CN102289940B - 一种基于混合差分的车流量检测方法 - Google Patents
一种基于混合差分的车流量检测方法 Download PDFInfo
- Publication number
- CN102289940B CN102289940B CN2011102094067A CN201110209406A CN102289940B CN 102289940 B CN102289940 B CN 102289940B CN 2011102094067 A CN2011102094067 A CN 2011102094067A CN 201110209406 A CN201110209406 A CN 201110209406A CN 102289940 B CN102289940 B CN 102289940B
- Authority
- CN
- China
- Prior art keywords
- image
- vehicle
- frame
- inter
- carried out
- 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
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于混合差分的车流量检测方法,其步骤包括采用摄像机采集道路交通视频,经逐帧提取视频中的图像并进行预处理,获得待检测的包含道路和车辆信息的图像f(x,y),再在车流量检测模块中对图像f(x,y)进行处理,识别出图像中车辆信息并计数。本发明对车流量进行检测的准确性好,获得的正确率和漏检率分别比背景差法提高和降低约3%,获得的误检率比帧间差法低约18%。
Description
所属技术领域
本发明涉及智能交通系统车流量检测方法,尤其是基于视频图像处理技术的车流量检测方法。
背景技术
得益于工业革命带来的巨大成就,汽车在世界范围内迅速得到广泛应用,但随之而来的交通阻塞和交通安全等问题严重制约了世界经济的发展。早期主要采用投资新建道路设施的方式来解决这些问题,但由于成本越来越高,具有不可持续性。随着信息技术的发展,人们提出了智能交通(Intelligent Transport)的概念,目的是利用电子信息、计算机等多种技术来解决交通问题。
车流量检测是智能交通的一部分,它为交通管理提供基本的交通流量信息。传统的车流量检测技术可分为两类:一类是基于压电回路的永久埋入式系统,该系统施工复杂,不便于维护。另一类是悬挂式系统,包括微波、红外线、雷达等检测系统,这类系统造价较高,采集信息单一。随着计算机和信息技术的发展,基于视频图像处理技术的车流量检测方法由于具有处理速度快、安装简单、维护方便、成本低和可监视范围广等特点而成为车流量检测技术的发展趋势。
在基于视频图像处理技术的车流量检测方法中,利用差分图像提取车辆目标是车辆检测的常用方法,主要包括帧间差法和背景差法。基于帧间差法的车流量检测算法对光线变化不敏感,对动态环境具有较强的自适应性,能够检测出具有相对运动的目标,缺点是无法检测静止车辆,若车速太慢,将产生“孔洞”现象,若车速太快,又将产生“拖尾”现象。基于背景差法的车流量检测算法能检测长时间静止的车辆,同时不受车速快慢的影响,应用比较广泛,但其背景更新对噪声敏感,当光线剧烈变化时容易导致错误检测。因此,发明一种既能综合帧间差和背景差法的优势,又能克服两者不足的车流量检测方法具有重要的应用价值。
发明内容
鉴于现有技术的以上缺点,本发明的目的是提供一种基于混合差分的车流量检测方法。该方法的优势是车流量检测的准确性好,既能获得高正确率,又能获得低漏检率和误检率;适用范围广,在光照、环境或车速等变化和有长时间静止车辆或有相对运动的目标等情况下均有效。可用于高速公路、城市道路和普通道路等的交通监控系统、交通管理与控制系统和交通规划系统中。
本发明为解决其技术问题,所采用的技术方案为:
一种基于混合差分的车流量检测方法,其步骤包括采用摄像机采集道路交通视频,经逐帧提取视频中的图像并进行预处理,获得待检测的包含道路和车辆信息的图像f(x,y),再在车流量检测模块中对图像f(x,y)进行处理,识别出图像中车辆信息并计数,其特征在于:所述对交通视频图像f(x,y)进行处理的具体作法主要包括如图1所示的各步骤,详细描述如下:
步骤1:产生灰度背景图像。逐帧读取交通视频图像,并进行灰度化处理,采用均值法生成灰度背景图像。
步骤2:产生背景差分图像。将经过灰度化处理的每帧图像和背景图像相减,得到背景差分图像,用固定阈值法对背景差分图像进行二值化处理。
步骤3:产生帧间差分图像。读取相邻的两帧交通图像,将其转化为灰度图像,然后将灰度图像进行差分处理,并用固定阈值法对帧间差分图像进行二值化处理,产生包含车辆运动区域的帧间差分图像。
步骤4:图像滤波处理。采用中值滤波器对二值背景差分图像进行滤波处理,采用均值滤波器对帧间差分图像进行滤波,然后分别再进行形态学滤波,实现连通区域的平滑和分割,分别获得经过滤波处理后的背景差分图像和帧间差分图像。
步骤5:产生信息融合图像。将滤波处理后的背景差分图像和帧间差分图像进行或运算,获得融合了背景差分和帧间差分信息的图像。
步骤6:环境突变检测。对经过滤波处理后的背景差分图像进行环境突变检测,具体步骤为:
(1)在图像中选择合适的区域(如始终没有车辆经过的区域)设置为突变检测区域;
(2)统计环境突变检测区域内亮度为255的像素点的个数N255;
(3)根据突变像素点阈值T进行环境突变判断,如果N255大于阈值T,则认为发生了环境突变,反之,则认为没有发生环境突变。
步骤7:若没有发生环境突变,则采用步骤5中产生的信息融合图像进行车流量检测。
步骤8:若发生了环境突变,则采用经过滤波处理后的帧间差分图像进行车流量检测。
步骤9:设置虚拟检测区域。在图像底端合适位置设定矩形虚拟检测区域,其高度小于前后两车之间的距离,其宽度为车道宽。虚拟检测区域设置可减少车辆变道或车辆遮挡等因素造成的车流量检测错误。
步骤10:车辆计数。根据计数准则进行车辆检测计数,直到检测结束。具体步骤为:
(i)首先对车道1进行检测。计算虚拟检测区域连通区面积S1,如果面积S1大于面积阈值T1,则判定车辆存在,并将当前道路状态标志Cframe1的值设置为1;
(ii)比较当前道路1的状态标志Cframe1和前一帧道路状态标志Pframe。如果(Cframe1-Pframe)=1,则车辆计数器Cnumber1增加1;
(iii)对车道2进行车流量检测,计算虚拟检测区域连通区面积S2,如果面积S2大于设置的面积阈值T2,则判定车辆存在,并将当前道路状态标志Cframe2的值设置为1;
(iv)比较当前道路2状态标志Cframe2和前一帧道路状态标志Pffame2。如果(Cframe2-Pframe2)=1,则车辆计数器Cnumber2增加1;
(v)对车道2进行车辆遮挡和车辆变道检测。如果(Cframe2-Pframe2)=1,同时Cframe1=1,那么车辆计数器Cnumber2减1;或者,如果(Cframe2-Pframe2)=1,同时(Cframe1-Pframe)=1,那么车辆计数器Cnumber2减1;
(vi)减状态标志清0,重复步骤(i)到步骤(v);
(vii)计算总的车流量Snumber=Cnumber1+Cnumber2。
步骤11:输出车流量检测结果。
与现有技术相比,本发明的有益效果是:
1.车流量检测的准确性好。在获得高正确率的同时,漏检率和误检率低。本发明采用环境突变判断代替背景更新,当不存在环境突变时,采用背景差法和帧间差法相结合的方式提取完整车辆目标,当发生环境突变时,直接采用帧间差法提取车辆目标,并通过设置虚拟检测区域方式和设计车辆计数准则,减少车辆遮挡和车辆变道导致的检测错误。
2.适用范围广。本发明有机综合了背景差法和帧间差法的优势,可以有效地排除光照和天气变化对检测结果的不利影响,对动态环境具有较强的适应性;既能检测长时间静止的车辆,且不受车速快慢的影响,又能够检测出具有相对运动的目标。
附图说明
图1是本发明采用的车流量检测算法流程图。
图2是环境突变判断区域设置图。
图3是虚拟检测区域设置示意图。
在图3中,标有ROI1、ROI2和ROI3的矩形框按从左至右的顺序分别表示车道1的虚拟检测区域、车道2的虚拟检测区域、车道3和车道4的虚拟检测区域。其中ROI1和ROI2为主检测区域,本发明主要统计这两个检测区域的车流量,ROI3为辅助检测区域,该区域存在比较严重的左右遮挡现象,这是由摄像机的架设角度引起的,需要安装新的摄像头从道路的正上方采集右边两条车道的交通视频。
具体实施方式
下面结合具体实施方式对本发明作进一步详细描述。
实施例
一种基于混合差分的车流量检测方法,其步骤包括采用摄像头采集到道路交通视频,本实施例从某高速公路随机采集了7段交通视频,每段视频约两分钟,视频帧速率为每秒15帧,经由逐帧提取视频中的图像并进行预处理后,获得待检测的包含道路和车辆信息的图像f(x,y),再在车流量检测模块中对图像f(x,y)进行处理,识别出图像中车辆信息并计数,其特征在于:所述对交通视频图像f(x,y)进行处理的具体作法主要包括如图1所示的各步骤,详细描述如下:
步骤1:产生灰度背景图像。逐帧读取前50帧交通视频图像,并进行灰度化处理,采用均值法生成包含道路信息和车辆的灰度背景图像fb(x,y)。设Ik(x,y)为当前图像,k∈[1,50],则背景图像fb(x,y)可表示为:
步骤2:产生背景差分图像。将经过灰度化处理的每帧图像和背景图像fb(x,y)相减,得到背景差分图像,用固定阈值20对背景差分图像进行二值化处理。
步骤3:产生帧间差分图像。读取相邻的两帧图像,将其转化为灰度图像,然后将上述图像进行差分处理,用固定阈值25对帧间差分图像进行二值化处理,产生包含车辆运动区域的帧间差分图像。
步骤4:图像滤波处理。采用3*3的模板对二值背景差分图像进行中值滤波处理。采用3*3的模板对帧间差分图像进行均值滤波处理,然后对滤波后的图像先进行开操作,再进行闭操作,实现连通区域的平滑和分割,分别获得经过滤波处理后的背景差分图像g1(x,y)和帧间差分图像g2(x,y)。
步骤5:产生信息融合图像。将滤波处理后的背景差分图像和帧间差分图像进行或运算,获得融合了背景差分和帧间差分信息的图像g3(x,y)。
步骤6:环境突变判断。对经过滤波处理后的背景差分图像g1(x,y)进行环境突变判断。具体步骤为:
(1)在图像g1(x,y)左侧的临时停车道设置一个高为40个像素、宽为50个像素的区域为突变判断区域;
(2)统计环境突变判断区域内亮度为255的像素点的个数N255;
(3)根据突变像素点阈值T进行环境突变判断,如果N255大于阈值T,则认为发生了环境突变,反之,则认为没有发生环境突变。这里的阈值T选取为突变判断区域面积的一半,即1000。
步骤7:若没有发生环境突变,则采用步骤5中产生的信息融合图像g3(x,y)进行车流量检测。
步骤8:若发生了环境突变,则采用经过滤波处理后的帧间差分图像g2(x,y)进行车流量检测,环境突变判断区域设置如图2中下沿中部小框所示。
步骤9:设置虚拟检测区域。将图像底端高度为10个像素、宽度为70个像素的矩形区域设置为虚拟检测区域,如图3中框格所示。
步骤10:车辆计数。根据计数准则进行车辆检测计数,直到检测结束。具体步骤为:
(i)首先对车道1进行检测。计算虚拟检测区域连通区面积S1,该面积为虚拟检测区域连通区内亮度为255的像素点的个数,且随着视频图像的变化而变化,如果面积S1大于面积阈值T1(T1=30),则判定车辆存在,并将当前道路状态标志Cframe1的值设置为1;
(ii)比较当前道路1的状态标志Cframe1和前一帧道路状态标志Pffame。如果(Cframe1-Pframe)=1,则车辆计数器Cnumber1增加1;
(iii)对车道2进行车流量检测,计算虚拟检测区域连通区面积S2,该面积为虚拟检测区域连通区内亮度为255的像素点的个数,且随着视频图像的变化而变化,如果面积S2大于设置的面积阈值T2(T2=30),则判定车辆存在,并将当前道路状态标志Cframe2的值设置为1;
(iv)比较当前道路2状态标志Cframe2和前一帧道路状态标志Pframe2。如果(Cframe2-Pframe2)=1,则车辆计数器Cnumber2增加1;
(v)对车道2进行车辆遮挡和车辆变道检测。如果(Cframe2-Pframe2)=1,同时Cframe1=1,那么车辆计数器Cnumber2减1;或者,如果(Cframe2-Pframe2)=1,同时(Cframe1-Pframe)=1,那么车辆计数器Cnumber2减1;
(vi)减状态标志清0,重复步骤(i)到步骤(v);
(vii)计算总的车流量Snumber=Cnumber1+Cnumber2。
步骤11:输出车流量检测结果。
在本实施例中,通过对7段交通视频图像进行车流量检测,获得的正确率、漏检率和误检率如表1所示。为了表明本方法的有效性,表1也给出了采用背景差法和帧间差法对7段交通视频图像进行车流量检测的结果。由实验结果可知,本发明对车流量进行检测的准确性好,获得的正确率和漏检率分别比背景差法提高和降低约3%,获得的误检率比帧间差法低约18%。
表1本发明与背景差法、帧间差法车流量检测结果比较
实际车流量 | 正确检测结果 | 漏检数 | 误检数 | 正确率 | 漏检率 | 误检率 | |
本发明 | 66 | 63 | 3 | 1 | 95.45% | 4.55% | 1.52% |
背景差法 | 66 | 61 | 5 | 1 | 92.42% | 7.58% | 1.52% |
帧间差法 | 66 | 63 | 3 | 13 | 95.45% | 4.55% | 19.7% |
Claims (2)
1.一种基于混合差分的车流量检测方法,其步骤包括采用摄像机采集道路交通视频,经逐帧提取视频中的图像并进行预处理,获得待检测的包含道路和车辆信息的交通视频图像f(x,y),再在车流量检测模块中对交通视频图像f(x,y)进行处理,识别出图像中车辆信息并计数,其特征在于:所述对交通视频图像f(x,y)进行处理的具体作法主要包括如以下步骤:
步骤1:产生灰度背景图像:逐帧读取交通视频图像,并进行灰度化处理,采用均值法生成灰度背景图像;
步骤2:产生背景差分图像:将经过灰度化处理的每帧图像和背景图像相减,得到背景差分图像,用固定阈值法对背景差分图像进行二值化处理;
步骤3:产生帧间差分图像:读取相邻的两帧交通图像,将其转化为灰度图像,然后将灰度图像进行差分处理,并用固定阈值法对帧间差分图像进行二值化处理,产生包含车辆运动区域的帧间差分图像;
步骤4:图像滤波处理:采用中值滤波器对二值背景差分图像进行滤波处理,采用均值滤波器对帧间差分图像进行滤波,然后分别再进行形态学滤波,实现连通区域的平滑和分割,分别获得经过滤波处理后的背景差分图像和帧间差分图像;
步骤5:产生信息融合图像:将滤波处理后的背景差分图像和帧间差分图像进行或运算,获得融合了背景差分和帧间差分信息的图像;
步骤6:环境突变检测:对经过滤波处理后的背景差分图像进行环境突变检测;
步骤7:若没有发生环境突变:则采用步骤5中产生的信息融合图像进行车流量检测;
步骤8:若发生了环境突变:则采用经过滤波处理后的帧间差分图像进行车流量检测;
步骤9:设置虚拟检测区域:在图像底端合适位置设定矩形虚拟检测区域,其高度小于前后两车之间的距离,其宽度为车道宽,虚拟检测区域设置减少车辆变道或车辆遮挡因素造成的车流量检测错误;
步骤10:车辆计数;根据计数准则进行车辆检测计数,直到检测结束;
步骤11:输出车流量检测结果;
所述环境突变检测采用的具体步骤包括:
(1)在图像中选择始终没有车辆经过的区域设置为突变检测区域;
(2)统计环境突变检测区域内亮度为255的像素点的个数N255;
(3)根据突变像素点阈值T进行环境突变判断,如果N255大于阈值T,则认为发生了环境突变;反之,则认为没有发生环境突变。
2.根据权利要求1所述之一种基于混合差分的车流量检测方法,其特征在于,所述车辆计数的执行步骤和计数准则包括:具体步骤为:
(1)、首先对车道1进行检测:计算虚拟检测区域连通区面积S1,如果面积S1大于面积阈值T1,则判定车辆存在,并将当前道路状态标志Cframe1的值设置为1;
(2)、比较当前道路1的状态标志Cframe1和前一帧道路状态标志Pframe:如果(Cframe1-Pframe)=1,则车辆计数器Cnumber1增加1;
(3)、对车道2进行车流量检测,计算虚拟检测区域连通区面积S2,如果面积S2大于设置的面积阈值T2,则判定车辆存在,并将当前道路状态标志Cframe2的值设置为1;
(4)、比较当前道路2状态标志Cframe2和前一帧道路状态标志Pframe2:如果(Cframe2-Pframe2)=1,则车辆计数器Cnumber2增加1;
(5)、对车道2进行车辆遮挡和车辆变道检测:如果(Cframe2-Pframe2)=1,同时Cframe1=1,那么车辆计数器Cnumber2减1;或者,如果(Cframe2-Pframe2)=1,同时(Cframe1-Pframe)=1,那么车辆计数器Cnumber2减1;
(6)、减状态标志清0,重复步骤(1)到步骤(5);
计算总的车流量Snumber=Cnumber1+Cnumber2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011102094067A CN102289940B (zh) | 2011-07-26 | 2011-07-26 | 一种基于混合差分的车流量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2011102094067A CN102289940B (zh) | 2011-07-26 | 2011-07-26 | 一种基于混合差分的车流量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102289940A CN102289940A (zh) | 2011-12-21 |
CN102289940B true CN102289940B (zh) | 2013-07-03 |
Family
ID=45336317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2011102094067A Expired - Fee Related CN102289940B (zh) | 2011-07-26 | 2011-07-26 | 一种基于混合差分的车流量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102289940B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102595133B (zh) * | 2012-02-23 | 2014-02-05 | 安徽创世科技有限公司 | 一种视频编码技术中判断宏块类型的方法 |
CN102722982B (zh) * | 2012-03-30 | 2016-01-06 | 上海市金山区青少年活动中心 | 基于背景与帧间差分算法的车流及其运动状态检测方法 |
CN104183127B (zh) * | 2013-05-21 | 2017-02-22 | 北大方正集团有限公司 | 交通监控视频检测方法和装置 |
CN103413444B (zh) * | 2013-08-26 | 2015-08-19 | 深圳市川大智胜科技发展有限公司 | 一种基于无人机高清视频的交通流调查处理方法 |
CN103871253A (zh) * | 2014-03-03 | 2014-06-18 | 杭州电子科技大学 | 一种基于自适应背景差分的车流量检测方法 |
CN104021679A (zh) * | 2014-05-30 | 2014-09-03 | 宁波海视智能系统有限公司 | 一种基于视频的车流量统计方法 |
CN106663325B (zh) * | 2014-08-06 | 2020-06-16 | 索尼半导体解决方案公司 | 图像处理装置及其图像处理方法 |
CN104504913B (zh) * | 2014-12-25 | 2017-03-15 | 珠海高凌信息科技有限公司 | 视频车流检测方法及装置 |
CN105243854B (zh) * | 2015-09-24 | 2017-11-03 | 侯文宇 | 一种对道路中车流量进行检测的方法及装置 |
CN106780598A (zh) * | 2016-12-05 | 2017-05-31 | 歌尔科技有限公司 | 一种基于无人机的水面漂浮物检测方法和无人机 |
CN107480653A (zh) * | 2017-08-30 | 2017-12-15 | 安徽理工大学 | 基于计算机视觉的客流量检测方法 |
CN110164153A (zh) * | 2019-05-30 | 2019-08-23 | 哈尔滨理工大学 | 一种交通信号自适应配时方法 |
CN110288833A (zh) * | 2019-07-15 | 2019-09-27 | 北京航空航天大学 | 一种基于高精度红外阵列传感器的车流量检测系统 |
CN111260934B (zh) * | 2020-01-15 | 2021-03-12 | 山东双百电子有限公司 | 一种基于交通视频网的车流量检测方法 |
CN111310643B (zh) * | 2020-02-12 | 2023-08-29 | 北京师范大学 | 一种基于点云数据的车辆计数方法、装置及电子设备 |
CN111524367A (zh) * | 2020-07-06 | 2020-08-11 | 江苏中科院智能科学技术应用研究院 | 测距融合方法及系统、复合型车流量监测装置及监测系统 |
CN114613143B (zh) * | 2021-05-28 | 2023-08-25 | 三峡大学 | 基于YOLOv3模型的道路车辆计数方法 |
CN115985100A (zh) * | 2022-12-30 | 2023-04-18 | 云控智行科技有限公司 | 一种路侧设备电子围栏区域的生成方法、装置及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329815A (zh) * | 2008-07-07 | 2008-12-24 | 山东省计算中心 | 一种新型的交通路口四相位车流量检测系统与方法 |
CN101587646A (zh) * | 2008-05-21 | 2009-11-25 | 上海新联纬讯科技发展有限公司 | 基于视频识别技术的车流量检测方法及系统 |
CN101777263A (zh) * | 2010-02-08 | 2010-07-14 | 长安大学 | 一种基于视频的交通车流量检测方法 |
CN101968924A (zh) * | 2010-10-19 | 2011-02-09 | 北方工业大学 | 基于高分辨率图像的车流量实时检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06203288A (ja) * | 1992-12-28 | 1994-07-22 | Omron Corp | 交通流計測装置 |
JP3507857B2 (ja) * | 1999-10-27 | 2004-03-15 | 国土交通省国土技術政策総合研究所長 | 交通流検出装置 |
-
2011
- 2011-07-26 CN CN2011102094067A patent/CN102289940B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587646A (zh) * | 2008-05-21 | 2009-11-25 | 上海新联纬讯科技发展有限公司 | 基于视频识别技术的车流量检测方法及系统 |
CN101329815A (zh) * | 2008-07-07 | 2008-12-24 | 山东省计算中心 | 一种新型的交通路口四相位车流量检测系统与方法 |
CN101777263A (zh) * | 2010-02-08 | 2010-07-14 | 长安大学 | 一种基于视频的交通车流量检测方法 |
CN101968924A (zh) * | 2010-10-19 | 2011-02-09 | 北方工业大学 | 基于高分辨率图像的车流量实时检测方法 |
Non-Patent Citations (4)
Title |
---|
JP特开2001-126183A 2001.05.11 |
JP特开平6-203288A 1994.07.22 |
基于视频的城市道路车辆自动检测与跟踪;杨华;《中国优秀硕士学位论文全文数据库 信息科技辑》;20100215(第02期);第9-29页 * |
杨华.基于视频的城市道路车辆自动检测与跟踪.《中国优秀硕士学位论文全文数据库 信息科技辑》.2010,(第02期),第9-29页. |
Also Published As
Publication number | Publication date |
---|---|
CN102289940A (zh) | 2011-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102289940B (zh) | 一种基于混合差分的车流量检测方法 | |
CN104008645B (zh) | 一种适用于城市道路车道线预测及预警方法 | |
CN102810250B (zh) | 基于视频的多车型交通信息检测方法 | |
CN103730015B (zh) | 交叉路口车流量检测方法及装置 | |
CN104537841B (zh) | 无牌车辆违章检测方法及其检测系统 | |
CN102722982B (zh) | 基于背景与帧间差分算法的车流及其运动状态检测方法 | |
CN102622886B (zh) | 一种基于视频的车辆违章变道事件检测方法 | |
CN102819952B (zh) | 一种基于视频检测技术的车辆违法变道检测方法 | |
Pan et al. | Traffic surveillance system for vehicle flow detection | |
CN102496281B (zh) | 一种基于跟踪与虚拟线圈结合的车辆闯红灯检测方法 | |
CN103605967A (zh) | 一种基于图像识别的地铁防逃票系统及其工作方法 | |
CN101727748A (zh) | 一种基于车辆尾灯检测的车辆监控方法、系统和设备 | |
CN103077387B (zh) | 视频中货运列车车厢自动检测方法 | |
CN102298844A (zh) | 自动违章车辆检测系统和方法 | |
CN102110366B (zh) | 一种基于块累积的高速公路车辆停车事件检测方法 | |
CN102897086A (zh) | 一种后车行驶信息检测及提示方法及系统 | |
CN106503640A (zh) | 一种占用公交车道的检测方法 | |
CN106952474A (zh) | 基于运动车辆检测的车流量统计方法 | |
CN102184547B (zh) | 一种基于视频的车辆逆行事件检测方法 | |
CN103177586A (zh) | 一种基于机器视觉的城市交叉路口多车道车流量检测方法 | |
CN202422420U (zh) | 一种基于视频监控的违章停车检测系统 | |
CN104658272A (zh) | 一种基于双目立体视觉的道路车流量统计与测速方法 | |
CN102156989B (zh) | 视频帧中车辆遮挡检测与分割方法 | |
CN106097725A (zh) | 一种基于动态特征提取的车辆分类流量检测方法 | |
CN102169583B (zh) | 基于车窗定位的车辆遮挡检测与分割方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130703 Termination date: 20160726 |
|
CF01 | Termination of patent right due to non-payment of annual fee |