CN105809975A - 一种异常停车判断方法和装置 - Google Patents
一种异常停车判断方法和装置 Download PDFInfo
- Publication number
- CN105809975A CN105809975A CN201610371341.9A CN201610371341A CN105809975A CN 105809975 A CN105809975 A CN 105809975A CN 201610371341 A CN201610371341 A CN 201610371341A CN 105809975 A CN105809975 A CN 105809975A
- Authority
- CN
- China
- Prior art keywords
- information
- vehicle
- parking
- positional information
- target vehicle
- 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
- 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
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- 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
Abstract
本申请公开了一种异常停车判断方法和装置,其中所述方法为先从视频设备中获取视频帧信息,再通过目标分析算法获取所述视频帧信息中的目标车辆信息,根据获得的目标车辆信息判断所述目标车辆是否满足异常停车条件;当所述目标车辆信息满足异常停车条件时判定所述目标车辆为异常停车。本发明是通过智能算法对从视频设备获取的视频帧进行分析,及时判别出是否有侧位停车、跨位停车、斜位停车和逆向停车等异常停车,以便对异常停车进行处理,从而保证道路交通的正常通行。
Description
技术领域
本发明涉及监控技术领域,尤其涉及一种异常停车判断方法和装置。
背景技术
随着经济的发展,居民的生活水平越来越高,汽车购买力度加大。伴随着汽车数量的增加,城市交通负荷严重,交通拥挤现象频繁。尤其违章停车导致道路交通拥堵现象严重,如不及时发现并排除,会严重影响道路的正常通行能力。
目前,通常由管理人员不间断地巡查道路两旁的异常停车,这种方式不仅浪费了大量的人力资源,而且效果不佳。因为停车事件具有偶发性和随机性,不易被及时发现。
因此,如何实时智能判别出异常停车是目前需要解决的技术问题。
发明内容
有鉴于此,本发明提供了一种异常停车判断方法和装置,能够实时智能判别出异常停车。
本发明公开了一种异常停车判断方法,包括:
从视频设备获取视频帧信息;
通过目标分析算法获取所述视频帧信息中的目标车辆信息;
根据所述目标车辆信息判断所述目标车辆是否满足异常停车条件,其中,所述异常停车包括:侧位停车、跨位停车、斜位停车和逆向停车;
若所述目标车辆信息满足异常停车条件,判定所述目标车辆为异常停车。
优选的,所述通过目标分析算法获取所述视频帧信息中的目标车辆信息,包括:
通过运动目标分析算法获得所述视频帧信息中的运动目标的位置信息;
通过车辆检测器获得所述视频帧信息中的车辆的位置信息;
判断获得的所述运动目标的位置信息和所述车辆的位置信息是否表示的是所述视频帧中相同位置区域的位置信息;
若获得的所述运动目标的位置信息和所述车辆的位置信息表示的是所述视频帧中相同位置区域的位置信息,以在所述相同位置区域的车辆作为目标车辆,并获取所述目标车辆位置的纹理特征信息;
利用所述纹理特征信息通过跟踪算法对所述目标车辆进行跟踪,以获得所述目标车辆的轨迹信息;
其中,所述根据所述目标车辆信息判断所述目标车辆是否满足异常停车条件,包括:
根据所述目标车辆的轨迹信息判断所述目标车辆同一位置停留时间是否大于预设时间,并且所述同一位置不与车位位置重叠;
其中,若所述目标车辆同一位置停留时间大于预设时间,并且所述同一位置不与车位位置重叠,认为所述目标车辆满足异常停车条件,判定所述目标车辆为侧位停车。
优选的,所述通过运动目标分析算法获得所述视频帧信息中的运动目标的位置信息,包括:
通过高斯背景建模算法获得所述视频帧信息中的运动目标的位置信息。
优选的,利用所述纹理特征信息通过跟踪算法对所述目标车辆进行跟踪,以获得所述目标车辆的轨迹信息,包括:
利用所述纹理特征信息通过基于光流特征匹配的跟踪算法对所述目标车辆进行跟踪,以获得所述目标车辆的轨迹信息。
优选的,所述通过目标分析算法获取所述视频帧信息中的目标车辆信息,包括:
通过运动目标分析算法获得所述视频帧信息中的运动目标的位置信息;
通过车辆检测器获得所述视频帧信息中车辆的位置信息其中,所述根据所述目标车辆信息判断所述目标车辆是否满足异常停车条件,包括:
根据所述车辆的位置信息判断所述车辆的位置是否同时占据两个车位;
若所述车辆的位置同时占据两个车位,判断所述获得的运动目标的位置信息和所述车辆位置信息是否表示的是所述视频帧中相同位置区域的位置信息;
其中,若获得的所述运动目标的位置信息和所述车辆的位置信息表示的不是所述视频帧中相同位置区域的位置信息,认为所述车辆满足异常停车条件,判定所述车辆为跨位停车。
优选的,所述通过目标分析算法获取所述视频帧信息中的目标车辆信息,包括:
通过运动目标分析算法获得所述视频帧信息中的运动目标的位置信息;
通过车辆检测器获得所述视频帧信息中的车辆车身的左右偏角度信息和位置信息;
其中,所述根据所述目标车辆信息判断所述目标车辆是否满足异常停车条件,包括:
判断所述车辆的左偏或右偏角度是否大于预设角度且所述车辆的位置与车位位置是否有重叠;
当所述车辆的左偏或右偏角度大于预设角度且所述车辆的位置与车位位置有重叠,判断所述获得的运动目标的位置信息和所述车辆位置信息是否表示的是所述视频帧中相同位置区域的位置信息;
其中,若获得的所述运动目标的位置信息和所述车辆的位置信息表示的不是所述视频帧中相同位置区域的位置信息,认为所述车辆满足异常停车条件,判定所述车辆为斜位停车。
优选的,所述通过目标分析算法获取所述视频帧信息中的目标车辆信息,包括:
通过车辆检测器获得所述视频帧信息中的车辆的车尾车头信息;
其中,所述根据所述目标车辆信息判断所述目标车辆是否满足异常停车条件,包括:
判别所述车辆车尾车头信息与预设的停车方向是否相反;
其中,若所述车辆车尾车头信息与预设的停车方向相反,认为所述车辆满足异常停车条件,判定所述车辆为逆向停车。
优选的,所述判定所述目标车辆为异常停车之后,还包括:
记录所述异常停车的车位位置信息;
当地磁检测器检测到车位位置有停车车辆,并且通过车辆检测器检测到所述车位位置为车辆的位置时,认为所述车辆为正常停车,记录所述正常停车的车位位置信息;
根据异常停车的车位位置信息和正常停车的车位位置信息对车位停车状态进行更新。
本发明公开了一种异常停车判断装置,包括:
视频帧获取单元,用于从视频设备获取视频帧信息;
目标车辆信息获取单元,用于通过目标分析算法获取所述视频帧获取单元获得的视频帧信息中的目标车辆信息;
判别单元,用于根据所述目标车辆信息判断所述目标车辆是否满足异常停车条件,其中,所述异常停车包括:侧位停车、跨位停车、斜位停车和逆向停车;
异常停车判定单元,用于当所述判别单元判断目标车辆信息满足异常停车条件时,判定所述目标车辆为异常停车。
优选的,所述目标车辆信息获取单元,包括:
第一运动目标位置信息获取单元,用于通过运动目标分析算法获得所述视频帧信息中的运动目标的位置信息;
第一车辆位置信息获取单元,用于通过车辆检测器获得所述视频帧信息中的车辆的位置信息;
位置判别单元,用于判断获得的所述运动目标的位置信息和所述车辆的位置信息是否表示的是所述视频帧中相同位置区域的位置信息;
纹理特征提取单元,用于若获得的所述运动目标的位置信息和所述车辆的位置信息表示的不是所述视频帧中相同位置区域的位置信息,以在所述相同位置区域的车辆作为目标车辆,并获取所述目标车辆位置的纹理特征信息;
轨迹跟踪单元,用于利用所述纹理特征信息通过跟踪算法对所述目标车辆进行跟踪,以获得所述目标车辆的轨迹信息;
其中,所述判别单元,具体用于根据所述目标车辆的轨迹信息判断所述目标车辆同一位置停留时间是否大于预设时间,并且所述目标车辆停留位置在车位位置旁边;
所述异常停车判定单元,具体用于若所述目标车辆同一位置停留时间大于预设时间,并且所述同一位置不与车位位置重叠,认为所述目标车辆满足异常停车条件,判定所述目标车辆为侧位停车。
优选的,所述第一运动目标位置信息获取单元,具体用于通过高斯背景建模算法获得所述视频帧信息中的运动目标的位置信息。
优选的,所述轨迹跟踪单元,具体用于利用所述纹理特征信息通过基于光流特征匹配的跟踪算法对所述目标车辆进行跟踪,以获得所述目标车辆的轨迹信息。
优选的,所述目标车辆信息获取单元,包括:
第二运动目标位置信息获取单元,用于通过运动目标分析算法获得所述视频帧信息中的运动目标的位置信息;
第二车辆位置信息获取单元,用于通过车辆检测器获得所述视频帧信息中的车辆的位置信息;
其中,所述判别单元,包括:
第一判别单元,用于根据所述车辆的位置信息判断所述车辆的位置是否同时占据两个车位;
第二判别单元,用于所述第一判别单元判别到所述车辆的位置同时占据两个车位,判断所述获得的运动目标的位置信息和所述车辆位置信息是否表示的是所述视频帧中相同位置区域的位置信息;
所述异常停车判定单元,具体用于若所述第二判别单元判别到所述运动目标的位置信息和所述车辆的位置信息表示的不是所述视频帧中相同位置区域的位置信息,认为所述车辆满足异常停车条件,判定所述车辆为跨位停车。
优选的,所述目标车辆信息获取单元,包括:
第三运动目标位置信息获取单元,用于通过运动目标分析算法获得所述视频帧信息中的运动目标的位置信息;
车辆信息获取单元,用于通过车辆检测器获得所述视频帧信息中的车辆车身的左右偏角度信息和位置信息;
其中,所述判别单元,包括:
第三判别单元,用于判断所述车辆的左偏或右偏角度是否大于预设角度且所述车辆的位置与车位位置是否有重叠;
第四判别单元,用于所述第三判别单元判别到所述车辆的左偏或右偏角度大于预设角度且所述车辆的位置与车位位置有重叠时,判断所述获得的运动目标的位置信息和所述车辆位置信息是否表示的是所述视频帧中相同位置区域的位置信息;
所述异常停车判定单元,具体用于若所述第四判别单元判别到所述运动目标的位置信息和所述车辆的位置信息表示的不是所述视频帧中相同位置区域的位置信息,认为所述车辆满足异常停车条件,判定所述车辆为斜位停车。
优选的,所述目标车辆信息获取单元,包括:
车尾车头信息获取单元,用于通过车辆检测器获得所述视频帧信息中的车辆的车尾车头信息;
其中,所述判别单元,具体用于判别所述车辆车尾车头信息与预设的停车方向是否相反;
所述异常停车判定单元,具体用于若所述车辆车尾车头信息与预设的停车方向相反,认为所述车辆满足异常停车条件,判定所述车辆为逆向停车
优选的,所述的装置,还包括:
异常停车车位位置记录单元,用于记录所述异常停车的车位位置信息;
正常停车车位位置记录单元,用于当地磁检测器检测到车位位置有停车车辆,并且通过车辆检测器检测到所述车位位置为车辆的位置时,认为所述车辆为正常停车,记录所述正常停车的车位位置信息;
更新单元,用于根据所述异常停车的车位位置信息和正常停车的车位位置信息对车位停车状态进行更新。
相对于现有技术,本发明的有益效果是:本发明从视频设备获取视频帧信息,通过目标分析算法获取所述视频帧信息中的目标车辆信息;根据获得的目标车辆信息判断所述目标车辆是否满足异常停车条件;当所述目标车辆信息满足异常停车条件,判定所述目标车辆为异常停车。本发明是通过智能算法对从视频设备获取的视频帧信息进行分析,及时判别出是否有异常停车,以便对异常停车进行处理,从而保证道路交通的正常通行。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1是本发明实施例公开的一种异常停车判断的方法流程图;
图2是本发明另一实施例公开的一种异常停车判断的方法流程图;
图3是本发明另一实施例公开的一种异常停车判断的方法流程图;
图4是本发明另一实施例公开的一种异常停车判断的方法流程图;
图5是本发明另一实施例公开的一种异常停车判断的方法流程图;
图6是本发明实施例公开的一种异常停车判断的装置结构图;
图7是本发明另一实施例公开的一种异常停车判断的装置结构图;
图8是本发明另一实施例公开的一种异常停车判断的装置结构图;
图9是本发明另一实施例公开的一种异常停车判断的装置结构图;
图10是本发明另一实施例公开的一种异常停车判断的装置结构图;
图11是本发明另一实施例公开的一种异常停车判断的装置结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明公开了一种异常停车判断方法,通过智能算法对从视频设备获取的视频帧信息进行分析,及时判别出是否有异常停车,以便对异常停车进行处理,从而保证道路交通的正常通行。
本实施例公开了一种异常停车判断方法,参见图1,所述方法,包括:
步骤S101、从视频设备获取视频帧信息;
其中,所述视频设备可以为球型摄像机,用于实时监控停车场景并产生视频流信息;所述视频帧信息是所述视频流信息的一帧图像信息;
步骤S102、通过目标分析算法获取所述视频帧信息中的目标车辆信息;
其中,所述目标分析算法为能够获得视频帧信息里的目标车辆信息的算法,本实施例中的目标分析算法包括基于运动目标(包括人、车辆等运动目标)的分析算法或基于车辆(包括静止的车辆和运动的车辆)的分析算法,针对不同类型的异常停车,所述目标分析算法也不相同;所述目标车辆为要异常停车的车辆;
步骤S103、根据所述目标车辆信息判断所述目标车辆是否满足异常停车条件;若所述目标车辆满足异常停车条件,执行步骤S104;
其中,所述异常停车包括:侧位停车、跨位停车、斜位停车和逆向停车;所述异常停车条件为满足侧位停车、跨位停车、斜位停车和逆向停车四种异常停车类型的停车条件;其中,侧位停车条件为目标车辆停留在非车位内时间超过预设时间,跨位停车条件为目标车辆停留在两个车位上,斜位停车条件为目标车辆在车位内的左偏或右偏角度大于预设角,逆向停车条件为目标车辆车尾车头信息与预设的停车方向相反;
步骤S104、若所述目标车辆信息满足异常停车条件,判定所述目标车辆为异常停车。
需要说明的是,本实施例里的异常停车判断过程可以在嵌入式智能分析设备中进行,视频设备通过交换机与所述嵌入式智能分析设备连接,以便对所述球型摄像机或者其他视频设备拍摄的视频帧信息进行分析。
本实施例中,通过视频设备实时监控停车场景,并通过算法对从视频设备获取的视频帧信息进行分析,以便获取目标车辆信息,然后根据所述目标车辆信息及时判别出是否有异常停车。当检测到有异常停车现象时,能够及时通知车场管理人员,以便对异常停车进行处理,从而保证道路交通的正常通行。
优选的,另一实施例中,公开了一种异常停车判断方法,参见图2,所述方法,包括:
步骤S201、从视频设备获取视频帧信息;
步骤S202、通过运动目标分析算法获得所述视频帧信息中的运动目标的位置信息;
其中,所述运动目标分析算法为高斯背景建模算法,通过所述高斯背景建模算法获得所述视频帧信息中的运动目标的位置信息;
步骤S203、通过车辆检测器获得所述视频帧信息中的车辆位置信息;
其中,所述车辆检测器是一个算法模块,功能是检测所述视频帧信息中的车辆目标,此算法模块可以检测视频帧信息中车辆位置信息、车头车尾信息、车身左右偏信息。本实施例中的车辆检测器是根据DPM(DeformablePartsModel)目标检测算法构建;
步骤S204、判断获得的所述运动目标的位置信息和所述车辆位置信息是否表示的是所述视频帧中相同位置区域的位置信息;若获得的所述运动目标的位置信息和所述车辆的位置信息表示的是所述视频帧中相同位置区域的位置信息,以在所述相同位置区域的车辆作为目标车辆,执行步骤S205;
步骤S205、获取所述目标车辆位置的纹理特征信息;
步骤S206、利用所述纹理特征信息通过跟踪算法对所述目标车辆进行跟踪,以获得所述目标车辆的轨迹信息;
其中,所述跟踪算法可以为基于光流特征匹配的跟踪算法,所述算法的基本原理是首先,利用SIFT算法提取图像中的特征点;然后,根据最小绝对值误差准则对运动目标的特征点进行匹配,建立卡尔曼滤波器方程来计算特征点光流;最后,通过光流特征聚类实现运动目标的跟踪;
步骤S207、根据所述目标车辆的轨迹信息判断所述目标车辆同一位置停留时间是否大于预设时间,并且所述目标车辆停留位置是否在车位位置旁边;若所述目标车辆同一位置停留时间大于预设时间,并且所述目标车辆停留位置在车位位置旁边,执行步骤S208;
其中,所述预设时间为提前设定的可以判定车辆是异常停车的时间,根据现场经验获得;
步骤S208、判定所述目标车辆为侧位停车。
需要说明的是,通过运动目标分析算法可以检测到很多运动目标区域,对该目标区域中心聚类提取运动目标的位置信息。所述车辆检测器可以检测到视频帧信息中车辆的位置,如果两种方法检测到的是相同的位置,则代表这个位置有运动车辆,根据车辆的位置信息就可以提取车辆的纹理信息进行跟踪来获得车辆的轨迹信息。其中,步骤S202和步骤S203仅代表本实施例的一种执行顺序,也可以先执行S203的动作再执行S202的动作;或者S202的动作和S203的动作同时进行。
本实施例中,主要描述的是如何判断侧位停车,由于侧位停车的车辆位置不在停车位内,考虑到停车场内非停车位内既有正常行驶的车辆,也可能存在异常停车的车辆,因此通过判断目标车辆停留某一位置(非车位内)时间大于预设时间来判定所述目标车辆是否为侧位停车。判断侧位停车的方法为通过运动目标分析算法检测运动目标位置和车辆检测器检测车辆位置,当两种方法检测到相同的位置即为运动车辆的位置,找到可能要异常停车的目标车辆。利用纹理特征信息通过跟踪算法对所述目标车辆进行跟踪,获得所述目标车辆的轨迹信息。当获得轨迹信息中,所述目标车辆同一位置停留时间大于预设时间,并且所述同一位置不在车位内即车辆停在车位旁,从而判定所述目标车辆为侧位停车。本实施例通过算法跟踪运动车辆的轨迹信息,当满足条件目标车辆停留在非车位内时间超过预设时间时,及时判定出有车辆侧位停车。
优选的,另一实施例中,公开了一种异常停车判断方法,参见图3,所述方法,包括:
步骤S301、从视频设备获取视频帧信息;
步骤S302、通过运动目标分析算法获得所述视频帧信息中的运动目标的位置信息;
步骤S303、通过车辆检测器获得所述视频帧信息中的车辆位置信息;
步骤S304、根据所述车辆位置信息判断所述车辆的位置是否同时占据两个车位;若所述车辆的位置信息为所述车辆的位置同时占据两个车位,执行步骤S304;
步骤S305、判断所述获得的运动目标的位置信息和所述车辆位置信息是否表示的是所述视频帧中相同位置区域的位置信息,若获得的所述运动目标的位置信息和所述车辆的位置信息表示的不是所述视频帧中相同位置区域的位置信息,执行步骤S306;
步骤S306、判定所述车辆为跨位停车。
需要说明的是,由于视频设备一般都是布置在固定位置,所以各个车位的位置在得到的视频帧信息中即图像中像素点的位置也是固定的,提前在图像中标记车位位置所在的像素点。当经所述车辆检测器获取的所述视频帧信息中的车辆位置信息为所述车辆的位置同时占据两个车位,也就是说获取的目标车辆位置像素点和提前标记的车位中两个相邻车位的像素点有重叠部分,再判断目标车辆是否为运动车辆,只有当目标车辆是静止的且同时占据两个车位时,才能判定所述车辆为跨位停车。其中,步骤S302和步骤S303仅代表本实施例的一种执行顺序,也可以先执行S303的动作再执行S302的动作;或者S202的动作和S203的动作同时进行。
本实施例中,通过车辆检测器检测视频设备拍摄的视频帧信息中的车辆位置信息,当存在车辆的位置信息为所述车辆的位置同时占据两个车位,并且所述目标车辆为停止状态时,判定所述目标车辆为跨位停车。
优选的,另一实施例中,公开了一种异常停车判断方法,参见图4,所述方法,包括:
步骤S401、从视频设备获取视频帧信息;
步骤S402、通过运动目标分析算法获得所述视频帧信息中运动目标的位置信息;
步骤S403、通过车辆检测器获得所述视频帧信息中车辆车身的左右偏角度信息和车辆位置信息;
步骤S404、判断所述车辆的左偏或右偏角度是否大于预设角度且所述车辆的位置与车位位置是否有重叠,若所述车辆的左偏或右偏角度大于预设角度且所述车辆的位置与车位位置有重叠,执行步骤S405;
其中,所述预设角度是提前设定的可以判定车辆是异常停车的偏向角度,根据现场经验获得;
步骤S405、判断所述获得的运动目标的位置信息和所述车辆位置信息是否表示的是所述视频帧中相同位置区域的位置信息,若获得的所述运动目标的位置信息和所述车辆的位置信息表示的不是所述视频帧中相同位置区域的位置信息,执行步骤S406;
步骤S406、判定所述车辆为斜位停车。
本实施例中,通过所述车辆检测器获得所述视频帧信息中的车辆车身的左偏角度或者右偏角度信息和车辆的位置信息,如果通过车辆检测器得到的车辆车身的左偏角度或者右偏角度大于预设角度,并且所述车辆的位置与车位位置有重叠时即车辆一部分在车位内一部分在车位外,认为所述车辆可能为异常停车。还需判断所述车辆是否是停止状态,本实施例将通过车辆检测器得到的车辆位置与通过运动目标分析算法获得所述视频帧信息中的运动目标的位置信息是否为同一位置,如果获得的所述运动目标的位置信息和所述车辆的位置信息表示的不是所述视频帧中相同位置区域的位置信息,则判定所述车辆为斜位停车。其中,步骤S402和步骤S403仅代表本实施例的一种执行顺序,也可以先执行S403的动作再执行S402的动作;或者S402的动作和S403的动作同时进行。
优选的,另一实施例中,公开了一种异常停车判断方法,参见图5,所述方法,包括:
步骤S501、从视频设备获取视频帧信息;
步骤S502、通过车辆检测器获得所述视频帧信息中的车辆的车尾车头信息;
步骤S503、判别所述车辆车尾车头信息与预设的停车方向是否相反,若所述车辆车尾车头信息与预设的停车方向相反;
步骤S504、判定所述车辆为逆向停车。
需要说明的是,在判断逆向停车时,在通过车辆检测器获得所述视频帧信息中的车辆的车尾车头信息的同时,还可通过跟踪算法对所述目标车辆进行跟踪,当获取目标车辆的轨迹信息为所述目标车辆与车辆正常行驶方向相反时,可以进一步联合判定所述车辆为逆向停车。从而保证逆向停车判定的准确性。
本实施例中,通过所述车辆检测器获得视频帧信息中的车辆的车头车尾信息,如果在预设的停车方向上,检测的车辆的车头车尾位置与停车方向相反,则判定所述车辆为逆向停车。
优选的,另一实施例中,所述判定所述目标车辆为异常停车之后,还包括:
记录所述异常停车的车位位置信息;
当地磁检测器检测到车位位置有停车车辆,并且通过车辆检测器检测到所述车位位置为车辆的位置时,认为所述车辆为正常停车,记录所述正常停车的车位位置信息;
根据异常停车的车位位置信息和正常停车的车位位置信息对车位停车状态进行更新。
其中,当判定有侧位停车、跨位停车、斜位停车以及逆向停车四中异常停车类型中的任何一种时,根据车辆检测器获得的车辆位置信息判断所述车辆异常停在哪一个车位上,例如,如果车辆侧位停车,根据车辆检测器获得所述侧位停车车辆的位置,与所述侧位停车车辆的位置旁的车位为异常停车车位,记录所述侧位停车异常车位位置。根据提前设定的车位位置的编号,将相应编号的车位状态更新为异常,以便管理人员实时掌握停车场车位的状态,更好的规范停车秩序。并且本实施例还对正常停车车位状态进行更新,主要是通过地磁检测器检测到车位位置有停车车辆,并且通过车辆检测器同时检测到所述车位位置为车辆的位置,确定所述车位的车辆为正常停车,对所述车位的停车状态进行更新,便于停车场管理人员能够对整个停车场的停车状态实时了解,便于更好的管理停车场。
基于上述方法,图6为本发明公开的一种异常停车判断装置的结构图,参见图6,所述装置,包括:
视频帧获取单元101、目标车辆信息获取单元102、判别单元103、异常停车判定单元104;
其中,所述视频帧获取单元101从视频设备获取视频帧信息,然后所述目标车辆信息获取单元102通过目标分析算法获取所述视频帧获取单元101获得的视频帧信息中的目标车辆信息,所述判别单元103根据所述目标车辆信息判断所述目标车辆是否满足异常停车条件;当所述判别单元103判断目标车辆信息满足异常停车条件时,异常停车判定单元104判定所述目标车辆为异常停车。
本实施里公开的装置能够通过算法对从视频设备获取的视频帧信息进行分析,并判别是否有异常停车。当异常停车判定单元104检测到有异常停车现象,能够及时通知车场管理人员,以便对异常停车进行处理,从而保证道路交通的正常通行。
需要说明的是,本实施例公开的异常停车判断装置中,各个单元的具体工作过程请参见对应图1的方法实施例,此处不再赘述。
优选的,另一实施例中,公开了一种异常停车判断装置,参见图7,所示装置,包括:
视频帧获取单元101、目标车辆信息获取单元102、判别单元103、异常停车判定单元104;
其中,所述目标车辆信息获取单元102包括:
第一运动目标位置信息获取单元105、第一车辆位置信息获取单元106、位置判别单元107、纹理特征提取单元108、轨迹跟踪单元109、
其中,所述视频帧获取单元101从视频设备获取视频帧信息,所述第一运动目标位置信息获取单元105通过运动目标分析算法获得所述视频帧信息中的运动目标的位置信息,并且所述第一车辆位置信息获取单元106通过车辆检测器获得所述视频帧信息中的车辆的位置信息;然后所述位置判别单元107判断获得的所述运动目标的位置信息和所述车辆的位置信息是否表示的是所述视频帧中相同位置区域的位置信息,也就是说运动目标的位置和车辆的位置表示的是所述视频帧中相同位置区域的位置信息相同位置区域即为目标车辆的位置,接着所述纹理特征提取单元108获取所述目标车辆位置的纹理特征信息,所述轨迹跟踪单元109利用纹理特征信息通过跟踪算法对所述目标车辆进行跟踪,以获得所述目标车辆的轨迹信息。
所述判别单元103根据所述目标车辆的轨迹信息判断所述目标车辆同一位置停留时间是否大于预设时间,并且所述目标车辆停留位置是否在车位位置旁边;当所述目标车辆同一位置停留时间大于预设时间,并且所述目标车辆停留位置在车位位置旁边时,认为所述目标车辆满足异常停车条件,判定所述目标车辆为侧位停车。
本实施中,判断侧位停车的方法为通过第一运动目标位置信息获取单元105和第一车辆位置信息获取单元106检测运动车辆的位置,当两单元检测到相同的位置即为运动车辆的位置,找到可能要异常停车的目标车辆。再通过轨迹跟踪单元109对目标车辆进行追踪,获得所述目标车辆的轨迹信息。当获得轨迹信息中,所述目标车辆同一位置停留时间大于预设时间,并且所述同一位置不在车位内即车辆停在车位旁,所述异常停车判定单元104判定所述目标车辆为侧位停车。
需要说明的是,本实施例公开的异常停车判断装置中,各个单元的具体工作过程请参见对应图2的方法实施例,此处不再赘述。
优选的,另一实施例中,公开了一种异常停车判断装置,参见图8,所示装置,包括:
视频帧获取单元101、目标车辆信息获取单元102、判别单元103、异常停车判定单元104;
其中,所述目标车辆信息获取单元102包括:
第二运动目标位置信息获取单元110、第二车辆位置信息获取单元111;
所述判别单元103,包括:
第一判别单元112;第二判别单元113;
其中,所述视频帧获取单元101从视频设备获取视频帧信息,所述第二运动目标位置信息获取单元110通过运动目标分析算法获得所述视频帧信息中的运动目标的位置信息,并且所述第二车辆位置信息获取单元111通过车辆检测器获得所述视频帧信息中的车辆的位置信息;然后,所述第一判别单元112根据所述车辆的位置信息判断所述车辆的位置是否同时占据两个车位;当所述第一判别单元112判别到所述车辆的位置同时占据两个车位时,所述第二判别单元113判断所述获得的运动目标的位置信息和所述车辆位置信息是否表示的是所述视频帧中相同位置区域的位置信息;当所述第二判别单元113判别到所述运动目标的位置信息和所述车辆的位置信息表示的不是所述视频帧中相同位置区域的位置信息,认为所述车辆满足异常停车条件,所述异常停车判定单元104判定所述车辆为跨位停车。
本实施例中,主要描述的是如何判断车辆跨位停车。通过所述第二车辆位置信息获取单元111检测视频帧信息中的车辆位置信息,当所述判别单元103判别到所述车辆的位置同时占据两个车位,并且所述目标车辆为停止状态时,所述异常停车判定单元104判定所述目标车辆为跨位停车。
需要说明的是,本实施例公开的异常停车判断装置中,各个单元的具体工作过程请参见对应图3的方法实施例,此处不再赘述。
优选的,另一实施例中,公开了一种异常停车判断装置,参见图9,所示装置,包括:
视频帧获取单元101、目标车辆信息获取单元102、判别单元103、异常停车判定单元104;
其中,所述目标车辆信息获取单元102包括:
第三运动目标位置信息获取单元114、车辆信息获取单元115;
所述判别单元103,包括:
第三判别单元116和第四判别单元117;
其中,所述视频帧获取单元101从视频设备获取视频帧信息,所述第三运动目标位置信息获取单元114通过运动目标分析算法获得所述视频帧中的运动目标的位置信息,并且所述车辆信息获取单元115通过车辆检测器获得所述视频帧中的车辆车身的左右偏角度信息和位置信息;然后,所述第三判别单元116判断所述车辆的左偏或右偏角度是否大于预设角度且所述车辆的位置与车位位置是否有重叠;当所述第三判别单元116判别到所述车辆的左偏或右偏角度大于预设角度且所述车辆的位置与车位位置有重叠时,所述第四判别单元117判断所述获得的运动目标的位置信息和所述车辆位置信息是否表示的是所述视频帧中相同位置区域的位置信息;当所述第四判别单元117判别到所述运动目标的位置信息和所述车辆的位置信息表示的不是所述视频帧中相同位置区域的位置信息,认为所述车辆满足异常停车条件,所述异常停车判定单元104判定所述车辆为斜位停车。
本实施例中,主要描述的是如何判断车辆斜位停车。通过所述车辆信息获取单元115检测视频帧中的车辆车身的左右偏角度信息和位置信息,当所述判别单元103判别到所述车辆的左偏或右偏角度大于预设角度且所述车辆的位置与车位位置有重叠,并且所述目标车辆为停止状态时,所述异常停车判定单元104判定所述目标车辆为斜位停车。
需要说明的是,本实施例公开的异常停车判断装置中,各个单元的具体工作过程请参见对应图4的方法实施例,此处不再赘述。
优选的,另一实施例中,公开了一种异常停车判断装置,参见图10,所示装置,包括:
视频帧获取单元101、车尾车头信息获取单元118、判别单元103、异常停车判定单元104;
其中,所述视频帧获取单元101从视频设备获取视频帧信息,所述车尾车头信息获取单元118通过车辆检测器获得所述视频帧中的车辆的车尾车头信息,然后所述判别单元103判别所述车辆车尾车头信息与预设的停车方向是否相反,当所述判别单元103判别到所述车辆车尾车头信息与预设的停车方向相反,认为所述车辆满足异常停车条件,所述异常停车判定单元104判定所述车辆为逆向停车。
本实施中,主要描述的是如何判断车辆逆向停车。通过所述车尾车头信息获取单元118检测车辆的车头车尾信息,如果在预设的停车方向上,检测的车辆的车头车尾位置与停车方向相反,则所述异常停车判定单元104判定所述车辆为逆向停车。
优选的,另一实施例中,参见图11,所述装置,还包括:
异常停车车位位置记录单元119、正常停车车位位置记录单元120和更新单元121;
其中,当判别到有异常停车时,所述异常停车车位位置记录单元119记录所述异常停车的位置信息,当地磁检测器检测到车位位置有停车车辆,并且通过车辆检测器检测到所述车位位置为车辆的位置时,所述正常停车车位位置记录单元120记录正常停车的车位位置信息,然后所述更新单元121根据所述异常停车的车位位置信息和正常停车的车位位置信息对车位停车状态进行更新。
需要说明的是,本实施例公开的异常停车判断装置中,各个单元的具体工作过程请参见对应的方法实施例,此处不再赘述。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (16)
1.一种异常停车判断方法,其特征在于,包括:
从视频设备获取视频帧信息;
通过目标分析算法获取所述视频帧信息中的目标车辆信息;
根据所述目标车辆信息判断所述目标车辆是否满足异常停车条件,其中,所述异常停车包括:侧位停车、跨位停车、斜位停车和逆向停车;
若所述目标车辆信息满足异常停车条件,判定所述目标车辆为异常停车。
2.根据权利要求1所述的方法,其特征在于,所述通过目标分析算法获取所述视频帧信息中的目标车辆信息,包括:
通过运动目标分析算法获得所述视频帧信息中的运动目标的位置信息;
通过车辆检测器获得所述视频帧信息中的车辆的位置信息;
判断获得的所述运动目标的位置信息和所述车辆的位置信息是否表示的是所述视频帧中相同位置区域的位置信息;
若获得的所述运动目标的位置信息和所述车辆的位置信息表示的是所述视频帧中相同位置区域的位置信息,以在所述相同位置区域的车辆作为目标车辆,并获取所述目标车辆位置的纹理特征信息;
利用所述纹理特征信息通过跟踪算法对所述目标车辆进行跟踪,以获得所述目标车辆的轨迹信息;
其中,所述根据所述目标车辆信息判断所述目标车辆是否满足异常停车条件,包括:
根据所述目标车辆的轨迹信息判断所述目标车辆同一位置停留时间是否大于预设时间,并且所述目标车辆停留位置是否在车位位置旁边;
其中,若所述目标车辆同一位置停留时间大于预设时间,并且所述目标车辆停留位置在车位位置旁边,认为所述目标车辆满足异常停车条件,判定所述目标车辆为侧位停车。
3.根据权利要求2所述的方法,其特征在于,所述通过运动目标分析算法获得所述视频帧信息中的运动目标的位置信息,包括:
通过高斯背景建模算法获得所述视频帧信息中的运动目标的位置信息。
4.根据权利要求2所述的方法,其特征在于,所述利用所述纹理特征信息通过跟踪算法对所述目标车辆进行跟踪,以获得所述目标车辆的轨迹信息,包括:
利用所述纹理特征信息通过基于光流特征匹配的跟踪算法对所述目标车辆进行跟踪,以获得所述目标车辆的轨迹信息。
5.根据权利要求1所述的方法,其特征在于,所述通过目标分析算法获取所述视频帧信息中的目标车辆信息,包括:
通过运动目标分析算法获得所述视频帧信息中的运动目标的位置信息;
通过车辆检测器获得所述视频帧信息中车辆的位置信息;
其中,所述根据所述目标车辆信息判断所述目标车辆是否满足异常停车条件,包括:
根据所述车辆的位置信息判断所述车辆的位置是否同时占据两个车位;
若所述车辆的位置同时占据两个车位,判断所述获得的运动目标的位置信息和所述车辆位置信息是否表示的是所述视频帧中相同位置区域的位置信息;
其中,若获得的所述运动目标的位置信息和所述车辆的位置信息表示的不是所述视频帧中相同位置区域的位置信息,认为所述车辆满足异常停车条件,判定所述车辆为跨位停车。
6.根据权利要求1所述的方法,其特征在于,所述通过目标分析算法获取所述视频帧信息中的目标车辆信息,包括:
通过运动目标分析算法获得所述视频帧信息中的运动目标的位置信息;
通过车辆检测器获得所述视频帧信息中的车辆车身的左右偏角度信息和位置信息;
其中,所述根据所述目标车辆信息判断所述目标车辆是否满足异常停车条件,包括:
判断所述车辆的左偏或右偏角度是否大于预设角度且所述车辆的位置与车位位置是否有重叠;
当所述车辆的左偏或右偏角度大于预设角度且所述车辆的位置与车位位置有重叠,判断所述获得的运动目标的位置信息和所述车辆位置信息是否表示的是所述视频帧中相同位置区域的位置信息;
其中,若获得的所述运动目标的位置信息和所述车辆的位置信息表示的不是所述视频帧中相同位置区域的位置信息,认为所述车辆满足异常停车条件,判定所述车辆为斜位停车。
7.根据权利要求1所述的方法,其特征在于,所述通过目标分析算法获取所述视频帧信息中的目标车辆信息,包括:
通过车辆检测器获得所述视频帧信息中的车辆的车尾车头信息;
其中,所述根据所述目标车辆信息判断所述目标车辆是否满足异常停车条件,包括:
判别所述车辆车尾车头信息与预设的停车方向是否相反;
其中,若所述车辆车尾车头信息与预设的停车方向相反,认为所述车辆满足异常停车条件,判定所述车辆为逆向停车。
8.根据权利要求1所述的方法,其特征在于,所述判定所述目标车辆为异常停车之后,还包括:
记录所述异常停车的车位位置信息;
当地磁检测器检测到车位位置有停车车辆,并且通过车辆检测器检测到所述车位位置为车辆的位置时,认为所述车辆为正常停车,记录所述正常停车的车位位置信息;
根据异常停车的车位位置信息和正常停车的车位位置信息对车位停车状态进行更新。
9.一种异常停车判断装置,其特征在于,包括:
视频帧获取单元,用于从视频设备获取视频帧信息;
目标车辆信息获取单元,用于通过目标分析算法获取所述视频帧获取单元获得的视频帧信息中的目标车辆信息;
判别单元,用于根据所述目标车辆信息判断所述目标车辆是否满足异常停车条件,其中,所述异常停车包括:侧位停车、跨位停车、斜位停车和逆向停车;
异常停车判定单元,用于当所述判别单元判断目标车辆信息满足异常停车条件时,判定所述目标车辆为异常停车。
10.根据权利要求9所述的装置,其特征在于,所述目标车辆信息获取单元,包括:
第一运动目标位置信息获取单元,用于通过运动目标分析算法获得所述视频帧信息中的运动目标的位置信息;
第一车辆位置信息获取单元,用于通过车辆检测器获得所述视频帧信息中的车辆的位置信息;
位置判别单元,用于判断获得的所述运动目标的位置信息和所述车辆的位置信息是否表示的是所述视频帧中相同位置区域的位置信息;
纹理特征提取单元,用于若获得的所述运动目标的位置信息和所述车辆的位置信息表示的是所述视频帧中相同位置区域的位置信息,以在所述相同位置区域的车辆作为目标车辆,并获取所述目标车辆位置的纹理特征信息;
轨迹跟踪单元,用于利用所述纹理特征信息通过跟踪算法对所述目标车辆进行跟踪,以获得所述目标车辆的轨迹信息;
其中,所述判别单元,具体用于根据所述目标车辆的轨迹信息判断所述目标车辆同一位置停留时间是否大于预设时间,并且所述目标车辆停留位置是否在车位位置旁边;
所述异常停车判定单元,具体用于若所述目标车辆同一位置停留时间大于预设时间,并且所述目标车辆停留位置在车位位置旁边,认为所述目标车辆满足异常停车条件,判定所述目标车辆为侧位停车。
11.根据权利要求10所述的装置,其特征在于,
所述第一运动目标位置信息获取单元,具体用于通过高斯背景建模算法获得所述视频帧中的运动目标的位置信息。
12.根据权利要求10所述的装置,其特征在于,
所述轨迹跟踪单元,具体用于利用所述纹理特征信息通过基于光流特征匹配的跟踪算法对所述目标车辆进行跟踪,以获得所述目标车辆的轨迹信息。
13.根据权利要求9所述的装置,其特征在于,所述目标车辆信息获取单元,包括:
第二运动目标位置信息获取单元,用于通过运动目标分析算法获得所述视频帧中的运动目标的位置信息;
第二车辆位置信息获取单元,用于通过车辆检测器获得所述视频帧中的车辆的位置信息;
其中,所述判别单元,包括:
第一判别单元,用于根据所述车辆的位置信息判断所述车辆的位置是否同时占据两个车位;
第二判别单元,用于所述第一判别单元判别到所述车辆的位置同时占据两个车位,判断所述获得的运动目标的位置信息和所述车辆位置信息是否表示的是所述视频帧中相同位置区域的位置信息;
所述异常停车判定单元,具体用于若所述第二判别单元判别到所述运动目标的位置信息和所述车辆的位置信息表示的不是所述视频帧中相同位置区域的位置信息,认为所述车辆满足异常停车条件,判定所述车辆为跨位停车。
14.根据权利要求9所述的装置,其特征在于,所述目标车辆信息获取单元,包括:
第三运动目标位置信息获取单元,用于通过运动目标分析算法获得所述视频帧中的运动目标的位置信息;
车辆信息获取单元,用于通过车辆检测器获得所述视频帧中的车辆车身的左右偏角度信息和位置信息;
其中,所述判别单元,包括:
第三判别单元,用于判断所述车辆的左偏或右偏角度是否大于预设角度且所述车辆的位置与车位位置是否有重叠;
第四判别单元,用于所述第三判别单元判别到所述车辆的左偏或右偏角度大于预设角度且所述车辆的位置与车位位置有重叠时,判断所述获得的运动目标的位置信息和所述车辆位置信息是否表示的是所述视频帧中相同位置区域的位置信息;
所述异常停车判定单元,具体用于若所述第四判别单元判别到所述运动目标的位置信息和所述车辆的位置信息表示的不是所述视频帧中相同位置区域的位置信息,认为所述车辆满足异常停车条件,判定所述车辆为斜位停车。
15.根据权利要求9所述的装置,其特征在于,所述目标车辆信息获取单元,包括:
车尾车头信息获取单元,用于通过车辆检测器获得所述视频帧中的车辆的车尾车头信息;
其中,所述判别单元,具体用于判别所述车辆车尾车头信息与预设的停车方向是否相反;
所述异常停车判定单元,具体用于若所述车辆车尾车头信息与预设的停车方向相反,认为所述车辆满足异常停车条件,判定所述车辆为逆向停车。
16.根据权利要求9所述的装置,其特征在于,还包括:
异常停车车位位置记录单元,用于记录所述异常停车的车位位置信息;
正常停车车位位置记录单元,用于当地磁检测器检测到车位位置有停车车辆,并且通过车辆检测器检测到所述车位位置为车辆的位置时,认为所述车辆为正常停车,记录所述正常停车的车位位置信息;
更新单元,用于根据所述异常停车的车位位置信息和正常停车的车位位置信息对车位停车状态进行更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610371341.9A CN105809975B (zh) | 2016-05-30 | 2016-05-30 | 一种异常停车判断方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610371341.9A CN105809975B (zh) | 2016-05-30 | 2016-05-30 | 一种异常停车判断方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105809975A true CN105809975A (zh) | 2016-07-27 |
CN105809975B CN105809975B (zh) | 2018-11-27 |
Family
ID=56452169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610371341.9A Active CN105809975B (zh) | 2016-05-30 | 2016-05-30 | 一种异常停车判断方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105809975B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106297317A (zh) * | 2016-09-29 | 2017-01-04 | 深圳市金溢科技股份有限公司 | 一种车辆停车检测方法、终端、服务器和系统 |
CN107038411A (zh) * | 2017-02-26 | 2017-08-11 | 北京市交通运行监测调度中心 | 一种基于视频中车辆运动轨迹的路侧停车行为精确识别方法 |
CN107045800A (zh) * | 2016-12-20 | 2017-08-15 | 河南省电力勘测设计院 | 一种智慧社区车位管理方法 |
CN107134150A (zh) * | 2017-07-12 | 2017-09-05 | 安徽味唯网络科技有限公司 | 一种管制违法违章车辆的方法 |
CN107609491A (zh) * | 2017-08-23 | 2018-01-19 | 中国科学院声学研究所 | 一种基于卷积神经网络的车辆违章停车检测方法 |
CN107945573A (zh) * | 2017-12-29 | 2018-04-20 | 西安艾润物联网技术服务有限责任公司 | 车辆停放检测系统 |
CN108198431A (zh) * | 2017-12-29 | 2018-06-22 | 西安艾润物联网技术服务有限责任公司 | 车辆停放检测设备 |
CN108256554A (zh) * | 2017-12-20 | 2018-07-06 | 深圳市金溢科技股份有限公司 | 基于深度学习的车辆逆向停车判断方法、服务器及系统 |
CN108364472A (zh) * | 2017-12-29 | 2018-08-03 | 中兴智能交通股份有限公司 | 一种智能停车场的异常行为处理方法和装置 |
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 |
CN109615904A (zh) * | 2018-11-16 | 2019-04-12 | 广东安居宝数码科技股份有限公司 | 停车管理方法、装置、计算机设备和存储介质 |
CN109919999A (zh) * | 2019-01-31 | 2019-06-21 | 深兰科技(上海)有限公司 | 一种目标位置检测的方法及装置 |
CN110176151A (zh) * | 2019-06-17 | 2019-08-27 | 北京精英路通科技有限公司 | 一种确定停车行为的方法、装置、介质及设备 |
CN110402458A (zh) * | 2017-03-14 | 2019-11-01 | 奥迪股份公司 | 用于确定和/或管理停车场地图的方法 |
CN110807407A (zh) * | 2019-10-30 | 2020-02-18 | 东北大学 | 一种用于视频中高度近似动态目标的特征提取方法 |
CN111091717A (zh) * | 2019-12-19 | 2020-05-01 | 北京计算机技术及应用研究所 | 一种基于rfid和地磁的路侧停车检测装置 |
CN111105619A (zh) * | 2019-11-28 | 2020-05-05 | 智慧互通科技有限公司 | 一种路侧逆向停车的判断方法及装置 |
CN111325986A (zh) * | 2019-04-04 | 2020-06-23 | 北京嘀嘀无限科技发展有限公司 | 异常停车监测方法、装置、电子设备以及存储介质 |
CN111435569A (zh) * | 2019-01-15 | 2020-07-21 | 丰田自动车株式会社 | 车辆控制装置及车辆控制方法 |
CN112633039A (zh) * | 2019-09-24 | 2021-04-09 | 成都通甲优博科技有限责任公司 | 一种拥堵区域过滤的方法和系统 |
CN113538963A (zh) * | 2021-07-20 | 2021-10-22 | 阿波罗智联(北京)科技有限公司 | 用于输出信息的方法、装置、设备以及存储介质 |
CN113762272A (zh) * | 2021-09-10 | 2021-12-07 | 北京精英路通科技有限公司 | 道路信息的确定方法、装置和电子设备 |
CN114973759A (zh) * | 2022-05-23 | 2022-08-30 | 中国工商银行股份有限公司 | 基于卫星rtk定位的车位管理方法、装置、电子设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101281593A (zh) * | 2008-04-16 | 2008-10-08 | 安防科技(中国)有限公司 | 智能视频监控事件检索方法及系统 |
CN101656023A (zh) * | 2009-08-26 | 2010-02-24 | 西安理工大学 | 一种视频监视模式下的室内停车场管理方法 |
CN202584422U (zh) * | 2012-03-23 | 2012-12-05 | 罗普特(厦门)科技集团有限公司 | 基于智能分析视频监控的违章停车抓拍装置 |
CN103198657A (zh) * | 2013-03-19 | 2013-07-10 | 杨熙增 | 流动车载违章违法停车抓拍实现方法及系统 |
CN103971521A (zh) * | 2014-05-19 | 2014-08-06 | 清华大学 | 道路交通异常事件实时检测方法及装置 |
US20150206014A1 (en) * | 2014-01-22 | 2015-07-23 | Xerox Corporation | Video-based system for automated detection of double parking violations |
CN104809876A (zh) * | 2015-05-07 | 2015-07-29 | 吴柯维 | 一种违章停车检测联动抓拍系统及一体化摄像机 |
CN105389990A (zh) * | 2015-11-20 | 2016-03-09 | 北京信路威科技股份有限公司 | 一种基于监控球机的违章停车检测识别方法 |
-
2016
- 2016-05-30 CN CN201610371341.9A patent/CN105809975B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101281593A (zh) * | 2008-04-16 | 2008-10-08 | 安防科技(中国)有限公司 | 智能视频监控事件检索方法及系统 |
CN101656023A (zh) * | 2009-08-26 | 2010-02-24 | 西安理工大学 | 一种视频监视模式下的室内停车场管理方法 |
CN202584422U (zh) * | 2012-03-23 | 2012-12-05 | 罗普特(厦门)科技集团有限公司 | 基于智能分析视频监控的违章停车抓拍装置 |
CN103198657A (zh) * | 2013-03-19 | 2013-07-10 | 杨熙增 | 流动车载违章违法停车抓拍实现方法及系统 |
US20150206014A1 (en) * | 2014-01-22 | 2015-07-23 | Xerox Corporation | Video-based system for automated detection of double parking violations |
CN103971521A (zh) * | 2014-05-19 | 2014-08-06 | 清华大学 | 道路交通异常事件实时检测方法及装置 |
CN104809876A (zh) * | 2015-05-07 | 2015-07-29 | 吴柯维 | 一种违章停车检测联动抓拍系统及一体化摄像机 |
CN105389990A (zh) * | 2015-11-20 | 2016-03-09 | 北京信路威科技股份有限公司 | 一种基于监控球机的违章停车检测识别方法 |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106297317A (zh) * | 2016-09-29 | 2017-01-04 | 深圳市金溢科技股份有限公司 | 一种车辆停车检测方法、终端、服务器和系统 |
CN107045800A (zh) * | 2016-12-20 | 2017-08-15 | 河南省电力勘测设计院 | 一种智慧社区车位管理方法 |
CN107038411A (zh) * | 2017-02-26 | 2017-08-11 | 北京市交通运行监测调度中心 | 一种基于视频中车辆运动轨迹的路侧停车行为精确识别方法 |
CN110402458A (zh) * | 2017-03-14 | 2019-11-01 | 奥迪股份公司 | 用于确定和/或管理停车场地图的方法 |
CN107134150A (zh) * | 2017-07-12 | 2017-09-05 | 安徽味唯网络科技有限公司 | 一种管制违法违章车辆的方法 |
CN107609491A (zh) * | 2017-08-23 | 2018-01-19 | 中国科学院声学研究所 | 一种基于卷积神经网络的车辆违章停车检测方法 |
CN107609491B (zh) * | 2017-08-23 | 2020-05-26 | 中国科学院声学研究所 | 一种基于卷积神经网络的车辆违章停车检测方法 |
CN108256554A (zh) * | 2017-12-20 | 2018-07-06 | 深圳市金溢科技股份有限公司 | 基于深度学习的车辆逆向停车判断方法、服务器及系统 |
CN108198431A (zh) * | 2017-12-29 | 2018-06-22 | 西安艾润物联网技术服务有限责任公司 | 车辆停放检测设备 |
CN108364472A (zh) * | 2017-12-29 | 2018-08-03 | 中兴智能交通股份有限公司 | 一种智能停车场的异常行为处理方法和装置 |
CN107945573A (zh) * | 2017-12-29 | 2018-04-20 | 西安艾润物联网技术服务有限责任公司 | 车辆停放检测系统 |
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 |
CN109615904A (zh) * | 2018-11-16 | 2019-04-12 | 广东安居宝数码科技股份有限公司 | 停车管理方法、装置、计算机设备和存储介质 |
CN111435569A (zh) * | 2019-01-15 | 2020-07-21 | 丰田自动车株式会社 | 车辆控制装置及车辆控制方法 |
CN109919999A (zh) * | 2019-01-31 | 2019-06-21 | 深兰科技(上海)有限公司 | 一种目标位置检测的方法及装置 |
CN109919999B (zh) * | 2019-01-31 | 2021-06-11 | 深兰科技(上海)有限公司 | 一种目标位置检测的方法及装置 |
CN111325986A (zh) * | 2019-04-04 | 2020-06-23 | 北京嘀嘀无限科技发展有限公司 | 异常停车监测方法、装置、电子设备以及存储介质 |
CN110176151A (zh) * | 2019-06-17 | 2019-08-27 | 北京精英路通科技有限公司 | 一种确定停车行为的方法、装置、介质及设备 |
CN112633039A (zh) * | 2019-09-24 | 2021-04-09 | 成都通甲优博科技有限责任公司 | 一种拥堵区域过滤的方法和系统 |
CN110807407A (zh) * | 2019-10-30 | 2020-02-18 | 东北大学 | 一种用于视频中高度近似动态目标的特征提取方法 |
CN110807407B (zh) * | 2019-10-30 | 2023-04-18 | 东北大学 | 一种用于视频中高度近似动态目标的特征提取方法 |
CN111105619A (zh) * | 2019-11-28 | 2020-05-05 | 智慧互通科技有限公司 | 一种路侧逆向停车的判断方法及装置 |
CN111091717A (zh) * | 2019-12-19 | 2020-05-01 | 北京计算机技术及应用研究所 | 一种基于rfid和地磁的路侧停车检测装置 |
CN113538963A (zh) * | 2021-07-20 | 2021-10-22 | 阿波罗智联(北京)科技有限公司 | 用于输出信息的方法、装置、设备以及存储介质 |
CN113762272A (zh) * | 2021-09-10 | 2021-12-07 | 北京精英路通科技有限公司 | 道路信息的确定方法、装置和电子设备 |
CN114973759A (zh) * | 2022-05-23 | 2022-08-30 | 中国工商银行股份有限公司 | 基于卫星rtk定位的车位管理方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105809975B (zh) | 2018-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105809975A (zh) | 一种异常停车判断方法和装置 | |
CN106228835B (zh) | 一种车位停车事件判断方法及系统 | |
CN102332209B (zh) | 一种汽车违章视频监测方法 | |
CN102254429B (zh) | 一种应用基于视频识别的违章车辆检测装置的违章车辆检测方法 | |
CN106023595B (zh) | 一种异常停车的判断方法、装置及球型摄像机 | |
CN104537841B (zh) | 无牌车辆违章检测方法及其检测系统 | |
KR100969995B1 (ko) | 영상처리기법을 이용한 신호교차로의 교통상충 판단 시스템및 방법 | |
US6999004B2 (en) | System and method for vehicle detection and tracking | |
CN108281041A (zh) | 一种基于超声波和视觉传感器相融合的泊车车位检测方法 | |
CN106297278B (zh) | 一种用于查询抛洒物车辆的方法和系统 | |
CN109800696A (zh) | 目标车辆的监控方法、系统和计算机可读存储介质 | |
CN105549583A (zh) | 用于运行牵引机器人的方法 | |
US20180211530A1 (en) | Computer-assisted or autonomous driving with region-of-interest determination for traffic light analysis | |
CN102129775A (zh) | 全景视频检测的交通路口车辆抓拍取证方法及系统 | |
CN103886763B (zh) | 一种利用视频跟踪技术实现超速违法行为拍照方法及系统 | |
CN106710224A (zh) | 车辆违法行驶的取证方法及其装置 | |
CN102289934A (zh) | 视频自动监控车辆违法越线行驶系统及方法 | |
CN106560861A (zh) | 基于计算机视觉的智能监管方法 | |
CN103886755A (zh) | 具有闯红灯拍照功能的路口异常停车快速报警系统及方法 | |
JP2015090679A (ja) | 車両軌跡抽出方法、車両領域抽出方法、車両速度推定方法、車両軌跡抽出プログラム、車両領域抽出プログラム、車両速度推定プログラム、車両軌跡抽出システム、車両領域抽出システム、及び、車両速度推定システム | |
CN103886753A (zh) | 一种信号灯控制路口异常停车原因快速确认系统及方法 | |
CN105574502A (zh) | 一种自助发卡机违章行为自动检测方法 | |
CN103886751A (zh) | 一种快速发现道路意外事件的系统及方法 | |
CN205680289U (zh) | 一种停车入位检测系统 | |
US11080530B2 (en) | Method and system for detecting an elevated object situated within a parking facility |
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: 20200901 Address after: Room 101, 2 / F, building 17, No. 17, huanke Middle Road, Tongzhou District, Beijing Patentee after: Beijing Elite Road Technology Co.,Ltd. Address before: 100000 Beijing city Haidian District West Road No. 27 small business Qinghe small Haisheng C block second layer Patentee before: BEIJING JAYA TECHNOLOGY Co.,Ltd. |