CN105046948A - 一种黄色网格线区域内交通违章停车监测系统和方法 - Google Patents
一种黄色网格线区域内交通违章停车监测系统和方法 Download PDFInfo
- Publication number
- CN105046948A CN105046948A CN201510236030.7A CN201510236030A CN105046948A CN 105046948 A CN105046948 A CN 105046948A CN 201510236030 A CN201510236030 A CN 201510236030A CN 105046948 A CN105046948 A CN 105046948A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- industrial control
- control computer
- monitoring system
- regulations
- 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
Abstract
本发明公开了一种黄色网格线区域内交通违章停车监测系统,包括,高清摄像机、补光灯、工业控制计算机、网络设备和计算机监测系统;摄像机与补光灯设置安装在监测路段的龙门架上,工业控制计算机设置安装在路旁的供电箱内,高清摄像机、补光灯与工业控制计算机通过网线电连接,工业控制计算机经网络设备与计算机监测系统通过网线电连接,工业控制计算机接收高清摄像机的拍摄数据,同时进行违章车辆的车牌识别;有益效果是,由于在图像分割与识别过程中,选用二值形态学的算法,有效滤除树木、行人和其他机动车辆的干扰,抗噪性能佳;采取优化的图像处理方法,可同时监测四个车道的黄色网格线区域的违章停车行为,识别率、准确率、实时性能高。
Description
技术领域
本发明涉及一种违章停车监测系统和方法;特别是涉及一种黄色网格线内违章停车的监测系统和方法。
背景技术
交通违章停车行为,是造成交通事故,交通拥堵的主要原因之一,也是交通管理、处罚的重点之一。大、中型城市交通路口多,流量大,针对该情况,交通管理部门在道路交口中央部分区域上有规划出黄色网格线标线,部分地区交管部门规定:车辆在黄色网格线区域内的静止停留时间不得超过10秒种,以免影响其它方向车辆的正常行驶。为避免交通堵塞,以及交通拥堵造成的安全隐患,因此,建立黄色网格线区域内交通违章停车自动监测系统非常必要。基于视频监控的违章停车监测方法具有效率高、实时性能好、成本低、证据易于收集等诸多优点。目前,基于视频监控实现的对目标的提取算法,由于没有对行人和其他机动车辆等目标进行滤除,在很大程度上导致误报警率的增加。
发明内容
本发明所要解决的技术问题是,提供一种性能稳定、可靠,准确率高的黄色网格线区域内的违章停车自动监测系统和方法。
本发明所采用的技术方案是,一种黄色网格线区域内交通违章停车监测系统,其特征在于,包括,高清摄像机、补光灯、工业控制计算机、网络设备和计算机监测系统;所述摄像机与补光灯设置安装在监测路段的龙门架上,所述工业控制计算机设置安装在路旁的供电箱内,所述高清摄像机、补光灯与工业控制计算机通过网线电连接,所述工业控制计算机经网络设备与计算机监测系统通过网线电连接,所述工业控制计算机接收高清摄像机的拍摄数据,同时进行违章车辆的车牌识别。
所述的网络设备为光端机和网络;使用一台高清摄像机即可监测四个车道上的车辆。
所述计算机监测系统采用的软件,主要包括,摄像机控制模块、违章停车检测功能模块和分区功能模块;其中,摄像机控制模块,将待检测地点的实时画面进行采集;分区功能模块,对其中任意一张图片进行分块操作,每一块将作为后续图像处理和识别单位,能够同时实现四车道多个区域同时检测;违章停车检测功能模块,对采集的图像进行处理,包括,背景提取与更新、图像分割与识别和违章检测与记录。
实现所述的黄色网格线内违章停车监测系统的方法,包括以下步骤,
A、背景提取与更新,用直方图法提取系列运动图像帧的背景;
B、进行图像分割与识别,
对A中图像进行灰度化处理,即,只对灰度图像进行处理;
当前帧减去背景帧,得到运动物体区域,并用矩形框标记出运动车辆和存在的阴影区域;
将差分图转换为二值图;
利用二值形态学算法,除去白色像素数目少于800的8连通区域;
C、进行违章检测与记录,
根据B对目标进行模式匹配,得到模式匹配区域;
下一幅图像输入时,判断模式匹配区域中像素的变化,目标车辆像素变化数量小于30%,认定该车辆处于停止状态,则将该车信息加入违章链表数组,并更新计数器;当时间计数器计数T<10时,如果车辆位置发生移动,则清除该车违章档案信息;当时间计数器计数T>10秒时,置违章标志为1,记下违章时间,标记该违章车辆,最后清除违章链表记录;当该车辆即将驶离区域时,启动摄像头近景,抓拍车辆牌照,将车辆的十五秒钟违章停车的动态录像和近景图片保存在硬盘中。
本发明的有益效果是,由于在图像分割与识别过程中,选用二值形态学的算法,有效滤除树木、行人和其他机动车辆的干扰,抗噪性能佳;另外,采取优化的图像处理方法,可同时监测四个车道的黄色网格线区域的违章停车行为,识别率、准确率、实时性能高。
附图说明
图1是本发明违章停车监测系统框图;
图2是本发明违章停车监测软件系统组成框图;
图3是本发明利用统计直方图法提取运动图像背景;
图4是本发明利用背景差分法进行车辆目标检测的原理图;
图5a-图5d是本发明图像分割与识别过程中将图像二值化的过程图;
图6是本发明消除图像抖动过程中基于图像匹配的方法示意图;
图7a和图7b是本发明车辆违章识别算法流程图;
图8是本发明车辆违规的监测结果;
图9是本发明匹配跟踪算法流程图;
图10是本发明分区示例图;
图11是本发明四张违章记录拼接成图片示例;
图12是本发明建立违章嫌疑数组的流程图。
图中:
10、高清摄像机20、补光灯
30、工业控制计算机40、网络设备
50、计算机监测系统。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细说明:
如图1所示,本发明黄色网格线区域内交通违章停车监测系统,包括,高清摄像机10、补光灯20、工业控制计算机30、网络设备40和计算机监测系统50;所述摄像机10与补光灯20设置安装在监测路段的龙门架上,所述工业控制计算机30设置安装在路旁的供电箱内,所述高清摄像机10、补光灯20与工业控制计算机30通过网线电连接,所述工业控制计算机30经网络设备40与计算机监测系统50通过网线电连接。所述工业控制计算机30接收高清摄像机10的拍摄数据,同时进行违章车辆的车牌识别。高清摄像机10包括拍摄远景和近景,远景以整个黄色网格线区域为主要场景,近景针对违章的一辆机动车的包括牌照的前部或后部图像。摄像机焦距调整应满足对黄网格边界处区域的清晰拍摄,便于清晰抓拍车辆片牌照;保证监视的视场能够覆盖行使的车道。所述的网络设备40为光端机和网络;使用一台高清摄像机10即可监测四个车道上的车辆。
图2是本发明违章停车监测系统的软件组成框图,如图2所示,所述计算机监测系统50采用的软件,主要包括,摄像机控制模块、违章停车检测功能模块和分区功能模块;其中,摄像机控制模块,将待检测地点的实时画面进行采集,将图像数据传输到工业控制计算机30的显示卡和内存中,可直接显示在屏幕上或通过位图函数将图像显示在计算机的屏幕上。违章停车检测功能模,对采集的图像进行处理,包括,背景提取与更新、图像分割与识别和违章检测与记录。分区功能模块,对其中任意一张图片进行分块操作,每一块将作为后续图像处理和识别单位,能够同时实现四车道多个区域同时检测;还包括,总控制进程模块、图片加密与注释功能模块和违章记录生成模块。
总控制进程模块,主要用来在工作时段内调用高清摄像机10的控制和违章停车检测功能模块,并实时检测目标硬盘的容量变化,如果硬盘容量不足及时清理过期数据文件。
图片分区功能模块,主要完成图片的分区操作。将每张图片分成一定数量矩形区域块,每一块将作为后续图像处理和识别单位,此种方案不仅能有效提高识别效率,而且,能同时实现四个车道的多个区域同时检测。
图片加密和注释功能模块主要完成在最终存取的违章记录上完成隐形水印加密和时间、地点的注释,以防止违章记录被后期篡改。如图11中顶部的字体部分,程序中自动读取配置文件中的地点,生成TXT格式的汉子点阵。
实现黄色网格线内违章停车监测系统的方法,包括以下步骤,
A、背景提取与更新,用直方图法提取系列运动图像帧的背景;
B、进行图像分割与识别,
对A中图像进行灰度化处理,即,只对灰度图像进行处理;
当前帧减去背景帧,得到运动物体区域,并用矩形框标记出运动车辆和存在的阴影区域;
将差分图转换为二值图;
利用二值形态学算法,除去白色像素数目少于800的8连通区域;
C、进行违章检测与记录,
根据B对目标进行模式匹配,得到模式匹配区域;
下一幅图像输入时,判断模式匹配区域中像素的变化,目标车辆像素变化数量小于30%,认定该车辆处于停止状态,则将该车信息加入违章链表数组,并更新计数器;当时间计数器计数T<10时,如果车辆位置发生移动,则清除该车违章档案信息;当时间计数器计数T>10秒时,置违章标志为1,记下违章时间,标记该违章车辆,最后清除违章链表记录;当该车辆即将驶离区域时,启动摄像头近景,抓拍车辆牌照,将车辆的十五秒钟违章停车的动态录像和近景图片保存在硬盘中。
图3是本发明利用统计直方图法提取运动图像背景;如图3所示,用直方图法提取系列运动图像帧的背景,机动车辆在一般道路正常行驶情况下,在图像中路面上某一点被机动车长时间覆盖的可能性不大,形成亮度不同的可能性就高,因此,统计在一段时间内各像素点上不同亮度出现的次数,其中出现次数最多的亮度值,即直方图中的最大值就是路面上这个像素的本身的亮度值;直方图展示直观、便于分析。
图4是本发明利用背景差分法进行车辆目标检测的原理图。设Bi为图像背景,fi为当前帧图像,差分图像为Di,则:
Di(x,y)=|fi(x,y)-Bi-1(x,y)|
设Ri为差分后二值化图像。对Ri进行连通性分析,当某一连通的区域的面积大于一定的阈值,则认为检测到目标出现,并认为这个连通的区域就是检测到的目标图像。
其中,T为设定的阈值。
图5a-图5d是本发明图像分割与识别过程中将图像二值化的过程图,如图5a-图5d所示,其中,图5a是背景图,图5b是当前图,图5c是差分图,图5d是二值化图;首先,对图像进行灰度化处理,即,只对灰度图像进行处理。为了辨识和分析目标,需要将有关区域分离提取出来,在此基础上对区域进一步利用。把图像分成各具特性的区域并提取出感兴趣目标的技术和过程就是图像分割。本发明的背景差法基于运动视频,首先,利用直方图法得到运动图像背景,然后,用当前帧减去背景帧,得到运动物体区域,并用矩形框标记出感兴趣区域,即,运动车辆和可能存在的阴影,在以后的运算中,只针对这一小部分图像进行,不仅直观明确,而且,大大的减少了计算量;然后,采用迭代阈值分割法将差分图转换为二值图;得到二值图后,实际道路中干扰很多,包括自然场景(树叶等)和行人等干扰,二值图中噪声影响很大,对此,采用二值形态学的算法,即,除去白色像素数目少于800的8连通区域,从而除去噪声干扰。
图6是本发明消除图像抖动过程中基于图像匹配的方法示意图;如图6所示,车辆监控系统中的图像抖动会严重影响车辆的识别和跟踪。本发明利用软件来消除图像抖动。为了不影响系统的实时性,本发明采用基于图像匹配的方法,对于只含有平移和微小旋转的图像序列具有较高的检测精度。
在进行抖动消除之前需要将每帧彩色图像转换为灰度图像。假设每帧图像水平、垂直方向像素数分别为S、T。建立基准帧坐标系OXY,原点位于基准帧左上角,X轴水平向右,Y轴垂直向下。如图所示实心框代表基准帧中匹配区域,虚线框代表搜索框,搜索框在一定范围内移动寻找匹配区域。开始处理前将匹配区域在基准帧中的像素灰度值及左上角坐标(x0,y0)保存到内存中,并且设置偏移偏移量为(δx,δy)初值是(0,0),运动趋势为(βx,βy),βx和βy取+1时分别表示向右、向下运动,取-1时分别表示向左、向上运动;运动趋势的初值可以任意选取,假设为(+1,+1)。开始处理后,假设对任一帧图像已经求得上一帧中匹配区域的(δx,δy)和(βx,βy),搜索最佳匹配的步骤是:
①根据上一帧的偏移量预测搜索起点。令第1个子图左上角在当前帧坐标系里的坐标(X,Y)满足X=x0+δx,Y=y0+δy然后按照绝对差值和法求其与匹配区域的相似程度测度函数值,即
式中,(X,Y)为子图左上角在当前帧坐标系里的坐标;D(X,Y)为子图与匹配区域的相似程度测度函数值;M、N分别为匹配区域水平、垂直方向像素数;(X,Y)为子图与匹配区域中的对应像素在各自坐标系里的坐标;g(x,y)和g0(x,y)分别为子图与匹配区域中对应像素的灰度。
②进行水平方向的搜索。Y保持上一步的值不变,根据βx预测下一个子图的X,即令X=X+βx,按照式(1)重新计算测度函数值。若测度函数值变小或不变,说明搜索方向正确,根据βx规定的方向继续搜索,直到测度函数值即将变大。若测度函数值变大,说明搜索方向错误,退回原位置,βx=-βx,并根据新的βx规定的方向搜索,直到测度函数值即将变大。在搜索过程中若超出搜索范围则停止,认为搜索失败。
③进行垂直方向的搜索。类似于步骤②,不同的是将X、Y和βx分别换成Y、X和βy。
④重复步骤②和步骤③,直到X和Y不再改变。若重复次数超过给定值,也认为搜索失败。允许的重复次数需要根据运行时间和处理效果综合确定。
图7a和图7b是本发明车辆违章识别算法流程图;如图7a和图7b所示,当前帧与背景差分得到变化区域,生成二值化模板去除噪声,利用形态学标记操作监测出车辆位置,在下一帧进行匹配,判断是否匹配成功,当匹配成功时计数器开始计数,当大于设定值时判定违章并输出结果;当计数器小于设定值时返回继续进行匹配;匹配不成功时返回变化区域,通过上述方法进行循环识别。
图8是本发明车辆违规的监测结果;如图8所示,在黄色网格线区域内检测出车辆后,对是否违章进行判定,判断车辆违章之后,则进行车辆的跟踪,在驶离拍摄区域时抓拍车辆拍照。
图9是本发明匹配跟踪算法流程图;如图9所示,对得到的二值化图像进行标记,获得若干目标区域。对每一个目标区域求取外接矩形,得到模式匹配区域,求取矩形中心点坐标。下一幅图像输入时,判断目标区域中像素数量的变化,如果像素数量的变化小于阈值,该车辆处于停止状态,开始计时,迭代匹配,当计数器到达一定时间时,标记车辆违章,对车辆进行跟踪,本技术方案采用像素的变化数量小于30%时,车辆处于停止状态,时间计数器达到10秒时,置违章标志为1,记下违章时间,标记该违章车辆;黄色网格线区域内违章监测系统采用近景,远景拍摄配合工作,跟踪监测目标中心点的变化,如果中心点接近黄网格边界,则开启摄像头近景模式拍摄车头近景,进行牌照识别,保存结果,作为处罚肇事车辆依据。违章记录包含:违章地点、违章时间、违章类型、违章车辆牌照号、一段违章动态全景视频和近景车头或车尾牌照图像。
图10是本发明分区示例图;如图10所示,高清摄像机10对准路口禁止停车的黄色网格线区域,通过摄像头采集监测图像,由分区功能模块对其中任意一张图片进行分块操作,每一块将作为后续图像处理和识别单位,能有效提高识别效率,且能同时实现四车道多个区域同时检测。在分区操作界面下,程序自动生成7分区或11分区。如果示例分区不满足要求,用户可以手动改写分区模式,输入分区数,拖动方框,以恰好覆盖检测区域为宜。分区完成,程序自动保存分区信息,写入配置文件。
图11是本发明违章嫌疑车辆数组的建立过程图,如图11所示,由分区功能模块对其中任意一张图片进行分块操作,每一块将作为后续图像处理和识别单位。设分区数设置为N,则在程序中建立N维链表数组R(N),其中R(i)为对应第i个分区中的违章车辆信息档案,链表中保留目标区域(矩形区域)第一次出现的位置坐标、像素均值和车辆滞留时间T。
原始检测区域的位置坐标和像素均值求取的具体过程为:首先利用OpenCV库提供的cvFindContours()函数获得这个二值化图像的轮廓,然后用cvBoundingRect()函数计算出这个轮廓的“外接矩形”,这个矩形记为rect,那么这个矩形的位置和长宽分别为X=rect.x,Y=rect.y,M=rect.width,N=rect.height。位置坐标选取矩形区域中心点坐标,记位置坐标为(px,py),计算公式如式2
矩形区域像素均值C的求取如式3所示,其中g(x,y)为点(x,y)处的像素值。
程序中循环计算每一帧图像目标区域的位置坐标和像素均值,若像素均值变化小于30%时,认为车辆处于停止状态,时间计数T自增1,直至T=10。
当T>10时,标记该车辆,判为违章,当车辆中心点接近黄色网格线区域边缘时,启动摄像机近景拍照,同时清除保留该车信息的链表信息;进行车牌照识别,将车牌信息保存至程序中设置的静态字符数组中,以便其余的分区进行比对,避免重复识别;程序中自动生成以违章时间地点和违章车牌号命名的文件夹,确定车辆违章后,向该文件夹中拷贝指定数量的违章过程图像和图片作为事后执法依据;程序中自动生成一张由车辆违章过程中四张图片拼接成的图片,如图12所示,可以作为事后违章验证图片。四张图片分别为包含车牌照的近景图、车辆开始违章停车图、确定违章图(第10秒)、违章中间时刻图。
本发明由于在图像分割与识别过程中,选用二值形态学的算法,有效滤除树木、行人和其他机动车辆的干扰,抗噪性能佳;另外,采取优化的图像处理方法,可同时监测四个车道的黄色网格线区域的违章停车行为,识别率、准确率、实时性能高。
Claims (4)
1.一种黄色网格线区域内交通违章停车监测系统,其特征在于,包括,高清摄像机(10)、补光灯(20)、工业控制计算机(30)、网络设备(40)和计算机监测系统(50);所述摄像机(10)与补光灯(20)设置安装在监测路段的龙门架上,所述工业控制计算机(30)设置安装在路旁的供电箱内,所述高清摄像机(10)、补光灯(20)与工业控制计算机(30)通过网线电连接,所述工业控制计算机(30)经网络设备(40)与计算机监测系统(50)通过网线电连接,所述工业控制计算机(30)接收高清摄像机(10)的拍摄数据,同时进行违章车辆的车牌识别。
2.根据权利要求1所述的黄色网格线内违章停车监测系统,其特征在于,所述的网络设备(40)为光端机和网络;使用一台高清摄像机(10)即可监测四个车道上的车辆。
3.根据权利要求1所述的黄色网格线内违章停车监测系统,其特征在于,所述计算机监测系统(50)采用的软件,主要包括,摄像机控制模块、违章停车检测功能模块和分区功能模块;其中,摄像机控制模块,将待检测地点的实时画面进行采集;分区功能模块,对其中任意一张图片进行分块操作,每一块将作为后续图像处理和识别单位,能够同时实现四车道多个区域同时检测;违章停车检测功能模块,对采集的图像进行处理,包括,背景提取与更新、图像分割与识别和违章检测与记录。
4.实现权利要求1所述的黄色网格线内违章停车监测系统的方法,其特征在于,包括以下步骤,
A、背景提取与更新,用直方图法提取系列运动图像帧的背景;
B、进行图像分割与识别,
对A中图像进行灰度化处理,即,只对灰度图像进行处理;
当前帧减去背景帧,得到运动物体区域,并用矩形框标记出运动车辆和存在的阴影区域;
将差分图转换为二值图;
利用二值形态学算法,除去白色像素数目少于800的8连通区域;
C、进行违章检测与记录,
根据B对目标进行模式匹配,得到模式匹配区域;
下一幅图像输入时,判断模式匹配区域中像素的变化,目标车辆像素变化数量小于30%,认定该车辆处于停止状态,则将该车信息加入违章链表数组,并更新计数器;当时间计数器计数T<10时,如果车辆位置发生移动,则清除该车违章档案信息;当时间计数器计数T>10秒时,置违章标志为1,记下违章时间,标记该违章车辆,最后清除违章链表记录;当该车辆即将驶离区域时,启动摄像头近景,抓拍车辆牌照,将车辆的十五秒钟违章停车的动态录像和近景图片保存在硬盘中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510236030.7A CN105046948A (zh) | 2015-05-08 | 2015-05-08 | 一种黄色网格线区域内交通违章停车监测系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510236030.7A CN105046948A (zh) | 2015-05-08 | 2015-05-08 | 一种黄色网格线区域内交通违章停车监测系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105046948A true CN105046948A (zh) | 2015-11-11 |
Family
ID=54453454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510236030.7A Pending CN105046948A (zh) | 2015-05-08 | 2015-05-08 | 一种黄色网格线区域内交通违章停车监测系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105046948A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513374A (zh) * | 2016-01-26 | 2016-04-20 | 北京信路威科技股份有限公司 | 基于三个相机构成的多角度自动取证方法及自动装置 |
CN107591005A (zh) * | 2017-08-09 | 2018-01-16 | 深圳市金溢科技股份有限公司 | 动静态检测相结合的停车区域管理方法、服务器及系统 |
CN107844772A (zh) * | 2017-11-09 | 2018-03-27 | 汕头职业技术学院 | 一种基于移动目标跟踪的机动车自动检测方法 |
CN109697857A (zh) * | 2019-01-18 | 2019-04-30 | 合肥米佑信息技术有限公司 | 基于图像识别和神经网络算法的智能交通控制系统 |
CN110517506A (zh) * | 2019-08-26 | 2019-11-29 | 重庆同济同枥信息技术有限公司 | 基于交通视频图像检测停车事件的方法、装置及存储介质 |
CN111754783A (zh) * | 2020-06-19 | 2020-10-09 | 张永双 | 基于云计算和人工智能的违章停车告警和抓拍方法及系统 |
CN112232441A (zh) * | 2020-11-18 | 2021-01-15 | 中国联合网络通信集团有限公司 | 违章停车判断方法、系统、计算机设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103325259A (zh) * | 2013-07-09 | 2013-09-25 | 西安电子科技大学 | 一种基于多核并行的违章停车检测方法 |
CN103456179A (zh) * | 2012-06-04 | 2013-12-18 | 中兴通讯股份有限公司 | 车辆统计方法、装置及视频监控系统 |
KR101425086B1 (ko) * | 2013-12-05 | 2014-08-01 | 주식회사 엘리소프트 | 불법 주정차 단속시스템 및 그 방법 |
-
2015
- 2015-05-08 CN CN201510236030.7A patent/CN105046948A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103456179A (zh) * | 2012-06-04 | 2013-12-18 | 中兴通讯股份有限公司 | 车辆统计方法、装置及视频监控系统 |
CN103325259A (zh) * | 2013-07-09 | 2013-09-25 | 西安电子科技大学 | 一种基于多核并行的违章停车检测方法 |
KR101425086B1 (ko) * | 2013-12-05 | 2014-08-01 | 주식회사 엘리소프트 | 불법 주정차 단속시스템 및 그 방법 |
Non-Patent Citations (1)
Title |
---|
张宗峰: "《中国优秀硕士学位论文全文数据库(信息科技辑)》", 30 September 2009 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513374A (zh) * | 2016-01-26 | 2016-04-20 | 北京信路威科技股份有限公司 | 基于三个相机构成的多角度自动取证方法及自动装置 |
CN107591005A (zh) * | 2017-08-09 | 2018-01-16 | 深圳市金溢科技股份有限公司 | 动静态检测相结合的停车区域管理方法、服务器及系统 |
CN107591005B (zh) * | 2017-08-09 | 2020-07-03 | 深圳市金溢科技股份有限公司 | 动静态检测相结合的停车区域管理方法、服务器及系统 |
CN107844772A (zh) * | 2017-11-09 | 2018-03-27 | 汕头职业技术学院 | 一种基于移动目标跟踪的机动车自动检测方法 |
CN109697857A (zh) * | 2019-01-18 | 2019-04-30 | 合肥米佑信息技术有限公司 | 基于图像识别和神经网络算法的智能交通控制系统 |
CN110517506A (zh) * | 2019-08-26 | 2019-11-29 | 重庆同济同枥信息技术有限公司 | 基于交通视频图像检测停车事件的方法、装置及存储介质 |
CN111754783A (zh) * | 2020-06-19 | 2020-10-09 | 张永双 | 基于云计算和人工智能的违章停车告警和抓拍方法及系统 |
CN112232441A (zh) * | 2020-11-18 | 2021-01-15 | 中国联合网络通信集团有限公司 | 违章停车判断方法、系统、计算机设备及存储介质 |
CN112232441B (zh) * | 2020-11-18 | 2023-06-06 | 中国联合网络通信集团有限公司 | 违章停车判断方法、系统、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN106600977B (zh) | 基于多特征识别的违停检测方法及系统 | |
CN102722704B (zh) | 一种融合视频动态跟踪的车牌识别方法和系统 | |
US9704060B2 (en) | Method for detecting traffic violation | |
TWI409718B (zh) | 移動中車輛之車牌定位方法 | |
CN105702048B (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 | |
CN110298300B (zh) | 一种检测车辆违章压线的方法 | |
CN111382704B (zh) | 基于深度学习的车辆压线违章判断方法、装置及存储介质 | |
CN103714325A (zh) | 基于嵌入式系统的遗留物和遗失物实时检测方法 | |
CN103927762B (zh) | 一种目标车辆自动跟踪方法及装置 | |
Saha et al. | License Plate localization from vehicle images: An edge based multi-stage approach | |
CN103116985A (zh) | 一种违章停车检测方法和装置 | |
CN113850123A (zh) | 基于视频的公路监控方法及装置、存储介质和监控系统 | |
CN103605967A (zh) | 一种基于图像识别的地铁防逃票系统及其工作方法 | |
CN104978567A (zh) | 基于场景分类的车辆检测方法 | |
CN105046966A (zh) | 即停即离区域的违章停车行为自动检测系统和方法 | |
CN204884166U (zh) | 一种交通禁停区域违章停车监测装置 | |
CN107945523A (zh) | 一种道路车辆检测方法、交通参数检测方法及装置 | |
CN111488808A (zh) | 基于交通违法图像数据的车道线检测方法 | |
CN105184291A (zh) | 一种多类型车牌检测方法及系统 | |
Chen et al. | Traffic congestion classification for nighttime surveillance videos | |
CN204856897U (zh) | 一种机动车即停即离区域的违章检测装置 | |
CN107122732B (zh) | 一种监控场景下高鲁棒性的快速车牌定位方法 | |
CN114926791A (zh) | 一种路口车辆异常变道检测方法、装置、存储介质及电子设备 | |
Shafie et al. | Smart video surveillance system for vehicle detection and traffic flow control |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151111 |
|
WD01 | Invention patent application deemed withdrawn after publication |