CN103234530A - 基于视频信号的城市车辆轮胎清洁状况检测方法及装置 - Google Patents
基于视频信号的城市车辆轮胎清洁状况检测方法及装置 Download PDFInfo
- Publication number
- CN103234530A CN103234530A CN2013101353665A CN201310135366A CN103234530A CN 103234530 A CN103234530 A CN 103234530A CN 2013101353665 A CN2013101353665 A CN 2013101353665A CN 201310135366 A CN201310135366 A CN 201310135366A CN 103234530 A CN103234530 A CN 103234530A
- Authority
- CN
- China
- Prior art keywords
- image
- vehicle
- vision signal
- video
- template
- 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
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于视频信号的城市车辆轮胎清洁状况检测方法及装置,按照本发明提供的技术方案,一种基于视频信号的城市车辆轮胎清洁状况检测方法,所述城市车辆轮胎清洁状况检测方法包括如下步骤:a、获取包含车辆的视频信号,并取定所述视频信号中包含完整车辆的图像;b、对上述图像进行分割,以得到视频信号中的车辆图像;c、根据上述车辆图像中车辆的形态,生成与所述车辆对应的车轮模板;d、利用车轮模板查找并分割出车辆图像中的车辆轮胎;e、对上述分割出车辆轮胎作颜色评估,以得到所述城市车辆的轮胎清洁状况。本发明操作方便,能快速检测车辆轮胎的清洁状况,检测精度高,适应范围广,检测成本低,安全可靠。
Description
技术领域
本发明涉及一种检测方法及装置,尤其是一种基于视频信号的城市车辆轮胎清洁状况检测方法及装置,属于图像处理与识别的技术领域。
背景技术
物联网感知技术是物联网关键技术之一,随着未来物联网的大规模应用,传感器将成为主要的数据采集设备承载者,因此,传感器设备的成熟将直接影响着物联网产业的发展。传统的传感器一般由敏感元件、转换元件、转换电路三部分组成:敏感元件的作用是直接感受被测量,并输出与被测量成确定关系的某一物理量的元件;转换元件的作用是以敏感元件的输出为输入,并把此输入转换成电路参数;转换电路的作用是将接入的上述电路参数转换成电量输出。随着人工智能技术的发展和视频信号采集装置的小型化,各类图像传感装置因运而生,但能够进行特定视频信号识别的智能图像传感器仍需要根据特定需要专门开发。
随着经济的发展,社会车辆的保有量不断增大。汽车上路,轮胎上沾上泥土是不可避免的事情,但要是想清洗轮缘凹凸不平的轮胎上的泥土,让轮胎经常保持干净是比较困难的。常见的清洗包括用高压水冲洗、用铁杆剔,这些方法费力费时,又浪费水资源,还不能就地解决,需要将汽车开到专门的地方才行。
汽车轮胎上的大量泥土会造成城市路面的脏乱,不利于城市卫生的管理;如何及时有效地避免汽车轮胎上的泥土对城市道路的影响是现有城市卫生环境管理的一个难题。
发明内容
本发明的目的是克服现有技术中存在的不足,提供一种基于视频信号的城市车辆轮胎清洁状态检测方法及装置,其操作方便,能快速检测车辆轮胎的清洁状况,检测精度高,适应范围广,检测成本低,安全可靠。
按照本发明提供的技术方案,一种基于视频信号的城市车辆轮胎清洁状况检测方法,所述城市车辆轮胎清洁状况检测方法包括如下步骤:
a、获取包含车辆的视频信号,并取定所述视频信号中包含完整车辆的图像;
b、对上述图像进行分割,以得到视频信号中的车辆图像;
c、根据上述车辆图像中车辆的形态,生成与所述车辆对应的车轮模板;
d、利用车轮模板查找并分割出车辆图像中的车辆轮胎;
e、对上述分割出车辆轮胎作颜色评估,以得到所述城市车辆的轮胎清洁状况。
所述步骤a包括如下步骤:
a1、获取包含车辆的彩色视频信号A,并得到所述彩色视频信号的黑白视频A1;
a2、对黑白视频A1中的帧序列中相邻两帧作差得到图像B,并判断所述图像B中非零值像素是否进入视频范围;
a3、当图像B中的非零值像素进入视频范围后,保存彩色视频A和黑白视频A1中对应的当前位置帧Q0、W0和下一相邻帧Q1、W1,其中,帧Q0和帧Q1为彩色视频A中的相邻帧,帧W0和帧W1为黑白视频A1中的相邻帧。
所述步骤b包括如下步骤:
b1、将当前帧W0与下一相邻帧W1作差,并将所述差值取绝对值,以得到图像t1;
b2、对图像t1进行图像形态学开运算,以消除图像中的孤岛及尖峰,得到图像t2;
b3、对图像t2进行图像扫描,确定非零像素的边界,得到由边界包围的区域,即得到车辆图像。
所述步骤c包括如下步骤:
c1、根据所述车辆图像的长、宽比得到车辆轮胎的长外直径、短外直径、长内直径和短内直径;
c2、根据上述得到的长外直径、短外直径、长内直径和短内直径值,得到模板图像m0和模板图像m1,其中,模板图像m0和模板图像m1的高度等于长外直径,宽等于短外直径,所述模板图像m0和模板图像m1即为车轮模板。
所述步骤d包括如下步骤:
d1、对帧W1进行边缘检测,得到图像W2;
d2、对图像W2进行图像形态学开运算,得到图像W3;
d3、根据设定阈值r对图像W3进行二值化,得到二值图W4;
d4、令模板图像m0在二值图W4的范围内进行由上到下、由左到右的逐点移动,模板图像m0每次移动后,二值图W4中被模板图像m0覆盖的区域,作模板图像m0与二值图W4中被覆盖区域之间的对应像素点的乘积,得到二值图S,对二值图S中的所有像素值求和,并将求和结果存入数组sum的对应元素中;
d5、找出数组sum中最大元素值对应的下标,并得到与所述下标对应的模板位置P,所述位置P;
d6、用模板图像m1与帧Q1中的位置P的区域作对应像素点之间的乘积,得到彩色图像Q2。
所述步骤e包括如下步骤:
e1、利用彩色图像Q2中像素点的R、G、B值对彩色图像Q2中的非零像素点作颜色估算;
e2、统计颜色为泥土色的像素点占轮胎总像素点的比例,并根据所述比例值输出车辆轮胎清洁状况。
一种基于视频信号的城市车辆轮胎清洁状况检测装置,包括视频采集装置,所述视频采集装置采集行驶于道路上的车辆的视频信号,视频采集装置将采集的视频信号通过通信网络传输到图像处理服务器,所述图像处理服务器对视频信号进行处理得到车辆的轮胎清洁状况。
所述视频采集装置包括摄像头。所述图像服务器将得到的轮胎清洁状况传输到监控计算机内。
本发明的优点:通过视频采集装置采集包含车辆的视频信息,通过对所述视频进行处理后,能够判断车辆轮胎的清洁状况,监控人员能够根据所述分析的轮胎清洁状况进行及时有效地处理,其操作方便,能快速检测车辆轮胎的清洁状况,检测精度高,适应范围广,检测成本低,安全可靠。
附图说明
图1为本发明的结构框图。
图2为本发明视频采集装置的工作流程图。
图3为本发明图像处理服务器的工作流程图。
附图标记说明:100-道路、110-车辆、120-视频采集装置、130-通信网络、140-图像处理服务器、15-监控计算机及160-监测人员。
具体实施方式
下面结合具体附图和实施例对本发明作进一步说明。
如图2和图3所示:为了能够对车辆的轮胎清洁状况进行有效检测,提高城市道路的管理效率,本发明的城市车辆轮胎清洁状况检测方法包括如下步骤:
a、获取包含车辆110的视频信号,并取定所述视频信号中包含完整车辆110的图像;
其中,所述步骤a包括如下步骤:
a1、获取包含车辆110的彩色视频信号A,并得到所述彩色视频信号的黑白视频A1;
a2、对黑白视频A1中的帧序列中相邻两帧作差得到图像B,并判断所述图像B中非零值像素是否进入视频范围;
a3、当图像B中的非零值像素进入视频范围后,保存彩色视频A和黑白视频A1中对应的当前位置帧Q0、W0和下一相邻帧Q1、W1,其中,帧Q0和帧Q1为彩色视频A中的相邻帧,帧W0和帧W1为黑白视频A1中的相邻帧。
本发明实施例中,利用加权法对彩色视频信号A进行处理,能得到黑白视频A1,得到黑白视频A1的作用是为之后的图像减法、图像边缘检测和开操作需要的二值图作准备。加权法为:将彩色图像每个象素的R、G、B三分量值分别乘以对应的权系数得到黑白图像对应的象素值,R、G、B三分量对应的权系数之和等于1。利用加权法,从彩色视频信号A得到黑白视频A1为图像处理技术领域常规的技术手段。
b、对上述图像进行分割,以得到视频信号中的车辆图像;
所述步骤b包括如下步骤:
b1、将当前帧W0与下一相邻帧W1作差,并将所述差值取绝对值,以得到图像t1;
b2、对图像t1进行图像形态学开运算,以消除图像中的孤岛及尖峰,得到图像t2;
b3、对图像t2进行图像扫描,确定非零像素的边界,得到由边界包围的区域,即得到车辆图像。
本发明实施例中,将帧W0减去帧W1,并取绝对值得到图像t1,当图像t1边缘均为零值象素时,可判定非零值像素已经进入视频范围,具体判断操作可对图像t1进行逐行逐列扫描解决。
保存黑白视频A1中当前位置的帧W0和下一相邻帧W1的作用是为了得到图像t1,而保存Q0、Q1的作用是为之后得到轮胎位置区域的彩色图像,以便作清洁度评估。对图像t1进行图像形态学运算开操作,作用是消除图像中的孤岛或尖峰等亮点,为取前景做准备。开运算由腐蚀和膨胀两个步骤组成,腐蚀和膨胀也是典型的图像形态学运算,所述图像形态学开运算为图像处理技术领域的常规技术手段。
c、根据上述车辆图像中车辆的形态,生成与所述车辆对应的车轮模板;
所述步骤c包括如下步骤:
c1、根据所述车辆图像的长、宽比得到车辆轮胎的长外直径、短外直径、长内直径和短内直径;
c2、根据上述得到的长外直径、短外直径、长内直径和短内直径值,得到模板图像m0和模板图像m1,其中,模板图像m0和模板图像m1的高度等于长外直径,宽等于短外直径,所述模板图像m0和模板图像m1即为车轮模板。
由于车辆轮廓的大小与其轮胎轮廓的大小存在比例关系,这一比例关系是可以预先存储并设置。从车辆图像的纵向、横向尺寸可以根据这一比例关系计算出车辆图像中车轮的纵向、横向尺寸,亦即车轮椭圆形状的长、短直径。
产生模板图像m0的具体步骤:
(1)、确定模板图像m0的大小和中心位置大小:长外直径乘以短外直径;中心位置:x0=长外直径/2,y0=短外直径/2;
(2)、对于模板图像m0中处于任一位置(x,y)的象素点,如果(x- x0)2/( 长内直径/2)2+ (y- y0)2/( 短内直径/2)2<=1则令此象素点值=1,否则令此象素点值=0。
产生模板图像m1的具体步骤:
(1)、确定模板图像m1的大小和中心位置大小:长外直径乘以短外直径;中心位置:x0=长外直径/2,y0=短外直径/2;
(2)、对于m1中处于任一位置(x,y)的象素点,如果(x- x0)2/( 长内直径/2)2+ (y- y0)2/(短内直径/2)2>=1且 (x- x0)2/( 长外直径/2)2+ (y- y0)2/( 短外直径/2)2<=1 则令此象素点值=1,否则令此象素点值=0。
由长外直径、短外直径和长内直径、短内直径可以构成的大小两个同心椭圆,基本描述了图像中轮胎的大小,模板图像m0的高等于长外直径,m0的宽等于短外直径,由长内直径、短内直径决定的小椭圆圆心在m0图像的中心点,小椭圆内侧的像素值为1,其余点的像素值为0。模板图像m1的高等于长外直径,模板图像m1的宽等于短外直径,大小两个同心椭圆圆心均在模板图像m1图像的中心点,大椭圆外侧与小椭圆内侧的像素值为0,其余点的像素值为1。
d、利用车轮模板查找并分割出车辆图像中的车辆轮胎;
所述步骤d包括如下步骤:
d1、对帧W1进行边缘检测,得到图像W2;
d2、对图像W2进行图像形态学开运算,得到图像W3;
d3、根据设定阈值r对图像W3进行二值化,得到二值图W4;
d4、令模板图像m0在二值图W4的范围内进行由上到下、由左到右的逐点移动,模板图像m0每次移动后,二值图W4中被模板图像m0覆盖的区域,作模板图像m0与二值图W4中被覆盖区域之间的对应像素点的乘积,得到二值图S,对二值图S中的所有像素值求和,并将求和结果存入数组sum的对应元素中;
d5、找出数组sum中最大元素值对应的下标,并得到与所述下标对应的模板位置P,所述位置P;所述位置P为对应的坐标。
d6、用模板图像m1与帧Q1中的位置P的区域作对应像素点之间的乘积,得到彩色图像Q2。
本发明实施例中,彩色图像Q2即为分割出的车辆轮胎。模板匹配的过程为图像处理技术领域的常规技术手段。
e、对上述分割出车辆轮胎作颜色评估,以得到所述城市车辆110的轮胎清洁状况。
所述步骤e包括如下步骤:
e1、利用彩色图像Q2中像素点的R、G、B值对彩色图像Q2中的非零像素点作颜色估算;
e2、统计颜色为泥土色的像素点占轮胎总像素点的比例,并根据所述比例值输出车辆轮胎清洁状况。
车轮清洁状况的评估主要看颜色,因为车轮的颜色与泥土的颜色是不一样的。彩色图像识别颜色的方法是根据其R、G、B三分量的值,即当某象素点R、G、B三分量的值分别落入泥土颜色对应的R、G、B范围时,判定此象素点为泥土象素点;当车轮图像中泥土象素点的个数与总象素点个数的比达到设定阈值时,则判定图像中轮胎为不清洁轮胎。具体的泥土颜色对应的R、G、B范围值,比例阈值,需要根据使用此装置的管理部门的具体要求,通过与管理部门使用人员的沟通后确定。
如图1所示:上述基于视频信号的城市车辆轮胎清洁状况检测方法,可以通过对应的检测装置实现,所述装置包括视频采集装置120,所述视频采集装置120采集行驶于道路100上的车辆110的视频信号,视频采集装置120将采集的视频信号通过通信网络130传输到图像处理服务器140,所述图像处理服务器140对视频信号进行处理得到车辆110的轮胎清洁状况。
所述视频采集装置120包括摄像头,本发明实施例中,视频采集装置120还包括用于信息初步处理的单片机以及进行通信的通讯模块,本发明通讯模块用于与通信网络130的连接,所述通信网络130包括以太网,或现有常用的其他网络。所述图像服务器140将得到的轮胎清洁状况传输到监控计算机150内,通过监控计算机150能够由监控人员160进行观察,根据观察结果进行及时有效的处理,避免车辆轮胎清洁较差的车辆对城市道路环境的破坏。
本发明通过视频采集装置120采集包含车辆的视频信息,通过对所述视频进行处理后,能够判断车辆轮胎的清洁状况,监控人员160能够根据所述分析的轮胎清洁状况进行及时有效地处理,其操作方便,能快速检测车辆轮胎的清洁状况,检测精度高,适应范围广,检测成本低,安全可靠。
上述仅为本发明的一个实施例,其具体的实施如方法实施例所描述,在此不再赘述,但不用以限制本发明。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所做的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于视频信号的城市车辆轮胎清洁状况检测方法,其特征是,所述城市车辆轮胎清洁状况检测方法包括如下步骤:
(a)、获取包含车辆(110)的视频信号,并取定所述视频信号中包含完整车辆(110)的图像;
(b)、对上述图像进行分割,以得到视频信号中的车辆图像;
(c)、根据上述车辆图像中车辆的形态,生成与所述车辆对应的车轮模板;
(d)、利用车轮模板查找并分割出车辆图像中的车辆轮胎;
(e)、对上述分割出车辆轮胎作颜色评估,以得到所述城市车辆(110)的轮胎清洁状况。
2.根据权利要求1所述的基于视频信号的城市车辆轮胎清洁状况检测方法,其特征是,所述步骤(a)包括如下步骤:
(a1)、获取包含车辆(110)的彩色视频信号A,并得到所述彩色视频信号的黑白视频A1;
(a2)、对黑白视频A1中的帧序列中相邻两帧作差得到图像B,并判断所述图像B中非零值像素是否进入视频范围;
(a3)、当图像B中的非零值像素进入视频范围后,保存彩色视频A和黑白视频A1中对应的当前位置帧Q0、W0和下一相邻帧Q1、W1,其中,帧Q0和帧Q1为彩色视频A中的相邻帧,帧W0和帧W1为黑白视频A1中的相邻帧。
3.根据权利要求2所述的基于视频信号的城市车辆轮胎清洁状况检测方法,其特征是,所述步骤(b)包括如下步骤:
(b1)、将当前帧W0与下一相邻帧W1作差,并将所述差值取绝对值,以得到图像t1;
(b2)、对图像t1进行图像形态学开运算,以消除图像中的孤岛及尖峰,得到图像t2;
(b3)、对图像t2进行图像扫描,确定非零像素的边界,得到由边界包围的区域,即得到车辆图像。
4.根据权利要求3所述的基于视频信号的城市车辆轮胎清洁状况检测方法,其特征是,所述步骤(c)包括如下步骤:
(c1)、根据所述车辆图像的长、宽比得到车辆轮胎的长外直径、短外直径、长内直径和短内直径;
(c2)、根据上述得到的长外直径、短外直径、长内直径和短内直径值,得到模板图像m0和模板图像m1,其中,模板图像m0和模板图像m1的高度等于长外直径,宽等于短外直径,所述模板图像m0和模板图像m1即为车轮模板。
5.根据权利要求4所述的基于视频信号的城市车辆轮胎清洁状况检测方法,其特征是,所述步骤(d)包括如下步骤:
(d1)、对帧W1进行边缘检测,得到图像W2;
(d2)、对图像W2进行图像形态学开运算,得到图像W3;
(d3)、根据设定阈值r对图像W3进行二值化,得到二值图W4;
(d4)、令模板图像m0在二值图W4的范围内进行由上到下、由左到右的逐点移动,模板图像m0每次移动后,二值图W4中被模板图像m0覆盖的区域,作模板图像m0与二值图W4中被覆盖区域之间的对应像素点的乘积,得到二值图S,对二值图S中的所有像素值求和,并将求和结果存入数组sum的对应元素中;
(d5)、找出数组sum中最大元素值对应的下标,并得到与所述下标对应的模板位置P,所述位置P;
(d6)、用模板图像m1与帧Q1中的位置P的区域作对应像素点之间的乘积,得到彩色图像Q2。
6.根据权利要求5所述的基于视频信号的城市车辆轮胎清洁状况检测方法,其特征是,所述步骤(e)包括如下步骤:
(e1)、利用彩色图像Q2中像素点的R、G、B值对彩色图像Q2中的非零像素点作颜色估算;
(e2)、统计颜色为泥土色的像素点占轮胎总像素点的比例,并根据所述比例值输出车辆轮胎清洁状况。
7.一种基于视频信号的城市车辆轮胎清洁状况检测装置,其特征是:包括视频采集装置(120),所述视频采集装置(120)采集行驶于道路(100)上的车辆(110)的视频信号,视频采集装置(120)将采集的视频信号通过通信网络(130)传输到图像处理服务器(140),所述图像处理服务器(140)对视频信号进行处理得到车辆(110)的轮胎清洁状况。
8.根据权利要求7所述基于视频信号的城市车辆轮胎清洁状况检测装置,其特征是:所述视频采集装置(120)包括摄像头。
9.根据权利要求7所述基于视频信号的城市车辆轮胎清洁状况检测装置,其特征是:所述图像服务器(140)将得到的轮胎清洁状况传输到监控计算机(150)内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310135366.5A CN103234530B (zh) | 2013-04-17 | 2013-04-17 | 基于视频信号的城市车辆轮胎清洁状况检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310135366.5A CN103234530B (zh) | 2013-04-17 | 2013-04-17 | 基于视频信号的城市车辆轮胎清洁状况检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103234530A true CN103234530A (zh) | 2013-08-07 |
CN103234530B CN103234530B (zh) | 2015-04-22 |
Family
ID=48882582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310135366.5A Active CN103234530B (zh) | 2013-04-17 | 2013-04-17 | 基于视频信号的城市车辆轮胎清洁状况检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103234530B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104633501A (zh) * | 2015-02-11 | 2015-05-20 | 广东工业大学 | 轮模文字识别系统的照明光源及其操作方法 |
CN107229938A (zh) * | 2017-08-05 | 2017-10-03 | 南京云计趟信息技术有限公司 | 一种基于摄像装置的车辆轮胎带泥识别系统及方法 |
CN109716095A (zh) * | 2016-07-26 | 2019-05-03 | 倍耐力轮胎股份公司 | 用于检查车辆车轮的轮胎的方法和检查站 |
CN113221727A (zh) * | 2021-05-08 | 2021-08-06 | 杭州鸿泉物联网技术股份有限公司 | 一种工程车辆清洗状态判断方法及系统 |
CN117437525A (zh) * | 2023-12-21 | 2024-01-23 | 南京三百云信息科技有限公司 | 用于环车视频的处理方法及处理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1665297A (zh) * | 2004-03-01 | 2005-09-07 | 天津市华海计算机技术有限公司 | 公路交通电子监控管理系统 |
CN101196979A (zh) * | 2006-12-22 | 2008-06-11 | 四川川大智胜软件股份有限公司 | 利用数字图像处理技术识别车辆类型的方法 |
US20090022405A1 (en) * | 2007-07-16 | 2009-01-22 | Hugh Griffin | System and method for video object identification |
US20090169105A1 (en) * | 2007-12-27 | 2009-07-02 | Chunyan Song | Vehicle headlight detecting method and apparatus, and region-of-interest segmenting method and apparatus |
CN102222227A (zh) * | 2011-04-25 | 2011-10-19 | 中国华录集团有限公司 | 基于视频识别与提取影片图像的系统 |
-
2013
- 2013-04-17 CN CN201310135366.5A patent/CN103234530B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1665297A (zh) * | 2004-03-01 | 2005-09-07 | 天津市华海计算机技术有限公司 | 公路交通电子监控管理系统 |
CN101196979A (zh) * | 2006-12-22 | 2008-06-11 | 四川川大智胜软件股份有限公司 | 利用数字图像处理技术识别车辆类型的方法 |
US20090022405A1 (en) * | 2007-07-16 | 2009-01-22 | Hugh Griffin | System and method for video object identification |
US20090169105A1 (en) * | 2007-12-27 | 2009-07-02 | Chunyan Song | Vehicle headlight detecting method and apparatus, and region-of-interest segmenting method and apparatus |
CN102222227A (zh) * | 2011-04-25 | 2011-10-19 | 中国华录集团有限公司 | 基于视频识别与提取影片图像的系统 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104633501A (zh) * | 2015-02-11 | 2015-05-20 | 广东工业大学 | 轮模文字识别系统的照明光源及其操作方法 |
CN104633501B (zh) * | 2015-02-11 | 2016-12-07 | 广东工业大学 | 轮模文字识别系统的照明光源及其操作方法 |
CN109716095A (zh) * | 2016-07-26 | 2019-05-03 | 倍耐力轮胎股份公司 | 用于检查车辆车轮的轮胎的方法和检查站 |
US11635294B2 (en) | 2016-07-26 | 2023-04-25 | Pirelli Tyre S.P.A. | Station for checking tyres for vehicle wheels |
CN107229938A (zh) * | 2017-08-05 | 2017-10-03 | 南京云计趟信息技术有限公司 | 一种基于摄像装置的车辆轮胎带泥识别系统及方法 |
CN113221727A (zh) * | 2021-05-08 | 2021-08-06 | 杭州鸿泉物联网技术股份有限公司 | 一种工程车辆清洗状态判断方法及系统 |
CN113221727B (zh) * | 2021-05-08 | 2023-05-12 | 杭州鸿泉物联网技术股份有限公司 | 一种工程车辆清洗状态判断方法及系统 |
CN117437525A (zh) * | 2023-12-21 | 2024-01-23 | 南京三百云信息科技有限公司 | 用于环车视频的处理方法及处理系统 |
CN117437525B (zh) * | 2023-12-21 | 2024-03-08 | 南京三百云信息科技有限公司 | 用于环车视频的处理方法及处理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103234530B (zh) | 2015-04-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103234530B (zh) | 基于视频信号的城市车辆轮胎清洁状况检测方法 | |
CN103759758B (zh) | 一种基于机械角度和刻度识别的汽车仪表指针的位置检测方法 | |
CN106845890B (zh) | 一种基于视频监控的仓储监控方法及装置 | |
CN101334835B (zh) | 颜色识别方法 | |
CN108765404A (zh) | 一种基于深度学习图像分类的道路破损检测方法及装置 | |
CN102914545A (zh) | 一种基于计算机视觉的齿轮缺陷检测方法及系统 | |
CN106504580A (zh) | 一种车位检测方法及装置 | |
CN104846054A (zh) | 一种基于形态学特征的白带中霉菌的自动检测方法 | |
CN104504388A (zh) | 一种路面裂缝识别和特征提取算法及系统 | |
CN106855951A (zh) | 一种基于计算机视觉的粮种品质检测方法 | |
CN108680833B (zh) | 基于无人机的复合绝缘子缺陷检测系统 | |
CN201825037U (zh) | 高速公路车辆的车道偏离报警装置 | |
CN109472261B (zh) | 一种基于计算机视觉的粮仓储粮数量变化自动监测方法 | |
CN103985182A (zh) | 一种公交客流自动计数方法及自动计数系统 | |
CN104156731A (zh) | 基于人工神经网络的车牌识别系统与方法 | |
CN102842203B (zh) | 基于视频图像的桥梁病害监测方法 | |
CN109087363B (zh) | 一种基于hsv颜色空间的污水排放检测方法 | |
CN106802144A (zh) | 一种基于单目视觉和车牌的车距测量方法 | |
CN108108772A (zh) | 一种基于配电线路航拍图像的绝缘子污闪状态检测方法 | |
CN114511770A (zh) | 道路标识标牌识别方法 | |
CN111652883A (zh) | 基于深度学习的玻璃表面缺陷检测方法 | |
CN112232246A (zh) | 基于深度学习的垃圾检测分类方法和装置 | |
CN103175839A (zh) | 胶印版材表面检测的处理方法及系统 | |
CN105279488A (zh) | 一种公路视频巡检的里程标识牌自动识别方法 | |
CN103778634B (zh) | 一种基于图像处理的车辙检测方法 |
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 |