CN105046966A - 即停即离区域的违章停车行为自动检测系统和方法 - Google Patents
即停即离区域的违章停车行为自动检测系统和方法 Download PDFInfo
- Publication number
- CN105046966A CN105046966A CN201510235952.6A CN201510235952A CN105046966A CN 105046966 A CN105046966 A CN 105046966A CN 201510235952 A CN201510235952 A CN 201510235952A CN 105046966 A CN105046966 A CN 105046966A
- Authority
- CN
- China
- Prior art keywords
- regulations
- industrial control
- control computer
- camera unit
- violating
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种即停即离区域的违章停车行为自动检测系统,包括,摄像机单元、工业控制计算机、网络设备和计算机监测系统;摄像机单元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,高清摄像机单元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摄像机单元的拍摄数据,同时进行违章车辆的车牌识别;有益效果是,通过视频监控以及对采集图像的处理,可以有效地检测即停即离区域违章停车的车辆信息,跟踪且监测是否在有限时间内装卸行李、上下车等行为,若无动作且不驶离则判定违章,将违章记录保存下来,为违章车辆做出处罚提供有力的证据。
Description
技术领域
本发明涉及一种机动车违章停车的自动检测系统;特别是涉及一种在特定的、临时即停即离区域中的违章停车自动检测系统和方法。
背景技术
在城市交通管理中,利用智能交通检测系统检测违章机动车的车辆已被各地广泛使用,为维护道路交通的通畅起到了关键的作用。目前,在城市中的广场、大型车站、商场等公共区域,为方便群众通行,通常设置出一定的临时停车区域(即停即离区域),要求驶入此区域内的私家机动车量可以短时停留,允许乘客短时装取行李、缴费打票等短时行为,规定“只可人等车,禁止车等人”,须快速进入和快速驶离。
传统的违章停车自动检测系统,是在待检测的区域地面以下,埋设感应线圈,同时,感应线圈与监控终端之间需要通过较长的馈线电缆连接,这种检测原理的违章停车监控装置,施工和维护成本较高,且,因为埋设在地面下的感应线圈容易受到外界信号的干扰,产生误报。同时,感应线圈方案的可扩展性差,在安装和维护时,必须中断交通、破坏路面,这些方法在实际生活中并不能得到广泛应用。目前,大部分地区,通过交警当场来执行管理及处罚,这就使得一些司机存在侥幸心理,当没有交警值守时,会在即停即离区域长时间逗留,造成即停即离区域的交通拥堵。
发明内容
本发明所要解决的技术问题是,提供一种视频检测即停即离(临时停车)区域的违章停车自动检测系统和方法。
本发明所采用的技术方案是,一种即停即离区域的违章停车行为自动检测系统,包括,摄像机单元、工业控制计算机、网络设备和计算机监测系统;所述摄像机单元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,所述高清摄像机单元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摄像机单元的拍摄数据,同时进行违章车辆的车牌识别。
所述摄像机单元包括与工业控制计算机电连接的高清摄像机和补光灯;所述网络设备包括与计算机监测系统电连接的光端机和网络。
实现即停即离区域的违章停车行为自动检测系统的一种方法,包括以下步骤,
A、视频图像采集;
B、车辆检测;其中,启动机动车即停即离检测程序;设置监控地点;监控地点分区;开始违规检测;
C、违章处理;其中,读取一张指定位置的待处理图片;违章条件判断;确认违章,保存违章信息;违章不成立,返回读取下一张指定位置的待处理图片;
D、违章记录查询。
所述步骤B采用多帧平均与Surendra相结合的算法,对即停即离路面背景提取与实时更新;
基于多帧差分与背景差分相结合的三帧差分校正的算法提取车辆;
基于像素统计算法对多车辆粘连进行分割;
所述步骤C通过对图像的预处理、定位、字符分割、字符识别等来识别车牌信息;采用模板匹配法及Kalman滤波对识别出的车辆进行预测跟踪,抓拍违章车辆近景车牌图像;将采集到的违章车辆的视频、违章时间、车牌号码信息进行存储。
本发明的有益效果是,通过视频监控以及对采集图像的处理,可以有效地检测即停即离区域违章停车的车辆信息,跟踪且监测是否在有限时间内装卸行李、上下车等行为,若无动作且不驶离则判定违章,将违章记录保存下来,为违章车辆做出处罚提供有力的证据。
附图说明
图1是本发明的总体结构图;
图2是本发明的软件结构图;
图3是本发明背景差分法车辆检测流程图;
图4是本发明车牌识别神经网络训练方法流程图;
图5是本发明即停即离违章检测算法的整体流程图;
图6是本发明分区示例图;
图7是本发明存储的带有清晰牌照的违章车辆的近景图片;
图8是本发明存储的违章车辆的违章车辆的远景图片;
图9是本发明违章行为判定的过程图。
图中:
10、摄像机单元20、工业控制计算机
30、网络设备40、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:
图1是本发明的总体结构图;如图1所示,本发明即停即离区域的违章停车行为自动检测系统,包括,摄像机单元10、工业控制计算机20、网络设备30和计算机监测系统40;所述摄像机单元10设置安装在监测路段的龙门架上,所述工业控制计算机20设置安装在路旁的供电箱内,所述高清摄像机单元10与工业控制计算机20通过网线电连接,所述工业控制计算机20经网络设备40与计算机监测系统40通过网线电连接,所述工业控制计算机20接收摄像机单元10的拍摄数据,同时进行违章车辆的车牌识别。
所述摄像机单元10包括与工业控制计算机20电连接的高清摄像机和补光灯;所述网络设备30包括与计算机监测系统40电连接的光端机和网络。
实现所述即停即离区域的违章停车行为自动检测系统的一种方法,包括以下步骤,
A、视频图像采集;
B、车辆检测;其中,启动机动车即停即离检测程序;设置监控地点;监控地点分区;开始违规检测;
C、违章处理;其中,读取一张指定位置的待处理图片;违章条件判断;确认违章,保存违章信息;违章不成立,返回读取下一张指定位置的待处理图片;
D、违章记录查询。
所述步骤B采用多帧平均与Surendra相结合的算法,对即停即离路面背景提取与实时更新;
基于多帧差分与背景差分相结合的三帧差分校正的算法提取车辆;
基于像素统计算法对多车辆粘连进行分割;
所述步骤C通过对图像的预处理、定位、字符分割、字符识别等来识别车牌信息;采用模板匹配法及Kalman滤波对识别出的车辆进行预测跟踪,抓拍违章车辆近景车牌图像;将采集到的违章车辆的视频、违章时间、车牌号码信息进行存储。
图2是本发明的软件结构图;如图2所示。软件主要包括总控制模块、图像数据接收模块、车辆检测模块、车牌号码识别模块、违章行为判定模块、违章记录保存传输与查询模块。
所述总控制模块,主要用来在工作时段内协调其它各模块之间的关系,如实时检测目标硬盘容量的变化,如果硬盘容量不足,及时清理过期数据文件。此外还要不断的检测摄像机是否在正常工作,进行运行日志的维护,以及在系统发生故障时的恢复机制的实现。
所述图像数据接收模块负责从网络摄像机取图像数据到工控机内存,进行一定的格式处理。采取远近景相配合,实现了对监控区域的交通视频流的实时采集,每隔固定时间(例如1秒)拍摄一张图片,并作为原始数据记录在硬盘中规定好的命名文件夹。而内存中的图像数据可以直接进行下一步的车辆检测和车牌识别以及违章判定工作。
所述车辆检测模块负责对待检测图像进行图片分区、图像背景提取与更新、图像分割与识别。图片分区是将每张图片分成一定数量的矩形区域块,各区域之间有一定的重合区域,以防止漏检。区块的大小以图片上一辆车的大小为参考,保证一个区块最多只能容纳一辆车,这样设置可以降低检测难度。图像背景提取和更新是为了从图像上分离出车辆信息,使用直方图法提取系列运动图像帧的背景,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3是本发明背景差分法车辆检测流程图;如图3所示。
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。
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,实际道路中存在很多干扰,如,自然场景(树叶等)和行人等干扰,对二值图中噪声影响很大,对此干扰噪声,采用二值形态学的算法,即除去白色像素数目少于设定阈值的连通区域,从而除去噪声干扰。
图4是本发明车牌识别神经网络训练方法流程图;如图4所示。识别模块使用了已经训练好的神经网络进行识别。车牌识别神经网络的训练原理对于车牌号码特征的提取,使用了在视觉字符识别中经常使用的特征,特征包括单个字符二值图像的水平和垂直方向的累积直方图,以及一个低分辨率的采样字符图像。使用事先处理好的字符训练样本来训练神经网络,神经网络采用三层结构,输入层神经元个数为每一个特征的维数,隐含层神经元个数可以调节,以取得速度和性能上的平衡,输出层神经元的个数为字符类别数,输出层每个神经元的输出值表示输入字符样本属于该类别的可能性,采用最大可能性原则决定样本最终属于哪一类,即样本判别为可能性最大的字符类别。
所述违章行为判定模块负责使用之前所述模块处理后获得的车辆相关信息,如车辆位置,车牌位置等信息,根据即停即离区的违章检测算法来判定即停即离区域车辆是否违章。
图5为本发明即停即离区的违章检测算法的整个流程图;如图5所示,算法执行开始时,先根据已调整好的摄像机的视场,对视野区域进行分区,所设置的分区位置应该能覆盖到车道,并且大小设置为最多包含一辆矩形区域,区域之间有一定的重叠部分,以防止漏检,设定N个分区。之后,对应每一个分区设置一个链表,链表的每个元素包含一辆被检测到的车辆信息,如快照、车牌号码、车牌位置、被检测到的时刻以及计时器、计数器和是否违章标志、是否超时标志。算法从网络摄像机以每秒一帧的频率取图片到内存并进行相关处理、违章判别以及判别结果的保存与传输。
当一张采集的照片被取入内存后,就开始车道背景更新算法,以保持车道背景的实时更新,确保有效的定位车辆区域。这之后,就对图片所分的N个区域逐个进行处理。
图6是本发明分区示例图;如图6所示,每个图片区域的处理过程中,首先对所处理区域进行背景差分运算以及形态学算法,从而判断所处理区域中是否存在车辆,若不存在,就进行下一个区域的处理;若存在车辆,就利用车辆车牌定位算法和车牌号码识别算法计算出车牌在区域中所处的位置及其相应的车牌号,为车辆是否违章提供判断信息。当识别出车牌号码及车牌位置后,就在所处理分区对应的链表中查询是否有相同车牌的元素,如果没有在链表中找到相同车牌号的元素,说明这辆车是新出现的,那么为它建立一个新的链表元素,将检测到的车牌号码、车牌位置以及车辆快照等信息组合在一起,并初始化计时器和计数器,将其插入到链当中;如果在链表中找到相同车牌号码的元素,就说明该车辆之前已被检测到,这样就可能通过比较现在的车牌位置与之前的车牌位置从而判断出车辆是否移动。如果位置发生了变化,说明车辆没有在这个分区中停车不动,所以就可以直接进行下一个分区的处理;如果车牌的位置没有发生变化,就说明车辆在该分区区域内没有移动,这时,对该车辆所对应的链表元素中的计数器做加1操作,这样就可用计数器值来代表车辆停车时间的长短。
当一张图片的所有分区都处理过一次后,就对N个链表逐个元素的进行扫描,当发现元素计数器的值大于违章设定时间内所能处理图片数量的90%时,就可以判定这辆车已违章,设置元素违章标志为真,之后设置超时变量。因为计数器每加1代表停车1秒,而图片的获取频率也是每帧一秒,所以,当设定违章时间为T秒时,计数器值为C,那么违章判断条件即为:C/T≥0.9;若C/T<0.9,进一步设置超时标志变量。比较元素计时器值是否超过违章停车设定时间,并设置元素中超时标志变量。
根据超时标志变量和违章标志变量,就可以进行判断。如果车辆超时,但没有违章,就把它对应的链表元素从链表中剔除。如果车辆违章,就将元素中记录的车辆照片、车牌号、违章时间、违章地点等信息组合为一条记录,保存在硬盘上,同时将该违章记录通过网络连接,发送到交管所中心服务器上,完成这些操作后,将对应链表元素从链表中删除。而那些没有超时也没有违章的链表元素则保留。再从摄像机中取下一幅图片,进行处理,如此循环,达到实时检测和处理的目的。
所述违章记录保存传输与查询模块负责对检测出的违章车辆相关信息进行整合,如对违章车辆的视频、违章时间、车牌号码信息进行存储。一定量(受限于本地存储器的容量)的历史数据存放在本地硬盘中,便于本地局部实时浏览器的查询,并且不断的更新,而所有检测出的违章车辆信息都会通过与交管所的网络连接上传到违章数据服务中心,进行下一步的综合处理。图7是本发明存储的带有清晰牌照的违章车辆的近景图片;图8是本发明存储的违章车辆的违章车辆的远景图片。
图9是本发明违章行为判定的过程图,如图9所示,程序捕捉到所有停止车辆,并记录其车牌号,设定初始违章时间T,形成嫌疑车辆链表,并开启计时器后,对嫌疑车辆进行跟踪,利用二值化和形态学方法处理图像从而定位车辆和车牌位置,之后用当前时刻图像二值化处理后的结果与初始嫌疑车辆区域的二值图像作差,并统计差分二值图上所有白色像素的个数C_white,若C_white大于事先设定的阈值,就认为嫌疑车辆有乘客正在上下车,并设置相关的标记。若在违章时间T内被检测到的嫌疑车辆有乘客正在上下车,就把违章设定时间延长至T+Tk,这样的延长可以设置最多两次,若车辆在延长后的时间内仍没有开走,就判定为违章,相应的违章信息如车牌号、地点、时间、抓图等一起保存成为一条记录作业证据。
本发明通过视频监控以及对采集图像的处理,可以有效地检测即停即离区域违章停车的车辆信息,跟踪且监测是否在有限时间内装卸行李、上下车等行为,若无动作且不驶离则判定违章,将违章记录保存下来,为违章车辆做出处罚提供有力的证据。
Claims (4)
1.一种即停即离区域的违章停车行为自动检测系统,其特征在于,包括,摄像机单元(10)、工业控制计算机(20)、网络设备(30)和计算机监测系统(40);所述摄像机单元(10)设置安装在监测路段的龙门架上,所述工业控制计算机(20)设置安装在路旁的供电箱内,所述高清摄像机单元(10)与工业控制计算机(20)通过网线电连接,所述工业控制计算机(20)经网络设备(30)与计算机监测系统(40)通过网线电连接,所述工业控制计算机(20)接收摄像机单元(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所述的即停即离区域的违章停车行为自动检测系统,其特征在于,所述摄像机单元(10)包括与工业控制计算机(20)电连接的高清摄像机和补光灯;所述网络设备(30)包括与计算机监测系统(40)电连接的光端机和网络。
3.实现权利要求1所述即停即离区域的违章停车行为自动检测系统的一种方法,其特征在于,包括以下步骤,
A、视频图像采集;
B、车辆检测;其中,启动机动车即停即离检测程序;设置监控地点;监控地点分区;开始违规检测;
C、违章处理;其中,读取一张指定位置的待处理图片;违章条件判断;确认违章,保存违章信息;违章不成立,返回读取下一张指定位置的待处理图片;
D、违章记录查询。
4.根据权利要求3所述的即停即离区域的自动检测系统的方法,其特征在于,所述步骤B采用多帧平均与Surendra相结合的算法,对即停即离路面背景提取与实时更新;
基于多帧差分与背景差分相结合的三帧差分校正的算法提取车辆;
基于像素统计算法对多车辆粘连进行分割;
所述步骤C通过对图像的预处理、定位、字符分割、字符识别等来识别车牌信息;采用模板匹配法及Kalman滤波对识别出的车辆进行预测跟踪,抓拍违章车辆近景车牌图像;将采集到的违章车辆的视频、违章时间、车牌号码信息进行存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510235952.6A CN105046966A (zh) | 2015-05-08 | 2015-05-08 | 即停即离区域的违章停车行为自动检测系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510235952.6A CN105046966A (zh) | 2015-05-08 | 2015-05-08 | 即停即离区域的违章停车行为自动检测系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105046966A true CN105046966A (zh) | 2015-11-11 |
Family
ID=54453470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510235952.6A Pending CN105046966A (zh) | 2015-05-08 | 2015-05-08 | 即停即离区域的违章停车行为自动检测系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105046966A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303884A (zh) * | 2015-11-30 | 2016-02-03 | 东莞酷派软件技术有限公司 | 一种停车控制方法及系统 |
CN107403553A (zh) * | 2017-08-02 | 2017-11-28 | 苏州蓝越软件有限公司 | 一种关键路段违章停车检测系统 |
CN107748866A (zh) * | 2017-10-20 | 2018-03-02 | 河北机电职业技术学院 | 违法停车自动识别方法及装置 |
CN109147341A (zh) * | 2018-09-14 | 2019-01-04 | 杭州数梦工场科技有限公司 | 违章车辆检测方法及装置 |
CN109544931A (zh) * | 2018-12-18 | 2019-03-29 | 广东赛诺科技股份有限公司 | 一种基于交通超限超载数据24小时内有效的判断方法 |
CN110008957A (zh) * | 2019-04-04 | 2019-07-12 | 上海天诚比集科技有限公司 | 基于车牌识别和图像方差算法的小区违停告警方法 |
CN110136449A (zh) * | 2019-06-17 | 2019-08-16 | 珠海华园信息技术有限公司 | 基于深度学习的交通视频车辆违停自动识别抓拍的方法 |
CN110163985A (zh) * | 2019-06-20 | 2019-08-23 | 广西云高智能停车设备有限公司 | 一种基于车脸识别的路边停车管理收费系统及收费方法 |
CN110473426A (zh) * | 2019-08-20 | 2019-11-19 | 北京精英路通科技有限公司 | 停车管理方法、装置、计算机设备及存储介质 |
CN112002036A (zh) * | 2019-05-08 | 2020-11-27 | 杭州萤石软件有限公司 | 基于传感器和智能锁联动的管理房间的方法和系统 |
CN112071084A (zh) * | 2020-09-18 | 2020-12-11 | 城云科技(中国)有限公司 | 一种利用深度学习判断违章停车的方法和系统 |
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 (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101123039A (zh) * | 2007-09-14 | 2008-02-13 | 清华大学 | 基于数字摄像机的闯红灯检测系统及方法 |
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
KR101319508B1 (ko) * | 2013-08-22 | 2013-10-17 | 주식회사 넥스파시스템 | 초점열화방법을 이용한 불법 주정차 단속 시스템 및 단속방법 |
CN104504908A (zh) * | 2015-01-14 | 2015-04-08 | 苏州科达科技股份有限公司 | 一种违章停车监控方法及系统 |
CN204856897U (zh) * | 2015-05-08 | 2015-12-09 | 天津大学 | 一种机动车即停即离区域的违章检测装置 |
-
2015
- 2015-05-08 CN CN201510235952.6A patent/CN105046966A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101123039A (zh) * | 2007-09-14 | 2008-02-13 | 清华大学 | 基于数字摄像机的闯红灯检测系统及方法 |
CN101398894A (zh) * | 2008-06-17 | 2009-04-01 | 浙江师范大学 | 机动车车牌自动识别方法及其实现装置 |
KR101319508B1 (ko) * | 2013-08-22 | 2013-10-17 | 주식회사 넥스파시스템 | 초점열화방법을 이용한 불법 주정차 단속 시스템 및 단속방법 |
CN104504908A (zh) * | 2015-01-14 | 2015-04-08 | 苏州科达科技股份有限公司 | 一种违章停车监控方法及系统 |
CN204856897U (zh) * | 2015-05-08 | 2015-12-09 | 天津大学 | 一种机动车即停即离区域的违章检测装置 |
Non-Patent Citations (1)
Title |
---|
王新宇: "黄网格违章停车监测系统设计及软件流程", 《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 |
---|---|---|---|---|
CN105303884A (zh) * | 2015-11-30 | 2016-02-03 | 东莞酷派软件技术有限公司 | 一种停车控制方法及系统 |
CN107403553A (zh) * | 2017-08-02 | 2017-11-28 | 苏州蓝越软件有限公司 | 一种关键路段违章停车检测系统 |
CN107748866A (zh) * | 2017-10-20 | 2018-03-02 | 河北机电职业技术学院 | 违法停车自动识别方法及装置 |
CN107748866B (zh) * | 2017-10-20 | 2020-02-14 | 河北机电职业技术学院 | 违法停车自动识别方法及装置 |
CN109147341B (zh) * | 2018-09-14 | 2019-11-22 | 杭州数梦工场科技有限公司 | 违章车辆检测方法及装置 |
CN109147341A (zh) * | 2018-09-14 | 2019-01-04 | 杭州数梦工场科技有限公司 | 违章车辆检测方法及装置 |
CN109544931A (zh) * | 2018-12-18 | 2019-03-29 | 广东赛诺科技股份有限公司 | 一种基于交通超限超载数据24小时内有效的判断方法 |
CN110008957A (zh) * | 2019-04-04 | 2019-07-12 | 上海天诚比集科技有限公司 | 基于车牌识别和图像方差算法的小区违停告警方法 |
CN110008957B (zh) * | 2019-04-04 | 2023-06-06 | 上海天诚比集科技有限公司 | 基于车牌识别和图像方差算法的小区违停告警方法 |
CN112002036B (zh) * | 2019-05-08 | 2022-12-02 | 杭州萤石软件有限公司 | 基于传感器和智能锁联动的管理房间的方法和系统 |
CN112002036A (zh) * | 2019-05-08 | 2020-11-27 | 杭州萤石软件有限公司 | 基于传感器和智能锁联动的管理房间的方法和系统 |
CN110136449A (zh) * | 2019-06-17 | 2019-08-16 | 珠海华园信息技术有限公司 | 基于深度学习的交通视频车辆违停自动识别抓拍的方法 |
CN110163985A (zh) * | 2019-06-20 | 2019-08-23 | 广西云高智能停车设备有限公司 | 一种基于车脸识别的路边停车管理收费系统及收费方法 |
CN110473426A (zh) * | 2019-08-20 | 2019-11-19 | 北京精英路通科技有限公司 | 停车管理方法、装置、计算机设备及存储介质 |
CN112071084A (zh) * | 2020-09-18 | 2020-12-11 | 城云科技(中国)有限公司 | 一种利用深度学习判断违章停车的方法和系统 |
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 |
---|---|---|
CN105046966A (zh) | 即停即离区域的违章停车行为自动检测系统和方法 | |
CN100507970C (zh) | 基于数字摄像机的闯红灯检测系统及方法 | |
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 | |
CN101833859B (zh) | 基于虚拟线圈的自触发车牌识别方法 | |
CN110223511A (zh) | 一种汽车路边违停智能监测方法及系统 | |
Omer et al. | An automatic image recognition system for winter road surface condition classification | |
CN204856897U (zh) | 一种机动车即停即离区域的违章检测装置 | |
CN202077142U (zh) | 一种车载智能视频侦测分析系统 | |
CN110738857B (zh) | 一种车辆违章取证方法、装置及设备 | |
CN102509090B (zh) | 一种基于天网工程中公共安全视频图像的车辆特征识别装置 | |
CN106373426A (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
US8301577B2 (en) | Intelligent monitoring system for establishing reliable background information in a complex image environment | |
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 | |
CN104766479A (zh) | 基于超高频射频与视频图像双识别匹配的汽车身份识别方法及装置 | |
CN108133599A (zh) | 一种渣土车视频识别方法及系统 | |
CN105654734A (zh) | 车辆违章行为的数据处理方法及装置 | |
CN103186982A (zh) | 一种治安智能卡口系统 | |
CN105185108A (zh) | 一种黄网格线违法停车自动抓拍系统 | |
CN109377694B (zh) | 社区车辆的监控方法及系统 | |
CN111353369A (zh) | 一种城市路侧停车高位视频在辅助刑侦中的应用方法及系统 | |
CN105528626A (zh) | 一种rfid读写器和摄像机集成一体机及其应用 | |
CN103390145A (zh) | 一种目标区域车辆检测方法以及系统 | |
CN204833705U (zh) | 一种黄网格线违法停车自动抓拍系统 | |
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 | |
CN105574502A (zh) | 一种自助发卡机违章行为自动检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151111 |