CN105976570A - 一种基于车载视频监控的驾驶员吸烟行为实时监测方法 - Google Patents
一种基于车载视频监控的驾驶员吸烟行为实时监测方法 Download PDFInfo
- Publication number
- CN105976570A CN105976570A CN201610339767.6A CN201610339767A CN105976570A CN 105976570 A CN105976570 A CN 105976570A CN 201610339767 A CN201610339767 A CN 201610339767A CN 105976570 A CN105976570 A CN 105976570A
- Authority
- CN
- China
- Prior art keywords
- rect
- brightness value
- video
- driver
- pixel
- 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
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于车载视频监控的驾驶员吸烟行为实时监测方法,包括以下步骤:获取车载监控摄像头视频数据;提取监控视频数据的亮度分量;设定感兴趣区域,并对所述感兴趣区域进行阈值化处理;对阈值化以后视频帧中的设定亮度区域依次进行形态学腐蚀运算、形态学膨胀运算、进行基于模板的区域生长后,得到初始掩膜图像;将形态学腐蚀运算后的视频帧与形态学膨胀运算后的视频帧相减,得到掩模图像;得到取阈值之后的特征亮度值;根据取阈值之后的特征亮度值中非零像素的数量,判断是否存在吸烟行为。本发明有益效果:可在大型乘用车辆上实现对驾驶员吸烟行为的实时监测和报警,无需人工参与。
Description
技术领域
本发明涉及一种基于车载视频监控的驾驶员吸烟行为实时监测方法。
背景技术
大型乘用车辆是重要的交通工具。近年来随着这类车辆的不断增多,因交通引发的问题也日益凸显。其中,驾驶员不良驾驶行为是造成交通事故的主要原因。这些驾驶行为包括行车过程中打手机、吸烟、疲劳驾驶等。在上述驾驶员的不良行为中,吸烟行为可能导致如下不良后果:导致驾驶员注意力分散,容易引起事故;可能诱发车内火灾;严重恶化车内空气质量,引发乘客的不适,造成乘客投诉。对驾驶员吸烟行为实行有效的远程监测和实时预警,一方面能从根源上有效避免驾驶员不安全驾驶行为导致的交通事故,另一方面也有利于对驾驶员进行更有效的管理,改变驾驶员行车驾驶习惯,减少交通事故造成的损失。
当前针对驾驶员吸烟行为的检测方法中,包括:利用多信息融合方法实现吸烟行为的检测;利用汽车行驶速度、加减速等信息提示驾驶员;利用颜色空间检测驾驶员手部,再通过机器学习实现动作识别以及利用高斯函数建模实现对驾驶员主要针对疲劳驾驶的异常行为的检测等等;但是,上述方法均无法专门实现针对驾驶员吸烟行为的实时监测。
发明内容
为解决现有技术的缺陷,本发明具体公开了一种基于车载视频监控的驾驶员吸烟行为实时监测方法,通过大型乘用车辆内部的摄像头和数字硬盘录像机,实时监测驾驶员的吸烟行为并给出报警信息。该方法成本低,可靠性高,易于推广使用。
为实现上述目的,本发明的具体方案如下:
一种基于车载视频监控的驾驶员吸烟行为实时监测方法,包括以下步骤:
(1)获取车载监控摄像头视频数据;
(2)提取监控视频数据的亮度分量;
(3)设定感兴趣区域,并对所述感兴趣区域进行阈值化处理;对阈值化以后视频帧中的设定亮度区域进行形态学腐蚀运算;
(4)对形态学腐蚀运算后的视频帧中的设定亮度区域进行形态学膨胀运算;
(5)形态学膨胀运算后的视频帧中的设定亮度区域进行基于模板的区域生长,得到初始掩膜图像;
(6)形态学膨胀运算后的视频帧中的设定亮度区域进行形态学腐蚀运算;并将形态学腐 蚀运算后的视频帧与形态学膨胀运算后的视频帧相减,得到掩模图像;
(7)根据上述掩模图像得到特征亮度值;将所得到的特征亮度值与设定阈值进行对比,得到取阈值之后的特征亮度值;
根据取阈值之后的特征亮度值中非零像素的数量,判断是否存在吸烟行为。
进一步地,所述步骤(3)中,设定感兴趣区域具体为:
其中,Rect_yn(i,j)表示Rect_yn在像素点(i,j)处的亮度分量;&&表示逻辑与运算符;令Rect_yn表示在yn中人工选定的感兴趣区域,其左上角坐标为(x1,y1),右下角坐标为(x2,y2);i表示像素点的横坐标,j表示像素点的纵坐标。
进一步地,所述步骤(3)中,对感兴趣区域进行阈值化处理具体为:
其中,Rect_yn_t(i,j)表示Rect_yn_t在像素点(i,j)处的亮度分量,T为设定阈值。
进一步地,所述步骤(5)中,进行基于模板的区域生长的方法具体为:
(a)判定Rect_yn_t_morph_2中设定亮度值的区域的边界点,将这些边界点记为B,B(i,j)表示在像素点(i,j)处的亮度值;
(b)令NB(i,j)表示(i,j)的邻域,N(p,q)B(i,j)表示(i,j)的邻域在像素点(p,q)的亮度分量,p表示横坐标,q表示纵坐标;如果满足条件1:
(N(p,q)B(i,j)≠255)&&(Rect_yn_t_morph_2(p,q)=255);
则进行如下操作
Rect_yn_t_morph_2(p,q)=255;
其中Rect_yn_t_morph_2(p,q)表示Rect_yn_t_morph_2在像素点(p,q)处的亮度值;
(c)重复执行步骤(a)-(b)过程,直至条件1不再满足为止。
进一步地,所述步骤(7)中,根据掩模图像得到特征亮度值具体为:
其中Rect_yn_feature(i,j)表示特征亮度值;Rect_yn(i,j)表示设定的感兴趣Rect_yn在像素点(x,y)处的亮度分量;Rect_yn_mask(i,j)表示掩模图像Rect_yn_mask在像素点(i,j)处的亮度值。
进一步地,所述步骤(7)中,取阈值之后的特征亮度值具体为:
其中,Tf表示对特征亮度值Rect_yn_feature(i,j)的阈值。
进一步地,所述步骤(7)中,如果取阈值之后的特征亮度值中非零像素的数量超过设定的阈值,则判断存在吸烟行为,发出报警信号。
本发明有益效果:
本发明可在大型乘用车辆上实现对驾驶员吸烟行为的实时监测和报警,无需人工参与;无需借助机器学习或复杂的数学运算实现吸烟行为监测,处理速度快,对车载监控系统的软硬件资源要求不高;算法可移植性好,适用性强。
附图说明
图1为本发明方法流程图;
图2为本发明实施例获取的视频输出格式数据示意图;;
图3为本发明实施例提取监控视频数据的亮度分量示意图;
图4为本发明实施例感兴趣区域示意图;
图5为本发明实施例进行阈值化处理后的视频帧示意图;
图6为本发明实施例进行形态学腐蚀运算后的结果示意图;
图7为本发明实施例进行形态学膨胀运算后的结果示意图;
图8为本发明实施例进行基于模板的区域生长后的结果示意图;
图9为本发明实施例得到的特征亮度值示意图;
图10为本发明实施例最终得到的结果示意图。
具体实施方式
下面结合附图对本发明进行详细说明:
本发明方法所需硬件设备包括车载嵌入式设备和监控摄像头,两者通过视频传输和控制线连接。其中摄像头用于实现视频采集,车载嵌入式设备用于对图像进行处理以及实时报警。
其中,车载嵌入式设备通过数字硬盘录像机及其控制芯片构成,对获取的图像进行本发明所述的处理步骤后,如果确定存在吸烟行为,则进行报警。
本发明公开了一种基于车载视频监控的驾驶员吸烟行为实时监测方法,如图1所示,包括以下步骤:
(1)获取车载监控摄像头视频数据;
(2)提取监控视频数据的亮度分量;
(3)设定感兴趣区域,并对所述感兴趣区域进行阈值化处理;对阈值化以后视频帧中的设定亮度区域进行形态学腐蚀运算;
(4)对形态学腐蚀运算后的视频帧中的设定亮度区域进行形态学膨胀运算;
(5)形态学膨胀运算后的视频帧中的设定亮度区域进行基于模板的区域生长,得到初始掩膜图像;
(6)形态学膨胀运算后的视频帧中的设定亮度区域进行形态学腐蚀运算;并将形态学腐蚀运算后的视频帧与形态学膨胀运算后的视频帧相减,得到掩模图像;
(7)根据上述掩模图像得到特征亮度值;将所得到的特征亮度值与设定阈值进行对比,得到取阈值之后的特征亮度值;
根据取阈值之后的特征亮度值中非零像素的数量,判断是否存在吸烟行为。
具体实现方法如下:
1.1 获取车载监控摄像头视频数据(YUV420格式)
本发明针对的是车载摄像头常用的视频输出格式YUV 4:2:0。本实施例获取的视频输出格式数据如图2所示。令摄像头输出的视频帧为vn,其中n表示帧序号。
1.2 提取监控视频数据的亮度分量
令yn表示视频帧vn的亮度分量,yn(i,j)表示视频帧vn中的像素点(i,j)处的亮度分量,其中i表示像素点的横坐标,j表示像素点的纵坐标。本实施例提取监控视频数据的亮度分量如图3所示。
1.3 设定感兴趣区域
令Rect_yn表示在yn中人工选定的感兴趣区域(矩形),其左上角坐标为(x1,y1),右下角 坐标为(x2,y2),这里x1表示左上角的横坐标,y1表示左上角的纵坐标,x2表示右下角的横坐标,y2表示右下角的纵坐标。设定yn中的感兴趣区域,即
其中Rect_yn(i,j)表示Rect_yn在像素点(i,j)处的亮度分量,&&表示逻辑与运算符。
本实施例中感兴趣区域如图4所示。
1.4 对感兴趣区域进行阈值化处理
令Rect_yn_t表示对Rect_yn进行阈值化处理后的视频帧,即
其中Rect_yn_t(i,j)表示Rect_yn_t在像素点(i,j)处的亮度分量,T为阈值。
本实施例进行阈值化处理后的视频帧如图5所示。
1.5 对感兴趣区域进行腐蚀运算
对Rect_yn_t中的亮度值为255的区域进行形态学腐蚀运算,即
其中Rect_yn_t_morph_1表示Rect_yn_t腐蚀运算后的视频帧,⊙表示腐蚀运算符,S为形状算子。
本实施例进行形态学腐蚀运算后结果如图6所示。
1.6 对区域进行膨胀运算
对Rect_yn_t_morph_1中的亮度值为255的区域进行形态学膨胀运算,即
其中Rect_yn_t_morph_2表示对Rect_yn_t_morph_1进行膨胀运算后的视频帧,⊕表示膨胀运算符。
本实施例进行形态学膨胀运算后的结果如图7所示。
1.7 对区域进行基于模板的区域生长
对Rect_yn_t_morph_2中的亮度值为255的区域进行基于模板的区域生长,本实施例进行基于模板的区域生长后的结果如图8所示。
其具体实施过程为:
(a)判定Rect_yn_t_morph_2中亮度值为255的区域的边界点,将这些边界点记为B,B(i,j)表示在像素点(i,j)处的亮度值;
(b)令NB(i,j)表示(i,j)的邻域,N(p,q)B(i,j)表示(i,j)的邻域在像素点(p,q)的亮度分量,p表示横坐标,q表示纵坐标。如果满足条件
(N(p,q)B(i,j)≠255)&&(Rect_yn_t_morph_2(p,q)=255) (条件1)
则进行如下操作
Rect_yn_t_morph_2(p,q)=255 (5)
其中Re ct_yn_t_morph_2(p,q)表示Rect_yn_t_morph_2在像素点(i,j)处的亮度值;
(c)重复执行步骤(a)—步骤(b)所示过程,直至条件1不再满足为止。
1.8 特征提取
对由步骤1.7得到的Rect_yn_t_morph_2中亮度值为255的区域进行形态学腐蚀运算,并且与Rect_yn_t_morph_2相减,即
其中,Rect_yn_mask表示掩模图像。又令Rect_yn_mask(i,j)表示Rect_yn_mask在像素点(i,j)处的亮度值,则
其中,Rect_yn_feature(i,j)表示特征亮度值。
本实施例得到的特征亮度值如图9所示。
1.9 输出检测结果
令Tf表示对Rect_yn_feature(i,j)的阈值,那么
其中,Rect_yn_feature_T(i,j)表示对Rect_yn_feature(i,j)取阈值之后的结果。本实施例得到的结果如图10所示。
若Rect_yn_feature_T(i,j)中非零像素的数量超过设定的数值,则确认存在吸烟行为。
1.10 重复上述步骤
获取由摄像头拍摄的下一帧视频图像(YUV420格式),重复上述1.1-1.9描述的步骤。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (7)
1.一种基于车载视频监控的驾驶员吸烟行为实时监测方法,其特征是,包括以下步骤:
(1)获取车载监控摄像头视频数据;
(2)提取监控视频数据的亮度分量;
(3)设定感兴趣区域,并对所述感兴趣区域进行阈值化处理;对阈值化以后视频帧中的设定亮度区域进行形态学腐蚀运算;
(4)对形态学腐蚀运算后的视频帧中的设定亮度区域进行形态学膨胀运算;
(5)形态学膨胀运算后的视频帧中的设定亮度区域进行基于模板的区域生长,得到初始掩膜图像;
(6)形态学膨胀运算后的视频帧中的设定亮度区域进行形态学腐蚀运算;并将形态学腐蚀运算后的视频帧与形态学膨胀运算后的视频帧相减,得到掩模图像;
(7)根据上述掩模图像得到特征亮度值;将所得到的特征亮度值与设定阈值进行对比,得到取阈值之后的特征亮度值;
根据取阈值之后的特征亮度值中非零像素的数量,判断是否存在吸烟行为。
2.如权利要求1所述的一种基于车载视频监控的驾驶员吸烟行为实时监测方法,其特征是,所述步骤(3)中,设定感兴趣区域具体为:
其中,Rect_yn(i,j)表示Rect_yn在像素点(i,j)处的亮度分量;&&表示逻辑与运算符;令Rect_yn表示在yn中人工选定的感兴趣区域,其左上角坐标为(x1,y1),右下角坐标为(x2,y2);i表示像素点的横坐标,j表示像素点的纵坐标。
3.如权利要求2所述的一种基于车载视频监控的驾驶员吸烟行为实时监测方法,其特征是,所述步骤(3)中,对感兴趣区域进行阈值化处理具体为:
其中,Rect_yn_t(i,j)表示Rect_yn_t在像素点(i,j)处的亮度分量,T为设定阈值。
4.如权利要求1所述的一种基于车载视频监控的驾驶员吸烟行为实时监测方法,其特征是,所述步骤(5)中,进行基于模板的区域生长的方法具体为:
(a)判定Rect_yn_t_morph_2中设定亮度值的区域的边界点,将这些边界点记为B,B(i,j)表示在像素点(i,j)处的亮度值;
(b)令NB(i,j)表示(i,j)的邻域,N(p,q)B(i,j)表示(i,j)的邻域在像素点(p,q)的亮度分量,p表示横坐标,q表示纵坐标;如果满足条件1:
(N(p,q)B(i,j)≠255)&&(Rect_yn_t_morph_2(p,q)=255);
则进行如下操作
Rect_yn_t_morph_2(p,q)=255;
其中Rect_yn_t_morph_2(p,q)表示Rect_yn_t_morph_2在像素点(p,q)处的亮度值;
(c)重复执行步骤(a)-(b)过程,直至条件1不再满足为止。
5.如权利要求1所述的一种基于车载视频监控的驾驶员吸烟行为实时监测方法,其特征是,所述步骤(7)中,根据掩模图像得到特征亮度值具体为:
其中Rect_yn_feature(i,j)表示特征亮度值;Rect_yn(i,j)表示设定的感兴趣Rect_yn在像素点(x,y)处的亮度分量;Rect_yn_mask(i,j)表示掩模图像Rect_yn_mask在像素点(i,j)处的亮度值。
6.如权利要求1所述的一种基于车载视频监控的驾驶员吸烟行为实时监测方法,其特征是,所述步骤(7)中,取阈值之后的特征亮度值具体为:
其中,Tf表示对特征亮度值Rect_yn_feature(i,j)的阈值。
7.如权利要求1所述的一种基于车载视频监控的驾驶员吸烟行为实时监测方法,其特征是,所述步骤(7)中,如果取阈值之后的特征亮度值中非零像素的数量超过设定的阈值,则判断存在吸烟行为,发出报警信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610339767.6A CN105976570B (zh) | 2016-05-20 | 2016-05-20 | 一种基于车载视频监控的驾驶员吸烟行为实时监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610339767.6A CN105976570B (zh) | 2016-05-20 | 2016-05-20 | 一种基于车载视频监控的驾驶员吸烟行为实时监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105976570A true CN105976570A (zh) | 2016-09-28 |
CN105976570B CN105976570B (zh) | 2018-05-04 |
Family
ID=56956188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610339767.6A Expired - Fee Related CN105976570B (zh) | 2016-05-20 | 2016-05-20 | 一种基于车载视频监控的驾驶员吸烟行为实时监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105976570B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107358164A (zh) * | 2017-06-13 | 2017-11-17 | 深圳市易成自动驾驶技术有限公司 | 吸烟的检测方法、装置及计算机可读存储介质 |
WO2019051777A1 (zh) * | 2017-09-15 | 2019-03-21 | 深圳传音通讯有限公司 | 一种基于智能终端的提醒方法和提醒系统 |
CN109872510A (zh) * | 2017-12-04 | 2019-06-11 | 通用汽车环球科技运作有限责任公司 | 用于汽车共享和乘坐共享车辆的车内烟雾检测和报告系统和方法 |
TWI667635B (zh) * | 2018-01-09 | 2019-08-01 | 國立交通大學 | 應用於嬰幼兒的監測系統及監測方法 |
CN112116694A (zh) * | 2020-09-22 | 2020-12-22 | 青岛海信医疗设备股份有限公司 | 一种虚拟支气管镜辅助系统中三维模型绘制的方法及装置 |
CN112163554A (zh) * | 2020-10-15 | 2021-01-01 | 北京达佳互联信息技术有限公司 | 获取视频中的标记掩模的方法和装置 |
CN113411570A (zh) * | 2021-06-16 | 2021-09-17 | 福建师范大学 | 基于跨时段特征判别及融合的监控视频亮度异常检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050480A (zh) * | 2014-05-21 | 2014-09-17 | 燕山大学 | 基于计算机视觉的吸烟烟雾检测方法 |
CN104954752A (zh) * | 2015-06-24 | 2015-09-30 | 尤为 | 一种控烟管理系统及方法 |
CN105225428A (zh) * | 2015-09-14 | 2016-01-06 | 国家电网公司 | 一种室内吸烟检测报警方法及系统 |
CN105469105A (zh) * | 2015-11-13 | 2016-04-06 | 燕山大学 | 一种基于视频监控的香烟烟雾检测方法 |
-
2016
- 2016-05-20 CN CN201610339767.6A patent/CN105976570B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104050480A (zh) * | 2014-05-21 | 2014-09-17 | 燕山大学 | 基于计算机视觉的吸烟烟雾检测方法 |
CN104954752A (zh) * | 2015-06-24 | 2015-09-30 | 尤为 | 一种控烟管理系统及方法 |
CN105225428A (zh) * | 2015-09-14 | 2016-01-06 | 国家电网公司 | 一种室内吸烟检测报警方法及系统 |
CN105469105A (zh) * | 2015-11-13 | 2016-04-06 | 燕山大学 | 一种基于视频监控的香烟烟雾检测方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107358164A (zh) * | 2017-06-13 | 2017-11-17 | 深圳市易成自动驾驶技术有限公司 | 吸烟的检测方法、装置及计算机可读存储介质 |
WO2019051777A1 (zh) * | 2017-09-15 | 2019-03-21 | 深圳传音通讯有限公司 | 一种基于智能终端的提醒方法和提醒系统 |
CN111163650A (zh) * | 2017-09-15 | 2020-05-15 | 深圳传音通讯有限公司 | 一种基于智能终端的提醒方法和提醒系统 |
CN109872510A (zh) * | 2017-12-04 | 2019-06-11 | 通用汽车环球科技运作有限责任公司 | 用于汽车共享和乘坐共享车辆的车内烟雾检测和报告系统和方法 |
TWI667635B (zh) * | 2018-01-09 | 2019-08-01 | 國立交通大學 | 應用於嬰幼兒的監測系統及監測方法 |
CN112116694A (zh) * | 2020-09-22 | 2020-12-22 | 青岛海信医疗设备股份有限公司 | 一种虚拟支气管镜辅助系统中三维模型绘制的方法及装置 |
CN112116694B (zh) * | 2020-09-22 | 2024-03-05 | 青岛海信医疗设备股份有限公司 | 一种虚拟支气管镜辅助系统中三维模型绘制的方法及装置 |
CN112163554A (zh) * | 2020-10-15 | 2021-01-01 | 北京达佳互联信息技术有限公司 | 获取视频中的标记掩模的方法和装置 |
CN112163554B (zh) * | 2020-10-15 | 2021-08-17 | 北京达佳互联信息技术有限公司 | 获取视频中的标记掩模的方法和装置 |
CN113411570A (zh) * | 2021-06-16 | 2021-09-17 | 福建师范大学 | 基于跨时段特征判别及融合的监控视频亮度异常检测方法 |
CN113411570B (zh) * | 2021-06-16 | 2023-07-14 | 福建师范大学 | 基于跨时段特征判别及融合的监控视频亮度异常检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105976570B (zh) | 2018-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105976570A (zh) | 一种基于车载视频监控的驾驶员吸烟行为实时监测方法 | |
CN102348128B (zh) | 具有摄像机异常检测装置的监视用摄像机系统 | |
CN110298300B (zh) | 一种检测车辆违章压线的方法 | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
CN112528861B (zh) | 应用于铁路隧道内道床的异物检测方法及装置 | |
Bedruz et al. | Real-time vehicle detection and tracking using a mean-shift based blob analysis and tracking approach | |
CN104392239A (zh) | 一种车牌识别方法及系统 | |
CN111553214B (zh) | 一种驾驶员吸烟行为检测方法及系统 | |
CN107004271A (zh) | 显示方法、装置、电子设备、计算机程序产品和非暂态计算机可读存储介质 | |
CN111627215A (zh) | 基于人工智能的视频图像识别方法及相关设备 | |
CN111860210A (zh) | 双手脱离方向盘检测方法、装置、电子设备和存储介质 | |
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 | |
CN112270244A (zh) | 目标物违规监控方法、装置、电子设备及存储介质 | |
CN107346547A (zh) | 基于单目平台的实时前景提取方法及装置 | |
CN109643488A (zh) | 交通异常事件检测装置及方法 | |
CN108122209B (zh) | 一种基于对抗生成网络的车牌去模糊方法 | |
CN110913209B (zh) | 摄像头遮挡检测方法、装置、电子设备及监控系统 | |
CN112560546B (zh) | 抛洒行为检测方法、装置及存储介质 | |
CN115761668A (zh) | 摄像头的污渍识别方法、装置、车辆及存储介质 | |
DE102015211871A1 (de) | Objekterkennungsvorrichtung | |
CN110458029A (zh) | 一种雾天环境中的车辆检测方法及装置 | |
CN113920310A (zh) | 方向盘脱手检测方法及装置 | |
CN109747644A (zh) | 车辆跟踪防撞预警方法、装置、控制器、系统及车辆 | |
CN116246206A (zh) | 一种基于标志物边缘检测的输煤系统溢煤识别系统 | |
CN115115546A (zh) | 一种图像处理方法、系统、电子设备及可读存储介质 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180504 Termination date: 20190520 |
|
CF01 | Termination of patent right due to non-payment of annual fee |