CN112396040A - 一种车辆占道识别方法及装置 - Google Patents
一种车辆占道识别方法及装置 Download PDFInfo
- Publication number
- CN112396040A CN112396040A CN202110065613.3A CN202110065613A CN112396040A CN 112396040 A CN112396040 A CN 112396040A CN 202110065613 A CN202110065613 A CN 202110065613A CN 112396040 A CN112396040 A CN 112396040A
- Authority
- CN
- China
- Prior art keywords
- image
- vehicle
- fire fighting
- feature
- visualization system
- 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
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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆占道识别方法及装置,主要解决现有技术中存在的现有图像识别***无法识别画面内车辆占比很小的车和道路,无法识别消防通道及无法统计车辆在某个位置停留时间的问题。本发明通过图像识别技术有三维可视化***绑定动态识别车辆占用消防通道,为小区、社区、街道治理提供快速实时的占道报警服务,规范管理标准、及时通知管理人员对消防隐患进行处理。
Description
技术领域
本发明涉及图像可视化领域,具体地说,是涉及一种车辆占道识别方法及装置。
背景技术
随着城市治理和数据化发展,城市大脑将逐步替代传统的城市治理,深入到社会的治理、数据分析、突发事件解决、未来发展规划等各个方面;随着三维可视化的发展,三维数字城市在效果上会达到非常理想的程度,数字城市将由效果的提升逐步转换为如何更好的为社会治理提供服务,准确无误的数据来源将逐步受到管理者们的关注。
数据图像将逐步转化为城市可视化的眼睛,将城市信息传输给中央***;中央***在接受到图像后如何对图像信息进行整理、分析,并应用到城市治理中将是一项备受关注的事情;尤其是现在城市内车辆很多,停车不规范的行为,大大影响了城市形象,阻碍了紧急事件救援。
现有图像识别***中没有专门的占道识别***,现有的车辆识别***,多数是图像分类***,可以识别车辆和道路,但不能精细化处理所有的问题;现有的***中如果车辆在图像中的占比很小该车辆将无法被识别,道路在图像占比小的时候同样也不能被识别;消防通道在画面中更难被识别,同时现有的***无法统计车辆在某个位置停留时间;现有的图像识别***只能抓取一张图片提供给管理者,管理者查找问题要根据提供的摄像头编号到摄像头附近去查找,很不方便。
发明内容
本发明的目的在于提供一种车辆占道识别方法及装置,以解决现有图像识别***无法识别画面内车辆占比很小的车和道路,无法识别消防通道及无法统计车辆在某个位置停留时间的问题。
为了解决上述问题,本发明提供如下技术方案:
一种车辆占道识别方法包括以下步骤:
S1、提取图像的形状特征、颜色特征、文字特征、图案特征;
S2、步骤S1中的形状特征、颜色特征、文字特征、图案特征,通过三维可视化***进行图像识别,在三维可视化***中标记出消防通道;
S3、将步骤S2中三维可视化***的消防通道与实地摄像头拍摄的消防通道对应关联;
S4、判断步骤S3中三维可视化***的消防通道是否有车进入,是则统计该车停留时间,否则不做任何操作。
上述方案将图像识别技术和三维可视化***绑定动态识别车辆占用消防通道,为小区、社区、街道治理提供快速实时的占道报警服务,规范管理标准;可在不需要24小时人员检查的情况下快速发现问题,快速定位问题的所在位置,尤其是有哪些消防通道,消防通道被占用的情况,如有车辆占用或其它物体占用;可将三维可视化***与车辆管理***联通,将占到车辆信息登记到车辆管理***中。
进一步的,步骤S1中提取图像的形状特征、颜色特征、文字特征、图案特征之前需对图像进行处理,处理过程如下:
S001、通过设备对道路和消防通道进行图像采集;
S002、对步骤S001中采集的图像进行去雾,增强对比度、无损放大、拉伸恢复的增强处理;
S003、对步骤S002处理后的图像进行压缩编码;
S004、将步骤S003压缩编码后的图像进行道路分割、车辆分割、消防通道分割、背景分割后形成待特征提取的图像。
进一步的,步骤S1中通过SURF特征提取算法提取步骤S004中待提取图像生成特征点描述子。
进一步的,步骤S2中图像识别的具体过程为:计算两个特征点描述子间的欧式距离是否在设定的阈值内,是则识别出,否则排除。
进一步的,步骤S4中统计该车停留时间之后,判断停留时间是否超过预设时间,是则在三维可视化***中报警,否则不做任何操作。
进一步的,三维可视化***将报警事件、时间、地点通过APP及短信推送发送至管理人员。
一种车辆占道识别装置包括存储器:用于存储可执行指令;处理器:用于执行所述存储器中存储的可执行指令,实现一种车辆占道识别方法。
与现有技术相比,本发明具有以下有益效果:
(1)本发明可在不需要24小时人员检查的情况下快速发现问题,快速定位问题的所在位置,远程提醒该区域的管理者关注该问题,尤其是哪些消防通道等位置被车辆或其它物体占用,***会提供相应的警告提示,并识别记录车牌信息登记到车辆管理***中。
(2)本发明通过图像识别技术有三维可视化***绑定动态识别车辆占用消防通道,为小区、社区、街道治理提供快速实时的占道报警服务,规范管理标准、及时通知管理人员对消防隐患进行处理。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,其中:
图1为实施例1的流程框图。
图2为实施例2的流程框图。
图3为实施例3的流程框图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合图1至图3对本发明作进一步地详细描述,所描述的实施例不应视为对本发明的限制,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例1
如图1所示,一种车辆占道识别方法包括如下步骤:
1、图像处理:其主要目的是去除干扰和噪声,将原始图像编程使其适于计算机进行特征提取的形式,主要包括图像采集、图像增强、图像复原、图像压缩编码和图像分割;具体步骤如下:
1)图像采集:图像采集数字图像数据提取的主要方式;数字图像是借助于数字摄像机、扫描仪、数码相机等设备经过采样数字化得到的图像,也包括一些动态图像,并可以将其转为数字图像;本实施例中主要对道路和消防通道进行图形采集,并对特定型号的车辆进行采集用于对现有的车辆特征库进行补充;
2)、图像增强:因图像在成像、采集、传输、复制等过程中图像的质量或多或少会造成一定的退化,数字化后的图像视觉效果较差;为了突出图像中需要的部分,使图像的主体结构更加明确,必须对图像进行改善,即图像增强;本实施例中主要对图像做了去雾,增强对比度、无损放大、拉伸恢复等处理;
3)、图像复原:也称图像恢复由于在获取图像时环境噪声的影响、运动造成的图像模糊、光线的强弱等原因使得图像模糊,为了提取比较清晰的图像需要对图像进行恢复,图像恢复主要采用滤波方法,从降质的图像恢复原始图;图像复原的另一种特殊技术是图像重建,是从物体横剖面的一组投影数据建立图像;本实施例采用滤波的方式。
4)、图像压缩编码:数字图像的显著特点是数据量庞大,需要占用相当大的存储空间;但基于计算机的网络带宽和的大容量存储器无法进行数据图像的处理、存储、传输;为了能快速方便地在网络环境下传输图像或视频,那么必须对图像进行编码和压缩。目前,图像压缩编码已形成国际标准,如比较著名的静态图像压缩标准JPEG,该标准主要针对图像的分辨率、彩色图像和灰度图像,适用于网络传输的数码相片、彩色照片等方面。图像编码压缩技术可以减少图像的冗余数据量和存储器容量、提高图像传输速度、缩短处理时间;采用现有方式进行图像压缩编码,过程在此不做累述。
5)、图像分割技术:其是把图像分成一些互不重叠而又具有各自特征的子区域,每一区域是像素的一个连续集,这里的特性可以是图像的颜色、形状、灰度和纹理等;图像分割根据目标与背景的先验知识将图像表示为物理上有意义的连通区域的集合,即对图像中的目标、背景进行标记、定位,然后把目标从背景中分离出来;本实施例中将图像进行道路分割、车辆分割、消防通道分割、背景分割等;
2、特征提取:其分为形状特征、颜色特征、文字特征、图案特征;形状特征主要是图像经过边缘提取和图像分割等操作,就会得到边缘和区域,也就获得了目标的形状,任何物体的形状特征均可有其几何属性(如长度、面积、距离、凹凸等)统计属性(如投影)和拓扑结构(如连通、欧拉)来进行描述;该实施例使用了SURF特征提取算法,其原理如下:
1)、SURF特征检测的步骤尺度空间的极值检测:搜索所有尺度空间上的图像,通过Hessian来识别潜在的对尺度和选择不变的兴趣点;对特征点过滤并进行精确定位;该步用下一步构建矩阵。
特征方向赋值:统计特征点圆形邻域内的Haar小波特征。即在60度扇形内,每次将60度扇形区域旋转0.2弧度进行统计,将值最大的那个扇形的方向作为该特征点的主方向。
特征点描述:沿着特征点主方向周围的邻域内,取4×44×4个矩形小区域,统计每个小区域的Haar特征,然后每个区域得到一个4维的特征向量,一个特征点共有64维的特征向量作为SURF特征的描述子。
2)、构建黑塞矩阵Hessian
构建Hessian矩阵的目的是为了生成图像稳定的边缘点或突变点,跟Canny、拉普拉斯边缘检测的作用类似,为特征提取做准备;构建Hessian矩阵的过程对应着SIFT算法中的DoG过程,黑塞矩阵是由一个多元函数的二阶偏导数构成的方阵,描述了函数的局部曲率,对于一个图像I(x,y),在构建Hessian矩阵前需要对图像进行高斯滤波;该步用于求导增加图像特征值。
3)、构造高斯金字塔
相比于sift算法的高斯金字塔构造过程,sift算法速度有所提高。在sift算法中,每一组(octave)的图像大小是不一样的,下一组是上一组图像的降采样(1/4大小);在每一组里面的几幅图像中,他们的大小是一样的,不同的是他们采用的尺度σ不同。而且在模糊的过程中,他们的高斯模板大小总是不变的,只是尺度σ改变。对于surf算法,图像的大小总是不变的,改变的只是高斯模糊模板的尺寸,当然,尺度σ也是在改变的。
4)、确定特征点主方向
为了保证旋转不变性,在SURF中,不统计其梯度直方图,而是统计特征点领域内的Haar小波特征,即以特征点为中心,计算半径为6s(S为特征点所在的尺度值)的邻域内,统计60度扇形内所有点在x(水平)和y(垂直)方向的Haar小波响应总和(Haar小波边长取4s),并给这些响应值赋高斯权重系数,使得靠近特征点的响应贡献大,而远离特征点的响应贡献小,然后60度范围内的响应相加以形成新的矢量,遍历整个圆形区域,选择最长矢量的方向为该特征点的主方向。这样,通过特征点逐个进行计算,得到每一个特征点的主方向,用于下一步进行特征对比和生成特征描述。
5)、 生成特征点描述子
在Sift中,是取特征点周围44个区域块,统计每小块内8个梯度方向,用着448=128维向量作为Sift特征的描述子。 Surf算法中,也是在特征点周围取一个44的矩形区域块,但是所取得矩形区域方向是沿着特征点的主方向。每个子区域统计25个像素的水平方向和垂直方向的haar小波特征,这里的水平和垂直方向都是相对主方向而言的。该haar小波特征为水平方向值之后、垂直方向值之后、水平方向绝对值之后以及垂直方向绝对值之和4个方向。
3、图像识别:计算两个特征点描述子间的欧式距离是否在设定的阈值内,是则识别出,否则排除。
4、点位标记:图像在三维可视化***中完成图像识别,在三维可视化***中标记出消防通道,将每个实地摄像头识别的消防通道与三维可视化***中的消防通道关联起来,这样在有车辆停在相应的消防通道时就可将在相应的可视化***中提示出来能够快速定位占道所发生的位置。
5、时间统计:在车进入消防通道后被三维可视化***识别时,三维可视化***会在后台统计车辆在该消防通道停留的时间,如果时间超过允许的时间段,三维可视化***会在可视化***中进行报警提示。
实施例2
如图2所示,本实施例与实施例1的不同之处在于,图像为直接可用于特征提取的图像,不需要进行图像处理,仅包括实施例1中的步骤2至步骤5。
实施例3
如图3所示,本实施例与实施例1的不同之处在于,图像可直接用于图像识别的图像,不需要图像处理及特征提取,仅包括实施例1中的步骤3至步骤5。
实施例4
如图1所示,本实施例在实施例1的基础上更进一步的,人员绑定:三维可视化***会与管理人员***进行连通,在检测到报警后会第一时间给管理人员管理app上推送报警消息,会将报警事件、时间、地点发送给管理人员,同时使用短信推送的功能发送该消息。
实施例5
本实施例在实施例1的基础上更进一步的,一种车辆占道识别装置包括存储器:用于存储可执行指令;处理器:用于执行所述存储器中存储的可执行指令,实现一种车辆占道识别方法。
本发明通过图像识别技术有三维可视化***绑定动态识别车辆占用消防通道,为小区、社区、街道治理提供快速实时的占道报警服务,规范管理标准、及时通知管理人员对消防隐患进行处理。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案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中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (7)
1.一种车辆占道识别方法,其特征在于,包括以下步骤:
S1、提取图像的形状特征、颜色特征、文字特征、图案特征;
S2、步骤S1中的形状特征、颜色特征、文字特征、图案特征,通过三维可视化***进行图像识别,在三维可视化***中标记出消防通道;
S3、将步骤S2中三维可视化***的消防通道与实地摄像头拍摄的消防通道对应关联;
S4、判断步骤S3中三维可视化***的消防通道是否有车进入,是则统计该车停留时间,否则不做任何操作。
2.根据权利要求1所述的一种车辆占道识别方法,其特征在于,步骤S1中提取图像的形状特征、颜色特征、文字特征、图案特征之前需对图像进行处理,处理过程如下:
S001、通过设备对道路和消防通道进行图像采集;
S002、对步骤S001中采集的图像进行去雾,增强对比度、无损放大、拉伸恢复的增强处理;
S003、对步骤S002处理后的图像进行压缩编码;
S004、将步骤S003压缩编码后的图像进行道路分割、车辆分割、消防通道分割、背景分割后形成待特征提取的图像。
3.根据权利要求2所述的一种车辆占道识别方法,其特征在于,步骤S1中通过SURF特征提取算法提取步骤S004中待提取图像生成特征点描述子。
4.根据权利要求1所述的一种车辆占道识别方法,其特征在于,步骤S2中图像识别的具体过程为:计算两个特征点描述子间的欧式距离是否在设定的阈值内,是则识别出,否则排除。
5.根据权利要求1所述的一种车辆占道识别方法,其特征在于,步骤S4中统计该车停留时间之后,判断停留时间是否超过预设时间,是则在三维可视化***中报警,否则不做任何操作。
6.根据权利要求5所述的一种车辆占道识别方法,其特征在于,三维可视化***将报警事件、时间、地点通过APP及短信推送发送至管理人员。
7.一种车辆占道识别装置,其特征在于,包括
存储器:用于存储可执行指令;
处理器:用于执行所述存储器中存储的可执行指令,实现如权利要求1-6任一项所述的一种车辆占道识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110065613.3A CN112396040B (zh) | 2021-01-19 | 2021-01-19 | 一种车辆占道识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110065613.3A CN112396040B (zh) | 2021-01-19 | 2021-01-19 | 一种车辆占道识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112396040A true CN112396040A (zh) | 2021-02-23 |
CN112396040B CN112396040B (zh) | 2022-03-01 |
Family
ID=74625356
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110065613.3A Active CN112396040B (zh) | 2021-01-19 | 2021-01-19 | 一种车辆占道识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112396040B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060118636A1 (en) * | 2004-12-07 | 2006-06-08 | Planready, Inc. | System and method for coordinating movement of personnel |
CN103761699A (zh) * | 2014-01-15 | 2014-04-30 | 湖南嘉雄科技有限公司 | 一种嵌入式智能消防管理*** |
CN104240222A (zh) * | 2013-06-19 | 2014-12-24 | 贺江涛 | 一种消防通道堵塞的智能检测方法与装置 |
CN105163014A (zh) * | 2015-09-15 | 2015-12-16 | 上海图甲信息科技有限公司 | 道路监测装置及方法 |
CN105314122A (zh) * | 2015-12-01 | 2016-02-10 | 浙江宇视科技有限公司 | 一种用于应急指挥和占道取证的无人机 |
CN105702048A (zh) * | 2016-03-23 | 2016-06-22 | 武汉理工大学 | 基于行车记录仪的高速公路前车违法占道识别***及方法 |
CN106295636A (zh) * | 2016-07-21 | 2017-01-04 | 重庆大学 | 基于多特征融合级联分类器的消防通道车辆检测方法 |
CN106571027A (zh) * | 2015-10-09 | 2017-04-19 | 北京文安智能技术股份有限公司 | 一种密集车辆违章停放监测方法、装置及*** |
CN107274675A (zh) * | 2017-07-12 | 2017-10-20 | 济南浪潮高新科技投资发展有限公司 | 一种区域消防通道统一监测***及方法 |
CN108197526A (zh) * | 2017-11-23 | 2018-06-22 | 西安艾润物联网技术服务有限责任公司 | 检测方法、***及计算机可读存储介质 |
CN109241896A (zh) * | 2018-08-28 | 2019-01-18 | 腾讯科技(深圳)有限公司 | 一种通道安全检测方法、装置及电子设备 |
CN109657532A (zh) * | 2018-10-25 | 2019-04-19 | 安徽新浩信息科技有限公司 | 一种基于人工智能的消防通道阻塞图像识别方法 |
CN109685899A (zh) * | 2018-12-25 | 2019-04-26 | 成都四方伟业软件股份有限公司 | 三维可视化标注管理***、方法和计算机存储介质 |
CN110659606A (zh) * | 2019-09-23 | 2020-01-07 | 重庆商勤科技有限公司 | 消防通道占用识别方法、装置、计算机设备及存储介质 |
CN110766915A (zh) * | 2019-09-19 | 2020-02-07 | 重庆特斯联智慧科技股份有限公司 | 一种用于识别消防通道状态的报警方法及*** |
CN111444845A (zh) * | 2020-03-26 | 2020-07-24 | 江苏集萃华科智能装备科技有限公司 | 一种非机动车辆违停识别方法、装置及*** |
CN112001963A (zh) * | 2020-07-31 | 2020-11-27 | 浙江大华技术股份有限公司 | 消防通道的排查的方法、***和计算机设备 |
-
2021
- 2021-01-19 CN CN202110065613.3A patent/CN112396040B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060118636A1 (en) * | 2004-12-07 | 2006-06-08 | Planready, Inc. | System and method for coordinating movement of personnel |
CN104240222A (zh) * | 2013-06-19 | 2014-12-24 | 贺江涛 | 一种消防通道堵塞的智能检测方法与装置 |
CN103761699A (zh) * | 2014-01-15 | 2014-04-30 | 湖南嘉雄科技有限公司 | 一种嵌入式智能消防管理*** |
CN105163014A (zh) * | 2015-09-15 | 2015-12-16 | 上海图甲信息科技有限公司 | 道路监测装置及方法 |
CN106571027A (zh) * | 2015-10-09 | 2017-04-19 | 北京文安智能技术股份有限公司 | 一种密集车辆违章停放监测方法、装置及*** |
CN105314122A (zh) * | 2015-12-01 | 2016-02-10 | 浙江宇视科技有限公司 | 一种用于应急指挥和占道取证的无人机 |
CN105702048A (zh) * | 2016-03-23 | 2016-06-22 | 武汉理工大学 | 基于行车记录仪的高速公路前车违法占道识别***及方法 |
CN106295636A (zh) * | 2016-07-21 | 2017-01-04 | 重庆大学 | 基于多特征融合级联分类器的消防通道车辆检测方法 |
CN107274675A (zh) * | 2017-07-12 | 2017-10-20 | 济南浪潮高新科技投资发展有限公司 | 一种区域消防通道统一监测***及方法 |
CN108197526A (zh) * | 2017-11-23 | 2018-06-22 | 西安艾润物联网技术服务有限责任公司 | 检测方法、***及计算机可读存储介质 |
CN109241896A (zh) * | 2018-08-28 | 2019-01-18 | 腾讯科技(深圳)有限公司 | 一种通道安全检测方法、装置及电子设备 |
CN109657532A (zh) * | 2018-10-25 | 2019-04-19 | 安徽新浩信息科技有限公司 | 一种基于人工智能的消防通道阻塞图像识别方法 |
CN109685899A (zh) * | 2018-12-25 | 2019-04-26 | 成都四方伟业软件股份有限公司 | 三维可视化标注管理***、方法和计算机存储介质 |
CN110766915A (zh) * | 2019-09-19 | 2020-02-07 | 重庆特斯联智慧科技股份有限公司 | 一种用于识别消防通道状态的报警方法及*** |
CN110659606A (zh) * | 2019-09-23 | 2020-01-07 | 重庆商勤科技有限公司 | 消防通道占用识别方法、装置、计算机设备及存储介质 |
CN111444845A (zh) * | 2020-03-26 | 2020-07-24 | 江苏集萃华科智能装备科技有限公司 | 一种非机动车辆违停识别方法、装置及*** |
CN112001963A (zh) * | 2020-07-31 | 2020-11-27 | 浙江大华技术股份有限公司 | 消防通道的排查的方法、***和计算机设备 |
Non-Patent Citations (5)
Title |
---|
MAHASAK KETCHAM 等: "Recognizing The Illegal Parking Patterns of Cars on The Road in front of The Bus Stop Using The Support Vector Machine", 《2019 15TH INTERNATIONAL CONFERENCE ON SIGNAL-IMAGE TECHNOLOGY & INTERNET-BASED SYSTEMS (SITIS)》 * |
天津国信浩天三维科技有限公司: "三维可视化消防管理平台", 《HTTP://WWW.HOWSKY3D.COM/PRODUCT/DETAIL/ITEM/16.HTML》 * |
廖雪花 等: "高速公路大货车违法占道行驶实时检测***设计与实现", 《第十一届中国智能交通年会大会论文集》 * |
武汉天宝耐特科技有限公司: "无人机在智慧城市中的应用", 《HTTP://TIANBAONET.COM/XYXW/5829.JHTML》 * |
王士军 等: "基于BIM的绿色建筑后勤运营管理", 《绿色建筑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112396040B (zh) | 2022-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Baran et al. | A smart camera for the surveillance of vehicles in intelligent transportation systems | |
CN110853033B (zh) | 基于帧间相似度的视频检测方法和装置 | |
KR101716646B1 (ko) | 국부이진패턴을 이용한 객체 검출 인식 방법 및 장치 | |
CN109918971B (zh) | 监控视频中人数检测方法及装置 | |
CN109740424A (zh) | 交通违规识别方法及相关产品 | |
Hu et al. | Automatic recognition of cloud images by using visual saliency features | |
CN112200081A (zh) | 异常行为识别方法、装置、电子设备及存储介质 | |
CN111723773B (zh) | 遗留物检测方法、装置、电子设备及可读存储介质 | |
CN110826429A (zh) | 一种基于景区视频的旅游突发事件自动监测的方法及*** | |
CN111753642B (zh) | 一种确定关键帧的方法及装置 | |
CN110121109A (zh) | 面向监控***数字视频实时溯源方法、城市视频监控*** | |
KR102222109B1 (ko) | 불법 주정차 단속 이미지 통합 관리 시스템 | |
CN113902993A (zh) | 一种基于环境监测的环境状态分析方法及*** | |
CN106778765B (zh) | 一种车牌识别的方法及装置 | |
Abdulhussein et al. | Computer vision to improve security surveillance through the identification of digital patterns | |
CN112396040B (zh) | 一种车辆占道识别方法及装置 | |
CN116503820A (zh) | 一种基于道路车型的检测方法及检测设备 | |
CN115393802A (zh) | 一种基于小样本学习的铁路场景不常见入侵目标识别方法 | |
CN114743140A (zh) | 一种基于人工智能技术的消防通道占用识别方法和装置 | |
CN113936300A (zh) | 建筑工地人员识别方法、可读存储介质和电子设备 | |
CN108399411B (zh) | 一种多摄像头识别方法及装置 | |
CN112329574A (zh) | 一种应用于猫鼻纹的自动采集方法及装置 | |
Kodwani | Automatic Vehicle Detection, Tracking and Recognition of License Plate in Real Time Videos | |
CN117671584A (zh) | 人员聚集区域的检测方法、装置、设备、介质及产品 | |
KR102595910B1 (ko) | 차량 번호 자동인식 시스템 및 그 방법 |
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 |