,PG,PB分别是每个像素点R、G、B三个分量的加权系数,获得灰度化后图像为f′(x,y),在实施例中分别取0.299、0.587、0.114;
第十二步:图像识别处理装置去噪处理,对灰度化后的全景图像f′(x,y)采用二阶零均值高斯滤波函数G(x,y)进行去噪
f″(x,y)=f′(x,y)*G(x,y)
其中,为二阶零均值高斯滤波函数,σ是标准差,用来代表图像检测过程中的模糊因子,r是模糊半径,(x,y)是像素点的坐标;
第十三步:基于Canny算子的局部梯度计算
基于Canny算子的图像各点(x,y)处局部梯度的幅度g(x,y)和方向θg计算如下:
θg=arctan(gx/gy)
其中
第十四步:基于Canny算子的非极大值抑制
为获得梯度方向上局部梯度强度最大的点,对局部梯度幅度g(x,y)和梯度方向θg进行非极大值抑制,定义坐标(x,y)处梯度方向上的两个亚像素点梯度值为gt1和gt2,则有:
gt1=g2+tanθg×(g1-g2)
gt2=g4+tanθg×(g3-g4)
式中:g1、g2、g3和g4分别像素点处的梯度值;θg为坐标(x,y)处的梯度方向,在确定坐标(x,y)处梯度方向上的两个亚像素点梯度值gt1和gt2后,比较(x,y)处的梯度值g(x,y)与gt1、gt2的大小,若g(x,y)最大,则(x,y)处的像素值f″(x,y)等于1,否则抑制为0,即有:
对图像f″(x,y)内所有位置(x,y)重复上述步骤,完成对图像f″(x,y)的非极大值抑制,从而图像f″(x,y)被转化为图像GT(x,y)的二值边缘轮廓图像。
第十五步:基于Canny算子的阈值法边缘搜索与连接
为了保证消除噪声的同时不遗漏边缘像素信息,对非极大值抑制的边缘结果f″(x,y)使用阈值法边缘搜索与连接,设定阈值[Th1,Th2],将非极大值抑制得到的图像f″(x,y)中梯度值大于Th2的像素点取为强边缘像素,构成图像GT2(x,y),将梯度值在Th1和Th2间的像素取为弱边缘像素,构成图像GT1(x,y),即有:
图像GT2(x,y))设置了较高的阈值,因此图像去除了大部分噪声的同时也丢失了许多正确的边缘像素信息,而图像GT1(x,y))设置的阈值较低,保留了正确边缘像素信息的同时也包含了大量环境噪声Canny算子通过搜索阈值低、边缘信息完全的图像GT1(x,y)来修补噪声小但边缘信息不完全的图像GT2(x,y),从而实现在获得所有单像素边缘的同时滤除绝大部分噪声,即对图像GT2(x,y)中的每一点都有:
式中:m(x,y)为坐标(x,y)邻域内8个像素坐标的集合,经过阈值法边缘搜索和边缘连接的图像GT2(x,y)即为待测图像f″(x,y)的处理结果。
第十六步:字符目标区域提取,根据边缘信息对图像进行连通域划分,将图像划分为不同的连通域;对每个连通域进行逐行逐列扫描,收集区域中的像素点,计算每个连通域内的平均像素宽度wi与平均像素高Hi,最后计算计算连通区域的高宽比例,第i个连通区域的长宽比例根据目标区域高宽M×N,计算区域匹配度e;
将(-e,e)作为领域范围计算连通域,最终确定字符目标区域;
第十七步:字符分割,采用基于行列扫描的字符分割方法,对定位图像0°方向进进行行扫描,对字符目标进行点数搜素,当满即被搜素区域前景点数超过给定的阈值Tj时,初步认定该区域是字符行区域,确定其行边界,然后对该区域进行90°列扫描,即区域前景点数超过给定的阈值Ti时,初步认定该区域为字符区域,确定其列边界,结合行列边界,分割定位出相应字符;
第十八步:图像识别,采用加权模板匹配算法,最后采用分类器进行识别,识别出集装箱箱号字符,最终将集装箱全景照片和识别出的箱号显示在图像显示终端上;
第十九步:冗余校验与箱型判断,对于C1、C2两台摄像机拍摄的全景图像,图像采集处理软件分别识别,识别出箱号后进行冗余校验,得出有效的集装箱箱号,如果识别出的箱号是一组数据,则集卡车所载为40英尺长箱或者20英尺单箱,如果识别出2组箱号,则集卡车所载为2各20英尺的双箱,如果A1-A2和A3-A4同时断开,则能判断集卡车所载为长箱或者双箱,综合可以判断出集卡车所载的集装箱的单箱、长箱或者双箱箱型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910740684.1A CN110460813A (zh) | 2019-08-12 | 2019-08-12 | 一种基于视频流的集装箱图像采集装置及采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910740684.1A CN110460813A (zh) | 2019-08-12 | 2019-08-12 | 一种基于视频流的集装箱图像采集装置及采集方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110460813A true CN110460813A (zh) | 2019-11-15 |
Family
ID=68485969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910740684.1A Pending CN110460813A (zh) | 2019-08-12 | 2019-08-12 | 一种基于视频流的集装箱图像采集装置及采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110460813A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110942461A (zh) * | 2019-12-20 | 2020-03-31 | 上海撬动网络科技有限公司 | 一种固定场景集装箱智能化验视*** |
CN112102215A (zh) * | 2020-09-03 | 2020-12-18 | 广州南沙联合集装箱码头有限公司 | 一种基于误差统计的图像快速拼接方法 |
CN114157808A (zh) * | 2021-12-13 | 2022-03-08 | 北京国泰星云科技有限公司 | 一种高效的集装箱闸口图像采集***及方法 |
CN114339159A (zh) * | 2021-12-31 | 2022-04-12 | 深圳市平方科技股份有限公司 | 一种图像采集的方法、装置、电子设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101556692A (zh) * | 2008-04-09 | 2009-10-14 | 西安盛泽电子有限公司 | 基于特征点邻域伪Zernike矩的图像拼接方法 |
CN102426649A (zh) * | 2011-10-13 | 2012-04-25 | 石家庄开发区冀科双实科技有限公司 | 一种简单的高准确率的钢印数字自动识别方法 |
CN104376322A (zh) * | 2014-12-01 | 2015-02-25 | 上海海事大学 | 一种集装箱箱号预处理质量的智能评测方法 |
CN105469055A (zh) * | 2015-11-26 | 2016-04-06 | 上海斐讯数据通信技术有限公司 | 一种基于云计算的车牌识别***及方法 |
CN106372641A (zh) * | 2016-08-30 | 2017-02-01 | 北京华力兴科技发展有限责任公司 | 用于载车的集装箱号识别方法、识别装置和载车 |
CN107038683A (zh) * | 2017-03-27 | 2017-08-11 | 中国科学院自动化研究所 | 运动目标的全景成像方法 |
CN107452007A (zh) * | 2017-07-05 | 2017-12-08 | 国网河南省电力公司 | 一种可见光绝缘子图像边缘检测方法 |
-
2019
- 2019-08-12 CN CN201910740684.1A patent/CN110460813A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101556692A (zh) * | 2008-04-09 | 2009-10-14 | 西安盛泽电子有限公司 | 基于特征点邻域伪Zernike矩的图像拼接方法 |
CN102426649A (zh) * | 2011-10-13 | 2012-04-25 | 石家庄开发区冀科双实科技有限公司 | 一种简单的高准确率的钢印数字自动识别方法 |
CN104376322A (zh) * | 2014-12-01 | 2015-02-25 | 上海海事大学 | 一种集装箱箱号预处理质量的智能评测方法 |
CN105469055A (zh) * | 2015-11-26 | 2016-04-06 | 上海斐讯数据通信技术有限公司 | 一种基于云计算的车牌识别***及方法 |
CN106372641A (zh) * | 2016-08-30 | 2017-02-01 | 北京华力兴科技发展有限责任公司 | 用于载车的集装箱号识别方法、识别装置和载车 |
CN107038683A (zh) * | 2017-03-27 | 2017-08-11 | 中国科学院自动化研究所 | 运动目标的全景成像方法 |
CN107452007A (zh) * | 2017-07-05 | 2017-12-08 | 国网河南省电力公司 | 一种可见光绝缘子图像边缘检测方法 |
Non-Patent Citations (2)
Title |
---|
高延鹏,李小平,张晓康,孙艳春: "铁路货场智能大门集装箱全景图像采集方法研究", 《物流科技》 * |
高延鹏: "基于全景图像的铁路集装箱货场智能大门研究与设计", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110942461A (zh) * | 2019-12-20 | 2020-03-31 | 上海撬动网络科技有限公司 | 一种固定场景集装箱智能化验视*** |
CN112102215A (zh) * | 2020-09-03 | 2020-12-18 | 广州南沙联合集装箱码头有限公司 | 一种基于误差统计的图像快速拼接方法 |
CN114157808A (zh) * | 2021-12-13 | 2022-03-08 | 北京国泰星云科技有限公司 | 一种高效的集装箱闸口图像采集***及方法 |
CN114157808B (zh) * | 2021-12-13 | 2022-11-29 | 北京国泰星云科技有限公司 | 一种高效的集装箱闸口图像采集***及方法 |
CN114339159A (zh) * | 2021-12-31 | 2022-04-12 | 深圳市平方科技股份有限公司 | 一种图像采集的方法、装置、电子设备及存储介质 |
CN114339159B (zh) * | 2021-12-31 | 2023-06-27 | 深圳市平方科技股份有限公司 | 一种图像采集的方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110460813A (zh) | 一种基于视频流的集装箱图像采集装置及采集方法 | |
CN109460709B (zh) | 基于rgb和d信息融合的rtg视觉障碍物检测的方法 | |
CN102722704B (zh) | 一种融合视频动态跟踪的车牌识别方法和*** | |
Kong et al. | Detecting abandoned objects with a moving camera | |
CN103425967B (zh) | 一种基于行人检测和跟踪的人流监控方法 | |
CN101673396B (zh) | 基于动态目标检测的图像融合方法 | |
CN107305627A (zh) | 一种车辆视频监控方法、服务器及*** | |
CN109446917B (zh) | 一种基于级联霍夫变换的消失点检测方法 | |
CN104951775A (zh) | 基于视频技术的铁路道口防护区域安全智能识别方法 | |
CN105702048A (zh) | 基于行车记录仪的高速公路前车违法占道识别***及方法 | |
CN106548451A (zh) | 一种客车客流拥挤度计算方法和装置 | |
CN108320575A (zh) | 一种车位引导及反向寻车***及其停车位检测装置、方法 | |
CN101123039A (zh) | 基于数字摄像机的闯红灯检测***及方法 | |
CN101937614A (zh) | 一种即插即用的交通综合检测*** | |
CN105976392B (zh) | 基于最大输出概率的车辆轮胎检测方法及装置 | |
CN106815583A (zh) | 一种基于mser和swt相结合的夜间车辆车牌定位方法 | |
CN107122740A (zh) | 一种基于双摄像机的车型识别装置及方法 | |
CN107038683A (zh) | 运动目标的全景成像方法 | |
CN104506800A (zh) | 一种多方向电警摄像机场景合成及综合监控方法和装置 | |
CN106780886A (zh) | 一种车辆识别***和车辆进场、出场识别方法 | |
CN110008771B (zh) | 一种扫码***及扫码方法 | |
CN114049612A (zh) | 基于以图搜图技术的高速公路车辆收费稽核***及行驶路径双重获取检验方法 | |
CN109523583A (zh) | 一种基于反馈机制的电力设备红外与可见光图像配准方法 | |
Li et al. | Panoramic image mosaic technology based on sift algorithm in power monitoring | |
CN107729814A (zh) | 一种检测车道线的方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191115 |