CN106097726A - 检测区域的确定、交通信息检测方法及装置 - Google Patents
检测区域的确定、交通信息检测方法及装置 Download PDFInfo
- Publication number
- CN106097726A CN106097726A CN201610708019.0A CN201610708019A CN106097726A CN 106097726 A CN106097726 A CN 106097726A CN 201610708019 A CN201610708019 A CN 201610708019A CN 106097726 A CN106097726 A CN 106097726A
- Authority
- CN
- China
- Prior art keywords
- traffic
- video image
- region
- detection region
- pixel quantity
- 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
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
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及交通监控领域,具体涉及一种检测区域的确定、交通信息检测方法及装置。检测区域的确定方法包括:从拍摄的交通视频图像上自动选取一段道路区域,作为检测区域;从交通视频图像上提取参照物;计算检测区域上的道路长度所占的像素数量和参照物的实物长度在交通视频图像上对应的像素数量;获取预先存储的参照物的实物长度;根据检测区域上的道路长度所占的像素数量和参照物的实物长度在交通视频图像上对应的像素数量,以及参照物的实物长度计算得到检测区域的道路长度。通过本发明,无需到实地测量道路的长度,能够适应拍摄角度以及拍摄路段的变化。
Description
技术领域
本发明涉及交通监控领域,具体涉及一种检测区域的确定方法及装置、交通信息检测方法及装置。
背景技术
城市交通建设是城市建设中的重要环节。目前对于以下大中型城市的交通建设已经日趋完善,但是对道路交通的监控还存在还多漏洞。实时的交通信息检测能够很好地调节公共交通的使用。
目前,对于交通监控通常是在部分交通要道设置摄像机,拍摄实时交通状况,检测相关交通信息。如公开号CN103456172A的专利文件中所公开的一种基于视频的交通参数测量方法,具体公开了其在测量道路路口的前上方,安装摄像机,在道路上选取参照实物a、b、c、d,并量取各线段的实际距离,将各线段实际数据输入到视频分析模块,确定系统图像坐标系与世界坐标系的映射关系以便于系统对车流量和车辆速度的等交通参数的测量和计算。然而,这样的交通检测需要人工去摄像机拍摄区域内设置参照物以及量取路段的实际距离,才能够确定出检测区域,进行后续交通参数检测。当摄像机拍摄角度或者拍摄路段发生变化时,需要重新选择参照实物,并量取相应路段的距离,才能确定出检测区域的实际长度,增加了人工成本。
发明内容
本发明要解决的技术问题在于现有技术中检测区域内的路段实际长度需要人工进行测量,从而提供一种检测区域的确定方法及装置、交通信息检测方法及装置。
本发明实施例的一个方面,提供了一种检测区域的确定方法,包括:从拍摄的交通视频图像上自动选取一段道路区域,作为检测区域,其中,所述检测区域为用于检测交通信息的区域;从所述交通视频图像上提取参照物;计算所述检测区域上的道路长度所占的像素数量和所述参照物的实物长度在所述交通视频图像上对应的像素数量;获取预先存储的所述参照物的实物长度;根据所述检测区域上的道路长度所占的像素数量和所述参照物的实物长度在所述交通视频图像上对应的像素数量,以及所述参照物的实物长度计算得到所述检测区域的道路长度。
进一步地,从拍摄的交通视频图像上自动选取一段道路区域包括:获取交通监控摄像机拍摄的视频数据,其中,所述视频数据包含连续拍摄的交通视频图像;从所述交通视频图像中确定车道区域;从所述车道区域中自动选择一段道路区域,得到所述检测区域。
进一步地,从所述交通视频图像中确定车道区域包括:选取预设时间段内的视频数据,生成所述预设时间段内的交通流热图,其中,所述交通流热图用于表示车辆流动的分布;根据所述交通流热图获取车道区域;检测所述车道区域内道路边界及车道分界线。
本发明实施例的另一个方面,提供了一种交通信息检测方法,包括:根据连续拍摄的多帧交通视频图像确定目标车辆移动的像素数量;从所述交通视频图像上提取参照物;计算所述参照物的实物长度在所述交通视频图像上对应的像素数量;获取预先存储的所述参照物的实物长度;根据所述目标车辆移动的像素数量和所述参照物的实物长度在所述交通视频图像上对应的像素数量,以及所述参照物的实物长度计算得到所述目标车辆的移动距离;以及根据所述移动距离和所述多帧交通视频图像的拍摄时间间隔计算所述目标车辆的速度。
进一步地,在根据连续拍摄的多帧交通视频图像确定目标车辆移动的像素数量之前,所述方法包括:对所述目标车辆进行角点检测,提取所述目标车辆的角点特征;根据所述角点特征对所述目标车辆进行跟踪,从所述多帧交通视频图像中识别出所述目标车辆。
本发明实施例的另一个方面,提供了一种交通信息检测方法,包括:确定检测区域的道路长度,其中,所述检测区域为从拍摄的交通视频图像上选取的用于检测交通信息的区域;从所述交通视频图像上计算所述检测区域内的车辆所占的像素总数;按照一辆预设标准车型在所述交通视频图像所占的像素数量将所述像素总数折算为车辆总数;根据所述检测区域的道路长度和所述车辆总数计算出交通密度。
本发明实施例的另一个方面,提供了一种交通信息检测方法,包括:确定检测区域,其中,所述检测区域为从拍摄的交通视频图像上选取的用于检测交通信息的区域;计算所述检测区域的车道所占的像素数量以及目标时刻的所述检测区域内车辆所占的像素数量;根据所述检测区域内车辆所占的像素数量和所述检测区域的车道所占的像素数量计算得到所述目标时刻的交通空间占有率。
进一步地,根据所述检测区域内车辆所占的像素数量和所述检测区域的车道所占的像素数量计算得到所述目标时刻的交通空间占有率包括:计算目标时刻所述检测区域内的车道数量、每一行车道所占像素数量以及每一行车道上的车辆所占的像素数量;计算所述检测区域内每一行车道上的车辆所占的像素数量与其车道所占像素数量的比值;将每一行车道对应的比值相加求和,除以所述车道数量,得到所述目标时刻的交通空间占有率。
本发明实施例的另一个方面,提供了一种检测区域的确定装置,包括:选取单元,用于从拍摄的交通视频图像上自动选取一段道路区域,作为检测区域,其中,所述检测区域为用于检测交通信息的区域;第一提取单元,用于从所述交通视频图像上提取参照物;第一计算单元,用于计算所述检测区域上的道路长度所占的像素数量和所述参照物的实物长度在所述交通视频图像上对应的像素数量;第一获取单元,用于获取预先存储的所述参照物的实物长度;第二计算单元,用于根据所述检测区域上的道路长度所占的像素数量和所述参照物的实物长度在所述交通视频图像上对应的像素数量,以及所述参照物的实物长度计算得到所述检测区域的道路长度。
进一步地,所述选取单元包括:获取模块,用于获取交通监控摄像机拍摄的视频数据,其中,所述视频数据包含连续拍摄的交通视频图像;确定模块,用于从所述交通视频图像中确定车道区域;选择模块,用于从所述车道区域中自动选择一段道路区域,得到所述检测区域。
进一步地,所述确定模块包括:选取子模块,用于选取预设时间段内的视频数据,生成所述预设时间段内的交通流热图,其中,所述交通流热图用于表示车辆流动的分布;获取子模块,用于根据所述交通流热图获取车道区域;检测子模块,用于检测所述车道区域内道路边界及车道分界线。
本发明实施例的另一个方面,提供了一种交通信息检测装置,包括:第一确定单元,用于根据连续拍摄的多帧交通视频图像确定目标车辆移动的像素数量;第二提取单元,用于从所述交通视频图像上提取参照物;第三计算单元,用于计算所述参照物的实物长度在所述交通视频图像上对应的像素数量;第二获取单元,用于获取预先存储的所述参照物的实物长度;第四计算单元,用于根据所述目标车辆移动的像素数量和所述参照物的实物长度在所述交通视频图像上对应的像素数量,以及所述参照物的实物长度计算得到所述目标车辆的移动距离;以及第五计算单元,用于根据所述移动距离和所述多帧交通视频图像的拍摄时间间隔计算所述目标车辆的速度。
进一步地,所述装置包括:检测单元,用于在根据连续拍摄的多帧交通视频图像确定目标车辆移动的像素数量之前,对所述目标车辆进行角点检测,提取所述目标车辆的角点特征;跟踪单元,用于根据所述角点特征对所述目标车辆进行跟踪,从所述多帧交通视频图像中识别出所述目标车辆。
本发明实施例的另一个方面,提供了一种交通信息检测装置,包括:第二确定单元,用于确定检测区域的道路长度,其中,所述检测区域为从拍摄的交通视频图像上选取的用于检测交通信息的区域;第六计算单元,用于从所述交通视频图像上计算所述检测区域内的车辆所占的像素总数;折算单元,用于按照一辆预设标准车型在所述交通视频图像所占的像素数量将所述像素总数折算为车辆总数;第七计算单元,用于根据所述检测区域的道路长度和所述车辆总数计算出交通密度。
本发明实施例的另一个方面,提供了一种交通信息检测装置,其特征在于,包括:第三确定单元,用于确定检测区域,其中,所述检测区域为从拍摄的交通视频图像上选取的用于检测交通信息的区域;第八计算单元,用于计算所述检测区域的车道所占的像素数量以及目标时刻的所述检测区域内车辆所占的像素数量;第九计算单元,用于根据所述检测区域内车辆所占的像素数量和所述检测区域的车道所占的像素数量计算得到所述目标时刻的交通空间占有率。
进一步地,所述第九计算单元包括:第一计算模块,用于计算目标时刻所述检测区域内的车道数量、每一行车道所占像素数量以及每一行车道上的车辆所占的像素数量;第二计算模块,用于计算所述检测区域内每一行车道上的车辆所占的像素数量与其车道所占像素数量的比值;第三计算模块,用于将每一行车道对应的比值相加求和,除以所述车道数量,得到所述目标时刻的交通空间占有率。
根据本发明本实施例,由于检测区域的道路长度和该道路的像素数量的比值与参照物的实物尺寸和参照物在交通视频图像上的像素数量的比值相等,从而可以计算出检测区域的道路长度,而无需到实地测量道路的长度,能够适应拍摄角度以及拍摄路段的变化,进而实现交通信息的快速检测。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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,还可以根据这些附图获得其他的附图。
图1为本发明实施例中检测区域的确定方法的一个具体示例的流程图;
图2为本发明实施例中车辆速度检测方法的一个具体示例的流程图;
图3为本发明实施例中交通密度检测方法的一个具体示例的流程图;
图4为本发明实施例中空间占有率检测方法的一个具体示例的流程图;
图5为本发明实施例中检测区域的确定装置的一个具体示例的示意图;
图6为本发明实施例中交通信息检测装置的一个具体示例的示意图;
图7为本发明实施例中交通信息检测装置的另一个具体示例的示意图;
图8为本发明实施例中交通信息检测装置的又一个具体示例的示意图。
具体实施方式
下面将结合附图对本发明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。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本实施例提供一种检测区域的确定方法,如图1所示,该方法包括:
步骤S101,从拍摄的交通视频图像上自动选取一段道路区域,作为检测区域,其中,检测区域为用于检测交通信息的区域。
交通信息可以是指交通密度、车流量、车辆速度、交通空间占有率等信息。优选地,检测区域可以选取包含足够信息熵的道路区域,也即是根据图像上的道路信息熵来选取路段,如选择处于图像的下半部区域,也即是靠近摄像机的区域。
步骤S102,从交通视频图像上提取参照物。
该参照物可以是交通标志或交通标线等其尺寸预先可知的物体。优选地,本实施例中的参照物选择交通标志或者交通标线,由于这类参照物在任意一个交通路段都会存在,并且各类标志和标线都有相应的尺寸标准,也即是其实物尺寸通常都是标准的且固定的。
步骤S103,计算检测区域上的道路长度所占的像素数量和参照物的实物长度在交通视频图像上对应的像素数量。
步骤S104,获取预先存储的参照物的实物长度。
步骤S105,根据检测区域上的道路长度所占的像素数量和参照物的实物长度在交通视频图像上对应的像素数量,以及参照物的实物长度计算得到检测区域的道路长度。
由于在同一张图像上,不同物体的实物尺寸与在图像上的像素数的比值基本相等,例如,车道边界线之间的实际距离为2.75m,两边界线之间在图像上间隔20个像素,那么如果检测区域内车道长度在图像上占200个像素,那么其实际长度约为27.5m。
基于该原理,本实施例中认为检测区域的道路长度和该道路的像素数量的比值与参照物的实物尺寸和参照物在交通视频图像上的像素数量的比值相等,从而可以计算出检测区域的道路长度,而无需到实地测量道路的长度,能够适应拍摄角度以及拍摄路段的变化,进而实现交通信息的快速检测。
需要说明的是,由于道路的宽度都有相应的标准,也即是其宽度通常是固定已知的,因此,本实施例中确定出检测区域的道路长度之后,也即是确定出了检测区域。
由于同一路段可能存在多个参照物,因此,在进行参照物的确定是,可以设置相应的优先级,例如,标线的优先级比标志的优先级高,在进行参照物的确定时,有限选择标线作为参照物。
作为一种可选的实施方式,从拍摄的交通视频图像上自动选取一段道路区域包括:获取交通监控摄像机拍摄的视频数据,其中,视频数据包含连续拍摄的交通视频图像;从交通视频图像中确定车道区域;从车道区域中自动选择一段道路区域,得到检测区域。
本实施例中,直接利用交通监控摄像机拍摄的视频数据,交通监控摄像机通常包括枪型摄像机、球形摄像机等。安装在路口、路段中的枪型摄像机或球形摄像机,通过模拟光纤或数字网络接入到控制中心的网络硬盘录像机或者视频监控平台;本发明实施例可以通过网络硬盘录像机、视频监控平台的SDK开发包或者视频监控标准协议GB/T 28181进行对接,主要包括与网络硬盘录像机、监控平台建立TCP通信链接、获取指定编号的摄像机的视频码流、对视频码流进行解码、获取每一帧图像的数据。由此,本实施例可以直接利用交通监控摄像机,而无需单独在监控路段设置摄像机,降低交通监控的成本。另外,本发明实施例可以根据拍摄的交通视频图像直接确定检测区域的道路长度,以自适应调整检测区域,实用性更高。
进一步优选地,从交通视频图像中确定车道区域包括:选取预设时间段内的视频数据,生成预设时间段内的交通流热图,其中,交通流热图用于表示车辆流动的分布;根据交通流热图获取车道区域;检测车道区域内道路边界及车道分界线。
本实施例中,采用交通流热图来确定车道数据,该交通流热图用于表示一段时间内车辆流动的分布,由于车辆通常都是沿车道行驶,通过捕捉不同车辆行驶的路线或者经过的区域,可以快速确定车道区域,在此基础上,进行边沿检测,以检测出道路边界及车道分界线的位置。
本发明实施例还提供了一种交通信息检测方法,具体为一种车辆速度检测方法,如图2所示,该方法包括:
步骤S201,根据连续拍摄的多帧交通视频图像确定目标车辆移动的像素数量。
对于目标车辆,其在行驶的过程中不同时刻拍摄到的交通视频图像上,其位置不同,基于此,通过连续拍摄的多帧交通视频图像上目标车辆的位置变化,可以确定出其在图像上移动的像素数量。并且同一摄像机,其拍摄的频率相同,因此,可以根据拍摄的图像数量及摄像机的频率计算出车辆移动的时间。
步骤S202,从交通视频图像上提取参照物。其中,参照物优选交通标志或交通标线。
步骤S203,计算参照物的实物长度在交通视频图像上对应的像素数量。
步骤S204,获取预先存储的参照物的实物长度。
本实施例中的参照物的相关内容与上述实施例的参照物基本相同,这里不再赘述。
步骤S205,根据目标车辆移动的像素数量和参照物的实物长度在交通视频图像上对应的像素数量,以及参照物的实物长度计算得到目标车辆的移动距离。
对于目标车辆的实际移动距离的计算与上述实施例中车道长度计算的原理相同,这里不再赘述。
步骤S206,根据移动距离和多帧交通视频图像的拍摄时间间隔计算目标车辆的速度。
本实施例中,直接利用车辆移动的像素数量来计算车辆移动速度,能够快速地进行车辆速度检测,实时统计车辆移动速度。
具体地,以相邻的两帧图像为例,可以得到车辆在相邻两帧中移动的像素数p1。根据车道间隔线在图像中的长度(像素数)p2,与角点移动的像素数进行比较,由于车道间隔线的长度L固定,就可以得到车辆移动的距离S=(p1/p2)*L,根据每秒钟的视频帧率f,可以得到车辆移动距离S的所需的时间1/f,所以,车辆的速度V=S/t=(p1/p2)*L*f.
优选地,在根据连续拍摄的多帧交通视频图像确定目标车辆移动的像素数量之前,方法包括:对目标车辆进行角点检测,提取目标车辆的角点特征;根据角点特征对目标车辆进行跟踪,从多帧交通视频图像中识别出目标车辆。
本实施例中,需要在对车辆进行跟踪的情况下,来检测其车速,通过对运动目标的角点进行检测及跟踪,另外,还可以按车道统计出车辆角点各自运动的主方向,从而判断出各车道的车流方向。
本发明实施例的另一方面还提供了一种交通信息检测方法,具体为交通密度检测方法,如图3所示,方法包括:
步骤S301,确定检测区域的道路长度,其中,检测区域为从拍摄的交通视频图像上选取的用于检测交通信息的区域。
本实施例中,确定检测区域的道路长度可以采用本发明上述实施例中的检测区域的确定方法来确定,也可以通过其它的方式来确定,例如实地测量等。
步骤S302,从交通视频图像上计算检测区域内的车辆所占的像素总数。
步骤S303,按照一辆预设标准车型在交通视频图像所占的像素数量将像素总数折算为车辆总数。
步骤S304,根据检测区域的道路长度和车辆总数计算出交通密度。
交通密度是指一条车道上车辆的密集程度,即在某一瞬间单位长度一条车道上的车辆数,又称车流密度,常以K表示,其单位为:辆/公里(如为多车道,则除以车道数换算成单车道的车辆数,然后再计算)。
本实施例中,先计算检测区域内车浪所占的像素总数,然后将其折算成某一预设标准车型的车辆总数,具体地,可以是像素总数除以该预设标准车型的车辆在图像上的平均像素数,得到折算后的车辆总数,然后将车辆总数除以道路长度得到交通密度,如果为多车道,则再除以车道数量。
本实施例中,通过像素的转化来折算车辆总数,相对于车辆类型识别,并进行相应折算的方式而言,具有计算速度快的有益效果。
本发明实施例的另一方面,还提供了一种交通信息检测方法,具体为空间占有率检测方法,如图4所示,该方法包括:
步骤S401,确定检测区域,其中,检测区域为从拍摄的交通视频图像上选取的用于检测交通信息的区域。
本实施例中,确定检测区域的道路长度可以采用本发明上述实施例中的检测区域的确定方法来确定,也可以通过其它的方式来确定,例如实地测量等。
步骤S402,计算检测区域的车道所占的像素数量以及目标时刻的检测区域内车辆所占的像素数量。
步骤S403,根据检测区域内车辆所占的像素数量和检测区域的车道所占的像素数量计算得到目标时刻的交通空间占有率。
本实施例中,通过采用图像上车辆在道路上的像素占比来计算空间占有率,而无需进行空间尺寸的转化,大大提高了交通空间占有率的计算速度。
优选地,当检测区域内存在多条车道时,本实施例中根据检测区域内车辆所占的像素数量和检测区域的车道所占的像素数量计算得到目标时刻的交通空间占有率包括:计算目标时刻检测区域内的车道数量、每一行车道所占像素数量以及每一行车道上的车辆所占的像素数量;计算检测区域内每一行车道上的车辆所占的像素数量与其车道所占像素数量的比值;将每一行车道对应的比值相加求和,除以车道数量,得到目标时刻的交通空间占有率。
对于每一条车道,分别计算其上的像素数量与其总像素数量的比值,然后所有车道的比值加和求平均,得到该时刻的交通空间占有率,无需对车道的非线性矫正、标定提醒区域的上下底倾斜角等额外计算,使得交通空间占有率的计算速度大大增加,提高了交通信息的实时性。
本发明实施例的另一方面,提供了一种检测区域的确定装置,如图5所示,该装置包括:选取单元501、第一提取单元502、第一计算单元503、第一获取单元504、第二计算单元505。
选取单元501用于从拍摄的交通视频图像上自动选取一段道路区域,作为检测区域,其中,检测区域为用于检测交通信息的区域;
交通信息可以是指交通密度、车流量、车辆速度、交通空间占有率等信息。优选地,检测区域可以选择处于图像的下半部区域,也即是靠近摄像机的区域。
第一提取单元502用于从交通视频图像上提取参照物;
该参照物可以是交通标志或交通标线等其尺寸预先可知的物体。优选地,本实施例中的参照物选择交通标志或者交通标线,由于这类参照物在任意一个交通路段都会存在,并且各类标志和标线都有相应的尺寸标准,也即是其实物尺寸通常都是标准的且固定的。
第一计算单元503用于计算检测区域上的道路长度所占的像素数量和参照物的实物长度在交通视频图像上对应的像素数量;
第一获取单元504用于获取预先存储的参照物的实物长度;
第二计算单元505用于根据检测区域上的道路长度所占的像素数量和参照物的实物长度在交通视频图像上对应的像素数量,以及参照物的实物长度计算得到检测区域的道路长度。
本实施例中认为检测区域的道路长度和该道路的像素数量的比值与参照物的实物尺寸和参照物在交通视频图像上的像素数量的比值相等,从而可以计算出检测区域的道路长度,而无需到实地测量道路的长度,能够适应拍摄角度以及拍摄路段的变化,进而实现交通信息的快速检测。
由于同一路段可能存在多个参照物,因此,在进行参照物的确定是,可以设置相应的优先级,例如,标线的优先级比标志的优先级高,在进行参照物的确定时,有限选择标线作为参照物。
作为一种可选的实施方式,选取单元包括:获取模块,用于获取交通监控摄像机拍摄的视频数据,其中,视频数据包含连续拍摄的交通视频图像;确定模块,用于从交通视频图像中确定车道区域;选择模块,用于从车道区域中自动选择一段道路区域,得到检测区域。
本实施例可以直接利用交通监控摄像机,而无需单独在监控路段设置摄像机,降低交通监控的成本。另外,本发明实施例可以根据拍摄的交通视频图像直接确定检测区域的道路长度,以自适应调整检测区域,实用性更高。
进一步优选地,确定模块包括:选取子模块,用于选取预设时间段内的视频数据,生成预设时间段内的交通流热图,其中,交通流热图用于表示车辆流动的分布;获取子模块,用于根据交通流热图获取车道区域;检测子模块,用于检测车道区域内道路边界及车道分界线。
本实施例中,采用交通流热图来确定车道数据,该交通流热图用于表示一段时间内车辆流动的分布,由于车辆通常都是沿车道行驶,通过捕捉不同车辆行驶的路线或者经过的区域,可以快速确定车道区域,在此基础上,进行边沿检测,以检测出道路边界及车道分界线的位置。
本发明实施例还提供了一种交通信息检测装置,具体为一种车辆速度检测装置,如图6所述,该装置包括:第一确定单元601、第二提取单元602、第三计算单元603、第二获取单元604、第四计算单元605、第五计算单元606。
第一确定单元601用于根据连续拍摄的多帧交通视频图像确定目标车辆移动的像素数量。
对于目标车辆,其在行驶的过程中不同时刻拍摄到的交通视频图像上,其位置不同,基于此,通过连续拍摄的多帧交通视频图像上目标车辆的位置变化,可以确定出其在图像上移动的像素数量。并且同一摄像机,其拍摄的频率相同,因此,可以根据拍摄的图像数量及摄像机的频率计算出车辆移动的时间。
第二提取单元602用于从交通视频图像上提取参照物。
第三计算单元603用于计算参照物的实物长度在交通视频图像上对应的像素数量。
第二获取单元604用于获取预先存储的参照物的实物长度。
本实施例中的参照物的相关内容与上述实施例的参照物基本相同,这里不再赘述。
第四计算单元605用于根据目标车辆移动的像素数量和参照物的实物长度在交通视频图像上对应的像素数量,以及参照物的实物长度计算得到目标车辆的移动距离。
对于目标车辆的实际移动距离的计算与上述实施例中车道长度计算的原理相同,这里不再赘述。
第五计算单元606用于根据移动距离和多帧交通视频图像的拍摄时间间隔计算目标车辆的速度。
本实施例中,直接利用车辆移动的像素数量来计算车辆移动速度,能够快速地进行车辆速度检测,实时统计车辆移动速度。
优选地,装置包括:检测单元,用于在根据连续拍摄的多帧交通视频图像确定目标车辆移动的像素数量之前,对目标车辆进行角点检测,提取目标车辆的角点特征;跟踪单元,用于根据角点特征对目标车辆进行跟踪,从多帧交通视频图像中识别出目标车辆。
本实施例中,需要在对车辆进行跟踪的情况下,来检测其车速,通过对运动目标的角点进行检测及跟踪,另外,还可以按车道统计出车辆角点各自运动的主方向,从而判断出各车道的车流方向。
本发明实施例的另一方面还提供了一种交通信息检测装置,具体为交通密度检测装置,如图7所示,包括:
第二确定单元701用于确定检测区域的道路长度,其中,检测区域为从拍摄的交通视频图像上选取的用于检测交通信息的区域。
本实施例中,第二确定单元701可以采用本发明上述实施例中的检测区域的确定装置。
第六计算单元702用于从交通视频图像上计算检测区域内的车辆所占的像素总数。
折算单元703用于按照一辆预设标准车型在交通视频图像所占的像素数量将像素总数折算为车辆总数。
第七计算单元704用于根据检测区域的道路长度和车辆总数计算出交通密度。
交通密度是指一条车道上车辆的密集程度,即在某一瞬间单位长度一条车道上的车辆数,又称车流密度,常以K表示,其单位为:辆/公里(如为多车道,则除以车道数换算成单车道的车辆数,然后再计算)。
本实施例中,先计算检测区域内车浪所占的像素总数,然后将其折算成某一预设标准车型的车辆总数,具体地,可以是像素总数除以该预设标准车型的车辆在图像上的平均像素数,得到折算后的车辆总数,然后将车辆总数除以道路长度得到交通密度,如果为多车道,则再除以车道数量。
本实施例中,通过像素的转化来折算车辆总数,相对于车辆类型识别,并进行相应折算的方式而言,具有计算速度快的有益效果。
本发明实施例的另一方面,还提供了一种交通信息检测装置,具体为空间占有率检测装置,如图8所示,该装置包括:
第三确定单元801用于确定检测区域,其中,检测区域为从拍摄的交通视频图像上选取的用于检测交通信息的区域。
本实施例中,第三确定单元801可以采用本发明上述实施例中的检测区域的确定装置。
第八计算单元802用于计算检测区域的车道所占的像素数量以及目标时刻的检测区域内车辆所占的像素数量。
第九计算单元803用于根据检测区域内车辆所占的像素数量和检测区域的车道所占的像素数量计算得到目标时刻的交通空间占有率。
本实施例中,通过采用图像上车辆在道路上的像素占比来计算空间占有率,而无需进行空间尺寸的转化,大大提高了交通空间占有率的计算速度。
优选地,当检测区域内存在多条车道时,本实施例中第九计算单元包括:第一计算模块,用于计算目标时刻检测区域内的车道数量、每一行车道所占像素数量以及每一行车道上的车辆所占的像素数量;第二计算模块,用于计算检测区域内每一行车道上的车辆所占的像素数量与其车道所占像素数量的比值;第三计算模块,用于将每一行车道对应的比值相加求和,除以车道数量,得到目标时刻的交通空间占有率。
对于每一条车道,分别计算其上的像素数量与其总像素数量的比值,然后所有车道的比值加和求平均,得到该时刻的交通空间占有率,无需对车道的非线性矫正、标定提醒区域的上下底倾斜角等额外计算,使得交通空间占有率的计算速度大大增加,提高了交通信息的实时性。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (12)
1.一种检测区域的确定方法,其特征在于,包括:
从拍摄的交通视频图像上自动选取一段道路区域,作为检测区域,其中,所述检测区域为用于检测交通信息的区域;
从所述交通视频图像上提取参照物;
计算所述检测区域上的道路长度所占的像素数量和所述参照物的实物长度在所述交通视频图像上对应的像素数量;
获取预先存储的所述参照物的实物长度;
根据所述检测区域上的道路长度所占的像素数量和所述参照物的实物长度在所述交通视频图像上对应的像素数量,以及所述参照物的实物长度计算得到所述检测区域的道路长度。
2.根据权利要求1所述的检测区域的确定方法,其特征在于,从拍摄的交通视频图像上自动选取一段道路区域包括:
获取交通监控摄像机拍摄的视频数据,其中,所述视频数据包含连续拍摄的交通视频图像;
从所述交通视频图像中确定车道区域;
从所述车道区域中自动选择一段道路区域,得到所述检测区域。
3.根据权利要求2所述的检测区域的确定方法,其特征在于,从所述交通视频图像中确定车道区域包括:
选取预设时间段内的视频数据,生成所述预设时间段内的交通流热图,其中,所述交通流热图用于表示车辆流动的分布;
根据所述交通流热图获取车道区域;
检测所述车道区域内道路边界及车道分界线。
4.一种交通信息检测方法,其特征在于,包括:
根据连续拍摄的多帧交通视频图像确定目标车辆移动的像素数量;
从所述交通视频图像上提取参照物;
计算所述参照物的实物长度在所述交通视频图像上对应的像素数量;
获取预先存储的所述参照物的实物长度;
根据所述目标车辆移动的像素数量和所述参照物的实物长度在所述交通视频图像上对应的像素数量,以及所述参照物的实物长度计算得到所述目标车辆的移动距离;以及
根据所述移动距离和所述多帧交通视频图像的拍摄时间间隔计算所述目标车辆的速度。
5.根据权利要求4所述的交通信息检测方法,其特征在于,在根据连续拍摄的多帧交通视频图像确定目标车辆移动的像素数量之前,所述方法包括:
对所述目标车辆进行角点检测,提取所述目标车辆的角点特征;
根据所述角点特征对所述目标车辆进行跟踪,从所述多帧交通视频图像中识别出所述目标车辆。
6.一种交通信息检测方法,其特征在于,包括:
确定检测区域的道路长度,其中,所述检测区域为从拍摄的交通视频图像上选取的用于检测交通信息的区域;
从所述交通视频图像上计算所述检测区域内的车辆所占的像素总数;
按照一辆预设标准车型在所述交通视频图像所占的像素数量将所述像素总数折算为车辆总数;
根据所述检测区域的道路长度和所述车辆总数计算出交通密度。
7.一种交通信息检测方法,其特征在于,包括:
确定检测区域,其中,所述检测区域为从拍摄的交通视频图像上选取的用于检测交通信息的区域;
计算所述检测区域的车道所占的像素数量以及目标时刻的所述检测区域内车辆所占的像素数量;
根据所述检测区域内车辆所占的像素数量和所述检测区域的车道所占的像素数量计算得到所述目标时刻的交通空间占有率。
8.根据权利要求7所述的交通信息检测方法,其特征在于,根据所述检测区域内车辆所占的像素数量和所述检测区域的车道所占的像素数量计算得到所述目标时刻的交通空间占有率包括:
计算目标时刻所述检测区域内的车道数量、每一行车道所占像素数量以及每一行车道上的车辆所占的像素数量;
计算所述检测区域内每一行车道上的车辆所占的像素数量与其车道所占像素数量的比值;
将每一行车道对应的比值相加求和,除以所述车道数量,得到所述目标时刻的交通空间占有率。
9.一种检测区域的确定装置,其特征在于,包括:
选取单元,用于从拍摄的交通视频图像上自动选取一段道路区域,作为检测区域,其中,所述检测区域为用于检测交通信息的区域;
第一提取单元,用于从所述交通视频图像上提取参照物;
第一计算单元,用于计算所述检测区域上的道路长度所占的像素数量和所述参照物的实物长度在所述交通视频图像上对应的像素数量;
第一获取单元,用于获取预先存储的所述参照物的实物长度;
第二计算单元,用于根据所述检测区域上的道路长度所占的像素数量和所述参照物的实物长度在所述交通视频图像上对应的像素数量,以及所述参照物的实物长度计算得到所述检测区域的道路长度。
10.一种交通信息检测装置,其特征在于,包括:
第一确定单元,用于根据连续拍摄的多帧交通视频图像确定目标车辆移动的像素数量;
第二提取单元,用于从所述交通视频图像上提取参照物;
第三计算单元,用于计算所述参照物的实物长度在所述交通视频图像上对应的像素数量;
第二获取单元,用于获取预先存储的所述参照物的实物长度;
第四计算单元,用于根据所述目标车辆移动的像素数量和所述参照物的实物长度在所述交通视频图像上对应的像素数量,以及所述参照物的实物长度计算得到所述目标车辆的移动距离;以及
第五计算单元,用于根据所述移动距离和所述多帧交通视频图像的拍摄时间间隔计算所述目标车辆的速度。
11.一种交通信息检测装置,其特征在于,包括:
第二确定单元,用于确定检测区域的道路长度,其中,所述检测区域为从拍摄的交通视频图像上选取的用于检测交通信息的区域;
第六计算单元,用于从所述交通视频图像上计算所述检测区域内的车辆所占的像素总数;
折算单元,用于按照一辆预设标准车型在所述交通视频图像所占的像素数量将所述像素总数折算为车辆总数;
第七计算单元,用于根据所述检测区域的道路长度和所述车辆总数计算出交通密度。
12.一种交通信息检测装置,其特征在于,包括:
第三确定单元,用于确定检测区域,其中,所述检测区域为从拍摄的交通视频图像上选取的用于检测交通信息的区域;
第八计算单元,用于计算所述检测区域的车道所占的像素数量以及目标时刻的所述检测区域内车辆所占的像素数量;
第九计算单元,用于根据所述检测区域内车辆所占的像素数量和所述检测区域的车道所占的像素数量计算得到所述目标时刻的交通空间占有率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610708019.0A CN106097726A (zh) | 2016-08-23 | 2016-08-23 | 检测区域的确定、交通信息检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610708019.0A CN106097726A (zh) | 2016-08-23 | 2016-08-23 | 检测区域的确定、交通信息检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106097726A true CN106097726A (zh) | 2016-11-09 |
Family
ID=57226145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610708019.0A Pending CN106097726A (zh) | 2016-08-23 | 2016-08-23 | 检测区域的确定、交通信息检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106097726A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106898016A (zh) * | 2017-01-19 | 2017-06-27 | 博康智能信息技术有限公司北京海淀分公司 | 获取交通图像中车辆尺度信息的方法及装置 |
CN108413891A (zh) * | 2018-01-25 | 2018-08-17 | 北京威远图易数字科技有限公司 | 车损测量方法与装置 |
CN108847025A (zh) * | 2018-08-28 | 2018-11-20 | 电子科技大学 | 一种交通拥堵判定方法 |
CN108877237A (zh) * | 2018-07-27 | 2018-11-23 | 长安大学 | 基于监控视频图像的车辆行驶速度集成解算系统及方法 |
CN109377770A (zh) * | 2018-09-05 | 2019-02-22 | 华为技术有限公司 | 统计车流量的方法和装置、计算设备和存储介质 |
CN109525816A (zh) * | 2018-12-10 | 2019-03-26 | 北京智汇云舟科技有限公司 | 一种基于三维地理信息的多枪多球融合联动系统及方法 |
CN109686088A (zh) * | 2018-12-29 | 2019-04-26 | 重庆同济同枥信息技术有限公司 | 一种交通视频告警方法、设备及系统 |
CN109785463A (zh) * | 2019-01-25 | 2019-05-21 | 芜湖智久机器人有限公司 | 一种基于车速的小车故障检测系统及方法 |
CN111009135A (zh) * | 2019-12-03 | 2020-04-14 | 北京百度网讯科技有限公司 | 车辆行驶速度的确定方法、装置以及计算机设备 |
CN111942282A (zh) * | 2019-05-17 | 2020-11-17 | 比亚迪股份有限公司 | 车辆及其驾驶盲区预警方法、装置、系统和存储介质 |
CN112784789A (zh) * | 2021-01-29 | 2021-05-11 | 北京百度网讯科技有限公司 | 识别道路的交通流量的方法、装置、电子设备和介质 |
CN113257019A (zh) * | 2020-02-11 | 2021-08-13 | 北京百度网讯科技有限公司 | 交通灯信号的控制方法、装置、设备及存储介质 |
CN113256701A (zh) * | 2021-05-31 | 2021-08-13 | 天津天瞳威势电子科技有限公司 | 一种距离的获取方法、装置、设备及可读存储介质 |
CN113689713A (zh) * | 2020-05-19 | 2021-11-23 | 昆山研达电脑科技有限公司 | 基于行车记录仪的车速监测方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136195A (zh) * | 2011-03-28 | 2011-07-27 | 长安大学 | 一种基于图像纹理检测道路交通状况的方法 |
CN102810250A (zh) * | 2012-07-31 | 2012-12-05 | 长安大学 | 基于视频的多车型交通信息检测方法 |
CN102855759A (zh) * | 2012-07-05 | 2013-01-02 | 中国科学院遥感应用研究所 | 高分辨率卫星遥感交通流信息自动采集方法 |
CN103198666A (zh) * | 2013-03-19 | 2013-07-10 | 东南大学 | 一种基于固定翼航模的公路交通流空间平均车速观测方法 |
JP2013171491A (ja) * | 2012-02-22 | 2013-09-02 | Nippon Expressway Research Institute Co Ltd | 単一の画像を活用した交通量推計システム |
CN103413443A (zh) * | 2013-07-03 | 2013-11-27 | 太原理工大学 | 基于隐马尔科夫模型的短时交通流状态预测方法 |
CN104851295A (zh) * | 2015-05-22 | 2015-08-19 | 北京嘀嘀无限科技发展有限公司 | 获取路况信息的方法和系统 |
CN104900054A (zh) * | 2015-04-30 | 2015-09-09 | 深圳市中盟科技股份有限公司 | 交通状态的判定方法和装置 |
CN105043271A (zh) * | 2015-08-06 | 2015-11-11 | 宁波市北仑海伯精密机械制造有限公司 | 长度测量方法及装置 |
CN105279966A (zh) * | 2015-10-09 | 2016-01-27 | 武汉理工大学 | 一种校园交通的拥堵识别方法 |
CN105513354A (zh) * | 2015-12-22 | 2016-04-20 | 电子科技大学 | 基于视频的城市道路交通拥堵检测系统 |
CN105512628A (zh) * | 2015-12-07 | 2016-04-20 | 北京航空航天大学 | 基于无人机的车辆环境感知系统及方法 |
CN105528891A (zh) * | 2016-01-13 | 2016-04-27 | 深圳市中盟科技有限公司 | 基于无人机监控的交通流密度检测方法及系统 |
CN105869413A (zh) * | 2016-06-23 | 2016-08-17 | 常州海蓝利科物联网技术有限公司 | 基于摄像头视频检测车流量和车速的方法 |
-
2016
- 2016-08-23 CN CN201610708019.0A patent/CN106097726A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102136195A (zh) * | 2011-03-28 | 2011-07-27 | 长安大学 | 一种基于图像纹理检测道路交通状况的方法 |
JP2013171491A (ja) * | 2012-02-22 | 2013-09-02 | Nippon Expressway Research Institute Co Ltd | 単一の画像を活用した交通量推計システム |
CN102855759A (zh) * | 2012-07-05 | 2013-01-02 | 中国科学院遥感应用研究所 | 高分辨率卫星遥感交通流信息自动采集方法 |
CN102810250A (zh) * | 2012-07-31 | 2012-12-05 | 长安大学 | 基于视频的多车型交通信息检测方法 |
CN103198666A (zh) * | 2013-03-19 | 2013-07-10 | 东南大学 | 一种基于固定翼航模的公路交通流空间平均车速观测方法 |
CN103413443A (zh) * | 2013-07-03 | 2013-11-27 | 太原理工大学 | 基于隐马尔科夫模型的短时交通流状态预测方法 |
CN104900054A (zh) * | 2015-04-30 | 2015-09-09 | 深圳市中盟科技股份有限公司 | 交通状态的判定方法和装置 |
CN104851295A (zh) * | 2015-05-22 | 2015-08-19 | 北京嘀嘀无限科技发展有限公司 | 获取路况信息的方法和系统 |
CN105043271A (zh) * | 2015-08-06 | 2015-11-11 | 宁波市北仑海伯精密机械制造有限公司 | 长度测量方法及装置 |
CN105279966A (zh) * | 2015-10-09 | 2016-01-27 | 武汉理工大学 | 一种校园交通的拥堵识别方法 |
CN105512628A (zh) * | 2015-12-07 | 2016-04-20 | 北京航空航天大学 | 基于无人机的车辆环境感知系统及方法 |
CN105513354A (zh) * | 2015-12-22 | 2016-04-20 | 电子科技大学 | 基于视频的城市道路交通拥堵检测系统 |
CN105528891A (zh) * | 2016-01-13 | 2016-04-27 | 深圳市中盟科技有限公司 | 基于无人机监控的交通流密度检测方法及系统 |
CN105869413A (zh) * | 2016-06-23 | 2016-08-17 | 常州海蓝利科物联网技术有限公司 | 基于摄像头视频检测车流量和车速的方法 |
Non-Patent Citations (1)
Title |
---|
周明全: "《图像图形技术与应用进展》", 30 November 2008, 北京师范大学出版社 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106898016A (zh) * | 2017-01-19 | 2017-06-27 | 博康智能信息技术有限公司北京海淀分公司 | 获取交通图像中车辆尺度信息的方法及装置 |
CN108413891A (zh) * | 2018-01-25 | 2018-08-17 | 北京威远图易数字科技有限公司 | 车损测量方法与装置 |
CN108877237B (zh) * | 2018-07-27 | 2020-07-14 | 长安大学 | 基于监控视频图像的车辆行驶速度集成解算系统及方法 |
CN108877237A (zh) * | 2018-07-27 | 2018-11-23 | 长安大学 | 基于监控视频图像的车辆行驶速度集成解算系统及方法 |
CN108847025A (zh) * | 2018-08-28 | 2018-11-20 | 电子科技大学 | 一种交通拥堵判定方法 |
CN109377770A (zh) * | 2018-09-05 | 2019-02-22 | 华为技术有限公司 | 统计车流量的方法和装置、计算设备和存储介质 |
CN109525816A (zh) * | 2018-12-10 | 2019-03-26 | 北京智汇云舟科技有限公司 | 一种基于三维地理信息的多枪多球融合联动系统及方法 |
CN109686088B (zh) * | 2018-12-29 | 2021-07-30 | 重庆同枥信息技术有限公司 | 一种交通视频告警方法、设备及系统 |
CN109686088A (zh) * | 2018-12-29 | 2019-04-26 | 重庆同济同枥信息技术有限公司 | 一种交通视频告警方法、设备及系统 |
CN109785463A (zh) * | 2019-01-25 | 2019-05-21 | 芜湖智久机器人有限公司 | 一种基于车速的小车故障检测系统及方法 |
CN111942282A (zh) * | 2019-05-17 | 2020-11-17 | 比亚迪股份有限公司 | 车辆及其驾驶盲区预警方法、装置、系统和存储介质 |
CN111009135A (zh) * | 2019-12-03 | 2020-04-14 | 北京百度网讯科技有限公司 | 车辆行驶速度的确定方法、装置以及计算机设备 |
CN113257019A (zh) * | 2020-02-11 | 2021-08-13 | 北京百度网讯科技有限公司 | 交通灯信号的控制方法、装置、设备及存储介质 |
CN113257019B (zh) * | 2020-02-11 | 2022-07-15 | 阿波罗智联(北京)科技有限公司 | 交通灯信号的控制方法、装置、设备及存储介质 |
CN113689713A (zh) * | 2020-05-19 | 2021-11-23 | 昆山研达电脑科技有限公司 | 基于行车记录仪的车速监测方法 |
CN112784789A (zh) * | 2021-01-29 | 2021-05-11 | 北京百度网讯科技有限公司 | 识别道路的交通流量的方法、装置、电子设备和介质 |
CN112784789B (zh) * | 2021-01-29 | 2023-08-18 | 北京百度网讯科技有限公司 | 识别道路的交通流量的方法、装置、电子设备和介质 |
CN113256701A (zh) * | 2021-05-31 | 2021-08-13 | 天津天瞳威势电子科技有限公司 | 一种距离的获取方法、装置、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106097726A (zh) | 检测区域的确定、交通信息检测方法及装置 | |
CN109167956B (zh) | 全桥面移动荷载空间分布监测系统 | |
JP6937355B2 (ja) | ひび割れ解析装置、ひび割れ解析方法、及び、ひび割れ解析プログラム | |
CN111145545B (zh) | 基于深度学习的道路交通行为无人机监测系统及方法 | |
CN103985254B (zh) | 一种用于大场景交通监视的多视点视频融合及交通参数采集方法 | |
CN104599249B (zh) | 缆索承重桥梁桥面车辆载荷分布实时检测方法 | |
Chen et al. | Inexpensive multimodal sensor fusion system for autonomous data acquisition of road surface conditions | |
CN104280036B (zh) | 一种交通信息的检测与定位方法、装置及电子设备 | |
CN103473554B (zh) | 人流统计系统及方法 | |
JP5714940B2 (ja) | 移動体位置測定装置 | |
CN109064495A (zh) | 一种基于Faster R-CNN与视频技术的桥面车辆时空信息获取方法 | |
CN111325788B (zh) | 一种基于街景图片的建筑物高度确定方法 | |
CN103310190B (zh) | 基于异构主动视觉网络的人脸图像样本采集优化方法 | |
JP6408434B2 (ja) | 道路標示体劣化検出方法 | |
Kawano et al. | Road marking blur detection with drive recorder | |
KR20180046798A (ko) | 실시간 교통 정보 제공 방법 및 장치 | |
CN104123776B (zh) | 一种基于图像的对象统计方法及系统 | |
CN105321342A (zh) | 一种基于航拍视频的交叉口车辆排队长度检测方法 | |
CN106327880B (zh) | 一种基于监控视频的车速识别方法及其系统 | |
CN110197097B (zh) | 一种港区监控方法及系统、中控系统 | |
JP2007147458A (ja) | 位置検出装置、位置検出方法、位置検出プログラムおよび記録媒体 | |
CN104992406B (zh) | 一种不封闭交通的公路桥面图像获取方法 | |
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 | |
CN109791607A (zh) | 借助单应矩阵从摄像机的一系列图像中探测和验证对象 | |
CN105719483A (zh) | 一种视频与gps相结合的车辆行驶轨迹全样本数据获取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161109 |