CN103021179A - 基于实时监控视频中的安全带检测方法 - Google Patents

基于实时监控视频中的安全带检测方法 Download PDF

Info

Publication number
CN103021179A
CN103021179A CN2012105823082A CN201210582308A CN103021179A CN 103021179 A CN103021179 A CN 103021179A CN 2012105823082 A CN2012105823082 A CN 2012105823082A CN 201210582308 A CN201210582308 A CN 201210582308A CN 103021179 A CN103021179 A CN 103021179A
Authority
CN
China
Prior art keywords
vehicle
image
time monitoring
detection method
securing band
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
Application number
CN2012105823082A
Other languages
English (en)
Other versions
CN103021179B (zh
Inventor
罗克勤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan Hdwlink Communication Technology Co ltd
Original Assignee
Foshan Hdwlink Communication Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Foshan Hdwlink Communication Technology Co ltd filed Critical Foshan Hdwlink Communication Technology Co ltd
Priority to CN201210582308.2A priority Critical patent/CN103021179B/zh
Publication of CN103021179A publication Critical patent/CN103021179A/zh
Application granted granted Critical
Publication of CN103021179B publication Critical patent/CN103021179B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明提供了一种基于实时监控视频中的安全带快速检测方法，先用帧差法对实时视频拍摄的图片序列进行运动车辆检测，然后对检测到的车辆进行跟踪，当车辆行驶到摄像头视野中的标记线时截取该车辆的RGB图，接着检测副驾驶座是否有人，最后检测该车辆驾驶座和副驾驶座的人是否佩戴了安全带。本发明在对运动车辆进行跟踪处理以及安全带检测时都将图像转化为灰度图，处理速度快，准确率高，满足实时监控的要求。

Description

基于实时监控视频中的安全带检测方法
技术领域
本发明一般涉及实时视频处理以及图像识别领域，具体涉及基于实时监控视频中的安全带检测方法。
背景技术
随着社会经济的不断发展，人们的物质生活水平不断提高，越来越多的家庭选择小汽车作为代步工具。车辆的迅速增加给交通系统带来很大的负担，违法驾驶的行为依旧存在，驾车时前排座位的人是否佩戴安全带直接关系到自身和他人的安全。然而如今交通监控系统数据量过于庞大，要对每一个监控视频进行监控需要大量的人力资源，将实时监控中安全带检测自动化，智能化，高效化成为迫切需求。
现有的安全带检测一般是人工检测，或者是先用自动照相机拍照后再对监控车辆图片进行识别。人工检测耗费的人力资源很大，而且很费时间，滞后性很大。对车辆图片进行识别虽然实现了自动检测，但是每辆车的数据只有一张图片，而且有一定的滞后性。
发明内容
本发明针对当前交通监控视频数据量巨大，视频监控人力资源缺乏的情况，提供了基于实时监控视频中的安全带检测方法。本发明目的在于帮助交通监控人员在实时视频中快速找出未佩戴安全带驾驶的车辆，并对其进行保存。具体技术方案如下。
基于实时监控视频中的安全带检测方法，包括以下步骤：
1)  读取监控摄像头拍摄的图像序列；
2)  每获取一帧新图像时，用帧差法对图像序列进行运动车辆检测，获取运动车辆的矩形轮廓；
3)  在监控视频中画一条垂直于车道方向的直线作为标记线，当有车辆的矩形轮廓的下边经过此标记线的时候对车辆进行截图；
4)  对截取的车辆图片进行安全带检测。
上述基于实时监控视频中的安全带检测方法中，步骤1) 中摄像头拍摄的图像为彩色图像，图像分辨率为1920*1080，拍摄角度为行驶车辆的正面。
上述基于实时监控视频中的安全带检测方法中，步骤2)中用帧差法获取运动车辆的矩形轮廓包括以下步骤：
1）记摄像头最新获取的一帧图像为                                                
Figure 250955DEST_PATH_IMAGE001
，上一帧图像为
Figure 569810DEST_PATH_IMAGE002
，将
Figure 547999DEST_PATH_IMAGE001
和
Figure 616361DEST_PATH_IMAGE002
分别转化为灰度图
Figure 301289DEST_PATH_IMAGE003
和
Figure 728728DEST_PATH_IMAGE004
，其中n为最新一帧图像的帧号；
2）使
Figure 194213DEST_PATH_IMAGE003
和进行做差操作，得到差图像
Figure 148578DEST_PATH_IMAGE005
；
3）对
Figure 605973DEST_PATH_IMAGE005
进行二值化操作，得到二值化图像
Figure 230859DEST_PATH_IMAGE006
，其中二值化阈值为30，将值大于30的像素点赋值为255，值小于或者等于30的像素点赋值为0；
4）采用结构为3*3的矩形块对进行开运算，去除较小的斑块，得到图像
Figure 238227DEST_PATH_IMAGE007
；
5）检测图像
Figure 335365DEST_PATH_IMAGE007
中的连通区域，对每一个连通区域用一个最小矩形包含它，选取合适的矩形作为运动车辆的矩形轮廓。
上述基于实时监控视频中的安全带检测方法中，步骤2.5)中选取合适的矩形的条件为
Figure 978705DEST_PATH_IMAGE008
，其中w是矩形的宽，h是矩形的高。
上述基于实时监控视频中的安全带检测方法中，步骤3)中标记线由监控人员根据实际路况绘制，标记线的绘制标准为尽量接近监控摄像头，并且当车辆到达标记线时能拍摄到整个车身。
上述基于实时监控视频中的安全带检测方法中，步骤3)中对车辆进行的截图是在原始的彩色图像上截取。
上所述基于实时监控视频中的安全带检测方法中，步骤4)中安全带检测方法包括以下步骤：
1)  记步骤3)的车辆截图为
Figure 655542DEST_PATH_IMAGE009
，采用opencv开源库中基于Haar特征的人脸分类器对
Figure 226027DEST_PATH_IMAGE009
进行人脸检测，得到人脸矩形框，其中x,y分别为人脸矩形框左上角的横坐标和纵坐标，w,h分别为人脸矩形框的宽和高；
2)   对每一个步骤4.1)检测到的
Figure 827964DEST_PATH_IMAGE010
，重新标定一个矩形区域
Figure 42914DEST_PATH_IMAGE011
，其中
Figure 411447DEST_PATH_IMAGE012
，
Figure 53650DEST_PATH_IMAGE013
，
Figure 880704DEST_PATH_IMAGE014
，
Figure 633765DEST_PATH_IMAGE015
；
3)  将
Figure 715859DEST_PATH_IMAGE009
转化成灰度图
Figure 60122DEST_PATH_IMAGE016
，对
Figure 120611DEST_PATH_IMAGE016
进行canny边缘检测，得到边缘图像
Figure 942942DEST_PATH_IMAGE017
，其中canny边缘检测的参数中，高的阈值为60，低的阈值为0；
4)  对
Figure 817226DEST_PATH_IMAGE017
中的
Figure 801232DEST_PATH_IMAGE011
区域进行霍夫直线检测，得到
Figure 597018DEST_PATH_IMAGE011
区域中的一些直线，记这些直线的集合为lines；
5)   对
Figure 432162DEST_PATH_IMAGE011
进行分类，如果
Figure 629794DEST_PATH_IMAGE018
，记
Figure 581439DEST_PATH_IMAGE011
为左区域，否则为右区域，其中middle为
Figure 598942DEST_PATH_IMAGE009
的宽度的一半；
6)  初始化2个布尔型标记变量
Figure 559814DEST_PATH_IMAGE019
和
Figure 668410DEST_PATH_IMAGE020
，并令
Figure 994218DEST_PATH_IMAGE021
，
Figure 233438DEST_PATH_IMAGE022
。遍历lines集合中所有直线，计算每条直线与x轴正方向的夹角，如果
Figure 935684DEST_PATH_IMAGE011
为左区域，寻找是否存在与x轴正方向夹角为40度到70度之间的直线，不存在则令
Figure 904646DEST_PATH_IMAGE023
；如果
Figure 141635DEST_PATH_IMAGE011
为右区域，寻找是否存在与x轴正方向夹角为110度到140度之间的直线，不存在则令
Figure 133731DEST_PATH_IMAGE024
；
7)   当且仅当
Figure 374088DEST_PATH_IMAGE019
和
Figure 931977DEST_PATH_IMAGE020
的值都为true时，此车辆为佩戴安全带的合法车辆，否则视为未佩戴安全带的违规车辆。
与现有技术相比，本发明具有如下优点和技术成果：
在现有的安全带检测方法中，人工检测耗费的人力资源很大，而且很费时间，滞后性很大。对车辆图片进行识别虽然实现了自动检测，但是每辆车的数据只有一张图片，而且有一定的滞后性。本发明通过基于实时监控视频中的安全带检测方法先在实时监控视频中选取合适的车辆图片，再对其进行安全带检测，跟上述现有技术相比速度快，具有实时性，准确率高。
具体实施方式
一下结合实施例对本发明作进一步说明，但本发明的实施不限于此。
实施例
基于实时监控视频中的安全带检测方法，主要流程包括以下步骤：
第一步，读取监控摄像头拍摄的图像序列
要求摄像头拍摄的图像为彩色图像，图像分辨率为1920*1080，拍摄角度为行驶车辆的正面。读取图像序列时调用摄像头厂商或者视频采集卡厂商提供的SDK中提供的方法。
第二步，每获取一帧新图像时，用帧差法对图像序列进行运动车辆检测，获取运动车辆的矩形轮廓
该步骤先采用帧差法进行运动车辆检测，帧差法不需要背景建模，速度是最快的，然后检测图像中的连通区域，用最小矩形包含每个连通区域，得到车辆的矩形轮廓。具体步骤如下：
a)    记摄像头最新获取的一帧图像为
Figure 130746DEST_PATH_IMAGE001
，上一帧图像为
Figure 893295DEST_PATH_IMAGE002
，将
Figure 671764DEST_PATH_IMAGE001
和
Figure 818581DEST_PATH_IMAGE002
分别转化为灰度图
Figure 453830DEST_PATH_IMAGE003
和
Figure 279573DEST_PATH_IMAGE004
，其中n为最新一帧图像的帧号；
b)    使
Figure 867592DEST_PATH_IMAGE003
和
Figure 665653DEST_PATH_IMAGE004
进行做差操作，得到差图像
Figure 409487DEST_PATH_IMAGE005
；
c)    对
Figure 456946DEST_PATH_IMAGE005
进行二值化操作，得到二值化图像
Figure 836937DEST_PATH_IMAGE006
，其中二值化阈值为30，将值大于30的像素点赋值为255，值小于或者等于30的像素点赋值为0；
d)    采用结构为3*3的矩形块对
Figure 489505DEST_PATH_IMAGE006
进行开运算，去除较小的斑块，得到图像
Figure 669819DEST_PATH_IMAGE007
；
e)    检测图像
Figure 345520DEST_PATH_IMAGE007
中的连通区域，对每一个连通区域用一个最小矩形包含它，选取合适的矩形作为运动车辆的矩形轮廓。
步骤e)所述选取合适的矩形的条件为
Figure 331799DEST_PATH_IMAGE008
，其中w是矩形的宽，h是矩形的高。此步骤主要是过滤掉一些不是太小或者细长的矩形框。
第三步，在监控视频中画一条垂直于车道方向的直线作为标记线，当有车辆的矩形轮廓的下边经过此标记线的时候对车辆进行截图
该步骤是确定车辆截图的标记线，由于每个监控摄像头的路况都不一样，标记线由监控人员根据实际路况绘制，标记线的绘制标准为尽量接近监控摄像头，并且当车辆到达标记线时能拍摄到整个车身。对车辆进行截图时是在原始彩色图像上进行。
第四步，对截取的车辆图片进行安全带检测
该步骤在截取的静态图片上进行安全带检测，首先进行人脸检测以定位人的位置，然后再在其周围进行斜线检测，过滤掉不符合标准的斜线，再判断人是否佩戴有安全带。具体步骤如下：
A.    记第三步的车辆截图为
Figure 313574DEST_PATH_IMAGE009
，采用基于Haar特征的人脸分类器对进行人脸检测，得到人脸矩形框
Figure 890103DEST_PATH_IMAGE010
，其中x,y分别为人脸矩形框左上角的横坐标和纵坐标，w,h分别为人脸矩形框的宽和高；
B.    对每一个检测到的
Figure 680074DEST_PATH_IMAGE010
，重新标定一个矩形区域
Figure 776075DEST_PATH_IMAGE011
，其中，
Figure 231642DEST_PATH_IMAGE013
，
Figure 356462DEST_PATH_IMAGE014
，
Figure 775811DEST_PATH_IMAGE015
。
C.    将转化成灰度图
Figure 612278DEST_PATH_IMAGE016
，对
Figure 478471DEST_PATH_IMAGE016
进行canny边缘检测，得到边缘图像
Figure 408119DEST_PATH_IMAGE017
，其中canny边缘检测的参数中，高的阈值为60，低的阈值为0；
D.    对
Figure 865514DEST_PATH_IMAGE017
中的
Figure 218961DEST_PATH_IMAGE011
区域进行霍夫直线检测，得到
Figure 888845DEST_PATH_IMAGE011
区域中的一些直线，记这些直线的集合为lines；
E.    对进行分类，如果
Figure 317607DEST_PATH_IMAGE018
，记为左区域，否则为右区域，其中middle为
Figure 846907DEST_PATH_IMAGE009
的宽度的一半。
F.    初始化2个布尔型标记变量和
Figure 628973DEST_PATH_IMAGE020
，并令
Figure 228450DEST_PATH_IMAGE021
，
Figure 240137DEST_PATH_IMAGE022
。遍历lines集合中所有直线，计算每条直线与x轴正方向的夹角，如果
Figure 626249DEST_PATH_IMAGE011
为左区域，寻找是否存在与x轴正方向夹角为40度到70度之间的直线，不存在则令；如果
Figure 824067DEST_PATH_IMAGE011
为右区域，寻找是否存在与x轴正方向夹角为110度到140度之间的直线，不存在则令
Figure 577128DEST_PATH_IMAGE024
；
G.    当且仅当
Figure 862485DEST_PATH_IMAGE019
和
Figure 681448DEST_PATH_IMAGE020
的值都为true时，此车辆为佩戴安全带的合法车辆，否则视为未佩戴安全带的违规车辆。

Claims (7)

1.基于实时监控视频中的安全带检测方法，其特征在于，包括以下步骤：
读取监控摄像头拍摄的图像序列；
每获取一帧新图像时，用帧差法对图像序列进行运动车辆检测，获取运动车辆的矩形轮廓；
在监控视频中画一条垂直于车道方向的直线作为标记线，当有车辆的矩形轮廓的下边经过此标记线的时候对车辆进行截图；
对截取的车辆图片进行安全带检测。
2.根据权利要求1所述基于实时监控视频中的安全带检测方法，其特征在于：步骤1)中摄像头拍摄的图像为彩色图像，图像分辨率为1920*1080或者以上，拍摄角度为行驶车辆的正面。
3.根据权利要求1所述基于实时监控视频中的安全带检测方法，其特征在于：步骤2)中用帧差法获取运动车辆的矩形轮廓包括以下步骤：
记摄像头最新获取的一帧图像为                                                
Figure 77250DEST_PATH_IMAGE001
，上一帧图像为
Figure 585461DEST_PATH_IMAGE002
，将和
Figure 546361DEST_PATH_IMAGE002
分别转化为灰度图
Figure 850172DEST_PATH_IMAGE004
和
Figure 263705DEST_PATH_IMAGE005
，其中n为最新一帧图像的帧号；
2）使和
Figure 894635DEST_PATH_IMAGE005
进行做差操作，得到差图像
Figure 787374DEST_PATH_IMAGE006
；
3）对
Figure 902966DEST_PATH_IMAGE006
进行二值化操作，得到二值化图像
Figure 677893DEST_PATH_IMAGE007
，其中二值化阈值为30，将值大于30的像素点赋值为255，值小于或者等于30的像素点赋值为0；
采用结构为3*3的矩形块对
Figure 116DEST_PATH_IMAGE008
进行开运算，去除较小的斑块，得到图像
Figure 481781DEST_PATH_IMAGE009
；
检测图像
Figure 833522DEST_PATH_IMAGE010
中的连通区域，对每一个连通区域用一个最小矩形包含它，选取合适的矩形作为运动车辆的矩形轮廓。
4.根据权利要求3所述基于实时监控视频中的安全带检测方法，其特征在于：步骤2.5)所述选取合适的矩形的条件为
Figure 785427DEST_PATH_IMAGE011
，其中w是矩形的宽，h是矩形的高。
5.根据权利要求1所述基于实时监控视频中的安全带检测方法，其特征在于：步骤3)所述标记线由监控人员根据实际路况绘制，标记线的绘制标准为尽量接近监控摄像头，并且当车辆到达标记线时能拍摄到整个车身。
6.根据权利要求1所述基于实时监控视频中的安全带检测方法，其特征在于：步骤3)所述对车辆进行的截图是在原始的彩色图像上截取。
7.根据权利要求1所述基于实时监控视频中的安全带检测方法，其特征在于：步骤4)所述安全带检测方法包括以下步骤：
记步骤3)的车辆截图为
Figure 448358DEST_PATH_IMAGE012
，采用opencv开源库中基于Haar特征的人脸分类器对
Figure 191055DEST_PATH_IMAGE012
进行人脸检测，得到人脸矩形框
Figure 914029DEST_PATH_IMAGE013
，其中x,y分别为人脸矩形框左上角的横坐标和纵坐标，w,h分别为人脸矩形框的宽和高；
2）对每一个步骤4.1)检测到的，重新标定一个矩形区域
Figure 683500DEST_PATH_IMAGE014
，其中
Figure 326709DEST_PATH_IMAGE015
，
Figure 423847DEST_PATH_IMAGE016
，，
Figure 784170DEST_PATH_IMAGE018
；
3）将
Figure 360514DEST_PATH_IMAGE012
转化成灰度图
Figure 431150DEST_PATH_IMAGE019
，对
Figure 358524DEST_PATH_IMAGE019
进行canny边缘检测，得到边缘图像
Figure 901369DEST_PATH_IMAGE020
，其中canny边缘检测的参数中，高的阈值为60，低的阈值为0；
4）对中的区域进行霍夫直线检测，得到
Figure 718255DEST_PATH_IMAGE014
区域中的一些直线，记这些直线的集合为lines；
5）对进行分类，如果
Figure 887166DEST_PATH_IMAGE021
，记
Figure 559324DEST_PATH_IMAGE014
为左区域，否则为右区域，其中middle为
Figure 602236DEST_PATH_IMAGE012
的宽度的一半；
6）初始化2个布尔型标记变量
Figure 549201DEST_PATH_IMAGE022
和
Figure 620888DEST_PATH_IMAGE023
，并令
Figure 667210DEST_PATH_IMAGE024
，
Figure 118789DEST_PATH_IMAGE025
；
遍历lines集合中所有直线，计算每条直线与x轴正方向的夹角，如果
Figure 479232DEST_PATH_IMAGE014
为左区域，寻找是否存在与x轴正方向夹角为40度到70度之间的直线，不存在则令
Figure 885986DEST_PATH_IMAGE026
；如果
Figure 40892DEST_PATH_IMAGE014
为右区域，寻找是否存在与x轴正方向夹角为110度到140度之间的直线，不存在则令
Figure 589554DEST_PATH_IMAGE027
；
当且仅当和
Figure 336985DEST_PATH_IMAGE023
的值都为true时，此车辆为佩戴安全带的合法车辆，否则视为未佩戴安全带的违规车辆。
CN201210582308.2A 2012-12-28 2012-12-28 基于实时监控视频中的安全带检测方法 Active CN103021179B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210582308.2A CN103021179B (zh) 2012-12-28 2012-12-28 基于实时监控视频中的安全带检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210582308.2A CN103021179B (zh) 2012-12-28 2012-12-28 基于实时监控视频中的安全带检测方法

Publications (2)

Publication Number Publication Date
CN103021179A true CN103021179A (zh) 2013-04-03
CN103021179B CN103021179B (zh) 2016-03-30

Family

ID=47969734

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210582308.2A Active CN103021179B (zh) 2012-12-28 2012-12-28 基于实时监控视频中的安全带检测方法

Country Status (1)

Country Link
CN (1) CN103021179B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104182960A (zh) * 2013-05-22 2014-12-03 浙江大华技术股份有限公司 一种驾驶员佩戴安全带检测方法及装置
CN104417490A (zh) * 2013-08-29 2015-03-18 同观科技（深圳）有限公司 一种汽车安全带检测方法及装置
CN104417489A (zh) * 2013-08-29 2015-03-18 同观科技（深圳）有限公司 一种汽车安全带检测方法及汽车安全带检测装置
CN104573680A (zh) * 2015-02-10 2015-04-29 深圳市哈工大交通电子技术有限公司 图像检测方法、图像检测装置以及交通违法检测系统
CN107919019A (zh) * 2017-11-28 2018-04-17 武汉万集信息技术有限公司 基于rfid电子标签的违章检测方法和系统、安全带
CN108399357A (zh) * 2017-02-08 2018-08-14 浙江宇视科技有限公司 一种人脸定位方法及装置
CN112132040A (zh) * 2020-09-24 2020-12-25 明见(厦门)软件开发有限公司 基于视觉的安全带实时监测方法、终端设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020110261A1 (en) * 2001-02-14 2002-08-15 Nissan Motor Co., Ltd. Vehicle surrounding circumstance discriminating system, vehicle surrounding monitoring system and vehicle obstacle warning system and related methods
US20050263992A1 (en) * 2004-05-26 2005-12-01 Mieko Matsuda Airbag device and occupant classification device
US20080094195A1 (en) * 2006-10-24 2008-04-24 Honda Motor Co., Ltd. Vehicle occupant detection apparatus
CN102496275A (zh) * 2011-11-25 2012-06-13 大连海创高科信息技术有限公司 客车超载检测方法
CN102750544A (zh) * 2012-06-01 2012-10-24 浙江捷尚视觉科技有限公司 基于车牌识别的未扣紧安全带违章驾驶检测系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020110261A1 (en) * 2001-02-14 2002-08-15 Nissan Motor Co., Ltd. Vehicle surrounding circumstance discriminating system, vehicle surrounding monitoring system and vehicle obstacle warning system and related methods
US20050263992A1 (en) * 2004-05-26 2005-12-01 Mieko Matsuda Airbag device and occupant classification device
US20080094195A1 (en) * 2006-10-24 2008-04-24 Honda Motor Co., Ltd. Vehicle occupant detection apparatus
CN102496275A (zh) * 2011-11-25 2012-06-13 大连海创高科信息技术有限公司 客车超载检测方法
CN102750544A (zh) * 2012-06-01 2012-10-24 浙江捷尚视觉科技有限公司 基于车牌识别的未扣紧安全带违章驾驶检测系统及方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104182960A (zh) * 2013-05-22 2014-12-03 浙江大华技术股份有限公司 一种驾驶员佩戴安全带检测方法及装置
CN104182960B (zh) * 2013-05-22 2017-03-29 浙江大华技术股份有限公司 一种驾驶员佩戴安全带检测方法及装置
CN104417490A (zh) * 2013-08-29 2015-03-18 同观科技（深圳）有限公司 一种汽车安全带检测方法及装置
CN104417489A (zh) * 2013-08-29 2015-03-18 同观科技（深圳）有限公司 一种汽车安全带检测方法及汽车安全带检测装置
CN104573680A (zh) * 2015-02-10 2015-04-29 深圳市哈工大交通电子技术有限公司 图像检测方法、图像检测装置以及交通违法检测系统
CN108399357A (zh) * 2017-02-08 2018-08-14 浙江宇视科技有限公司 一种人脸定位方法及装置
CN108399357B (zh) * 2017-02-08 2020-12-29 浙江宇视科技有限公司 一种人脸定位方法及装置
CN107919019A (zh) * 2017-11-28 2018-04-17 武汉万集信息技术有限公司 基于rfid电子标签的违章检测方法和系统、安全带
CN112132040A (zh) * 2020-09-24 2020-12-25 明见(厦门)软件开发有限公司 基于视觉的安全带实时监测方法、终端设备及存储介质
CN112132040B (zh) * 2020-09-24 2024-03-15 明见(厦门)软件开发有限公司 基于视觉的安全带实时监测方法、终端设备及存储介质

Also Published As

Publication number Publication date
CN103021179B (zh) 2016-03-30

Similar Documents

Publication Publication Date Title
CN103021179A (zh) 基于实时监控视频中的安全带检测方法
CN109299674B (zh) 一种基于车灯的隧道违章变道检测方法
CN103778786B (zh) 一种基于显著车辆部件模型的交通违章检测方法
CN105702048B (zh) 基于行车记录仪的高速公路前车违法占道识别系统及方法
CN101030256B (zh) 车辆图像分割方法和装置
CN108038416B (zh) 车道线检测方法及系统
CN106128115B (zh) 一种基于双摄像机检测道路交通信息的融合方法
CN104021378B (zh) 基于时空关联与先验知识的交通信号灯实时识别方法
CN103235938A (zh) 车牌检测与识别的方法及系统
Li et al. Nighttime lane markings recognition based on Canny detection and Hough transform
CN103366156A (zh) 道路结构检测和跟踪
CN104050450A (zh) 一种基于视频的车牌识别方法
CN106887004A (zh) 一种基于块匹配的车道线检测方法
CN102722704A (zh) 一种融合视频动态跟踪的车牌识别方法和系统
CN109190523A (zh) 一种基于视觉的车辆检测跟踪预警方法
CN102915433A (zh) 基于字符组合的车牌定位和识别方法
CN103164958B (zh) 车辆监控方法及系统
CN105740836B (zh) 一种违法占用应急车道的检测方法
CN102938057A (zh) 一种车辆阴影消除方法及装置
CN108205649A (zh) 驾驶员开车接打电话的状态识别方法及装置
CN108009495A (zh) 疲劳驾驶预警方法
CN103927548A (zh) 一种新的避免车辆碰撞的刹车行为检测方法
CN101369312B (zh) 检测图像中交叉口的方法和设备
CN114049306A (zh) 一种基于图像摄像机和高性能显卡的交通异常检测系统设计
WO2019200937A1 (zh) 一种有效判别车辆压线及预先提示系统

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