CN104408932B - 一种基于视频监控的酒驾车辆检测系统 - Google Patents
一种基于视频监控的酒驾车辆检测系统 Download PDFInfo
- Publication number
- CN104408932B CN104408932B CN201410608141.1A CN201410608141A CN104408932B CN 104408932 B CN104408932 B CN 104408932B CN 201410608141 A CN201410608141 A CN 201410608141A CN 104408932 B CN104408932 B CN 104408932B
- Authority
- CN
- China
- Prior art keywords
- target
- image
- drunk driving
- driving vehicle
- module
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于视频监控的酒驾车辆检测系统,包括视频采集模块,通过路口监控摄像器获取视频信息;数字图像预处理模块,通过滤波用于去除图像中的噪声;目标捕获模块,设置判定酒驾车辆的标准,自动提取被跟踪目标,检测出目标位置;目标跟踪测量模块,检测出目标位置,完成目标位置和光轴的比较,将计算的数据传给主控计算机,从而控制摄像头的转动,以便目标始终锁定在摄像系统视场内;车牌提取与识别模块,在酒驾车辆目标锁定后,获取该违法车辆的信息,通过图片处理来提取出酒驾车辆的车牌信息;信息输出模块,将完整的车牌信息以及视频监控的位置输出至值班室计算机,由值班人员通知距离目标地最近的交警进行查处。
Description
技术领域
本发明涉及一种基于视频监控的酒驾车辆检测系统,属于信息技术领域。
背景技术
随着社会的发展,随着中国“汽车社会”的临近,酒后驾驶行为所造成事故越来越多,对社会的影响也越来越大,酒精正在成为越来越凶残的“马路杀手”。目前对于酒驾的检查力度虽然已经大大提高,但由于酒驾是普遍现象,紧靠交警抽查来遏制酒驾是远远不够。面对这一普遍的酒驾现象,就需要一种装置能够自动识别酒驾或者疑似酒驾车辆,这样大大缩小了交警的排查范围,对酒驾的监控力度大有帮助。
发明内容
目的:为了克服现有技术中存在的不足,对于现有的酒驾车祸事件屡见不鲜的现象,本发明有针对性的提供一种基于视频监控的酒驾车辆检测系统,不同于以往的通过交警抽查驾驶人员的体内酒精浓度,而是采用观察酒驾车辆驾驶的运动特征来进行自动判断识别并保存目标车辆信息。该新型系统不仅大大减小了交警人员的工作量,而且还扩大了酒驾的监控范围,不再是躲着交警不被抽查到即可安然无恙了。不仅如此,该新型系统也摆脱了交警的随机抽查方式,取而代之的是根据系统监控判断结果又针对性的检查,有效地提高了酒驾检查的准确性。
技术方案:为解决上述技术问题,本发明采用的技术方案为:
一种基于视频监控的酒驾车辆检测系统,其特征在于:包括
视频采集模块,直接利用路口处的监控摄像头,对行驶车辆进行监控,采集相应的交通视频;
数字图像预处理模块,通过滤波用于去除图像中的噪声,去噪声干扰有效地促进后续目标的采集;
目标捕获模块,设置判定酒驾车辆的标准,自动提取被跟踪目标,检测出目标位置;
目标跟踪测量模块,检测出目标位置,将计算的数据返回主控计算机,从而控制摄像头的转动,以便目标始终锁定在摄像系统视场内;
车牌提取与识别模块,用于在酒驾车辆目标锁定后,获取该违法车辆的信息,通过图片处理来提取出酒驾车辆的车牌信息;
信息输出模块,用于将完整的车牌信息以及视频监控的目标位置输出至值班室计算机,并设置相应的声音提醒,由值班人员通知距离目标位置最近的交警进行查处;
所述目标捕获模块和目标跟踪测量模块均是实现酒驾车辆的监测和锁定,车牌提取与识别模块是将之前锁定的目标的信息提取,方便交警及时准确地拦截目标车辆。
所述的一种基于视频监控的酒驾车辆检测系统,其特征在于:所述数字图像预处理模块,包括中值滤波方式和均值滤波方式,即用3*3滤波模板在图像上滑动,将滑动到的图像窗口内的9个像素灰度值进行排序,取排序中间三个像素点的灰度值的平均值代替窗口中心点对应像素点的灰度值。
所述的一种基于视频监控的酒驾车辆检测系统,其特征在于:目标捕获模块进行捕获是通过分析不同时刻同一车辆的静态特性、运动方向和运动轨迹来判断;
目标的静态特性是从目标面积上判定是否是被捕获目标的;每次取连续的3个场图像,连续图像间隔为20ms,A1为捕获第1场图像中目标面积,A2为捕获第2场图像中目标面积,A3为捕获第3场图像中目标面积,p为事先设定的目标面积判定阈值,阈值应根据实际情况而选定;通过|A1-A2|≤P,|A3-A2|≤P,如两个都符合则在目标的静态特性上符合被捕获目标要求;
目标的运动轨迹采用线性轨迹方法,得到目标位置,基本原理为目标运动的速度公式:S=S0+V0t,S为目标运动位置,V0为目标运动速度;Xi为本场计算所得出的位置,为通过3点预测的第3场目标位置,其中Xi-1和Xi-2分别为前1场和前2场目标的位置;采用公式判断计算是否符合轨迹要求,式中δ为事先设定的目标位置判定阈值,阈值应根据实际情况而选定;
如果第三场图像中的目标位置符合该公式,则该目标可作为准目标车辆进行进一步观察捕获。
运动轨迹的线性变化是对于三场连续图像的来说的,而这时的运动轨迹也说明这一时刻目标的运动方向,将这一时刻的位置定位坐标原点;700ms之后再取三场连续图像,重复、获得此时刻的运动轨迹和运动方向,再过700ms之后重复如此2次;对比四个时刻的运动轨迹和方向,若是呈现S形运动方向时刻在改变,或者运动方向始终以往左偏或者往右偏的趋势在变化,即呈现运动轨迹呈现为一个弧形,则判定为酒驾目标车辆。
所述的一种基于视频监控的酒驾车辆检测系统,其特征在于:所述目标跟踪测量模块,检测出目标位置后,将目标位置和光轴进行比较,即计算出目标偏离光轴的脱靶量,并将其送给主控计算机,主控计算机根据脱靶量数据、焦距、及跟踪系统角度信息计算控制量,来控制伺服机构,从而控制摄像机运动,以便目标始终锁定在摄像系统视场内,实现对目标的跟踪。
所述的一种基于视频监控的酒驾车辆检测系统,其特征在于:所述车牌提取与识别模块包括保存车牌图像和图像预处理;
保存车牌图像是通过扫描汽车图像,将蓝色像素点三基色的范围的颜色坐标统计并记录下来记入第一矩阵,扫描同时进行蓝色像素点统计,记入第二矩阵,第二矩阵就是要提取的目标图像即车牌图像;
图像预处理包括图像灰度化、图像增强、滤波处理、图像二值化、倾斜校正和形态学处理。
图像灰度化是降低对比度,略去没有用处的大量的颜色信息;
滤波处理采用中值滤波方式,将图像中的噪声减少和删除;
图像二值化的方法为选定一个阈值,当灰度图像某像素的亮度低于该阈值时,设该像素值为0;当灰度图像某像素的亮度值大于该阈值时,设该像素值为1;
倾斜校正采用Radon变换进行实时图像处理;
形态学处理是通过对图像的形态学腐蚀、膨胀、开运算、闭运算操作,连通字符,去除铆钉和边框的非字符区域,使字符显示连通平滑的边界。
所述信息输出模块用于将完整的车牌信息以及视频监控的位置输出至值班室计算机,并设置相应的声音提醒,由值班人员通知距离目标地最近的交警进行查处。
有益效果:本发明提供的一种基于视频监控的酒驾车辆检测系统,利用系统自动识别酒驾车辆代替人工随机抽查驾驶车辆,如某一酒驾车辆在行驶道路上呈现危险性的S形驾驶,则系统自动判断该车辆运动轨迹并且判断为酒驾目标危险车辆,通过牌照处理将信息发送到相关人员手中进行酒驾处理。系统应用方便,社会需求大,具有良好的应用前景。
附图说明
图1为本发明的结构示意图;
图2为本发明的总体结构框图;
图3为本发明中捕获酒驾目标车辆的过程流程图;
图4为本发明中目标车辆跟踪模块的组成图;
图5为本发明中酒驾目标车辆信息提取的结构图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图1所示,一种基于视频监控的酒驾车辆检测系统,包括:
视频采集模块M1,可以直接利用路口处的监控摄像头,对行驶车辆进行监控,采集相应的交通视频;
数字图像预处理模块M2,通过滤波用于去除图像中的噪声,去噪声干扰可以有效地促进后续目标的采集;
目标捕获模块M3,设置判定酒驾车辆的标准,自动提取被跟踪目标,检测出目标位置;
目标跟踪测量模块M4,检测出目标位置,将计算的数据返回主控计算机,从而控制摄像头的转动,以便目标始终锁定在摄像系统视场内;
车牌提取与识别模块M5,用于在酒驾车辆目标锁定后,获取该违法车辆的信息,通过图片处理来提取出酒驾车辆的车牌信息;
信息输出模块M6,用于将完整的车牌信息以及视频监控的位置输出至值班室计算机,并设置相应的声音提醒,由值班人员通知距离目标地最近的交警进行查处;
所述的目标捕获模块和目标跟踪测量模块均是实现酒驾车辆的监测和锁定,车牌提取与识别模块是将之前锁定的目标的信息提取,方便交警及时准确地拦截目标车辆。视频采集模块、数字图像预处理模块、目标捕获模块和目标跟踪测量模块需要在20ms内处理完一场图像数据并将结果传送给主控计算机。
如图2所示,所述的数字图像处理模块M2、运动目标捕获模块M3、目标跟踪测量模块M4组成运动目标确定单元U1,该单元的主要功能就是从视频图像中发现目标车辆并进行跟踪测量。
数字图像处理模块M2的处理方法包括中值滤波方式和均值滤波方式:即用3*3滤波模板在图像上滑动,将滑动到的图像窗口内的9个像素灰度值进行排序,取排序中间三个像素点的灰度值的平均值代替窗口中心点对应像素点的灰度值。
所述的目标捕获模块,采取的方法可应用在目标特性未知的目标捕获过程中;对于两场连续的图像来说,其时间间隔为20ms,在这样短的时间间隔内,目标各种静态特性(如目标大小)变化不大;根据现场经验大部分运动目标三场图像之内的运动轨迹大致成线性变化;
目标捕获模块M3进行捕获的依据是分析不同时刻同一车辆的静态特性、运动方向和运动轨迹来判断。如图3所示,每次取连续的3个场图像,连续图像间隔为20ms,A1为捕获第1场图像中目标面积,A2为捕获第2场图像中目标面积,A3为捕获第3场图像中目标面积,p为事先设定的目标面积判定阈值,该值应根据实际情况而选定。通过|A1-A2|≤P,|A3-A2|≤P,如两个都符合则在目标静态特性上符合被捕获目标要求。目标轨迹采用线性轨迹方法,基本原理公式是S=S0+V0t,S为目标运动位置,V0为目标运动速度。Xi为本场计算所得出的位置,为通过3点预测的第3场目标位置,其中Xi-1和Xi-2分别为前1场和前2场目标的位置。采用公式判断计算是否符合轨迹要求,式中δ为事先设定的目标位置判定阈值,该值应根据实际情况而选定。如果第三场图像中的目标位置符合该公式,则该目标可作为准目标车辆进行进一步观察捕获。图3中以黑色扇形的圆心表示第三场图像目标,第一组图目标的位置设置为图中坐标系的坐标原点,黑色扇形区域表示该目标可能的运动方向。后面几组图是间隔700ms捕获计算出的位置,综合第一行的四幅坐标图,如图3所示的轨迹综合后是大致呈现S形,故可确定为酒驾目标车辆。而如图3所示的第二行坐标图是表示为运动方向始终为偏离坐标原点往左,轨迹也远离y轴,故也可定位酒驾目标车辆。图3是举例的两种情况,总体的判定规则是,若是呈现S形运动方向时刻在改变,或者运动方向始终以往左偏或者往右偏的趋势在变化,即呈现运动轨迹呈现为一个弧形,则判定为目标车辆,进行捕获。
目标跟踪测量模块M4是通过检测目标位置,如图4所示,目标捕获后,再进行图像处理,将目标位置和光轴进行比较,计算出目标偏离光轴的脱靶量(ΔX和ΔY),并将其送给主控计算机,由主控计算机根据脱靶量数据、焦距及跟踪系统角度信息(ΔA和ΔE),来控制伺服机构,从而控制摄像机转动。
所述车牌提取与识别模块M5与信息输出模块M6组成酒驾车辆查处单元U2。车牌提取与识别模块M5主要包括保存车牌图像和图像预处理这两大步骤。具体处理过程如图5所示,首先提取原始图像的行、列和维数,并将数字图像坐标化;对汽车图像进行行行扫描,并对此方向进行像素分析,将蓝色像素点三基色范围的颜色坐标统计并记录下来,记入一个矩阵IY中,IY为包含行方向车牌像素点的一幅数字图像;对数字图像IY进行列方向扫描,同时进行蓝色像素点统计,将统计的像素点记入矩阵Plate中,Plate就是要提取的目标图像,即车牌图像;保存车牌图像便于下一步提取图像。然后对图像进行灰度化处理。由于灰度化得到的图像比较暗淡,可能会造成滤波效果不佳最终导致二值化效果不理想,因此进行一次基于灰度变换的方法增强图像的对比度。接下来就是进行滤波处理,滤波方式采用中值滤波方式。图像的二值化方法是选定一个阈值,当灰度图像某像素的亮度低于该阈值时,设该像素值为0;当灰度图像某像素的亮度值大于该阈值时,设该像素值为1。然后是对图像进行倾斜校正,采用Radon变换进行实时图像处理,就是将图像变换为由它在各个角度的投影表示。最后进行形态学处理,通过对图像的形态学腐蚀、膨胀、开运算、闭运算等操作,连通字符,去除铆钉和边框的非字符区域,使字符连通平滑的边界。
信息输出模块M6用于将完整的车牌信息以及视频监控的位置输出至值班室计算机,并设置相应的声音提醒,由值班人员通知距离目标地最近的交警进行查处。
综上所述,本发明的一种基于视频监控的酒驾车辆检测系统,利用系统自动识别酒驾车辆代替人工随机抽查驾驶车辆,如某一酒驾车辆在行驶道路上呈现危险性的S形驾驶,则系统自动判断该车辆运动轨迹并且判断为酒驾目标危险车辆,通过牌照处理将信息发送到相关人员手中进行酒驾处理。系统应用方便,社会需求大,具有良好的应用前景。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种基于视频监控的酒驾车辆检测系统,其特征在于:包括
视频采集模块,直接利用路口处的监控摄像头,对行驶车辆进行监控,采集相应的交通视频;
数字图像预处理模块,通过滤波去除图像中的噪声,去噪声干扰有效地促进后续目标的采集;
目标捕获模块,设置判定酒驾车辆的标准,自动提取被跟踪目标,检测出目标位置;
目标跟踪测量模块,用于检测出目标位置后,将计算的数据返回主控计算机,从而控制摄像头的转动,以便目标始终锁定在摄像系统视场内;所述目标跟踪测量模块,检测出目标位置后,将目标位置和光轴进行比较,即计算出目标偏离光轴的脱靶量,并将其送给主控计算机,主控计算机根据脱靶量数据、焦距、及跟踪系统角度信息计算控制量,来控制伺服机构,从而控制摄像机运动,以便目标始终锁定在摄像系统视场内,实现对目标的跟踪;
车牌提取与识别模块,用于在酒驾车辆目标锁定后,获取该酒驾车辆的信息,通过图片处理来提取出酒驾车辆的车牌信息;
信息输出模块,用于将完整的车牌信息以及视频监控的目标位置输出至值班室计算机,并设置相应的声音提醒,由值班人员通知距离目标位置最近的交警进行查处;
所述目标捕获模块和目标跟踪测量模块均是实现酒驾车辆的监测和锁定,车牌提取与识别模块是将之前锁定的目标的信息提取,方便交警及时准确地拦截目标车辆;
目标捕获模块进行捕获是通过分析不同时刻同一车辆的静态特性、运动方向和运动轨迹来判断;
目标的静态特性是从目标面积上判定是否是被捕获目标的;每次取连续的3个场图像,连续图像间隔为20ms,A1为捕获第1场图像中目标面积,A2为捕获第2场图像中目标面积,A3为捕获第3场图像中目标面积,p为事先设定的目标面积判定阈值,阈值应根据实际情况而选定;通过|A1-A2|≤P,|A3-A2|≤P,如两个都符合则在目标的静态特性上符合被捕获目标要求;
目标的运动轨迹采用线性轨迹方法,得到目标位置,基本原理为目标运动的速度公式:S=S0+V0t,S为目标运动位置,V0为目标运动速度;Xi为本场计算所得出的位置,为通过3点预测的第3场目标位置,其中Xi-1和Xi-2分别为前1场和前2场目标的位置;采用公式判断计算是否符合轨迹要求,式中δ为事先设定的目标位置判定阈值,阈值应根据实际情况而选定;
如果第三场图像中的目标位置符合该公式,则该目标作为准目标车辆进行进一步观察捕获;
运动轨迹的线性变化是对于三场连续图像的来说的,而这时的运动轨迹也说明这一时刻目标的运动方向,将这一时刻的位置定位坐标原点;700ms之后再取三场连续图像,重复、获得此时刻的运动轨迹和运动方向,再过700ms之后重复如此2次;对比四个时刻的运动轨迹和方向,若是呈现S形运动方向时刻在改变,或者运动方向始终以往左偏或者往右偏的趋势在变化,即呈现运动轨迹呈现为一个弧形,则判定为酒驾目标车辆。
2.根据权利要求1所述的一种基于视频监控的酒驾车辆检测系统,其特征在于:所述数字图像预处理模块,包括中值滤波方式和均值滤波方式,即用3*3滤波模板在图像上滑动,将滑动到的图像窗口内的9个像素灰度值进行排序,取排序中间三个像素点的灰度值的平均值代替窗口中心点对应像素点的灰度值。
3.根据权利要求1所述的一种基于视频监控的酒驾车辆检测系统,其特征在于:所述车牌提取与识别模块包括保存车牌图像和图像预处理;
保存车牌图像是通过扫描汽车图像,将蓝色像素点三基色的范围的颜色坐标统计并记录下来记入第一矩阵,扫描同时进行蓝色像素点统计,记入第二矩阵,第二矩阵就是要提取的目标图像即车牌图像;
图像预处理包括图像灰度化、图像增强、滤波处理、图像二值化、倾斜校正和形态学处理。
4.根据权利要求3所述的一种基于视频监控的酒驾车辆检测系统,其特征在于:图像灰度化是降低对比度,略去没有用处的大量的颜色信息。
5.根据权利要求3所述的一种基于视频监控的酒驾车辆检测系统,其特征在于:滤波处理采用中值滤波方式,将图像中的噪声减少和删除。
6.根据权利要求3所述的一种基于视频监控的酒驾车辆检测系统,其特征在于:图像二值化的方法为选定一个阈值,当灰度图像某像素的亮度低于该阈值时,设该像素值为0;当灰度图像某像素的亮度值大于该阈值时,设该像素值为1。
7.根据权利要求3所述的一种基于视频监控的酒驾车辆检测系统,其特征在于:倾斜校正采用Radon变换进行实时图像处理。
8.根据权利要求3所述的一种基于视频监控的酒驾车辆检测系统,其特征在于:形态学处理是通过对图像的形态学腐蚀、膨胀、开运算、闭运算操作,连通字符,去除铆钉和边框的非字符区域,使字符显示连通平滑的边界。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410608141.1A CN104408932B (zh) | 2014-11-03 | 2014-11-03 | 一种基于视频监控的酒驾车辆检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410608141.1A CN104408932B (zh) | 2014-11-03 | 2014-11-03 | 一种基于视频监控的酒驾车辆检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104408932A CN104408932A (zh) | 2015-03-11 |
CN104408932B true CN104408932B (zh) | 2016-08-24 |
Family
ID=52646558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410608141.1A Expired - Fee Related CN104408932B (zh) | 2014-11-03 | 2014-11-03 | 一种基于视频监控的酒驾车辆检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104408932B (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105025099A (zh) * | 2015-07-15 | 2015-11-04 | 同济大学 | 智能摄像机网络系统及摄像机网络动态任务分配方法 |
CN106355900A (zh) * | 2015-07-23 | 2017-01-25 | 环达电脑(上海)有限公司 | 主动发送危险驾驶提醒的系统 |
CN105118109A (zh) * | 2015-08-12 | 2015-12-02 | 黄昊 | 行车记录系统及记录方法 |
CN105575128B (zh) * | 2016-01-20 | 2018-03-13 | 王威立 | 机动车远光灯违章检测及抓拍系统 |
CN105512653A (zh) * | 2016-02-03 | 2016-04-20 | 东南大学 | 一种基于车辆对称特征的城市交通场景中车辆的检测方法 |
CN106101641B (zh) * | 2016-07-18 | 2022-06-14 | 中国科学院地理科学与资源研究所 | 视频监测系统及其监测方法 |
CN106292733B (zh) * | 2016-07-26 | 2019-05-10 | 北京电子工程总体研究所 | 一种基于位置信息的触摸式跟踪确认系统及方法 |
CN108932848B (zh) * | 2017-05-27 | 2021-01-29 | 南宁富桂精密工业有限公司 | 酒驾车辆识别方法及服务器 |
CN108091136A (zh) * | 2017-12-14 | 2018-05-29 | 阜阳裕晟电子科技有限公司 | 一种基于视频监控的酒驾车辆检测系统 |
CN107909819A (zh) * | 2017-12-14 | 2018-04-13 | 黄晓丽 | 一种用于采集酒驾车辆的视频控制装置 |
CN108401140A (zh) * | 2018-04-07 | 2018-08-14 | 深圳供电局有限公司 | 一种基于多层视觉处理的智能视频监控系统和方法 |
CN108694381A (zh) * | 2018-05-11 | 2018-10-23 | 星络科技有限公司 | 对象定位方法和对象轨迹追踪方法 |
CN108961771A (zh) * | 2018-06-20 | 2018-12-07 | 上海市政工程设计研究总院(集团)有限公司 | 一种高速公路基于视频分析的醉酒驾驶行为预警系统 |
CN109146914B (zh) * | 2018-06-20 | 2023-05-30 | 上海市政工程设计研究总院(集团)有限公司 | 一种高速公路基于视频分析的醉酒驾驶行为预警方法 |
CN111914707A (zh) * | 2020-07-22 | 2020-11-10 | 上海大学 | 一种醉酒行为检测系统及方法 |
CN112115890B (zh) * | 2020-09-23 | 2024-01-23 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的酒驾识别方法、装置、设备及介质 |
CN112418000B (zh) * | 2020-11-05 | 2024-02-27 | 武汉理工大学 | 基于单目摄像头的不良驾驶行为检测方法及系统 |
CN112530176B (zh) * | 2020-11-10 | 2022-03-25 | 浙江大华系统工程有限公司 | 酒驾预警方法、装置、设备和介质 |
CN112782090B (zh) * | 2020-12-28 | 2022-01-28 | 中国科学院长春光学精密机械与物理研究所 | 一种酒驾自动监测系统及检测方法 |
CN112633580A (zh) * | 2020-12-28 | 2021-04-09 | 平安国际智慧城市科技股份有限公司 | 基于人工智能的酒驾车辆预警方法、装置、设备和介质 |
CN113205687B (zh) * | 2021-04-30 | 2022-07-05 | 广州大学 | 一种基于视频监控的酒驾车辆轨迹识别系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334837A (zh) * | 2008-07-31 | 2008-12-31 | 重庆大学 | 一种多方法融合的车牌图像定位方法 |
CN101630360A (zh) * | 2008-07-14 | 2010-01-20 | 上海分维智能科技有限公司 | 一种在高清晰图像中识别车牌的方法 |
CN101840632A (zh) * | 2009-03-18 | 2010-09-22 | 深圳先进技术研究院 | 一种对车内驾驶行为异常监控方法和系统 |
CN101937508A (zh) * | 2010-09-30 | 2011-01-05 | 湖南大学 | 一种基于高清图像的车牌定位与识别方法 |
CN202486986U (zh) * | 2012-02-20 | 2012-10-10 | 李涛 | 一种多功能车载导航仪 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001033503A1 (en) * | 1999-11-03 | 2001-05-10 | Cet Technologies Pte Ltd | Image processing techniques for a video based traffic monitoring system and methods therefor |
ATE491309T1 (de) * | 2003-05-22 | 2010-12-15 | Pips Technology Inc | Automatisiertes site-sicherheits-, überwachungs- und zugangsregelsystem |
-
2014
- 2014-11-03 CN CN201410608141.1A patent/CN104408932B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630360A (zh) * | 2008-07-14 | 2010-01-20 | 上海分维智能科技有限公司 | 一种在高清晰图像中识别车牌的方法 |
CN101334837A (zh) * | 2008-07-31 | 2008-12-31 | 重庆大学 | 一种多方法融合的车牌图像定位方法 |
CN101840632A (zh) * | 2009-03-18 | 2010-09-22 | 深圳先进技术研究院 | 一种对车内驾驶行为异常监控方法和系统 |
CN101937508A (zh) * | 2010-09-30 | 2011-01-05 | 湖南大学 | 一种基于高清图像的车牌定位与识别方法 |
CN202486986U (zh) * | 2012-02-20 | 2012-10-10 | 李涛 | 一种多功能车载导航仪 |
Non-Patent Citations (1)
Title |
---|
基于交通视频的车辆行为检测研究与仿真实现;魏新宽;《中国优秀硕士学位论文全文数据库 信息科技辑》;20131115;正文第4-14,48页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104408932A (zh) | 2015-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104408932B (zh) | 一种基于视频监控的酒驾车辆检测系统 | |
CN105744232B (zh) | 一种基于行为分析技术的输电线路视频防外破的方法 | |
CN103714363B (zh) | 一种机动车尾气烟度视频识别系统 | |
CN100544446C (zh) | 用于视频监控的实时运动检测方法 | |
CN105678811A (zh) | 一种基于运动检测的人体异常行为检测方法 | |
CN110298300B (zh) | 一种检测车辆违章压线的方法 | |
CN104978567B (zh) | 基于场景分类的车辆检测方法 | |
JP2019505866A (ja) | 通行人の頭部識別方法及びシステム | |
CN105702048A (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 | |
CN105404857A (zh) | 一种基于红外的夜间智能车前方行人检测方法 | |
CN103605967A (zh) | 一种基于图像识别的地铁防逃票系统及其工作方法 | |
CN107845264A (zh) | 一种基于视频监控的交通量采集系统及方法 | |
CN103366569A (zh) | 实时抓拍交通违章车辆的方法及系统 | |
CN105915840A (zh) | 一种基于视频信号的工厂烟气排放自动监测的方法 | |
CN106934374A (zh) | 一种雾霾场景中交通标识牌的识别方法及系统 | |
CN105574502A (zh) | 一种自助发卡机违章行为自动检测方法 | |
CN105046948A (zh) | 一种黄色网格线区域内交通违章停车监测系统和方法 | |
CN109165602A (zh) | 一种基于视频分析的黑烟车检测方法 | |
Su et al. | A new local-main-gradient-orientation HOG and contour differences based algorithm for object classification | |
Tao et al. | Smoky vehicle detection based on range filtering on three orthogonal planes and motion orientation histogram | |
CN106097725A (zh) | 一种基于动态特征提取的车辆分类流量检测方法 | |
CN108629327A (zh) | 一种基于图像处理的人数统计方法及装置 | |
CN108133231B (zh) | 一种尺度自适应的实时车辆检测方法 | |
CN103258433B (zh) | 一种交通视频监控中智能车牌清晰显示方法 | |
CN109977772A (zh) | 一种基于车载行车记录仪视频的斑马线礼让行为检测方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160824 Termination date: 20191103 |
|
CF01 | Termination of patent right due to non-payment of annual fee |