CN113206995A - 一种基于视频帧判定泊位线偏转角度的方法 - Google Patents
一种基于视频帧判定泊位线偏转角度的方法 Download PDFInfo
- Publication number
- CN113206995A CN113206995A CN202110472659.7A CN202110472659A CN113206995A CN 113206995 A CN113206995 A CN 113206995A CN 202110472659 A CN202110472659 A CN 202110472659A CN 113206995 A CN113206995 A CN 113206995A
- Authority
- CN
- China
- Prior art keywords
- line
- berth
- video frames
- parking
- berthing
- 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 31
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000008859 change Effects 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 20
- 238000002372 labelling Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims 1
- 230000006872 improvement Effects 0.000 description 12
- 230000006399 behavior Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 241001464837 Viridiplantae Species 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000005945 translocation Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
- H04N17/002—Diagnosis, testing or measuring for television systems or their details for television cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开一种基于视频帧判定泊位线偏转角度的方法，所述方法包括：获取通过视频设备采集的多个视频帧，选取任意相邻两视频帧的泊位区域图像；确定该相邻视频帧图像中泊位线区域的位置，比对该两视频帧中泊位线的位置差异；根据泊位线位置差异确定该泊位是否发生变动；若变动，确定泊位线偏转角度。本识别方法基于对图像连续视频帧的处理，计算效率高，可及时根据视频帧图像检测出的泊位线的直线方程，进一步确定泊位线的偏转方向以及角度，根据泊位线的偏转角度来推算出摄像机偏转角度，可及时对摄像机角度做出调整，适用于城市路侧停车场景，对于保持停车管理***的稳定性，提高城市路侧停车管理的效率及自动化水平具有重要的意义。
Description
技术领域
本发明涉及路侧停车领域，特别涉及一种基于泊位线变化判定摄像机角度偏转的方法。
背景技术
路侧停车是城市管理的重要组成部分。近年以来，基于高位视频的路侧停车***由于其安装后不易损坏、捕捉视频全面清晰、现场不需人操作等优点，在很多城市开始大规模上线应用。作为智慧城市建设的重要一环，它确实解决了原来路侧停车中只能依靠人工巡逻进行低效的管理，成本高企，劳动条件差等缺点。在停车管理***中，前场摄像设备获取稳定的视频帧，针对视频帧中标记的停车位，经过精确的算法，自动捕捉车辆的出入场等停车行为，自动定位及捕捉清晰的车牌，得到准确的停车信息。可以看到，***正确运行的前提是摄像设备能获取稳定清晰的停车视频，或者说能获取视频帧中标记的稳定的停车位位置。如果视频帧中停车位的位置经常发生被动的、意料之外的变动，那么后续计算车辆出入场的算法便失去了计算的依据，车辆在视频帧中运动时，由于失去了停车位的准确标记或标记不准，车辆的运动很难被准确的计算为特定的出入场行为，后续也就很难自动判定为停车记录进而计费。所以，稳定的视频帧或者说稳定的停车位对于基于高位视频的路侧停车***来说至关重要，是后续算法的基础，有着特殊的重要性。
但是，路侧停车***的前场设备大都安装在路侧停车场上方，容易受到外部环境及外部行为的影响和干扰。例如城市绿化的树叶等障碍物的遮挡、大风暴雨等极端天气、外部车辆或人员的施工等导致的设备易位，这些都成为前场设备获取稳定视频或稳定停车位的隐患。一旦发生了外部因素导致的设备被动变动，如何更快速、更智能的自动发现并报警，成为该***长期稳定运行的难题之一。
基于此，本发明提供一种基于泊位线判定摄像机角度偏转的方法，用来自动检测前场设备是否发生了意外变动以及根据变动结果进行摄像机复位。
发明内容
为了解决现有技术中摄像机容易受到外部环境及外部行为的影响和干扰，造成其拍摄的视频帧中停车位标记不清楚或标记错误导致的停车行为判定不准确的问题。
基于此，本发明提供一种基于视频帧判定泊位线偏转角度的方法，所述方法包括：
获取通过视频设备采集的多个视频帧，选取任意相邻两视频帧的泊位区域图像；
确定该相邻视频帧图像中泊位线区域的位置，比对该两视频帧中泊位线的位置差异；
根据泊位线位置差异确定该泊位是否发生变动；
若变动，确定泊位线偏转角度。
作为本发明的进一步改进，获取通过视频设备采集的多个视频帧，选取任意相邻两视频帧的泊位区域图像之后包括，加载泊位检测模型，根据泊位检测模型运算，得到泊位区域中该泊位线的二值图像。
作为本发明的进一步改进，确定该相邻视频帧图像中泊位线区域的位置，比对该两视频帧中泊位线的位置差异具体包括：
标记泊位线的二值图像中的泊位线区域和背景区域，
分别计算两视频帧图像中泊位线的二值图像的泊位线区域的总面积以及两图像中泊位线重叠区域的面积；
计算重叠区域面积在泊位线区域的总面积的占比；
根据计算结果确定该泊位是否发生变动包括：若占比大于设定的预值，则泊位未发生变动，否则发生变动。
作为本发明的进一步改进，若变动，采用LSD直线检测算法，再次检测两相邻视频帧中二值图像中的泊位区域，获取泊位线的直线方程，根据相邻两视频帧的直线方程，计算泊位线斜率，根据两直线方程的斜率比对，确认泊位线的偏转角度。
作为本发明的进一步改进，判定泊位变动之后还包括，对每个视频帧中所述泊位线的二值图像进行过滤，剔除掉干扰噪声。
本发明还公开一种基于泊位线变化判定摄像机偏转角度的装置，所述装置包括：
采集模块，获取通过视频设备采集的多个视频帧，选取任意相邻两视频帧的泊位区域图像；
比对模块，确定该相邻视频帧图像中泊位线区域的位置，比对该两视频帧中泊位线的位置差异；
判断模块，根据泊位线位置差异确定该泊位是否发生变动；
计算模块，若变动，确定泊位线偏转角度，根据泊位线偏转角度计算摄像机偏转角度。
作为本发明的进一步改进，所述计算模块还用于根据泊位检测模型运算，得到泊位线的二值图像。
作为本发明的进一步改进，所述装置还包括标记模块，所述标记模块用于标记泊位线的二值图像中的泊位线区域和背景区域，
所述计算模块还用于分别计算两视频帧图像中泊位线的二值图像的泊位线区域的总面积以及两图像中泊位线重叠区域的面积；
计算重叠区域面积在泊位线区域的总面积的占比，
所述判断模块还用于，若占比大于设定的预值，则泊位未发生变动，否则发生变动。
作为本发明的进一步改进，若变动，所述计算模块还用于，采用LSD直线检测算法，再次检测两相邻视频帧中二值图像中的泊位区域，获取泊位线的直线方程，根据相邻两视频帧中的直线方程，计算泊位线的斜率，根据两直线方程的斜率比对，确认泊位线的偏转角度，根据泊位线的偏转角度确定摄像机的偏转角度。
作为本发明的进一步改进，所述装置还包括处理模块，所述处理模块用于在检测泊位变动之后，对每个视频帧中所述泊位线的二值图像进行过滤，剔除掉干扰噪声。
本发明的有益效果：采用智能图像处理算法，通过对不同时段的视频帧中的泊位线进行检测，分析泊位线是否变动以及变动的角度，进一步判定所述摄像机是否发生偏转，为实现复杂场景中路侧停车的自动化管理，提高智慧城市交通治理和停车管理效率提供技术的支持，适用于城市路侧停车场景，对于提高城市路侧停车管理***的自动化水平具有较大的意义。
附图说明
图1是本发明一种基于视频帧判定泊位线偏转角度的方法的流程图；
图2是本发明视频帧中停车位区域的绘制示意图；
图3是本发明泊位发生变化的示意图。
具体实施方式
结合上述实施例对本发明一种路侧停车泊位异常识别方法的流程做进一步的说明。
如图1所示，本发明公开了一种基于视频帧判定泊位线偏转角度的方法，所述方法包括：
S101；获取通过视频设备采集的多个视频帧，选取任意相邻两视频帧的泊位区域图像，所述视频帧是指同一采集设备采集的同一泊位的间隔一定时间段的不同视频帧，以方便检测不同时段时该泊位是否发生异常变动。具体的，采集视频帧的设备可选用枪型摄像机或者球型摄像机中的一种或多种，确保采集图像的清晰度和稳定性即可；
S102；确定该相邻视频帧图像中泊位线区域的位置，比对该两视频帧中泊位线的位置差异；
如图2所示的是视频帧中停车位区域的绘制示意图，具体的采用基于神经网络的深度学习方法，通过加载泊位线检测模型得到视频帧中泊位线的区域图像，该模型运算后得到的区域图像为经输出得到的泊位线的二值图像；图像中检测到泊位线的位置为泊位线区域，标记为1，非泊位线的区域为背景区域，标记为0；
需要提及的是，上述泊位线检测模型是根据路侧停车场景中真实视频帧图像进行标注及迭代训练得到的语义分割模型。
S103：根据泊位线位置差异确定该泊位是否发生变动；
具体的，分别计算两视频帧图像中泊位线的二值图像的泊位线区域的总面积以及两图像中泊位线重叠区域的面积；
计算重叠区域面积在泊位线区域的总面积的占比，
假设前后相邻两视频帧经检测后的泊位线二值图像中像素点的若占比大于设定的预值，则泊位未发生变动，否则发生变动。
集合分别为集合A、B；则前后相邻二值图像帧中的泊位线区域、重叠区域的面积分别定义为
、
、
；其中：
根据变化结果确定该泊位是否发生变动。
如果
，那么可以判断泊位未发生变动；否则，就判断泊位发生了变动。通常
，如果判定泊位未发生变动，则本方法结束。
造成的，根据泊位线的偏离角度确定摄像机的大致偏转角度和方向。
S104，若变动，确定泊位线偏转角度，根据泊位线偏转角度计算摄像机偏转角度，采用LSD直线检测算法，再次检测两相邻视频帧中二值图像中的泊位区域，获取泊位线的直线方程，根据相邻两视频帧的直线方程，计算泊位线斜率，根据两直线方程的斜率比对，确认泊位线的偏转角度，根据泊位线的偏转角度确定摄像机的偏转角度。
具体的，采用LSD直线检测算法，检测任一泊位区域的泊位线的直线方程为：,，与其相邻的视频帧的直线为，，根据ki与k的斜率比对，来确定泊位线的偏转角度。
如图3所示为本发明中泊位的变化状态图，其中ABCD构成的区域为第一帧的视频图像， A0B0C0D0为第二帧的视频图像，从图中可以看出，两连续的视频帧中重叠部位只有两点，那判定此泊位异常，可能导致异常的原因不排除由于摄像机角度的偏转。
本发明中，可以将视频帧图像中的其他目标作为参照物，比如，该泊位已经有车辆停靠，可以选取车辆的某一特征作为参考，进行摄像机偏转的方向以及大概的偏转角度。
本发明还公开了一种基于泊位线变化判定摄像机偏转角度的装置，其用于执行上述方法，所述装置包括：采集模块，获取通过视频设备采集的多个视频帧，选取任意相邻两视频帧的泊位区域图像；
比对模块，确定该相邻视频帧图像中泊位线区域的位置，比对该两视频帧中泊位线的位置差异；
判断模块，根据泊位线位置差异确定该泊位是否发生变动；
计算模块，若变动，确定泊位线偏转角度。
作为对该装置的进一步改进，所述计算模块还用于根据泊位检测模型运算，得到泊位线的二值图像。
作为对该装置的进一步改进，所述装置还包括标记模块，所述标记模块用于标记泊位线的二值图像中的泊位线区域和背景区域，
所述计算模块还用于分别计算两视频帧图像中泊位线的二值图像的泊位线区域的总面积以及两图像中泊位线重叠区域的面积；
计算重叠区域面积在泊位线区域的总面积的占比，
所述判断模块还用于，若占比大于设定的预值，则泊位未发生变动，否则发生变动。
作为对该装置的进一步改进，若变动，所述计算模块还用于，采用LSD直线检测算法，再次检测两相邻视频帧中二值图像中的泊位区域，获取泊位线的直线方程，根据相邻两视频帧中的直线方程，计算泊位线的斜率，根据两直线方程的斜率比对，确认泊位线的偏转角度。
作为对该装置的进一步改进，所述装置还包括处理模块，所述处理模块用于在检测泊位变动之后，对每个视频帧中所述泊位线的二值图像进行过滤，剔除掉干扰噪声。
结合上述实施例对本发明一种路侧停车泊位异常识别方法的流程做进一步的说明，一种基于图像判定摄像机角度偏转的方法，基于路侧停车的高位视频中同一采集设备采集的同一泊位的间隔一定时间段的不同视频帧，以某一时刻的视频帧中场景及停车位的信息为基准，在本发明中，采集的前后视频帧是选取间隔为数天甚至数月的连续视频帧作为样本，但实际采集中不对间隔进行限制，以方便检测帧间的停车位变化。但间隔时间较短，如数分钟，则泊位发生变动的可能性较小，检测的意义不大；相反，检测的间隔时间较长，周围环境和采集条件发生较大变化时，可引起误报警，如季节变换导致的绿植遮挡变化、工程施工导致的环境变化、长时间导致的相机采集条件变化等等。
在本发明中，采集的前后视频帧是选取间隔为数天甚至数月的连续视频帧作为样本，但实际采集中不对间隔进行限制，以方便检测帧间的停车位变化。但间隔时间较短，如数分钟，则泊位发生变动的可能性较小，检测的意义不大；相反，检测的间隔时间较长，周围环境和采集条件发生较大变化时，可引起误报警，如季节变换导致的绿植遮挡变化、工程施工导致的环境变化、长时间导致的相机采集条件变化等等。
应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。
在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。
为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说；这些实施例的各种修改方式都是显而易见的，并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。
因此，本公开并不限于本文给出的实施例，而是与本申请公开的原理和新颖性特征的最广范围相一致。上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
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 (10)
1.一种基于视频帧判定泊位线偏转角度的方法，其特征在于，所述方法包括：
获取通过视频设备采集的多个视频帧，选取任意相邻两视频帧的泊位区域图像；
确定该相邻视频帧图像中泊位线区域的位置，比对该两视频帧中泊位线的位置差异；
根据泊位线位置差异确定该泊位是否发生变动；
若变动，确定泊位线偏转角度。
2.根据权利要求1所述的方法，其特征在于：获取通过视频设备采集的多个视频帧，选取任意相邻两视频帧的泊位区域图像之后包括，加载泊位检测模型，根据泊位检测模型运算，得到泊位区域中该泊位线的二值图像。
3.根据权利要求2所述的方法，其特征在于：确定该相邻视频帧图像中泊位线区域的位置，比对该两视频帧中泊位线的位置差异具体包括：
标记泊位线的二值图像中的泊位线区域和背景区域，
分别计算两视频帧图像中泊位线的二值图像的泊位线区域的总面积以及两图像中泊位线重叠区域的面积；
计算重叠区域面积在泊位线区域的总面积的占比；
根据计算结果确定该泊位是否发生变动包括：若占比大于设定的预值，则泊位未发生变动，否则发生变动。
4.根据权利要求3所述的方法，其特征在于：若变动，采用LSD直线检测算法，再次检测两相邻视频帧中二值图像中的泊位区域，获取泊位线的直线方程，根据相邻两视频帧的直线方程，计算泊位线斜率，根据两直线方程的斜率比对，确认泊位线的偏转角度。
5.根据权利要求4所述的方法，其特征在于：判定泊位变动之后还包括，对每个视频帧中所述泊位线的二值图像进行过滤，剔除掉干扰噪声。
6.一种基于泊位线变化判定摄像机偏转角度的装置，其特征在于，所述装置包括：
采集模块，获取通过视频设备采集的多个视频帧，选取任意相邻两视频帧的泊位区域图像；
比对模块，确定该相邻视频帧图像中泊位线区域的位置，比对该两视频帧中泊位线的位置差异；
判断模块，根据泊位线位置差异确定该泊位是否发生变动；
计算模块，若变动，确定泊位线偏转角度。
7.根据权利要求6所述的装置，其特征在于：所述计算模块还用于根据泊位检测模型运算，得到泊位线的二值图像。
8.根据权利要求7所述的装置，其特征在于：所述装置还包括标记模块，所述标记模块用于标记泊位线的二值图像中的泊位线区域和背景区域，
所述计算模块还用于分别计算两视频帧图像中泊位线的二值图像的泊位线区域的总面积以及两图像中泊位线重叠区域的面积；
计算重叠区域面积在泊位线区域的总面积的占比，
所述判断模块还用于，若占比大于设定的预值，则泊位未发生变动，否则发生变动。
9.根据权利要求8所述的装置，其特征在于：若变动，所述计算模块还用于，采用LSD直线检测算法，再次检测两相邻视频帧中二值图像中的泊位区域，获取泊位线的直线方程，根据相邻两视频帧中的直线方程，计算泊位线的斜率，根据两直线方程的斜率比对，确认泊位线的偏转角度。
10.根据权利要求9所述的方法，其特征在于：所述装置还包括处理模块，所述处理模块用于在检测泊位变动之后，对每个视频帧中所述泊位线的二值图像进行过滤，剔除掉干扰噪声。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110472659.7A CN113206995A (zh) | 2021-04-29 | 2021-04-29 | 一种基于视频帧判定泊位线偏转角度的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110472659.7A CN113206995A (zh) | 2021-04-29 | 2021-04-29 | 一种基于视频帧判定泊位线偏转角度的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113206995A true CN113206995A (zh) | 2021-08-03 |
Family
ID=77027760
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110472659.7A Pending CN113206995A (zh) | 2021-04-29 | 2021-04-29 | 一种基于视频帧判定泊位线偏转角度的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113206995A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114519941A (zh) * | 2022-03-01 | 2022-05-20 | 超级视线科技有限公司 | 基于高位视频的限时停车管理方法以及装置 |
| CN115082571A (zh) * | 2022-07-20 | 2022-09-20 | 深圳云游四海信息科技有限公司 | 用于路内停车摄像机的异常检测方法和*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016095367A (ja) * | 2014-11-13 | 2016-05-26 | エムケー精工株式会社 | 駐車検出装置 |
| CN106023594A (zh) * | 2016-06-13 | 2016-10-12 | 北京精英智通科技股份有限公司 | 一种车位遮挡的判定方法、装置及车辆管理*** |
| CN106384532A (zh) * | 2015-07-31 | 2017-02-08 | 富士通株式会社 | 视频数据分析方法、装置以及停车位监控*** |
| CN106504580A (zh) * | 2016-12-07 | 2017-03-15 | 深圳市捷顺科技实业股份有限公司 | 一种车位检测方法及装置 |
| CN106686347A (zh) * | 2016-11-21 | 2017-05-17 | 国电南瑞科技股份有限公司 | 一种基于视频的判定地铁摄像机移位的方法 |
| CN107948465A (zh) * | 2017-12-11 | 2018-04-20 | 南京行者易智能交通科技有限公司 | 一种检测摄像头被干扰的方法和装置 |
-
2021
- 2021-04-29 CN CN202110472659.7A patent/CN113206995A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016095367A (ja) * | 2014-11-13 | 2016-05-26 | エムケー精工株式会社 | 駐車検出装置 |
| CN106384532A (zh) * | 2015-07-31 | 2017-02-08 | 富士通株式会社 | 视频数据分析方法、装置以及停车位监控*** |
| CN106023594A (zh) * | 2016-06-13 | 2016-10-12 | 北京精英智通科技股份有限公司 | 一种车位遮挡的判定方法、装置及车辆管理*** |
| CN106686347A (zh) * | 2016-11-21 | 2017-05-17 | 国电南瑞科技股份有限公司 | 一种基于视频的判定地铁摄像机移位的方法 |
| CN106504580A (zh) * | 2016-12-07 | 2017-03-15 | 深圳市捷顺科技实业股份有限公司 | 一种车位检测方法及装置 |
| CN107948465A (zh) * | 2017-12-11 | 2018-04-20 | 南京行者易智能交通科技有限公司 | 一种检测摄像头被干扰的方法和装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114519941A (zh) * | 2022-03-01 | 2022-05-20 | 超级视线科技有限公司 | 基于高位视频的限时停车管理方法以及装置 |
| CN114519941B (zh) * | 2022-03-01 | 2024-04-05 | 超级视线科技有限公司 | 基于高位视频的限时停车管理方法以及装置 |
| CN115082571A (zh) * | 2022-07-20 | 2022-09-20 | 深圳云游四海信息科技有限公司 | 用于路内停车摄像机的异常检测方法和*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113205692B (zh) | 一种路侧停车泊位异常变动的自动识别方法 | |
| CN106652468B (zh) | 车辆道路前车违规检测和自车违规预警提醒装置及方法 | |
| CN112417926B (zh) | 车位识别方法、装置、计算机设备及可读存储介质 | |
| CN100454355C (zh) | 实时采集道路车流量信息的视频方法 | |
| CN110163107B (zh) | 一种基于视频帧识别路侧停车行为的方法及装置 | |
| US20030053659A1 (en) | Moving object assessment system and method | |
| CN113206995A (zh) | 一种基于视频帧判定泊位线偏转角度的方法 | |
| CN111739335B (zh) | 一种基于视觉差的停车检测方法及装置 | |
| CN106373426A (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
| US10163038B2 (en) | Error detection in recognition data | |
| CN111898491B (zh) | 一种车辆逆向行驶的识别方法、装置及电子设备 | |
| CN108122412B (zh) | 用于监控机器人检测车辆乱停的方法 | |
| CN112084892B (zh) | 一种道路异常事件检测管理装置及其方法 | |
| CN112597928B (zh) | 一种事件检测方法及相关装置 | |
| Behrendt et al. | Deep learning lane marker segmentation from automatically generated labels | |
| CN103528531A (zh) | 小型车车辆参数的物联网图像智能检测*** | |
| CN111931673A (zh) | 一种基于视觉差的车辆检测信息的校验方法及装置 | |
| CN114841188A (zh) | 一种基于二维码的车辆融合定位方法及装置 | |
| CN114495514A (zh) | 一种多源数据协同的车辆违规掉头热点区域识别方法 | |
| CN114241395A (zh) | 基于泊位号码的路侧停车泊位异常识别方法及装置 | |
| CN116912517B (zh) | 相机视野边界的检测方法及装置 | |
| US11176379B2 (en) | Method of acquiring detection zone in image and method of determining zone usage | |
| CN112560814A (zh) | 一种车辆进出停车位的识别方法 | |
| CN117152949A (zh) | 一种基于无人机的交通事件识别方法及*** | |
| Yu et al. | MPP: A novel algorithm for estimating vehicle space headways from a single image |
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: 20210803 |