CN106127107A - 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法 - Google Patents
基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法 Download PDFInfo
- Publication number
- CN106127107A CN106127107A CN201610420753.7A CN201610420753A CN106127107A CN 106127107 A CN106127107 A CN 106127107A CN 201610420753 A CN201610420753 A CN 201610420753A CN 106127107 A CN106127107 A CN 106127107A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- num
- shaft
- image
- height
- 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
- 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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
一种基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法,包括如下步骤:1)、采用安装于不同方位的多个摄像头获取视频图像,得到车侧图像和车头或车尾图像;2)、实施车辆图像的检测、跟踪和分离;3)、针对安装于不同位置的摄像头采集的图像,分别采用相应的方法产生的分类结果;4)、对比不同方法的检测结果,采用简单的投票信息融合机制。本发明提供一种有效提升准确度的基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法。
Description
技术领域
本发明涉及车型识别技术,尤其是一种车型识别方法。
背景技术
智能交通系统需要对车辆的检测和车型识别。车辆自动辨识是利用车载设备与地面基站设备互识进行,主要用于收费系统中,如AE-PASS系统、ETC系统,GPS定位等。车辆自动分类是通过检测车辆本身固有的参数,在一定车辆分类标准下运用分类识别算法对车辆进行分类。
汽车识别包括汽车牌照识别、汽车颜色识别、车型识别、车标识别等,目前最成熟的是汽车牌照的识别,并已经广泛应用于电子警察、电子收费等应用系统中。
车型(vehicle category)识别根据不同目的,身份识别方式需要识别出车辆属于已知类中的哪一类,以一定标准判断目标车辆规格,如工程用车、大型车、中型车、载货车、载客车、公共汽车、小汽车等,这类模式主要应用在公路收费、车流分析等需求中。身份鉴定方式通常利用图像处理技术比较两张车辆图像是否属于同一辆车,查找车辆图片库中与已知车辆相同者等。
车型识别技术的识别对象来源主要有两种:物理测量和图像处理。通过物理手段,如声音捕捉、金属传感器、衡器等获得车辆的各种物理参数如声音、重量、宽度、高度等,利用这些特征进行分类以达到车型识别目的。通过物理测量到的信息用简单的算法即可区分车辆类型。这类技术可靠性强,应用比较广泛,但施工复杂。
基于视频分析的车型识别已成为车型分类技术的主要发展方向。静态图片分析是通过对单一拍摄的含有车辆的图片进行处理,并与离线获取的图片库进行比对,实现车型识别。对于实时视频,通过摄像头采集车辆动态视频,来分析现场环境、获取光照立体信息、自学习背景提取运动车辆,从而进一步识别车辆类型。基于视频的车型识别系统是非接触检测方式,设备数量少,可提供综合交通数据信息和视频图像,便于对现场的全面、直观检测。可以提供流量、速度、占有率、车长度分类、车头时距与车头间距、排队长度等丰富的交通数据监控信息。
由于非结构化的视频处理的局限性,任何一种基于视频处理的车型识别方法都不是在各种条件下保证有效,提升单一方法的准确度是非常具有难度。
发明内容
为了克服已有基于视频分析的车型识别方式的准确度较低的不足,本发明提供一种有效提升准确度的基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法。
本发明解决其技术问题所采用的技术方案是:
一种基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法,所述车型识别方法包括如下步骤:
1)、采用安装于不同方位的多个摄像头获取视频图像,得到车侧图像和车头或车尾图像;
2)、实施车辆图像的检测、跟踪和分离;
3)、针对安装于不同位置的摄像头采集的图像,分别采用相应的方法产生的分类结果,过程如下:
3.1针对车头或车尾图像,车牌定位,利用车牌的颜色和宽高比信息,获取车辆的类型信息;
3.2针对车头或车尾图像,利用几何光学方法确定其宽度和高度真实尺寸,获取车辆类型信息;
3.3针对车侧图像:
3.3.1利用运动目标检测,获取车辆轮廓信息,计算车辆轮廓内的面积与车辆长高积之比、长高比、车高、车长特征,采用神经网络或SVM方法进行车型分类;
3.3.2利用Hough变换对车辆进行圆检测,并标出圆心,确定车轮个数和车轮之间的距离,最终确定出车辆类型信息;
4)、对比不同方法的检测结果,采用简单的投票信息融合机制:
4.1在不同分类器分类结果没有冲突的情况下,通过一个决策树逐步确定多类的分类;
4.2在不同分类器分类结果存在冲突的情况下,采用投票机制,确定相同分类结果最多的类为最终的车型;
4.3在不同分类器分类结果存在冲突的情况下,同一分类器的两个不同特征分别得到的分类结果可以算作两个不同分类器的结果,然后采用投票机制。
进一步,所述步骤3.3.1)中,采用神经网络或SVM方法进行车型分类的过程如下:对车侧图像,提取出车辆轮廓内的面积与车辆长高积之比、长高比、车高、车长特征,作为神经网络或SVM方法的输入,对现有样本的分类作为输出,来训练出相应的分类器;在使用训练好的分类器时,对车辆图像首先提取出相应的特征作为分类器的输入,分类器直接产生分类结果。
再进一步,所述步骤3.3.2)中,车辆的长length、高height,车辆一侧的车轮数num_wheel,轴数num_shaft、轴距dist_shaft,判定如下:
如果num_shaft=2,num_wheel=2to 4,height<1.3m,dist_shaft<3.2m,则为小型车(包括小轿车、客货车、摩托车);
如果num_shaft=2,num_wheel=4,height>1.3m,dist_shaft>3.2m,则为中型车(包括面包车、轻型货车);
如果num_shaft=2,num_wheel=6,height>1.3m,dist_shaft>3.2m,则为中型车(包括中型客车、大型客车、中型货车);
如果num_shaft=3,num_wheel=6到10,height>1.3m,dist_shaft>3.2m,则为大型车(包括大型客车、大型货车、大型拖挂车)
如果num_shaft>3,num_wheel>10,height>1.3m,dist_shaft>3.2m,则为重型车(包括重型货车、拖车、集装箱车)。
本发明的技术构思为:采用多种不同方法的信息融合技术,是一种行之有效的提升识别率的方法。为提高本方法的有效性,需要两个摄像头协同工作:它们分别拍摄车头(或车尾)和车侧的图像。
采用多路摄像头,分别对车头(或车尾)、车侧的视频进行分析。采用前端摄像头可以截取车头车牌信息,由此判断车辆类型。同时获取车脸信息,和车辆的前端的几何信息。侧向的摄像头主要采集车辆的侧向轮廓。由前向和侧向和轮廓,可以构造出车辆的立体轮廓。再根据几何轮廓,确定车型。同时,车牌的信息可以进一步确认车辆信息。通过车脸信息也是一种分类信息源。通过三种分类方式的分类结果,采用简单的信息融合手段,就可以得到最终的分类结果。
本发明的有益效果主要表现在:有效提升准确度。
附图说明
图1是基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1,一种基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法,所述车型识别方法包括如下步骤:
1)、采用安装于不同方位的多个摄像头获取视频图像,得到车侧图像和车头或车尾图像;
2)、实施车辆图像的检测、跟踪和分离;
3)、针对安装于不同位置的摄像头采集的图像,分别采用相应的方法产生的分类结果,过程如下:
3.1针对车头或车尾图像,车牌定位,利用车牌的颜色和宽高比信息,获取车辆的类型信息;
3.2针对车头或车尾图像,利用几何光学方法确定其宽度和高度真实尺寸,获取车辆类型信息;
3.3针对车侧图像:
3.3.1利用运动目标检测,获取车辆轮廓信息,计算车辆轮廓内的面积与车辆长高积之比、长高比、车高、车长特征,采用神经网络或SVM方法进行车型分类;
3.3.2利用Hough变换对车辆进行圆检测,并标出圆心,确定车轮个数和车轮之间的距离,最终确定出车辆类型信息;
4)、对比不同方法的检测结果,采用简单的投票信息融合机制:
4.1在不同分类器分类结果没有冲突的情况下,通过一个决策树逐步确定多类的分类;
4.2在不同分类器分类结果存在冲突的情况下,采用投票机制,确定相同分类结果最多的类为最终的车型;
4.3在不同分类器分类结果存在冲突的情况下,同一分类器的两个不同特征分别得到的分类结果可以算作两个不同分类器的结果,然后采用投票机制。
进一步,所述步骤3.3.1)中,采用神经网络或SVM方法进行车型分类的过程如下:对车侧图像,提取出车辆轮廓内的面积与车辆长高积之比、长高比、车高、车长特征,作为神经网络或SVM方法的输入,对现有样本的分类作为输出,来训练出相应的分类器;在使用训练好的分类器时,对车辆图像首先提取出相应的特征作为作为分类器的输入,分类器直接产生分类结果。
再进一步,所述步骤3.3.2)中,车辆的长length、高height,车辆一侧的车轮数num_wheel,轴数num_shaft、轴距dist_shaft,判定如下:
如果num_shaft=2,num_wheel=2to 4,height<1.3m,dist_shaft<3.2m,则为小型车(包括小轿车、客货车、摩托车);
如果num_shaft=2,num_wheel=4,height>1.3m,dist_shaft>3.2m,则为中型车(包括面包车、轻型货车);
如果num_shaft=2,num_wheel=6,height>1.3m,dist_shaft>3.2m,则为中型车(包括中型客车、大型客车、中型货车);
如果num_shaft=3,num_wheel=6到10,height>1.3m,dist_shaft>3.2m,则为大型车(包括大型客车、大型货车、大型拖挂车)
如果num_shaft>3,num_wheel>10,height>1.3m,dist_shaft>3.2m,则为重型车(包括重型货车、拖车、集装箱车)。
本发明中,从图像中提取几何参数是基于几何光学的原理。在设备配置阶段,在摄像头的视野设置横向和竖向的虚拟标线,确定其对应的像素数ch,cv,以及它们对应的实际长度Lh,Lv;在检测阶段,确定进入视野中的车辆的横向和竖向的跨度,统计其对应的像素数c'h,c'v,采用几何光学,可以得到车辆的时间长度和高度分别是L'h=c'h Lh/ch,L'v=c'vLv/cv。
所述步骤3.2中,针对车头图像,利用几何光学方法确定其宽度和高度真实尺寸,获取车辆类型信息,过程如下:车头图像的宽width、高height,如果height<1.3m,则为小型车;否则为中型车或以上。
所述步骤3.1中,针对车头或车尾图像,车牌定位,利用车牌的颜色和宽高比信息,获取车辆的类型信息,过程如下:车牌定位后,判定如下:
如果车牌区域的宽高比接近440/140:
如果蓝底白字白框线,属于小型汽车;
如果黄底黑字黑框线;
如果最后一个字符是“学”,则是教练车,属于小型汽车;否则是中型或以上汽车;
如果黑底白字白框,则是外籍汽车,如果其中有红色的“领”、“使”,则更进一步是使馆或领事馆的小型汽车;
如果白底黑字红“警”字黑框,警用小型汽车;
如果白底黑字红“WJ”字,上下红框线,武警用小型汽车;
如果白底黑字白框,前两个字符是红色的,军用小型汽车;
如果车牌区域的宽高比接近220/140:
如果黄底黑字黑框线,是摩托车;
如果天蓝色底黑字,则是临时牌照,不确定车型;
如果有“试”字标志在前面,白底黑字红“试”字,则是军用试车牌照,不确定车型;
如果白底黑字红“警”字黑框,警用摩托车;
如果车牌区域的宽高比接近300/165,是低速车。
如果车牌区域的宽高比接近440/220:
如果黄底黑字黑框线,则是中型(含)以上汽车;
如果白底黑字白框,前两个字符是红色的,是军用中型(含)以上汽车。
本实施例中,考虑到非结构化的视频处理的局限性,任何一种基于视频处理的车型识别方法都不是在各种条件下保证有效,提升单一方法的准确度是非常具有难度,选择采用多种不同方法的信息融合技术,有效的提升识别率。
Claims (3)
1.一种基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法,其特征在于:所述车型识别方法包括如下步骤:
1)、采用安装于不同方位的多个摄像头获取视频图像,得到车侧图像和车头或车尾图像;
2)、实施车辆图像的检测、跟踪和分离;
3)、针对安装于不同位置的摄像头采集的图像,分别采用相应的方法产生的分类结果,过程如下:
3.1针对车头或车尾图像,车牌定位,利用车牌的颜色和宽高比信息,获取车辆的类型信息;
3.2针对车头或车尾图像,利用几何光学方法确定其宽度和高度真实尺寸,获取车辆类型信息;
3.3针对车侧图像:
3.3.1利用运动目标检测,获取车辆轮廓信息,计算车辆轮廓内的面积与车辆长高积之比、长高比、车高、车长特征,采用神经网络或SVM方法进行车型分类;
3.3.2利用Hough变换对车辆进行圆检测,并标出圆心,确定车轮个数和车轮之间的距离,最终确定出车辆类型信息;
4)、对比不同方法的检测结果,采用简单的投票信息融合机制:
4.1在不同分类器分类结果没有冲突的情况下,通过一个决策树逐步确定多类的分类;
4.2在不同分类器分类结果存在冲突的情况下,采用投票机制,确定相同分类结果最多的类为最终的车型;
4.3在不同分类器分类结果存在冲突的情况下,同一分类器的两个不同特征分别得到的分类结果可以算作两个不同分类器的结果,然后采用投票机制。
2.如权利要求1所述的一种基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法,其特征在于:所述步骤3.3.1)中,采用神经网络或SVM方法进行车型分类的过程如下:对车侧图像,提取出车辆轮廓内的面积与车辆长高积之比、长高比、车高、车长特征,作为神经网络或SVM方法的输入,对现有样本的分类作为输出,来训练出相应的分类器;在使用训练好的分类器时,对车辆图像首先提取出相应的特征作为分类器的输入,分类器直接产生分类结果。
3.如权利要求1所述的一种基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法,其特征在于:所述步骤3.3.2)中,车辆的长length、高height,车辆一侧的车轮数num_wheel,轴数num_shaft、轴距dist_shaft,判定如下:
如果num_shaft=2,num_wheel=2 to 4,height<1.3m,dist_shaft<3.2m,则为小型车;
如果num_shaft=2,num_wheel=4,height>1.3m,dist_shaft>3.2m,则为中型车;
如果num_shaft=2,num_wheel=6,height>1.3m,dist_shaft>3.2m,则为中型车;
如果num_shaft=3,num_wheel=6到10,height>1.3m,dist_shaft>3.2m,则为大型车(包括大型客车、大型货车、大型拖挂车)如果num_shaft>3,num_wheel>10,height>1.3m,dist_shaft>3.2m,则为重型车。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610420753.7A CN106127107A (zh) | 2016-06-14 | 2016-06-14 | 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610420753.7A CN106127107A (zh) | 2016-06-14 | 2016-06-14 | 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106127107A true CN106127107A (zh) | 2016-11-16 |
Family
ID=57270835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610420753.7A Pending CN106127107A (zh) | 2016-06-14 | 2016-06-14 | 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106127107A (zh) |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846374A (zh) * | 2016-12-21 | 2017-06-13 | 大连海事大学 | 多摄像头场景下车辆的轨迹计算方法 |
CN107657669A (zh) * | 2017-10-25 | 2018-02-02 | 南京感动科技有限公司 | 一种基于云端的高速公路无卡通行收费方法 |
CN107784309A (zh) * | 2017-11-01 | 2018-03-09 | 深圳汇生通科技股份有限公司 | 一种对车型识别的实现方法及系统 |
CN108021879A (zh) * | 2017-11-30 | 2018-05-11 | 天津天地基业科技有限公司 | 一种基于视频图像的交通车辆类型识别方法 |
CN108345896A (zh) * | 2017-01-23 | 2018-07-31 | 许继集团有限公司 | 基于部件种类和部件比例的高压设备图像识别方法及装置 |
CN108345820A (zh) * | 2017-01-23 | 2018-07-31 | 许继集团有限公司 | 基于部件种类和部件位置的高压设备图像识别方法及装置 |
CN108645625A (zh) * | 2018-03-21 | 2018-10-12 | 北京纵目安驰智能科技有限公司 | 尾端与侧面结合的3d车辆检测方法、系统、终端和存储介质 |
CN108681707A (zh) * | 2018-05-15 | 2018-10-19 | 桂林电子科技大学 | 基于全局和局部特征融合的大角度车型识别方法和系统 |
CN109581405A (zh) * | 2018-12-28 | 2019-04-05 | 深圳市金溢科技股份有限公司 | 一种基于激光雷达的货车etc收费方法、服务器及系统 |
CN109697861A (zh) * | 2019-02-21 | 2019-04-30 | 武昌理工学院 | 一种道路障碍识别装置及识别方法 |
CN109767507A (zh) * | 2019-03-01 | 2019-05-17 | 河北交通职业技术学院 | 一种基于电子围栏的高速公路不停车收费支付系统 |
CN109815933A (zh) * | 2019-02-11 | 2019-05-28 | 山东省公安厅高速公路交通警察总队 | 一种多轴车自动识别取证装置、系统及方法 |
CN110119726A (zh) * | 2019-05-20 | 2019-08-13 | 四川九洲视讯科技有限责任公司 | 一种基于YOLOv3模型的车辆品牌多角度识别方法 |
CN110232827A (zh) * | 2019-05-27 | 2019-09-13 | 武汉万集信息技术有限公司 | 自由流收费车型识别方法、装置及系统 |
CN111145580A (zh) * | 2018-11-06 | 2020-05-12 | 松下知识产权经营株式会社 | 移动体、管理装置及系统、控制方法、计算机可读介质 |
CN111161542A (zh) * | 2018-11-08 | 2020-05-15 | 杭州海康威视数字技术股份有限公司 | 车辆识别方法及装置 |
CN111292432A (zh) * | 2020-01-14 | 2020-06-16 | 北京巨视科技有限公司 | 基于车型识别和轮轴检测的车辆收费类型判别方法与装置 |
CN111540215A (zh) * | 2020-04-16 | 2020-08-14 | 浙江大华技术股份有限公司 | 车辆信息的确定系统、方法、装置、设备及介质 |
CN111860384A (zh) * | 2020-07-27 | 2020-10-30 | 上海福赛特智能科技有限公司 | 一种车型识别方法 |
CN111862364A (zh) * | 2020-07-27 | 2020-10-30 | 上海福赛特智能科技有限公司 | 一种收费站自动发卡系统及发卡方法 |
CN111899389A (zh) * | 2020-07-27 | 2020-11-06 | 上海福赛特智能科技有限公司 | 一种车队管理系统进行车型和车牌识别的方法 |
CN111914892A (zh) * | 2020-06-23 | 2020-11-10 | 安徽师范大学 | 基于轮胎检测的车型及车标识别方法 |
CN113111884A (zh) * | 2021-03-26 | 2021-07-13 | 沈阳天眼智云智能技术研究院有限公司 | 危化品运输专用车辆的视频检测方法 |
CN114677666A (zh) * | 2022-03-31 | 2022-06-28 | 东风商用车有限公司 | 一种振动试验中驾驶室运动姿态检测方法及系统 |
CN115938026A (zh) * | 2023-03-13 | 2023-04-07 | 知鱼智联科技股份有限公司 | 基于多维特征的园区门禁管理方法、系统及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324920A (zh) * | 2013-06-27 | 2013-09-25 | 华南理工大学 | 基于车辆正面图像与模板匹配的车型自动识别方法 |
CN103794056A (zh) * | 2014-03-06 | 2014-05-14 | 北京卓视智通科技有限责任公司 | 基于实时双路视频流的车型精确分类系统及方法 |
CN204632107U (zh) * | 2015-05-21 | 2015-09-09 | 武汉万集信息技术有限公司 | 一种基于扫描式激光测距仪的组合型车型识别系统 |
CN105427614A (zh) * | 2015-08-28 | 2016-03-23 | 北京动视元科技有限公司 | 一种车型分类系统及其方法 |
-
2016
- 2016-06-14 CN CN201610420753.7A patent/CN106127107A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103324920A (zh) * | 2013-06-27 | 2013-09-25 | 华南理工大学 | 基于车辆正面图像与模板匹配的车型自动识别方法 |
CN103794056A (zh) * | 2014-03-06 | 2014-05-14 | 北京卓视智通科技有限责任公司 | 基于实时双路视频流的车型精确分类系统及方法 |
CN204632107U (zh) * | 2015-05-21 | 2015-09-09 | 武汉万集信息技术有限公司 | 一种基于扫描式激光测距仪的组合型车型识别系统 |
CN105427614A (zh) * | 2015-08-28 | 2016-03-23 | 北京动视元科技有限公司 | 一种车型分类系统及其方法 |
Non-Patent Citations (3)
Title |
---|
宓超 等编著: "《装卸机器视觉及其应用》", 31 January 2016 * |
李夕海 等: "《核爆炸侦察技术及应用》", 31 May 2016, 国防工业出版社 * |
肖进: "《面向数据特点的客户价值区分集成模型研究》", 31 May 2012 * |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106846374A (zh) * | 2016-12-21 | 2017-06-13 | 大连海事大学 | 多摄像头场景下车辆的轨迹计算方法 |
CN106846374B (zh) * | 2016-12-21 | 2020-10-09 | 大连海事大学 | 多摄像头场景下车辆的轨迹计算方法 |
CN108345896A (zh) * | 2017-01-23 | 2018-07-31 | 许继集团有限公司 | 基于部件种类和部件比例的高压设备图像识别方法及装置 |
CN108345820A (zh) * | 2017-01-23 | 2018-07-31 | 许继集团有限公司 | 基于部件种类和部件位置的高压设备图像识别方法及装置 |
CN107657669A (zh) * | 2017-10-25 | 2018-02-02 | 南京感动科技有限公司 | 一种基于云端的高速公路无卡通行收费方法 |
CN107784309A (zh) * | 2017-11-01 | 2018-03-09 | 深圳汇生通科技股份有限公司 | 一种对车型识别的实现方法及系统 |
CN108021879A (zh) * | 2017-11-30 | 2018-05-11 | 天津天地基业科技有限公司 | 一种基于视频图像的交通车辆类型识别方法 |
CN108645625A (zh) * | 2018-03-21 | 2018-10-12 | 北京纵目安驰智能科技有限公司 | 尾端与侧面结合的3d车辆检测方法、系统、终端和存储介质 |
CN108645625B (zh) * | 2018-03-21 | 2022-02-18 | 北京纵目安驰智能科技有限公司 | 尾端与侧面结合的3d车辆检测方法、系统、终端和存储介质 |
CN108681707A (zh) * | 2018-05-15 | 2018-10-19 | 桂林电子科技大学 | 基于全局和局部特征融合的大角度车型识别方法和系统 |
CN111145580B (zh) * | 2018-11-06 | 2022-06-14 | 松下知识产权经营株式会社 | 移动体、管理装置及系统、控制方法、计算机可读介质 |
CN111145580A (zh) * | 2018-11-06 | 2020-05-12 | 松下知识产权经营株式会社 | 移动体、管理装置及系统、控制方法、计算机可读介质 |
CN111161542B (zh) * | 2018-11-08 | 2021-09-28 | 杭州海康威视数字技术股份有限公司 | 车辆识别方法及装置 |
CN111161542A (zh) * | 2018-11-08 | 2020-05-15 | 杭州海康威视数字技术股份有限公司 | 车辆识别方法及装置 |
CN109581405A (zh) * | 2018-12-28 | 2019-04-05 | 深圳市金溢科技股份有限公司 | 一种基于激光雷达的货车etc收费方法、服务器及系统 |
CN109815933A (zh) * | 2019-02-11 | 2019-05-28 | 山东省公安厅高速公路交通警察总队 | 一种多轴车自动识别取证装置、系统及方法 |
CN109697861A (zh) * | 2019-02-21 | 2019-04-30 | 武昌理工学院 | 一种道路障碍识别装置及识别方法 |
CN109767507A (zh) * | 2019-03-01 | 2019-05-17 | 河北交通职业技术学院 | 一种基于电子围栏的高速公路不停车收费支付系统 |
CN110119726A (zh) * | 2019-05-20 | 2019-08-13 | 四川九洲视讯科技有限责任公司 | 一种基于YOLOv3模型的车辆品牌多角度识别方法 |
CN110232827A (zh) * | 2019-05-27 | 2019-09-13 | 武汉万集信息技术有限公司 | 自由流收费车型识别方法、装置及系统 |
CN111292432A (zh) * | 2020-01-14 | 2020-06-16 | 北京巨视科技有限公司 | 基于车型识别和轮轴检测的车辆收费类型判别方法与装置 |
CN111540215A (zh) * | 2020-04-16 | 2020-08-14 | 浙江大华技术股份有限公司 | 车辆信息的确定系统、方法、装置、设备及介质 |
CN111914892A (zh) * | 2020-06-23 | 2020-11-10 | 安徽师范大学 | 基于轮胎检测的车型及车标识别方法 |
CN111860384A (zh) * | 2020-07-27 | 2020-10-30 | 上海福赛特智能科技有限公司 | 一种车型识别方法 |
CN111860384B (zh) * | 2020-07-27 | 2021-12-14 | 上海福赛特智能科技有限公司 | 一种车型识别方法 |
CN111899389A (zh) * | 2020-07-27 | 2020-11-06 | 上海福赛特智能科技有限公司 | 一种车队管理系统进行车型和车牌识别的方法 |
CN111862364A (zh) * | 2020-07-27 | 2020-10-30 | 上海福赛特智能科技有限公司 | 一种收费站自动发卡系统及发卡方法 |
CN113111884A (zh) * | 2021-03-26 | 2021-07-13 | 沈阳天眼智云智能技术研究院有限公司 | 危化品运输专用车辆的视频检测方法 |
CN113111884B (zh) * | 2021-03-26 | 2024-05-24 | 沈阳天眼智云智能技术研究院有限公司 | 危化品运输专用车辆的视频检测方法 |
CN114677666A (zh) * | 2022-03-31 | 2022-06-28 | 东风商用车有限公司 | 一种振动试验中驾驶室运动姿态检测方法及系统 |
CN114677666B (zh) * | 2022-03-31 | 2024-05-31 | 东风商用车有限公司 | 一种振动试验中驾驶室运动姿态检测方法及系统 |
CN115938026A (zh) * | 2023-03-13 | 2023-04-07 | 知鱼智联科技股份有限公司 | 基于多维特征的园区门禁管理方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106127107A (zh) | 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法 | |
CN102722704B (zh) | 一种融合视频动态跟踪的车牌识别方法和系统 | |
CN105938560B (zh) | 一种基于卷积神经网络的车型精细分类系统 | |
CN103824037B (zh) | 车用防跟踪报警装置 | |
CN105825185B (zh) | 车辆防碰撞预警方法及装置 | |
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 | |
CN107633220A (zh) | 一种基于卷积神经网络的车辆前方目标识别方法 | |
CN106169244A (zh) | 利用人行横道识别结果的引导信息提供装置及方法 | |
CN104616502B (zh) | 基于组合式车路视频网络的车牌识别与定位系统 | |
CN109948416A (zh) | 一种基于深度学习的违法占用公交车道自动审核方法 | |
CN109460709A (zh) | 基于rgb和d信息融合的rtg视觉障碍物检测的方法 | |
CN104157160B (zh) | 车辆行驶控制方法、装置及车辆 | |
CN104029680A (zh) | 基于单目摄像头的车道偏离预警系统及方法 | |
CN103208185A (zh) | 一种基于车灯识别的夜间车辆检测方法及系统 | |
CN109033175A (zh) | 一种以图搜车的方法及系统 | |
CN103164958B (zh) | 车辆监控方法及系统 | |
CN102855500A (zh) | 一种基于Haar和HoG特征的前车检测方法 | |
CN106128115A (zh) | 一种基于双摄像机检测道路交通信息的融合方法 | |
CN103279756A (zh) | 基于集成分类器的车辆检测分析系统及其检测分析方法 | |
CN106951898B (zh) | 一种车辆候选区域推荐方法及系统、电子设备 | |
CN102867417A (zh) | 一种出租车防伪系统及方法 | |
CN103310231A (zh) | 车标定位与识别方法 | |
CN106679633A (zh) | 一种车载测距系统及方法 | |
CN104574993A (zh) | 一种道路监控的方法及装置 | |
CN111723706A (zh) | 基于树莓派的厢式货车厢门开度监控装置及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20180418 Address after: 310021 325, room 1, No. 1, Jian Qiao Road, Jianggan District, Hangzhou, Zhejiang. Applicant after: Hangzhou Entropy Technology Co., Ltd. Address before: 315824 Zhejiang city of Ningbo province Beilun xinqie Mingzhou Road No. 479 Building 1, No. 2 -11 Applicant before: NINGBO XONLINK INFORMATION TECHNOLOGY CO., LTD. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161116 |