CN110852236A - 目标事件的确定方法及装置、存储介质、电子装置 - Google Patents
目标事件的确定方法及装置、存储介质、电子装置 Download PDFInfo
- Publication number
- CN110852236A CN110852236A CN201911072358.4A CN201911072358A CN110852236A CN 110852236 A CN110852236 A CN 110852236A CN 201911072358 A CN201911072358 A CN 201911072358A CN 110852236 A CN110852236 A CN 110852236A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- area
- determining
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/44—Event detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种目标事件的确定方法及装置、存储介质、电子装置,所述方法包括:通过视频采集设备获取目标区域的视频图像,其中,目标区域至少包括以下之一:禁止张贴广告区域、路面井盖区域、易发生垃圾污染区域、禁止停车区域;通过分析视频图像,确定目标区域中是否存在目标事件,其中,目标事件至少包括以下之一:违规张贴广告事件、路面井盖缺失或损坏事件、垃圾污染事件、车辆违停事件。通过使用视频采集设备来获取视频,然后分析视频中是否存在目标事件,解决了现有技术中通过人工拍照登记的方式记录城市里的垃圾分布和违法违规现象,导致成本高、耗时长且容易受外界环境影响的问题。
Description
技术领域
本发明涉及无人机技术领域,具体而言,涉及一种目标事件的确定方法及装置、存储介质、电子装置。
背景技术
城市街道中无序丢弃的垃圾、人为造成的乱贴广告、井盖丢失、违规停车等违法违规现象严重影响市容市貌、污染生活环境,危害居民身体健康。为清理城市街道垃圾,检测监督城市街道各种违法违规现象,目前的城市街道环境整洁检测方法主要是派专人进行巡查并进行拍照登记,巡查的过程中需要人工定位无序丢弃的垃圾和各种街道环境违法违规现象,操作手持相机进行拍照,巡查过后进行整理归档来记录垃圾分布和环境违法违规情况,以及相应的负责人。这种方法需要专人乘坐交通工具进行拍照登记,受交通、天气、人员休假与工作时间等方面的影响很大,不能做到全天候的城市街道环境整洁情况的检测和监测,并且人工拍照、整理还存在成本高、耗时长等问题、这就大大的不利于城市街道的环境整洁检测和维护清理,不能保障城市街道卫生和安全。
针对相关技术中,通过人工拍照登记的方式记录城市里的垃圾分布和违法违规现象,导致成本高、耗时长且容易受外界环境影响的问题,目前尚未有有效的解决办法。
发明内容
本发明实施例提供了一种目标事件的确定方法及装置、存储介质、电子装置,以至少解决相关技术中通过人工拍照登记的方式记录城市里的垃圾分布和违法违规现象,导致成本高、耗时长且容易受外界环境影响的问题。
根据本发明的一个实施例,提供了一种目标事件的确定方法,包括:通过视频采集设备获取目标区域的视频图像,其中,所述目标区域至少包括以下之一:禁止张贴广告区域、路面井盖区域、易发生垃圾污染区域、禁止停车区域;通过分析所述视频图像,确定所述目标区域中是否存在目标事件,其中,所述目标事件至少包括以下之一:违规张贴广告事件、路面井盖缺失或损坏事件、垃圾污染事件、车辆违停事件。
可选地,通过分析所述视频图像,确定所述目标区域中是否存在目标事件,包括:通过边缘提取方法获取第一视频图像的二值图像,其中,所述第一视频图像为包含所述禁止张贴广告区域的图像;对所述二值图像中的连通区域进行筛选,消除噪声后得到文本候选区域;分析所述文本候选区域中的文本信息和背景信息,确定目标文本区域;在所述目标文本区域与所述禁止张贴广告区域重合的情况下,确定所述禁止张贴广告区域中存在违规张贴广告事件。
可选地,分析所述文本候选区域中的文本信息和背景信息,确定目标文本区域,包括:将所述二值图像映射到一致性空间得到灰度特征图像;在所述灰度特征图像上提取统计量特征和共生矩阵特征;分析所述文本信息和所述背景信息在所述统计量特征和所述共生矩阵特征上的数据分布情况;根据所述数据分布情况以及特征空间优化准则,确定所述统计量特征和所述共生矩阵特征的特征组合;使用第一分类器,将所述特征组合的判别结果映射到结果图像中;对所述结果图像中邻近或相似的候选文本区域进行合并,得到所述目标文本区域。
可选地,通过分析所述视频图像,确定所述目标区域中是否存在目标事件,包括:通过边缘跟踪算法获取第二视频图像的边缘轮廓,其中,所述第二视频图像为包含所述路面井盖区域的图像;使用Hough变换算法、色彩识别算法与图像对比算法确定井盖所处的目标位置;获取所述目标位置上的所述井盖的颜色变化率;当所述井盖的颜色变化率大于或等于第一预设阈值时,确定所述路面井盖区域存在所述路面井盖缺失或损坏事件。
可选地,通过分析所述视频图像,确定所述目标区域中是否存在目标事件,包括:对第三视频图像进行分割处理,其中,所述第三视频图像为包含所述易发生垃圾污染区域的图像;从分割后所述第三视频图像中提取目标图像特征,其中,所述目标图像特征中包含垃圾污染的图像特征和干净路面的图像特征;使用第二分类器对所述干净路面的图像特征进行扬尘污染检测;当所述分类器输出的结果显示所述干净路面的图像特征对应区域中存在扬尘污染时,确定所述易发生垃圾污染区域存在所述垃圾污染事件。
可选地,从分割后所述第三视频图像中提取目标图像特征之后,所述方法还包括:使用像素灰度检测算法从包含垃圾污染的图像特征中提取道路背景;检测到行人与车辆的图像特征后排除;使用背景差算法从垃圾污染的图像特征中提取前景对象,排除行人和车辆后,确定所述前景对象为固体垃圾;当检测到所述固体垃圾时,确定所述易发生垃圾污染区域存在所述垃圾污染事件。
可选地,通过分析所述视频图像,确定所述目标区域中是否存在目标事件,包括:基于第四视频图像,在所述视频采集设备的广角内建立一个笛卡尔空间坐标系,其中,所述第四视频图像包括所述禁止停车区域的图像;分割所述第四视频图像中的车辆图像,识别所述车辆的特征,在所述视频采集设备的水平面内对识别出的所述车辆图像的周围构建目标四边形框;在所述笛卡尔坐标系的XOY平面内识别所述目标四边形框的四个角的位置,确定在所述视频采集设备的水平面内所述四边形框的形状;将识别出的所述目标四边形框的形状与当前位置的车位预设四边形框形状对比;当所述目标四边形框的形状与当前位置的车位预设四边形框形状的重合度小于第二预设阈值时,确定所述禁止停车区域存在所述车辆违停事件。
根据本发明的另一个实施例,还提供了一种目标事件的确定装置,包括:
采集模块,用于通过视频采集设备获取目标区域的视频图像,其中,所述目标区域至少包括以下之一:禁止张贴广告区域、路面井盖区域、易发生垃圾污染区域、禁止停车区域;
确定模块,用于通过分析所述视频图像,确定所述目标区域中是否存在目标事件,其中,所述目标事件至少包括以下之一:违规张贴广告事件、路面井盖缺失或损坏事件、垃圾污染事件、车辆违停事件。
可选地,所述确定模块包括:
第一获取单元,用于通过边缘提取方法获取第一视频图像的二值图像,其中,所述第一视频图像为包含所述禁止张贴广告区域的图像;
筛选单元,用于对所述二值图像中的连通区域进行筛选,消除噪声后得到文本候选区域;
分析单元,用于分析所述文本候选区域中的文本信息和背景信息,确定目标文本区域;
第一确定单元,用于在所述目标文本区域与所述禁止张贴广告区域重合的情况下,确定所述禁止张贴广告区域中存在违规张贴广告事件。
可选地,所述分析单元包括:
第一映射子单元,用于将所述二值图像映射到一致性空间得到灰度特征图像;
提取子单元,用于在所述灰度特征图像上提取统计量特征和共生矩阵特征;
分析子单元,用于分析所述文本信息和所述背景信息在所述统计量特征和所述共生矩阵特征上的数据分布情况;
确定子单元,用于根据所述数据分布情况以及特征空间优化准则,确定所述统计量特征和所述共生矩阵特征的特征组合;
第二映射子单元,用于使用第一分类器,将所述特征组合的判别结果映射到结果图像中;
合并子单元,用于对所述结果图像中邻近或相似的候选文本区域进行合并,得到所述目标文本区域。
可选地,所述确定模块还包括:
第二获取单元,用于通过边缘跟踪算法获取第二视频图像的边缘轮廓,其中,所述第二视频图像为包含所述路面井盖区域的图像;
第二确定单元,用于使用Hough变换算法、色彩识别算法与图像对比算法确定井盖所处的目标位置;
第三获取单元,用于获取所述目标位置上的所述井盖的颜色变化率;
第三确定单元,用于当所述井盖的颜色变化率大于或等于第一预设阈值时,确定所述路面井盖区域存在所述路面井盖缺失或损坏事件。
可选地,所述确定模块还包括:
第一分割单元,用于对第三视频图像进行分割处理,其中,所述第三视频图像为包含所述易发生垃圾污染区域的图像;
第一提取单元,用于从分割后所述第三视频图像中提取目标图像特征,其中,所述目标图像特征中包含垃圾污染的图像特征和干净路面的图像特征;
检测单元,用于使用第二分类器对所述干净路面的图像特征进行扬尘污染检测;
第四确定单元,用于当所述分类器输出的结果显示所述干净路面的图像特征对应区域中存在扬尘污染时,确定所述易发生垃圾污染区域存在所述垃圾污染事件。
可选地,所述确定模块还包括:
第二提取单元,用于使用像素灰度检测算法从包含垃圾污染的图像特征中提取道路背景;
第五确定单元,用于使用背景差算法从垃圾污染的图像特征中提取前景对象,排除行人和车辆后,确定所述前景对象为固体垃圾;
第六确定单元,用于当检测到所述固体垃圾时,确定所述易发生垃圾污染区域存在所述垃圾污染事件。
可选地,所述确定模块还包括:
建立单元,用于基于第四视频图像,在所述视频采集设备的广角内建立一个笛卡尔空间坐标系,其中,所述第四视频图像包括所述禁止停车区域的图像;
第二分割单元,用于分割所述第四视频图像中的车辆图像,识别所述车辆的特征,在所述视频采集设备的水平面内对识别出的所述车辆图像的周围构建目标四边形框;
识别单元,用于在所述笛卡尔坐标系的XOY平面内识别所述目标四边形框的四个角的位置,确定在所述视频采集设备的水平面内所述四边形框的形状;
对比单元,用于将识别出的所述目标四边形框的形状与当前位置的车位预设四边形框形状对比;
第七确定单元,用于当所述目标四边形框的形状与当前位置的车位预设四边形框形状的重合度小于第二预设阈值时,确定所述禁止停车区域存在所述车辆违停事件。
根据本发明的另一个实施例,还提供了一种计算机可读的存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的另一个实施例,还提供了一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明实施例,通过视频采集设备获取目标区域的视频图像,其中,目标区域至少包括以下之一:禁止张贴广告区域、路面井盖区域、易发生垃圾污染区域、禁止停车区域;通过分析视频图像,确定目标区域中是否存在目标事件,其中,目标事件至少包括以下之一:违规张贴广告事件、路面井盖缺失或损坏事件、垃圾污染事件、车辆违停事件。通过使用视频采集设备来获取视频,然后分析视频中是否存在目标事件,解决了现有技术中通过人工拍照登记的方式记录城市里的垃圾分布和违法违规现象,导致成本高、耗时长且容易受外界环境影响的问题,有效提高了对于城市中垃圾分布以及违法违规现象的快速精准定位,且有效降低了人力成本。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例的一种目标事件的确定方法的移动终端的硬件结构框图;
图2是本发明实施例中一种可选的目标事件的确定方法的流程图;
图3是根据本发明实施例的一种可选的街道环境判断方法的流程图;
图4是根据本发明实施例的一种可选的基于视觉的城市街道小广告检测方法流程图;
图5是根据本发明实施例的一种可选的目标事件的确定装置的结构框图;
图6是根据本发明实施例的一种可选的电子装置结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本发明实施例提供了一种目标事件的确定方法。图1是根据本发明实施例一种可选的目标事件的确定方法的硬件环境示意图,如图1所示,该硬件环境可以包括但不限于视频采集设备102和服务器104。视频采集设备102将获取的监控视频数据发送到服务器104中,服务器104经过内部处理,确定视频监控区域是否存在违法违规事件或是否存在垃圾污染,其中,服务器104中执行的操作主要包括以下步骤:
步骤S102,通过视频采集设备获取目标区域的视频图像,其中,目标区域至少包括以下之一:禁止张贴广告区域、路面井盖区域、易发生垃圾污染区域、禁止停车区域;
步骤S104,通过分析视频图像,确定目标区域中是否存在目标事件,其中,目标事件至少包括以下之一:违规张贴广告事件、路面井盖缺失或损坏事件、垃圾污染事件、车辆违停事件。
服务器104也可以直接将判断结果发送到相关市政监管部门,或是相关负责部门,由专门的工作人员去处理对应区域的目标事件。
视频采集设备102可以是高清摄像头,也可以自带扫描功识别能,将获取到的视频中的人脸数据或车牌数据等发送到服务器104,服务器104通过与数据库中的数据进行比对,确定责任人或责任车辆的主人。
本发明实施例提供了一种目标事件的确定方法。图2是本发明实施例中一种可选的目标事件的确定方法的流程图,如图2所示,该方法包括:
步骤S202,通过视频采集设备获取目标区域的视频图像,其中,目标区域至少包括以下之一:禁止张贴广告区域、路面井盖区域、易发生垃圾污染区域、禁止停车区域;
步骤S204,通过分析视频图像,确定目标区域中是否存在目标事件,其中,目标事件至少包括以下之一:违规张贴广告事件、路面井盖缺失或损坏事件、垃圾污染事件、车辆违停事件。
通过本发明实施例,通过视频采集设备获取目标区域的视频图像,其中,目标区域至少包括以下之一:禁止张贴广告区域、路面井盖区域、易发生垃圾污染区域、禁止停车区域;通过分析视频图像,确定目标区域中是否存在目标事件,其中,目标事件至少包括以下之一:违规张贴广告事件、路面井盖缺失或损坏事件、垃圾污染事件、车辆违停事件。通过使用视频采集设备来获取视频,然后分析视频中是否存在目标事件,解决了现有技术中通过人工拍照登记的方式记录城市里的垃圾分布和违法违规现象,导致成本高、耗时长且容易受外界环境影响的问题,有效提高了对于城市中垃圾分布以及违法违规现象的快速精准定位,且有效降低了人力成本。
基于在城市街道设置的球机和枪机(摄像头),实时获取城市街道的环境信息。针对路面井盖区域、禁止张贴广告区域、禁止停车区域、易发生各种类型垃圾污染的区域。设置摄像机,基于视觉实时检测城市街道的整洁安全情况。
可选地,通过分析所述视频图像,确定所述目标区域中是否存在目标事件,包括:
S1,通过边缘提取方法获取第一视频图像的二值图像,其中,所述第一视频图像为包含所述禁止张贴广告区域的图像;
S2,对所述二值图像中的连通区域进行筛选,消除噪声后得到文本候选区域;
S3,分析所述文本候选区域中的文本信息和背景信息,确定目标文本区域;
S4,在所述目标文本区域与所述禁止张贴广告区域重合的情况下,确定所述禁止张贴广告区域中存在违规张贴广告事件。
二值图像(Binary Image)是指将图像上的每一个像素只有两种可能的取值或灰度等级状态,人们经常用黑白、B&W、单色图像表示二值图像。二值图像是指在图像中,灰度等级只有两种,也就是说,图像中的任何像素点的灰度值均为0或者255,分别代表黑色和白色。
可选地,分析所述文本候选区域中的文本信息和背景信息,确定目标文本区域,包括:将所述二值图像映射到一致性空间得到灰度特征图像;在所述灰度特征图像上提取统计量特征和共生矩阵特征;分析所述文本信息和所述背景信息在所述统计量特征和所述共生矩阵特征上的数据分布情况;根据所述数据分布情况以及特征空间优化准则,确定所述统计量特征和所述共生矩阵特征的特征组合;使用第一分类器,将所述特征组合的判别结果映射到结果图像中;对所述结果图像中邻近或相似的候选文本区域进行合并,得到所述目标文本区域。
基于获取到的禁止张贴广告区域的彩色图像,通过对彩色图像的像素值进行均衡规划,消除了图像敏感程度的差异对识别效果的影响。对测试样本图像,通过边缘提取的方法来得到二值图像。使用先验知识对二值图像中的连通区域进行筛选,消除噪声,得到文本候选区域。将原始图像映射到一致性空间得到灰度特征图像,增强了图像中的文本信息。在灰度特征图像上进行特征提取和筛选操作。分析文本信息和背景信息在提取的统计量特征和共生矩阵特征上的数据分布情况。通过对特征的数据分布情况进行分析和特征值得计算,依据特征空间优化准侧,对使用的特征空间进行优化,选择合适的特征组合。选择SVM分类器,通过交叉验证和网络搜索的方法寻找分类器的最优参数,以提高分类器的性能,分析了滑动窗口大小,训练样本中文本特征和背景特征之间的比列因素对分类器的影响。将分类器对测试特征的判别结果映射到结果图像中,对结果图像中邻近、相似的文本区域进行合并,得到最终的文本区域。若检测到的文本区域在禁止张贴广告的范围,则检测结果为违规张贴广告。
可选地,通过分析所述视频图像,确定所述目标区域中是否存在目标事件,包括:通过边缘跟踪算法获取第二视频图像的边缘轮廓,其中,所述第二视频图像为包含所述路面井盖区域的图像;使用Hough变换算法、色彩识别算法与图像对比算法确定井盖所处的目标位置;获取所述目标位置上的所述井盖的颜色变化率;当所述井盖的颜色变化率大于或等于第一预设阈值时,确定所述路面井盖区域存在所述路面井盖缺失或损坏事件。
Hough变换:Hough变换是1962年由Hough提出来的,用于检测图像中直线、圆、抛物线、椭圆等形状能够用一定函数关系描述的曲线,它在影像分析,模式识别等很多领域中得到了成功的应用。Hough变换的基本原理是将影像空间中的曲线(包括直线)变换到参数空间中,通过检测参数空间中的极值点,确定出该曲线的描述参数,从而提取影像中的规则曲线。
路面井盖检测,基于获得的特定区域的井盖的图像,在经过预处理的图像上,利用边缘跟踪算法找到所有的边缘轮廓后,利用Hough变换,色彩识别与图像对比算法找到井盖区域,同时计算出井盖区域变化率,根据变化率是够达到阈值来判别井盖是否有疑似破损与缺失情况。
可选地,通过分析所述视频图像,确定所述目标区域中是否存在目标事件,包括:对第三视频图像进行分割处理,其中,所述第三视频图像为包含所述易发生垃圾污染区域的图像;从分割后所述第三视频图像中提取目标图像特征,其中,所述目标图像特征中包含垃圾污染的图像特征和干净路面的图像特征;使用第二分类器对所述干净路面的图像特征进行扬尘污染检测;当所述分类器输出的结果显示所述干净路面的图像特征对应区域中存在扬尘污染时,确定所述易发生垃圾污染区域存在所述垃圾污染事件。
可选地,从分割后所述第三视频图像中提取目标图像特征之后,所述方法还包括:使用像素灰度检测算法从包含垃圾污染的图像特征中提取道路背景;检测到行人与车辆的图像特征后排除;使用背景差算法从垃圾污染的图像特征中提取前景对象,排除行人和车辆后,确定所述前景对象为固体垃圾;当检测到所述固体垃圾时,确定所述易发生垃圾污染区域存在所述垃圾污染事件。
本发明实施例可以针对各种类型垃圾污染检测,包括道路扬尘污染检测,首先选取合适的路面图像分割方法;然后,对路面图像进行特征提取并选取合适的可区分污染与干净路面的图像特征,最后用训练样本训练SVM分类器,并用该分类器对街道路面进行扬尘污染检测。固体垃圾检测,基于像素灰度进行背景提取,在道路背景提取出来后,使用背景差法提取前景对象。进行人车检测,排除人车即为固体垃圾。
可选地,通过分析所述视频图像,确定所述目标区域中是否存在目标事件,包括:基于第四视频图像,在所述视频采集设备的广角内建立一个笛卡尔空间坐标系,其中,所述第四视频图像包括所述禁止停车区域的图像;分割所述第四视频图像中的车辆图像,识别所述车辆的特征,在所述视频采集设备的水平面内对识别出的所述车辆图像的周围构建目标四边形框;在所述笛卡尔坐标系的XOY平面内识别所述目标四边形框的四个角的位置,确定在所述视频采集设备的水平面内所述四边形框的形状;将识别出的所述目标四边形框的形状与当前位置的车位预设四边形框形状对比;当所述目标四边形框的形状与当前位置的车位预设四边形框形状的重合度小于第二预设阈值时,确定所述禁止停车区域存在所述车辆违停事件。
检测违规停车,基于停车区域采集的图像,在摄像头的广角内建立一个笛卡尔空间坐标系,分割车辆图像,对车辆图像进行识别与处理,识别车辆特征,在水平面内对识别出的车辆图像的周围构建一个四边形框,将车辆框住,在XOY平面内判断四边形框的四个角的位置,确定在摄像头的水平面内四边形框的形状;将识别出的车辆四边形框的形状与此位置的车位预设四边形框形状对比判断是否违规停车。
图3是根据本发明实施例的一种可选的街道环境判断方法的流程图,如图3所示,该方法包括:
基于视频的包含多种检测功能的街道环境整洁判断***,该***可以检测街道上是否有固体垃圾和扬尘污染,是否存在违规停车和乱张贴广告的现象,是否存在井盖丢失或损坏的现象。分析并存储检测结果,一旦有违法违规现象则发起违规警报。
图4是根据本发明实施例的一种可选的基于视觉的城市街道小广告检测方法流程图,如图4所示,所述方法包括:
基于获取到的禁止张贴广告区域的彩色图像,通过对彩色图像的像素值进行均衡规划,消除了图像敏感程度的差异对识别效果的影响。对测试样本图像,通过边缘提取的方法来得到二值图像。使用先验知识对二值图像中的连通区域进行筛选,消除噪声,得到文本候选区域。将原始图像映射到一致性空间得到灰度特征图像,增强了图像中的文本信息。在灰度特征图像上进行特征提取和筛选操作。分析文本信息和背景信息在提取的统计量特征和共生矩阵特征上的数据分布情况。通过对特征的数据分布情况进行分析和特征值得计算,依据特征空间优化准侧,对使用的特征空间进行优化,选择合适的特征组合。选择SVM分类器,通过交叉验证和网络搜索的方法寻找分类器的最优参数,以提高分类器的性能,分析了滑动窗口大小,训练样本中文本特征和背景特征之间的比列因素对分类器的影响。将分类器对测试特征的判别结果映射到结果图像中,对结果图像中邻近、相似的文本区域进行合并,得到最终的文本区域。若检测到的文本区域在禁止张贴广告的范围,则检测结果为违规张贴广告。
对获取到的禁止张贴广告区域的彩色图像先进行全局搜索,然后进行边缘检测和自然语言下的文字识别,最终得到是否存在违规小广告的结果。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
根据本发明实施例的另一个方面,还提供了一种用于实施上述目标事件的确定方法的目标事件的确定装置。图5是根据本发明实施例的一种可选的目标事件的确定装置的结构框图,如图5所示,该装置包括:
采集模块502,用于通过视频采集设备获取目标区域的视频图像,其中,所述目标区域至少包括以下之一:禁止张贴广告区域、路面井盖区域、易发生垃圾污染区域、禁止停车区域;
确定模块504,用于通过分析所述视频图像,确定所述目标区域中是否存在目标事件,其中,所述目标事件至少包括以下之一:违规张贴广告事件、路面井盖缺失或损坏事件、垃圾污染事件、车辆违停事件。
可选地,所述确定模块504包括:
第一获取单元,用于通过边缘提取方法获取第一视频图像的二值图像,其中,所述第一视频图像为包含所述禁止张贴广告区域的图像;
筛选单元,用于对所述二值图像中的连通区域进行筛选,消除噪声后得到文本候选区域;
分析单元,用于分析所述文本候选区域中的文本信息和背景信息,确定目标文本区域;
第一确定单元,用于在所述目标文本区域与所述禁止张贴广告区域重合的情况下,确定所述禁止张贴广告区域中存在违规张贴广告事件。
可选地,所述分析单元包括:
第一映射子单元,用于将所述二值图像映射到一致性空间得到灰度特征图像;
提取子单元,用于在所述灰度特征图像上提取统计量特征和共生矩阵特征;
分析子单元,用于分析所述文本信息和所述背景信息在所述统计量特征和所述共生矩阵特征上的数据分布情况;
确定子单元,用于根据所述数据分布情况以及特征空间优化准则,确定所述统计量特征和所述共生矩阵特征的特征组合;
第二映射子单元,用于使用第一分类器,将所述特征组合的判别结果映射到结果图像中;
合并子单元,用于对所述结果图像中邻近或相似的候选文本区域进行合并,得到所述目标文本区域。
可选地,所述确定模块504还包括:
第二获取单元,用于通过边缘跟踪算法获取第二视频图像的边缘轮廓,其中,所述第二视频图像为包含所述路面井盖区域的图像;
第二确定单元,用于使用Hough变换算法、色彩识别算法与图像对比算法确定井盖所处的目标位置;
第三获取单元,用于获取所述目标位置上的所述井盖的颜色变化率;
第三确定单元,用于当所述井盖的颜色变化率大于或等于第一预设阈值时,确定所述路面井盖区域存在所述路面井盖缺失或损坏事件。
可选地,所述确定模块504还包括:
第一分割单元,用于对第三视频图像进行分割处理,其中,所述第三视频图像为包含所述易发生垃圾污染区域的图像;
第一提取单元,用于从分割后所述第三视频图像中提取目标图像特征,其中,所述目标图像特征中包含垃圾污染的图像特征和干净路面的图像特征;
检测单元,用于使用第二分类器对所述干净路面的图像特征进行扬尘污染检测;
第四确定单元,用于当所述分类器输出的结果显示所述干净路面的图像特征对应区域中存在扬尘污染时,确定所述易发生垃圾污染区域存在所述垃圾污染事件。
可选地,所述确定模块504还包括:
第二提取单元,用于使用像素灰度检测算法从包含垃圾污染的图像特征中提取道路背景;
第五确定单元,用于使用背景差算法从垃圾污染的图像特征中提取前景对象,排除行人和车辆后,确定所述前景对象为固体垃圾;
第六确定单元,用于当检测到所述固体垃圾时,确定所述易发生垃圾污染区域存在所述垃圾污染事件。
可选地,所述确定模块504还包括:
建立单元,用于基于第四视频图像,在所述视频采集设备的广角内建立一个笛卡尔空间坐标系,其中,所述第四视频图像包括所述禁止停车区域的图像;
第二分割单元,用于分割所述第四视频图像中的车辆图像,识别所述车辆的特征,在所述视频采集设备的水平面内对识别出的所述车辆图像的周围构建目标四边形框;
识别单元,用于在所述笛卡尔坐标系的XOY平面内识别所述目标四边形框的四个角的位置,确定在所述视频采集设备的水平面内所述四边形框的形状;
对比单元,用于将识别出的所述目标四边形框的形状与当前位置的车位预设四边形框形状对比;
第七确定单元,用于当所述目标四边形框的形状与当前位置的车位预设四边形框形状的重合度小于第二预设阈值时,确定所述禁止停车区域存在所述车辆违停事件。
根据本发明实施例的又一个方面,还提供了一种用于实施上述目标事件的确定方法的电子装置,上述电子装置可以但不限于应用于上述图1所示的服务器104中。如图6所示,该电子装置包括存储器602和处理器604,该存储器602中存储有计算机程序,该处理器604被设置为通过计算机程序执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述电子装置可以位于计算机网络的多个网络设备中的至少一个网络设备。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,通过视频采集设备获取目标区域的视频图像,其中,目标区域至少包括以下之一:禁止张贴广告区域、路面井盖区域、易发生垃圾污染区域、禁止停车区域;
S2,通过分析视频图像,确定目标区域中是否存在目标事件,其中,目标事件至少包括以下之一:违规张贴广告事件、路面井盖缺失或损坏事件、垃圾污染事件、车辆违停事件。
可选地,本领域普通技术人员可以理解,图6所示的结构仅为示意,电子装置也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices,MID)、PAD等终端设备。图6其并不对上述电子装置的结构造成限定。例如,电子装置还可包括比图6中所示更多或者更少的组件(如网络接口等),或者具有与图6所示不同的配置。
其中,存储器602可用于存储软件程序以及模块,如本发明实施例中的目标事件的确定方法和装置对应的程序指令/模块,处理器604通过运行存储在存储器602内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的目标事件的确定方法。存储器602可包括高速随机存储器,还可以包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器602可进一步包括相对于处理器604远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中,存储器602具体可以但不限于用于储存目标事件的确定方法的程序步骤。作为一种示例,如图6所示,上述存储器602中可以但不限于包括上述目标事件的确定装置中的采集模块502、确定模块504。此外,还可以包括但不限于上述目标事件的确定装置中的其他模块单元,本示例中不再赘述。
可选地,上述的传输装置606用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中,传输装置606包括一个网络适配器(Network Interface Controller,NIC),其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中,传输装置406为射频(Radio Frequency,RF)模块,其用于通过无线方式与互联网进行通讯。
此外,上述电子装置还包括:显示器608,用于显示可疑帐号的告警推送;和连接总线610,用于连接上述电子装置中的各个模块部件。
本发明的实施例还提供了一种计算机可读的存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,通过视频采集设备获取目标区域的视频图像,其中,目标区域至少包括以下之一:禁止张贴广告区域、路面井盖区域、易发生垃圾污染区域、禁止停车区域;
S2,通过分析视频图像,确定目标区域中是否存在目标事件,其中,目标事件至少包括以下之一:违规张贴广告事件、路面井盖缺失或损坏事件、垃圾污染事件、车辆违停事件。
可选地,存储介质还被设置为存储用于执行上述实施例中的方法中所包括的步骤的计算机程序,本实施例中对此不再赘述。
可选地,在本实施例中,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:闪存盘、只读存储器(Read-Only Memory,ROM)、随机存取器(Random Access Memory,RAM)、磁盘或光盘等。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在上述计算机可读取的存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在存储介质中,包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的客户端,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种目标事件的确定方法,其特征在于,包括:
通过视频采集设备获取目标区域的视频图像,其中,所述目标区域至少包括以下之一:禁止张贴广告区域、路面井盖区域、易发生垃圾污染区域、禁止停车区域;
通过分析所述视频图像,确定所述目标区域中是否存在目标事件,其中,所述目标事件至少包括以下之一:违规张贴广告事件、路面井盖缺失或损坏事件、垃圾污染事件、车辆违停事件。
2.根据权利要求1所述的方法,其特征在于,通过分析所述视频图像,确定所述目标区域中是否存在目标事件,包括:
通过边缘提取方法获取第一视频图像的二值图像,其中,所述第一视频图像为包含所述禁止张贴广告区域的图像;
对所述二值图像中的连通区域进行筛选,消除噪声后得到文本候选区域;
分析所述文本候选区域中的文本信息和背景信息,确定目标文本区域;
在所述目标文本区域与所述禁止张贴广告区域重合的情况下,确定所述禁止张贴广告区域中存在违规张贴广告事件。
3.根据权利要求2所述的方法,其特征在于,分析所述文本候选区域中的文本信息和背景信息,确定目标文本区域,包括:
将所述二值图像映射到一致性空间得到灰度特征图像;
在所述灰度特征图像上提取统计量特征和共生矩阵特征;
分析所述文本信息和所述背景信息在所述统计量特征和所述共生矩阵特征上的数据分布情况;
根据所述数据分布情况以及特征空间优化准则,确定所述统计量特征和所述共生矩阵特征的特征组合;
使用第一分类器,将所述特征组合的判别结果映射到结果图像中;
对所述结果图像中邻近或相似的候选文本区域进行合并,得到所述目标文本区域。
4.根据权利要求1所述的方法,其特征在于,通过分析所述视频图像,确定所述目标区域中是否存在目标事件,包括:
通过边缘跟踪算法获取第二视频图像的边缘轮廓,其中,所述第二视频图像为包含所述路面井盖区域的图像;
使用Hough变换算法、色彩识别算法与图像对比算法确定井盖所处的目标位置;
获取所述目标位置上的所述井盖的颜色变化率;
当所述井盖的颜色变化率大于或等于第一预设阈值时,确定所述路面井盖区域存在所述路面井盖缺失或损坏事件。
5.根据权利要求1所述的方法,其特征在于,通过分析所述视频图像,确定所述目标区域中是否存在目标事件,包括:
对第三视频图像进行分割处理,其中,所述第三视频图像为包含所述易发生垃圾污染区域的图像;
从分割后所述第三视频图像中提取目标图像特征,其中,所述目标图像特征中包含垃圾污染的图像特征和干净路面的图像特征;
使用第二分类器对所述干净路面的图像特征进行扬尘污染检测;
当所述分类器输出的结果显示所述干净路面的图像特征对应区域中存在扬尘污染时,确定所述易发生垃圾污染区域存在所述垃圾污染事件。
6.根据权利要求5所述的方法,其特征在于,从分割后所述第三视频图像中提取目标图像特征之后,所述方法还包括:
使用像素灰度检测算法从包含垃圾污染的图像特征中提取道路背景;
检测到行人与车辆的图像特征后排除;
使用背景差算法从垃圾污染的图像特征中提取前景对象,排除行人和车辆后,确定所述前景对象为固体垃圾;
当检测到所述固体垃圾时,确定所述易发生垃圾污染区域存在所述垃圾污染事件。
7.根据权利要求1所述的方法,其特征在于,通过分析所述视频图像,确定所述目标区域中是否存在目标事件,包括:
基于第四视频图像,在所述视频采集设备的广角内建立一个笛卡尔空间坐标系,其中,所述第四视频图像包括所述禁止停车区域的图像;
分割所述第四视频图像中的车辆图像,识别所述车辆的特征,在所述视频采集设备的水平面内对识别出的所述车辆图像的周围构建目标四边形框;
在所述笛卡尔坐标系的XOY平面内识别所述目标四边形框的四个角的位置,确定在所述视频采集设备的水平面内所述四边形框的形状;
将识别出的所述目标四边形框的形状与当前位置的车位预设四边形框形状对比;
当所述目标四边形框的形状与当前位置的车位预设四边形框形状的重合度小于第二预设阈值时,确定所述禁止停车区域存在所述车辆违停事件。
8.一种目标事件的确定装置,其特征在于,包括:
采集模块,用于通过视频采集设备获取目标区域的视频图像,其中,所述目标区域至少包括以下之一:禁止张贴广告区域、路面井盖区域、易发生垃圾污染区域、禁止停车区域;
确定模块,用于通过分析所述视频图像,确定所述目标区域中是否存在目标事件,其中,所述目标事件至少包括以下之一:违规张贴广告事件、路面井盖缺失或损坏事件、垃圾污染事件、车辆违停事件。
9.一种计算机可读的存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至5任一项中所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911072358.4A CN110852236A (zh) | 2019-11-05 | 2019-11-05 | 目标事件的确定方法及装置、存储介质、电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911072358.4A CN110852236A (zh) | 2019-11-05 | 2019-11-05 | 目标事件的确定方法及装置、存储介质、电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110852236A true CN110852236A (zh) | 2020-02-28 |
Family
ID=69598308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911072358.4A Pending CN110852236A (zh) | 2019-11-05 | 2019-11-05 | 目标事件的确定方法及装置、存储介质、电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110852236A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112766069A (zh) * | 2020-12-31 | 2021-05-07 | 广东电网有限责任公司 | 基于深度学习的车辆违停检测方法、装置及电子设备 |
CN114022756A (zh) * | 2021-09-24 | 2022-02-08 | 惠州学院 | 排水盖周边垃圾的视觉识别方法、电子设备及存储介质 |
CN114756053A (zh) * | 2022-03-30 | 2022-07-15 | 中科融信科技有限公司 | 一种基于无人机的警务巡检方法、***及存储介质 |
WO2023045602A1 (zh) * | 2021-09-27 | 2023-03-30 | 杭州海康威视***技术有限公司 | 一种图像识别方法及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103035005A (zh) * | 2012-12-13 | 2013-04-10 | 广州致远电子股份有限公司 | 一种全景泊车的标定方法,及装置,一种自动标定方法 |
CN106845444A (zh) * | 2017-02-15 | 2017-06-13 | 西安交通大学 | 一种基于弧‑点结合的车载井盖检测方法 |
CN108983806A (zh) * | 2017-06-01 | 2018-12-11 | 菜鸟智能物流控股有限公司 | 区域检测、航线规划数据的生成方法和***、飞行器 |
CN109389829A (zh) * | 2018-11-05 | 2019-02-26 | 湖北民族学院 | 一种违规停车识别方法及*** |
-
2019
- 2019-11-05 CN CN201911072358.4A patent/CN110852236A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103035005A (zh) * | 2012-12-13 | 2013-04-10 | 广州致远电子股份有限公司 | 一种全景泊车的标定方法,及装置,一种自动标定方法 |
CN106845444A (zh) * | 2017-02-15 | 2017-06-13 | 西安交通大学 | 一种基于弧‑点结合的车载井盖检测方法 |
CN108983806A (zh) * | 2017-06-01 | 2018-12-11 | 菜鸟智能物流控股有限公司 | 区域检测、航线规划数据的生成方法和***、飞行器 |
CN109389829A (zh) * | 2018-11-05 | 2019-02-26 | 湖北民族学院 | 一种违规停车识别方法及*** |
Non-Patent Citations (4)
Title |
---|
ZHANG FENGYAN等: ""Detection of broken manhole cover using improved Hough and image contrast"", 《JOURNAL OF SOUTHEAST UNIVERSITY》 * |
任婷婷: ""基于视频图像处理的城市道路污染检测与识别"", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
何祖灵: ""基于全方位视觉的ATM机智能监控研究"", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
马海清: ""基于边缘和纹理的文本定位算法的研究"", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112766069A (zh) * | 2020-12-31 | 2021-05-07 | 广东电网有限责任公司 | 基于深度学习的车辆违停检测方法、装置及电子设备 |
CN114022756A (zh) * | 2021-09-24 | 2022-02-08 | 惠州学院 | 排水盖周边垃圾的视觉识别方法、电子设备及存储介质 |
CN114022756B (zh) * | 2021-09-24 | 2024-06-25 | 惠州学院 | 排水盖周边垃圾的视觉识别方法、电子设备及存储介质 |
WO2023045602A1 (zh) * | 2021-09-27 | 2023-03-30 | 杭州海康威视***技术有限公司 | 一种图像识别方法及电子设备 |
CN114756053A (zh) * | 2022-03-30 | 2022-07-15 | 中科融信科技有限公司 | 一种基于无人机的警务巡检方法、***及存储介质 |
CN114756053B (zh) * | 2022-03-30 | 2022-10-04 | 中科融信科技有限公司 | 一种基于无人机的警务巡检方法、***及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Asphalt pavement pothole detection and segmentation based on wavelet energy field | |
CN110852236A (zh) | 目标事件的确定方法及装置、存储介质、电子装置 | |
CN106373426B (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
US9365217B2 (en) | Mobile pothole detection system and method | |
Ryu et al. | Image‐Based Pothole Detection System for ITS Service and Road Management System | |
Rasheed et al. | Automated number plate recognition using hough lines and template matching | |
Zheng et al. | A novel vehicle detection method with high resolution highway aerial image | |
Hadjidemetriou et al. | Vision-and entropy-based detection of distressed areas for integrated pavement condition assessment | |
US20140369566A1 (en) | Perimeter Image Capture and Recognition System | |
US20120155712A1 (en) | Method for automatic license plate recognition using adaptive feature set | |
CN104766086A (zh) | 一种公路标识的监管方法和*** | |
CN109377694B (zh) | 社区车辆的监控方法及*** | |
CN105448103A (zh) | 车辆套牌检测方法与*** | |
CN111191570A (zh) | 图像识别方法和装置 | |
Shobayo et al. | Development of smart plate number recognition system for fast cars with web application | |
CN102867417A (zh) | 一种出租车防伪***及方法 | |
CN112307989B (zh) | 路面物体识别方法、装置、计算机设备和存储介质 | |
CN110659546A (zh) | 一种违法摊位检测方法及装置 | |
CN111753610A (zh) | 天气识别方法及装置 | |
Christodoulou et al. | Pavement patch defects detection and classification using smartphones, vibration signals and video images | |
Kaushik et al. | Pothole detection system: A review of different methods used for detection | |
Ryu et al. | Feature-based pothole detection in two-dimensional images | |
KR102222109B1 (ko) | 불법 주정차 단속 이미지 통합 관리 시스템 | |
Chowdhury et al. | An adaptive technique for computer vision based vehicles license plate detection system | |
Pinthong et al. | The License Plate Recognition system for tracking stolen vehicles |
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 |
Application publication date: 20200228 |
|
RJ01 | Rejection of invention patent application after publication |