CN105046223A - 一种隧道入口“黑洞效应”严重程度的检测装置及方法 - Google Patents
一种隧道入口“黑洞效应”严重程度的检测装置及方法 Download PDFInfo
- Publication number
- CN105046223A CN105046223A CN201510410192.8A CN201510410192A CN105046223A CN 105046223 A CN105046223 A CN 105046223A CN 201510410192 A CN201510410192 A CN 201510410192A CN 105046223 A CN105046223 A CN 105046223A
- Authority
- CN
- China
- Prior art keywords
- black
- severity
- hole effect
- hole
- tunnel
- 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
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种隧道入口“黑洞效应”严重程度的检测装置，包括从洞口处向洞内延伸且呈等间距布置的若干个标靶、图像采集单元和处理单元；所述标靶通过支撑杆安装在隧道的路面上，所述图像采集单元设置在隧道洞口前方并朝向入口，用于采集入洞口处洞内外场景图像；所述处理单元与图像采集单元连接，用于处理图像采集单元获得的图像数据。本发明根据机器视觉识别出的标靶个数判断“黑洞效应”的严重程度，或根据机器视觉能识别标靶的最远距离来判断“黑洞效应”严重程度。本发明可用于隧道入口“黑洞效应”严重程度的评价，检测入口段照明情况是否满足规定的视觉安全需求，亦可用于隧道入口“黑洞效应”严重程度变化的长期监测，为入口段照明设施的自动控制及亮度调节提供客观依据。
Description
技术领域
本发明涉及交通安全技术，特别涉及一种隧道入口“黑洞效应”严重程度的检测方法。
背景技术
近年来，总量不断增加的隧道给交通管理和行车环境带来了诸多影响，尤其是处于大交通量路段的长隧道和特长隧道，安全形势十分严峻。由于隧道呈隐蔽带状结构，其交通事故的后果往往比隧道外的严重得多。目前，出入口事故多发已成为隧道交通事故的集中特点，原因之一是驾驶员在进出隧道的“暗适应”和“明适应”过程中，人眼所获取的前方视觉图像往往模糊不清。
就白天入口段而言，当车辆驶近隧道时，驾驶员因为“暗适应”从隧道外面难以看清入口段的真实路况，便会产生“黑洞”一样的视觉效果，这种现象一般称为“黑洞效应”。“黑洞效应”产生后，驾驶员在进入隧道瞬间无法看清前方障碍物甚至失去方向感，需经过短时间的暗适应过程才能恢复正常。这种情形下，倘若隧道里面靠近入口处存在行驶缓慢或者因故静止的车辆，隧道外车辆的快速驶入极易引发交通事故。例如，2011年4月14日12时40分，在户外阳光强烈的厦蓉排降隧道，一辆越野车受入口内外亮度差异影响，未能获取清晰的隧道内行车场景，驶入隧道100米左右后与前方慢速行驶的货车相撞，造成3死2重伤的交通事故。2013年3月1日13时45分，晋济岩后隧道入口处，一辆运煤车受“黑洞效应”影响，未能看清隧道入口段通行情况便违章变道驶入，与距离入口约100米的甲醇运输车相撞并发生火灾爆炸，最终引起40人遇难和多车被毁的重大损失。由此可知，隧道入口“黑洞效应”的客观评价，对引导车辆安全行驶具有重大意义。
针对上述隧道入口白天视觉安全性问题，飞秒光电科技公司申请了一种隧道入口用太阳光照明控制系统专利，控制反光镜始终以最优角度面向太阳光，使最强光线反射到隧道内加强照明。厦门格绿能光电公司申请了一种LED隧道灯系统及LED隧道灯的亮度控制方法专利，通过照度传感器采集天空照度，分析处理后实时调节隧道内部照明亮度。长安大学于2013年申请了一种公路隧道入口白天安全性提示装置及提示方法专利，由隧道内摄像机采集入口段车况图像信息，经单片机处理后向隧道外提供警示信息。以上专利的侧重点或是加强隧道内部的照明条件，或是反映隧道入口段车况信息，即在现有相关技术中，均未涉及隧道入口处“黑洞效应”严重程度的检测方法。
发明内容
鉴于此，本发明的目的是提供一种隧道入口“黑洞效应”严重程度的检测装置及方法，本发明利用机器视觉对“黑洞效应”严重程度进行评价，具有结构简单、自动化处理、评价结果客观、接近人类视觉主观感受等优点。
本发明的目的之一是通过以下技术方案实现的，一种隧道入口“黑洞效应”严重程度的检测装置，包括从洞口处向洞内延伸且呈等间距布置的若干个标靶、图像采集单元和处理单元；所述标靶安装在隧道的路面上，所述图像采集单元设置在隧道洞口前方并朝向入口，用于采集入洞口处洞内外场景图像；所述处理单元与图像采集单元连接，用于处理图像采集单元获得的图像数据。
优选的，所述标靶为圆形，直径为10cm～50cm，标靶距离地面高度为10cm～150cm。
优选的，所述标靶的数目M为1～10个。
优选的，所述图像采集单元距离隧道入口20～至250m，距离路面1.5m～2m。
本发明的目的之二是通过以下技术方案实现的，一种隧道入口“黑洞效应”严重程度的检测方法，包括以下步骤：
S1.获取包含洞口完整轮廓和入口段路面场景的灰度图像；
S2.根据灰度图像确定洞口轮廓的位置；
S3.选取包括所有标靶的区域作为感兴趣区域，根据感兴趣区域分离获得相应的感兴趣区域二值边缘图像；
S4.从相应的感兴趣区域的二值边缘图像中识别出标靶的个数N；
S5.根据识别出的标靶个数判断“黑洞效应”的严重程度，采用[0,1]范围内的系数p表示“黑洞效应”的严重程度，计算公式为p＝(M－N)/M，p取值越大说明隧道入口处的“黑洞效应”越严重，M表示标靶的数目。
另一种方法是：根据机器视觉能识别标靶的最远距离来判断“黑洞效应”严重程度。
优选的，所述步骤S2包括以下子步骤：
S21.对获取的灰度图像进行滤波去噪、边缘检测和二值化处理，得到二值边缘图像；
S22.依据Hough变换圆检测原理，将二值边缘图像的所有非零像素，从图像空间映射到参数空间，统计以(a1,b1)为圆心、r1为半径的像素数目，结果保存在数组S1[a1][b1][r1]中；
S23查找数组S1取得最大值的索引进而由圆心和半径描述入洞口轮廓的位置。
优选的，所述步骤S4包括以下子步骤：
S41.标靶的靶面轮廓均为圆形，对相应的感兴趣区域的二值边缘图像中的非零像素进行Hough变换，统计以(a2,b2)为圆心、r2为半径的像素数目，结果保存在数组S2[a2][b2][r2]中；
S42.查找数组S2[a2][b2][r2]中与周长2πr2之比大于给定阈值的数组元素，存放在新的数组T[a2][b2][r2]中；
S43.对数组T[a2][b2][r2]的元素进行分类操作，使处于同一类里面的元素共同描述一个标靶靶面的圆形轮廓，分类数目N便等于从图像中识别出的标靶个数。
优选的，在步骤S1中，当采集的原始图像为彩色图像时，使用加权值法将其转换成灰度图像，像素红分量的权值为0.30，像素绿分量的权值为0.59，像素蓝分量的权值为0.11。
优选的，在步骤S3中，感兴趣区域是以(a0,b0)为中心、纵向高度横向宽度的矩形。
优选的，在步骤S43中，当数组T[a2][b2][r2]中的元素与候选类中的任一元素至少同时满足以下两个条件时，则T[a2][b2][r2]属于该候选类：①(a2,b2)与之间的直线距离小于r2和中的最小值r2min；②r2减去的绝对值与r2min的比值小于设定阈值。
由于采用了上述技术方案，本发明具有如下的优点：
本发明采用机器视觉分析布置在入口段路面的若干个自制标靶的可视性，并以归一化的系数或根据机器视觉能识别标靶的最远距离来判断“黑洞效应”严重程度，具有结构简单、自动化处理、评价结果客观、接近人类视觉主观感受等优点。本发明可用于“黑洞效应”严重程度的评价，检测入口段照明情况是否满足规定的视觉安全需求，亦可用于隧道入口“黑洞效应”严重程度变化的长期监测，为入口段照明设施的自动控制及亮度调节提供客观依据。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
图1是本发明的隧道入口“黑洞效应”严重程度检测装置示意图；
图2是本发明的隧道入口“黑洞效应”严重程度检测方法中图像感兴趣区域选取示意图；
图3是本发明的另一种隧道入口“黑洞效应”严重程度检测装置示意图。
具体实施方式
以下将结合附图，对本发明的优选实施例进行详细的描述；应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。
如图1所示，一种隧道入口“黑洞效应”严重程度的检测装置，包括标靶1、图像采集单元2和处理单元(便携式计算机3)；其中，所述标靶的靶面外形为圆形，从洞口开始向洞内等间距布置，所述标靶通过支撑杆安装在隧道路面上；为了获得更优的效果，标靶竖直安装在中央车道线上。所述图像采集单元具有千万以上有效像素的数字相机，设置在隧道入口洞外前方并朝向入口，用于采集入口处洞内外场景图像；所述便携式计算机具备工业相机接口和液晶显示屏，且处理器、内存、显卡等方面的配置满足数字图像处理和评价结果显示的需求。
优选的，所述标靶靶面的颜色为白色、直径10cm至50cm、安装高度10cm至150cm，布置的标靶数目M为1个至10个。
优选的，所述数字相机的安装距离为距隧道入口20m至250m，高度为1.5m～2m。
基于上述装置，本发明还提供一种隧道入口“黑洞效应”严重程度的评价方法，包含如下步骤：
S1.获取包含入洞口完整轮廓和入口段路面场景的灰度图像；在隧道入口附近无运动目标时，获取包含入洞口完整轮廓和入口段路面场景的灰度图像并传输到便携式计算机，入口段路面的各个标靶在图像中的成像互不遮挡。
当相机采集的原始图像为彩色图像时，使用加权值法将其转换成灰度图像，像素红分量的权值为0.30，像素绿分量的权值为0.59，像素蓝分量的权值为0.11。
S2.根据灰度图像确定入洞口轮廓的位置；
a.便携式计算机对获取的灰度图像进行滤波去噪、边缘检测和二值化处理，得到二值边缘图像；
b.隧道入洞口轮廓是图像中最长的一段圆弧，依据Hough变换圆检测原理，将二值边缘图像的所有非零像素，从图像空间映射到参数空间，统计以(a1,b1)为圆心、r1为半径的像素数目，结果保存在数组S1[a1][b1][r1]中；
c.查找数组S1取得最大值的索引进而由圆心和半径描述入洞口轮廓的准确位置。
S3.选取包括所有标靶的区域作为感兴趣区域，根据感兴趣区域分离获得相应的感兴趣区域二值边缘图像；选取包含圆心的一定矩形区域作为感兴趣区域，布置在入口段路面的自制标靶完全处于所述感兴趣区域内。感兴趣区域是以(a0,b0)为中心、纵向高度横向宽度上下两条边水平的矩形。在二值边缘图像中，根据感兴趣区域分离获得相应的感兴趣区域二值边缘图像，避免其他区域图像对后续识别处理的干扰。
S4.从相应的感兴趣区域的二值边缘图像中识别出标靶的个数；
a.自制标靶的靶面轮廓均为圆形，对感兴趣区域二值边缘图像中的非零像素进行Hough变换，统计以(a2,b2)为圆心、r2为半径的像素数目，结果保存在数组S2[a2][b2][r2]中；
b.查找数组S2[a2][b2][r2]与周长2πr2之比大于给定阈值的数组元素，存放在新的数组T[a2][b2][r2]中，数组T的元素个数反映了图像中可能存在的圆形轮廓数；
c.对数组T的元素进行分类操作，使处于同一个类里面的元素共同描述一个特定自制标靶靶面的圆形轮廓，分类数目N便等于便携式计算机从图像中识别出的自制标靶个数；当数组T[a2][b2][r2]与候选类中的任一元素至少同时满足以下两个条件时，才认为T[a2][b2][r2]属于该候选类：①(a2,b2)与之间的直线距离小于r2和中的最小值r2min；②r2减去的绝对值与r2min的比值小于设定阈值。若分类过程中发现T[a2][b2][r2]不属于任何一个已有类，则把它划入一个新的分类中。
S5.根据识别出的标靶个数判断“黑洞效应”的严重程度，采用[0,1]范围内的系数p表示“黑洞效应”的严重程度，计算公式为p＝(M－N)/M，p取值越大说明隧道入口处的“黑洞效应”越严重。
在本实施中，还提供另一种判别“黑洞效应”严重程度的方法：根据机器视觉能识别标靶的最远距离d来判断“黑洞效应”严重程度。以下表为例(假设公路设计速度为80Km/h)。
本发明可用于隧道“黑洞效应”严重程度的评价，检测入口段照明情况是否满足规定的视觉安全需求，亦可用于隧道入口“黑洞效应”严重程度变化的长期监测，为入口段照明设施的自动控制及亮度调节提供客观依据。
以上所述仅为本发明的优选实施例，并不用于限制本发明，显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种隧道入口“黑洞效应”严重程度的检测装置，其特征在于：包括从洞口处向洞内延伸且呈等间距布置的若干个标靶(1)、图像采集单元(2)和处理单元(3)；所述标靶安装在隧道的路面上，所述图像采集单元设置在隧道洞口前方并朝向入口，用于采集入洞口处洞内外场景图像；所述处理单元与图像采集单元连接，用于处理图像采集单元获得的图像数据。
2.根据权利要求1所述的隧道入口“黑洞效应”严重程度的检测装置，其特征在于：所述标靶为圆形，直径为10cm～50cm，标靶距离地面高度为10cm～150cm。
3.根据权利要求1所述的隧道入口“黑洞效应”严重程度的检测装置，其特征在于：所述标靶的数目M为1～10个。
4.根据权利要求1所述的隧道入口“黑洞效应”严重程度的检测装置，其特征在于：所述图像采集单元距离隧道入口20～250m，距离路面1.5m～2m。
5.一种隧道入口“黑洞效应”严重程度的检测方法，其特征在于：包括以下步骤：
S1.获取包含洞口完整轮廓和入口段路面场景的灰度图像；
S2.根据灰度图像确定洞口轮廓的位置；
S3.选取包括所有标靶的区域作为感兴趣区域，根据感兴趣区域分离获得相应的感兴趣区域二值边缘图像；
S4.从相应的感兴趣区域的二值边缘图像中识别出标靶的个数N；
S5.根据识别出的标靶个数判断“黑洞效应”的严重程度，采用[0,1]范围内的系数p表示“黑洞效应”的严重程度，计算公式为p＝(M－N)/M，p取值越大说明隧道入口处的“黑洞效应”越严重，M表示标靶的数目。
6.根据权利要求5所述的隧道入口“黑洞效应”严重程度的检测方法，其特征在于：所述步骤S2包括以下子步骤：
S21.对获取的灰度图像进行滤波去噪、边缘检测和二值化处理，得到二值边缘图像；
S22.依据Hough变换圆检测原理，将二值边缘图像的所有非零像素，从图像空间映射到参数空间，统计以(a1,b1)为圆心、r1为半径的像素数目，结果保存在数组S1[a1][b1][r1]中；
S23查找数组S1取得最大值的索引进而由圆心和半径描述入洞口轮廓的位置。
7.根据权利要求5隧道入口“黑洞效应”严重程度的检测方法，其特征在于：所述步骤S4包括以下子步骤：
S41.标靶的靶面轮廓均为圆形，对相应的感兴趣区域的二值边缘图像中的非零像素进行Hough变换，统计以(a2,b2)为圆心、r2为半径的像素数目，结果保存在数组S2[a2][b2][r2]中；
S42.查找数组S2[a2][b2][r2]中与周长2πr2之比大于给定阈值的数组元素，存放在新的数组T[a2][b2][r2]中；
S43.对数组T[a2][b2][r2]的元素进行分类操作，使处于同一类里面的元素共同描述一个标靶靶面的圆形轮廓，分类数目N便等于从图像中识别出的标靶个数。
8.根据权利要求5隧道入口“黑洞效应”严重程度的检测方法，其特征在于：在步骤S1中，当采集的原始图像为彩色图像时，使用加权值法将其转换成灰度图像，像素红分量的权值为0.30，像素绿分量的权值为0.59，像素蓝分量的权值为0.11。
9.根据权利要求5隧道入口“黑洞效应”严重程度的检测方法，其特征在于：在步骤S3中，感兴趣区域是以(a0,b0)为中心、纵向高度横向宽度的矩形。
10.根据权利要求5隧道入口“黑洞效应”严重程度的检测方法，其特征在于：在步骤S43中，当数组T[a2][b2][r2]中的元素与候选类中的任一元素至少同时满足以下两个条件时，则T[a2][b2][r2]属于该候选类：①(a2,b2)与之间的直线距离小于r2和中的最小值r2min；②r2减去的绝对值与r2min的比值小于设定阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510410192.8A CN105046223B (zh) | 2015-07-10 | 2015-07-10 | 一种隧道入口“黑洞效应”严重程度的检测装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510410192.8A CN105046223B (zh) | 2015-07-10 | 2015-07-10 | 一种隧道入口“黑洞效应”严重程度的检测装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105046223A true CN105046223A (zh) | 2015-11-11 |
| CN105046223B CN105046223B (zh) | 2018-09-18 |
Family
ID=54452752
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510410192.8A Active CN105046223B (zh) | 2015-07-10 | 2015-07-10 | 一种隧道入口“黑洞效应”严重程度的检测装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105046223B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108010012A (zh) * | 2017-10-26 | 2018-05-08 | 厦门市智联信通物联网科技有限公司 | 隧道入口黑洞效应评价方法、系统及智能照明控制系统 |
| CN109300160A (zh) * | 2018-09-18 | 2019-02-01 | 上海市建筑科学研究院 | 一种智能的隧道黑洞效应的快捷检测方法 |
| CN109455187A (zh) * | 2019-01-30 | 2019-03-12 | 新誉轨道交通科技有限公司 | 列车压力波控制方法、装置以及电子设备 |
| CN114980405A (zh) * | 2022-05-20 | 2022-08-30 | 兰州交通大学 | 一种基于机器视觉识别车流特征的云计算隧道照明智能控制系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1852428A (zh) * | 2006-05-25 | 2006-10-25 | 浙江工业大学 | 基于全方位计算机视觉的智能隧道安全监控装置 |
| CN201301435Y (zh) * | 2008-11-05 | 2009-09-02 | 贵州省高等级公路管理局 | 高速公路隧道示警柱装置 |
| CN103313039A (zh) * | 2013-05-29 | 2013-09-18 | 长安大学 | 一种高速公路隧道入口白天安全性提示装置及提示方法 |
| CN203289566U (zh) * | 2013-05-29 | 2013-11-13 | 长安大学 | 一种高速公路隧道入口白天安全性提示装置 |
| CN104537636A (zh) * | 2014-10-29 | 2015-04-22 | 招商局重庆交通科研设计院有限公司 | 隧道入口“黑洞效应”的图像检测方法 |
-
2015
- 2015-07-10 CN CN201510410192.8A patent/CN105046223B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1852428A (zh) * | 2006-05-25 | 2006-10-25 | 浙江工业大学 | 基于全方位计算机视觉的智能隧道安全监控装置 |
| CN201301435Y (zh) * | 2008-11-05 | 2009-09-02 | 贵州省高等级公路管理局 | 高速公路隧道示警柱装置 |
| CN103313039A (zh) * | 2013-05-29 | 2013-09-18 | 长安大学 | 一种高速公路隧道入口白天安全性提示装置及提示方法 |
| CN203289566U (zh) * | 2013-05-29 | 2013-11-13 | 长安大学 | 一种高速公路隧道入口白天安全性提示装置 |
| CN104537636A (zh) * | 2014-10-29 | 2015-04-22 | 招商局重庆交通科研设计院有限公司 | 隧道入口“黑洞效应”的图像检测方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108010012A (zh) * | 2017-10-26 | 2018-05-08 | 厦门市智联信通物联网科技有限公司 | 隧道入口黑洞效应评价方法、系统及智能照明控制系统 |
| CN109300160A (zh) * | 2018-09-18 | 2019-02-01 | 上海市建筑科学研究院 | 一种智能的隧道黑洞效应的快捷检测方法 |
| CN109455187A (zh) * | 2019-01-30 | 2019-03-12 | 新誉轨道交通科技有限公司 | 列车压力波控制方法、装置以及电子设备 |
| CN114980405A (zh) * | 2022-05-20 | 2022-08-30 | 兰州交通大学 | 一种基于机器视觉识别车流特征的云计算隧道照明智能控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105046223B (zh) | 2018-09-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101656023B (zh) | 一种视频监视模式下的室内停车场管理方法 | |
| CN110197589B (zh) | 一种基于深度学习的闯红灯违法检测方法 | |
| CN106652468B (zh) | 车辆道路前车违规检测和自车违规预警提醒装置及方法 | |
| US6411328B1 (en) | Method and apparatus for traffic incident detection | |
| US7566851B2 (en) | Headlight, taillight and streetlight detection | |
| US8064643B2 (en) | Detecting and recognizing traffic signs | |
| KR101671428B1 (ko) | 지능형 교차로 위법 차량 감시 시스템 | |
| CN103778786B (zh) | 一种基于显著车辆部件模型的交通违章检测方法 | |
| CN103400111B (zh) | 基于视频检测技术的高速公路隧道火灾事件检测方法 | |
| CN113276769A (zh) | 车辆盲区防撞预警系统及方法 | |
| CN101739809A (zh) | 行人闯红灯自动报警监控系统 | |
| KR101780320B1 (ko) | 지능형 다기능 영상 감시 시스템 | |
| CN105512720A (zh) | 一种公交车辆客流统计方法和系统 | |
| CN201307337Y (zh) | 行人闯红灯自动报警监控装置 | |
| CN106778534B (zh) | 一种车辆行驶中周围环境灯光识别方法 | |
| CN105654734A (zh) | 车辆违章行为的数据处理方法及装置 | |
| CN105046223A (zh) | 一种隧道入口“黑洞效应”严重程度的检测装置及方法 | |
| CN102867417A (zh) | 一种出租车防伪系统及方法 | |
| CN104537636B (zh) | 隧道入口“黑洞效应”的图像检测方法 | |
| CN111783700B (zh) | 一种路面异物自动识别预警方法和系统 | |
| CN112466159A (zh) | 一种大型车辆右转弯安全性预警系统 | |
| CN104992160A (zh) | 一种重型卡车夜间前方车辆检测方法 | |
| KR101026852B1 (ko) | 주정차위반 검지 시스템 및 방법 | |
| TR201812156A2 (tr) | Plaka tanima si̇stemi̇ kamera görüntüleri̇ kullanilarak ön koltuk yolcu kapasi̇tesi̇ i̇hlal tespi̇t yöntemi̇ | |
| CN103680148A (zh) | 一种出租车识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220727 Address after: 400060 building 16, No.33 Xuefu Avenue, Nan'an District, Chongqing Patentee after: CHINA MERCHANTS CHONGQING HIGHWAY ENGINEERING TESTING CENTER Co.,Ltd. Patentee after: CHINA MERCHANTS CHONGQING COMMUNICATIONS RESEARCH & DESIGN INSTITUTE Co.,Ltd. Address before: 400067 No. 33, Xuefu Avenue, Nan'an District, Chongqing Patentee before: CHINA MERCHANTS CHONGQING COMMUNICATIONS RESEARCH & DESIGN INSTITUTE Co.,Ltd. |