CN106254827B - 一种团雾智能识别预警方法及其装置 - Google Patents

一种团雾智能识别预警方法及其装置 Download PDF

Info

Publication number
CN106254827B
CN106254827B CN201610637605.0A CN201610637605A CN106254827B CN 106254827 B CN106254827 B CN 106254827B CN 201610637605 A CN201610637605 A CN 201610637605A CN 106254827 B CN106254827 B CN 106254827B
Authority
CN
China
Prior art keywords
fog
image
moving
early warning
moving target
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.)
Active
Application number
CN201610637605.0A
Other languages
English (en)
Other versions
CN106254827A (zh
Inventor
刘皖榕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Kinsey Not Information Technology Co Ltd
Original Assignee
Anhui Kinsey Not Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Kinsey Not Information Technology Co Ltd filed Critical Anhui Kinsey Not Information Technology Co Ltd
Priority to CN201610637605.0A priority Critical patent/CN106254827B/zh
Publication of CN106254827A publication Critical patent/CN106254827A/zh
Application granted granted Critical
Publication of CN106254827B publication Critical patent/CN106254827B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • 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
    • G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/13—Sensors therefor
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions

Abstract

本发明公开了一种团雾智能识别预警方法及其装置，所述方法步骤包括：首先提取视频图像中的运动目标，然后对运动目标的特征进行识别判断其是否为团雾，最后发布团雾预警信息；所述装置包括主控模块，及与其连接的大雾智能检测模块、团雾智能识别分析模块和预警信号发布模块。与现有技术相比，本发明采高度集成的一体化设计，用光学检测和视频检测相结合的方式，解决了团雾检测技术单一的问题，具有检测有效性高、精度高的优势。

Description

一种团雾智能识别预警方法及其装置
技术领域
本发明属于道路交通车辆的团雾识别与预警方法的技术领域，尤其涉及的是一种团雾智能识别预警方法及其装置。
背景技术
团雾，气象用于称之为辐射雾，是由于夜间地面辐射冷却，直接使贴近路面的气层变冷而形成的雾。团雾的形成条件有三大要素：晴夜、微风和充足的水汽。团雾与我们平时所见大雾天气有所不同，呈块状，控制范围比较小，就像一大堆棉絮飘落在地面上，团雾外视线良好，团雾内四顾朦胧、能见度极低。团雾还具有范围不大、积聚时间较长、易漂移、突然性强等特点。
近年来，随着我国机动车保有量的快速增长，因突发团雾引发的国道、省道、高速公路重、特大交通事故持续高发，连环相撞、群死群伤情况不断出现，造成了重大人员伤亡和财产损失，社会反响强烈。比如，仅2016年清明节期间全国就发生了多起此类重大事故,如2016年4月2日，沪宁高速上海至无锡方向玉祁段发生重大车祸，现场至少50辆车连环相撞，造成3死31伤。2016年4月9日上午，大广高速开封通许段内因团雾引发多起车辆追尾事故，导致6人死亡、8人受伤。
目前，在交通道路环境自动化监测预警领域，尚未有针对团雾的识别预警装置，因此有必要开发一种针对团雾的有效识别预警装置，避免因团雾引发的交通事故的发生。
发明内容
本发明的目的在于克服现有技术的不足，提供了一种团雾智能识别预警方法及其装置，以提供一种有效针对团雾的智能识别装置和方法，避免因团雾引发的交通事故。
本发明是通过以下技术方案实现的：
本发明提供了一种团雾智能识别预警方法，包括以下步骤：
步骤S1：采集视频监控区域的视频图像，对视频图像中的运动目标进行提取；
步骤S2：利用图像中运动目标的特征识别判断运动目标是否为团雾；
步骤S3：若步骤S2的判断结果为团雾，则发布团雾预警信息。
进一步地，所述步骤S1中，运动目标的提取方法为背景差分法，包括以下步骤：
步骤S101：假设当前视频图像序列的完整背景图像为B(x,y)，从第k帧开始，一直到第k+n帧估计出完整背景，即：
B(x,y)＝Οb[fk(x,y),fk+1(x,y)…fk+n(x,y)]
其中Οb[·]表示用于完整背景图像计算的估计算子；
对于估计出完整背景后的第m帧图像fm(x,y)，将其表示为该帧中的背景区域Bm(x,y)和运动对象VOm(x,y)两部分，即：
fm(x,y)＝Bm(x,y)+VOm(x,y)
显然，第m帧中的背景Bm(x,y)也是完整背景B(x,y)中的一部分，因此，可以将完整背景划分成第m帧中的背景区域Bm(x,y)和被第m帧中的运动对象遮挡住的背景区域Om(x,y)两部分，即：
B(x,y)＝Bm(x,y)+Om(x,y)，且Om(x,y)和VOm(x,y)在空间位置上完全重合；
步骤S102：对估计出完整背景后的第m帧图像fm(x,y)及其估计出的完整背景图像B(x,y)作差分运算，得到差分图像dm(x,y)：
dm(x,y)＝fm(x,y)-B(x,y)
或dm(x,y)＝VOm(x,y)-Om(x,y)
步骤S103：在目标运动可视的情况下，目标与背景之间的灰度存在着较大的差值，即差分图像dm(x,y)中对应运动对象区域内的所有像素的灰度值比较大，由于在实际成像过程中不可避免的存在噪声，所以差分图像中还包含噪声，但是噪声的值通常比较小，因此，可以通过一个恰当的阈值在差分图像中较好的检测出运动对象，如下式所示：
Figure GDA0002276306350000021
式中，1代表当灰度差值在合理阈值内时对应的像素点为运动点，0代表灰度差值不在合理阈值内时对应的像素点为静止点，T为运动目标判断阈值，1代表的运动点构成的区域即为运动目标，可见，在背景静止的条件下，采用将图像序列中的各帧和估计出的完整背景进行差分的方法，可以在差分图像中检测出运动对象的准确位置，将其映射到图像序列的当前帧中，则能有效的分割出运动对象。
进一步地，所述步骤S2中，运动目标的特征识别包括对图像灰度特征、目标扩散性特征和目标不规则性特征进行识别，判断是否运动目标是否为团雾，具体为：
(1)图像灰度特征
团雾颜色大多呈灰白色，通过对大量团雾视频图像的RGB颜色特征进行实验，得到团雾颜色特征如下所示：
式中，R1、R2分别为团雾图像R通道颜色的最小阈值和最大阈值，G1、G2分别为团雾图像G通道颜色特征的最小阈值和最大阈值；因此，若运动目标的RGB颜色特征值也满足上述公式，则说明该运动目标为疑似团雾；
(2)目标扩散性特征
团雾具有扩散性，团雾的扩散性使得团雾面积不断变化，表现为运动目标面积不断增大，因此，可以利用面积的平均增长率
Figure GDA0002276306350000032
提取疑似团雾目标，其公式如下：
Figure GDA0002276306350000033
式中，Pi表示视频序列中第i帧图像中运动目标的像素总和，D1、D2分别为团雾扩散度最小阈值和最大阈值；
(3)目标不规则性
团雾随着气流的变化而不断变化，表现为形状上的不规则性，因此，可以利用运动目标形状是否规则来判断是否有团雾，其公式如下：
STD＝SEP/STP
式中，SEP表示运动目标区域的周长，用运动目标边缘像素的总素表示，STP表示运动目标的面积，用包含运动目标区域像素总数表示，STD为不规则性判断依据，用以区别团雾和其它形状规则的物体；若STD＞STD1，则说明该运动目标为疑似团雾，式中，STD1为不规则性判断阈值。
本发明还提供了一种利用上述团雾智能识别方法的团雾智能识别预警装置，包括主控模块，及与其连接的大雾智能检测模块、团雾智能识别分析模块和预警信号发布模块，其中：
所述主控模块用于控制其它各模块有序工作；
所述大雾智能检测模块用于检测环境是否有雾；
所述团雾智能识别分析模块用于检测环境中的雾是否为团雾，其分析方法采用上述团雾智能识别方法；
所述预警信号发布模块用于发布团雾预警信号，提醒过往车辆注意。
本发明提供了一种团雾智能识别方法及其装置，该方法和装置相比于现有技术具有以下优点：
1)本发明采用大雾光学检测和团雾视频检测相结合的方式，解决了团雾检测技术单一的问题，检测有效性高、精度高。
2)本发明将团雾智能检测单元、主动报警相结合，解决了团雾灾害实时预警的问题，为公共安全中心实时发布团雾灾害提供实时、准确的数据。
3)本发明采用了高度集成的一体化设计，也优于市场上现有的市场上应用的功能单一的气象光学检测仪。
附图说明
图1为团雾智能识别预警方法的步骤流程图；
图2为团雾智能识别预警装置的结构框图。
具体实施方式
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例1
本实施例提供了一种团雾智能识别预警方法，如图1所示，包括以下步骤：
步骤S1：采集视频监控区域的视频图像，对视频图像中的运动目标进行提取；
在背景静止的情况下，若外界光照条件不变，在不考虑噪声的情况下，视频图像中的完整背景保持不变；在目标运动可视的情况下，目标与背景的灰度之间一定存在着较大的差值，因此可以用背景差分法将视频图像中的运动目标提取出来，具体包括以下步骤：
步骤S101：假设当前视频图像序列的完整背景图像为B(x,y)，从第k帧开始，一直到第k+n帧估计出完整背景，即：
B(x,y)＝Οb[fk(x,y),fk+1(x,y)…fk+n(x,y)]
其中Οb[·]表示用于完整背景图像计算的估计算子；
对于估计出完整背景后的第m帧图像fm(x,y)，将其表示为该帧中的背景区域Bm(x,y)和运动对象VOm(x,y)两部分，即：
fm(x,y)＝Bm(x,y)+VOm(x,y)
显然，第m帧中的背景Bm(x,y)也是完整背景B(x,y)中的一部分，因此，可以将完整背景划分成第m帧中的背景区域Bm(x,y)和被第m帧中的运动对象遮挡住的背景区域Om(x,y)两部分，即：
B(x,y)＝Bm(x,y)+Om(x,y)，且Om(x,y)和VOm(x,y)在空间位置上完全重合；
步骤S102：对估计出完整背景后的第m帧图像fm(x,y)及其估计出的完整背景图像B(x,y)作差分运算，得到差分图像dm(x,y)：
dm(x,y)＝fm(x,y)-B(x,y)
或dm(x,y)＝VOm(x,y)-Om(x,y)
上式表明，第m帧图像fm(x,y)和完整背景图像B(x,y)的差分最后归结为第m帧图像中的运动对象和被它遮挡住的完整背景部分的差值，由于Om(x,y)和VOm(x,y)在空间上完全重合，因此，这样得到的差分图像dm(x,y)中不包含由运动对象引起的显露(或遮挡)的背景区域，从而有效的克服两帧运动估计存在的遮挡问题
步骤S103：在目标运动可视的情况下，目标与背景之间的灰度存在着较大的差值，即差分图像dm(x,y)中对应运动对象区域内的所有像素的灰度值比较大，由于在实际成像过程中不可避免的存在噪声，所以差分图像中还包含噪声，但是噪声的值通常比较小，因此，可以通过一个恰当的阈值在差分图像中较好的检测出运动对象，如下式所示：
式中，1代表当灰度差值在合理阈值内时对应的像素点为运动点，0代表灰度差值不在合理阈值内时对应的像素点为静止点，T为运动目标判断阈值，可见，在背景静止的条件下，采用将图像序列中的各帧和估计出的完整背景进行差分的方法，可以在差分图像中检测出运动对象的准确位置，将其映射到图像序列的当前帧中，则能有效的分割出运动对象。
步骤S2：利用图像中运动目标的特征识别判断是否为团雾，可通过图像灰度特征、目标扩散性特征和目标不规则性特征等特征进行判断，具体为：
(1)图像灰度特征
团雾颜色大多呈灰白色，通过对大量团雾视频图像的RGB颜色特征进行实验，得到团雾颜色特征如下所示：
Figure GDA0002276306350000061
式中，R1、R2分别为团雾图像R通道颜色的最小阈值和最大阈值，G1、G2分别为团雾图像G通道颜色特征的最小阈值和最大阈值；因此，若运动目标的RGB颜色特征值也满足上述公式，则说明该运动目标为疑似团雾，本实施例中，R1＝0.3140，R2＝0.3369，G1＝0.3190，G2＝0.3374。
(2)目标扩散性特征
团雾具有扩散性，团雾的扩散性使得团雾面积不断变化，表现为运动目标面积不断增大，因此，可以利用面积的平均增长率提取疑似团雾目标，其公式如下：
Figure GDA0002276306350000062
式中，Pi表示视频序列中第i帧图像中运动目标的像素总和，D1、D2分别为团雾扩散度最小阈值和最大阈值。
(3)目标不规则性
团雾随着气流的变化而不断变化，表现为形状上的不规则性，因此，可以利用运动目标形状是否规则来判断是否有团雾，其公式如下：
STD＝SEP/STP
式中，SEP表示运动目标区域的周长，用运动目标边缘像素的总素表示，STP表示运动目标的面积，用包含运动目标区域像素总数表示，STD为不规则性判断依据，用以区别团雾和其它形状规则的物体。
若STD＞STD1，则说明该运动目标为疑似团雾，式中，STD1为不规则性判断阈值。
步骤S3：若上述步骤(1)-(3)的任一判断结果为疑似团雾，则发布团雾预警信息。
使用结果表明，该算法对复杂场景下的团雾检测效果良好、灵敏度和有效性明显优于现在气象部门所采用的激光检测方法。
本实施例还提供了一种团雾智能识别预警装置，所述装置具有如图2所示的结构，包括主控模块，及与其连接的大雾智能检测模块、团雾智能识别分析模块和预警信号发布模块，其中：
所述主控模块用于控制其它各模块有序工作；
所述大雾智能检测模块用于检测环境是否有雾；
所述团雾智能识别分析模块用于检测环境中的雾是否为团雾；
所述预警信号发布模块用于发布团雾预警信号，提醒过往车辆注意。
工作时，所述大雾智能检测模块用于检测环境中是否有雾，若检测结果为有雾，则触发团雾智能识别分析模块采集环境中的视频图像，团雾智能识别分析模块利用上述团雾智能识别预警方法进行识别分析，最后通过预警信号发布模块进行团雾发布，提醒过往车辆注意。

Claims (2)

1.一种团雾智能识别预警方法，其特征在于，包括以下步骤：
步骤S1：采集视频监控区域的视频图像，对视频图像中的运动目标进行提取；
步骤S2：利用图像中运动目标的特征识别判断运动目标是否为团雾；
步骤S3：若步骤S2的判断结果为团雾，则发布团雾预警信息；
所述步骤S1中，运动目标的提取方法为背景差分法，包括以下步骤：
步骤S101：假设当前视频图像序列的完整背景图像为B(x,y)，从第k帧开始，一直到第k+n帧估计出完整背景，即：
B(x,y)＝Οb[fk(x,y),fk+1(x,y)…fk+n(x,y)]
其中Οb[·]表示用于完整背景图像计算的估计算子；
对于估计出完整背景后的第m帧图像fm(x,y)，将其表示为该帧中的背景区域Bm(x,y)和运动对象VOm(x,y)两部分，即：
fm(x,y)＝Bm(x,y)+VOm(x,y)
显然，第m帧中的背景Bm(x,y)也是完整背景B(x,y)中的一部分，因此，可以将完整背景划分成第m帧中的背景区域Bm(x,y)和被第m帧中的运动对象遮挡住的背景区域Om(x,y)两部分，即：
B(x,y)＝Bm(x,y)+Om(x,y)，且Om(x,y)和VOm(x,y)在空间位置上完全重合；
步骤S102：对估计出完整背景后的第m帧图像fm(x,y)及其估计出的完整背景图像B(x,y)作差分运算，得到差分图像dm(x,y)：
dm(x,y)＝fm(x,y)-B(x,y)
或dm(x,y)＝VOm(x,y)-Om(x,y)
步骤S103：在目标运动可视的情况下，目标与背景之间的灰度存在着较大的差值，即差分图像dm(x,y)中对应运动对象区域内的所有像素的灰度值比较大，因此，可以通过一个恰当的阈值在差分图像中较好的检测出运动对象，如下式所示：
式中，1代表当灰度差值在合理阈值内时对应的像素点为运动点，0代表灰度差值不在合理阈值内时对应的像素点为静止点，T为运动目标判断阈值，1代表的运动点构成的区域即为运动目标；
所述步骤S2中，运动目标的特征识别包括对图像灰度特征、目标扩散性特征和目标不规则性特征进行识别，判断运动目标是否为团雾；
所述图像灰度特征判断运动目标是否为团雾的方法为：
计算运动目标区域的图像R通道值和G通道值，若满足：
Figure FDA0002276306340000021
则运动目标为疑似团雾，式中，R1、R2分别为团雾图像R通道颜色特征的最小阈值和最大阈值，G1、G2分别为团雾图像G通道颜色特征的最小阈值和最大阈值；
所述目标扩散性特征判断运动目标是否为团雾的方法为：
Figure FDA0002276306340000022
式中，
Figure FDA0002276306340000023
为运动目标面积平均增长率，Pi表示视频序列中第i帧图像中运动目标的像素总和，D1、D2分别为团雾扩散度最小阈值和最大阈值；所述目标不规则性特征判断运动目标是否为团雾的方法为：
STD＝SEP/STP
式中，SEP表示运动目标区域的周长，用运动目标边缘像素的总素表示，STP表示运动目标的面积，用包含运动目标区域像素总数表示，STD为不规则性判断依据；若STD＞STD1，则说明该运动目标为疑似团雾，式中，STD1为不规则性判断阈值。
2.一种可实现权利要求1所述方法的团雾智能识别预警装置，其特征在于，包括主控模块，及与其连接的大雾智能检测模块、团雾智能识别分析模块和预警信号发布模块，其中：
所述主控模块用于控制其它各模块有序工作；
所述大雾智能检测模块用于检测环境是否有雾；
所述团雾智能识别分析模块用于检测环境中的雾是否为团雾，其分析方法采用权利要求1所述的团雾智能识别预警方法；
所述预警信号发布模块用于发布团雾预警信号，提醒过往车辆注意。
CN201610637605.0A 2016-08-05 2016-08-05 一种团雾智能识别预警方法及其装置 Active CN106254827B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610637605.0A CN106254827B (zh) 2016-08-05 2016-08-05 一种团雾智能识别预警方法及其装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610637605.0A CN106254827B (zh) 2016-08-05 2016-08-05 一种团雾智能识别预警方法及其装置

Publications (2)

Publication Number Publication Date
CN106254827A CN106254827A (zh) 2016-12-21
CN106254827B true CN106254827B (zh) 2020-01-10

Family

ID=58079201

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610637605.0A Active CN106254827B (zh) 2016-08-05 2016-08-05 一种团雾智能识别预警方法及其装置

Country Status (1)

Country Link
CN (1) CN106254827B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109383216A (zh) * 2017-08-10 2019-02-26 郑州宇通客车股份有限公司 一种车辆风挡起雾识别系统、方法及车用玻璃
CN109448397B (zh) * 2018-11-20 2020-11-13 山东交通学院 一种基于大数据的团雾监测方法
CN109409336A (zh) * 2018-11-30 2019-03-01 安徽继远软件有限公司 一种基于图像识别的大雾预警系统及方法
CN109683209A (zh) * 2018-12-27 2019-04-26 吉林省气象服务中心 团雾的监测方法和监测系统
CN111785094B (zh) * 2020-07-31 2021-12-07 上海眼控科技股份有限公司 平流雾检测方法、装置、计算机设备和可读存储介质
CN112866636B (zh) * 2020-12-31 2023-06-27 北京文安智能技术股份有限公司 基于最远可视距离的团雾识别预警方法、系统和电子设备
CN112465822B (zh) * 2021-01-26 2021-05-28 长沙海信智能系统研究院有限公司 团雾检测方法、装置、设备及计算机可读存储介质
CN113313914B (zh) * 2021-05-28 2022-08-02 谢静芳 团雾监测方法、装置、系统及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101635852A (zh) * 2009-08-26 2010-01-27 北京航空航天大学 一种基于自适应背景建模的实时运动目标检测方法
CN102013009A (zh) * 2010-11-15 2011-04-13 无锡中星微电子有限公司 烟雾图像识别方法及装置
CN104794486A (zh) * 2015-04-10 2015-07-22 电子科技大学 基于多特征融合的视频烟雾检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7609856B2 (en) * 2007-11-13 2009-10-27 Huper Laboratories Co., Ltd. Smoke detection method based on video processing
JP6386352B2 (ja) * 2014-12-03 2018-09-05 能美防災株式会社 煙検出装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101635852A (zh) * 2009-08-26 2010-01-27 北京航空航天大学 一种基于自适应背景建模的实时运动目标检测方法
CN102013009A (zh) * 2010-11-15 2011-04-13 无锡中星微电子有限公司 烟雾图像识别方法及装置
CN104794486A (zh) * 2015-04-10 2015-07-22 电子科技大学 基于多特征融合的视频烟雾检测方法

Also Published As

Publication number Publication date
CN106254827A (zh) 2016-12-21

Similar Documents

Publication Publication Date Title
CN106254827B (zh) 一种团雾智能识别预警方法及其装置
CN107031623B (zh) 一种基于车载盲区相机的道路预警方法
CN105922991B (zh) 基于生成虚拟车道线的车道偏离预警方法及系统
CN106647776B (zh) 车辆变道趋势的判断方法、判断装置和计算机存储介质
Negru et al. Image based fog detection and visibility estimation for driving assistance systems
US6411328B1 (en) Method and apparatus for traffic incident detection
CN103714538B (zh) 道路边缘检测方法、装置及车辆
CN109703460B (zh) 多摄像头的复杂场景自适应车辆碰撞预警装置及预警方法
CN110097762B (zh) 一种道路视频图像低能见度刻度估算方法及系统
JP2006184276A (ja) 視覚検知による全天候障害物衝突防止装置とその方法
JP6020567B2 (ja) 立体物検出装置および立体物検出方法
CN105184263A (zh) 使用纹理分析的基于视觉的潮湿道路表面检测
CN111461088A (zh) 一种基于图像处理与目标识别的轨道交通避障系统
CN107221175B (zh) 一种行人意图检测方法和系统
CN104881645A (zh) 基于特征点互信息量和光流法的车辆前方目标的检测方法
CN108163014A (zh) 一种机车乘务员辅助瞭望预警方法及装置
CN110659552A (zh) 有轨电车障碍物检测及报警方法
CN109086682A (zh) 一种基于多特征融合的智能视频黑烟车检测方法
CN112419745A (zh) 一种基于深度融合网络的高速公路团雾预警系统
CN103149603A (zh) 一种基于视频的道路气象检测方法
CN110865394A (zh) 一种基于激光雷达数据的目标分类系统及其数据处理方法
Wang et al. An auxiliary parking method based on automotive millimeter wave SAR
CN105679090A (zh) 基于智能手机的夜间司机驾驶辅助系统及驾驶辅助方法
CN116630891A (zh) 一种交通异常事件检测系统及方法
Siyal et al. Image processing techniques for real-time qualitative road traffic data analysis

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