CN104933424A - 车辆及行人监测方法及装置 - Google Patents

车辆及行人监测方法及装置 Download PDF

Info

Publication number
CN104933424A
CN104933424A CN201510400007.7A CN201510400007A CN104933424A CN 104933424 A CN104933424 A CN 104933424A CN 201510400007 A CN201510400007 A CN 201510400007A CN 104933424 A CN104933424 A CN 104933424A
Authority
CN
China
Prior art keywords
vehicle
video image
vehicle detection
face
detection
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
Application number
CN201510400007.7A
Other languages
English (en)
Inventor
刘振及
江伟
祝本云
徐雄伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Weike Technology Co Ltd
Original Assignee
Shenzhen Weike Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Weike Technology Co Ltd filed Critical Shenzhen Weike Technology Co Ltd
Priority to CN201510400007.7A priority Critical patent/CN104933424A/zh
Publication of CN104933424A publication Critical patent/CN104933424A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种车辆及行人监测方法及装置，该方法包括：以时分多路的方式，通过摄像装置采集包括人脸和车辆的视频图像；基于采集的所述视频图像，以设定的检测规则，进行人脸检测和车辆检测，得到人脸检测及车辆检测结果。本发明可以将人脸检测和车辆检测算法采用全嵌入式的方式在一台高清摄像机中实现，此外，还可以增加手机MAC地址抓拍，达到人、车、MAC地址同时抓拍，综合比对的目的。

Description

车辆及行人监测方法及装置
技术领域
本发明涉及监控技术领域，尤其涉及一种车辆及行人监测方法及装置。
背景技术
近年来，随着平安城市、智慧城市建设的不断升级，安防监控技术得到广泛应用，基于视频的人脸检测和车辆检测等技术已经成功应用在火车站、电子警察、公安卡口、高速公路测速与收费、停车场管理等领域。
随着市场需求提升，安防行业已经有专业的车辆检测或者行人检测产品，这类产品虽然满足了当前一定的市场需求，但是功能单一，仅仅关注人，或者仅仅关注车。在大量人车混杂的监控区域，要达到人、车同时抓拍需要部署较多的软硬件设备，由此大大增加工程造价，以及后续的维护成本。
同时，由于产品形态混杂，对系统组网带来很大困难，不利于市场快速普及。
发明内容
本发明的主要目的在于提出一种车辆及行人监测方法及装置，旨在解决车辆检测或者行人检测产品功能单一，产品形态混杂的弊端，满足人车同时监控的需求。
为实现上述目的，本发明提供的一种车辆及行人监测方法，所述方法包括步骤：
以时分多路的方式，通过摄像装置采集包括人脸和车辆的视频图像；
基于采集的所述视频图像，以设定的检测规则，进行人脸检测和车辆检测，得到人脸检测及车辆检测结果。
优选地，所述方法还包括：
检测用户终端的MAC地址。
优选地，所述基于所述视频图像，以设定的检测规则，进行人脸检测，得到人脸检测结果的步骤包括：
通过级联分类器从所述视频图像中提取人脸轮廓，并确定人脸的位置和大小，将人脸通过矩形区域标识。
优选地，所述通过级联分类器从所述视频图像中提取人脸轮廓的步骤包括：
基于Haar-like特征和多尺度HOG特征，对分类器检测进行计算优化；
使用置信度的实值分类器代替二值分类器，并对HOG特征和Haar-like特征设计不同的弱分类器，用Gentle Adaboost算法训练强分类器；
使用haar-like特征训练adaboost级联分类器，从所述视频图像中扫描检测区域，产生候选目标；使用多尺度HOG特征训练adaboost级联分类器，进行候选目标确认，输出最终检测目标，得到人脸轮廓。
优选地，所述基于所述视频图像，以设定的检测规则，进行车辆检测，得到车辆检测结果的步骤包括：
基于所述视频图像，以及车牌识别的车辆检测规则或虚拟线圈的车辆检测规则，进行车辆检测，得到车辆检测结果。
本发明还提出一种车辆及行人监测装置，所述装置包括：
采集模块，用于以时分多路的方式，通过摄像装置采集包括人脸和车辆的视频图像；
检测模块，用于基于所述视频图像，以设定的检测规则，进行人脸检测和车辆检测，得到人脸检测及车辆检测结果。
优选地，所述检测模块，还用于检测用户终端的MAC地址。
优选地，所述检测模块，还用于通过级联分类器从所述视频图像中提取人脸轮廓，并确定人脸的位置和大小，将人脸通过矩形区域标识。
优选地，所述检测模块，还用于基于Haar-like特征和多尺度HOG特征，对分类器检测进行计算优化；使用置信度的实值分类器代替二值分类器，并对HOG特征和Haar-like特征设计不同的弱分类器，用Gentle Adaboost算法训练强分类器；使用haar-like特征训练adaboost级联分类器，从所述视频图像中扫描检测区域，产生候选目标；使用多尺度HOG特征训练adaboost级联分类器，进行候选目标确认，输出最终检测目标，得到人脸轮廓。
优选地，所述检测模块，还用于基于所述视频图像，以及车牌识别的车辆检测规则或虚拟线圈的车辆检测规则，进行车辆检测，得到车辆检测结果。
本发明提出的一种车辆及行人监测方法及装置，以时分多路的方式，通过摄像装置采集包括人脸和车辆的视频图像；基于采集的视频图像，以设定的检测规则，进行人脸检测和车辆检测，得到人脸检测及车辆检测结果，该方案中，可以将人脸检测和车辆检测算法采用全嵌入式的方式在一台高清摄像机中实现，解决了车辆检测或者行人检测产品功能单一，产品形态混杂的弊端，满足人车同时监控的需求；此外，还可以增加手机MAC地址抓拍，达到人、车、MAC地址同时抓拍，综合比对的目的。
与现有技术相比，本发明有以下优点：
1、一台高清摄像机即可解决人、车、MAC地址同时抓拍的需求，大大简化系统组网方案
2、系统采用全嵌入式设计，大大增加系统稳定性；
3、通过整合人、车、MAC地址，大大丰富了抓拍目标信息，方便公安、交警等单位综合比对和检索。
附图说明
图1是本发明车辆及行人监测方法流程示意图；
图2是本发明方案运行的系统流程示意图；
图3是本发明车牌识别流程示意图；
图4是本发明车辆及行人监测装置功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
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。
如图1所示，本发明较佳实施例提出一种车辆及行人监测方法，所述方法包括步骤：
步骤S101，以时分多路的方式，通过摄像装置采集包括人脸和车辆的视频图像；
本实施例方案运行的系统可以包括主处理芯片、视频图像处理器、数字信号处理器、摄像装置以及WIFI模块等，其中，视频图像处理器、数字信号处理器、摄像装置以及WIFI模块均可以与主处理芯片连接。
其中，主处理芯片可以采用TI的DM8147，作为一种处理流程，如图2所示，系统上电后，系统依次加载主核ARM A8，视频图像处理器VPSS_M3和VIDEO_M3，以及数字信号处理器DSP。Wifi模块随A8同时启动。
A8负责侦测开启wifi的手机MAC地址，DSP核负责人脸检测和车辆检测。
所有侦测信息推送到A8，由A8进行实时图像抓拍，字幕叠加，多画面合成，防伪加密等安防图像处理。
其中，在本实施例方案中，采用基于时分多路的人脸检测与车辆检测算法。
本实施例考虑到：需要在一颗芯片上同时实现人脸和多模态车辆检测算法，而DM8147处理性能有限，无法同时实时检测人脸和车辆。本发明采用了一种时分多路的处理方式实现人脸和多模态车辆检测算法同时运行。
其中，时分多路检测方式即：在奇数帧时检测人脸，在偶数帧时检测车辆。这样DM8147任何时刻只运行一种检测算法。由于摄像机帧率达到每秒25帧，所以时分多路的情况下人脸和车辆仍然能够获得足够的检测机会。
由此，以时分多路的方式，通过摄像头等摄像装置采集包括人脸和车辆的视频图像。
步骤S102，基于采集的所述视频图像，以设定的检测规则，进行人脸检测和车辆检测，得到人脸检测及车辆检测结果。
然后，实时准确的从视频图像中检测出人脸和车辆，其中：
对人脸的检测，从视频图像中检测出人脸，确定人脸的位置和大小，使用矩形区域表示出来。
考虑到实际应用中人脸外观、姿态的变化性，周围环境的复杂性，光照和天气变化的影响等因素，本实施例选择使用基于统计学习的方法进行人脸检测，有效利用级联分类器结构快速的优点，并且从以下三个方面来改善级联分类器的整体性能，降低误识率的同时，保证了好的检测性能，并且优化了整个级联结构的训练过程：
首先，应用广泛的Haar-like特征和多尺度HOG特征，并针对分类器检测进行计算优化。
其次，使用置信度的实值分类器代替二值分类器，并对HOG特征和Haar-like特征设计不同的弱分类器，用Gentle Adaboost算法训练强分类器，减少了整个级联结构使用的特征数，也减少了训练复杂性。
最后，使用一种由粗到细的两阶段级联分类检测结构，第一阶段，使用haar-like特征训练adaboost级联分类器，快速扫描检测区域，产生候选目标；第二阶段，使用多尺度HOG特征训练adaboost级联分类器，进行候选目标确认，输出最终检测目标，得到人脸检测结果。
对于车辆检测：
车辆检测采用多模态的检测方案，综合车牌识别和虚拟线圈两种检测方式。由此通过多模态的检测方案，可以大大提高车辆检测率。
其中，基于车牌识别的车辆检测，其车牌识别流程可以如图3所示，具体包括：图像滤波、图像二值化、车牌定位、字符切分以及OCR字符识别等。
由于在某些恶劣条件下(如雪天、雾天、黄昏等)，车牌不是很清晰，对车牌识别的整体效果有极大的影响，所以在进行车牌识别前，对图像进行清晰化处理是必不可少的步骤。为了兼顾运算速度，根据车牌字符的特性，本算法利用当前像素周围的像素得出当前的合理像素值。运算速度和滤波都可以达到理想的效果。
此外，针对车牌污损、阴阳牌，本实施例方案中，利用全图的质量信息计算出二值化参数，自适应的满足各种类型图像的二值化。同时，本算法还利用了各种车牌中字符布局这个先验条件，对不同的车牌可以构建一个字符布局模型，来纠正字符切分结果。此模型对于解决由于车牌模糊或污损造成的字符丢失等现象有极好的纠正效果，在提升车牌识别率的同时，也极好的适应了复杂环境下车牌识别的需求。
针对倾斜车牌，根据字符切分得出的字符粗略位置，拟合出车牌倾斜角度，再对字符位置进行准确的纠正。
基于虚拟线圈的车辆检测：
虚拟线圈的背景为梯度背景，线圈在无车状态下，自动按权值更新梯度背景。
虚线圈通过梯度和梯度差变化来判断车辆的四个状态：
1、梯度变化和梯度差变化均迅速从小变大，则车辆正处于驶入线圈状态；
2、梯度变化和梯度差变化增大到一定值后，保持在一个特定范围，则车辆正处于在线圈中行驶状态；
3、梯度变化增大到一定值后，保持在一个特定范围，但梯度差变化很小，则车辆正处于在线圈中停止状态；
4、梯度变化和梯度差变化均迅速从大变小，则车辆正处于驶出线圈状态。
进一步地，本发明实施例方案还可以包括：
检测用户终端的MAC地址，达到人、车、MAC地址同时抓拍，综合比对的目的。
其中，MAC地址检测方案如下：
802.11标准定义了被动和主动扫描。被动扫描是强制的，每个station搜索单独的信道来发现最好的信号，ap定期的发送beacon，station在扫描的时候接收此beacon并记录相应的信号信息。主动扫描是station通过广播proberequest探查请求来主动扫描区域内目前有的802.11网络，区域内的ap则通过probe response探测响应回复。
主动扫描使得station不需要经过一个beacon传输时间而直接从ap获取响应，同时也提供了在不连接上wifi热点的情况下主动获取手机MAC的可能。
一个没有和ap建立关联的station发来的包，ap按照802.11规范会丢掉它，且操作系统不允许在802.11这个层次上进行抓包，通过适配层将802.11帧和以太帧进行了转换。
本发明通过在驱动层对station广播的probe request探查请求帧进行处理，获取手机MAC地址。
本发明实施例以时分多路的方式，通过摄像装置采集包括人脸和车辆的视频图像；基于采集的视频图像，以设定的检测规则，进行人脸检测和车辆检测，得到人脸检测及车辆检测结果，该方案中，可以将人脸检测和车辆检测算法采用全嵌入式的方式在一台高清摄像机中实现，此外，还可以增加手机MAC地址抓拍，达到人、车、MAC地址同时抓拍，综合比对的目的。
如图4所示，本发明较佳实施例提出一种车辆及行人监测装置，该装置可以应用在上述系统架构中，本实施例装置包括：采集模块201及检测模块202，其中：
采集模块201，用于以时分多路的方式，通过摄像装置采集包括人脸和车辆的视频图像；
检测模块202，用于基于所述视频图像，以设定的检测规则，进行人脸检测和车辆检测，得到人脸检测及车辆检测结果。
本实施例车辆及行人监测装置实现车辆和行人抓拍的原理，请参照上述实施例，在此不再赘述。
本发明提出的一种车辆及行人监测方法及装置，以时分多路的方式，通过摄像装置采集包括人脸和车辆的视频图像；基于采集的视频图像，以设定的检测规则，进行人脸检测和车辆检测，得到人脸检测及车辆检测结果，该方案中，可以将人脸检测和车辆检测算法采用全嵌入式的方式在一台高清摄像机中实现，此外，还可以增加手机MAC地址抓拍，达到人、车、MAC地址同时抓拍，综合比对的目的。
与现有技术相比，本发明有以下优点：
1、一台高清摄像机即可解决人、车、MAC地址同时抓拍的需求，大大简化系统组网方案
2、系统采用全嵌入式设计，大大增加系统稳定性；
3、通过整合人、车、MAC地址，大大丰富了抓拍目标信息，方便公安、交警等单位综合比对和检索。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种车辆及行人监测方法，其特征在于，所述方法包括步骤：
以时分多路的方式，通过摄像装置采集包括人脸和车辆的视频图像；
基于采集的所述视频图像，以设定的检测规则，进行人脸检测和车辆检测，得到人脸检测及车辆检测结果。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
检测用户终端的MAC地址。
3.根据权利要求1所述的方法，其特征在于，所述基于所述视频图像，以设定的检测规则，进行人脸检测，得到人脸检测结果的步骤包括：
通过级联分类器从所述视频图像中提取人脸轮廓，并确定人脸的位置和大小，将人脸通过矩形区域标识。
4.根据权利要求3所述的方法，其特征在于，所述通过级联分类器从所述视频图像中提取人脸轮廓的步骤包括：
基于Haar-like特征和多尺度HOG特征，对分类器检测进行计算优化；
使用置信度的实值分类器代替二值分类器，并对HOG特征和Haar-like特征设计不同的弱分类器，用Gentle Adaboost算法训练强分类器；
使用haar-like特征训练adaboost级联分类器，从所述视频图像中扫描检测区域，产生候选目标；使用多尺度HOG特征训练adaboost级联分类器，进行候选目标确认，输出最终检测目标，得到人脸轮廓。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述基于所述视频图像，以设定的检测规则，进行车辆检测，得到车辆检测结果的步骤包括：
基于所述视频图像，以及车牌识别的车辆检测规则或虚拟线圈的车辆检测规则，进行车辆检测，得到车辆检测结果。
6.一种车辆及行人监测装置，其特征在于，所述装置包括：
采集模块，用于以时分多路的方式，通过摄像装置采集包括人脸和车辆的视频图像；
检测模块，用于基于所述视频图像，以设定的检测规则，进行人脸检测和车辆检测，得到人脸检测及车辆检测结果。
7.根据权利要求6所述的装置，其特征在于，
所述检测模块，还用于检测用户终端的MAC地址。
8.根据权利要求6所述的装置，其特征在于，
所述检测模块，还用于通过级联分类器从所述视频图像中提取人脸轮廓，并确定人脸的位置和大小，将人脸通过矩形区域标识。
9.根据权利要求8所述的装置，其特征在于，
所述检测模块，还用于基于Haar-like特征和多尺度HOG特征，对分类器检测进行计算优化；使用置信度的实值分类器代替二值分类器，并对HOG特征和Haar-like特征设计不同的弱分类器，用Gentle Adaboost算法训练强分类器；使用haar-like特征训练adaboost级联分类器，从所述视频图像中扫描检测区域，产生候选目标；使用多尺度HOG特征训练adaboost级联分类器，进行候选目标确认，输出最终检测目标，得到人脸轮廓。
10.根据权利要求6-9中任一项所述的装置，其特征在于，
所述检测模块，还用于基于所述视频图像，以及车牌识别的车辆检测规则或虚拟线圈的车辆检测规则，进行车辆检测，得到车辆检测结果。
CN201510400007.7A 2015-07-09 2015-07-09 车辆及行人监测方法及装置 Pending CN104933424A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510400007.7A CN104933424A (zh) 2015-07-09 2015-07-09 车辆及行人监测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510400007.7A CN104933424A (zh) 2015-07-09 2015-07-09 车辆及行人监测方法及装置

Publications (1)

Publication Number Publication Date
CN104933424A true CN104933424A (zh) 2015-09-23

Family

ID=54120584

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510400007.7A Pending CN104933424A (zh) 2015-07-09 2015-07-09 车辆及行人监测方法及装置

Country Status (1)

Country Link
CN (1) CN104933424A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105279491A (zh) * 2015-10-22 2016-01-27 四川膨旭科技有限公司 车辆行驶过程中对人物进行识别的系统
CN105279973A (zh) * 2015-10-27 2016-01-27 成都千帆科技开发有限公司 一种含有手机匹配识别功能的车牌识别摄像机
CN105279972A (zh) * 2015-10-27 2016-01-27 成都千帆科技开发有限公司 一种含有手机信息识别和车牌识别摄像机的道闸装置
CN105357480A (zh) * 2015-11-10 2016-02-24 杭州敦崇科技股份有限公司 公共场所无线上网安全管理系统及其运行方法
CN105790955A (zh) * 2016-04-06 2016-07-20 深圳市博康智能信息技术有限公司 一种基于mac地址与人脸信息关联的方法和系统
WO2016180272A1 (zh) * 2015-05-12 2016-11-17 杭州海康威视数字技术股份有限公司 图像采集方法及设备、视频监控方法及系统
CN107066978A (zh) * 2017-04-18 2017-08-18 云熠信息科技有限公司 一种人群信息采集分析方法和系统
CN107645709A (zh) * 2017-09-28 2018-01-30 浙江大华技术股份有限公司 一种确定人员信息的方法及装置
CN107948341A (zh) * 2017-11-30 2018-04-20 杭州中奥科技有限公司 Mac地址匹配方法及装置
CN108320526A (zh) * 2017-12-20 2018-07-24 福建工程学院 一种交通道路车辆超速监测方法及终端
CN109714710A (zh) * 2019-03-06 2019-05-03 中国人民解放军陆军工程大学 一种非主动配合人员大范围轨迹采集方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070257985A1 (en) * 2006-02-27 2007-11-08 Estevez Leonardo W Video Surveillance Correlating Detected Moving Objects and RF Signals
CN202077142U (zh) * 2011-05-17 2011-12-14 成都凯智科技有限公司 一种车载智能视频侦测分析系统
CN104573680A (zh) * 2015-02-10 2015-04-29 深圳市哈工大交通电子技术有限公司 图像检测方法、图像检测装置以及交通违法检测系统
CN104574251A (zh) * 2015-01-06 2015-04-29 熊国顺 智能公共安全信息系统及应用方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070257985A1 (en) * 2006-02-27 2007-11-08 Estevez Leonardo W Video Surveillance Correlating Detected Moving Objects and RF Signals
CN202077142U (zh) * 2011-05-17 2011-12-14 成都凯智科技有限公司 一种车载智能视频侦测分析系统
CN104574251A (zh) * 2015-01-06 2015-04-29 熊国顺 智能公共安全信息系统及应用方法
CN104573680A (zh) * 2015-02-10 2015-04-29 深圳市哈工大交通电子技术有限公司 图像检测方法、图像检测装置以及交通违法检测系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
吕扬建等: "基于视频分析的车流量统计算法研究", 《井冈山大学学报（自然科学版）》 *
张虹波等: "基于视频检测技术的交通车流量研究", 《计算机与现代化》 *
柯常志等: "基于视频检测的高清摄像机在智能交通监控系统中的应用", 《工业控制计算机》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016180272A1 (zh) * 2015-05-12 2016-11-17 杭州海康威视数字技术股份有限公司 图像采集方法及设备、视频监控方法及系统
CN105279491A (zh) * 2015-10-22 2016-01-27 四川膨旭科技有限公司 车辆行驶过程中对人物进行识别的系统
CN105279973A (zh) * 2015-10-27 2016-01-27 成都千帆科技开发有限公司 一种含有手机匹配识别功能的车牌识别摄像机
CN105279972A (zh) * 2015-10-27 2016-01-27 成都千帆科技开发有限公司 一种含有手机信息识别和车牌识别摄像机的道闸装置
CN105357480B (zh) * 2015-11-10 2018-08-28 杭州敦崇科技股份有限公司 公共场所无线上网安全管理系统及其运行方法
CN105357480A (zh) * 2015-11-10 2016-02-24 杭州敦崇科技股份有限公司 公共场所无线上网安全管理系统及其运行方法
CN105790955A (zh) * 2016-04-06 2016-07-20 深圳市博康智能信息技术有限公司 一种基于mac地址与人脸信息关联的方法和系统
CN105790955B (zh) * 2016-04-06 2019-02-05 深圳市博康智能信息技术有限公司 一种基于mac地址与人脸信息关联的方法和系统
CN107066978A (zh) * 2017-04-18 2017-08-18 云熠信息科技有限公司 一种人群信息采集分析方法和系统
CN107645709A (zh) * 2017-09-28 2018-01-30 浙江大华技术股份有限公司 一种确定人员信息的方法及装置
CN107645709B (zh) * 2017-09-28 2020-04-03 浙江大华技术股份有限公司 一种确定人员信息的方法及装置
CN107948341A (zh) * 2017-11-30 2018-04-20 杭州中奥科技有限公司 Mac地址匹配方法及装置
CN108320526A (zh) * 2017-12-20 2018-07-24 福建工程学院 一种交通道路车辆超速监测方法及终端
CN109714710A (zh) * 2019-03-06 2019-05-03 中国人民解放军陆军工程大学 一种非主动配合人员大范围轨迹采集方法

Similar Documents

Publication Publication Date Title
CN104933424A (zh) 车辆及行人监测方法及装置
CN103500322B (zh) 基于低空航拍图像的车道线自动识别方法
CN102722704B (zh) 一种融合视频动态跟踪的车牌识别方法和系统
CN103235938B (zh) 车牌检测与识别的方法及系统
CN104537360B (zh) 车辆未让行违章检测方法及其检测系统
CN102509291B (zh) 基于无线网络视频传感器的公路路面病害检测及识别方法
WO2018119668A1 (zh) 一种行人头部识别方法及系统
CN103971097B (zh) 一种基于多尺度笔画模型的车牌识别方法与系统
CN103366154B (zh) 可重配置的畅通路径检测系统
CN106339657B (zh) 基于监控视频的秸秆焚烧监测方法、装置
CN101980245B (zh) 一种基于自适应模板匹配的客流统计方法
CN102201059A (zh) 一种行人检测方法及装置
CN102163278B (zh) 一种公交车道非法车辆闯入检测方法
CN102930287A (zh) 一种针对俯视行人的检测计数系统及方法
CN102902957A (zh) 一种基于视频流的自动车牌识别方法
CN102867417A (zh) 一种出租车防伪系统及方法
CN101719217A (zh) 一种基于弹性松驰算法的车型识别系统及方法
CN103236181A (zh) 一种基于机器视觉的交通信号灯状态监控系统及方法
CN104463232A (zh) 一种基于hog特征和颜色直方图特征的密度人群计数的方法
CN105095869A (zh) 行人检测方法及装置
CN105389561A (zh) 一种基于视频的公交车道检测方法
CN103745196A (zh) 广义行人检测方法和装置
CN102436578A (zh) 狗脸特征检测器的形成方法、狗脸检测方法及装置
CN103164697A (zh) 一种处理时间与识别精度自适应的车牌识别方法
CN110490150A (zh) 一种基于车辆检索的违章图片自动审核系统及方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 518000 Guangdong city of Shenzhen province Nanshan District two road Nantou Industrial Park building 30 4 mark of forward hot electrons building room 413

Applicant after: SHENZHEN BRILLIANTS SMART HARDWARE CO., LTD.

Address before: 518000 Guangdong city of Shenzhen province Nanshan District Taoyuan Road South South West Chang Hing Garden 25I

Applicant before: SHENZHEN WEIKE TECHNOLOGY CO., LTD.

COR Change of bibliographic data
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20150923