CN113362594A - 一种车辆违章监测***、方法及计算机可读存储介质 - Google Patents
一种车辆违章监测***、方法及计算机可读存储介质 Download PDFInfo
- Publication number
- CN113362594A CN113362594A CN202110599912.5A CN202110599912A CN113362594A CN 113362594 A CN113362594 A CN 113362594A CN 202110599912 A CN202110599912 A CN 202110599912A CN 113362594 A CN113362594 A CN 113362594A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- violation
- lane line
- record
- list
- 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
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种车辆违章监测***、方法及计算机可读存储介质,车辆违章监测***包括用于对道路信息进行移动式采集并在移动的同时生成数据的数据采集模块;用于对数据采集模块所采集并将前方车辆以及车道线的属性进行分类的数据进行处理的数据处理模块;以及用于当车道线以及车辆属性完成后判断车辆是否与实线的车道线重合,在重合后对违章记录进行取证的判断模块。本发明利用车载ADAS对道路上的压线违章行为进行捕捉,可填补因监控设备设置在固定卡口导致的作用范围有限,很难对道路上的所有车辆进行全覆盖式的拍摄,或者会出现难以捕捉到的死角,从而导致交通违章行为被漏抓的数据。
Description
技术领域
本发明属于智能交通领域,具体地说,涉及一种车辆违章监测***及方法及计算机可读存储介质。
背景技术
现有的交通违章抓拍技术主要是基于固定卡口的监控设备,即摄像处于道路上方,位置固定。由于卡口位置是固定的,作用范围有限,很难对道路上的所有车辆进行全覆盖式的拍摄,或者会出现难以捕捉到的死角,从而导致交通违章行为被漏抓。
申请号为CN202011392966.6的中国专利公开了一种交通违章检测***,其通过固定式检测装置和识别服务器来进行判断车辆是否出现压线违章,并将判断结果传输至外部交通***内,存在卡口位置固定,作用范围小。
申请号为CN201811536053.X的中国专利公开了一种重型商用车辆的违章判断方法、***、装置及存储介质,其主要是利用当前车辆上摄像头获取当前车辆前方的当前动态图像;并监测当前动态图像中大车禁行车道上是否存在重型商用车辆来判定重型商用车辆违章,并识别重型商用车辆的车辆信息将车辆信息上传至交通监管***,其虽然利用移动式获取动态图像来解决车辆逆行的违章,但是没有解决车辆与车道的实线重合时如何进行监测。
有鉴于此特提出本发明。
发明内容
本发明要解决的技术问题在于克服现有技术的不足,提供一种车辆违章监测***,该***能够通过移动式获取当前移动单元的前方动态图像,同时对车辆的种类进行分类并与车道线是否具有重合部分进行判断,实现对违章行为的移动式捕捉,避免了固定卡口的监控盲区,大大地减少了对违章行为的漏报。
为解决上述技术问题,本发明采用技术方案的基本构思是:
一种车辆违章监测***,其特征在于:包括
数据采集模块,用于对道路信息进行移动式采集并在移动的同时生成数据;
数据处理模块,用于对数据采集模块所采集的数据进行处理,将车辆以及车道线的属性进行分类;
判断模块,用于在数据处理模块对车辆和车道线的属性分类完成后判断车辆的车身是否与实线的车道线具有重合的部分,在具有重合的部分后对违章记录进行取证。
进一步的,所述数据采集模块包括移动单元,用于在道路上移动,以及与移动单元连接的摄像单元,用于对视野内车辆及车道线的图像采集。
进一步的,所述数据处理模块包括
检测单元,用于以多标签学习到车辆的不同属性,并对车道线进行检测并判断车道线的种类;
整合单元,用于调整在检测单元检测时的精度。
进一步的,所述判断模块包括
初步匹配单元,用于将处在实线之上的车辆初步判定为存在违章行驶行为;
过滤去重单元,用于将初步匹配单元的原始违章列表进行互相比对筛选保留得到违章列表;
后匹配单元,用于对所述过滤去重单元生成的违章列表中的违章记录进行再次确认;
上传单元,将经所述后匹配单元确认后的违章记录进行取证,并把记录放到待上传列表中。
进一步的,所述判断模块还包括监视单元,用于线程监视待上传列表,如果列表中存在元素,则取出对头元素,检查取证的文件是否完备,如果完备则进行上传;
在上传的过程中如果出现某一条记录上传失败的情况,则放回到待上传列表的队尾,等待下一次上传,若上传失败超过设定次数则放弃上传该条记录。
本发明还提供了一种车辆违章监测方法,包括如下步骤:
S1:对道路信息进行移动式采集并在移动的同时生成数据;
S2:对数据采集模块所采集的数据进行处理,将车辆以及车道线的属性进行分类;
S3:当车道线以及车辆的属性分类完成后判断车辆与实线的车道线具有重合的部分时对违章记录进行取证。
进一步的,S1中采用移动的终端对道路信息进行采集,在终端上安装摄像单元用于采集道路信息。
进一步的,S2中采用目标检测的方法来对车辆进行检测,采用多标签学习模型学习车辆的不同属性,以及采用关键点检测的方法采集车道线的关键点,再把关键点集拟合成为三次函数表示车道线的位置,对一条车道线的多个点的类型进行投票来决定该车道线的类型。
进一步的,在采集车道线的关键点时,当在白天时延长黄线的采集时间,在夜晚时候延长白线的采集时间以修正检测精度。
进一步的,车道线位置通过三次函数的形式表示,函数具有输入为x的轴坐标以及输出为y的轴坐标;
S2中用于判断车辆是否处在车道线上的车道线模型为:
y=ax3+bx2+cx+d (1)
ymin<y<ymax (4)
其中(1)式是对车道线拟合得到的三次函数,a、b、c、d分别表示系数,yleft和yright分别表示车辆检测框的左右边界,ta、tb和w是自适应阈值,ymin和ymax分别是车辆框经过自适应放缩得到的y的上界和下界,若y满足(4)式,则表明车辆的车身与车道线具有重合的部分。
进一步的,在S3中将违章记录进行取证,并把该条记录放入到待上传列表中,并实时监视待上传列表,如果列表中存在元素,则取出对头元素,检查取证的文件是否完备,如果完备则将该条记录进行上传;
在上传的过程中,如果出现某一条记录上传失败的情况,则放回到待上传列表的队尾,等待下一次上传,若上传失败超过设定次数,则放弃上传该条记录。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
本发明还提供了一种移动终端,包括移动终端本体和控制器,控制器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时实现上述所述方法的步骤。
采用上述技术方案后,本发明与现有技术相比具有以下有益效果:
本发明通过车载ADAS摄像单元和芯片对违章行为进行抓拍,可不限时间、不限地点对车辆的违章行为进行捕捉,避免了固定卡口的监控盲区,大大地减少了对违章行为的漏报。另外,通过设置整合模块、过滤去重模块、后匹配模块可以过滤掉所有的冗余记录和大部分的误报,这样就做到了既少漏报,又少误报。
下面结合附图对本发明的具体实施方式作进一步详细的描述。
附图说明
附图作为本发明的一部分,用来提供对本发明的进一步的理解,本发明的示意性实施例及其说明用于解释本发明,但不构成对本发明的不当限定。显然,下面描述中的附图仅仅是一些实施例,对于本领域普通技术人员来说,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附图。在附图中:
图1是本发明的车辆违章监测***示意图;
图2是本发明的车辆违章监测方法的流程图。
需要说明的是,这些附图和文字描述并不旨在以任何方式限制本发明的构思范围,而是通过参考特定实施例为本领域技术人员说明本发明的概念。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对实施例中的技术方案进行清楚、完整地描述,以下实施例用于说明本发明,但不用来限制本发明的范围。
如图1所示,本发明提供一种车辆违章监测***,包括用于对道路信息进行移动式采集并在移动的同时生成数据的数据采集模块、对数据采集模块所采集的数据进行处理的数据处理模块,以及用于在数据处理模块对车辆和车道线的属性分类完成后判断车辆的车身是否与实线的车道线具有重合的部分,在具有重合的部分后对违章记录进行取证的判断模块。
其中,数据采集模块包括但不限于在移动单元上的摄像单元,获取当前移动单元的位置,通过摄像单元获取视野范围内的车辆和车道线信息。当数据采集模块位于本车前侧,且摄像单元朝向本车前进方向时则获取到的是对本车前方的车辆以及车道线的属性,而当数据采集模块位于本车前侧,且摄像单元朝向本车前进方向相反时则获取到的是对本车后方的车辆以及车道线的属性。
数据处理模块将车辆信息和车道线信息进行分类。数据处理模块包括用于以多标签学习模型学习到车辆的不同属性、对车道线进行检测并判断车道线的种类的检测单元;以及用于调整在检测单元检测时精度的整合单元。检测单元采用目标检测的方法来对车辆进行检测,采用多标签学习模型以保证学习到车辆的不同属性,以及采用关键点检测的方法来采集车道线的关键点,再把关键点集拟合成为三次函数,来表示车道线的位置,对一条车道线的多个点的类型进行投票来决定该车道线的类型,检测单元的检测结果有时候会有偏差,如白天的时候黄线会被误认为白线,而夜晚的时候白线会被误认为黄线,此时整合单元则是在采集车道线关键点时,当在白天时延长黄线的采集时间,夜晚时候延长白线的采集时间以修正检测精度。
判断模块包括初步匹配单元,用于判断车辆是否处在车道线之上,如果是,则判断车道线是否为实线,如果是,则初步判定该车辆存在违章行驶的行为,并生成原始违章列表。
在本发明的一些实施例中,车道线的位置通过一个三次函数的形式来表示。具体而言,函数的输入为x轴坐标,取目标车辆作为输入,函数的输出为y轴坐标,即车道线作为输出。通过这样一条三次函数曲线,就可以表示车道线。
对于采用目标检测方法检测出来的车辆的尾部,其位置可以使用矩形框来进行表示,因此,在获得车道线的位置和车尾框的位置后,就可以判定车辆和车道线的关系。本发明主要判断车辆是否处在车道线之上,可以通过下面的公式来判断车辆是否处在车道线上:
y=ax3+bx2+cx+d (1)
ymin<y<ymax (4)
其中(1)式是对车道线拟合出来的三次函数,a、b、c、d分别表示系数,yleft和yright分别表示车辆检测框的左右边界,ta、tb和w是自适应阈值,ymin和ymax分别是车辆框经过自适应放缩得到的y上界和下界,若y满足(4)式,则表明车辆处于车道线之上,在判定车辆处在车道线之上后,再判定车道线的属性,如果这一条车道线是实线的话,则可以初步判定该车辆存在违章行驶的行为。
进一步的,所述判断模块还包括过滤去重单元,用于将初步匹配单元的原始违章列表进行互相比对筛选保留得到违章列表。
可行的实施方式有对经判定的原始违章列表进行相互比对,对于重复抓取的违章记录,只保留时间戳最小的一个,判定两条记录重复的方法:①车辆id相同,②车道线id相同,③违章类型相同,④时间间隔很短,例如在一分钟以内,考虑到载有摄像单元的移动单元变道时检测效果比较差,所以对于载有摄像单元的移动单元变道前后四秒的违章记录进行删除,同时考虑到弯道时路况更复杂,所以将弯道时检测到的违章也进行过滤,得到违章列表。
所述判断模块还包括后匹配单元,用于对所述过滤去重单元生成的违章列表中的违章记录进行再次确认。
可行的实施方式有在获得了违章列表之后,还要结合上下文信息来对每一个违章记录来做进一步确认,收集当前帧的前后各10帧的车道线信息,对其进行汇总,统计实线的概率,如果超过某个阈值,则表明车道线的判定是没问题的,保留该违章记录,如果实线概率小于阈值,则表明车道线判断有误,删除该条记录。
所述判断模块还包括上传单元,将违章记录进行取证,并把记录放到待上传列表中。
具体的,将违章记录进行取证,并把该条记录放入到待上传列表中。在整个程序运行期间,会有一个线程监视着待上传列表,如果列表中存在元素,则取出对头元素,检查取证的文件是否完备,如果完备则进行上传,在上传的过程中如果出现某一条记录上传失败的情况,则放回到待上传列表的队尾,等待下一次上传,若上传失败超过5次,则放弃上传该条记录。
需要说明的是,上述方案中对时间的、次数等的限定仅为举例说明本发明的技术方案,并不仅限于此。
本发明提供的上述车辆违章检测***利用高级驾驶辅助***(Advanced DrivingAssistance System,简称ADAS)对道路上的压线违章行为进行捕捉,可填补因监控设备设置在固定卡口导致的作用范围有限,很难对道路上的所有车辆进行全覆盖式的拍摄,或者会出现难以捕捉到的死角,从而导致交通违章行为被漏抓的数据。
如图2所示,本发明提供的车辆违章监测方法包括如下步骤:
S1:对道路信息进行移动式采集并在移动的同时生成数据。
具体的,移动式采集可以采用移动的机器人或车辆,在车辆或机器人上安装摄像单元进行采集。
S2:对数据采集模块所采集的数据进行处理,将车辆以及车道线的属性进行分类。
上述方案中,当数据采集模块位于本车前侧,且摄像单元朝向本车前进方向时则获取到的是对本车前方的车辆以及车道线的属性,而当数据采集模块位于本车前侧,且摄像单元朝向本车前进方向相反时则获取到的是对本车后方的车辆以及车道线的属性。
还可以的,在机器人或者无人机等移动的终端上安装摄像单元用于采集道路上的车辆和车道线信息。
具体的,采用目标检测的方法来对车辆进行检测,采用多标签学习模型以保证学习到车辆的不同属性,以及采用关键点检测的方法来采集车道线的关键点,再把关键点集拟合成为三次函数,来表示车道线的位置,对一条车道线的多个点的类型进行投票来决定该车道线的类型。
S3:当车道线以及车辆的属性完成后判断车辆与实线的车道线具有重合的部分时对违章记录进行取证。
具体的,在S3中采集车道线关键点时,当在白天时延长黄线的采集时间,夜晚时候延长白线的采集时间以修正检测精度,车道线位置通过一个三次函数形式表示,函数具有输入为x的轴坐标以及输出为y的轴坐标,可以通过下面的公式来判断车辆是否处在车道线上:
y=ax3+bx2+cx+d (1)
ymin<y<ymax (4)
其中(1)式是对车道线拟合出来的三次函数,a、b、c、d分别表示系数,yleft和yright分别表示车辆检测框的左右边界,ta、tb和w是自适应阈值,ymin和ymax分别是车辆框经过自适应放缩得到的y上界和下界,若y满足(4)式,则表明车辆处于车道线之上。
对经判定的原始违章列表进行相互比对,对于重复抓取的违章记录,只保留时间戳最小的一个。判定两条记录重复的方法:①车辆id相同,②车道线id相同,③违章类型相同,④时间间隔一分钟以内。考虑到本车变道时检测效果比较差,所以对于本车变道前后四秒的违章记录进行删除。同时考虑到弯道时路况更复杂,所以将弯道时检测到的违章也进行过滤。得到违章列表。
在获得了违章列表之后,还要结合上下文信息来对每一个违章记录来做进一步确认,收集当前帧的前后各10帧的车道线信息,对其进行汇总,统计实线的概率,如果超过某个阈值,则表明车道线的判定是没问题的,保留该违章记录,如果实线概率小于阈值,则表明车道线判断有误,删除该条记录。
然后将违章记录进行取证,并把该条记录放入到待上传列表中,在整个程序运行期间,设有一个线程监视着待上传列表,如果列表中存在元素,则取出对头元素,检查取证的文件是否完备,如果完备则进行上传,在上传的过程中如果出现某一条记录上传失败的情况,则放回到待上传列表的队尾,等待下一次上传,若上传失败超过5次,则放弃上传该条记录。
本发明的一种车辆违章监测***及方法能够车载ADAS摄像单元和芯片对违章行为进行抓拍,避免了固定卡口的监控盲区,大大地减少了对违章行为的漏报,通过整合单元、过滤去重单元以及后匹配单元可以过滤掉所有的冗余记录和大部分的误报,这样就做到了既少漏报,又少误报。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
本发明还提供了一种移动终端,包括移动终端本体和控制器,控制器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述所述方法的步骤。
以上所述仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专利的技术人员在不脱离本发明技术方案范围内,当可利用上述提示的技术内容作出些许更动或修饰为等同变化的等效实施例,上述实施例中的实施方案也可以进一步组合或者替换,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明方案的范围内。
Claims (12)
1.一种车辆违章监测***,其特征在于:包括
数据采集模块,用于对道路信息进行移动式采集并在移动的同时生成数据;
数据处理模块,用于对数据采集模块所采集的数据进行处理,将车辆以及车道线的属性进行分类;
判断模块,用于在数据处理模块对车辆和车道线的属性分类完成后判断车辆的车身是否与实线的车道线具有重合的部分,在具有重合的部分后对违章记录进行取证。
2.根据权利要求1所述的车辆违章监测***,其特征在于:所述数据采集模块包括移动单元,用于在道路上移动,以及与移动单元连接的摄像单元,用于对视野内车辆及车道线的图像采集。
3.根据权利要求1所述的车辆违章监测***,其特征在于:所述数据处理模块包括
检测单元,用于以多标签学习到车辆的不同属性,并对车道线进行检测并判断车道线的种类;
整合单元,用于调整在检测单元检测时的精度。
4.根据权利要求3所述的车辆违章监测***,其特征在于:所述判断模块包括
初步匹配单元,用于将处在实线之上的车辆初步判定为存在违章行驶行为;
过滤去重单元,用于将初步匹配单元的原始违章列表进行互相比对筛选保留得到违章列表;
后匹配单元,用于对所述过滤去重单元生成的违章列表中的违章记录进行再次确认;
上传单元,将经所述后匹配单元确认后的违章记录进行取证,并把记录放到待上传列表中。
5.根据权利要求4所述的车辆违章监测***,其特征在于:所述判断模块还包括监视单元,用于线程监视待上传列表,如果列表中存在元素,则取出对头元素,检查取证的文件是否完备,如果完备则进行上传;
在上传的过程中如果出现某一条记录上传失败的情况,则放回到待上传列表的队尾,等待下一次上传,若上传失败超过设定次数则放弃上传该条记录。
6.一种车辆违章监测方法,其特征在于:包括如下步骤:
S1:对道路信息进行移动式采集并在移动的同时生成数据;
S2:对数据采集模块所采集的数据进行处理,将车辆以及车道线的属性进行分类;
S3:当车道线以及车辆的属性分类完成后判断车辆与实线的车道线具有重合的部分时对违章记录进行取证。
7.根据权利要求6所述的车辆违章监测方法,其特征在于:S1中采用移动的终端对道路信息进行采集,在终端上安装摄像单元用于采集道路信息。
8.根据权利要求6所述的车辆违章监测方法,其特征在于:S2中采用目标检测的方法来对车辆进行检测,采用多标签学习模型学习车辆的不同属性,以及采用关键点检测的方法采集车道线的关键点,再把关键点集拟合成为三次函数表示车道线的位置,对一条车道线的多个点的类型进行投票来决定该车道线的类型。
9.根据权利要求8所述的车辆违章监测方法,其特征在于:在采集车道线的关键点时,当在白天时延长黄线的采集时间,在夜晚时候延长白线的采集时间以修正检测精度。
11.根据权利要求6所述的车辆违章监测方法,其特征在于:在S3中将违章记录进行取证,并把该条记录放入到待上传列表中,并实时监视待上传列表,如果列表中存在元素,则取出对头元素,检查取证的文件是否完备,如果完备则将该条记录进行上传;
在上传的过程中,如果出现某一条记录上传失败的情况,则放回到待上传列表的队尾,等待下一次上传,若上传失败超过设定次数,则放弃上传该条记录。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求6-11任一项所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110599912.5A CN113362594A (zh) | 2021-05-31 | 2021-05-31 | 一种车辆违章监测***、方法及计算机可读存储介质 |
CN202111501566.9A CN114023072A (zh) | 2021-05-31 | 2021-12-09 | 一种车辆违章监测***、方法及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110599912.5A CN113362594A (zh) | 2021-05-31 | 2021-05-31 | 一种车辆违章监测***、方法及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113362594A true CN113362594A (zh) | 2021-09-07 |
Family
ID=77530369
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110599912.5A Pending CN113362594A (zh) | 2021-05-31 | 2021-05-31 | 一种车辆违章监测***、方法及计算机可读存储介质 |
CN202111501566.9A Pending CN114023072A (zh) | 2021-05-31 | 2021-12-09 | 一种车辆违章监测***、方法及计算机可读存储介质 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111501566.9A Pending CN114023072A (zh) | 2021-05-31 | 2021-12-09 | 一种车辆违章监测***、方法及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN113362594A (zh) |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8924078B2 (en) * | 2004-11-18 | 2014-12-30 | Gentex Corporation | Image acquisition and processing system for vehicle equipment control |
CN103686247A (zh) * | 2013-12-04 | 2014-03-26 | 乐视网信息技术(北京)股份有限公司 | 基于同/异步的视频分发方法和*** |
CN103778786B (zh) * | 2013-12-17 | 2016-04-27 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种基于显著车辆部件模型的交通违章检测方法 |
CN111091023B (zh) * | 2018-10-23 | 2023-07-21 | ***通信有限公司研究院 | 一种车辆检测方法、装置及电子设备 |
CN111259704B (zh) * | 2018-12-03 | 2022-06-10 | 魔门塔(苏州)科技有限公司 | 一种虚线车道线端点检测模型的训练方法 |
CN109544930A (zh) * | 2018-12-14 | 2019-03-29 | 深圳市元征科技股份有限公司 | 重型商用车辆的违章判断方法、***、装置及存储介质 |
CN109902637B (zh) * | 2019-03-05 | 2021-03-19 | 长沙智能驾驶研究院有限公司 | 车道线检测方法、装置、计算机设备和存储介质 |
CN110298300B (zh) * | 2019-06-27 | 2022-11-22 | 上海工程技术大学 | 一种检测车辆违章压线的方法 |
CN111161543A (zh) * | 2019-11-14 | 2020-05-15 | 南京行者易智能交通科技有限公司 | 一种基于图像识别的公交前车违章行为自动抓拍方法及*** |
CN111179345B (zh) * | 2019-12-27 | 2024-01-23 | 大连海事大学 | 基于车载机器视觉的前方车辆越线违章行为自动检测方法及*** |
CN111341114A (zh) * | 2020-03-10 | 2020-06-26 | 北京以萨技术股份有限公司 | 基于物联网的车载视频交通违章检测方法、装置及*** |
CN111516673B (zh) * | 2020-04-30 | 2022-08-09 | 重庆长安汽车股份有限公司 | 基于智能摄像头和高精地图定位的车道线融合***及方法 |
CN111797766B (zh) * | 2020-07-06 | 2022-01-11 | 三一专用汽车有限责任公司 | 识别方法、识别装置、计算机可读存储介质和车辆 |
CN112487908B (zh) * | 2020-11-23 | 2022-11-18 | 东南大学 | 基于车载视频的前方车辆压线行为检测和动态追踪方法 |
CN112562349A (zh) * | 2020-12-02 | 2021-03-26 | 湖北文理学院 | 交通违章检测*** |
-
2021
- 2021-05-31 CN CN202110599912.5A patent/CN113362594A/zh active Pending
- 2021-12-09 CN CN202111501566.9A patent/CN114023072A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
CN114023072A (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106652551B (zh) | 一种车位检测方法及设备 | |
WO2020042984A1 (zh) | 一种车辆行为检测方法及装置 | |
CN110298300B (zh) | 一种检测车辆违章压线的方法 | |
CN104537841B (zh) | 无牌车辆违章检测方法及其检测*** | |
CN107609491A (zh) | 一种基于卷积神经网络的车辆违章停车检测方法 | |
CN112419733B (zh) | 一种用户不规范停车的检测方法、装置、设备和存储介质 | |
CN107305627A (zh) | 一种车辆视频监控方法、服务器及*** | |
CN105740855A (zh) | 一种基于深度学习的前后车牌检测识别方法 | |
CN112966582A (zh) | 车型三维识别方法、装置、***、电子设备及存储介质 | |
CN106297314A (zh) | 一种逆行或压线车辆行为的检测方法、装置及一种球机 | |
CN104537360A (zh) | 车辆未让行违章检测方法及其检测*** | |
US11948373B2 (en) | Automatic license plate recognition | |
CN112381014A (zh) | 一种基于城市道路的违停车辆检测及管理方法及*** | |
CN114255428A (zh) | 一种基于边缘智能和路边高位监控视频的车辆停车识别方法 | |
CN113887372A (zh) | 目标聚集检测方法及计算机可读存储介质 | |
CN114141022B (zh) | 应急车道占用行为检测方法、装置、电子设备及存储介质 | |
CN114170585A (zh) | 危险驾驶行为的识别方法、装置、电子设备及存储介质 | |
WO2023071874A1 (zh) | 道路救援工作节点确定方法、装置及电子设备、存储介质 | |
CN114023072A (zh) | 一种车辆违章监测***、方法及计算机可读存储介质 | |
CN116152753A (zh) | 车辆信息识别方法和***、存储介质和电子装置 | |
CN116012764A (zh) | 一种道路病害识别定位方法、装置、电子设备及存储介质 | |
CN116311166A (zh) | 交通障碍物识别方法、装置及电子设备 | |
CN112215038A (zh) | 特定车辆识别***、方法及存储介质 | |
CN112990117B (zh) | 基于智能驾驶***的安装数据处理方法及装置 | |
CN204124043U (zh) | 一种基于车载视觉的行人综合判断*** |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210907 |