CN106981202A - 一种基于车道模型的车辆来回变道检测方法 - Google Patents
一种基于车道模型的车辆来回变道检测方法 Download PDFInfo
- Publication number
- CN106981202A CN106981202A CN201710363899.7A CN201710363899A CN106981202A CN 106981202 A CN106981202 A CN 106981202A CN 201710363899 A CN201710363899 A CN 201710363899A CN 106981202 A CN106981202 A CN 106981202A
- Authority
- CN
- China
- Prior art keywords
- lane
- track
- monitoring image
- target vehicle
- vehicle
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 32
- 238000012544 monitoring process Methods 0.000 claims abstract description 43
- 230000004888 barrier function Effects 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 8
- 238000012806 monitoring device Methods 0.000 description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 208000001491 myopia Diseases 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于车道模型的车辆来回变道检测方法，包括以下步骤：获取目标车辆的实时位置信息和车牌号；获取包含所述目标车辆的车道监控图像；在所述车道监控图像中检测车道线，根据获取的车道线建立车道模型，并对所有车道进行编号；从所述车道监控图像中检测出运动目标，提取运动目标的车牌号与所述目标车辆的车牌号进行匹配，选定所述目标车辆，并确定所述目标车辆的所在车道；根据多个相邻帧的车道监控图像中所述目标车辆的所在车道，确定所述目标车辆与所述车道模型的相交次数，当所述相交次数大于预设值时，判断所述车辆来回变道。
Description
技术领域
本发明涉及视频监控领域，具体的说，涉及了一种基于车道模型的车辆来回变道检测方法。
背景技术
高速公路上车辆的异常行为主要包括车辆过快、车辆过慢、车辆滞留、车辆逆行和车辆来回变道等。现阶段通过GPS定位技术已经能够实现前几种异常行为的精确检测，而对车辆来回变道来说，由于现有的车道定位通常通过GPS数据进行分析和处理，其无法准确获取自身所在的车道，因此无法采用GPS定位技术来精确定位车辆所在的车道，这就给后续的交通管理带来不便。
为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。
发明内容
本发明的目的是针对现有技术的不足，从而提供了一种基于车道模型的车辆来回变道检测方法，具有设计科学，且能有效的实现车辆所在车道的精确定位。
为了实现上述目的，本发明所采用的技术方案是：一种基于车道模型的车辆来回变道检测方法，包括以下步骤：
步骤1，获取目标车辆的实时位置信息和车牌号；
步骤2，获取包含所述目标车辆的车道监控图像；
步骤3，在所述车道监控图像中检测车道线，根据获取的车道线建立车道模型，并对所有车道进行编号；
步骤4，采用背景差法从所述车道监控图像中检测出运动目标，提取运动目标的车牌号与所述目标车辆的车牌号进行匹配，选定所述目标车辆，确定所述目标车辆的所在车道；
步骤5，根据多个相邻帧的车道监控图像中所述目标车辆的所在车道，确定所述目标车辆与所述车道模型的相交次数，当所述相交次数大于预设值时，判断所述车辆来回变道。
基于上述，所述步骤3的具体步骤为：
步骤3.1，对所述车道监控图像进行预处理，并通过障碍物检测法检测出车道监控图像中的障碍区，最后在所述车道监控图像的预处理结果中将所述障碍区排除，获得干净且富含大量车道线信息的边缘图像；
步骤3.2，采用加权双曲线拟合算法进行车道线参数拟合，并对检测得到的双曲线曲率进行曲率滤波，排除不正确的检测结果；
步骤3.3，在车道线检测结果中，将所有车道线按照相邻两条车道线组成一个车道建立车道模型，并按照一个方向对所有车道依次编号。
基于上述，所述步骤4具体包括以下步骤：
步骤4.1，采用高斯混合模型从连续多帧车道监控图像中提取出背景模型,将所述车道监控图像与所述背景模型进行差分处理，提取出运动目标；
步骤4.2，将所述监控图像中所述运动目标像素点进行八连通域搜索，框定每个区域最小外接矩形；
步骤4.3，在每个区域最小外接矩形中定位车牌所在区域，然后将车牌所在区域分割成字符块，识别字符块并将识别结果组合成车牌信息，将识别出的车牌信息分别与所述目标车辆的车牌信息一一进行比对，查找出所述目标车辆；
步骤4.4，将所述目标车辆所在区域的最小外接矩形的中心像素点作为所述目标车辆的质心位置，根据所述目标车辆的质心位置和同一水平方向上所有车道线的像素位置判断所述运动目标的质心位置所在的车道号码。
基于上述，获取所述车道线检测结果后，还可以将车道线检测结果传入Kalman滤波器中进行预测跟踪，预测包含车道线信息的感兴趣区域，并将预测结果传入下一帧车道监控图像，同时将计算得到的地平线高度信息也传入下一帧进行区域限制。
本发明相对现有技术具有突出的实质性特点和显著的进步，具体的说，本发明将GPS定位技术与视频监控技术结合起来，根据目标车辆所在的位置获取相应区域的车道线监控图像，并进一步建立车道模型；同时利用背景查分法和车牌提取法确定目标车辆所在的车道，根据多帧车道线监控图像中目标车辆所在的车道集合判断目标车辆的变道次数，从而实现目标车辆来回变道的检测，有利于交通管理部门更好的改善交通路况，方便出行。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面通过具体实施方式，对本发明的技术方案做进一步的详细描述。
如图1所示，一种基于车道模型的车辆来回变道检测方法，包括以下步骤：
步骤1，获取目标车辆的实时位置信息和车牌号；本发明中，目标车辆的实时位置信息由目标车辆利用GPS定位模块获得的；
步骤2，获取包含所述目标车辆的车道监控图像；一般来说，根据所述目标车辆的实时位置选择距离所述目标车辆最近的监控设备对道路进行监控，从而获得包含所述目标车辆的车道监控图像；
步骤3，在所述车道监控图像中检测车道线，根据获取的车道线建立车道模型，并对所有车道进行编号；
步骤4，采用背景差法从所述车道监控图像中检测出运动目标，提取运动目标的车牌号与所述目标车辆的车牌号进行匹配，选定所述目标车辆，确定所述目标车辆的所在车道；
步骤5，根据多个相邻帧的车道监控图像中所述目标车辆的所在车道，确定所述目标车辆与所述车道模型的相交次数，当所述相交次数大于预设值时，判断所述车辆来回变道。
本发明将GPS定位技术与视频监控技术结合起来，根据目标车辆所在的位置获取相应区域的车道线监控图像，并进一步建立车道模型；同时利用背景查分法和车牌提取法确定目标车辆所在的车道，根据多帧车道线监控图像中目标车辆所在的车道集合判断目标车辆的变道次数，从而实现目标车辆来回变道的检测，有利于交通管理部门更好的改善交通路况，方便出行。
具体的，所述步骤3的具体步骤为：
步骤3.1，对所述车道监控图像进行预处理，并通过障碍物检测法检测出车道监控图像中的障碍区，最后在所述车道监控图像的预处理结果中将所述障碍区排除，获得干净且富含大量车道线信息的边缘图像；
监控设备在采集车道监控图像的过程中，监控设备所采集到的图像受外界因素影响很大，会产生许多干扰信息，像附近树木、建筑物以及过往车辆遮挡住车道线，或者由于车道线本身时间长磨损比较大模糊造成干扰信息，还有可能由于路面的不平整颠簸导致摄像设备采集图像时产生的干扰噪声，为了使图像的特征信息显现出来，使系统的成像质量得到改善，也为了后续方面减小运算量，需要对采集到的对象进行预处理操作，本文的图像预处理操作是通过各种变化来取得想要的车道线，主要包括了图像灰度化、直方图均衡化、滤波平滑、图像增强、边缘检测等步骤；
步骤3.2，采用加权双曲线拟合算法进行车道线参数拟合，对于近视场区域内的车道线采用直线模型的方法进行拟合，同时直线检测输出结果为双曲线模型拟合提供基础参数，采用Hough变换算法对近视场区域内的边缘进行有限定的直线检测，远视场区域则采用加权双曲线模型进行曲线拟合，并对检测得到的双曲线曲率进行曲率滤波，排除不正确的检测结果；
优选的，本发明采用的双曲线模板函数如下式所示：
其中，定位a为双曲线曲率，其定义域为(-85°,85°)，A为常数，控制曲率的变化幅度，曲率相同时曲线变化幅度随A值的增加而增大，参数K和b为车道线直线部分的斜率和截距，可以通过对近距离范围内车道线进行直线检测进行提取；
曲线拟合算法通过在曲率定义域中对曲率逐一计算匹配率，将匹配率最高的曲率作为当前车道线的检测曲率；本发明采用一种以计算最短距离为基础对像素点附加权值的双曲线模型曲线匹配方法，定义匹配率公式如下所示：
其中，T为所求匹配率，M,N为图像宽度和高度，(i,j)为图像坐标系中像素点坐标，w(i,j)为权值函数，D(i,j)位像素点(i,j)到拟合曲线的距离，对对每个像素点进行加权求和获得最终的匹配率T；经过计算得到匹配率最大的曲率值后，以该曲率作为双曲线的候选曲率。经过双曲线拟合获得曲率后，再根据左右车道线直线参数，最终能够获得多条拟合程度较好的双曲线；
步骤3.3，在车道线检测结果中，将所有车道线按照相邻两条车道线组成一个车道建立车道模型，并按照一个方向对所有车道依次编号，具体的，可以从最外侧车道线依次向最内侧车道线进行编号，也可以由最内侧车道线依次向最外侧车道线进行编号。
优选的，获取所述车道线检测结果后，还可以将车道线检测结果传入Kalman滤波器中进行预测跟踪，预测包含车道线信息的感兴趣区域，并将预测结果传入下一帧车道监控图像，同时将计算得到的地平线高度信息也传入下一帧进行区域限制。
具体的，所述步骤4具体包括以下步骤：
步骤4.1，采用高斯混合模型从连续多帧车道监控图像中提取出背景模型,将所述车道监控图像与所述背景模型进行差分处理，提取出运动目标；
步骤4.2，将所述监控图像中所述运动目标像素点进行八连通域搜索，框定每个区域最小外接矩形；
步骤4.3，在每个区域最小外接矩形中定位车牌所在区域，然后将车牌所在区域分割成字符块，识别字符块并将识别结果组合成车牌信息，将识别出的车牌信息分别与所述目标车辆的车牌信息一一进行比对，查找出所述目标车辆；
步骤4.4，将所述目标车辆所在区域的最小外接矩形的中心像素点作为所述目标车辆的质心位置，根据所述目标车辆的质心位置和同一水平方向上所有车道线的像素位置判断所述运动目标的质心位置所在的车道号码。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制；尽管参照较佳实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本发明技术方案的精神，其均应涵盖在本发明请求保护的技术方案范围当中。
Claims (4)
1.一种基于车道模型的车辆来回变道检测方法，其特征在于，包括以下步骤：
步骤1，获取目标车辆的实时位置信息和车牌号；
步骤2，获取包含所述目标车辆的车道监控图像；
步骤3，在所述车道监控图像中检测车道线，根据获取的车道线建立车道模型，并对所有车道进行编号；
步骤4，采用背景差法从所述车道监控图像中检测出运动目标，提取运动目标的车牌号与所述目标车辆的车牌号进行匹配，选定所述目标车辆，确定所述目标车辆的所在车道；
步骤5，根据多个相邻帧的车道监控图像中所述目标车辆的所在车道，确定所述目标车辆与所述车道模型的相交次数，当所述相交次数大于预设值时，判断所述车辆来回变道。
2.根据权利要求1所述的基于车道模型的车辆来回变道检测方法，其特征在于，所述步骤3的具体步骤为：
步骤3.1，对所述车道监控图像进行预处理，并通过障碍物检测法检测出车道监控图像中的障碍区，最后在所述车道监控图像的预处理结果中将所述障碍区排除，获得包含大量车道线信息的边缘图像；
步骤3.2，采用加权双曲线拟合算法进行车道线参数拟合，并对检测得到的双曲线曲率进行曲率滤波，排除不正确的检测结果；
步骤3.3，在车道线检测结果中，将所有车道线按照相邻两条车道线组成一个车道建立车道模型，并按照一个方向对所有车道依次编号。
3.根据权利要求1或2所述的基于车道模型的车辆来回变道检测方法，其特征在于，所述步骤4具体包括以下步骤：
步骤4.1，采用高斯混合模型从连续多帧车道监控图像中提取出背景模型,将所述车道监控图像与所述背景模型进行差分处理，提取出运动目标；
步骤4.2，将所述监控图像中所述运动目标像素点进行八连通域搜索，框定每个区域最小外接矩形；
步骤4.3，在每个区域最小外接矩形中定位车牌所在区域，然后将车牌所在区域分割成字符块，识别字符块并将识别结果组合成车牌信息，将识别出的车牌信息分别与所述目标车辆的车牌信息一一进行比对，查找出所述目标车辆；
步骤4.4，将所述目标车辆所在区域的最小外接矩形的中心像素点作为所述目标车辆的质心位置，根据所述目标车辆的质心位置和同一水平方向上所有车道线的像素位置判断所述运动目标的质心位置所在的车道号码。
4.根据权利要求3所述的基于车道模型的车辆来回变道检测方法，其特征在于，在所述步骤3中，获取所述车道线检测结果后，还可以将车道线检测结果传入Kalman滤波器中进行预测跟踪，预测包含车道线信息的感兴趣区域，并将预测结果传入下一帧车道监控图像，同时将计算得到的地平线高度信息也传入下一帧进行区域限制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710363899.7A CN106981202A (zh) | 2017-05-22 | 2017-05-22 | 一种基于车道模型的车辆来回变道检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710363899.7A CN106981202A (zh) | 2017-05-22 | 2017-05-22 | 一种基于车道模型的车辆来回变道检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106981202A true CN106981202A (zh) | 2017-07-25 |
Family
ID=59342566
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710363899.7A Pending CN106981202A (zh) | 2017-05-22 | 2017-05-22 | 一种基于车道模型的车辆来回变道检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106981202A (zh) |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108960183A (zh) * | 2018-07-19 | 2018-12-07 | 北京航空航天大学 | 一种基于多传感器融合的弯道目标识别系统及方法 |
| CN109459047A (zh) * | 2018-12-24 | 2019-03-12 | 武汉大学 | 车辆高精度定位数据与导航地图精确匹配及变道行为探测方法 |
| CN109558829A (zh) * | 2018-11-26 | 2019-04-02 | 浙江大华技术股份有限公司 | 一种变道检测方法及装置、计算机装置及可读存储介质 |
| CN110136447A (zh) * | 2019-05-23 | 2019-08-16 | 杭州诚道科技股份有限公司 | 行车变道检测及违法变道识别的方法 |
| CN110211073A (zh) * | 2019-04-19 | 2019-09-06 | 北京汽车集团有限公司 | 进入隧道的引导装置和方法 |
| WO2019200937A1 (zh) * | 2018-04-18 | 2019-10-24 | 福州大学 | 一种有效判别车辆压线及预先提示系统 |
| CN110440819A (zh) * | 2018-05-04 | 2019-11-12 | 沈阳美行科技有限公司 | 导航方法、装置和系统 |
| CN110780602A (zh) * | 2019-09-09 | 2020-02-11 | 腾讯科技（深圳）有限公司 | 一种仿真车辆换道轨迹的构建方法、装置及设备 |
| CN111028503A (zh) * | 2018-10-09 | 2020-04-17 | 杭州海康威视系统技术有限公司 | 一种车辆变道监测方法及装置 |
| CN111199647A (zh) * | 2018-11-16 | 2020-05-26 | 中电科新型智慧城市研究院有限公司 | 一种道路车辆连续变道和违规掉头的监控视频检测方法 |
| CN111366926A (zh) * | 2019-01-24 | 2020-07-03 | 杭州海康威视系统技术有限公司 | 跟踪目标的方法、装置、存储介质和服务器 |
| CN111383464A (zh) * | 2018-12-28 | 2020-07-07 | 沈阳美行科技有限公司 | 车辆变道识别方法、装置、电子设备和介质 |
| CN111523464A (zh) * | 2020-04-23 | 2020-08-11 | 上海眼控科技股份有限公司 | 车辆违法变道的检测方法和装置 |
| CN111598069A (zh) * | 2020-07-27 | 2020-08-28 | 之江实验室 | 一种基于深度学习的高速公路车辆换道区域分析方法 |
| CN111731264A (zh) * | 2019-03-25 | 2020-10-02 | 长城汽车股份有限公司 | 连续变道驾驶行为监测控制方法及系统 |
| WO2021073389A1 (zh) * | 2019-10-16 | 2021-04-22 | 腾讯科技（深圳）有限公司 | 车辆自动控制方法及变道意图预测网络的训练方法 |
| CN112785850A (zh) * | 2020-12-29 | 2021-05-11 | 上海眼控科技股份有限公司 | 车辆变道未打灯的识别方法及装置 |
| CN112949465A (zh) * | 2021-02-26 | 2021-06-11 | 上海商汤智能科技有限公司 | 车辆连续变道识别方法、装置、设备及存储介质 |
| CN112949470A (zh) * | 2021-02-26 | 2021-06-11 | 上海商汤智能科技有限公司 | 车辆变道转向灯识别方法、装置、设备及存储介质 |
| CN114898325A (zh) * | 2022-07-12 | 2022-08-12 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种车辆危险变道检测方法、装置及电子设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102819952A (zh) * | 2012-06-29 | 2012-12-12 | 浙江大学 | 一种基于视频检测技术的车辆违法变道检测方法 |
| CN106096525A (zh) * | 2016-06-06 | 2016-11-09 | 重庆邮电大学 | 一种复合型车道识别系统及方法 |
| CN106652468A (zh) * | 2016-12-09 | 2017-05-10 | 武汉极目智能技术有限公司 | 车辆道路前车违规检测和自车违规预警提醒装置及方法 |
| CN106652465A (zh) * | 2016-11-15 | 2017-05-10 | 成都通甲优博科技有限责任公司 | 一种道路异常驾驶行为的识别方法及系统 |
| CN106650730A (zh) * | 2016-12-14 | 2017-05-10 | 广东威创视讯科技股份有限公司 | 汽车变道过程中的转向灯检测方法和系统 |
-
2017
- 2017-05-22 CN CN201710363899.7A patent/CN106981202A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102819952A (zh) * | 2012-06-29 | 2012-12-12 | 浙江大学 | 一种基于视频检测技术的车辆违法变道检测方法 |
| CN106096525A (zh) * | 2016-06-06 | 2016-11-09 | 重庆邮电大学 | 一种复合型车道识别系统及方法 |
| CN106652465A (zh) * | 2016-11-15 | 2017-05-10 | 成都通甲优博科技有限责任公司 | 一种道路异常驾驶行为的识别方法及系统 |
| CN106652468A (zh) * | 2016-12-09 | 2017-05-10 | 武汉极目智能技术有限公司 | 车辆道路前车违规检测和自车违规预警提醒装置及方法 |
| CN106650730A (zh) * | 2016-12-14 | 2017-05-10 | 广东威创视讯科技股份有限公司 | 汽车变道过程中的转向灯检测方法和系统 |
Cited By (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019200937A1 (zh) * | 2018-04-18 | 2019-10-24 | 福州大学 | 一种有效判别车辆压线及预先提示系统 |
| CN110440819B (zh) * | 2018-05-04 | 2021-11-19 | 沈阳美行科技有限公司 | 导航方法、装置和系统 |
| CN110440819A (zh) * | 2018-05-04 | 2019-11-12 | 沈阳美行科技有限公司 | 导航方法、装置和系统 |
| CN108960183B (zh) * | 2018-07-19 | 2020-06-02 | 北京航空航天大学 | 一种基于多传感器融合的弯道目标识别系统及方法 |
| CN108960183A (zh) * | 2018-07-19 | 2018-12-07 | 北京航空航天大学 | 一种基于多传感器融合的弯道目标识别系统及方法 |
| CN111028503B (zh) * | 2018-10-09 | 2022-05-06 | 杭州海康威视系统技术有限公司 | 一种车辆变道监测方法及装置 |
| CN111028503A (zh) * | 2018-10-09 | 2020-04-17 | 杭州海康威视系统技术有限公司 | 一种车辆变道监测方法及装置 |
| CN111199647A (zh) * | 2018-11-16 | 2020-05-26 | 中电科新型智慧城市研究院有限公司 | 一种道路车辆连续变道和违规掉头的监控视频检测方法 |
| CN109558829A (zh) * | 2018-11-26 | 2019-04-02 | 浙江大华技术股份有限公司 | 一种变道检测方法及装置、计算机装置及可读存储介质 |
| CN109459047A (zh) * | 2018-12-24 | 2019-03-12 | 武汉大学 | 车辆高精度定位数据与导航地图精确匹配及变道行为探测方法 |
| CN111383464A (zh) * | 2018-12-28 | 2020-07-07 | 沈阳美行科技有限公司 | 车辆变道识别方法、装置、电子设备和介质 |
| CN111383464B (zh) * | 2018-12-28 | 2022-11-18 | 沈阳美行科技股份有限公司 | 车辆变道识别方法、装置、电子设备和介质 |
| CN111366926A (zh) * | 2019-01-24 | 2020-07-03 | 杭州海康威视系统技术有限公司 | 跟踪目标的方法、装置、存储介质和服务器 |
| CN111731264A (zh) * | 2019-03-25 | 2020-10-02 | 长城汽车股份有限公司 | 连续变道驾驶行为监测控制方法及系统 |
| CN110211073B (zh) * | 2019-04-19 | 2021-11-09 | 北京汽车集团有限公司 | 进入隧道的引导装置和方法 |
| CN110211073A (zh) * | 2019-04-19 | 2019-09-06 | 北京汽车集团有限公司 | 进入隧道的引导装置和方法 |
| CN110136447A (zh) * | 2019-05-23 | 2019-08-16 | 杭州诚道科技股份有限公司 | 行车变道检测及违法变道识别的方法 |
| CN110780602A (zh) * | 2019-09-09 | 2020-02-11 | 腾讯科技（深圳）有限公司 | 一种仿真车辆换道轨迹的构建方法、装置及设备 |
| CN110780602B (zh) * | 2019-09-09 | 2022-02-18 | 腾讯科技（深圳）有限公司 | 一种仿真车辆换道轨迹的构建方法、装置及设备 |
| US12221133B2 (en) | 2019-10-16 | 2025-02-11 | Tencent Technology (Shenzhen) Company Limited | Method for automatic control of vehicle and method for training lane change intention prediction network |
| WO2021073389A1 (zh) * | 2019-10-16 | 2021-04-22 | 腾讯科技（深圳）有限公司 | 车辆自动控制方法及变道意图预测网络的训练方法 |
| CN111523464A (zh) * | 2020-04-23 | 2020-08-11 | 上海眼控科技股份有限公司 | 车辆违法变道的检测方法和装置 |
| CN111598069A (zh) * | 2020-07-27 | 2020-08-28 | 之江实验室 | 一种基于深度学习的高速公路车辆换道区域分析方法 |
| CN111598069B (zh) * | 2020-07-27 | 2020-11-06 | 之江实验室 | 一种基于深度学习的高速公路车辆换道区域分析方法 |
| CN112785850A (zh) * | 2020-12-29 | 2021-05-11 | 上海眼控科技股份有限公司 | 车辆变道未打灯的识别方法及装置 |
| CN112949470A (zh) * | 2021-02-26 | 2021-06-11 | 上海商汤智能科技有限公司 | 车辆变道转向灯识别方法、装置、设备及存储介质 |
| CN112949470B (zh) * | 2021-02-26 | 2024-12-03 | 上海商汤智能科技有限公司 | 车辆变道转向灯识别方法、装置、设备及存储介质 |
| CN112949465A (zh) * | 2021-02-26 | 2021-06-11 | 上海商汤智能科技有限公司 | 车辆连续变道识别方法、装置、设备及存储介质 |
| CN112949465B (zh) * | 2021-02-26 | 2025-04-15 | 上海商汤智能科技有限公司 | 车辆连续变道识别方法、装置、设备及存储介质 |
| CN114898325A (zh) * | 2022-07-12 | 2022-08-12 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种车辆危险变道检测方法、装置及电子设备 |
| CN114898325B (zh) * | 2022-07-12 | 2022-11-25 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种车辆危险变道检测方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106981202A (zh) | 一种基于车道模型的车辆来回变道检测方法 | |
| CN102542289B (zh) | 一种基于多高斯计数模型的人流量统计方法 | |
| CN106652445B (zh) | 一种公路交通事故判别方法及装置 | |
| CN101577812B (zh) | 一种岗位监测的方法和系统 | |
| CN105744232B (zh) | 一种基于行为分析技术的输电线路视频防外破的方法 | |
| CN107301776A (zh) | 基于视频检测技术的车道路况处理及发布方法 | |
| CN107025432B (zh) | 一种高效的车道线检测跟踪方法及系统 | |
| CN103985182B (zh) | 一种公交客流自动计数方法及自动计数系统 | |
| CN109460709A (zh) | 基于rgb和d信息融合的rtg视觉障碍物检测的方法 | |
| CN106652465A (zh) | 一种道路异常驾驶行为的识别方法及系统 | |
| CN104268596B (zh) | 一种车牌识别器及其车牌检测方法与系统 | |
| CN108363953B (zh) | 一种行人检测的方法及双目监控设备 | |
| CN106373426A (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
| CN113011331B (zh) | 机动车是否礼让行人的检测方法、装置、电子设备及介质 | |
| CN103295403B (zh) | 一种交通流视觉检测方法 | |
| CN105260713A (zh) | 一种车道线检测方法和装置 | |
| CN103077384A (zh) | 一种车标定位识别的方法与系统 | |
| CN102855508B (zh) | 敞开式校园防尾随系统 | |
| CN110991397B (zh) | 一种行进方向确定方法及相关设备 | |
| CN107590492A (zh) | 一种基于卷积神经网络的车标定位与识别方法 | |
| CN108154146A (zh) | 一种基于图像识别的车辆追踪方法 | |
| CN106778637B (zh) | 一种对男女客流的统计方法 | |
| CN112700473B (zh) | 一种基于图像识别进行车厢拥挤度判断系统 | |
| CN106845325A (zh) | 一种信息检测方法及装置 | |
| CN103632427A (zh) | 一种道闸防砸方法及道闸控制系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for 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: 20170725 |