CN106373426A - 基于计算机视觉的停车位及违规占道停车监控方法 - Google Patents
基于计算机视觉的停车位及违规占道停车监控方法 Download PDFInfo
- Publication number
- CN106373426A CN106373426A CN201610863732.2A CN201610863732A CN106373426A CN 106373426 A CN106373426 A CN 106373426A CN 201610863732 A CN201610863732 A CN 201610863732A CN 106373426 A CN106373426 A CN 106373426A
- Authority
- CN
- China
- Prior art keywords
- parking
- parking stall
- straight line
- histogram
- computer vision
- 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
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Abstract
本发明涉及城市公共设施及道路交通安全管理领域中的分析检测方法,其公开了一种基于计算机视觉的停车位及违规占道停车监控方法,解决传统技术中对停车位检测和违规占道停车检测成本高、效率低下的问题。在本发明中,初始化时对停车场中的标准停车位线进行标定,同时统计停车位数量,对停车场进行实时监测与图像分析,识别和判断停车位的占用情况,并更新剩余停车位计数。安装在道路旁的设备则负责采集过路车辆的运动轨迹,实时监控是否存在超时占用公共道路等违规行为。
Description
技术领域
本发明涉及城市公共设施及道路交通安全管理领域中的分析检测方法,具体涉及一种基于计算机视觉的停车位及违规占道停车监控方法。
背景技术
随着经济水平与道路建设水平的不断提升,汽车已成为人们出行的首选工具,急剧增加的汽车数目使停车成为难题,进而导致了违规占道停车现象频发,能否有效地为停车管理部门提供实时、准确的车位检测信息、以及对违规占道停车行为进行有效监控是当前智能交通所面临的一项挑战。
目前,有很多停车场对停车位的管理水平仍停留在人工操作阶段,也有一小部分停车场采用基于RFID、超声波检测技术的车位探测器对停车位进行检测,并通过互联网技术实现对车位及设备的管理。
现有方法均存在一些不足之处:对停车场采取人工管理的方法与城市智能化的发展需求相违背,且若只靠工作人员来实现对每个停车位的状态的实时检测,以及对新驶入车辆的停车指示工作,需要配备大量的人力,这样的安排耗资大效率低,是对人力资源的大量浪费;若只依赖于少量工作人员就要完成这项工作显然是不现实不可靠的;而基于RFID、超声波检测技术的车位探测器进行检测同样需要配备大量的设备,每个车位探测器只能对同一个车位进行实时检测,要实现整个停车场的实时检测则需要大量的检测设备,不仅成本高,检测效率也低下,其也无法应用于车辆违规占道停车监控,可扩展性不强。
发明内容
本发明所要解决的技术问题是:提出一种基于计算机视觉的停车位及违规占道停车监控方法,解决传统技术中对停车位检测和违规占道停车检测成本高、效率低下的问题。
本发明解决上述技术问题所采用的方案是:
基于计算机视觉的停车位监控方法,其包括以下步骤:
A、图像采集和预处理步骤:
将需要被检测的场地划分为有限个区域,在每一个区域的关键位置安装照相或摄像设备进行图像采集;对采集的图像进行预处理得到背景轮廓图像,并对图像监控区域进行定位;
B、特征提取步骤:
针对停车位与其它背景的差异,在提取到的背景轮廓图像中进行直线检测和提取;
C、停车位标定步骤:
对提取的直线进行分类与聚类计算,获得更为精准的直线信息,并根据所述更为精准的直线信息进行多边形拟合,保留具有四个凸点的四边形并将其标定为停车位,统计标定出的停车位的总数量;
D、停车位状态判断步骤:
在初始化时,创建空车位直方图数组,记录每一个停车位的直方图信息;对停车场进行实时监测时,考察已知停车位坐标内的直方图信息,求出当前的停车位直方图,与对应的空车位直方图进行对比,并设立直方图相似度阈值,以此识别和判断停车位的占用情况,然后更新剩余停车位计数,并实时更新空车位直方图信息。
作为进一步优化,步骤A中,所述关键位置为可以使装配的照相或摄像设备在无遮挡、无干扰的环境中采集到其所负责区域完整且清楚的图像信息的位置。
作为进一步优化,步骤A中,所述预处理包括将图片像素以数字矩阵的方式存储,高斯滤波消除高斯噪声,将彩色图中的每个通道的图转化为灰度图,运行Canny算子进行轮廓检测;所述定位为去除背景轮廓中的环境干扰,标出停车位的大概区域;
所述定位为去除背景轮廓中的环境干扰,标出停车位的大概区域。
作为进一步优化,步骤C中,所述对提取的直线进行分类与聚类计算的方法包括:
计算每条直线的斜率及直线间的距离,舍去长度过小的直线,将剩余直线中距离在阈值内,斜率差距在阈值内的直线分为同一组,舍去包含线段较少的组;
计算同类直线的斜率与起点的平均值,以平均值建立新的直线方程,以新的直线代替原来的一类直线,并画出新的直线。
作为进一步优化,步骤C中,所述标定停车位的方法包括:
适当延长每条直线使直线相交,将0-255个灰度值分为N+1个区域,作为二值化的N+1个阈值,对每次二值化后的结果进行求轮廓处理及多边形拟合,使用多边形将轮廓包围,考察每个多边形的形状与面积,舍去非四边形、面积过大的四边形,及任意两点间距离过长的四边形,则剩余四边形就被认为是停车位。
作为进一步优化,步骤D中,所述直方图相似度阈值在0.7至0.95之间。
作为进一步优化,步骤D中,更新空车位直方图的方法是:根据相应直方图的对比情况,将被认为是空车位的直方图与原空车位直方图进行交换;被认为是被占用的停车位所对应的原空车位直方图则保持不变。
此外,本发明的另一目的还在于提出一种基于计算机视觉的违规占道停车监控方法,其包括以下步骤:
A、图像采集和预处理步骤:
在每个待检测区域的关键位置安装照相或摄像设备进行图像采集;对采集的图像进行预处理得到背景轮廓图像,并对图像监控区域进行大致定位;所述关键位置为可以使装配的照相或摄像设备在无遮挡、无干扰的环境中采集到其所负责区域完整且清楚的图像信息的位置;
B、特征提取步骤:
针对车道分界线与其它背景的差异,在提取到的背景轮廓图像中进行直线检测和提取;
C、非停车区域标定步骤:
对提取的直线进行分类与聚类计算,获得更为精准的直线信息,并根据所述更为精准的直线信息标定非停车区域;增加人工干预,在检测情况不理想时给定待检测区域的四个角点的坐标,将四点所围成的四边形区域加入需实时监测的非停车区域;
D、车辆状态判断步骤:
在初始化时,创建非停车区域直方图数组,记录每一个非停车区域的直方图信息;对道路进行实时监测时,考察已知非停车区域坐标内的直方图信息,求出当前的非停车区域直方图,与对应直方图之间进行比较,并设立直方图相似度阈值,以此识别和判断道路的占用情况;并实时更新非停车区域直方图信息。
作为进一步优化,步骤A中,所述关键位置为可以使装配的照相或摄像设备在无遮挡、无干扰的环境中采集到其所负责区域完整且清楚的图像信息的位置。
作为进一步优化,步骤A中,所述预处理包括将图片像素以数字矩阵的方式存储,高斯滤波消除高斯噪声,将彩色图包含的每一个通道的图转化为灰度图,运行Canny算子进行轮廓检测。
所述定位为去除背景轮廓中的环境干扰,标出非停车区域的大概区域。
作为进一步优化,步骤D中,所述判断道路的占用情况包括:
实时监测时考察对应直方图信息是否变化明显,若直方图对比结果超出阈值则认为存在车辆违规占道情况,需更进一步考察此直方图信息持续的时间是否超过针对该非停车区域所设定的停车时间阈值,若存在车辆超时未出该停车区域的情况,则判定为违规占道停车。
本发明的有益效果是:
1)利用照相或摄像设备从图像出发从计算机视觉技术的角度进行停车位与违规占道停车监控。奠定了基于计算机视觉的直线检测与车辆检测的理论技术,丰富了计算机视觉的应用领域;
2)运用计算机视觉技术,可以快速有效地提取停车线、道路分割线等特征,为后续系统识别提供有力依据;
3)运用照相或摄像设备对停车位及违规占道停车进行监控,能充分利用已有的监控设备,减少人力与物力资源的浪费。
附图说明
图1为直线分类流程图;
图2为停车位标定流程图;
图3为实施例中停车位监控方法流程图。
具体实施方式
本发明旨在提出一种基于计算机视觉的停车位及违规占道停车监控方法,解决传统技术中对停车位检测和违规占道停车检测成本高、效率低下的问题。
在本发明中,初始化时对停车场中的标准停车位线进行标定,同时统计停车位数量,对停车场进行实时监测与图像分析,识别和判断停车位的占用情况,并更新剩余停车位计数。安装在道路旁的设备则负责采集过路车辆的运动轨迹,实时监控是否存在超时占用公共道路等违规行为。
下面结合附图及实施例对本发明的方案作更进一步的描述:
如图3所示,本例中的基于计算机视觉的停车位监控方法,包括:
1)在关键位置装配摄像头,保证每个车位都可以被完整的拍摄到。在停车场未使用时采集初始照片;
2)对初始照片进行预处理,去除环境因素的影响,并对监控区域进行定位:
本步骤中,将图片像素以数字矩阵的方式存储,高斯滤波消除高斯噪声,将彩色图中的每个通道的图转化为灰度图,运行Canny算子进行轮廓检测;所述定位为去除背景轮廓中的环境干扰,标出停车位的大概区域
3)考察图像轮廓,进行直线检测与筛选,把筛选得到的直线进行分类与聚类:
本步骤中,所述对直线进行分类的方法如图1所示:计算每条直线的斜率及直线间的距离,舍去长度过小的直线,将剩余直线中距离在阈值(此处为0-10个像素内)内,斜率差距在阈值(此处为0°-20°)内的直线分为同一类,舍去包含线段较少的组;
聚类方法为:计算同类直线的斜率与起点的平均值,以平均值建立新的直线方程,以新的直线代替原来的一类直线,并画出新的直线。
4)根据获取的新的直线信息进行停车位的标定:
具体标定步骤如图2所示,适当延长每条直线使直线相交,将0-255个灰度值分为N+1个区域,作为二值化的N+1个阈值,对每次二值化后的结果进行求轮廓处理及多边形拟合,使用多边形将轮廓包围,考察每个多边形的形状与面积,舍去非四边形、面积过大的四边形,及任意两点间距离过长的四边形,则剩余四边形就被认为是停车位。
5)根据标定出来的停车位统计其数量;
6)在停车场工作期间,实时采集监控区域的图片,对实时采集的图片进行特征提取,检测是否有停车位被占用:考察已标定停车位是否被车辆遮挡或停车位内是否有车辆存在:本发明在初始化时,创建空车位直方图数组,记录每一个停车位的直方图信息;对停车场进行实时监测时,考察已知停车位坐标内的直方图信息,求出当前的停车位直方图,与对应的空车位直方图进行对比,并设立直方图相似度阈值(一般取0.7-0.95),以此识别和判断停车位的占用情况,然后更新剩余停车位计数,并实时更新空车位直方图信息;
这里所述的实时更新空车位直方图信息的具体实现方法是:根据相应直方图的对比情况,将被认为是空车位的直方图与原空车位直方图进行交换;被认为是被占用的停车位所对应的原空车位直方图则保持不变。
对于本申请中的基于计算机视觉的违规占道停车监控方法,其包括以下步骤:
A、图像采集和预处理步骤:
在每个待检测区域的关键位置安装照相或摄像设备进行图像采集;对采集的图像进行预处理得到背景轮廓图像,并对图像监控区域进行大致定位;所述关键位置为可以使装配的照相或摄像设备在无遮挡、无干扰的环境中采集到其所负责区域完整且清楚的图像信息的位置;
本步骤中,所述预处理包括将图片像素以数字矩阵的方式存储,高斯滤波消除高斯噪声,将彩色图包含的每一个通道的图转化为灰度图,运行Canny算子进行轮廓检测;
B、特征提取步骤:
针对车道分界线与其它背景的差异,在提取到的背景轮廓图像中进行直线检测和提取;
C、非停车区域标定步骤:
对提取的直线进行分类与聚类计算,获得更为精准的直线信息,并根据所述更为精准的直线信息标定非停车区域;增加人工干预,在检测情况不理想时给定待检测区域的四个角点的坐标,将四点所围成的四边形区域加入需实时监测的非停车区域;
D、车辆状态判断步骤:
在初始化时,创建非停车区域直方图数组,记录每一个非停车区域的直方图信息;对道路进行实时监测时,考察已知非停车区域坐标内的直方图信息,求出当前的非停车区域直方图,与对应直方图之间进行比较,并设立直方图相似度阈值,以此识别和判断道路的占用情况;并实时更新非停车区域直方图信息。
本步骤中,所述判断道路的占用情况包括:
实时监测时考察对应直方图信息是否变化明显,若直方图对比结果超出阈值则认为存在车辆违规占道情况,需更进一步考察此直方图信息持续的时间是否超过针对该非停车区域所设定的停车时间阈值,若存在车辆超时未出该停车区域的情况,则判定为违规占道停车。
在判定为违规占道停车后,可以记录该状况(如:车辆的车牌号,停车区域编号,位置、违规停车行为具体时间等)并向相关部门示警。
Claims (10)
1.基于计算机视觉的停车位监控方法,其特征在于,包括以下步骤:
A、图像采集和预处理步骤:
将需要被检测的场地划分为有限个区域,在每一个区域的关键位置安装照相或摄像设备进行图像采集;对采集的图像进行预处理得到背景轮廓图像,并对图像监控区域进行定位;
B、特征提取步骤:
针对停车位与其它背景的差异,在提取到的背景轮廓图像中进行直线检测和提取;
C、停车位标定步骤:
对提取的直线进行分类与聚类计算,获得更为精准的直线信息,并根据所述更为精准的直线信息进行多边形拟合,保留具有四个凸点的四边形并将其标定为停车位,统计标定出的停车位的总数量;
D、停车位状态判断步骤:
在初始化时,创建空车位直方图数组,记录每一个停车位的直方图信息;对停车场进行实时监测时,考察已知停车位坐标内的直方图信息,求出当前的停车位直方图,与对应的空车位直方图进行对比,并设立直方图相似度阈值,以此识别和判断停车位的占用情况,然后更新剩余停车位计数,并实时更新空车位直方图信息。
2.如权利要求1所述的基于计算机视觉的停车位监控方法,其特征在于,步骤A中,所述关键位置为可以使装配的照相或摄像设备在无遮挡、无干扰的环境中采集到其所负责区域完整且清楚的图像信息的位置。
3.如权利要求1所述的基于计算机视觉的停车位监控方法,其特征在于,步骤A中,所述预处理包括将图片像素以数字矩阵的方式存储,高斯滤波消除高斯噪声,将彩色图中的每个通道的图转化为灰度图,运行Canny算子进行轮廓检测;所述定位为去除背景轮廓中的环境干扰,标出停车位的大概区域。
4.如权利要求1所述的基于计算机视觉的停车位监控方法,其特征在于,步骤C中,所述对提取的直线进行分类与聚类计算的方法包括:
计算每条直线的斜率及直线间的距离,舍去长度过小的直线,将剩余直线中距离在阈值内,斜率差距在阈值内的直线分为同一组,舍去包含线段较少的组;
计算同类直线的斜率与起点的平均值,以平均值建立新的直线方程,以新的直线代替原来的一类直线,并画出新的直线。
5.如权利要求4所述的基于计算机视觉的停车位监控方法,其特征在于,步骤C中,所述标定停车位的方法包括:
适当延长每条直线使直线相交,将0-255个灰度值分为N+1个区域,作为二值化的N+1个阈值,对每次二值化后的结果进行求轮廓处理及多边形拟合,使用多边形将轮廓包围,考察每个多边形的形状与面积,舍去非四边形、面积过大的四边形,及任意两点间距离过长的四边形,则剩余四边形就被认为是停车位。
6.如权利要求5所述的基于计算机视觉的停车位监控方法,其特征在于,步骤D中,所述直方图相似度阈值在0.7至0.95之间。
7.如权利要求6所述的基于计算机视觉的停车位监控方法,其特征在于,步骤D中,更新空车位直方图的方法是:根据相应直方图的对比情况,将被认为是空车位的直方图与原空车位直方图进行交换;被认为是被占用的停车位所对应的原空车位直方图则保持不变。
8.基于计算机视觉的违规占道停车监控方法,其特征在于,包括以下步骤:
A、图像采集和预处理步骤:
在每个待检测区域的关键位置安装照相或摄像设备进行图像采集;对采集的图像进行预处理得到背景轮廓图像,并对图像监控区域进行大致定位;所述关键位置为可以使装配的照相或摄像设备在无遮挡、无干扰的环境中采集到其所负责区域完整且清楚的图像信息的位置;
B、特征提取步骤:
针对车道分界线与其它背景的差异,在提取到的背景轮廓图像中进行直线检测和提取;
C、非停车区域标定步骤:
对提取的直线进行分类与聚类计算,获得更为精准的直线信息,并根据所述更为精准的直线信息标定非停车区域;增加人工干预,在检测情况不理想时给定待检测区域的四个角点的坐标,将四点所围成的四边形区域加入需实时监测的非停车区域;
D、车辆状态判断步骤:
在初始化时,创建非停车区域直方图数组,记录每一个非停车区域的直方图信息;对道路进行实时监测时,考察已知非停车区域坐标内的直方图信息,求出当前的非停车区域直方图,与对应直方图之间进行比较,并设立直方图相似度阈值,以此识别和判断道路的占用情况;并实时更新非停车区域直方图信息。
9.如权利要求7所述的基于计算机视觉的违规占道停车监控方法,其特征在于,步骤A中,所述预处理包括将图片像素以数字矩阵的方式存储,高斯滤波消除高斯噪声,将彩色图包含的每一个通道的图转化为灰度图,运行Canny算子进行轮廓检测。
10.如权利要求7所述的基于计算机视觉的违规占道停车监控方法,其特征在于,步骤D中,所述判断道路的占用情况包括:
实时监测时考察对应直方图信息是否变化明显,若直方图对比结果超出阈值则认为存在车辆违规占道情况,需更进一步考察此直方图信息持续的时间是否超过针对该非停车区域所设定的停车时间阈值,若存在车辆超时未出该停车区域的情况,则判定为违规占道停车。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610863732.2A CN106373426B (zh) | 2016-09-29 | 2016-09-29 | 基于计算机视觉的停车位及违规占道停车监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610863732.2A CN106373426B (zh) | 2016-09-29 | 2016-09-29 | 基于计算机视觉的停车位及违规占道停车监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106373426A true CN106373426A (zh) | 2017-02-01 |
CN106373426B CN106373426B (zh) | 2019-02-12 |
Family
ID=57897353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610863732.2A Active CN106373426B (zh) | 2016-09-29 | 2016-09-29 | 基于计算机视觉的停车位及违规占道停车监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106373426B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106997685A (zh) * | 2017-05-16 | 2017-08-01 | 刘程秀 | 一种基于微机视觉的路边停车位检测装置 |
CN108564814A (zh) * | 2018-06-06 | 2018-09-21 | 清华大学苏州汽车研究院(吴江) | 一种基于图像的停车场车位检测方法及装置 |
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 |
CN109085560A (zh) * | 2018-08-13 | 2018-12-25 | 陕西科技大学 | 一种提取激光雷达特征点的方法 |
CN109147338A (zh) * | 2018-08-15 | 2019-01-04 | 杭州海康威视系统技术有限公司 | 一种违规停车的识别方法、装置及服务器 |
CN109635782A (zh) * | 2018-12-31 | 2019-04-16 | 天合光能股份有限公司 | 一种获取无人驾驶所需静态交通信息的方法 |
CN109686109A (zh) * | 2019-01-02 | 2019-04-26 | 江苏警官学院 | 一种基于人工智能的停车场安全监控管理系统 |
US10296794B2 (en) | 2016-12-20 | 2019-05-21 | Jayant Rtti | On-demand artificial intelligence and roadway stewardship system |
CN109948591A (zh) * | 2019-04-01 | 2019-06-28 | 广东安居宝数码科技股份有限公司 | 一种车位检测方法、装置、电子设备及可读取存储介质 |
CN110084169A (zh) * | 2019-04-22 | 2019-08-02 | 东南大学 | 一种基于K-Means聚类和轮廓拓扑约束的违章建筑物识别方法 |
CN110097776A (zh) * | 2018-01-30 | 2019-08-06 | 杭州海康威视数字技术股份有限公司 | 一种车位检测方法、监控摄像机及监控终端 |
CN110210350A (zh) * | 2019-05-22 | 2019-09-06 | 北京理工大学 | 一种基于深度学习的快速停车位检测方法 |
CN110232835A (zh) * | 2019-06-27 | 2019-09-13 | 浙江工业大学 | 一种基于图像处理的地下车库停车位检测方法 |
WO2019175686A1 (en) | 2018-03-12 | 2019-09-19 | Ratti Jayant | On-demand artificial intelligence and roadway stewardship system |
CN110533924A (zh) * | 2019-09-02 | 2019-12-03 | 北京智联云海科技有限公司 | 一种利用车场记录分析违章车辆的方法 |
CN110544386A (zh) * | 2019-09-18 | 2019-12-06 | 奇瑞汽车股份有限公司 | 车位识别方法、装置及存储介质 |
CN111508268A (zh) * | 2020-04-15 | 2020-08-07 | 江苏鹏为软件有限公司 | 一种智慧城市大数据平台系统 |
TWI708696B (zh) * | 2019-05-08 | 2020-11-01 | 神達數位股份有限公司 | 停車行為評估方法及系統 |
CN112633179A (zh) * | 2020-12-25 | 2021-04-09 | 杭州祐全科技发展有限公司 | 基于视频分析的农贸市场过道物体占道检测方法 |
CN113313935A (zh) * | 2020-02-27 | 2021-08-27 | 佛吉亚歌乐电子有限公司 | 图像处理装置及图像处理方法 |
CN113340391A (zh) * | 2021-07-07 | 2021-09-03 | 格力电器(武汉)有限公司 | 汽车衡称重方法、装置、存储介质及电子设备 |
CN113436440A (zh) * | 2021-06-28 | 2021-09-24 | 浙江同善人工智能技术有限公司 | 一种临时停车辅助预警监控系统 |
CN115272984A (zh) * | 2022-09-29 | 2022-11-01 | 江西电信信息产业有限公司 | 占道经营检测方法、系统、计算机及可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101238989B1 (ko) * | 2012-02-24 | 2013-03-04 | 강성진 | 어안카메라의 다면영상분석을 통한 주차가능면 실시간 감지시스템 및 그 감지방법 |
CN103577809A (zh) * | 2013-11-12 | 2014-02-12 | 北京联合大学 | 一种基于智能驾驶的地面交通标志实时检测的方法 |
CN104504896A (zh) * | 2014-08-15 | 2015-04-08 | 上海市政工程设计研究总院(集团)有限公司 | 一种交通违法自动记录系统及方法 |
CN105913685A (zh) * | 2016-06-25 | 2016-08-31 | 上海大学 | 一种基于视频监控的车位识别及智能引导方法 |
-
2016
- 2016-09-29 CN CN201610863732.2A patent/CN106373426B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101238989B1 (ko) * | 2012-02-24 | 2013-03-04 | 강성진 | 어안카메라의 다면영상분석을 통한 주차가능면 실시간 감지시스템 및 그 감지방법 |
CN103577809A (zh) * | 2013-11-12 | 2014-02-12 | 北京联合大学 | 一种基于智能驾驶的地面交通标志实时检测的方法 |
CN104504896A (zh) * | 2014-08-15 | 2015-04-08 | 上海市政工程设计研究总院(集团)有限公司 | 一种交通违法自动记录系统及方法 |
CN105913685A (zh) * | 2016-06-25 | 2016-08-31 | 上海大学 | 一种基于视频监控的车位识别及智能引导方法 |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10296794B2 (en) | 2016-12-20 | 2019-05-21 | Jayant Rtti | On-demand artificial intelligence and roadway stewardship system |
CN106997685A (zh) * | 2017-05-16 | 2017-08-01 | 刘程秀 | 一种基于微机视觉的路边停车位检测装置 |
CN110097776A (zh) * | 2018-01-30 | 2019-08-06 | 杭州海康威视数字技术股份有限公司 | 一种车位检测方法、监控摄像机及监控终端 |
CN110097776B (zh) * | 2018-01-30 | 2021-05-14 | 杭州海康威视数字技术股份有限公司 | 一种车位检测方法、监控摄像机及监控终端 |
WO2019175686A1 (en) | 2018-03-12 | 2019-09-19 | Ratti Jayant | On-demand artificial intelligence and roadway stewardship system |
CN108564814A (zh) * | 2018-06-06 | 2018-09-21 | 清华大学苏州汽车研究院(吴江) | 一种基于图像的停车场车位检测方法及装置 |
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 |
CN109085560A (zh) * | 2018-08-13 | 2018-12-25 | 陕西科技大学 | 一种提取激光雷达特征点的方法 |
CN109085560B (zh) * | 2018-08-13 | 2022-07-15 | 陕西科技大学 | 一种提取激光雷达特征点的方法 |
CN109147338A (zh) * | 2018-08-15 | 2019-01-04 | 杭州海康威视系统技术有限公司 | 一种违规停车的识别方法、装置及服务器 |
CN109635782A (zh) * | 2018-12-31 | 2019-04-16 | 天合光能股份有限公司 | 一种获取无人驾驶所需静态交通信息的方法 |
CN109686109A (zh) * | 2019-01-02 | 2019-04-26 | 江苏警官学院 | 一种基于人工智能的停车场安全监控管理系统 |
CN109948591A (zh) * | 2019-04-01 | 2019-06-28 | 广东安居宝数码科技股份有限公司 | 一种车位检测方法、装置、电子设备及可读取存储介质 |
CN110084169A (zh) * | 2019-04-22 | 2019-08-02 | 东南大学 | 一种基于K-Means聚类和轮廓拓扑约束的违章建筑物识别方法 |
TWI708696B (zh) * | 2019-05-08 | 2020-11-01 | 神達數位股份有限公司 | 停車行為評估方法及系統 |
CN110210350A (zh) * | 2019-05-22 | 2019-09-06 | 北京理工大学 | 一种基于深度学习的快速停车位检测方法 |
CN110232835A (zh) * | 2019-06-27 | 2019-09-13 | 浙江工业大学 | 一种基于图像处理的地下车库停车位检测方法 |
CN110533924A (zh) * | 2019-09-02 | 2019-12-03 | 北京智联云海科技有限公司 | 一种利用车场记录分析违章车辆的方法 |
CN110544386A (zh) * | 2019-09-18 | 2019-12-06 | 奇瑞汽车股份有限公司 | 车位识别方法、装置及存储介质 |
CN113313935A (zh) * | 2020-02-27 | 2021-08-27 | 佛吉亚歌乐电子有限公司 | 图像处理装置及图像处理方法 |
US11657624B2 (en) | 2020-02-27 | 2023-05-23 | Faurecia Clarion Electronics Co., Ltd. | Image processor and image processing method for parking frame estimation on a road surface |
CN111508268A (zh) * | 2020-04-15 | 2020-08-07 | 江苏鹏为软件有限公司 | 一种智慧城市大数据平台系统 |
CN112633179A (zh) * | 2020-12-25 | 2021-04-09 | 杭州祐全科技发展有限公司 | 基于视频分析的农贸市场过道物体占道检测方法 |
CN113436440A (zh) * | 2021-06-28 | 2021-09-24 | 浙江同善人工智能技术有限公司 | 一种临时停车辅助预警监控系统 |
CN113340391A (zh) * | 2021-07-07 | 2021-09-03 | 格力电器(武汉)有限公司 | 汽车衡称重方法、装置、存储介质及电子设备 |
CN115272984A (zh) * | 2022-09-29 | 2022-11-01 | 江西电信信息产业有限公司 | 占道经营检测方法、系统、计算机及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106373426B (zh) | 2019-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106373426A (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
CN103824452B (zh) | 一种轻量级的基于全景视觉的违章停车检测装置 | |
CN109637151B (zh) | 一种高速公路应急车道违章行驶的识别方法 | |
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 | |
CN110136447A (zh) | 行车变道检测及违法变道识别的方法 | |
CN102867417B (zh) | 一种出租车防伪系统及方法 | |
CN109670404A (zh) | 一种基于混合模型的道路积水图像检测预警方法 | |
CN104599502A (zh) | 一种基于视频监控的车流量统计方法 | |
CN109326124A (zh) | 一种基于机器视觉的城市环境停放车辆行为识别系统 | |
CN106297278A (zh) | 一种用于查询抛洒物车辆的方法和系统 | |
CN103186982A (zh) | 一种治安智能卡口系统 | |
CN105046966A (zh) | 即停即离区域的违章停车行为自动检测系统和方法 | |
CN104794906A (zh) | 室外停车场出口车辆管理平台 | |
CN101004860A (zh) | 实时采集道路车流量信息的视频方法 | |
CN112381014A (zh) | 一种基于城市道路的违停车辆检测及管理方法及系统 | |
CN112509325B (zh) | 一种基于视频深度学习的非现场违法自动甄别方法 | |
CN103310199A (zh) | 基于高分辨率遥感数据的车辆型号识别方法 | |
CN112084892B (zh) | 一种道路异常事件检测管理装置及其方法 | |
CN110490150A (zh) | 一种基于车辆检索的违章图片自动审核系统及方法 | |
CN112633722A (zh) | 车载道路安全风险评估系统及方法 | |
CN103164958A (zh) | 车辆监控方法及系统 | |
CN113903008A (zh) | 基于深度学习和轨迹跟踪的匝道出口车辆违法识别方法 | |
CN115440071B (zh) | 一种自动驾驶违规停车检测方法 | |
CN115294774B (zh) | 基于深度学习的非机动车道路违停检测方法及装置 | |
Ravish et al. | Intelligent traffic violation detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: Monitoring method of parking space and illegal occupation based on computer vision Effective date of registration: 20201119 Granted publication date: 20190212 Pledgee: Bank of Chengdu science and technology branch of Limited by Share Ltd. Pledgor: CHENGDU TOPPLUSVISION SCIENCE & TECHNOLOGY Co.,Ltd. Registration number: Y2020980008186 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |