CN105844959A - 车辆入位的判定方法、装置及车辆出位的判定方法、装置 - Google Patents
车辆入位的判定方法、装置及车辆出位的判定方法、装置 Download PDFInfo
- Publication number
- CN105844959A CN105844959A CN201610412917.1A CN201610412917A CN105844959A CN 105844959 A CN105844959 A CN 105844959A CN 201610412917 A CN201610412917 A CN 201610412917A CN 105844959 A CN105844959 A CN 105844959A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- target
- positional information
- video frame
- parking stall
- 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
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了车辆入位的判定方法及装置，方法包括：获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断目标的位置信息与车位的位置信息是否存在交集；对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于入位阈值；对视频帧图像进行车辆检测，判断视频帧图像中的目标是否为车辆；若均为是，则视频帧图像中对应的车辆为入位状态；该方法通过三个识别过程准确的识别车辆入位状态，在不增加硬件成本的基础上实现实时获取进入车位的车辆信息；本发明还公开了车辆出位的判定方法及装置，通过三个识别过程准确的识别车辆出位状态，实现实时获取驶出车位的车辆信息；本发明还公开了车辆管理系统。
Description
技术领域
本发明涉及图像处理技术领域，特别涉及一种车辆入位的判定方法、装置及车辆出位的判定方法、装置及车辆管理系统。
背景技术
目前，视频技术已经广泛应用于停车场、城市道路、高速公路等区域进行车辆信息的自动抓取和识别。随着车辆保有量的持续增加，视频技术在智能交通中的应用将越来越多，现在基于视频的道路停车管理系统广泛使用视频技术实现车位的管理。但基于视频的道路停车管理系统存在一个问题，车辆进入车位以后，由于受摄像头空间位置的限制，有的车牌信息存在遮挡，摄像头不能自动抓取车牌信息。导致车辆信息无法记录。
当前车辆入位检测和出位检测方法有以下几种方法：第一在车位侧设置传感器进行入位检测，这类方法通过利用红外传感器，地磁感应传感器，超声波传感器，低频传感器等设备获取温度变化，磁场变化，物体位移变化，车辆电磁信号等实现入位和出位检测，但是这种方式存在对周围环境的依赖，检测结果差强人意。第二在车位侧设置射频模块进行车位检测，这类方法通过检测车辆上的标签来实现入位检测。因为检测时射频设备和标签之间存在方向性，所以二者之间存在遮挡时检测结果不准确，此外，射频设备工作频率很高，收发距离较远，当存在相邻被测物时，无法正确识别车辆入位和出位。第三基于图像的入位和出位状态检测，这种方法通过利用车位的颜色模型，边缘特征做图像分析，从而实现入位和出位状态检测，但是这种基于图像的方法所利用的特征过于简单，抗干扰能力差，所以进行检测时很容易被干扰造成检测失误，无法准确的及时的检测车辆的入位和出位。
因此，如何准确的及时的检测车辆的入位和出位，是本领域技术人员需要解决的技术问题。
发明内容
本发明的目的是提供一种车辆入位的判定方法及车辆出位的判定方法，能够在不增加硬件成本的基础上准确的对车辆的入位状态及出位状态进行预判；本发明的另一目的是提供一种车辆出位的判定装置、车辆出位的判定装置及车辆管理系统。
为解决上述技术问题，本发明提供车辆入位的判定方法，包括：
获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集；
对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于入位阈值；
对所述视频帧图像进行车辆检测，判断所述视频帧图像中的目标是否为车辆；
若均为是，则所述视频帧图像中对应的车辆为入位状态。
其中，获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集，包括：
利用运动目标分析算法及车辆检测器对所述视频帧图像进行计算，得到运动目标的区域位置信息；
在所述区域位置信息对应的区域内对所述运动目标进行纹理信息提取，并利用所述纹理信息进行运动目标的视觉跟踪，得到目标跟踪轨迹；
将得到的目标跟踪轨迹与车位的行车侧边界线的位置信息进行比较；判断所述目标跟踪轨迹与车位的行车侧边界线的位置信息是否存在交集。
其中，对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于入位阈值，包括：
初始化设定的虚拟线圈；
利用背景建模得到的背景模型提取所述虚拟线圈内的目标的特征点；
判断所述特征点的个数是否大于入位阈值。
其中，若均为是，则所述视频帧图像中对应的车辆为入位状态，包括：
若均为是，则确定与目标跟踪轨迹存在交集的车位的位置信息；
确定目标进入虚拟线圈对应的车位的位置信息；
确定车辆检测得到的车辆位置信息对应的车位的位置信息；
判断各个车位的位置信息是否对应同一个车位区域；
若是，则所述目标在一个区域内；则所述视频帧图像中对应的车辆为入位状态。
本发明还提供一种车辆入位的判定装置，包括：
入位轨迹检测模块，用于获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集；
入位虚拟线圈模块，用于对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于入位阈值；
入位车辆检测模块，用于对所述视频帧图像进行车辆检测，判断所述视频帧图像中的目标是否为车辆；
入位判断模块，用于若均为是，则所述视频帧图像中对应的车辆为入位状态。
本发明还提供一种车辆出位的判定方法，包括：
获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集；
对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于出位阈值；
对所述视频帧图像进行车辆检测，判断所述视频帧图像中的目标是否为车辆；
若均为是，则所述视频帧图像中对应的车辆为出位状态。
其中，获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集，包括：
利用运动目标分析算法及车辆检测器对所述视频帧图像进行计算，得到运动目标的区域位置信息；
在所述区域位置信息对应的区域内对所述运动目标进行纹理信息提取，并利用所述纹理信息进行运动目标的视觉跟踪，得到目标跟踪轨迹；
将得到的目标跟踪轨迹与车位的边界线位置信息进行比较；判断所述目标跟踪轨迹与车位的边界线位置信息是否存在交集。
其中，对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于出位阈值，包括：
初始化设定的虚拟线圈；
利用背景建模得到的背景模型提取所述虚拟线圈内的目标的特征点；
判断所述特征点的个数是否大于出位阈值。
其中，若均为是，则所述视频帧图像中对应的车辆为出位状态，包括：
若均为是，则确定与目标跟踪轨迹存在交集的车位的位置信息；
确定目标在虚拟线圈对应的车位的位置信息；
确定车辆检测得到的车辆位置信息对应的车位的位置信息；
判断各个车位的位置信息是否对应同一个车位区域；
若是，则所述目标在一个区域内；则所述视频帧图像中对应的车辆为出位状态。
本发明还提供一种车辆出位的判定装置，包括：
出位轨迹检测模块，用于获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集；
出位虚拟线圈模块，用于对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于出位阈值；
出位车辆检测模块，用于对所述视频帧图像进行车辆检测，判断所述视频帧图像中的目标是否为车辆；
出位判断模块，用于若均为是，则所述视频帧图像中对应的车辆为出位状态。
本发明还提供一种车辆管理系统，包括：
摄像头，用于采集停车场视频帧图像；
上述车辆入位的判定装置，用于对车辆入位状态进行判断；
和/或上述车辆出位的判定装置，用于对车辆出位状态进行判断；
存储器，用于记录具有入位状态和/或出位状态车辆的信息。
本发明所提供的车辆入位的判定方法，包括：获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集；对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于入位阈值；对所述视频帧图像进行车辆检测，判断所述视频帧图像中的目标是否为车辆；若均为是，则所述视频帧图像中对应的车辆为入位状态；
该方法将判断运动目标是否碾压车位线，判断目标在虚拟线圈中是否有运动前景，判断目标是否为车辆三者结合起来，最终得到车辆是否为入位状态进而证明该车辆会入位；该方法的准确性很高，因为其可以避免只利用虚拟线圈检测，车辆在车位旁边行驶时，是可以在虚拟线圈中检测到运动前景的，有可能会误判；如果只判断运动目标是否碾压车位线，当车辆不沿直线行驶时，有可能车辆在变道也会碾压到车位线的，这样也会存在误判；且若不检测目标是否为车辆，可能会出现行人、手推车等运动目标的误判；因此，该方法利用车辆入位的三个特征，对每一个特征都加以利用可以增强系统的检测精度，减少系统的误检。进一步，在能够准确识别到车辆入位状态后，可以解决车辆在道路停车位停车时，车辆管理系统能够实时获取车辆车牌信息。提高车辆管理系统的管理效率和准确性。本发明所提供的车辆入位的判定装置，具有上述效果。
本发明所提供的车辆出位的判定方法与上述车辆入位的判定方法类似，都是将判断运动目标是否碾压车位线，判断目标在虚拟线圈中是否有运动前景，判断目标是否为车辆三者结合起来，最终得到车辆是否为入位状态进而证明该车辆会出位；具有上述有益效果，本发明所提供的车辆出位的判定装置也具有上述有益效果，再次不再赘述。
本发明所提供的车辆管理系统，可以根据车辆出位的判定装置和/或车辆入位的判定装置得到的车辆出入位状态结果，及时，准确的记录到对应车辆的信息，例如车牌信息等；可以提高车辆管理系统的管理效率和准确性。
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为本发明实施例所提供的车辆入位的判定方法的流程图；
图2为本发明实施例所提供的车辆入位的判定装置的结构框图；
图3为本发明实施例所提供的车辆出位的判定方法的流程图；
图4为本发明实施例所提供的车辆出位的判定装置的结构框图；
图5为本发明实施例所提供的车辆管理系统的结构框图。
具体实施方式
本发明的核心是提供一种车辆入位的判定方法及车辆出位的判定方法，能够在不增加硬件成本的基础上准确的对车辆的入位状态及出位状态进行预判；本发明的另一目的是提供一种车辆出位的判定装置、车辆出位的判定装置及车辆管理系统。
为使本发明实施例的目的、技术方案和优点更加清楚，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。
请参考图1，图1为本发明实施例所提供的车辆入位的判定方法的流程图；该方法可以包括：
S100、获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集；
其中，通过分析可以得到，车辆进入停车位的时候都会具有以下三个特征，第一目标不可能直线行驶，会碾压车位线；第二目标会进入车位，所以虚拟线圈会检测到运动前景；第三目标是车辆，这时可以检测到的。因此，该实施例利用上述三个特征对车辆的入位状态进行判断。
该步骤就是对第一个特征进行判定，由于车辆会碾压车位线，因此可以将视频帧图像中的目标的位置信息与车位的位置信息进行比较，若要碾压，则证明必然会存在交集，即会存在至少一个点的位置是重合的，即目标的位置信息与车位的位置信息是至少会存在一个交集。
这里获取停车场的视频帧图像中的目标的位置信息，可以通过车辆检测器即车检器，后续车辆检测器用车检器表示；获取，车位的位置信息可以提前进行建模预存，在获取的视频帧图像中可以确定车位的位置；判断所述目标的位置信息与所述车位的位置信息是否存在交集，即比较是否存在一样的位置信息；当存在一样的位置信息即表明目标与车位至少为接触的，第一个特征满足；
其中，车检器功能是检测视频帧中的车辆目标，车检器可以检测视频帧中车辆的位置信息，车头车位信息，车身左右偏信息。车检器可以根据DPM(Deformable Parts Model)目标检测算法构建。
为了提高比较的速度，可以将目标的位置信息与车位的边界线的位置信息进行比较，目标与边界线相交即实现了对车位边界的碾压。进一步根据实际情况在道路停车位的两侧一边是行车侧，另一侧大多为台阶或者绿化带，车辆要想进入停车位基本都必须从行车侧进入车位，这样在进行第一个特征的判断时，可以将目标的位置信息与车位的行车侧的车位线的位置信息进行比较，可以加快比较的速度，提高比较效率；为了更加准确的对第一个特性进行判断，还可以通过轨迹检测与车检器相结合来进行判定。优选的，获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集，包括：
利用运动目标分析算法及车辆检测器对所述视频帧图像进行计算，得到运动目标的区域位置信息；
在所述区域位置信息对应的区域内对所述运动目标进行纹理信息提取，并利用所述纹理信息进行运动目标的视觉跟踪，得到目标跟踪轨迹；
将得到的目标跟踪轨迹与车位的行车侧边界线的位置信息进行比较；判断所述目标跟踪轨迹与车位的行车侧边界线的位置信息是否存在交集。
其中，获取视频帧图像后，可以根据运动目标分析算法和车检器计算运动目标(如车辆)的区域位置信息，然后在对应区域(即区域位置信息对应的区域)提取运动目标的纹理信息进行跟踪，通过跟踪可以获得目标的运动轨迹即上述目标跟踪轨迹。其中，运动目标分析算法可以用传统高斯背景建模算法，视觉跟踪可以用基于光流特征匹配的跟踪算法。优选的，将提取的运动目标的纹理信息进行中心聚类，排除了环境因素对检测结果的影响，目标入位位置判断是根据目标跟踪轨迹碾压车位线位置和车位位置信息判断的，车辆碾压车位线的位置即为轨迹检测检测到的入位位置。
S110、对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于入位阈值；
其中，该步骤就是对第二个特征进行判定，由于车辆入位时一定是要进入车位的，因此可以利用虚拟线圈检测，来判断视频帧图像中的目标是否有进入虚拟线圈的运动前景，若有，则目标有继续进入虚拟线圈的趋势。这里的虚拟线圈形成过程可以是，停车位在视频场景里面是有具体的位置的，在进行一定的外扩以后定义为虚拟线圈。这样车辆进入车位时，虚拟线圈就可以检测到运动前景，即目标有进入虚拟线圈对应的车位的趋势；利用虚拟线圈检测目标是否要进入车位的具体过程可以是：
初始化设定的虚拟线圈；
利用背景建模得到的背景模型提取所述虚拟线圈内的目标的特征点；
判断所述特征点的个数是否大于入位阈值。
其中，每个车位在图像里面对应一个虚拟线圈，初始化是标明图像中某一个区域是一个虚拟线圈，标明以后，在后续的处理中就知道了虚拟线圈的区域位置信息。
获取视频帧后进行背景建模，因为背景建模需要一个过程，所以会有预热阶段。对视频帧进行背景建模可以得到运动前景，以前景为特征，计算虚拟线圈中特征的个数，如果大于设定的入位阈值，表示有目标进入虚拟线圈对应的车位。背景建模初始化过程需要一定量的视频帧图像，这里选择前A帧图像对模型进行初始化，也叫预热过程，初始化没有完成时，还不能对虚拟线圈中特征的个数进行计算。在后续背景建模分析过程中如果不切换场景就不需要预热过程，切换场景就需要对场景背景模型重新初始化。根据背景建模，可以获得场景中的运动前景，以前景为特征点，计算前景特征点在虚拟线圈中的个数。如果个数超过阈值，输出目标进入虚拟线圈，否则输出目标未进入虚拟线圈并进入下一帧分析。目标未进入虚拟线圈也可以不进行输出直接进入下一帧图像的计算。背景建模可以采用传统的高斯背景建模算法。
该实施例并不对具体的虚拟线圈检测处理过程进行限定，只要可以通过虚拟线圈的计算，判断出视频帧图像中的目标是否有进入虚拟线圈对应的车位的趋势即可。
S120、对所述视频帧图像进行车辆检测，判断所述视频帧图像中的目标是否为车辆；
其中，该步骤是对第三个特征进行判定，只需要确定目标为车辆即可。因此这里并不对车辆检测的具体算法进行限定，只要可以确定视频帧图像中的目标是否为车辆即可，通常可以用车检器进行车辆检测确认是否存在车辆。
S130、若均为是，则所述视频帧图像中对应的车辆为入位状态。
其中，步骤100、步骤110与步骤120并没有先后顺序，该方法仅需要实现这三个步骤的判断即可。即可以同时并列，也可以任意排序。
入位状态不是完全的入位，只是一个提前预判，这时一般是车辆开始入位但是还没有停到车位里面去，这样一个判断会有利于系统会在收到预判信息后调度球型摄像机捕获车牌信息，防止车辆开进车位里面，车牌被遮挡，无法获取车牌信息。
基于上述技术方案，本发明实施例提供的车辆入位的判定方法，将判断运动目标是否碾压车位线，判断目标在虚拟线圈中是否有运动前景，判断目标是否为车辆三者结合起来，最终得到车辆是否为入位状态进而证明该车辆会入位；该方法的准确性很高，因为其可以避免只利用虚拟线圈检测，车辆在车位旁边行驶时，是可以在虚拟线圈中检测到运动前景的，有可能会误判；如果只判断运动目标是否碾压车位线，当车辆不沿直线行驶时，有可能车辆在变道也会碾压到车位线的，这样也会存在误判；因此都进行检测可以提高系统的稳定性；且若不检测目标是否为车辆，可能会出现行人、手推车等运动目标的误判；因此，该方法利用车辆入位的三个特征，对每一个特征都加以利用可以增强系统的检测精度，减少系统的误检。
进一步，为了提高上述实施例的检测精度，可以对步骤100、步骤110和步骤120对应的区域进行比较，判断三者对应的区域是否为同一个区域，若是，则车辆为入位状态。既优选的，若均为是，则所述视频帧图像中对应的车辆为入位状态，包括：
若均为是，则确定与目标跟踪轨迹存在交集的车位的位置信息；
确定目标进入虚拟线圈对应的车位的位置信息；
确定车辆检测得到的车辆位置信息对应的车位的位置信息；
判断各个车位的位置信息是否对应同一个车位区域；
若是，则所述目标在一个区域内；则所述视频帧图像中对应的车辆为入位状态。
其中，还可以将步骤100、步骤110和步骤120划分顺序，并在执行两个步骤之后就进行区域比较，可以节省时间，提高判段效率。且在有顺序的时刻，出现一个判断为否的情况即可以不进行其他的判断，直接进入下一帧图像的判断。如按照步骤100、步骤110和步骤120的顺序进行时，如果轨迹检测和虚拟线圈检测结果都为同一区域，则可以判断有运动目标入位，这时需要进一步判断目标是否为车辆，根据车检器结果判断当前区域是否存在车辆。如果不是车辆则表示没有车辆入位然后进行下一帧分析，如果是车辆还可以获取车辆位置信息。根据车位的位置信息和车辆位置信息可以判断车辆入位位置。车辆检测可以检测到视频帧中的车辆信息即车辆位置信息，如果检测不到车辆则进行下一帧分析。在轨迹检测模块和虚拟线圈检测模块都检测到同一区域存在目标时，需要获取车检器结果验证该区域是否有车辆存在，没有就输出不入位，有就获取车位信息判断车辆入位位置。车检器检测到车辆，轨迹检测检测到目标入位，虚拟线圈检测目标入位，则需要融合三个模块检测结果判断是不是同一区域。如果以上三个模块检测结果是同一个区域则获取车位信息判断入位位置。
即轨迹检测和虚拟线圈检测都检测到目标，需要判断两个检测方式是不是检测的同一目标，通过检测结果位置信息判断是否为同一目标。如果是同一目标则需要车检测模块验证目标是车辆。如果是车辆则根据目标的位置和车位位置信息判断车辆入位位置。
该实施例车辆入位状态判断即车辆入位预判分为三部分，第一部分为运动车辆轨迹检测，第二部分是虚拟线圈内运动前景检测，如果两部分检测结果都是同一区域，就利用车辆检测模块进一步判断该区域目标是否是车辆，如果检测到车辆目标，则表示车辆入位。
基于上述技术方案，本发明实施例提供的车辆入位的判定方法，通过视频分析的方式，节省了硬件开支，降低了劳动力成本，只需要开发过程在算法里面增加相应的算法模块；融合了车辆轨迹检测，虚拟线圈检测和车辆检测三个模块，增强了算法的稳定性，提升了预判的精度；利用运动背景信息提取运动物体的特征，并结合特征描述和特征计算增强了算法对周围环境的鲁棒性，可适应刮风、雨雪、光照不足等恶略天气。
本发明实施例提供了车辆入位的判定方法，能够在不增加硬件成本的基础上准确的对车辆的入位状态进行预判。
下面对本发明实施例提供的车辆入位的判定装置进行介绍，下文描述的车辆入位的判定装置与上文描述的车辆入位的判定方法可相互对应参照。
请参考图2，图2为本发明实施例所提供的车辆入位的判定装置的结构框图；该装置可以包括：
入位轨迹检测模块110，用于获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集；
入位虚拟线圈模块120，用于对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于入位阈值；
入位车辆检测模块130，用于对所述视频帧图像进行车辆检测，判断所述视频帧图像中的目标是否为车辆；
入位判断模块140，用于若均为是，则所述视频帧图像中对应的车辆为入位状态。
基于上述技术方案，可选的，入位轨迹检测模块110包括：
区域位置信息单元，用于利用运动目标分析算法及车辆检测器对所述视频帧图像进行计算，得到运动目标的区域位置信息；
目标跟踪轨迹单元，用于在所述区域位置信息对应的区域内对所述运动目标进行纹理信息提取，并利用所述纹理信息进行运动目标的视觉跟踪，得到目标跟踪轨迹；
入位检测判断单元，用于将得到的目标跟踪轨迹与车位的行车侧边界线的位置信息进行比较；判断所述目标跟踪轨迹与车位的行车侧边界线的位置信息是否存在交集。
基于上述技术方案，可选的，入位虚拟线圈模块120包括：
初始化单元，用于初始化设定的虚拟线圈；
特征点提取单元，用于利用背景建模得到的背景模型提取所述虚拟线圈内的目标的特征点；
入位虚拟线圈判断单元，用于判断所述特征点的个数是否大于入位阈值。
基于上述技术方案，可选的，入位判断模块140包括：
区域确定单元，用于若均为是，则确定与目标跟踪轨迹存在交集的车位的位置信息；确定目标进入虚拟线圈对应的车位的位置信息；确定车辆检测得到的车辆位置信息对应的车位的位置信息；
入位区域判断单元，用于判断各个车位的位置信息是否对应同一个车位区域；若是，则所述目标在一个区域内；则所述视频帧图像中对应的车辆为入位状态。
参考上述对于车辆入位的判定方法的说明；请参考图3，图3为本发明实施例所提供的车辆出位的判定方法的流程图；该方法可以包括：
S200、获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集；
其中，优选的，获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集，包括：
利用运动目标分析算法及车辆检测器对所述视频帧图像进行计算，得到运动目标的区域位置信息；
在所述区域位置信息对应的区域内对所述运动目标进行纹理信息提取，并利用所述纹理信息进行运动目标的视觉跟踪，得到目标跟踪轨迹；
将得到的目标跟踪轨迹与车位的边界线位置信息进行比较；判断所述目标跟踪轨迹与车位的边界线位置信息是否存在交集。
其中，这里的交集的判断可以不区分行人侧和行车侧，因为除了行人侧一遍为绿化带的情况，其他情况时，可能考虑到路上行车的数量等问题，车辆还是可以通过台阶等从行人侧车位边界线进行出位。因此，这里的交集的判断可以不区分行人侧和行车侧。
S210、对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于出位阈值；
其中，优选的，对所述视频帧图像进行虚拟线圈检测，确认所述视频帧图像中的目标是否驶出虚拟线圈，包括：
初始化设定的虚拟线圈；
利用背景建模得到的背景模型提取所述虚拟线圈内的目标的特征点；
判断所述特征点的个数是否大于出位阈值。
其中，根据背景建模可以得到运动前景，提取运动前景像素个数作为特征，统计在虚拟线圈中前景像素个数，判断统计结果与出位阈值的大小关系。这里的出位阈值和入位阈值的设定是不同的。入位时，车辆部分进入虚拟线圈，阈值相对较小，出位时，车辆大部分在虚拟线圈内，所以阈值相对较大。
S220、对所述视频帧图像进行车辆检测，判断所述视频帧图像中的目标是否为车辆；
S230、若均为是，则所述视频帧图像中对应的车辆为出位状态。
本发明实施例提供了车辆出位的判定方法，能够在不增加硬件成本的基础上准确的对车辆的出位状态进行预判。
下面对本发明实施例提供的车辆出位的判定装置进行介绍，下文描述的车辆出位的判定装置与上文描述的车辆出位的判定方法可相互对应参照。
请参考图4，图4为本发明实施例所提供的车辆出位的判定装置的结构框图；该装置可以包括：
出位轨迹检测模块210，用于获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集；
出位虚拟线圈模块220，用于对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于出位阈值；
出位车辆检测模块230，用于对所述视频帧图像进行车辆检测，判断所述视频帧图像中的目标是否为车辆；
出位判断模块240，用于若均为是，则所述视频帧图像中对应的车辆为出位状态。
基于上述技术方案，可选的，出位轨迹检测模块210包括：
区域位置信息单元，用于利用运动目标分析算法及车辆检测器对所述视频帧图像进行计算，得到运动目标的区域位置信息；
目标跟踪轨迹单元，用于在所述区域位置信息对应的区域内对所述运动目标进行纹理信息提取，并利用所述纹理信息进行运动目标的视觉跟踪，得到目标跟踪轨迹；
出位检测判断单元，用于将得到的目标跟踪轨迹与车位的边界线位置信息进行比较；判断所述目标跟踪轨迹与车位的边界线位置信息是否存在交集。
基于上述技术方案，可选的，出位虚拟线圈模块220包括：
初始化单元，用于初始化设定的虚拟线圈；
特征点提取单元，用于利用背景建模得到的背景模型提取所述虚拟线圈内的目标的特征点；
出位虚拟线圈判断单元，用于判断所述特征点的个数是否大于出位阈值。
基于上述技术方案，可选的，出位判断模块240包括：
区域确定单元，用于若均为是，则确定与目标跟踪轨迹存在交集的车位的位置信息；确定目标在虚拟线圈对应的车位的位置信息；确定车辆检测得到的车辆位置信息对应的车位的位置信息；
出位区域判断单元，用于判断各个车位的位置信息是否对应同一个车位区域；若是，则所述目标在一个区域内；则所述视频帧图像中对应的车辆为出位状态。
下面对本发明实施例提供的车辆管理系统进行介绍，下文描述的车辆管理系统与上文描述的车辆入位的判定方法及车辆出位的判定方法可相互对应参照。
基于上述任意技术方案，请参考图5，图5为本发明实施例所提供的车辆管理系统的结构框图；该系统可以包括：
摄像头300，用于采集停车场视频帧图像；
上述任一项所述的车辆入位的判定装置100，用于对车辆入位状态进行判断；
和/或上述任一项所述的车辆出位的判定装置200，用于对车辆出位状态进行判断；
存储器400，用于记录具有入位状态和/或出位状态车辆的信息。
其中，车辆入位的判定装置100和车辆出位的判定装置200可以只有一个也可以都有。
车辆在道路停车位停车时，在车辆完成停车后车牌信息被遮挡无法通过摄像头获取车辆信息，所以基于道路的车辆管理需要在车辆未完全停进车位或者未完全离开车位时自动识别车辆信息。这就需要对车辆的入位和出位进行提前预判，通过这种方式给车辆管理系统足够的时间抓取车辆信息(如以及时调动摄像头获取车辆信息)。即通过对车辆入位和/或出位进行预判，优化了摄像头调度，仅仅在需要获取车辆信息的时候才调动摄像头对焦捕获车辆信息(车牌信息)。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的车辆入位的判定方法、装置，车辆出位的判定方法、装置及车辆管理系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (11)
1.一种车辆入位的判定方法，其特征在于，包括：
获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集；
对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于入位阈值；
对所述视频帧图像进行车辆检测，判断所述视频帧图像中的目标是否为车辆；
若均为是，则所述视频帧图像中对应的车辆为入位状态。
2.如权利要求1所述的车辆入位的判定方法，其特征在于，获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集，包括：
利用运动目标分析算法及车辆检测器对所述视频帧图像进行计算，得到运动目标的区域位置信息；
在所述区域位置信息对应的区域内对所述运动目标进行纹理信息提取，并利用所述纹理信息进行运动目标的视觉跟踪，得到目标跟踪轨迹；
将得到的目标跟踪轨迹与车位的行车侧边界线的位置信息进行比较；判断所述目标跟踪轨迹与车位的行车侧边界线的位置信息是否存在交集。
3.如权利要求2所述的车辆入位的判定方法，其特征在于，对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于入位阈值，包括：
初始化设定的虚拟线圈；
利用背景建模得到的背景模型提取所述虚拟线圈内的目标的特征点；
判断所述特征点的个数是否大于入位阈值。
4.如权利要求3所述的车辆入位的判定方法，其特征在于，若均为是，则所述视频帧图像中对应的车辆为入位状态，包括：
若均为是，则确定与目标跟踪轨迹存在交集的车位的位置信息；
确定目标进入虚拟线圈对应的车位的位置信息；
确定车辆检测得到的车辆位置信息对应的车位的位置信息；
判断各个车位的位置信息是否对应同一个车位区域；
若是，则所述目标在一个区域内；则所述视频帧图像中对应的车辆为入位状态。
5.一种车辆入位的判定装置，其特征在于，包括：
入位轨迹检测模块，用于获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集；
入位虚拟线圈模块，用于对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于入位阈值；
入位车辆检测模块，用于对所述视频帧图像进行车辆检测，判断所述视频帧图像中的目标是否为车辆；
入位判断模块，用于若均为是，则所述视频帧图像中对应的车辆为入位状态。
6.一种车辆出位的判定方法，其特征在于，包括：
获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集；
对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于出位阈值；
对所述视频帧图像进行车辆检测，判断所述视频帧图像中的目标是否为车辆；
若均为是，则所述视频帧图像中对应的车辆为出位状态。
7.如权利要求6所述的车辆出位的判定方法，其特征在于，获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集，包括：
利用运动目标分析算法及车辆检测器对所述视频帧图像进行计算，得到运动目标的区域位置信息；
在所述区域位置信息对应的区域内对所述运动目标进行纹理信息提取，并利用所述纹理信息进行运动目标的视觉跟踪，得到目标跟踪轨迹；
将得到的目标跟踪轨迹与车位的边界线位置信息进行比较；判断所述目标跟踪轨迹与车位的边界线位置信息是否存在交集。
8.如权利要求7所述的车辆出位的判定方法，其特征在于，对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于出位阈值，包括：
初始化设定的虚拟线圈；
利用背景建模得到的背景模型提取所述虚拟线圈内的目标的特征点；
判断所述特征点的个数是否大于出位阈值。
9.如权利要求8所述的车辆出位的判定方法，其特征在于，若均为是，则所述视频帧图像中对应的车辆为出位状态，包括：
若均为是，则确定与目标跟踪轨迹存在交集的车位的位置信息；
确定目标在虚拟线圈对应的车位的位置信息；
确定车辆检测得到的车辆位置信息对应的车位的位置信息；
判断各个车位的位置信息是否对应同一个车位区域；
若是，则所述目标在一个区域内；则所述视频帧图像中对应的车辆为出位状态。
10.一种车辆出位的判定装置，其特征在于，包括：
出位轨迹检测模块，用于获取停车场的视频帧图像中的目标的位置信息，并与车位的位置信息进行比较；判断所述目标的位置信息与所述车位的位置信息是否存在交集；
出位虚拟线圈模块，用于对所述视频帧图像进行虚拟线圈检测，判断特征点的个数是否大于出位阈值；
出位车辆检测模块，用于对所述视频帧图像进行车辆检测，判断所述视频帧图像中的目标是否为车辆；
出位判断模块，用于若均为是，则所述视频帧图像中对应的车辆为出位状态。
11.一种车辆管理系统，其特征在于，包括：
摄像头，用于采集停车场视频帧图像；
如权利要求5所述的车辆入位的判定装置，用于对车辆入位状态进行判断；
和/或如权利要求10所述的车辆出位的判定装置，用于对车辆出位状态进行判断；
存储器，用于记录具有入位状态和/或出位状态车辆的信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610412917.1A CN105844959B (zh) | 2016-06-13 | 2016-06-13 | 车辆入位的判定方法、装置及车辆出位的判定方法、装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610412917.1A CN105844959B (zh) | 2016-06-13 | 2016-06-13 | 车辆入位的判定方法、装置及车辆出位的判定方法、装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105844959A true CN105844959A (zh) | 2016-08-10 |
| CN105844959B CN105844959B (zh) | 2018-07-24 |
Family
ID=56575874
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610412917.1A Active CN105844959B (zh) | 2016-06-13 | 2016-06-13 | 车辆入位的判定方法、装置及车辆出位的判定方法、装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105844959B (zh) |
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106530818A (zh) * | 2016-12-30 | 2017-03-22 | 北京航空航天大学 | 基于视频处理技术的智能停车场管理系统 |
| CN106652551A (zh) * | 2016-12-16 | 2017-05-10 | 浙江宇视科技有限公司 | 一种车位检测方法及设备 |
| CN106952477A (zh) * | 2017-04-26 | 2017-07-14 | 智慧互通科技有限公司 | 基于多相机图像联合处理的路侧停车管理方法 |
| CN107134147A (zh) * | 2017-07-03 | 2017-09-05 | 智慧互通科技有限公司 | 基于摄像机与传感器管理杆下车位的方法、装置及系统 |
| CN107757609A (zh) * | 2016-08-22 | 2018-03-06 | 奥迪股份公司 | 车辆驾驶辅助系统及方法 |
| CN107945521A (zh) * | 2017-11-20 | 2018-04-20 | 青岛比特信息技术有限公司 | 一种枪球联动路侧泊车检测系统及方法 |
| CN108205925A (zh) * | 2016-12-17 | 2018-06-26 | 杭州海康威视数字技术股份有限公司 | 一种获取车位状态的方法及装置 |
| CN108921955A (zh) * | 2018-06-28 | 2018-11-30 | 西安艾润物联网技术服务有限责任公司 | 停车处理方法、装置及计算机可读存储介质 |
| CN108921956A (zh) * | 2018-07-03 | 2018-11-30 | 重庆邮电大学 | 一种基于视频分析技术的路边停车收费管理方法 |
| CN109360444A (zh) * | 2018-12-08 | 2019-02-19 | 佛山市百宇行智能科技有限公司 | 一种视频智能识别和管理车位车辆的方法 |
| CN109584604A (zh) * | 2018-11-18 | 2019-04-05 | 中设设计集团股份有限公司 | 一种服务区检测车位疏密度的智慧灯杆及方法 |
| CN110322681A (zh) * | 2018-03-30 | 2019-10-11 | 杭州海康威视数字技术股份有限公司 | 检测车位状态的方法和装置 |
| CN110533950A (zh) * | 2018-05-25 | 2019-12-03 | 杭州海康威视数字技术股份有限公司 | 车位使用状况的检测方法、装置、电子设备及存储介质 |
| CN110634306A (zh) * | 2019-08-30 | 2019-12-31 | 上海能塔智能科技有限公司 | 车辆位置的确定方法及装置、存储介质、计算设备 |
| CN111047908A (zh) * | 2018-10-12 | 2020-04-21 | 富士通株式会社 | 跨线车辆的检测装置、方法及视频监控设备 |
| CN111125271A (zh) * | 2018-10-31 | 2020-05-08 | 浙江宇视科技有限公司 | 车辆位置判断方法、装置及计算机可读存储介质 |
| CN111739175A (zh) * | 2020-08-11 | 2020-10-02 | 上海高德威智能交通系统有限公司 | 一种车辆停车监控方法和装置 |
| CN111739333A (zh) * | 2019-03-25 | 2020-10-02 | 大陆泰密克汽车系统（上海）有限公司 | 一种空车位识别方法 |
| CN111768648A (zh) * | 2020-06-10 | 2020-10-13 | 浙江大华技术股份有限公司 | 车辆出入确定方法及系统 |
| CN112017467A (zh) * | 2019-05-28 | 2020-12-01 | 杭州海康威视数字技术股份有限公司 | 车位检测方法及装置 |
| CN112767681A (zh) * | 2020-12-16 | 2021-05-07 | 济南博观智能科技有限公司 | 一种交通状态检测方法、装置及相关设备 |
| CN112836699A (zh) * | 2020-11-30 | 2021-05-25 | 爱泊车美好科技有限公司 | 一种基于长时多目标跟踪的泊位出入场事件分析方法 |
| CN113034925A (zh) * | 2021-03-24 | 2021-06-25 | 安徽超视野智能科技有限公司 | 一种用于智慧社区的视频识别车辆非法占道的检测方法 |
| CN113674350A (zh) * | 2021-07-15 | 2021-11-19 | 浙江大华技术股份有限公司 | 一种车位状态检测方法、装置、计算机设备和存储介质 |
| CN114581465A (zh) * | 2022-03-09 | 2022-06-03 | 深圳市捷顺科技实业股份有限公司 | 一种车位管控方法、装置、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101064065A (zh) * | 2007-03-29 | 2007-10-31 | 汤一平 | 基于计算机视觉的停车诱导系统 |
| CN102663357A (zh) * | 2012-03-28 | 2012-09-12 | 北京工业大学 | 基于颜色特征的停车场车位检测算法 |
| CN104112370A (zh) * | 2014-07-30 | 2014-10-22 | 哈尔滨工业大学深圳研究生院 | 基于监控图像的停车场智能车位识别方法及系统 |
| US20150222859A1 (en) * | 2014-02-03 | 2015-08-06 | Xerox Corporation | Vehicle detection method and system including irrelevant window elimination and/or window score degradation |
| CN104966045A (zh) * | 2015-04-02 | 2015-10-07 | 北京天睿空间科技有限公司 | 一种基于视频的飞机进出泊位自动检测方法 |
| CN105390021A (zh) * | 2015-11-16 | 2016-03-09 | 北京蓝卡科技股份有限公司 | 车位状态的检测方法及装置 |
-
2016
- 2016-06-13 CN CN201610412917.1A patent/CN105844959B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101064065A (zh) * | 2007-03-29 | 2007-10-31 | 汤一平 | 基于计算机视觉的停车诱导系统 |
| CN102663357A (zh) * | 2012-03-28 | 2012-09-12 | 北京工业大学 | 基于颜色特征的停车场车位检测算法 |
| US20150222859A1 (en) * | 2014-02-03 | 2015-08-06 | Xerox Corporation | Vehicle detection method and system including irrelevant window elimination and/or window score degradation |
| CN104112370A (zh) * | 2014-07-30 | 2014-10-22 | 哈尔滨工业大学深圳研究生院 | 基于监控图像的停车场智能车位识别方法及系统 |
| CN104966045A (zh) * | 2015-04-02 | 2015-10-07 | 北京天睿空间科技有限公司 | 一种基于视频的飞机进出泊位自动检测方法 |
| CN105390021A (zh) * | 2015-11-16 | 2016-03-09 | 北京蓝卡科技股份有限公司 | 车位状态的检测方法及装置 |
Cited By (37)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107757609A (zh) * | 2016-08-22 | 2018-03-06 | 奥迪股份公司 | 车辆驾驶辅助系统及方法 |
| CN107757609B (zh) * | 2016-08-22 | 2020-09-18 | 奥迪股份公司 | 车辆驾驶辅助系统及方法 |
| CN106652551A (zh) * | 2016-12-16 | 2017-05-10 | 浙江宇视科技有限公司 | 一种车位检测方法及设备 |
| CN106652551B (zh) * | 2016-12-16 | 2021-03-09 | 浙江宇视科技有限公司 | 一种车位检测方法及设备 |
| CN108205925A (zh) * | 2016-12-17 | 2018-06-26 | 杭州海康威视数字技术股份有限公司 | 一种获取车位状态的方法及装置 |
| CN108205925B (zh) * | 2016-12-17 | 2020-12-11 | 杭州海康威视数字技术股份有限公司 | 一种获取车位状态的方法及装置 |
| CN106530818A (zh) * | 2016-12-30 | 2017-03-22 | 北京航空航天大学 | 基于视频处理技术的智能停车场管理系统 |
| CN106952477A (zh) * | 2017-04-26 | 2017-07-14 | 智慧互通科技有限公司 | 基于多相机图像联合处理的路侧停车管理方法 |
| CN106952477B (zh) * | 2017-04-26 | 2020-01-14 | 智慧互通科技有限公司 | 基于多相机图像联合处理的路侧停车管理方法 |
| CN107134147A (zh) * | 2017-07-03 | 2017-09-05 | 智慧互通科技有限公司 | 基于摄像机与传感器管理杆下车位的方法、装置及系统 |
| CN107945521A (zh) * | 2017-11-20 | 2018-04-20 | 青岛比特信息技术有限公司 | 一种枪球联动路侧泊车检测系统及方法 |
| CN110322681B (zh) * | 2018-03-30 | 2021-03-26 | 杭州海康威视数字技术股份有限公司 | 检测车位状态的方法和装置 |
| CN110322681A (zh) * | 2018-03-30 | 2019-10-11 | 杭州海康威视数字技术股份有限公司 | 检测车位状态的方法和装置 |
| US11455805B2 (en) | 2018-05-25 | 2022-09-27 | Hangzhou Hikvision Digital Technology Co., Ltd. | Method and apparatus for detecting parking space usage condition, electronic device, and storage medium |
| CN110533950A (zh) * | 2018-05-25 | 2019-12-03 | 杭州海康威视数字技术股份有限公司 | 车位使用状况的检测方法、装置、电子设备及存储介质 |
| CN108921955A (zh) * | 2018-06-28 | 2018-11-30 | 西安艾润物联网技术服务有限责任公司 | 停车处理方法、装置及计算机可读存储介质 |
| CN108921956A (zh) * | 2018-07-03 | 2018-11-30 | 重庆邮电大学 | 一种基于视频分析技术的路边停车收费管理方法 |
| CN111047908A (zh) * | 2018-10-12 | 2020-04-21 | 富士通株式会社 | 跨线车辆的检测装置、方法及视频监控设备 |
| CN111047908B (zh) * | 2018-10-12 | 2021-11-02 | 富士通株式会社 | 跨线车辆的检测装置、方法及视频监控设备 |
| CN111125271A (zh) * | 2018-10-31 | 2020-05-08 | 浙江宇视科技有限公司 | 车辆位置判断方法、装置及计算机可读存储介质 |
| CN111125271B (zh) * | 2018-10-31 | 2024-04-26 | 浙江宇视科技有限公司 | 车辆位置判断方法、装置及计算机可读存储介质 |
| CN109584604A (zh) * | 2018-11-18 | 2019-04-05 | 中设设计集团股份有限公司 | 一种服务区检测车位疏密度的智慧灯杆及方法 |
| CN109360444A (zh) * | 2018-12-08 | 2019-02-19 | 佛山市百宇行智能科技有限公司 | 一种视频智能识别和管理车位车辆的方法 |
| CN111739333A (zh) * | 2019-03-25 | 2020-10-02 | 大陆泰密克汽车系统（上海）有限公司 | 一种空车位识别方法 |
| CN111739333B (zh) * | 2019-03-25 | 2022-09-23 | 大陆泰密克汽车系统（上海）有限公司 | 一种空车位识别方法 |
| CN112017467A (zh) * | 2019-05-28 | 2020-12-01 | 杭州海康威视数字技术股份有限公司 | 车位检测方法及装置 |
| CN112017467B (zh) * | 2019-05-28 | 2022-06-03 | 杭州海康威视数字技术股份有限公司 | 车位检测方法及装置 |
| CN110634306A (zh) * | 2019-08-30 | 2019-12-31 | 上海能塔智能科技有限公司 | 车辆位置的确定方法及装置、存储介质、计算设备 |
| CN111768648A (zh) * | 2020-06-10 | 2020-10-13 | 浙江大华技术股份有限公司 | 车辆出入确定方法及系统 |
| CN111768648B (zh) * | 2020-06-10 | 2022-02-15 | 浙江大华技术股份有限公司 | 车辆出入确定方法及系统 |
| CN111739175A (zh) * | 2020-08-11 | 2020-10-02 | 上海高德威智能交通系统有限公司 | 一种车辆停车监控方法和装置 |
| CN112836699A (zh) * | 2020-11-30 | 2021-05-25 | 爱泊车美好科技有限公司 | 一种基于长时多目标跟踪的泊位出入场事件分析方法 |
| CN112767681A (zh) * | 2020-12-16 | 2021-05-07 | 济南博观智能科技有限公司 | 一种交通状态检测方法、装置及相关设备 |
| CN113034925B (zh) * | 2021-03-24 | 2022-08-05 | 安徽超视野智能科技有限公司 | 一种用于智慧社区的视频识别车辆非法占道的检测方法 |
| CN113034925A (zh) * | 2021-03-24 | 2021-06-25 | 安徽超视野智能科技有限公司 | 一种用于智慧社区的视频识别车辆非法占道的检测方法 |
| CN113674350A (zh) * | 2021-07-15 | 2021-11-19 | 浙江大华技术股份有限公司 | 一种车位状态检测方法、装置、计算机设备和存储介质 |
| CN114581465A (zh) * | 2022-03-09 | 2022-06-03 | 深圳市捷顺科技实业股份有限公司 | 一种车位管控方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105844959B (zh) | 2018-07-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105844959A (zh) | 车辆入位的判定方法、装置及车辆出位的判定方法、装置 | |
| CN106023595B (zh) | 一种异常停车的判断方法、装置及球型摄像机 | |
| CN105512720B (zh) | 一种公交车辆客流统计方法和系统 | |
| CN112700470B (zh) | 一种基于交通视频流的目标检测和轨迹提取方法 | |
| CN110171405B (zh) | 基于检测对象制动车辆的系统和方法 | |
| CN102810250B (zh) | 基于视频的多车型交通信息检测方法 | |
| CN103971521B (zh) | 道路交通异常事件实时检测方法及装置 | |
| KR100969995B1 (ko) | 영상처리기법을 이용한 신호교차로의 교통상충 판단 시스템및 방법 | |
| KR100218896B1 (ko) | 교통흐름 계측방법 및 장치 | |
| US10699567B2 (en) | Method of controlling a traffic surveillance system | |
| CN111563469A (zh) | 一种不规范停车行为识别方法及装置 | |
| CN106373394A (zh) | 一种基于视频和雷达的车辆检测方法及系统 | |
| CN107563310A (zh) | 一种违章变道检测方法 | |
| CN105513354A (zh) | 基于视频的城市道路交通拥堵检测系统 | |
| CN106778593A (zh) | 一种基于多地面标志融合的车道级定位方法 | |
| CN104835323B (zh) | 一种结合电子围栏的多目标公交客流检测方法 | |
| CN105612569A (zh) | 驻车车辆检测装置、车辆管理系统以及控制方法 | |
| CN103050008B (zh) | 夜间复杂交通视频中车辆检测方法 | |
| CN101615342B (zh) | 一种车辆检测方法 | |
| CN105894823A (zh) | 一种停车入位检测方法和装置及系统 | |
| CN108154146A (zh) | 一种基于图像识别的车辆追踪方法 | |
| Seki et al. | Robust obstacle detection in general road environment based on road extraction and pose estimation | |
| CN103794050A (zh) | 一种实时的交通车辆检测与跟踪方法 | |
| CN106023594A (zh) | 一种车位遮挡的判定方法、装置及车辆管理系统 | |
| CN104267209B (zh) | 一种基于虚拟线圈的高速公路视频测速方法及系统 |
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 |
Effective date of registration: 20200806 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. |
|
| TR01 | Transfer of patent right |