CN103679146A - 基于高通滤波器和Hough变换的安全带智能检测方法 - Google Patents
基于高通滤波器和Hough变换的安全带智能检测方法 Download PDFInfo
- Publication number
- CN103679146A CN103679146A CN201310654673.4A CN201310654673A CN103679146A CN 103679146 A CN103679146 A CN 103679146A CN 201310654673 A CN201310654673 A CN 201310654673A CN 103679146 A CN103679146 A CN 103679146A
- Authority
- CN
- China
- Prior art keywords
- candidate
- securing band
- windscreen
- gray
- region
- 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.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于高通滤波器和Hough变换的安全带智能检测方法，包括下述步骤：步骤(a)提供待检原图，检测并定位车辆的车牌区域；步骤(b)根据已经定位的车牌区域，以及车前窗相对于车牌的位置关系，利用Hough变换检测直线的方法，检测并定位车前窗；步骤(c)车前窗定位完成后，将车前窗右侧部位作为安全带检测的区域；在安全带检测区域中找出相对平行的且长度超过m像素的两条候选边，且该两条候选边之间为均匀的带状区域，将该两条候选边及所夹的区域判定为安全带；所述m为正自然数，取值范围为8～30。本发明用自动化的检测识别方式替代了人工识别，提高了检测效率，并且检测识别安全带的准确率较高。
Description
技术领域
本发明涉及交通智能识别领域，尤其是一种安全带的检测方法。
背景技术
在交通智能识别领域，车牌的检测已经比较成熟，但是安全带检测还是一个比较新的领域，因为车牌大小和颜色有特定的规格，特征比较明显，比较易于识别，而安全带的检测面临几个实际困难：1.首先需要精确的车窗定位。2.定位驾驶员的位置。3.安全带的颜色，宽度，角度都有较大变化。4.因为安全带在车窗内部，受车窗材质和光照影响较大。
传统的安全带检测只能通过交警在街道现场进行检察，或者通过人工对于未带安全带的车辆的照片进行判断，利用图片放大的功能使工作人员看得更加清楚。这些传统的工作方式在现实中遇到了很大的瓶颈：1.交警在现场受人眼视觉的局限和车辆的流动性，不能即时的发现目标。2.人工图片检索工作量巨大，几乎不可能完成，因为一个城市一天产生的车辆抓拍的数量一般都在百万以上。
发明内容
本发明的目的在于提供一种基于高通滤波器和Hough变换的安全带智能检测方法，能够精确提取车窗区域，进而精确定位驾驶员位置，再在驾驶员区域对带状物进行搜索并判别，识别是否佩戴安全带的准确率高，用自动化的检测识别方式替代了人工识别，提高了检测效率。本发明采用的技术方案是：
一种基于高通滤波器和Hough变换的安全带智能检测方法，包括下述步骤：
步骤(a).提供待检原图，检测并定位车辆的车牌区域；
步骤(b).根据已经定位的车牌区域，以及车前窗相对于车牌的位置关系，利用Hough变换检测直线的方法，检测并定位车前窗；
步骤(c).车前窗定位完成后，将车前窗右侧部位作为安全带检测的区域；在安全带检测区域中找出相对平行的且长度超过m像素的两条候选边，且该两条候选边之间为均匀的带状区域，将该两条候选边及所夹的区域判定为安全带；所述m为正自然数，取值范围为8～30。
具体地，所述步骤(a)包括下述步骤：
a-1，首先提供待检原图，由待检原图的彩色图像生成一幅灰度图；
a-2，用Canny边缘检测子对原图的灰度图进行边缘检测，产生边缘图；
a-3，然后用水平和垂直的单位滤波向量对边缘图去除噪声，最后对去除了噪声的边缘图做形态学的闭操作，从而生成一幅内含车牌待定区域的二值图像；
a-4，判断待定区域的长宽比是否在给定范围内，若是，则转往步骤a-5；否则判定当前待定区域不是车牌区域；
a-5．判断待定区域的颜色，若待定区域内的蓝色占比大于一个蓝色阈值，或待定区域内的黄色占比大于一个黄色阈值，则转往步骤a-6；否则判定当前待定区域不是车牌区域；
a-6.判断待定区域是否包含文字，对灰度图中的车牌待定区域进行二值化处理，然后作水平方向投影，对投影图像中的峰值的间距、大小、数量进行分析，当出现四个或以上相同间距时则判断该块待定区域包含文字，进而判断出该待定区域为车牌区域。
进一步地，所述步骤a-4中，判断标准是：若1.8≤待定区域的长宽比≤11，则认为长宽比在给定范围内。
具体地，所述步骤(b)包括下述步骤：
b-1．首先检测车前窗的下边缘：在灰度图中车牌区域上方10cm～70cm范围内，通过Hough变换检测出一组水平线作为候选下边缘线，将该组候选下边缘线中灰度值最低的那条水平线作为车前窗的下边缘；
b-2．接着在车前窗下边缘上方20cm～80cm范围内，通过Hough变换检测出一组水平线作为候选上边缘线，将该组候选上边缘线中灰度值最低的那条水平线作为车前窗的上边缘；
b-3．然后通过Hough变换分别检测出左、右两组候选侧边缘线，左、右两组候选侧边缘线中各自灰度值最低的候选边缘线分别作为车前窗的左、右侧边缘。
具体地，所述步骤(c)具体包括下述步骤：
c-1．在车前窗定位完成后，将灰度图中车前窗右侧部位作为安全带检测的区域；
c-2．对安全带检测区域进行中值滤波去噪，再用高通滤波强化边缘；
c-3．然后对安全带检测区域进行30～70度的滤波；
c-4．在安全带检测区域中，找出所有长度超过m像素的线段作为候选边，m为正自然数，取值范围为8～30；
c-5．对每一条候选边，在它邻近的区域寻找是否存在另一条候选边平行于该候选边，且这两条候选边之间是均匀的带状区域；若存在，则将该两条候选边及所夹的区域判定为安全带；若没有，则继续对下一条候选边做判断；若所有的候选边均被判别不符合安全带条件，则判别为未系安全带。
进一步地，所述步骤c-2中，高通滤波选用的是基于巴特沃斯的高通滤波器。
本发明的优点：本发明自动检测识别的准确率比较高，对于抓拍的图像，只要驾驶员部分比较清晰，图片质量达到人眼可以分辨是否佩戴安全带，则本发明也能够准确检测并识别出安全带。检测速度也比较快，基本上可以达到每秒钟8张图以上的检测速度，相对于人工检测，检测效率大大提高。
附图说明
图1为本发明的待检原图示意图。
图2为本发明的由待检原图的彩色图像生成的灰度图。
图3为本发明的边缘图。
图4为本发明的含车牌待定区域的二值图像。
图5为本发明的检测并定位车辆的车牌区域流程图。
图6为本发明的检测车前窗的边缘线示意图。
图7为本发明的将安全带候选边判定为安全带示意图。
图8为本发明的总体流程图。
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。
一种基于高通滤波器和Hough变换的安全带智能检测方法，包括下述步骤：
步骤(a).提供待检原图，检测并定位车辆的车牌区域；具体包括下述子步骤：
a-1，如图1所示（图1通常是照片，此处为了符合制图规范，已将其重新画成一张附图），首先提供待检原图，待检原图可以是道路上监控摄像头拍摄的车前部监控图像；由待检原图的彩色图像生成一幅灰度图，如图2所示。
a-2，用Canny边缘检测子对原图的灰度图进行边缘检测，产生边缘图，如图3所示；
Canny边缘检测算子是John F. Canny于 1986 年开发出来的一个多级边缘检测方法。
a-3，然后用水平和垂直的单位滤波向量对边缘图去除噪声，最后对去除了噪声的边缘图做形态学的闭操作，从而生成一幅内含车牌待定区域的二值图像，如图4所示。
图4中，框选的区域为车牌待定区域。接下来就要从所有的车牌待定区域中判断出车辆的车牌区域。因为我国车前牌大小一致，均为长440CM，宽140CM，因此可以首先从待定区域的长宽比入手进行判断。
a-4，判断待定区域的长宽比是否在给定范围内，若是，则转往步骤a-5；否则判定当前待定区域不是车牌区域；
本实施例具体的判断标准是：若1.8≤待定区域的长宽比≤11，则认为长宽比在给定范围内，超出上述范围的则被排除。
a-5．判断待定区域的颜色，若待定区域内的蓝色占比大于一个蓝色阈值，或待定区域内的黄色占比大于一个黄色阈值，则转往步骤a-6；否则判定当前待定区域不是车牌区域；
由于监控摄像头设计不同，颜色具体数值会有浮动。此处以RGB颜色空间中B-G>5且B-R>5判为蓝色，然后再判断蓝色区域占待定区域的占比是否超过一个阈值；G-B>20且R-B>20判为黄色，然后再判断黄色区域占待定区域的占比是否超过一个阈值。R、G、B分别表示红色、绿色和蓝色，B-G表示蓝色值减绿色值，其余同理。
a-6.判断待定区域是否包含文字，对灰度图中的车牌待定区域进行二值化处理，然后作水平方向投影，对投影图像中的峰值的间距、大小、数量进行分析，当出现四个或以上相同间距时则可判断该块待定区域包含文字，进而判断出该待定区域为车牌区域。
检测并定位车辆的车牌区域后，进行下述步骤:
步骤(b).根据已经定位的车牌区域，以及车前窗相对于车牌的位置关系，利用Hough变换检测直线的方法，检测并定位车前窗；
Hough变换是图像处理中从图像中识别几何形状的基本方法之一，Hough变换于1962年由Paul Hough提出。在定位了车辆的车牌后，通常车前窗将会在车牌上方的一定区域内出现。如图6所示，检测车前窗具体包括：
b-1．首先检测车前窗的下边缘：在灰度图中车牌区域上方10cm～70cm范围内，通过Hough变换检测出一组水平线作为候选下边缘线，将该组候选下边缘线中灰度值最低的那条水平线作为车前窗的下边缘；
由于车窗的四周的封水线灰度值比较低，因此排除掉灰度值高的一些候选边缘线，而留下灰度值最低的候选下边缘线作为车前窗的下边缘。
b-2．接着在车前窗下边缘上方20cm～80cm范围内，通过Hough变换检测出一组水平线作为候选上边缘线，将该组候选上边缘线中灰度值最低的那条水平线作为车前窗的上边缘；
b-3．然后通过Hough变换分别检测出左、右两组候选侧边缘线，左、右两组候选侧边缘线中各自灰度值最低的候选边缘线分别作为车前窗的左、右侧边缘。左、右两组候选侧边缘线分别是通过Hough变换检测出左、右两组侧斜线或竖线。
检测并定位车前窗后，进行下述步骤：
步骤(c).车前窗定位完成后，将车前窗右侧部位作为安全带检测的区域；在安全带检测区域中找出相对平行的且长度超过m像素的两条候选边，且该两条候选边之间为均匀的带状区域，将该两条候选边及所夹的区域判定为安全带；所述m为正自然数，取值范围为8～30。具体如下所述：
c-1．在车前窗定位完成后，就可以找出驾驶员的区域，也就是安全带检测的区域，在中国通常将灰度图中车前窗右侧部位作为安全带检测的区域；
c-2．对安全带检测区域进行中值滤波去噪，再用高通滤波强化边缘；在这里，选取基于巴特沃斯的高通滤波器，可以去除灰度值比较平均的区域，增强灰度值变动明显的区域。
c-3．然后对安全带检测区域进行30～70度的滤波；由于安全带通常都是斜向佩戴，因此此处滤波角度选取为30～70度。此步骤可以排除不会出现安全带的区域，方便在剩余的区域中寻找安全带。
在实际中，整条安全带在图像中经常表现为有些弯曲的带状区域，如图7所示，所以要用近似Hough变换寻找近似直线段的技术，找到长度超过12像素（12像素是实验最佳值）的线段，这些线段都是安全带其中一条边的候选边。候选边的长度可取8～30像素。因此步骤c-4如下所述：
c-4．在安全带检测区域中，找出所有长度超过m像素的线段作为候选边，m为正自然数，取值范围为8～30；
c-5．对每一条候选边，在它邻近的区域寻找是否存在另一条候选边平行于该候选边，且这两条候选边之间是均匀的带状区域；若存在，则将该两条候选边及所夹的区域判定为安全带；若没有，则继续对下一条候选边做判断；若所有的候选边均被判别不符合安全带条件，则判别为未系安全带。
Claims (6)
1.一种基于高通滤波器和Hough变换的安全带智能检测方法，其特征在于，包括下述步骤：
步骤(a).提供待检原图，检测并定位车辆的车牌区域；
步骤(b).根据已经定位的车牌区域，以及车前窗相对于车牌的位置关系，利用Hough变换检测直线的方法，检测并定位车前窗；
步骤(c).车前窗定位完成后，将车前窗右侧部位作为安全带检测的区域；在安全带检测区域中找出相对平行的且长度超过m像素的两条候选边，且该两条候选边之间为均匀的带状区域，将该两条候选边及所夹的区域判定为安全带；所述m为正自然数，取值范围为8～30。
2.如权利要求1所述的基于高通滤波器和Hough变换的安全带智能检测方法，其特征在于，所述步骤(a)具体包括下述步骤：
a-1，首先提供待检原图，由待检原图的彩色图像生成一幅灰度图；
a-2，用Canny边缘检测子对原图的灰度图进行边缘检测，产生边缘图；
a-3，然后用水平和垂直的单位滤波向量对边缘图去除噪声，最后对去除了噪声的边缘图做形态学的闭操作，从而生成一幅内含车牌待定区域的二值图像；
a-4，判断待定区域的长宽比是否在给定范围内，若是，则转往步骤a-5；否则判定当前待定区域不是车牌区域；
a-5．判断待定区域的颜色，若待定区域内的蓝色占比大于一个蓝色阈值，或待定区域内的黄色占比大于一个黄色阈值，则转往步骤a-6；否则判定当前待定区域不是车牌区域；
a-6.判断待定区域是否包含文字，对灰度图中的车牌待定区域进行二值化处理，然后作水平方向投影，对投影图像中的峰值的间距、大小、数量进行分析，当出现四个或以上相同间距时则判断该块待定区域包含文字，进而判断出该待定区域为车牌区域。
3.如权利要求2所述的基于高通滤波器和Hough变换的安全带智能检测方法，其特征在于：
所述步骤a-4中，判断标准是：若1.8≤待定区域的长宽比≤11，则认为长宽比在给定范围内。
4.如权利要求2或3所述的基于高通滤波器和Hough变换的安全带智能检测方法，其特征在于，所述步骤(b)具体包括下述步骤：
b-1．首先检测车前窗的下边缘：在灰度图中车牌区域上方10cm～70cm范围内，通过Hough变换检测出一组水平线作为候选下边缘线，将该组候选下边缘线中灰度值最低的那条水平线作为车前窗的下边缘；
b-2．接着在车前窗下边缘上方20cm～80cm范围内，通过Hough变换检测出一组水平线作为候选上边缘线，将该组候选上边缘线中灰度值最低的那条水平线作为车前窗的上边缘；
b-3．然后通过Hough变换分别检测出左、右两组候选侧边缘线，左、右两组候选侧边缘线中各自灰度值最低的候选边缘线分别作为车前窗的左、右侧边缘。
5.如权利要求4所述的基于高通滤波器和Hough变换的安全带智能检测方法，其特征在于，所述步骤(c)具体包括下述步骤：
c-1．在车前窗定位完成后，将灰度图中车前窗右侧部位作为安全带检测的区域；
c-2．对安全带检测区域进行中值滤波去噪，再用高通滤波强化边缘；
c-3．然后对安全带检测区域进行30～70度的滤波；
c-4．在安全带检测区域中，找出所有长度超过m像素的线段作为候选边，m为正自然数，取值范围为8～30；
c-5．对每一条候选边，在它邻近的区域寻找是否存在另一条候选边平行于该候选边，且这两条候选边之间是均匀的带状区域；若存在，则将该两条候选边及所夹的区域判定为安全带；若没有，则继续对下一条候选边做判断；若所有的候选边均被判别不符合安全带条件，则判别为未系安全带。
6.如权利要求5所述的基于高通滤波器和Hough变换的安全带智能检测方法，其特征在于，所述步骤c-2中，高通滤波选用的是基于巴特沃斯的高通滤波器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310654673.4A CN103679146A (zh) | 2013-12-06 | 2013-12-06 | 基于高通滤波器和Hough变换的安全带智能检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310654673.4A CN103679146A (zh) | 2013-12-06 | 2013-12-06 | 基于高通滤波器和Hough变换的安全带智能检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN103679146A true CN103679146A (zh) | 2014-03-26 |
Family
ID=50316636
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310654673.4A Pending CN103679146A (zh) | 2013-12-06 | 2013-12-06 | 基于高通滤波器和Hough变换的安全带智能检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103679146A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103986906A (zh) * | 2014-05-08 | 2014-08-13 | 杭州同尊信息技术有限公司 | 基于监控视频的开关门检测方法 |
| CN104112141A (zh) * | 2014-06-29 | 2014-10-22 | 中南大学 | 一种基于公路监控设备的货车安全带系挂状态的检测方法 |
| CN104376561A (zh) * | 2014-11-19 | 2015-02-25 | 青岛海信网络科技股份有限公司 | 一种安全带检测方法 |
| CN104657752A (zh) * | 2015-03-17 | 2015-05-27 | 银江股份有限公司 | 一种基于深度学习的安全带佩戴识别方法 |
| CN105404874A (zh) * | 2015-11-27 | 2016-03-16 | 成都神州数码索贝科技有限公司 | 一种基于投影和hough直线检测的车窗识别系统 |
| CN105447852A (zh) * | 2015-11-12 | 2016-03-30 | 四川浩特通信有限公司 | 一种基于Hough变换检测汽车牌识别方法 |
| CN105469057A (zh) * | 2015-11-27 | 2016-04-06 | 成都神州数码索贝科技有限公司 | 一种基于hough直线检测和投影的车窗检测方法 |
| CN106986248A (zh) * | 2017-05-23 | 2017-07-28 | 四川长虹电器股份有限公司 | 基于摄像图像的电梯开关门检测方法 |
| CN107330367A (zh) * | 2017-05-27 | 2017-11-07 | 湖北天业云商网络科技有限公司 | 一种基于躯干定位的安全带检测方法及系统 |
| CN108133170A (zh) * | 2017-10-31 | 2018-06-08 | 浙江浩腾电子科技股份有限公司 | 一种多方向车辆的车窗定位方法 |
| CN110175582A (zh) * | 2019-05-29 | 2019-08-27 | 南京林业大学 | 基于像素分布的茶树嫩芽智能识别方法 |
-
2013
- 2013-12-06 CN CN201310654673.4A patent/CN103679146A/zh active Pending
Non-Patent Citations (2)
| Title |
|---|
| 李冬梅 等，: ""基于Hough变换的车窗提取算法"", 《中国测试技术》 * |
| 陈虹: ""汽车车牌的自动检测与识别"", 《中国优秀硕士学位论文全文数据库（信息科技辑）》 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103986906B (zh) * | 2014-05-08 | 2017-05-10 | 杭州同尊信息技术有限公司 | 基于监控视频的开关门检测方法 |
| CN103986906A (zh) * | 2014-05-08 | 2014-08-13 | 杭州同尊信息技术有限公司 | 基于监控视频的开关门检测方法 |
| CN104112141A (zh) * | 2014-06-29 | 2014-10-22 | 中南大学 | 一种基于公路监控设备的货车安全带系挂状态的检测方法 |
| CN104376561A (zh) * | 2014-11-19 | 2015-02-25 | 青岛海信网络科技股份有限公司 | 一种安全带检测方法 |
| CN104376561B (zh) * | 2014-11-19 | 2017-04-12 | 青岛海信网络科技股份有限公司 | 一种安全带检测方法 |
| CN104657752A (zh) * | 2015-03-17 | 2015-05-27 | 银江股份有限公司 | 一种基于深度学习的安全带佩戴识别方法 |
| CN104657752B (zh) * | 2015-03-17 | 2018-09-07 | 银江股份有限公司 | 一种基于深度学习的安全带佩戴识别方法 |
| CN105447852A (zh) * | 2015-11-12 | 2016-03-30 | 四川浩特通信有限公司 | 一种基于Hough变换检测汽车牌识别方法 |
| CN105404874A (zh) * | 2015-11-27 | 2016-03-16 | 成都神州数码索贝科技有限公司 | 一种基于投影和hough直线检测的车窗识别系统 |
| CN105404874B (zh) * | 2015-11-27 | 2018-07-03 | 成都神州数码索贝科技有限公司 | 一种基于投影和hough直线检测的车窗识别系统 |
| CN105469057A (zh) * | 2015-11-27 | 2016-04-06 | 成都神州数码索贝科技有限公司 | 一种基于hough直线检测和投影的车窗检测方法 |
| CN105469057B (zh) * | 2015-11-27 | 2019-04-12 | 成都神州数码索贝科技有限公司 | 一种基于hough直线检测和投影的车窗检测方法 |
| CN106986248A (zh) * | 2017-05-23 | 2017-07-28 | 四川长虹电器股份有限公司 | 基于摄像图像的电梯开关门检测方法 |
| CN107330367A (zh) * | 2017-05-27 | 2017-11-07 | 湖北天业云商网络科技有限公司 | 一种基于躯干定位的安全带检测方法及系统 |
| CN108133170A (zh) * | 2017-10-31 | 2018-06-08 | 浙江浩腾电子科技股份有限公司 | 一种多方向车辆的车窗定位方法 |
| CN108133170B (zh) * | 2017-10-31 | 2020-07-14 | 浙江浩腾电子科技股份有限公司 | 一种多方向车辆的车窗定位方法 |
| CN110175582A (zh) * | 2019-05-29 | 2019-08-27 | 南京林业大学 | 基于像素分布的茶树嫩芽智能识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103679146A (zh) | 基于高通滤波器和Hough变换的安全带智能检测方法 | |
| CN102043950B (zh) | 基于canny算子和边缘点统计的车辆轮廓识别方法 | |
| CN105698812B (zh) | 一种自动驾驶中基于安全驾驶地图和两侧摄像头的车道线检测系统及其方法 | |
| CN102999749B (zh) | 基于人脸检测的安全带违章事件智能检测方法 | |
| Li et al. | Nighttime lane markings recognition based on Canny detection and Hough transform | |
| CN104050827B (zh) | 一种基于视觉的交通信号灯自动检测识别方法 | |
| CN102364496B (zh) | 一种基于图像分析的汽车车牌自动识别方法及系统 | |
| CN102231236B (zh) | 车辆计数方法和装置 | |
| CN107330373A (zh) | 一种基于视频的违章停车监控系统 | |
| CN102938057B (zh) | 一种车辆阴影消除方法及装置 | |
| CN104916162B (zh) | 泊车位检测方法和系统 | |
| CN103324935B (zh) | 一种图像中对车辆进行定位与区域分割的方法与系统 | |
| CN107506760A (zh) | 基于gps定位与视觉图像处理的交通信号检测方法及系统 | |
| CN103902985B (zh) | 一种基于roi的强鲁棒性实时车道侦测算法 | |
| Zhang et al. | A multi-feature fusion based traffic light recognition algorithm for intelligent vehicles | |
| CN102880863B (zh) | 一种基于可变形部件模型的车牌及驾驶员人脸定位方法 | |
| CN102842037A (zh) | 一种基于多特征融合的车辆阴影消除方法 | |
| CN106887004A (zh) | 一种基于块匹配的车道线检测方法 | |
| CN103927548B (zh) | 一种新的避免车辆碰撞的刹车行为检测方法 | |
| CN103528534A (zh) | 一种基于图像监测的输电线路覆冰厚度检测方法 | |
| CN102609702B (zh) | 一种道路指路标志的快速定位方法以及系统 | |
| CN102393902A (zh) | 基于h_s二维直方图和区域颜色匹配的车辆颜色检测方法 | |
| CN105718916A (zh) | 一种基于霍夫变换的车道线检测方法 | |
| CN104463138A (zh) | 基于视觉结构属性的文本定位方法及系统 | |
| CN107358270B (zh) | 一种隧道墙体的渗水检测方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140326 |