CN110991255A - 一种基于深度学习算法的检测***的方法 - Google Patents

一种基于深度学习算法的检测***的方法 Download PDF

Info

Publication number
CN110991255A
CN110991255A CN201911092643.2A CN201911092643A CN110991255A CN 110991255 A CN110991255 A CN 110991255A CN 201911092643 A CN201911092643 A CN 201911092643A CN 110991255 A CN110991255 A CN 110991255A
Authority
CN
China
Prior art keywords
vehicle
license plate
information
tail
head
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
Application number
CN201911092643.2A
Other languages
English (en)
Other versions
CN110991255B (zh
Inventor
闫军
刘健
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.)
Intelligent Interconnection Technologies Co ltd
Original Assignee
Intelligent Interconnection Technologies 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 Intelligent Interconnection Technologies Co ltd filed Critical Intelligent Interconnection Technologies Co ltd
Priority to CN201911092643.2A priority Critical patent/CN110991255B/zh
Publication of CN110991255A publication Critical patent/CN110991255A/zh
Application granted granted Critical
Publication of CN110991255B publication Critical patent/CN110991255B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • 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
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
    • 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
    • G06V20/625—License plates
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种基于深度学习算法的检测***的方法，选取任意车辆特写图，检测并识别特写图中所有车牌信息；检测特写图中所有车头车尾坐标信息，并将该车头车尾信息与车牌号信息关联绑定；检测每个车牌对应车头车尾区域的车型名称；将车牌信息及绑定的车型信息存入数据库，若数据库中已存在该车信息，判断二者车型是否一致，不一致则视为疑似***；继续选取车辆特写图重复以上操作。本方法从高位视频中选取车辆特写图像进行业务处理，结合深度学习算法捕获***，对保障公民权利以及打击违法犯罪活动具体实际意义。

Description

一种基于深度学习算法的检测***的方法
技术领域
本发明涉及本发明涉及计算机视觉，机器学习领域，特别涉及一种基于深度学习算法的检测***的方法。
背景技术
随着社会经济的不断发展，人民生活水平逐渐提高，我国机动车保有量逐年增加，车辆套牌违法行为呈多发态势，个别车主故意套用其他车牌号码从事违法行为，严重干扰了良好的道路交通秩序，扰乱了公安机关对公共安全的管控，扰乱了正常的市场经济秩序，同时也损害了真正车主的合法权益。我国交通法规定，不允许***辆的流动，但受利益驱使，***问题依然存在，整治***问题形势严峻。
虽然人工巡检，群众举报等可以发现部分***，但传统方法耗时耗力，效率不高，运用科学技术来降低***问题是关键，随着深度学习在图像目标检测与识别领域的发展，用算法处理海量数据，为抓取套牌行为提供了新的思路与解决办法。
发明内容
本发明的目的是提供一种检测***的方法，可通过多种深度学习算法提高***检测的准确率。
为实现上述目的，本发明提供一种基于深度学习算法的检测***的方法，所述方法包括：
选取并识别车辆特写图，获取车辆特写图中所有车牌信息；
遍历所有车牌信息，获取所有车牌对应的车头车尾信息；
绑定车牌信息和车头车尾信息，识别所有车辆的车型；
判断所有车辆信息是否存在数据库中，若存在，则进行车型比对，若车型信息与数据库车型不符，则判定所述车辆为疑似***。
进一步的，若所述车辆信息不存在数据库中，则将车牌信息以及与该车牌绑定的车头车尾信息录入数据库。
进一步的，选取并识别车辆特写图，获取车辆特写图中所有车牌信息包括：
选取车辆特写图，通过调用车牌检测识别算法，获取车辆特写图中所有车牌位置的顶点坐标，车牌颜色、车牌号码以及车牌置信度。
进一步的，若车牌置信度高于设定阈值，保留相应的车牌信息；
若车牌置信度低于设定阈值，舍弃相应的车牌信息。
进一步的，若车牌置信度高于设定阈值，对车辆特写图进行校正，获取矫正后的车头车尾信息。
进一步的，对车辆特写图进行校正具体包括：根据每张车牌的四个顶点坐标，旋转车辆特写图；
调用车头车尾检测算法，获取车辆特写图中所有车辆车头车尾区域矩形框以及车头车尾信息的置信度；
若车头车尾信息的置信度高于设定阈值，保留车头车尾信息；
若车头车尾信息的置信度低于设定阈值，则舍弃车头车尾信息。
进一步的，所述方法还包括：比较车头车尾信息与所述车牌信息，认定所述车头车尾信息与所述车牌信息是否为同一辆车，
若为同一辆车，绑定该车牌信息以及车头车尾信息，形成一组车辆信息，所述车辆信息包括车牌号、车牌颜色以及该车牌对应的车头车尾矩形框坐标。
进一步的，比较车头车尾信息与所述车牌信息，认定所述车头车尾信息与所述车牌信息是否为同一辆车具体包括，
比较每个车头车尾的矩形框与车牌四个顶点的位置关系，若所述车牌的四个顶点位置全部位于车头车尾矩形框内，选取车牌中心点以及车头车尾矩形框中心点，认定所述车牌与该车头车尾属于同一辆车；
若所述车牌顶点全部位于多个车头或者车尾矩形框内，认定车牌中心点与车头车尾中心点距离最近的一辆车为同一辆车；
若所述车牌的四个顶点不在任何一个车头车尾的矩形框内，舍弃该车牌信息。
进一步的，若确认为同一辆车，则确认一组车辆信息之后还包括，
遍历所述车辆信息，调用车型识别算法，识别每个车牌对应车头车尾内车型的名称；
根据车牌号及车牌颜色，判断该车辆是否在数据库中存在，
若存在，进行车型比对判断***，
若不存在，录入车辆信息到数据库，所述车辆信息包括车牌号、车辆颜色及车型名称。
进一步的，进行车型比对判断***具体包括，若数据库中已经存在历史车辆记录，则确认所述车型与数据库中历史车型是否一致，若不一致，认定该车辆为***。
本发明提供的基于深度学习算法的检测***方法，本方法从高位视频中选取车辆特写图像进行业务处理，基于车牌检测识别算法、车头车尾检测以及车型识别等深度学习算法，识别车辆特写图中所有车辆的信息，包括车牌位置、车牌号码、车牌颜色以及车头车尾位置以及车型名称，进一步判定所属车辆是否为***，为城市交通管理提供保障，也为保障公民权利以及打击违法犯罪活动具体实际意义。
附图说明
图1是本发明一种基于深度学习算法的检测***的方法的流程示意图；
图2是本发明一种基于深度学习算法的检测***的方法的流程示意图；
图3是本发明一种基于深度学习算法的检测***的方法的车头车尾校正图；
图4是本发明一种基于深度学习算法的检测***的方法中根据校正图获得车头车尾区域示意图。
具体实施方式
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
本发明公开的基于深度学习算法的检测***方法，
具体地，如图1和图2所示，本发明公开一种基于深度学习算法的检测***的方法，具体包括：
101、选取车辆特写图，检测并识别该特写图，识别出该车辆特写图中所有车牌信息；
具体的，选取任一车辆特写图Pa，该车辆特写图中可能会存在多辆车的车牌信息，通过调用车牌检测识别算法获取车辆特写图中所有车牌位置的顶点坐标、车牌的颜色、车牌号码以及车牌的置信度，并形成多条车牌记录，
若车牌置信度低于设定的阈值，则舍弃该车牌信息；
若车牌置信度高于设定的阈值，则保留该车牌信息。
102、遍历识别到的所有车牌信息，识别出所有车牌对应的车头车尾的信息；
在步骤101之后，保留下来的均为置信度高的车牌信息，对车辆特写图进行校正，获取校正后的车头车尾信息，具体校正方法如下：
如图3和图4所示，根据获取到的每张车牌的四个顶点坐标，旋转车辆特写图，使车牌处于水平角度，便于识别车头车尾区域，之后调用车头车尾检测算法，获取车辆特写图中所有车辆车头车尾区域矩形框以及车头车尾信息的置信度；
若车头车尾信息的置信度高于设定阈值，保留车头车尾信息；
若车头车尾信息的置信度低于设定阈值，则舍弃车头车尾信息。
103、绑定所有车牌以及车牌对应的车头和车位信息，识别出所有车辆的车型；
具体的，根据车牌的四个顶点坐标以及车头车尾矩形框坐标进行判定，当车牌四个顶点的坐标完全处在车头矩形框内部并且车牌中心点距离车头车尾中心点距离最近，认定该车牌与该车头车尾同属于一辆车，保存这辆车的车牌号码，车牌颜色，车头车尾矩形框坐标，形成车辆记录。
再通过调用车型检测算法，依次检测出每辆车对应的车型名称，车型置信度，如果车型置信度较低，舍弃该车辆记录，保留车型置信度高的车辆记录。
104、判断上述车辆信息是否存在数据库中，若存在数据库中，则进行车型对比，若该车型信息与数据库中已有车型不符，则判定所述车辆为疑似***。
具体的，遍历上述车辆信息，根据车牌号码以及车牌颜色查询数据库中是否对应存在车辆记录，若该车牌号码车辆颜色记录均存在数据库中，则将该车牌对应的车型与数据库中已有的车型进行比对，若车型比对不一致，则认为该辆车为疑似***。
若该该车牌号码车辆颜色记录不在数据库中，则将该车辆记录补入数据库中，供该车辆下次车型比对，同时丰富了原始数据库。
本发明中，预先建立的数据库可包括：多种车型数据库，每一车型数据库包括：该车型的多个样例图像的集合；所述车型的样例图像包括：不同光照条件下的车辆图像、不同拍摄角度的车辆图像和不同场景的车辆图像，以确保车型信息的完整性。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于深度学习算法的检测***的方法，其特征在于，所述方法包括：
选取并识别车辆特写图，获取车辆特写图中所有车牌信息；
遍历所有车牌信息，获取所有车牌对应的车头车尾信息；
绑定车牌信息和车头车尾信息，识别车辆的车型；
判断车辆信息是否存在数据库中，若存在，则进行车型比对，若车型信息与数据库车型不符，则判定所述车辆为疑似***。
2.根据权利要求1所述的基于深度学习算法的检测***的方法，其特征在于，若所述车辆信息不存在数据库中，则将车牌信息以及与该车牌绑定的车头车尾信息及车型信息录入数据库。
3.根据权利要求2所述的基于深度学习算法的检测***的方法，其特征在于，
选取并识别车辆特写图，获取车辆特写图中所有车牌信息包括：
通过调用车牌检测识别算法，获取车辆特写图中所有车牌位置的顶点坐标，车牌颜色、车牌号码以及车牌置信度，
若车牌置信度高于设定阈值，保留相应的车牌信息；
若车牌置信度低于设定阈值，舍弃相应的车牌信息。
4.根据权利要求3所述的基于深度学习算法的检测***的方法，其特征在于，
若车牌置信度高于设定阈值，对车辆特写图进行校正，获取矫正后的车头车尾信息。
5.根据权利要求4所述的基于深度学***位置；
调用车头车尾检测算法，获取车辆特写图中所有车辆车头车尾区域矩形框以及车头车尾信息的置信度；
若车头车尾信息的置信度高于设定阈值，保留车头车尾信息；
若车头车尾信息的置信度低于设定阈值，则舍弃车头车尾信息。
6.根据权利要求5所述的基于深度学习算法的检测***的方法，其特征在于，所述方法还包括：比较车头车尾信息与所述车牌信息，认定所述车头车尾信息与所述车牌信息是否为同一辆车，
若为同一辆车，绑定该车牌信息以及车头车尾信息，形成一组车辆信息，所述车辆信息包括车牌号、车牌颜色以及该车牌对应的车头车尾矩形框坐标。
7.根据权利要求6所述的基于深度学习算法的检测***的方法，其特征在于，比较车头车尾信息与所述车牌信息，认定所述车头车尾信息与所述车牌信息是否为同一辆车具体包括，
比较每个车头车尾的矩形框与车牌四个顶点的位置关系，若所述车牌的四个顶点位置全部位于车头车尾矩形框内，认定所述车牌与该车头车尾属于同一辆车；
若所述车牌顶点全部位于多个车头或者车尾矩形框内，
选取车牌中心点以及车头车尾矩形框中心点，认定车牌中心点与车头车尾中心点距离最近的一辆车为同一辆车；
若所述车牌的四个顶点不在任何一个车头车尾的矩形框内，舍弃该车牌信息。
8.根据权利要求7所述的基于深度学习算法的检测***的方法，其特征在于，
若确认为同一辆车，绑定该车牌信息以及车头车尾信息，形成一组车辆信息之后还包括，
遍历所述车辆信息，调用车型识别算法，识别每个车牌对应车头车尾内车型的名称；
根据车牌号及车牌颜色，判断该车辆是否在数据库中存在，
若存在，进行车型比对判断***，
若不存在，录入车辆信息到数据库，所述车辆信息包括车牌号、车辆颜色及车型名称。
9.根据权利要求8所述的基于深度学习算法的检测***的方法，其特征在于，
进行车型比对判断***，具体包括，若数据库中已经存在历史车辆记录，则确认所述车型与数据库中历史车型是否一致，若不一致，认定该车辆为***。
CN201911092643.2A 2019-11-11 2019-11-11 一种基于深度学习算法的检测***的方法 Active CN110991255B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911092643.2A CN110991255B (zh) 2019-11-11 2019-11-11 一种基于深度学习算法的检测***的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911092643.2A CN110991255B (zh) 2019-11-11 2019-11-11 一种基于深度学习算法的检测***的方法

Publications (2)

Publication Number Publication Date
CN110991255A true CN110991255A (zh) 2020-04-10
CN110991255B CN110991255B (zh) 2023-09-08

Family

ID=70083708

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911092643.2A Active CN110991255B (zh) 2019-11-11 2019-11-11 一种基于深度学习算法的检测***的方法

Country Status (1)

Country Link
CN (1) CN110991255B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111932903A (zh) * 2020-09-02 2020-11-13 智慧互通科技有限公司 一种基于多相机的停车场出入口管理方法及***
CN112885108A (zh) * 2020-12-23 2021-06-01 爱泊车美好科技有限公司 一种基于深度学习算法的停车位上车辆换车检测方法及***

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101261771A (zh) * 2008-03-14 2008-09-10 康华武 一种道路车辆身份的自动稽查方法
CN101540105A (zh) * 2009-04-15 2009-09-23 四川川大智胜软件股份有限公司 一种基于车辆牌照识别和网格化监控的***检测方法
CN101635092A (zh) * 2009-05-22 2010-01-27 上海宝康电子控制工程有限公司 一种套牌机动车识别***以及方法
CN102521986A (zh) * 2011-12-05 2012-06-27 沈阳聚德视频技术有限公司 一种***辆自动检测***及其控制方法
CN103246876A (zh) * 2013-05-10 2013-08-14 苏州祥益网络科技有限公司 基于图像特征比对的车辆套牌识别方法
CN103279739A (zh) * 2013-05-10 2013-09-04 浙江捷尚视觉科技有限公司 一种基于车辆特征匹配的套牌检测方法
CN103294775A (zh) * 2013-05-10 2013-09-11 苏州祥益网络科技有限公司 基于地理时空约束的警务云图像识别车辆管控***
CN103488973A (zh) * 2013-09-12 2014-01-01 上海依图网络科技有限公司 基于图像的车辆品牌识别方法和***
CN103617735A (zh) * 2013-12-20 2014-03-05 深圳市捷顺科技实业股份有限公司 一种车辆识别方法及***
CN106128113A (zh) * 2016-08-01 2016-11-16 深圳市永兴元科技有限公司 ***辆的识别方法及装置
CN106599905A (zh) * 2016-11-25 2017-04-26 杭州中奥科技有限公司 一种基于深度学习的***分析方法
CN106650550A (zh) * 2015-10-28 2017-05-10 中通服公众信息产业股份有限公司 一种融合车标与车头图像特征的车辆型号识别方法及***
CN106778648A (zh) * 2016-12-26 2017-05-31 江苏盛世华安智能科技股份有限公司 车辆轨迹跟踪及车牌识别***和识别方法
CN107273792A (zh) * 2017-04-27 2017-10-20 北京果毅科技有限公司 车型识别方法及装置
CN107346435A (zh) * 2017-06-15 2017-11-14 浙江捷尚视觉科技股份有限公司 一种基于车辆特征库的嫌疑***捕获方法
CN108681707A (zh) * 2018-05-15 2018-10-19 桂林电子科技大学 基于全局和局部特征融合的大角度车型识别方法和***
CN108694399A (zh) * 2017-04-07 2018-10-23 杭州海康威视数字技术股份有限公司 车牌识别方法、装置及***

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101261771A (zh) * 2008-03-14 2008-09-10 康华武 一种道路车辆身份的自动稽查方法
CN101540105A (zh) * 2009-04-15 2009-09-23 四川川大智胜软件股份有限公司 一种基于车辆牌照识别和网格化监控的***检测方法
CN101635092A (zh) * 2009-05-22 2010-01-27 上海宝康电子控制工程有限公司 一种套牌机动车识别***以及方法
CN102521986A (zh) * 2011-12-05 2012-06-27 沈阳聚德视频技术有限公司 一种***辆自动检测***及其控制方法
CN103246876A (zh) * 2013-05-10 2013-08-14 苏州祥益网络科技有限公司 基于图像特征比对的车辆套牌识别方法
CN103279739A (zh) * 2013-05-10 2013-09-04 浙江捷尚视觉科技有限公司 一种基于车辆特征匹配的套牌检测方法
CN103294775A (zh) * 2013-05-10 2013-09-11 苏州祥益网络科技有限公司 基于地理时空约束的警务云图像识别车辆管控***
CN103488973A (zh) * 2013-09-12 2014-01-01 上海依图网络科技有限公司 基于图像的车辆品牌识别方法和***
CN103617735A (zh) * 2013-12-20 2014-03-05 深圳市捷顺科技实业股份有限公司 一种车辆识别方法及***
CN106650550A (zh) * 2015-10-28 2017-05-10 中通服公众信息产业股份有限公司 一种融合车标与车头图像特征的车辆型号识别方法及***
CN106128113A (zh) * 2016-08-01 2016-11-16 深圳市永兴元科技有限公司 ***辆的识别方法及装置
CN106599905A (zh) * 2016-11-25 2017-04-26 杭州中奥科技有限公司 一种基于深度学习的***分析方法
CN106778648A (zh) * 2016-12-26 2017-05-31 江苏盛世华安智能科技股份有限公司 车辆轨迹跟踪及车牌识别***和识别方法
CN108694399A (zh) * 2017-04-07 2018-10-23 杭州海康威视数字技术股份有限公司 车牌识别方法、装置及***
CN107273792A (zh) * 2017-04-27 2017-10-20 北京果毅科技有限公司 车型识别方法及装置
CN107346435A (zh) * 2017-06-15 2017-11-14 浙江捷尚视觉科技股份有限公司 一种基于车辆特征库的嫌疑***捕获方法
CN108681707A (zh) * 2018-05-15 2018-10-19 桂林电子科技大学 基于全局和局部特征融合的大角度车型识别方法和***

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111932903A (zh) * 2020-09-02 2020-11-13 智慧互通科技有限公司 一种基于多相机的停车场出入口管理方法及***
CN112885108A (zh) * 2020-12-23 2021-06-01 爱泊车美好科技有限公司 一种基于深度学习算法的停车位上车辆换车检测方法及***
CN112885108B (zh) * 2020-12-23 2022-02-01 爱泊车美好科技有限公司 一种基于深度学习算法的停车位上车辆换车检测方法及***

Also Published As

Publication number Publication date
CN110991255B (zh) 2023-09-08

Similar Documents

Publication Publication Date Title
CN109886896B (zh) 一种蓝色车牌分割与矫正方法
WO2019105342A1 (zh) 车辆套牌检测方法、装置、可读存储介质及电子设备
CN106600977B (zh) 基于多特征识别的违停检测方法及***
CN103991449B (zh) 一种车辆行进控制方法及***
CN105512660B (zh) 车牌号码识别方法及装置
CN105320923B (zh) 车型识别方法及装置
CN109740424A (zh) 交通违规识别方法及相关产品
CN107221167B (zh) 一种前后抓拍识别黑烟车车牌的***及其方法
CN109523790B (zh) 一种基于车牌相似度的车牌纠错方法
CN111739335B (zh) 一种基于视觉差的停车检测方法及装置
CN110689724B (zh) 一种基于深度学习的机动车斑马线礼让行人自动审核方法
CN109489724A (zh) 一种隧道列车安全运行环境综合检测装置及检测方法
CN112509325B (zh) 一种基于视频深度学习的非现场违法自动甄别方法
CN111369801B (zh) 车辆识别方法、装置、设备和存储介质
Pinthong et al. License plate tracking based on template matching technique
CN110991255B (zh) 一种基于深度学习算法的检测***的方法
CN112115939B (zh) 车辆车牌的识别方法、装置
CN113205691A (zh) 一种识别车辆位置的方法及装置
CN113128507A (zh) 一种车牌识别方法、装置、电子设备及存储介质
CN107506753B (zh) 一种面向动态视频监控的多车辆跟踪方法
CN111723656A (zh) 一种基于YOLO v3与自优化的烟雾检测方法及装置
CN103391441A (zh) 一种基于差异能量的监控视频对象删除篡改检测算法
CN108875641A (zh) 高速公路长期并排行驶识别方法及***
CN108985197B (zh) 基于多算法融合的出租车驾驶员吸烟行为的自动检测方法
CN111126286A (zh) 车辆动态检测方法、装置、计算机设备及存储介质

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 075000 ten building, phase 1, airport economic and Technological Development Zone, Zhangjiakou, Hebei

Applicant after: Smart intercommunication Technology Co.,Ltd.

Address before: 075000 ten building, phase 1, airport economic and Technological Development Zone, Zhangjiakou, Hebei

Applicant before: INTELLIGENT INTER CONNECTION TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant