CN103093194A - 一种基于视频的违章车辆检测方法及装置 - Google Patents
一种基于视频的违章车辆检测方法及装置 Download PDFInfo
- Publication number
- CN103093194A CN103093194A CN201310004419XA CN201310004419A CN103093194A CN 103093194 A CN103093194 A CN 103093194A CN 201310004419X A CN201310004419X A CN 201310004419XA CN 201310004419 A CN201310004419 A CN 201310004419A CN 103093194 A CN103093194 A CN 103093194A
- Authority
- CN
- China
- Prior art keywords
- zone
- video
- information
- car plate
- detected
- 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
本发明提供一种基于视频的违章停车检测方法及装置,该方法通过获取对待检测区域进行检测的视频信息,根据该视频信息判断当前该待检测区域是否存在运动前景;当该待检测区域存在运动前景时,进行车辆识别获取在该待检测区域停放的车辆信息;按照设定的时间间隔获取对待检测区域进行检测的视频信息,在该待检测区域内进行车牌识别获取在该待检测区域内停放的车辆的信息;根据每个时间间隔获取的车辆信息,及设定的停车时间阈值,将满足该阈值的车牌作为违章停车的车牌。本发明通过定期对待检测区域内车辆进行车牌识别确定车辆的驻留时间,并将驻留时间满足停车阈值的车辆确定为违章停车,减少了因人工排查造成的资源浪费,提高了检测效率。
Description
技术领域
本发明涉及视频图像处理技术领域,尤其涉及一种基于视频的违章停车车辆检测方法及装置。
背景技术
智能交通系统(Intelligent Transportation System,ITS)是未来交通系统的发展方向,它是将先进的信息技术、数据通讯传输技术、电子传感技术、控制技术及计算机技术等有效地集成运用于整个地面交通管理系统而建立的一种在大范围内、全方位发挥作用的,实时、准确、高效的综合交通运输管理系统。智能交通系统可以有效地利用现有交通设施、减少交通负荷和环境污染、保证交通安全、提高运输效率,因而,日益受到各国的重视。
违章停车检测就属于智能交通系统的一个重要的组成部分。随着社会经济的不断发展,车辆的日益增多,有效的车辆管理方法已经成为当前的一个有重要意义的课题。
目前,国内外大部分在对违章停车的车辆进行检测时均采用人工监控的方式,即在特定检测区域内,通过人工排查的方法定点收集违章信息。该方法极大的消耗了交通管制相关的人力、物力和财力等资源,而且只有相关的检测人员到了现场,才能确实是否存在违章停车的车辆,从而影响对违章停车的车辆的检测效率。
发明内容
本发明实施例提供一种基于视频的违章停车车辆检测方法及装置,用以解决现有的通过人工排查确定违章停车,从而导致的资源浪费及效率低下的问题。
本发明提供了一种基于视频的违章停车检测方法,该检测方法包括:
获取对待检测区域进行检测的视频信息,根据该视频信息判断当前该待检测区域是否存在运动前景;
当该待检测区域存在运动前景时,按照设定的时间间隔对获取的待检测区域的视频信息进行识别,获取在该待检测区域内停放的车辆的信息;
根据每个时间间隔获取的车辆信息,及设定的停车时间阈值,将满足该阈值的车辆信息作为违章停车的车辆信息。
本发明提供了一种基于视频的违章停车检测装置,该检测装置包括:
检测模块,用于获取对待检测区域进行检测的视频信息,根据该视频信息判断当前该待检测区域是否存在运动前景;
识别模块,用于当该待检测区域存在运动前景时,按照设定的时间间隔对获取的待检测区域的视频信息进行识别,获取在该待检测区域内停放的车辆的信息;
输出模块,用于根据每个时间间隔获取的车辆信息,及设定的停车时间阈值,将满足该阈值的车辆信息作为违章停车的车辆信息。
本发明实施例提供一种基于视频的违章停车检测方法及装置,该方法通过获取对待检测区域进行检测的视频信息,根据该视频信息判断当前该待检测区域是否存在运动前景;当该待检测区域存在运动前景时,进行车辆识别获取在该待检测区域停放的车辆信息;并按照设定的时间间隔获取对待检测区域进行检测的视频信息,在该待检测区域内进行车牌识别获取在该待检测区域内停放的车辆的信息;根据每个时间间隔获取的车辆信息,及设定的停车时间阈值,将满足该阈值的车牌作为违章停车的车牌。本发明通过对待检测区域进行背景建模,定期对待检测区域内车辆进行车牌识别从而确定车辆的驻留时间,并将驻留时间满足停车阈值的车辆确定为违章停车的车辆,因此有效的解决了违章停车的自动检测问题,减少了因人工排查造成的资源浪费,提高了违章车辆的检测效率。
附图说明
图1为本发明实施例提供的一种基于视频的违章停车检测方法的过程示意图;
图2为本发明实施例提供的一种基于视频的违章停车检测方法的详细过程示意图
图3为本发明实施例提供的一种基于视频的违章停车检测装置的结构示意图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合附图和实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明为了解决现有技术中由于通过人工排查确定违章停车,从而导致的资源浪费及检测效率低的问题,提供了一种基于视频的违章停车检测方法及装置,节省了资源,提高了检测效率。
下面结合说明书附图,对本发明实施例进行详细说明。
图1为本发明实施例提供的一种基于视频的违章停车检测方法的过程示意图,该检测方法包括以下几个步骤:
S101:获取对待检测区域进行检测的视频信息,根据该视频信息判断当前该待检测区域是否存在运动前景。
其中,所述根据该视频信息判断当前该待检测区域是否存在运动前景包括:
对获取的所述视频信息采用单高斯或者多高斯进行背景建模,检测视频信息中的背景;
根据检测到的视频信息的背景,获取每个视频帧的运动前景;
根据获取的每个视频帧中的运动前景,判断当前待检测区域是否存在运动前景。
具体的,在待检测区域内安装视频监控,通过视频监控获取该检测区域的视频信息,根据该获取的所述视频信息,采用单高斯或者多高斯进行背景建模,检测视频信息中的背景,当待检测区域内出现运动前景时,获取每个视频帧的视频信息,根据获取的每个视频帧中的视频信息及视频信息的背景,判断当前待检测区域是否存在运动前景。
S102:当该待检测区域存在运动前景时,进行车辆识别获取在该待检测区域停放的车辆信息。
当确定视频监控设备获取的视频帧中存在运动前景时,判断该视频帧中存在的运动前景是否为车辆,当确定该视频帧中存在运动前景为车辆时,对该视频帧中的车辆进行车牌识别并跟踪。具体的,在发明实施例中识别的该车辆的信息包括车辆的车牌信息等。
S103:按照设定的时间间隔获取对待检测区域进行检测的视频信息,在该待检测区域内进行车牌识别,获取在该待检测区域内停放的车辆的信息。
当确定视频监控设备获取的视频帧中存在的运动前景为车辆时,根据当前视频帧中的该待测区域内停放的车辆,通过视频识别获取所述车辆车牌所在的位置,对所述车辆的车牌字符进行匹配识别,确定所述车辆的车牌信息。
视频监控设备根据自身的配置信息或者设定时间间隔定期采集该待检测区域内的视频信息,并将采集到的视频信息中的每个车辆进行车牌识别,将每个进行车牌识别后的车辆确定为跟踪车辆,并记录该待检测区域内每个跟踪车辆的起始时刻。
S104:根据每个时间间隔获取的车辆的信息,及设定的停车时间阈值,将满足该阈值的车辆的信息作为违章停车的车辆的信息。
具体的,根据视频监控设备采集的该待检测区域内的停放车辆的视频信息,确定所述车辆的停放的起始时刻,并通过定期采集的后续所述车辆的视频信息,计算所述车辆在该待测区域的驻留时间,当所述车辆在该待测区域内的驻留时间超过设定的时间阈值时,确定所述车辆在该待检测区域内属于违章停车,根据上述视频信息中所述车辆的车牌信息输出违章停车的车牌。其中,设定的时间阈值可以统一设定,也可以根据待检测区域分别进行设定。
在本发明中当车辆进入到待检测区域时,视频设备采集该待检测区域内车辆的视频信息,根据该视频信息确定每个车辆进入该待检测区域的起始时刻,根据对定期采集的该待检测区域内的车辆视频信息的车牌识别,确定该待检测区域内每个车辆的驻留时间,通过将每个车辆在该待检测区域内的驻留时间与设定的停车时间阈值进行比较,可以自动判定该待检测区域内的车辆是否属于违章停车,从而避免了因为人工排查而造成的资源浪费,提高了检测效率。
另外,本发明为了提高车辆信息的识别精度,所述进行车辆识别获取在该待检测区域停放的车辆信息,方法包括:
针对当前视频帧,采用边缘检测算法,确定该视频帧中车牌所在的区域;
对该视频帧中车牌所在的区域进行二值化处理;
利用二值化后的该车牌所在的区域的垂直方向的投影,确定车牌对应的字符序列;
采用模板匹配方法,对该字符序列进行匹配识别,确定待检测区域内停放车辆的车牌信息。
具体的,视频监控设备采集进入待检测区域内的车辆视频信息,根据采集到该视频信息进行车牌定位,利用边缘检测算法对该采集到的当前视频帧进行垂直方向的边缘检测,根据设定的阈值对该视频帧进行二值化处理,针对该二值化处理后的视频帧进行腐蚀膨胀,然后搜索连通区域,去除宽度及高度与宽高比不符合条件的车牌区域,利用二值化后的该车牌所在的区域的垂直方向的投影,进行字符分割;通过模板匹配方法,对该字符序列进行匹配识别,从而确定待检测区域内停放车辆的车牌信息。
另外,为了进一步提高车牌的识别精度,所述对视频帧中车辆所在的区域进行二值化处理之前,所述方法还包括:
利用边缘信息,在车牌所在的区域进行垂直矫正和水平矫正,去除车牌所在区域的上、下边界。
在本发明中为了保证字符识别的精度,去除字符断裂和粘连等干扰,利用二值化后的车牌所在的区域的垂直方向的投影,确定车牌对应的字符序列包括:
根据二值化后的车牌所在区域的垂直方向的投影,确定该投影的最大值和最小值;
根据该最大值和最小值,确定字符所在的区域;
在该字符所在区域进行分割,确定车牌对应的字符序列。
具体的,对视频帧中车辆所在的区域进行二值化处理之后,根据所述二值化后的车牌所在的区域的垂直方向的投影,通过寻找波峰波谷确定该投影的最大值和最小值,根据该投影的最大值和最小值得到字符所在的区域,然后对该字符所在的区域进行断裂合并,粘连强分割等处理,并确定车牌对应的字符序列,根据标准车牌的字符之间的关系,选取正确的字符分割序列作为最后的分割结果。
图2为本发明实施例提供的一种基于视频的违章停车检测方法的详细过程示意图,该检测方法包括以下几个步骤:
S201:视频监控设备采集待检测区域的视频信息,对获取的所述视频信息采用单高斯或者多高斯进行背景建模,检测视频信息中的背景。
S202:根据检测到的视频信息的背景,获取每个视频帧的运动前景。
S203:根据获取的每个视频帧中的运动前景,判断当前待检测区域是否存在运动前景,当判定结果为是时,进行步骤S204,否则,进行步骤S202。
具体的,在不允许停车的待检测区域安装视频监控,视频监控设备采集该区域内的视频信息,通过该采集的区域内的视频信息的背景,采用高斯进行背景建模,然后根据该待检测区域内视频信息的背景建模,获取每个视频帧的运动前景,根据获取的每个视频帧中的运动前景,判断在该视频帧中是否存在运动前景。
S204:当该待检测区域存在运动前景时,根据车辆信息识别判断在该待检测区域存在的运动前景是否为车辆,当判定结果为是时,进行步骤S205,否则,进行步骤S202。
为了确定视频跟踪对象,当视频帧中存在运动前景时,通过车辆识别技术判断该视频帧中存在的运动前景是否为车辆,当确定该视频帧中存在的运动前景为车辆时,进行后续的车牌识别程序,否则,确定该视频帧中存在的运动前景不是视频跟踪的对象,忽略该运动前景。
S205:针对当前视频帧,采用边缘检测算法确定该视频帧中车牌所在的区域,利用边缘信息,在车牌所在的区域进行垂直矫正和水平矫正,去除车牌所在区域的上、下边界。
S206:对该视频帧中车牌所在的区域进行二值化处理,确定车牌对应的字符序列,采用模板匹配方法,对该字符序列进行匹配识别,确定待检测区域内停放车辆的车牌信息。
S207:根据每个时间间隔获取的车牌信息,确定该车牌在该待检测区域内的驻留时间,判断该车牌的驻留时间是否大于设定的阈值,当判定结果为是时,进行步骤S208,否则,进行步骤S202。
S208:当确定该车牌的驻留时间大于设定的阈值时,则该车牌为违章停车的车牌。
当视频信息中某一视频帧中,在待检测区域内出现车辆时,通过车牌定位确定该车辆车牌所在的位置,然后通过车牌预处理、字符分割和字符识别确定该车辆的车牌信息,将该车辆的车牌信息确定为跟踪车辆的车牌信息,并将该视频帧的时刻作为该检测区域内该跟踪车辆的起始时刻。每隔一定数量的视频帧,或者所间隔一定的时间间隔,在该待检测区域内进行一次车辆的车牌识别,并与上一帧的车辆识别结果进行比较,当当前帧识别的车牌信息与上一时刻的车牌信息匹配时,根据该当前时刻及跟踪该车辆的起始时刻,确定该车辆的停放时间,根据该停放时间及设置的停车时间阈值,判断该停放时间是否超出该停车时间阈值,当该停放时间超出停车时间阈值时,确定该车辆为违章停车的车辆,输出该车辆的信息,并停止对车辆的跟踪,当停放时间未超出停车时间阈值时,确定该车辆未违章继续对该车牌进行检测。
当当前帧识别的车辆信息与上一时刻的车辆信息不匹配时,将当前帧识别的与上一时刻的车牌信息不匹配的车牌信息(即新出现车辆的车牌信息)作为一个新的跟踪车辆的车牌信息,从而实现对该待检测区域内的每个车辆的车牌信息进行跟踪,将该当前帧的时刻作为该检测区域内该跟踪车辆的起始时间。
另外,针对上一个时刻保存的每个车辆的信息,确定上一个时刻保存的车辆的信息是否被匹配成功,当匹配失败时,认为该车辆在该时间间隔内已经离开该监控区域,停止对该车辆的跟踪,并删除该车辆的信息。
在本发明中视频设备将采集到的待检测区域内的视频信息,根据背景建模确定当前视频帧中的运动前景,通过车辆识别技术确定进入该待检测区域内的车辆,通过边缘算法、车牌预处理、二值化处理及字符分割精确进行车牌识别,从而实现对每个进入该待检测区域内的车辆进行跟踪,通过将每个车辆在该待检测区域内的驻留时间与设定的停车时间阈值进行比较,准确判定该车辆是否属于违章停车,从而提高了违章停车的检测效率。
图3为本发明提供的一种基于视频的违章停车检测装置的结构示意图,该检测装置包括:
检测模块31,用于获取对待检测区域进行检测的视频信息,根据该视频信息判断当前该待检测区域是否存在运动前景;
识别模块32,用于当该待检测区域存在运动前景时,按照设定的时间间隔对获取的该待检测区域的视频信息进行识别,获取在该待检测区域内停放的车辆的信息;
输出模块33,用于根据每个时间间隔获取的车辆信息,及设定的停车时间阈值,将满足该阈值的车辆的信息作为违章停车的车辆的信息。
所述检测模块31,具体用于对获取的所述视频信息采用单高斯或者多高斯进行背景建模,检测视频信息中的背景;根据检测到的视频信息的背景,获取每个视频帧的运动前景;根据获取的每个视频帧中的运动前景,判断当前待检测区域是否存在运动前景。
所述识别模块32,具体用于针对当前视频帧,采用边缘检测算法,确定该视频帧中车牌所在的区域;对该视频帧中车牌所在的区域进行二值化处理;利用二值化后的该车牌所在的区域的垂直方向的投影,确定车牌对应的字符序列;采用模板匹配方法,对该字符序列进行匹配识别,确定待检测区域内停放车辆的车牌信息。
所述装置还包括:
预处理模块34,用于利用边缘信息,在车牌所在的区域进行垂直矫正和水平矫正,去除车牌所在区域的上、下边界。
所述识别模块32,具体用于根据二值化后的车牌所在区域的垂直方向的投影,确定该投影的最大值和最小值;根据该最大值和最小值,确定字符所在的区域;在该字符所在区域进行分割,确定车牌对应的字符序列。
本发明实施例提供一种基于视频的违章停车检测方法及装置,该方法通过获取对待检测区域进行检测的视频信息,根据该视频信息判断当前该待检测区域是否存在运动前景;当该待检测区域存在运动前景时,进行车辆识别获取在该待检测区域停放的车辆信息;按照设定的时间间隔获取对待检测区域进行检测的视频信息,在该待检测区域内进行车牌识别获取在该待检测区域内停放的车辆的信息;根据每个时间间隔获取的车辆信息,及设定的停车时间阈值,将满足该阈值的车牌作为违章停车的车牌。本发明通过对待检测区域进行背景建模,定期对待检测区域内车辆进行车牌识别从而确定车辆的驻留时间,并将驻留时间满足停车阈值的车辆确定为违章停车,因此有效的解决了违章停车的自动检测问题,减少了因人工排查造成的资源浪费,提高了违章车辆的检测效率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于视频的违章停车检测方法,其特征在于,所述检测方法包括:
获取对待检测区域进行检测的视频信息,根据该视频信息判断当前该待检测区域是否存在运动前景;
当该待检测区域存在运动前景时,按照设定的时间间隔对获取的该待检测区域的视频信息进行识别,获取在该待检测区域内停放的车辆的信息;
根据每个时间间隔获取的车辆信息,及设定的停车时间阈值,将满足该阈值的车辆的信息作为违章停车的车辆的信息。
2.如权利要求1所述的检测方法,其特征在于,所述根据该视频信息判断当前该待检测区域是否存在运动前景包括:
对获取的所述视频信息采用单高斯或者多高斯进行背景建模,检测视频信息中的背景;
根据检测到的视频信息的背景,获取每个视频帧的运动前景;
根据获取的每个视频帧中的运动前景,判断当前待检测区域是否存在运动前景。
3.如权利要求1所述的检测方法,其特征在于,所述获取在该待检测区域停放的车辆信息包括:
针对当前视频帧,采用边缘检测算法,确定该视频帧中车牌所在的区域;
对该视频帧中车牌所在的区域进行二值化处理;
利用二值化后的该车牌所在的区域的垂直方向的投影,确定车牌对应的字符序列;
采用模板匹配方法,对该字符序列进行匹配识别,确定待检测区域内停放车辆的车牌信息。
4.如权利要求3所述的检测方法,其特征在于,所述对视频帧中车辆所在的区域进行二值化处理之前,所述方法还包括:
利用边缘信息,在车牌所在的区域进行垂直矫正和水平矫正,去除车牌所在区域的上、下边界。
5.如权利要求3所述的检测方法,其特征在于,利用二值化后的车牌所在的区域的垂直方向的投影,确定车牌对应的字符序列包括:
根据二值化后的车牌所在区域的垂直方向的投影,确定该投影的最大值和最小值;
根据该最大值和最小值,确定字符所在的区域;
在该字符所在区域进行分割,确定车牌对应的字符序列。
6.一种基于视频的违章停车检测装置,其特征在于,所述检测装置包括:
检测模块,用于获取对待检测区域进行检测的视频信息,根据该视频信息判断当前该待检测区域是否存在运动前景;
识别模块,用于当该待检测区域存在运动前景时,按照设定的时间间隔对获取的该待检测区域的视频信息进行识别,获取在该待检测区域内停放的车辆的信息;
输出模块,用于根据每个时间间隔获取的车辆信息,及设定的停车时间阈值,将满足该阈值的车辆的信息作为违章停车的车辆的信息。
7.如权利要求6所述的检测装置,其特征在于,所述检测模块,具体用于对获取的所述视频信息采用单高斯或者多高斯进行背景建模,检测视频信息中的背景;根据检测到的视频信息的背景,获取每个视频帧的运动前景;根据获取的每个视频帧中的运动前景,判断当前待检测区域是否存在运动前景。
8.如权利要求6所述的检测装置,其特征在于,所述识别模块,具体用于针对当前视频帧,采用边缘检测算法,确定该视频帧中车牌所在的区域;对该视频帧中车牌所在的区域进行二值化处理;利用二值化后的该车牌所在的区域的垂直方向的投影,确定车牌对应的字符序列;采用模板匹配方法,对该字符序列进行匹配识别,确定待检测区域内停放车辆的车牌信息。
9.如权利要求7所述的检测装置,其特征在于,所述装置还包括:
预处理模块,用于利用边缘信息,在车牌所在的区域进行垂直矫正和水平矫正,去除车牌所在区域的上、下边界。
10.如权利要求7所述的检测装置,其特征在于,所述识别模块,具体用于根据二值化后的车牌所在区域的垂直方向的投影,确定该投影的最大值和最小值;根据该最大值和最小值,确定字符所在的区域;在该字符所在区域进行分割,确定车牌对应的字符序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310004419.XA CN103093194B (zh) | 2013-01-07 | 2013-01-07 | 一种基于视频的违章车辆检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310004419.XA CN103093194B (zh) | 2013-01-07 | 2013-01-07 | 一种基于视频的违章车辆检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103093194A true CN103093194A (zh) | 2013-05-08 |
CN103093194B CN103093194B (zh) | 2017-04-26 |
Family
ID=48205742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310004419.XA Expired - Fee Related CN103093194B (zh) | 2013-01-07 | 2013-01-07 | 一种基于视频的违章车辆检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103093194B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617410A (zh) * | 2013-08-30 | 2014-03-05 | 重庆大学 | 基于视频检测技术的高速公路隧道停车检测方法 |
CN103985230A (zh) * | 2014-05-14 | 2014-08-13 | 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 |
CN104408934A (zh) * | 2014-11-28 | 2015-03-11 | 深圳市华仁达技术有限公司 | 一种基于交通数据的涉案车辆分析方法 |
CN104504908A (zh) * | 2015-01-14 | 2015-04-08 | 苏州科达科技股份有限公司 | 一种违章停车监控方法及系统 |
CN106022249A (zh) * | 2016-05-16 | 2016-10-12 | 乐视控股(北京)有限公司 | 动态对象识别方法、装置及系统 |
CN106446892A (zh) * | 2016-09-13 | 2017-02-22 | 东软集团股份有限公司 | 一种车牌号码识别方法、装置及一种充电桩 |
CN107609491A (zh) * | 2017-08-23 | 2018-01-19 | 中国科学院声学研究所 | 一种基于卷积神经网络的车辆违章停车检测方法 |
CN108230667A (zh) * | 2016-12-14 | 2018-06-29 | 贵港市瑞成科技有限公司 | 一种车辆违章行为检测方法 |
CN109147341A (zh) * | 2018-09-14 | 2019-01-04 | 杭州数梦工场科技有限公司 | 违章车辆检测方法及装置 |
CN110188717A (zh) * | 2019-06-03 | 2019-08-30 | 中国通信建设第四工程局有限公司 | 图像获取方法及装置 |
CN111241879A (zh) * | 2018-11-29 | 2020-06-05 | 杭州海康威视数字技术股份有限公司 | 车辆检测方法、装置、电子设备及可读存储介质 |
CN111476169A (zh) * | 2020-04-08 | 2020-07-31 | 智慧互通科技有限公司 | 一种基于视频帧的复杂场景路侧停车行为识别方法 |
CN113269011A (zh) * | 2020-02-17 | 2021-08-17 | 浙江宇视科技有限公司 | 车辆检测方法、装置、设备及存储介质 |
CN113380047A (zh) * | 2021-06-22 | 2021-09-10 | 重庆盛海科技发展有限公司 | 一种基于传统摄像机的违规停车检测方法 |
CN115035714A (zh) * | 2022-05-05 | 2022-09-09 | 浙江大华技术股份有限公司 | 车辆停车行为确定方法、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030174865A1 (en) * | 2002-03-15 | 2003-09-18 | Mark William Vernon | Vehicle license plate imaging and reading system for day and night |
CN101630361A (zh) * | 2008-12-30 | 2010-01-20 | 北京邮电大学 | 一种基于车牌、车身颜色和车标识别的套牌车辆识别设备及方法 |
CN101719217A (zh) * | 2009-12-15 | 2010-06-02 | 中国地质大学(武汉) | 一种基于弹性松驰算法的车型识别系统及方法 |
CN101789080A (zh) * | 2010-01-21 | 2010-07-28 | 上海交通大学 | 车辆车牌实时定位字符分割的检测方法 |
CN101872416A (zh) * | 2010-05-06 | 2010-10-27 | 复旦大学 | 对道路图像进行车牌识别的方法和系统 |
US7949190B2 (en) * | 2006-05-12 | 2011-05-24 | National Chiao Tung University | Real-time nighttime vehicle detection and recognition system based on computer vision |
CN102157066A (zh) * | 2010-12-24 | 2011-08-17 | 云南澜博科技有限公司 | 一种监测车辆违法行为系统的实现方法 |
CN102521979A (zh) * | 2011-12-06 | 2012-06-27 | 北京万集科技股份有限公司 | 基于高清摄像机进行路面事件检测的方法及系统 |
CN102819964A (zh) * | 2012-08-24 | 2012-12-12 | 中国科学院深圳先进技术研究院 | 停车引导管理系统 |
-
2013
- 2013-01-07 CN CN201310004419.XA patent/CN103093194B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030174865A1 (en) * | 2002-03-15 | 2003-09-18 | Mark William Vernon | Vehicle license plate imaging and reading system for day and night |
US7949190B2 (en) * | 2006-05-12 | 2011-05-24 | National Chiao Tung University | Real-time nighttime vehicle detection and recognition system based on computer vision |
CN101630361A (zh) * | 2008-12-30 | 2010-01-20 | 北京邮电大学 | 一种基于车牌、车身颜色和车标识别的套牌车辆识别设备及方法 |
CN101719217A (zh) * | 2009-12-15 | 2010-06-02 | 中国地质大学(武汉) | 一种基于弹性松驰算法的车型识别系统及方法 |
CN101789080A (zh) * | 2010-01-21 | 2010-07-28 | 上海交通大学 | 车辆车牌实时定位字符分割的检测方法 |
CN101872416A (zh) * | 2010-05-06 | 2010-10-27 | 复旦大学 | 对道路图像进行车牌识别的方法和系统 |
CN102157066A (zh) * | 2010-12-24 | 2011-08-17 | 云南澜博科技有限公司 | 一种监测车辆违法行为系统的实现方法 |
CN102521979A (zh) * | 2011-12-06 | 2012-06-27 | 北京万集科技股份有限公司 | 基于高清摄像机进行路面事件检测的方法及系统 |
CN102819964A (zh) * | 2012-08-24 | 2012-12-12 | 中国科学院深圳先进技术研究院 | 停车引导管理系统 |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617410A (zh) * | 2013-08-30 | 2014-03-05 | 重庆大学 | 基于视频检测技术的高速公路隧道停车检测方法 |
CN103985230A (zh) * | 2014-05-14 | 2014-08-13 | 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 |
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 |
CN104408934A (zh) * | 2014-11-28 | 2015-03-11 | 深圳市华仁达技术有限公司 | 一种基于交通数据的涉案车辆分析方法 |
CN104504908A (zh) * | 2015-01-14 | 2015-04-08 | 苏州科达科技股份有限公司 | 一种违章停车监控方法及系统 |
CN106022249A (zh) * | 2016-05-16 | 2016-10-12 | 乐视控股(北京)有限公司 | 动态对象识别方法、装置及系统 |
CN106446892A (zh) * | 2016-09-13 | 2017-02-22 | 东软集团股份有限公司 | 一种车牌号码识别方法、装置及一种充电桩 |
CN108230667A (zh) * | 2016-12-14 | 2018-06-29 | 贵港市瑞成科技有限公司 | 一种车辆违章行为检测方法 |
CN107609491A (zh) * | 2017-08-23 | 2018-01-19 | 中国科学院声学研究所 | 一种基于卷积神经网络的车辆违章停车检测方法 |
CN107609491B (zh) * | 2017-08-23 | 2020-05-26 | 中国科学院声学研究所 | 一种基于卷积神经网络的车辆违章停车检测方法 |
CN109147341A (zh) * | 2018-09-14 | 2019-01-04 | 杭州数梦工场科技有限公司 | 违章车辆检测方法及装置 |
CN109147341B (zh) * | 2018-09-14 | 2019-11-22 | 杭州数梦工场科技有限公司 | 违章车辆检测方法及装置 |
CN111241879B (zh) * | 2018-11-29 | 2023-09-26 | 杭州海康威视数字技术股份有限公司 | 车辆检测方法、装置、电子设备及可读存储介质 |
CN111241879A (zh) * | 2018-11-29 | 2020-06-05 | 杭州海康威视数字技术股份有限公司 | 车辆检测方法、装置、电子设备及可读存储介质 |
CN110188717A (zh) * | 2019-06-03 | 2019-08-30 | 中国通信建设第四工程局有限公司 | 图像获取方法及装置 |
CN113269011A (zh) * | 2020-02-17 | 2021-08-17 | 浙江宇视科技有限公司 | 车辆检测方法、装置、设备及存储介质 |
CN113269011B (zh) * | 2020-02-17 | 2022-10-14 | 浙江宇视科技有限公司 | 车辆检测方法、装置、设备及存储介质 |
CN111476169A (zh) * | 2020-04-08 | 2020-07-31 | 智慧互通科技有限公司 | 一种基于视频帧的复杂场景路侧停车行为识别方法 |
CN111476169B (zh) * | 2020-04-08 | 2023-11-07 | 智慧互通科技股份有限公司 | 一种基于视频帧的复杂场景路侧停车行为识别方法 |
CN113380047A (zh) * | 2021-06-22 | 2021-09-10 | 重庆盛海科技发展有限公司 | 一种基于传统摄像机的违规停车检测方法 |
CN115035714A (zh) * | 2022-05-05 | 2022-09-09 | 浙江大华技术股份有限公司 | 车辆停车行为确定方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103093194B (zh) | 2017-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103093194A (zh) | 一种基于视频的违章车辆检测方法及装置 | |
CN103473949B (zh) | 一种可反向寻车的结合车机的停车场停车定位方法 | |
US20120263342A1 (en) | Method and system of rail component detection using vision technology | |
CN106373426A (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
CN107067730B (zh) | 基于卡口设备的网约车人车不一致监测方法 | |
CN102568206B (zh) | 一种基于视频监控的违章停车检测方法 | |
CN103456175A (zh) | 基于车辆号牌识别和网格化监控的伴随车实时检测方法 | |
CN104463235A (zh) | 基于动车组运行图像的故障识别方法及装置 | |
CN103077610A (zh) | 一种路段旅行时间估计的方法和系统 | |
CN103465857A (zh) | 一种基于手机的汽车主动安全的预警方法 | |
CN104408927B (zh) | 一种基于调频连续波雷达的车型分类方法 | |
CN203433675U (zh) | 一种基于超高频射频识别技术的假、套牌车辆识别装置 | |
CN104865499A (zh) | 一种特高压直流输电线路区内外故障识别方法 | |
CN103136528A (zh) | 一种基于双边缘检测的车牌识别方法 | |
CN103325259A (zh) | 一种基于多核并行的违章停车检测方法 | |
CN101814237A (zh) | 一种基于车牌识别技术的道路状态判别器及其判别方法 | |
CN108154146A (zh) | 一种基于图像识别的车辆追踪方法 | |
CN105788355A (zh) | 一种基于Beacon技术的停车位监测系统与方法 | |
CN111460924B (zh) | 一种基于目标检测的闸机通过逃票行为检测方法 | |
CN112381014A (zh) | 一种基于城市道路的违停车辆检测及管理方法及系统 | |
CN111862390A (zh) | 一种基于大数据的智能停车场管理系统 | |
CN105528626A (zh) | 一种rfid读写器和摄像机集成一体机及其应用 | |
CN202422420U (zh) | 一种基于视频监控的违章停车检测系统 | |
CN103150910B (zh) | 一种交叉口闯黄灯违章车辆的自动抓拍分析方法 | |
CN104299443A (zh) | 基于低频有源射频识别技术的停车场车辆定位系统和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170426 Termination date: 20200107 |
|
CF01 | Termination of patent right due to non-payment of annual fee |