CN100485710C - 利用数字图像处理技术识别车辆类型的方法 - Google Patents
利用数字图像处理技术识别车辆类型的方法 Download PDFInfo
- Publication number
- CN100485710C CN100485710C CNB2006100225778A CN200610022577A CN100485710C CN 100485710 C CN100485710 C CN 100485710C CN B2006100225778 A CNB2006100225778 A CN B2006100225778A CN 200610022577 A CN200610022577 A CN 200610022577A CN 100485710 C CN100485710 C CN 100485710C
- Authority
- CN
- China
- Prior art keywords
- vehicle
- headstock
- image
- feature
- information
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明属计算机数字图像处理识别车辆类型领域,涉及利用数字图像处理技术识别车辆品牌与型号的方法。本发明采用的方案是:(1)从采集车辆前端图像中定位出车头,利用一种或融合多种对称性法对图像进行分析,找出车辆的中心线,车辆的轮廓从中心线向边线扩展,得到车辆的宽度信息,分割定位出车头位置:(2)从车头中定位出车头的各个部件,依据车头各部件图像灰度和纹理信息,利用多尺度的局部能量函数和灰度轮廓函数信息突出车头各个部件实现各部件的有效分割;(3)定位出车标后,利用图像识别技术识别车标,获得车辆品牌信息;(4)根据获得的车标和车头的整体特征信息在图像识别中识别出车辆品牌;(5)利用车头各个部件的特征及各个特征间的拓扑关系,识别同一车辆品牌下不同车辆型号。
Description
技术领域
本发明涉及到一种利用计算机数字图像处理技术识别车辆类型的方法,尤其是识别车辆品牌和型号的方法。
技术背景
基于视频的车辆识别系统是一种利用图象处理技术实现对交通目标检测和识别的计算机处理系统。系统的基本工作原理是通过摄像机将行驶车辆的视频图像按序列连续捕捉下来并数字化,存入内存或帧缓存中,将采集到的序列数字图像进行预处理如滤波除噪、图形锐化、对比度增强,再对预处理后的图像分割,对分割后的目标图像进行特征提取;用提取的特征进行分类识别,如通过相应的算法计算,再将图像分割提取得到的特征与模型库里建好的车辆模型进行模式匹配,识别出车辆的类型,最后将识别出的结果存入数据库。目前国内外对车辆的识别技术研究主要集中在:1、根据车头的整体特征矢量对车辆类型识别。主要是将车头看成一个整体的特征矢量,使用一些特定的特征提取方法对车头图像进行处理。首先处理训练图像以得到各类车型的特征矢量,然后通过同样的方法处理测试图像,获得测试图像的特征矢量,利用最近距离法对其车型进行分类识别。因此对车头的定位依赖于车牌的位置,首先通过手工将车牌位置确定,然后根据车牌位置和大小定位感兴趣区域;对感兴趣区域归一化后进行边缘等特征提取,得到一个预定义长度的特征向量,该特征向量将作为车型识别的依据。最后采用简单的近邻分类法对特征向量进行分类,确定出车辆的类型。例如,英国曼彻斯特大学的V.S.Petrovic等人提出的利用刚体特征匹配识别车辆类型(International Conference onPattern Recognition,vol.3,pp.95-98,August2004.)。
2、依据外形轮廓和三维模型进行车辆类型识别。主要通过车辆的外形轮廓和三维模型,利用已建立的模型数据库,根据判别函数来实现车辆的类型识别,最终能识别出车辆属于轿车、货车等类型。例如,D.Koller,K.Daniilidis和H.H.Nagel.等人发表的在道路交通场景的序列中单目图像基于目标轨道模型的论文(IEEE International Journal ofComputerVision,Vol,10,No.3,1993,257~281)。该方法实质是根据分割出的车体外形轮廓曲线,与数据库中已知的三维车体轮廓进行比较识别;因此需要建立大规模容量的数据库,定义大量的模版种类,由于模板的构造通过参数调节,因此受到初始值的影响较大,计算时间较长,同时工作人员到数据库中根据车牌号查询相应的车辆类型的时间也较长。
发明内容
本发明的目的是提供一种实时识别车辆的品牌和型号的车辆识别方法。实现本发明目的的技术方案包括:
本发明涉及的方法是首先根据车标信息及车头的整体特征信息识别出具体品牌,如大众的车标和韩国现代的车标和车头信息是不相同的,然后在某种具体品牌的车辆中,通过车头各个部件的局部特征信息以及各个特征之间的拓扑关系来识别不同型号的车辆,例如大众品牌中的桑塔纳、POLO和GOL的车头各个部件的信息不同等。具体地讲,一种利用计算机数字图像处理技术识别车辆类型的方法,包括图像采集、图像预处理、图像分割、图像识别、图像输出流程,本方法涉及以下步骤:
一、从采集车辆前端的图像中定位出车头,利用一种或融合多种对称性方法对图像进行分析,找出车辆的中心线,车辆的轮廓从中心线向边线扩展,得到车辆的宽度信息,分割识别定位出车头位置;所述的对称性方法可以是轮廓对称性、灰度对称性、边缘对称性或方向对称性。
二、从车头中定位出车头的各个部件,依据车头各部件图像灰度和纹理信息,利用多尺度的局部能量函数信息和灰度轮廓函数信息突出车头各个部件,从而实现车头各部件的有效分割;所述的利用多尺度的局部能量函数信息和灰度轮廓函数信息是输入车头图像进行图像预处理后进行边缘检测,以某个边缘点为中心,半径为S的区域计算能量函数Es和灰度轮廓函数Ts,计算尺度S下的平均能量函数Es和平均灰度轮廓函数Ts;判断能量函数Es与平均能量函数Es的差值的最大绝对值以及灰度轮廓函数Ts与平均灰度轮廓函数Ts的差值的最大绝对值与所设阈值相比较,大于阈值的则计算最佳尺度S下的Ts和Es,依据Ts和Es分割得到车头各个部件特征,然后用参数拟合描述车头各个部件特征。
三、在定位出的车标中,利用图像识别技术识别车标,从而获得车辆品牌信息。,在车标区域中进行模板匹配,对各类模板最大匹配值进行排序,将最大匹配值与所设阈值相比较,若最大匹配值小于所设阈值相则无需进行车标识别,否则,判断最大匹配值是否大于所设阈值,若最大匹配值大于所设阈值,再判断前面两位最大匹配值差值的绝对值是否大于所设阈值,如果是,最大匹配值对应的车标为识别结果,如果不是,对前面K个最大匹配区域进行尺度不变特征提取,依据所提取的特征对车标进行识别,若最大匹配值小于所设阈值,对前面K个最大匹配区域进行尺度不变特征提取,依据所提取的特征对车标进行识别。
四、根据获得的车标和车头的整体特征信息在图像识别流程中识别出车辆的品牌。
五、利用车头各个部件的特征以及各个特征的之间的拓扑关系,在同一品牌中识别车辆型号,通过车头部件的特征的参数描述,构造不同尺度下的似然函数,融合不同尺度下的似然函数,最后得到该特征的似然函数,结合车头各个特征之间的拓扑关系来识别同一车辆品牌下不同车辆的型号。
本发明与背景技术比较目前无论国内还是国外大多数车辆识别方法主要采用车牌识别技术来实现,以及从车辆外形轮廓特征来识别轿车、货车等类型,还没有查阅到不仅能识别车辆的品牌,同时还能识别同一品牌中不同类型(型号)的车辆的信息。本发明涉及的方法是直接从采集到的图像中实时出识别车辆品牌和型号,不需要通过已有的数据库信息查找车辆类型信息,节省了与数据库之间的比对时间和人为因素的干扰;与外形轮廓和三维模型的车辆类型识别技术相比,本发明涉及的方法不需要事先建立车辆的三维模型库和外形轮廓库,而是直接存储不同品牌不同型号的车头图像即可;同时本发明的识别结果可以与现有技术的车牌识别系统等相结合,为避免违章车辆中途换车牌等的实时跟踪提供了更可靠的依据。经试运行统计,车辆的品牌识别率大约在95%~98%左右,车辆的型号识别率大约在92%~95%左右。
附图说明
图1为本发明所说方法的系统示意框图。
图2为本发明所说的车头定位方法示意框图。
图3为本发明所说的从车头中定位出车头的各个部件流程图。
图4为本发明所说的车辆品牌和型号识别原理流程图。
图5为本发明所说方法系统处理工作过程示意框图。
具体实施方式
由图1图2看出由摄像头采集到车辆前端图像后,首先进行车头的定位,然后定位车头中各个部件如车牌、车标、进气口及车头灯等特征,根据定位的部件特征,建立各个部件之间的拓扑关系;接着通过对车标进行识别,结合车头的整体特征信息,识别出该车辆的品牌;最后在该品牌下,依据各个特征之间的拓扑关系及各个特征本身的属性,识别出该品牌下车辆的具体型号。由于车是刚体的,而且车头具有对称性,采用了对称性来对车头进行定位,主要有几种对称性:a灰度对称性;b边缘特征对称性,c方向对称性;d轮廓对称性。利用这几种对称标准对图像进行分析,可以找到车辆的中心线,车辆的轮廓从中心线向边线扩展,从而得到车辆的宽度信息。考虑到光照条件的影响,可能一种对称性无法准确定位出车头位置,因此可以联合多种对称性方法来准确的定位车头位置。由图3看出在车头中,由于各个部件的存在,导致车脸的纹理信息丰富,特别是车头灯、进气口和车标等部件处有明显的纹理特征,并且车头各个部件中都有很多细节性纹理,为了能有效的定位车头中的各个部件,采用了一种多尺度的局部能量函数来定位车头各个部件。实质是通过计算选择一个最优尺度,在该尺度下,通过某些候选点所在的最佳半径为s的圆形区域中计算能量函数信息和灰度轮廓函数信息来突出车头中各个部件,从而实现车头各个部件的有效分割。与传统的边缘检测分割方法相比,该方法利用了图像的灰度和纹理信息,这些信息有助于区分出车辆的各个部件,因为车辆的各个部件在强度和纹理上具有一定的联系。由图4图5看出,对于车辆品牌的识别一方面依据车标的识别,另外一方面又需要结合车头的部件特征。车标识别方面:首先采用模板匹配对车标进行粗识别,然后对粗识别出的结果,采用一种尺度不变特征变换函数进一步识别。无论是提取角点还是边缘等特征,这些特征将随尺度改变而变化,对不同尺度影像上提取的特征匹配不准确,而尺度不变特征变换函数克服了这问题,并对旋转及光照也具有不变性。
车头部件识别方面:首先从车头的整体特征对其匹配识别,然后根据各个部件的局部特征进一步校验。最后通过加权方式将两次识别的结果(车标识别结果和车头部件识别结果)进行融合处理,最终识别出车辆的品牌。
本发明只利用了车体中车标和车头信息,而没有利用整个车体信息。在识别车辆型号时,将同一品牌下的车的不同型号认为是各个车头部件的随机组合,位置的随机组合和几何形状特征的随机组合来考虑。因此通过车头部件的特征的参数描述,构造不同尺度下的似然函数,通过融合不同尺度下的似然函数,最后得到该特征的似然函数,结合车头各个特征的拓扑关系来识别同一车标下不同车辆的型号。
图5给出了本发明的整个识别系统处理的工作过程实施例。首先利用摄像机采集车辆前端图像序列,根据采集的图像,计算机系统先对图像采用预处理手段进行处理,然后融合多种对称性实现车头的定位,在定位出的车头图像中,在尺度S下,计算局部能量函数和灰度轮廓函数以及相应的平均能量函数和平均灰度轮廓函数,判断能量函数与平均能量函数之间绝对差的最大值是否大于所设阈值(阈值的范围为5~8),如果小于该阈值,则改变尺度S,重新计算能量函数和灰度轮廓函数,如果大于该阈值,则将该尺度定位为最佳尺度S,然后计算该尺度下的能量函数和灰度轮廓函数,依据所计算出的函数实现车头各个部件的分割,对分割得到的车头各个部件利用特征参数对其进行描述,在定位出车头及其各个部件后,先利用模板匹配准则对车标区域进行匹配,将各类模板的匹配值进行排序,判断最大匹配值是否小于某个阈值(设阈值的范围0.3~0.5),如果小于该阈值,无需对该车标进行识别,如果大于该阈值,则判断最大匹配值是否大于某个阈值(设阈值的范围0.7~0.9),如果大于该阈值,判断前两位匹配值之间的绝对差是否大于某个阈值(设阈值的范围为0.01~0.1),如果大于该阈值,则最大匹配值对应的车标为车标识别结果,如果小于该阈值,或者最大匹配值小于设定阈值,则选前K个最大匹配区域进行尺度不变特征提取,识别车标。依据车标识别的结果,结合车头的整体信息实现对车辆品牌的识别;在得到该车辆品牌结果后,结合车头各个部件的特征及各个部件之间的拓扑关系,最后识别出该品牌下的车辆型号。
Claims (1)
1、一种利用计算机数字图像处理技术识别车辆类型的方法,包括图像采集、图像预处理、图像分割、图像识别、图像输出流程,其特征在于以下步骤:
一)从采集车辆前端的图像中定位出车头,利用一种或融合多种对称性方法对图像进行分析,找出车辆的中心线,车辆的轮廓从中心线向边线扩展,得到车辆的宽度信息,分割识别定位出车头位置;所述的对称性方法可以是轮廓对称性、灰度对称性、边缘对称性或方向对称性;
二)从车头中定位出车头的各个部件,依据车头各部件图像灰度和纹理信息,利用多尺度的局部能量函数信息和灰度轮廓函数信息突出车头各个部件,从而实现车头各部件的有效分割;所述的利用多尺度的局部能量函数信息和灰度轮廓函数信息是输入车头图像进行图像预处理后进行边缘检测,以某个边缘点为中心,半径为S的区域计算能量函数Es和灰度轮廓函数Ts计算尺度S下的平均能量函数Es和平均灰度轮廓函数Ts;将能量函数Es与平均能量函数Es的差值的最大绝对值以及灰度轮廓函数Ts与平均灰度轮廓函数Ts的差值的最大绝对值与所设阈值相比较,大于阈值的则计算最佳尺度S下的Ts和Es,依据Ts和Es分割得到车头各个部件特征,然后用参数拟合描述车头各个部件特征;
三)在定位出的车标中,利用图像识别技术识别车标,从而获得车辆品牌,在车标区域中进行模板匹配,对各类模板最大匹配值进行排序,将最大匹配值与所设阈值相比较,若最大匹配值小于所设阈值则无需进行车标识别,否则,判断最大匹配值是否大于所设阈值,若最大匹配值大于所设阈值,再判断前面两位最大匹配值差值的绝对值是否大于所设阈值,如果是,最大匹配值对应的车标为识别结果,如果不是,对前面K个最大匹配区域进行尺度不变特征提取,依据所提取的特征对车标进行识别,若最大匹配值小于所设阈值,对前面K个最大匹配区域进行尺度不变特征提取,依据所提取的特征对车标进行识别;
四)根据获得的车标和车头的整体特征信息在图像识别流程中识别出车辆的品牌;
五)利用车头各个部件的特征以及各个特征的之间的拓扑关系,在同一品牌中识别车辆型号,通过车头部件的特征的参数描述,构造不同尺度下的似然函数,融合不同尺度下的似然函数,最后得到该特征的似然函数,结合车头各个特征之间的拓扑关系来识别同一车辆品牌下不同车辆的型号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100225778A CN100485710C (zh) | 2006-12-22 | 2006-12-22 | 利用数字图像处理技术识别车辆类型的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNB2006100225778A CN100485710C (zh) | 2006-12-22 | 2006-12-22 | 利用数字图像处理技术识别车辆类型的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101196979A CN101196979A (zh) | 2008-06-11 |
CN100485710C true CN100485710C (zh) | 2009-05-06 |
Family
ID=39547373
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2006100225778A Expired - Fee Related CN100485710C (zh) | 2006-12-22 | 2006-12-22 | 利用数字图像处理技术识别车辆类型的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN100485710C (zh) |
Families Citing this family (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101504717B (zh) * | 2008-07-28 | 2012-07-11 | 上海高德威智能交通系统有限公司 | 特征区域的定位方法、车身深浅色与车身颜色的识别方法 |
CN101339601B (zh) * | 2008-08-15 | 2011-09-28 | 张擎宇 | 一种基于sift算法的车牌汉字识别方法 |
TWI394095B (zh) | 2008-10-22 | 2013-04-21 | Ind Tech Res Inst | 影像偵測方法及其系統 |
WO2010085257A1 (en) | 2009-01-24 | 2010-07-29 | Hewlett-Packard Devlopment Company, L.P. | System and method for enhancing security printing |
US8732172B2 (en) * | 2010-05-13 | 2014-05-20 | Institute Of Automation, Chinese Academy Of Sciences | Shape classification method based on the topological perceptual organization theory |
CN102034093A (zh) * | 2010-12-03 | 2011-04-27 | 天津工业大学 | 一种基于优化计算的特征点匹配方法 |
CN102708385B (zh) * | 2012-04-06 | 2014-07-16 | 张丛喆 | 用于视频监控场景的三维车型比对识别的方法和系统 |
CN103065143A (zh) * | 2012-12-30 | 2013-04-24 | 信帧电子技术(北京)有限公司 | 车标识别方法及装置 |
CN103077397B (zh) * | 2013-01-21 | 2016-02-24 | 信帧电子技术(北京)有限公司 | 车标定位方法和车标定位系统 |
CN103234530B (zh) * | 2013-04-17 | 2015-04-22 | 江苏晓山信息产业股份有限公司 | 基于视频信号的城市车辆轮胎清洁状况检测方法 |
CN103473566B (zh) * | 2013-08-27 | 2016-09-14 | 东莞中国科学院云计算产业技术创新与育成中心 | 一种基于多尺度模型的车辆检测方法 |
CN103985230B (zh) * | 2014-05-14 | 2016-06-01 | 深圳市大疆创新科技有限公司 | 一种基于图像的通知方法、装置及通知系统 |
CN104361343B (zh) * | 2014-10-30 | 2018-08-31 | 中盟科技有限公司 | 车辆类型识别方法及其装置 |
CN104392611B (zh) * | 2014-11-17 | 2016-08-24 | 英华达(南京)科技有限公司 | 一种识别高价汽车方法及系统 |
CN105095848B (zh) * | 2014-12-01 | 2019-06-21 | 北京云识图信息技术有限公司 | 目标识别的方法及系统 |
CN104778444B (zh) * | 2015-03-10 | 2018-01-16 | 公安部交通管理科学研究所 | 道路场景下车辆图像的表观特征分析方法 |
CN104966049B (zh) * | 2015-06-01 | 2018-06-05 | 江苏航天大为科技股份有限公司 | 基于图像的货车检测方法 |
CN105184293B (zh) * | 2015-08-29 | 2019-02-15 | 电子科技大学 | 基于显著性区域检测的车标定位方法 |
CN105160330B (zh) * | 2015-09-17 | 2018-08-10 | 中国地质大学(武汉) | 一种车标识别方法及车标识别系统 |
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系统 |
CN105448103B (zh) * | 2015-12-24 | 2018-01-26 | 北京旷视科技有限公司 | 车辆套牌检测方法与系统 |
CN105512653A (zh) * | 2016-02-03 | 2016-04-20 | 东南大学 | 一种基于车辆对称特征的城市交通场景中车辆的检测方法 |
CN105629834B (zh) * | 2016-02-04 | 2016-11-30 | 国网山东省电力公司费县供电公司 | 多功能充电系统 |
CN105759683A (zh) * | 2016-02-04 | 2016-07-13 | 李舒曼 | 无线智能手机充电器 |
CN105652332B (zh) * | 2016-02-24 | 2019-02-12 | 北京君和信达科技有限公司 | 一种辐射源控制方法和速通式安检系统 |
CN107451511B (zh) * | 2016-05-31 | 2020-12-15 | 优信拍(北京)信息科技有限公司 | 一种基于车型信息提取obd数据的系统、方法 |
CN108345820A (zh) * | 2017-01-23 | 2018-07-31 | 许继集团有限公司 | 基于部件种类和部件位置的高压设备图像识别方法及装置 |
CN108345896A (zh) * | 2017-01-23 | 2018-07-31 | 许继集团有限公司 | 基于部件种类和部件比例的高压设备图像识别方法及装置 |
CN106971380A (zh) * | 2017-03-13 | 2017-07-21 | 深圳市嘉和顺信息科技有限公司 | 一种对比度增强和视觉显著度优化方法在高尔夫球场图中的应用 |
CN106875693A (zh) * | 2017-03-29 | 2017-06-20 | 广西信路威科技发展有限公司 | 一种车辆特征识别的方法及系统 |
CN107256633B (zh) * | 2017-05-09 | 2020-03-31 | 西安理工大学 | 一种基于单目摄像头三维估计的车型分类方法 |
CN108038423B (zh) * | 2017-11-22 | 2022-03-04 | 广东数相智能科技有限公司 | 基于图像识别的汽车车型的识别方法及装置 |
CN108090429B (zh) * | 2017-12-08 | 2020-07-24 | 浙江捷尚视觉科技股份有限公司 | 一种分级前脸卡口车型识别方法 |
CN110769175B (zh) * | 2018-07-27 | 2022-08-09 | 华为技术有限公司 | 一种智能分析系统、方法及装置 |
CN110285870A (zh) * | 2019-07-22 | 2019-09-27 | 深圳市卓城科技有限公司 | 车辆轴型与车轮数检测分析方法及其系统 |
CN110598749A (zh) * | 2019-08-13 | 2019-12-20 | 广东数鼎科技有限公司 | 一种基于卷积神经网络ai算法的图像识车实现系统 |
CN110728174A (zh) * | 2019-08-29 | 2020-01-24 | 恒大智慧科技有限公司 | 基于车辆识别的伸缩门控制方法、装置及存储介质 |
CN110880003B (zh) * | 2019-10-12 | 2023-01-17 | 中国第一汽车股份有限公司 | 一种图像匹配方法、装置、存储介质及汽车 |
CN111259885B (zh) * | 2020-02-27 | 2023-11-24 | 深圳成子科技有限公司 | 腕表识别方法及设备 |
CN111942207A (zh) * | 2020-08-14 | 2020-11-17 | 高丰 | 一种基于大数据的电动汽车智能充电管理系统 |
CN113124777B (zh) * | 2021-04-20 | 2023-02-24 | 辽宁因泰立电子信息有限公司 | 车辆尺寸确定方法、装置、系统及存储介质 |
-
2006
- 2006-12-22 CN CNB2006100225778A patent/CN100485710C/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN101196979A (zh) | 2008-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100485710C (zh) | 利用数字图像处理技术识别车辆类型的方法 | |
CN107729818B (zh) | 一种基于深度学习的多特征融合车辆重识别方法 | |
CN106056086B (zh) | 基于快速学习框架的车辆品牌型号识别方法 | |
Silva et al. | An extended center-symmetric local binary pattern for background modeling and subtraction in videos | |
CN108090429B (zh) | 一种分级前脸卡口车型识别方法 | |
Zhang et al. | Three-dimensional deformable-model-based localization and recognition of road vehicles | |
CN102156983B (zh) | 基于模式识别与目标跟踪的异常行人位置检测方法 | |
CN105335702B (zh) | 一种基于统计学习的卡口车型识别方法 | |
CN102663411B (zh) | 一种目标人体识别方法 | |
CN105740886B (zh) | 一种基于机器学习的车标识别方法 | |
CN102768726B (zh) | 一种预防行人碰撞的行人检测方法 | |
CN114359876B (zh) | 一种车辆目标识别方法及存储介质 | |
CN108764096B (zh) | 一种行人重识别系统和方法 | |
CN103049758A (zh) | 融合步态光流图和头肩均值形状的远距离身份验证方法 | |
CN101131728A (zh) | 一种基于Shape Context的人脸形状匹配方法 | |
CN104036523A (zh) | 一种基于SURF特征的改进Mean Shift的目标跟踪方法 | |
CN103870808A (zh) | 一种手指静脉识别方法 | |
CN103955496A (zh) | 一种快速的现场轮胎痕迹花纹检索算法 | |
CN111435421A (zh) | 一种面向交通目标的车辆重识别方法和装置 | |
Wang et al. | V2I-CARLA: A novel dataset and a method for vehicle reidentification-based V2I environment | |
Zheng et al. | OERFF: A vehicle re-identification method based on orientation estimation and regional feature fusion | |
CN104156697A (zh) | 一种夜间卡口场景下的车型识别方法 | |
Lee et al. | independent object detection based on two-dimensional contours and three-dimensional sizes | |
CN111862147A (zh) | 视频中多车辆和多行人目标的跟踪方法 | |
CN103559492A (zh) | 一种车标识别装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20090506 Termination date: 20121222 |