CN102622886A - 一种基于视频的车辆违章变道事件检测方法 - Google Patents
一种基于视频的车辆违章变道事件检测方法 Download PDFInfo
- Publication number
- CN102622886A CN102622886A CN2012100802624A CN201210080262A CN102622886A CN 102622886 A CN102622886 A CN 102622886A CN 2012100802624 A CN2012100802624 A CN 2012100802624A CN 201210080262 A CN201210080262 A CN 201210080262A CN 102622886 A CN102622886 A CN 102622886A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- piece
- threshold value
- field picture
- video
- 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
Abstract
本发明公开了一种基于视频的车辆违章变道事件检测方法。该方法主要包括基于块的二值化分割将待处理的视频中每帧图像中的目标背景分离开来,基于块的特征角点选择,通过标记目标的特征点进行车辆跟踪,同时记录其跟踪点位置信息,和基于跟踪轨迹特征实现匹配计算车辆位置比例方差从而判断车辆是否变道。与现有技术相比,本发明所提供的方法可对视频范围内所有车辆目标进行检测,不受环境限制,能够对实时视频进行判断,且检测时间短、易于实现、准确性较高,很适合于实时检测车辆违章变道事件,具有广阔的应用前景。
Description
技术领域
本发明属于视频检测技术领域,具体涉及一种基于视频的车辆违章变道事件检测方法。
背景技术
近年来,随着经济的快速发展,道路交通建设也迅速发展,同时机动车持有量也迅速攀升。在当前交通基础设施建设和交通法规普及都相对滞后的情况下,交通运输问题日益严重,交通事故频发,城市交通拥挤,交通环境不断恶化。统计资料表明,大约70%-80%的交通事故是由驾驶员对车辆的不正常驾驶行为造成的,包括驾驶员违章驾驶、疲劳驾驶等等。因此,为了创造更好的交通环境,对这些车辆违章行为的检测则是重中之重。
车辆违章变道是指车辆在某一车道行驶,由于某种情况,变道到平行相邻的另一车道内行驶。这种交通行为的危险性非常大,容易造成交通拥堵,甚至酿成交通事故,给人们的生活带来不便与危险。传统的车辆变道事件检测方法主要有电子线圈检测方法、数字视频检测方法。其中电子线圈方法可扩展性差,安装维护时必须中断交通、破坏路面,这些方法在实际生活中并不能得到广泛应用。
随着车辆监控系统的普遍使用,基于视频的交通信息检测技术越来越受到大家的重视。目前的新建项目越来越多地采用安装、维护不需要破坏路基、检测区域大、实施方便灵活的基于视频的交通信息检测技术。基于视频的车辆变道检测方法成为研究的热点,这些方法虽然能够实现车辆违章变道事件报警,但视频数据的处理过程复杂,可靠性差,不能满足检测的实时性要求,无法满足实际应用的要求。
发明内容
针对现有技术的缺陷或不足,本发明的目的在于,提供一种基于视频的车辆违章变道事件检测方法,该方法可以对视频范围内所有车辆事件实现实时、可靠的检测。
为了实现上述任务,本发明采取如下的技术解决方案:
一种基于视频的车辆违章变道事件检测方法,其特征在于,该方法按照下列步骤实施:
步骤一,标定车道线,在道路中设置禁止跨越线,同时找出车道的具体位置,计算其右侧车道每一行的水平像素宽度,以此作为基准车道宽度;
步骤二,将第一帧图像和背景图像在相同的块坐标系下都划分成多个块。对第一帧图像的每个块,在背景图像中找到与该小块位置相同的背景块,并计算该块与其相应的背景块之间各相同像素位置处的灰度差值的绝对值之和;
当所得的绝对值大于设定的阈值,则该块为目标块,并设置该块内部所有像素的灰度值为255;
当所得的绝对值小于或等于设定的阈值,则该块为背景块,并设置该块内部所有像素的灰度值为0;
最后将第一帧图像中的背景与目标分离开,得到第一帧图像的二值化图像;
步骤三,对第一帧图像的二值化图像进行边缘检测,寻找最佳角点,即当横向检测数据与纵向检测数据同时大于某一阈值时,保留这些角点位置:
步骤四,将这些角点的位置作为车辆的特征信息,同时创建一个目标结构体,记录这些车辆目标的具体位置以及匹配跟踪计数器信息,匹配跟踪计数器第一次初始化为零;
步骤五,进行角点匹配,寻找到匹配位置,匹配跟踪计数器加一;
步骤六,对第二帧、第三帧图像、…、第m帧图像,重复步骤二、步骤三、步骤五进行处理,并以第一帧(前一帧)记录的角点位置为依据,与第二帧(当前帧)中的记录的目标的角点位置做比较,当两者位置绝对值差大于一定的阈值,就认为是这第二帧(当前)中新的车辆目标,再按照步骤四进行处理,
步骤七,当匹配跟踪器大于某一阈值时,计算车辆的跟踪轨迹中的坐标即匹配角点的位置,和相应行禁止跨越车道线之间的水平代数距离,计算这些水平代数距离与相应行基准车道宽度之间的比例,判断所得车辆位置比例的波动大小,也就是以车辆位置比例方差大小作为变道事件的判断条件,当此比例方差大于某一阈值时,即认为车辆变道。
其中:
步骤二中所述的阈值为50×块的面积~60×块的面积。
步骤三中所述阈值为180~220;
步骤六中所述的阈值为5~20;
步骤七中所述的匹配跟踪器的阈值取值范围是70~90,比例方差的阈值取值范围0.15。
本发明的基于视频的车辆违章变道事件检测方法,与现有技术相比,可对视频范围内所有车辆目标进行检测,不受环境限制,能够对实时视频进行检测,且检测时间短、易于实现、准确性较高,很适合于实时检测车辆变道事件,具有广阔的应用前景。
附图说明
图1为已标定车道的背景图像;
图2为正常视频中一帧图像——354帧图像;
图3为标记特征角点的354帧图像;
图4为已画出跟踪线的第404帧视频图像;
图5为已画出跟踪线的第454帧图像。
图6为已画出跟踪线的第502帧图像。
图7为已标注需计算变量的第454帧图像
以下结合附图和实施例对本发明作进一步的详细说明。
具体实施方式
参见附图,本实施例给出一种基于视频的车辆违章变道事件检测方法的具体例子,其过程中所处理的图像是视频中的沿正时间序列的第一帧图像、第二帧图像、第三帧图像、…、第m(m为自然数)帧图像。
具体采用以下步骤实现:
步骤一,标定车道线,在道路中设置禁止跨越线,同时找出车道的具体位置,计算其右侧车道每一行的水平像素宽度,以此作为基准车道宽度;
步骤二,将第一帧图像和背景图像在相同的块坐标系下都划分成多个块。对第一帧图像的每个块,在背景图像中找到与该小块位置相同的背景块,并计算该块与其相应的背景块之间各相同像素位置处的灰度差值的绝对值之和;
当所得的绝对值大于设定的阈值,则该块为目标块,并设置该块内部所有像素的灰度值为255;其中的阈值取值范围为50×块的面积~60×块的面积,即50×(w×h)~60×(w×h);其中w为块区域的宽度,h为块的高度。
当所得的绝对值小于或等于设定的阈值,则该块为背景块,并设置该块内部所有像素的灰度值为0;
最后将第一帧图像中的背景与目标分离开,得到第一帧图像的二值化图像;
步骤三,对第一帧图像的二值化图像进行边缘检测,寻找最佳角点,即当横向检测数据与纵向检测数据同时大于某一阈值时,保留这些角点位置;
其中的阈值取值范围180~220;
步骤四,将这些角点的位置作为车辆的特征信息,同时创建一个目标结构体,记录这些车辆目标的具体位置以及匹配跟踪计数器信息,匹配跟踪计数器第一次初始化为零;
步骤五,进行角点匹配,寻找到匹配位置,匹配跟踪计数器加一;
步骤六,对第二帧图像、第三帧图像、…、第m帧图像,按照步骤二、步骤三、步骤五进行处理,并以第一帧(前一帧)记录的角点位置为依据,与第二帧(当前帧)中的记录的目标的角点位置做比较,当两者位置绝对值差大于一定的阈值,就认为是这第二帧(当前帧)中新的车辆目标,再按照步骤四进行处理,
步骤七,当匹配跟踪器大于某一阈值时,计算车辆的跟踪轨迹中的坐标即匹配角点的位置,和相应行禁止跨越车道线之间的水平代数距离,计算这些水平代数距离L与相应行基准车道宽度之间的NormL比例,判断所得车辆位置比例的波动大小,也就是以车辆位置比例方差大小作为变道事件的判断条件,当此比例方差大于某一阈值时,即认为车辆变道。
其中的匹配跟踪器的阈值取值范围是70~90,比例方差的阈值取值范围0.15;
结合图2和图3,对上述步骤中的选取角点加以说明,二值化图像中有一个目标,显然是车辆目标,对此目标做边缘检测,当横向和纵向同时满足条件时,得到角点,即如图2所示。
结合图7,对上述步骤中的变道检测加以说明,距离即车辆的跟踪轨迹中的坐标即匹配角点的位置,和相应行禁止跨越车道线之间的水平代数距离L(Point),基准宽度即右侧车道每一行的水平像素宽度NormL(Point),当轨迹的全部坐标所在位置在车道上比例方差大于阈值,即认为该车辆变道行驶。
实施例:
已知视频正播时,目标车辆第一次被标记在第354帧图像中,如图2、图3,实施例中处理过程中视频的采样频率是25帧每秒,帧图像大小为720×288,按照上述方法依次对第354帧至第454帧图像进行处理。
从图7可以看出,对目标车辆实现了100次匹配跟踪,根据上述方法可以计算出目标车辆变道行驶。
Claims (2)
1.一种基于视频的车辆违章变道事件检测方法,其特征在于,该方法按照下列步骤实施:
步骤一,标定车道线,在道路中设置禁止跨越线,同时找出车道的具体位置,计算其右侧车道每一行的水平像素宽度,以此作为基准车道宽度;
步骤二,将第一帧图像和背景图像在相同的块坐标系下都划分成多个块。对第一帧图像的每个块,在背景图像中找到与该小块位置相同的背景块,并计算该块与其相应的背景块之间各相同像素位置处的灰度差值的绝对值之和;
当所得的绝对值大于设定的阈值,则该块为目标块,并设置该块内部所有像素的灰度值为255;
当所得的绝对值小于或等于设定的阈值,则该块为背景块,并设置该块内部所有像素的灰度值为0;
最后将第一帧图像中的背景与目标分离开,得到第一帧图像的二值化图像;
步骤三,对第一帧图像的二值化图像进行边缘检测,寻找最佳角点,即当横向检测数据与纵向检测数据同时大于某一阈值时,保留这些角点位置:
步骤四,将这些角点的位置作为车辆的特征信息,同时创建一个目标结构体,记录这些车辆目标的具体位置以及匹配跟踪计数器信息,匹配跟踪计数器第一次初始化为零;
步骤五,进行角点匹配,寻找到匹配位置,匹配跟踪计数器加一;
步骤六,对第二帧图像、第三帧图像、…、第m帧图像,按照步骤二、步骤三、步骤五进行处理,并以第一帧记录的角点位置为依据,与第二帧中的记录的目标的角点位置做比较,当两者位置绝对值差大于一定的阈值,就认为是这第二帧中新的车辆目标,再按照步骤四进行处理;
步骤七,当匹配跟踪器大于某一阈值时,计算车辆的跟踪轨迹中的坐标即匹配角点的位置,和相应行禁止跨越车道线之间的水平代数距离,计算这些水平代数距离与相应行基准车道宽度之间的比例,判断所得车辆位置比例的波动大小,也就是以车辆位置比例方差大小作为变道事件的判断条件,当此比例方差大于某一阈值时,即认为车辆变道。
2.如权利要求1所述的方法,其特征在于:
步骤二中所述的阈值为50×块的面积~60×块的面积。
步骤三中所述阈值为180~220;
步骤六中所述的阈值为5~20;
步骤七中所述的匹配跟踪器的阈值取值范围是70~90,比例方差的阈值取值范围0.15。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210080262.4A CN102622886B (zh) | 2012-03-23 | 2012-03-23 | 一种基于视频的车辆违章变道事件检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210080262.4A CN102622886B (zh) | 2012-03-23 | 2012-03-23 | 一种基于视频的车辆违章变道事件检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102622886A true CN102622886A (zh) | 2012-08-01 |
CN102622886B CN102622886B (zh) | 2014-04-30 |
Family
ID=46562777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210080262.4A Expired - Fee Related CN102622886B (zh) | 2012-03-23 | 2012-03-23 | 一种基于视频的车辆违章变道事件检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102622886B (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103236158A (zh) * | 2013-03-26 | 2013-08-07 | 中国公路工程咨询集团有限公司 | 一种基于视频的交通事故实时预警方法 |
CN103942960A (zh) * | 2014-04-22 | 2014-07-23 | 深圳市宏电技术股份有限公司 | 一种车辆变道检测方法及装置 |
CN104882005A (zh) * | 2015-05-15 | 2015-09-02 | 青岛海信网络科技股份有限公司 | 一种检测车道车流量的方法及装置 |
CN105632186A (zh) * | 2016-03-11 | 2016-06-01 | 博康智能信息技术有限公司 | 检测车辆加塞行为的方法和装置 |
CN106250894A (zh) * | 2016-07-26 | 2016-12-21 | 北京小米移动软件有限公司 | 卡片信息识别方法及装置 |
CN106652445A (zh) * | 2016-11-15 | 2017-05-10 | 成都通甲优博科技有限责任公司 | 一种公路交通事故判别方法及装置 |
CN107563310A (zh) * | 2017-08-16 | 2018-01-09 | 电子科技大学 | 一种违章变道检测方法 |
CN107871393A (zh) * | 2016-09-27 | 2018-04-03 | 千寻位置网络有限公司 | 一种自动判别车辆违章占用禁行车道的方法及其系统 |
CN109109862A (zh) * | 2017-06-23 | 2019-01-01 | 上海汽车集团股份有限公司 | 一种车辆自动换道的控制方法及装置 |
CN109544909A (zh) * | 2018-10-29 | 2019-03-29 | 华蓝设计(集团)有限公司 | 基于航拍视频车辆轨迹的驾驶员换道行为分析方法 |
CN109785640A (zh) * | 2019-03-06 | 2019-05-21 | 南京邮电大学 | 一种关于车辆违章检测系统及其检测方法 |
CN109887303A (zh) * | 2019-04-18 | 2019-06-14 | 齐鲁工业大学 | 随意变更车道行为预警系统及方法 |
CN110298300A (zh) * | 2019-06-27 | 2019-10-01 | 上海工程技术大学 | 一种检测车辆违章压线的方法 |
CN111028503A (zh) * | 2018-10-09 | 2020-04-17 | 杭州海康威视系统技术有限公司 | 一种车辆变道监测方法及装置 |
CN111178224A (zh) * | 2019-12-25 | 2020-05-19 | 浙江大华技术股份有限公司 | 物体规则判断方法、装置、计算机设备和存储介质 |
CN111243281A (zh) * | 2018-11-09 | 2020-06-05 | 杭州海康威视系统技术有限公司 | 一种道路多视频联合检测系统及检测方法 |
CN111311960A (zh) * | 2020-02-23 | 2020-06-19 | 长安大学 | 一种用于隧道路段对占道行驶车辆进行提醒的方法 |
CN111833598A (zh) * | 2020-05-14 | 2020-10-27 | 山东科技大学 | 一种高速公路无人机交通事件自动监测方法及系统 |
CN112053563A (zh) * | 2020-09-16 | 2020-12-08 | 北京百度网讯科技有限公司 | 用于云控平台的事件检测方法、装置、设备和存储介质 |
CN113836964A (zh) * | 2020-06-08 | 2021-12-24 | 北京图森未来科技有限公司 | 车道线角点检测方法及装置 |
CN114067570A (zh) * | 2020-08-05 | 2022-02-18 | 北京万集科技股份有限公司 | 图像采集设备控制方法、装置、计算机设备和存储介质 |
CN114613147A (zh) * | 2020-11-25 | 2022-06-10 | 浙江宇视科技有限公司 | 一种车辆违章的识别方法、装置、介质及电子设备 |
US20220258769A1 (en) * | 2021-02-18 | 2022-08-18 | Honda Motor Co., Ltd. | Vehicle control device, vehicle control method, and storage medium |
CN111178224B (zh) * | 2019-12-25 | 2024-04-05 | 浙江大华技术股份有限公司 | 物体规则判断方法、装置、计算机设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030080878A1 (en) * | 2001-10-30 | 2003-05-01 | Kirmuss Charles Bruno | Event-based vehicle image capture |
CN101025862A (zh) * | 2007-02-12 | 2007-08-29 | 吉林大学 | 基于视频的混合交通流参数的检测方法 |
CN101251927A (zh) * | 2008-04-01 | 2008-08-27 | 东南大学 | 基于视频技术的车辆检测与跟踪方法 |
CN101872546A (zh) * | 2010-05-06 | 2010-10-27 | 复旦大学 | 一种基于视频的过境车辆快速检测方法 |
CN102110366A (zh) * | 2011-03-28 | 2011-06-29 | 长安大学 | 一种基于块累积的高速公路车辆停车事件检测方法 |
-
2012
- 2012-03-23 CN CN201210080262.4A patent/CN102622886B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030080878A1 (en) * | 2001-10-30 | 2003-05-01 | Kirmuss Charles Bruno | Event-based vehicle image capture |
CN101025862A (zh) * | 2007-02-12 | 2007-08-29 | 吉林大学 | 基于视频的混合交通流参数的检测方法 |
CN101251927A (zh) * | 2008-04-01 | 2008-08-27 | 东南大学 | 基于视频技术的车辆检测与跟踪方法 |
CN101872546A (zh) * | 2010-05-06 | 2010-10-27 | 复旦大学 | 一种基于视频的过境车辆快速检测方法 |
CN102110366A (zh) * | 2011-03-28 | 2011-06-29 | 长安大学 | 一种基于块累积的高速公路车辆停车事件检测方法 |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103236158B (zh) * | 2013-03-26 | 2015-06-24 | 中国公路工程咨询集团有限公司 | 一种基于视频的交通事故实时预警方法 |
CN103236158A (zh) * | 2013-03-26 | 2013-08-07 | 中国公路工程咨询集团有限公司 | 一种基于视频的交通事故实时预警方法 |
CN103942960B (zh) * | 2014-04-22 | 2016-09-21 | 深圳市宏电技术股份有限公司 | 一种车辆变道检测方法及装置 |
CN103942960A (zh) * | 2014-04-22 | 2014-07-23 | 深圳市宏电技术股份有限公司 | 一种车辆变道检测方法及装置 |
CN104882005A (zh) * | 2015-05-15 | 2015-09-02 | 青岛海信网络科技股份有限公司 | 一种检测车道车流量的方法及装置 |
CN104882005B (zh) * | 2015-05-15 | 2017-07-04 | 青岛海信网络科技股份有限公司 | 一种检测车道车流量的方法及装置 |
CN105632186A (zh) * | 2016-03-11 | 2016-06-01 | 博康智能信息技术有限公司 | 检测车辆加塞行为的方法和装置 |
CN105632186B (zh) * | 2016-03-11 | 2019-01-11 | 博康智能信息技术有限公司 | 检测车辆加塞行为的方法和装置 |
CN106250894A (zh) * | 2016-07-26 | 2016-12-21 | 北京小米移动软件有限公司 | 卡片信息识别方法及装置 |
CN106250894B (zh) * | 2016-07-26 | 2021-10-26 | 北京小米移动软件有限公司 | 卡片信息识别方法及装置 |
CN107871393A (zh) * | 2016-09-27 | 2018-04-03 | 千寻位置网络有限公司 | 一种自动判别车辆违章占用禁行车道的方法及其系统 |
CN107871393B (zh) * | 2016-09-27 | 2021-06-04 | 千寻位置网络有限公司 | 一种自动判别车辆违章占用禁行车道的方法及其系统 |
CN106652445A (zh) * | 2016-11-15 | 2017-05-10 | 成都通甲优博科技有限责任公司 | 一种公路交通事故判别方法及装置 |
CN106652445B (zh) * | 2016-11-15 | 2019-08-23 | 成都通甲优博科技有限责任公司 | 一种公路交通事故判别方法及装置 |
CN109109862A (zh) * | 2017-06-23 | 2019-01-01 | 上海汽车集团股份有限公司 | 一种车辆自动换道的控制方法及装置 |
CN107563310A (zh) * | 2017-08-16 | 2018-01-09 | 电子科技大学 | 一种违章变道检测方法 |
CN107563310B (zh) * | 2017-08-16 | 2020-06-16 | 电子科技大学 | 一种违章变道检测方法 |
CN111028503A (zh) * | 2018-10-09 | 2020-04-17 | 杭州海康威视系统技术有限公司 | 一种车辆变道监测方法及装置 |
CN109544909A (zh) * | 2018-10-29 | 2019-03-29 | 华蓝设计(集团)有限公司 | 基于航拍视频车辆轨迹的驾驶员换道行为分析方法 |
CN111243281A (zh) * | 2018-11-09 | 2020-06-05 | 杭州海康威视系统技术有限公司 | 一种道路多视频联合检测系统及检测方法 |
CN109785640A (zh) * | 2019-03-06 | 2019-05-21 | 南京邮电大学 | 一种关于车辆违章检测系统及其检测方法 |
CN109887303A (zh) * | 2019-04-18 | 2019-06-14 | 齐鲁工业大学 | 随意变更车道行为预警系统及方法 |
CN110298300A (zh) * | 2019-06-27 | 2019-10-01 | 上海工程技术大学 | 一种检测车辆违章压线的方法 |
CN111178224A (zh) * | 2019-12-25 | 2020-05-19 | 浙江大华技术股份有限公司 | 物体规则判断方法、装置、计算机设备和存储介质 |
CN111178224B (zh) * | 2019-12-25 | 2024-04-05 | 浙江大华技术股份有限公司 | 物体规则判断方法、装置、计算机设备和存储介质 |
CN111311960B (zh) * | 2020-02-23 | 2021-07-27 | 长安大学 | 一种用于隧道路段对占道行驶车辆进行提醒的方法 |
CN111311960A (zh) * | 2020-02-23 | 2020-06-19 | 长安大学 | 一种用于隧道路段对占道行驶车辆进行提醒的方法 |
CN111833598A (zh) * | 2020-05-14 | 2020-10-27 | 山东科技大学 | 一种高速公路无人机交通事件自动监测方法及系统 |
CN111833598B (zh) * | 2020-05-14 | 2022-07-05 | 山东科技大学 | 一种高速公路无人机交通事件自动监测方法及系统 |
CN113836964A (zh) * | 2020-06-08 | 2021-12-24 | 北京图森未来科技有限公司 | 车道线角点检测方法及装置 |
CN113836964B (zh) * | 2020-06-08 | 2023-11-10 | 北京图森未来科技有限公司 | 车道线角点检测方法及装置 |
CN114067570A (zh) * | 2020-08-05 | 2022-02-18 | 北京万集科技股份有限公司 | 图像采集设备控制方法、装置、计算机设备和存储介质 |
CN112053563A (zh) * | 2020-09-16 | 2020-12-08 | 北京百度网讯科技有限公司 | 用于云控平台的事件检测方法、装置、设备和存储介质 |
CN114613147A (zh) * | 2020-11-25 | 2022-06-10 | 浙江宇视科技有限公司 | 一种车辆违章的识别方法、装置、介质及电子设备 |
CN114613147B (zh) * | 2020-11-25 | 2023-08-04 | 浙江宇视科技有限公司 | 一种车辆违章的识别方法、装置、介质及电子设备 |
US20220258769A1 (en) * | 2021-02-18 | 2022-08-18 | Honda Motor Co., Ltd. | Vehicle control device, vehicle control method, and storage medium |
US11932283B2 (en) * | 2021-02-18 | 2024-03-19 | Honda Motor Co., Ltd. | Vehicle control device, vehicle control method, and storage medium |
Also Published As
Publication number | Publication date |
---|---|
CN102622886B (zh) | 2014-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102622886B (zh) | 一种基于视频的车辆违章变道事件检测方法 | |
CN104575003B (zh) | 一种基于道路监控视频的车辆速度检测方法 | |
CN103425764B (zh) | 一种基于视频的车辆匹配方法 | |
CN103714538B (zh) | 道路边缘检测方法、装置及车辆 | |
Song et al. | Vehicle behavior analysis using target motion trajectories | |
CN103730015B (zh) | 交叉路口车流量检测方法及装置 | |
CN110379168B (zh) | 一种基于Mask R-CNN的交通车辆信息获取方法 | |
CN103150908B (zh) | 一种基于视频的平均车速检测方法 | |
CN109064495A (zh) | 一种基于Faster R-CNN与视频技术的桥面车辆时空信息获取方法 | |
CN102184547B (zh) | 一种基于视频的车辆逆行事件检测方法 | |
CN102496000B (zh) | 一种城市交通事故检测方法 | |
CN105005771A (zh) | 一种基于光流点轨迹统计的车道线实线的检测方法 | |
CN102426785B (zh) | 基于轮廓和局部特征点的交通流信息感知方法及系统 | |
CN103208190B (zh) | 基于对象检测的交通流量检测方法 | |
CN110688922A (zh) | 基于深度学习的交通拥堵检测系统及检测方法 | |
CN114333330B (zh) | 一种基于路侧边缘全息感知的交叉口事件检测系统 | |
CN105488485A (zh) | 基于车辆轨迹的车道线自动提取方法 | |
CN108154146A (zh) | 一种基于图像识别的车辆追踪方法 | |
CN111310736B (zh) | 一种保护区内车辆卸载堆土的快速识别方法 | |
CN107097794A (zh) | 道路车道线的侦测系统及其方法 | |
CN112084900A (zh) | 一种基于视频分析的地下车库乱停检测方法 | |
CN103440785A (zh) | 一种快速的车道偏移警示方法 | |
CN105574502A (zh) | 一种自助发卡机违章行为自动检测方法 | |
CN103150550B (zh) | 一种基于运动轨迹分析的道路行人事件检测方法 | |
CN102622582B (zh) | 一种基于视频的道路行人事件检测方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140430 Termination date: 20160323 |