CN103337168A - 一种车辆数据采集方法、装置及系统 - Google Patents
一种车辆数据采集方法、装置及系统 Download PDFInfo
- Publication number
- CN103337168A CN103337168A CN2013102177938A CN201310217793A CN103337168A CN 103337168 A CN103337168 A CN 103337168A CN 2013102177938 A CN2013102177938 A CN 2013102177938A CN 201310217793 A CN201310217793 A CN 201310217793A CN 103337168 A CN103337168 A CN 103337168A
- Authority
- CN
- China
- Prior art keywords
- video image
- vehicle
- information
- floating car
- time
- 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
- Traffic Control Systems (AREA)
Abstract
本发明适用于交通技术领域,提供了一种车辆数据采集方法及装置,包括:获取浮动车前后的包含车辆的视频图像;根据获取到的视频图像生成视频图像信息,并判断视频图像是否满足预先设置的触发条件;当视频图像满足预先设置的触发条件时,获取浮动车前后的车辆的行使信息,将视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心,以使所述监控中心完成浮动车前后的车辆的数据采集。在本发明实施例中,将视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心,提高了车辆在路网的覆盖率,大大减少了信息盲区,从而提高了现有车辆数据采集的全面性以及实时性,使得交通管理部门可以根据监控中心中车辆数据提供及时有效的信息服务。
Description
技术领域
本发明属于交通技术领域,尤其涉及一种车辆数据采集方法及装置。
背景技术
随着城市车辆数量的逐渐增多,交通管理部门对车辆的管理面临着越来越大的压力,交通管理部门建立了车辆监控系统,通过在车辆上安装监控设备或通在路口安装监控设备,以采集行驶过程中的车辆数据,根据采集到的车辆数据分析道路网交通运行状况,以提供及时有效的信息服务。
然而,现有车辆数据采集缺乏全面性以及实时性,导致交通管理部门难以提供及时有效的信息服务。例如,当在车辆上安装监控设备时,由于在车辆上安装监控设备只监控自身车辆内部,监控的信息盲区过多,因此,无法全面采集到车辆数据,此外,当在路口安装监控设备时,由于路网的覆盖率低,因此无法实时采集到车辆数据,,从而不能为交通管理和公众出行提供细致、可靠的交通状态基础数据,导致交通管理部门难以提供及时有效的信息服务。
发明内容
本发明实施例的目的在于提供一种车辆数据采集方法,旨在解决现有车辆数据采集缺乏全面性以及实时性,导致交通管理部门难以提供及时有效的信息服务的问题。
本发明实施例是这样实现的,一种车辆数据采集方法,包括:
获取浮动车前后的包含车辆的视频图像;
根据获取到的视频图像生成视频图像信息,并判断所述视频图像是否满足预先设置的触发条件;
当所述视频图像满足预先设置的触发条件时,获取浮动车前后的车辆的行使信息,将所述视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心,以使所述监控中心完成浮动车前后的车辆的数据采集。
本发明实施例的另一目的在于提供一种车辆数据采集装置,包括:
获取单元,用于获取浮动车前后的包含车辆的视频图像;
判断单元,用于根据获取到的视频图像生成视频图像信息,并判断所述视频图像是否满足预先设置的触发条件;
上传单元,用于当所述视频图像满足预先设置的触发条件时,获取浮动车前后的车辆的行使信息,将所述视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心,以使所述监控中心完成浮动车前后的车辆的数据采集。
在本发明实施例中,通过当视频图像满足预先设置的触发条件时,获取浮动车前后的车辆的行使信息,将视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心,提高了车辆在路网的覆盖率,大大减少了信息盲区,从而提高了现有车辆数据采集的全面性以及实时性,使得交通管理部门可以根据监控中心中车辆数据提供及时有效的信息服务。
附图说明
图1是本发明实施例提供的车辆数据采集方法的实现流程图;
图2是实施例2在实际应用中较佳的实施流程图;
图3是实施例5在实际应用中较佳的实施流程图;
图4是实施例6在实际应用中较佳的实施流程图;
图5是本发明实施例在实际应用中较佳的实施流程图;
图6是本发明实施例提供的车辆数据采集装置的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,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。
在本发明实施例中,通过当视频图像满足预先设置的触发条件时,获取浮动车前后的车辆的行使信息,将视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心,提高了车辆在路网的覆盖率,大大减少了信息盲区,从而提高了现有车辆数据采集的全面性以及实时性,使得交通管理部门可以根据监控中心中车辆数据提供及时有效的信息服务。
实施例1
图1示出了本发明实施例提供的一种车辆数据采集方法的实现流程,详述如下:
在步骤S101中,获取浮动车前后的包含车辆的视频图像。
在本实施例中,浮动车(Floating Car)就是指安装有定位和无线通信装置的普通车辆(如出租车、公交车、货车、私人小汽车、警车等),这种车辆能够与交通信息中心进行信息交换。
在本实施例中,获取浮动车前后的包含车辆的视频图像,可通过安装浮动车内/外的视频采集装置,通过镜头以固定的帧速率捕捉浮动车前后其他车辆的图像,将原始图像的像素的数据保存在存储设备中,便于后续从中提取数据进行图像检测。
在本实施例中,由于浮动车的数量较多,即使在行驶过程中的车辆未安装车载监控设备时,通过获取浮动车前后的包含车辆的视频图像,也能得到在路网上的社会车辆的数据,从而提高了车辆数据在路网的覆盖率,另外,由于浮动车的流动性强,即使在路口未安装监控设备时,通过获取浮动车前后的包含车辆的视频图像,也能得到在路网上的社会车辆的数据,从而大大减少了信息盲区,并使得车辆数据采集不受环境和天气状况的影响,能够较全面、实时地反映道路网交通运行状况,能够为交通管理和公众出行提供更加细致、可靠的交通状态基础数据,便于后续提供及时有效的信息服务。
在步骤S101中,根据获取到的视频图像生成视频图像信息,并判断所述视频图像是否满足预先设置的触发条件。
在本实施例中,根据获取到的视频图像生成视频图像信息,可通过实时对获取到的视频图像进行图像检测,以生成视频图像信息,视频图像信息包括车牌号码信息、车牌颜色信息中的至少一种。图像检测的方法可以采用现有技术的任一种方法,包括但不限于模板匹配算法和基于人工神经网络算法。
在本实施例中,预先设置的触发条件也可以是人为进行的设置,也可以是系统通过多次学习的手段所进行的自动设置。
在步骤S101中,当视频图像满足预先设置的触发条件时,获取浮动车前后的车辆的行使信息,将视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心,以使监控中心完成浮动车前后的车辆的数据采集。
在本实施例中,浮动车前后的车辆位于浮动车的前方或后方比较近的位置,因此,浮动车前后的车辆的行驶状态和浮动车基本一致,因此可利用浮动车的行使信息来作为浮动车前后的车辆的行使信息。
在本实施例中,当视频图像满足预先设置的触发条件时,通过浮动车内\外的通信模块,将视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心,以使监控中心完成浮动车前后的车辆的数据采集。
实施例2
本实施例主要描述了在获取浮动车前后的包含车辆的视频图像之前,判断浮动车前后的其他车辆是否预设的获取条件的实现流程,详述如下:
判断浮动车前后的车辆是否预设的获取条件,所述获取条件包括浮动车前后的车辆与浮动车的距离小于或等于预设距离;
当抓拍车辆与浮动车的距离小于或等于预设距离时,执行获取浮动车前后包含车辆的视频图像的步骤。
在本实施例中,预先设置的获取条件也可以是人为进行的设置,也可以是系统通过多次学习的手段所进行的自动设置。
在本实施例中,浮动车在行驶过程中,会实时监控浮动车前后的其他车辆,当其他车辆的行驶状态满足获取条件时,位于浮动车内\外的监控设备会对其他车辆的车牌进行抓拍得到抓拍图片。
在本实施例中,预设的获取条件,所述获取条件包括车辆与浮动车的距离小于或等于预设距离,通过检测车辆与浮动车的距离,检测的方式包括但不限于红外线检测,声波检测。可选地,该预设距离可从监控中心下发至浮动车。
具体地,图2示出了本发明实施例在实际应用中较佳的实施流程,详述如下:
在步骤S201中,位于浮动车内\外的监控设备的智能终端监控浮动车前后车辆;
在本实施例中,位于浮动车内\外的监控设备的智能终端,该智能终端包括MCU、存储模块、摄像头模块、传感器、通信模块、定位模块等。
在步骤S202中,判断是否满足抓拍条件,是则执行203,否则执行201;
在步骤S203中,抓拍浮动车前后的视频图像。
实施例3
本实施例主要描述了判断所述视频图像是否满足预先设置的触发条件的实现流程,详述如下:
判断所述视频图像是否满足预先设置的触发条件,所述触发条件包括连续N帧视频图像中的车牌相同且所述N帧视频图像的视频时间之差大于或等于预设时间,所述N为大于等于1的整数。
当连续N帧视频图像中的车牌相同且所述N帧视频图像的视频时间之差大于或等于预设时间时,执行将所述视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心的步骤。
在本实施例中,N的个数可以是人为进行的设置,也可以是系统通过多次学习的手段所进行的自动设置,优选地,N为2。
在本实施例中,判断N帧视频图像的视频时间之差大于或等于预设时间,具体地,由于每帧视频图像均存在一个视频时间,因此可在视频装置中直接调用每帧视频图像的视频时间,根据每帧视频图像的视频时间,生成N帧视频图像的视频时间之差。预设时间可以是人为进行的设置,也可以是系统通过多次学习的手段所进行的自动设置。
在本实施例中,判断N帧视频图像中的车牌是否相同,具体可对车牌进行检测,车牌检测的方式包括但不限于基于adaboost的车牌检测、基于BP神经网络的车牌检测,再对采用现有技术的任一种方法对车牌分类识别,识别方法包括但不限于支持向量机分类识别的方法。
在本实施例中,当连续N帧视频图像中的车牌相同且所述N帧视频图像的视频时间之差大于或等于预设时间时,执行将所述视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心的步骤,监控中心包括但不限于分布式存储系统,监控中心将视频图像以及浮动车的信息记录存储,便于后续进行调用。
实施例4
本实施例主要描述了获取视频图像信息以及车辆的行使信息的实现流程,详述如下:
在本实施例中,所述视频图像信息包括车牌号码信息、车牌颜色信息中的至少一种,所述车辆的行使信息包括位置、方向、时间、速度信息的至少一种。
在本实施例中,所述视频图像信息包括车牌号码信息,车牌号码通过检测得到。车牌颜色可通过获取视频图像中车牌的像素点的颜色参数(Red GreenBlue,RGB)值,通过RGB的颜色对照表,可获得各种颜色的颜色参数范围,当像素点的颜色参数属于各种颜色的颜色参数范围时,统计颜色参数属于各种颜色的颜色参数范围的像素点的数量,根据所述分类为各种颜色的像素点的个数除以车牌中像素点的数量,生成车牌为各种颜色的概率,获取概率最大值相对应的颜色为该车牌的颜色。
在本实施例中,浮动车前后的车辆位于浮动车的前方或后方比较近的位置,因此,浮动车前后的车辆的行驶状态和浮动车基本一致,因此可利用浮动车的行使信息来作为浮动车前后的车辆的行使信息,具体地,浮动车的行使信息的位置、方向、时间可通过GPS定位获取得到,速度可通过测速仪直接获取得到。
实施例5
本实施例主要描述了将视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心的实现流程,详述如下:
预先配置将所述视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心的上传时间;
读取系统时间和配置的上传时间,判断上传时间是否到达;
在判断所述上传时间到达时,将所述视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心。
在本实施例中,上传时间可以为用户自设,也可以为系统设定,在此不做限制。
在本实施例中,用户可以预先配置存储的视频图像的上传时间,例如配置为每10分钟上传一次等,系统监测上传时间,当上传时间到达时,自动将存储的视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心。
作为本发明的一个优选实施例,当上传时间到达时,还上传浮动车的行驶信息,以增加统计的数据。
具体地,图3示出了本发明实施例在实际应用中较佳的实施流程,详述如下:
在步骤S301中,抓拍图片;
在步骤S302中,车牌识别,得到车牌号h1,当前时间t1;
在步骤S303中,数据提取,上一次采集的车牌号h2和时间t2;
在步骤S304中,判断是否符合h1=h2&&t1-t2<T1,是则,执行步骤S301,否则,执行305;
在步骤S305中,获取当前位置、方向、时间、速度信息,
在步骤S306中,将车牌号以及当前位置、方向、时间、速度信息上传至监控中心。
实施例6
本实施例主要描述了监控中心存储视频图像信息以及浮动车前后的车辆的实现流程,详述如下:
监控中心接收视频图像信息以及浮动车前后的车辆的行使信息并记录存储,所述视频图像信息包括车牌号码信息、车牌颜色信息中的至少一种,所述车辆的行使信息包括位置、方向、时间、速度信息的至少一种。
在本实施例中,监控中心根据浮动车上传的视频图像信息的车牌号,从车辆信息数据库中提取该车牌号的车辆基本信息,并结合接收行使信息中的位置、方向、时间、速度等组成被浮动车前后的车辆的行驶记录,存储到历史记录数据库中。
具体地,图4示出了本发明实施例在实际应用中较佳的实施流程,详述如下:
在步骤S401中,抓拍图片;
在步骤S402中,监控中心从智能终端上传的抓拍数据中提取车牌号h1;
在步骤S403中,在车辆信息数据库中,根据车牌号h1进行车辆基本信息的查找;
在本实施例中,车辆信息数据库中的数据来源为车辆管理部门的所有车辆数据,包括车辆的车牌号、颜色、户主、车型等信息。所述车辆基本信息包括车辆颜色、户主、车型等从车辆信息数据库中提取的车辆信息。
在步骤S404中,从车辆信息数据库中提取该车牌号h1的车辆基本信息,并结合抓拍车辆的行驶数据,上传至监控中心。
实施例7
图5示出了本发明实施例在实际应用中较佳的实施流程,详述如下:
在步骤S501中,抓拍图片;
在步骤S502中,对图像进行识别,过滤,生成视频图像信息;
在步骤S503中,获取浮动车的行驶信息;
在步骤S504中,视频图像信息与行驶信息组合;
在步骤S505中,上传组合的信息至监控中心;
在步骤S506中,提取该车牌号的车辆基本信息;
在步骤S507中,将组合的信息以及车辆基本信息存储至历史记录数据库。
实施例8
图6示出了本发明实施例提供的一种车辆数据采集装置的结构框图,该装置可以运行于具备摄像头的各种终端,包括但不限于移动电话、口袋计算机(Pocket Personal Computer,PPC)、掌上电脑、计算机、笔记本电脑、个人数字助理(Personal Digital Assistant,PDA)等。为了便于说明,仅示出了与本实施例相关的部分。
参照图6,该车辆数据采集装置,包括:
获取单元61,用于获取浮动车前后的包含车辆的视频图像;
判断单元62,用于根据获取到的视频图像生成视频图像信息,并判断所述视频图像是否满足预先设置的触发条件;
上传单元63,用于当所述视频图像满足预先设置的触发条件时,获取浮动车前后的车辆的行使信息,将所述视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心,以使所述监控中心完成浮动车前后的车辆的数据采集。
进一步地,在该装置中,所述获取单元,包括:
第一判断子单元,用于判断浮动车前后的车辆是否预设的获取条件,所述获取条件包括浮动车前后的车辆与浮动车的距离小于或等于预设距离;
获取子单元,用于当抓拍车辆与浮动车的距离小于或等于预设距离时,执行获取浮动车前后包含车辆的视频图像的步骤。
进一步地,在该装置中,所述判断单元,包括:
第二判断子单元,用于判断所述视频图像是否满足预先设置的触发条件,所述触发条件包括连续N帧视频图像中的车牌相同且所述N帧视频图像的视频时间之差大于或等于预设时间,所述N为大于等于1的整数。
执行子单元,用于当连续N帧视频图像中的车牌相同且所述N帧视频图像的视频时间之差大于或等于预设时间时,执行将所述视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心的步骤。
进一步地,在该装置中,还包括:
配置单元,用于预先配置将所述视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心的上传时间;
读取单元,用于读取系统时间和配置的上传时间,判断上传时间是否到达;
上传单元,用于在判断所述上传时间到达时,将所述视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心。
进一步地,在该装置中,所述视频图像信息包括车牌号码信息、车牌颜色信息中的至少一种,所述车辆的行使信息包括位置、方向、时间、速度信息的至少一种。
在本发明实施例中,通过当视频图像满足预先设置的触发条件时,获取浮动车前后的车辆的行使信息,将视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心,提高了车辆在路网的覆盖率,大大减少了信息盲区,从而提高了现有车辆数据采集的全面性以及实时性,使得交通管理部门可以根据监控中心中车辆数据提供及时有效的信息服务。
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作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种车辆数据采集方法,其特征在于,包括:
获取浮动车前后的包含车辆的视频图像;
根据获取到的视频图像生成视频图像信息,并判断所述视频图像是否满足预先设置的触发条件;
当所述视频图像满足预先设置的触发条件时,获取浮动车前后的车辆的行使信息,将所述视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心,以使所述监控中心完成浮动车前后的车辆的数据采集。
2.如权利要求1所述的方法,其特征在于,在获取浮动车前后的包含车辆的视频图像之前,还包括:
判断浮动车前后的车辆是否预设的获取条件,所述获取条件包括浮动车前后的车辆与浮动车的距离小于或等于预设距离;
当抓拍车辆与浮动车的距离小于或等于预设距离时,执行获取浮动车前后包含车辆的视频图像的步骤。
3.如权利要求1所述的方法,其特征在于,所述判断所述视频图像是否满足预先设置的触发条件,包括:
判断所述视频图像是否满足预先设置的触发条件,所述触发条件包括连续N帧视频图像中的车牌相同且所述N帧视频图像的视频时间之差大于或等于预设时间,所述N为大于等于1的整数。
当连续N帧视频图像中的车牌相同且所述N帧视频图像的视频时间之差大于或等于预设时间时,执行将所述视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心的步骤。
4.如权利要求1所述的方法,其特征在于,还包括:
预先配置将所述视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心的上传时间;
读取系统时间和配置的上传时间,判断上传时间是否到达;
在判断所述上传时间到达时,将所述视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心。
5.如权利要求1或4任一项所述的方法,其特征在于,所述视频图像信息包括车牌号码信息、车牌颜色信息中的至少一种,所述车辆的行使信息包括位置、方向、时间、速度信息的至少一种。
6.一种车辆数据采集装置,其特征在于,包括:
获取单元,用于获取浮动车前后的包含车辆的视频图像;
判断单元,用于根据获取到的视频图像生成视频图像信息,并判断所述视频图像是否满足预先设置的触发条件;
上传单元,用于当所述视频图像满足预先设置的触发条件时,获取浮动车前后的车辆的行使信息,将所述视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心,以使所述监控中心完成浮动车前后的车辆的数据采集。
7.如权利要求6所述的装置,其特征在于,所述获取单元,包括:
第一判断子单元,用于判断浮动车前后的车辆是否预设的获取条件,所述获取条件包括浮动车前后的车辆与浮动车的距离小于或等于预设距离;
获取子单元,用于当抓拍车辆与浮动车的距离小于或等于预设距离时,执行获取浮动车前后包含车辆的视频图像的步骤。
8.如权利要求6所述的装置,其特征在于,所述判断单元,包括:
第二判断子单元,用于判断所述视频图像是否满足预先设置的触发条件,所述触发条件包括连续N帧视频图像中的车牌相同且所述N帧视频图像的视频时间之差大于或等于预设时间,所述N为大于等于1的整数。
执行子单元,用于当连续N帧视频图像中的车牌相同且所述N帧视频图像的视频时间之差大于或等于预设时间时,执行将所述视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心的步骤。
9.如权利要求1所述的装置,其特征在于,还包括:
配置单元,用于预先配置将所述视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心的上传时间;
读取单元,用于读取系统时间和配置的上传时间,判断上传时间是否到达;
上传单元,用于在判断所述上传时间到达时,将所述视频图像信息以及浮动车前后的车辆的行使信息上传至监控中心。
10.如权利要求6或9任意一项所述的装置,其特征在于,所述视频图像信息包括车牌号码信息、车牌颜色信息中的至少一种,所述车辆的行使信息包括位置、方向、时间、速度信息的至少一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310217793.8A CN103337168B (zh) | 2013-06-04 | 2013-06-04 | 一种车辆数据采集方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310217793.8A CN103337168B (zh) | 2013-06-04 | 2013-06-04 | 一种车辆数据采集方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103337168A true CN103337168A (zh) | 2013-10-02 |
CN103337168B CN103337168B (zh) | 2015-09-02 |
Family
ID=49245313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310217793.8A Active CN103337168B (zh) | 2013-06-04 | 2013-06-04 | 一种车辆数据采集方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103337168B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392612A (zh) * | 2014-11-20 | 2015-03-04 | 东南大学 | 一种基于新型探测车的城市交通状态监控方法 |
CN104616502A (zh) * | 2015-02-15 | 2015-05-13 | 北京工业大学 | 基于组合式车路视频网络的车牌识别与定位系统 |
CN106781471A (zh) * | 2016-12-15 | 2017-05-31 | 北京小米移动软件有限公司 | 交通状况确定方法及装置 |
CN114333099A (zh) * | 2021-12-10 | 2022-04-12 | 华人运通(上海)云计算科技有限公司 | 一种车辆使用工况的监控方法、装置和车辆 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101241642A (zh) * | 2007-06-19 | 2008-08-13 | 北京航空航天大学 | 浮动车专用移动交通流采集的车载装置 |
EP1988488A1 (en) * | 2007-05-03 | 2008-11-05 | Sony Deutschland Gmbh | Method for detecting moving objects in a blind spot region of a vehicle and blind spot detection device |
JP2009245341A (ja) * | 2008-03-31 | 2009-10-22 | Aisin Aw Co Ltd | リンク情報作成装置、リンク情報作成方法及びプログラム |
CN101908272A (zh) * | 2010-07-20 | 2010-12-08 | 南京理工大学 | 基于移动信息的交通安全感知网 |
CN103093615A (zh) * | 2011-11-02 | 2013-05-08 | 中华电信股份有限公司 | 路况信息的采集与分析系统 |
-
2013
- 2013-06-04 CN CN201310217793.8A patent/CN103337168B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1988488A1 (en) * | 2007-05-03 | 2008-11-05 | Sony Deutschland Gmbh | Method for detecting moving objects in a blind spot region of a vehicle and blind spot detection device |
CN101241642A (zh) * | 2007-06-19 | 2008-08-13 | 北京航空航天大学 | 浮动车专用移动交通流采集的车载装置 |
JP2009245341A (ja) * | 2008-03-31 | 2009-10-22 | Aisin Aw Co Ltd | リンク情報作成装置、リンク情報作成方法及びプログラム |
CN101908272A (zh) * | 2010-07-20 | 2010-12-08 | 南京理工大学 | 基于移动信息的交通安全感知网 |
CN103093615A (zh) * | 2011-11-02 | 2013-05-08 | 中华电信股份有限公司 | 路况信息的采集与分析系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392612A (zh) * | 2014-11-20 | 2015-03-04 | 东南大学 | 一种基于新型探测车的城市交通状态监控方法 |
CN104616502A (zh) * | 2015-02-15 | 2015-05-13 | 北京工业大学 | 基于组合式车路视频网络的车牌识别与定位系统 |
CN106781471A (zh) * | 2016-12-15 | 2017-05-31 | 北京小米移动软件有限公司 | 交通状况确定方法及装置 |
CN106781471B (zh) * | 2016-12-15 | 2019-08-16 | 北京小米移动软件有限公司 | 交通状况确定方法及装置 |
CN114333099A (zh) * | 2021-12-10 | 2022-04-12 | 华人运通(上海)云计算科技有限公司 | 一种车辆使用工况的监控方法、装置和车辆 |
CN114333099B (zh) * | 2021-12-10 | 2023-12-05 | 华人运通(上海)云计算科技有限公司 | 一种车辆使用工况的监控方法、装置和车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN103337168B (zh) | 2015-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103985230B (zh) | 一种基于图像的通知方法、装置及通知系统 | |
CN111932693B (zh) | 城市路侧停车场管理系统 | |
CN202077142U (zh) | 一种车载智能视频侦测分析系统 | |
CN105243851A (zh) | 车辆监控方法和系统 | |
CN104200671A (zh) | 一种基于大数据平台的虚拟卡口管理方法及系统 | |
CN103646550A (zh) | 一种智能车牌识别系统 | |
KR101626377B1 (ko) | Cctv와 차량내 블랙박스를 활용한 빅데이터 기반의 불법 주정차 단속 시스템 | |
KR100948382B1 (ko) | 방범 서비스 방법 및 시스템 | |
CN102427521A (zh) | 一种基于人脸识别技术的移动布控方法 | |
CN107483902A (zh) | 一种公交车乘客跟踪监控系统 | |
KR102122850B1 (ko) | 딥 러닝 기반의 교통분석 및 차량번호 인식 솔루션 | |
CN103337168B (zh) | 一种车辆数据采集方法、装置及系统 | |
CN202939800U (zh) | 智能高清卡口系统 | |
CN103914980A (zh) | 摄像装置及影像撷取方法 | |
CN105608464A (zh) | 人脸识别移动终端解决系统及解决方法 | |
CN106297298A (zh) | 交通监控方法、装置及系统 | |
CN111416956A (zh) | 移动视频数据采集处理系统及方法 | |
CN203038462U (zh) | 一种公交专用车道占道抓拍系统 | |
CN110390316A (zh) | 基于人脸识别的数据处理系统及装置 | |
CN106530727A (zh) | 交通违规信息的处理系统 | |
CN212724329U (zh) | 覆盖双向车道的违法鸣笛和违法改装车抓拍系统 | |
CN110837753A (zh) | 一种人车物识别布控的集分模型及其使用方法 | |
KR200470949Y1 (ko) | 방범용 차량번호인식 스마트 치안정보 전송 시스템 | |
CN107729562A (zh) | 人像自动识别的视频数据挖掘系统和方法 | |
KR20200101792A (ko) | 블랙박스를 이용한 cctv 통합 관제 시스템 |
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 |