CN107103314B - 一种基于机器视觉的套牌车辆检索识别系统 - Google Patents

一种基于机器视觉的套牌车辆检索识别系统 Download PDF

Info

Publication number
CN107103314B
CN107103314B CN201710451957.1A CN201710451957A CN107103314B CN 107103314 B CN107103314 B CN 107103314B CN 201710451957 A CN201710451957 A CN 201710451957A CN 107103314 B CN107103314 B CN 107103314B
Authority
CN
China
Prior art keywords
vehicle
image
retrieval
database
license plate
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
CN201710451957.1A
Other languages
English (en)
Other versions
CN107103314A (zh
Inventor
孔维杰
夏雪松
郑伟伟
缪国华
姚建伟
龙华
于丽军
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.)
Zhejiang Nanzi Construction Group Co ltd
Original Assignee
Zhejiang Nanzi Intelligent Polytron Technologies Inc
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 Zhejiang Nanzi Intelligent Polytron Technologies Inc filed Critical Zhejiang Nanzi Intelligent Polytron Technologies Inc
Priority to CN201710451957.1A priority Critical patent/CN107103314B/zh
Publication of CN107103314A publication Critical patent/CN107103314A/zh
Application granted granted Critical
Publication of CN107103314B publication Critical patent/CN107103314B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • 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
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Library & Information Science (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明属于智能交通技术领域，特别是涉及一种基于机器视觉的套牌车辆检索识别系统。所述的系统主要包括车辆图像采集系统，数据库系统和检索系统，本发明提出一种基于机器视觉的套牌车辆检索识别系统，借助可疑车辆的车载装饰品，例如车辆的摆件、年检标签等特征进行嫌疑车辆的检索，通过对车载装饰品区域图像进行特征采集，并采用基于车载装饰品区域图像稀疏编码方法进行车辆检索，解决从海量交通场景图像中搜索目标车辆的问题，实现对套牌车辆的准确识别与发现。

Description

一种基于机器视觉的套牌车辆检索识别系统
技术领域
本发明属于智能交通技术领域，特别是涉及一种基于机器视觉的套牌车辆检索识别系统。
背景技术
为了解决城市发展难题，实现城市的可持续发展，“智慧城市”建设已经成为当今我国城市发展不可逆转的历史潮流；同时，为了满足城市治安防控和城市管理的需要，政法委发起公安部联合工信部共同建设了“天网工程”。“天网工程”是利用图像采集、传输、控制、显示等设备和控制软件对固定地区进行实时监控和信息记录，对于城市中存在的车辆的违法犯罪活动提取证据提供技术支持。但是，在取证过程中的主要问题是要在当前存储的海量监控数据中采用人工查找的方法搜寻违法犯罪车辆，该搜寻的过程不仅耗费大量的人力、物力和财力，而且人工搜寻存在较大的不可靠性。
随着数字图像处理技术、机器视觉技术和模式识别技术等的迅猛发展，自动从海量图像数据中搜索嫌疑车辆成为了可能，通过对视频或图像数据的处理，公安人员可直接利用计算机从视频或图像所包含的内容进行分析和特征提取，从而搜索到所需的有用信息。目前，从视频或图片数据中自动搜索可疑车辆信息主要根据车辆固有的号牌号码、车辆品牌和车辆颜色的自动识别。但是，在现实生活中涉及到车辆的违法案件中，涉案车辆往往是假（套）牌车，此时根据车辆号牌进行侦查将发挥不了任何作用；同时，根据车辆品牌和车辆颜色检索可疑车辆在减少工作量方面起到的作用微乎其微。因此，基于车辆固有属性特征的检索方法对于假（套）牌车辆达不到预期的检索效果。
发明内容
为解决上述问题，本发明提出一种基于机器视觉的套牌车辆检索识别系统，借助可疑车辆的车载装饰品，例如车辆的摆件、年检标签等特征进行嫌疑车辆的检索，通过对车载装饰品区域图像进行特征采集，并采用基于车载装饰品区域图像稀疏编码方法进行车辆检索，解决从海量交通场景图像中搜索目标车辆的问题，实现对套牌车辆的准确识别与发现。
一种基于机器视觉的套牌车辆检索识别系统，主要包括车辆图像采集系统，数据库系统和检索系统，其中，
所述的车辆图像采集系统包括视频采集模块和车辆检测模块，视频采集模块采集视频数据，车辆检测模块将车辆视频中的车辆图像提取出来，存储到车辆图像数据库中；
所述的数据库系统包括车辆图像数据库、车辆特征提取模块、车辆属性数据库和车饰特征数据库，车辆特征提取模块对车辆图像数据库进行数据加工提取，获取车辆属性信息和车饰特征信息，分别存入车辆属性数据库和车饰特征数据库，车辆属性数据库根据车辆属性信息生成文本标签；
所述的检索系统包括文本检索系统和内容检索系统，内容检索系统包括检索车辆特征提取模块，检索车辆特征提取模块对内容检索里的车辆信息进行车辆属性信息和车饰特征信息提取，并与车辆属性数据库和车饰特征数据库交互，获取查询结果。
进一步，所述的车辆属性信息包括颜色、车标、车牌。
进一步，所述的车饰特征信息通过对车辆前挡风玻璃部分的特征获得。
进一步，在所述的车辆特征提取模块中，具体采集步骤如下：
（1）采用基于车辆及其号牌对称性的车辆检测对车辆进行定位；
（2）对定位车辆进行属性信息识别，建立车辆属性数据库，车辆属性数据库根据车辆属性信息生成文本标签；
（3）对定位车辆的前挡风玻璃区域进行定位，构建车载装饰品局部区域图像集，从而建立车饰特征数据库。
进一步，在步骤（1）中，采用基于车辆及其号牌对称性的车辆检测对车辆进行定位的具体步骤为：首先进行图像预处理，其次检测车辆轮廓的竖直对称轴，并根据竖直对称轴划定区域检测号牌的水平及竖直对称轴，从而根据对称轴确定车辆的区域。
进一步，在步骤（3）对定位车辆的前挡风玻璃区域进行定位中，包括以下具体步骤：
（1）通过RIO感兴趣区域定位，实现车辆前挡风玻璃在车辆上的粗略定位；
（2）将前挡风玻璃部分进行灰度化处理；
（3）对图像运用Canny算子进行边缘检测；
（4）计算图像的横纵方向的投影，由于在前挡风玻璃的左右和上下边界存在明显边缘的投影直方图中存在突变，根据统计横向和纵向的投影直方图找到前挡风玻璃部分的左右和上下边界。
有益效果
与传统的车牌识别系统相比，本发明的技术方案具有以下优点，具体表现在：
本发明将在实际交通环境下由各个关卡的固定摄像头拍摄的视频中通过车辆检测得到的车辆以图像形式检测并保存下来，形成车辆图像数据库。车辆检索根据输入方式的不同分为两种：一种是输入关于车辆属性（车辆颜色、车标）的文本语义描述信息，通过对数据库中的车辆图像属性的识别，确定每一幅车辆图像的属性标签，然后将标签与输入信息一致的图像检索出来，从而得到符合条件的车辆图像；另一种是输入想要的车辆图像，通过对数据库中的车辆图像进行车载装饰品区域特征提取 ，形成与输入车载装饰品区域特征相同的候选集，提取候选集中车辆图像的局部特征进行匹配，将特征相似度大的车辆排名提前，进而得到与输入图像相同或相似的车辆图像。两种车辆检索的方法大大降低在众多车辆图像中人工查找的淹度，提高工作效率。
附图说明
图1为本发明的结构图；
图2为基于车载装饰品区域图像稀疏编码的车辆检索方法流程图。
具体实施方式
下面将结合本发明实施例和附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
车辆检索识别系统的整体框架如图１所示，其主要包括车辆图像采集系统，数据库系统和检索系统，在图１中车辆图像采集系统是利用车辆检测算法，将固定摄像头拍摄的车辆视频中的车辆图像提取出来，存储到车辆图像数据库中，用于车辆检索。
车辆图像采集系统包括视频采集模块和车辆检测模块，视频采集模块采集视频数据，车辆检测模块将车辆视频中的车辆图像提取出来，存储到车辆图像数据库中；
数据库系统包括车辆图像数据库、车辆特征提取模块、车辆属性数据库和车饰特征数据库，车辆特征提取模块对车辆图像数据库进行数据加工提取，获取车辆属性信息和车饰特征信息，分别存入车辆属性数据库和车饰特征数据库，车辆属性信息包括颜色、车标、车牌信息等，车辆属性数据库根据车辆属性信息生成文本标签，首先对车辆图像数据库中的车辆图像进行属性颜色、车标）识别，将识别结果以标签的形式存储起来；检索系统包括文本检索系统和内容检索系统，之后将标签信息与输入的文本语义描述信息相一致的车辆图像作为检索结果输出。
内容检索系统包括检索车辆特征提取模块，检索车辆特征提取模块对内容检索里的车辆信息进行车辆属性信息和车饰特征信息提取，并与车辆属性数据库和车饰特征数据库交互，获取查询结果，首先对库中的车辆图像进行车饰特征数据库识别，按照车饰特征数据库进行初分类；然后将与待检索车辆图像颜色类别相同的图像库中提取局部特征；将待检索车辆图像与库中同车饰特征的车辆图像的局部特征进行匹配，检索结果按匹配度从大到小排序后输出。
车辆特征提取模块中，具体采集步骤如下：
（1）采用基于车辆及其号牌对称性的车辆检测对车辆进行定位；
（2）对定位车辆进行属性信息识别，建立车辆属性数据库，车辆属性数据库根据车辆属性信息生成文本标签；
（3）对定位车辆的前挡风玻璃区域进行定位，构建车载装饰品局部区域图像集，从而建立车饰特征数据库。
采用基于车辆及其号牌对称性的车辆检测对车辆进行定位的具体步骤为：首先进行图像预处理，其次检测车辆轮廓的竖直对称轴，并根据竖直对称轴划定区域检测号牌的水平及竖直对称轴，从而根据对称轴确定车辆的区域。
对定位车辆的前挡风玻璃区域进行定位中，包括以下具体步骤：
（1）通过RIO感兴趣区域定位，实现车辆前挡风玻璃在车辆上的粗略定位；
（2）将前挡风玻璃部分进行灰度化处理；
（3）对图像运用Canny算子进行边缘检测；
（4）计算图像的横纵方向的投影，由于在前挡风玻璃的左右和上下边界存在明显边缘的投影直方图中存在突变，根据统计横向和纵向的投影直方图找到前挡风玻璃部分的左右和上下边界。
车饰特征信息模块采用基于车载装饰品区域图像稀疏编码的车辆检索方法，其具体流程如图2所示，具体包括基于车载装饰品局部区域图像构建超完备字典，并根据输入的待检索图像和建立的字典采用稀疏度自适应匹配追踪算法求解待检索图像的稀疏表征向量；基于构建的车载装饰品局部区域图像集进行了对比实验，实验结果表明基于稀疏编码的车辆检索效果优于常规车辆检索方法，在重构容许误差ｅ-3时，其综合指标达到90％。
本发明将在实际交通环境下由各个关卡的固定摄像头拍摄的视频中通过车辆检测得到的车辆以图像形式检测并保存下来，形成车辆图像数据库。车辆检索根据输入方式的不同分为两种：一种是输入关于车辆属性（车辆颜色、车标）的文本语义描述信息，通过对数据库中的车辆图像属性的识别，确定每一幅车辆图像的属性标签，然后将标签与输入信息一致的图像检索出来，从而得到符合条件的车辆图像；另一种是输入想要的车辆图像，通过对数据库中的车辆图像进行车载装饰品区域特征提取 ，形成与输入车载装饰品区域特征相同的候选集，提取候选集中车辆图像的局部特征进行匹配，将特征相似度大的车辆排名提前，进而得到与输入图像相同或相似的车辆图像。两种车辆检索的方法大大降低在众多车辆图像中人工查找的淹度，提高工作效率。
最终，以上实施例和附图仅用以说明本发明的技术方案而非限制，尽管通过上述实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (4)

1.一种基于机器视觉的套牌车辆检索识别系统，其特征在于，主要包括车辆图像采集系统，数据库系统和检索系统，其中，
所述的车辆图像采集系统包括视频采集模块和车辆检测模块，视频采集模块采集视频数据，车辆检测模块将车辆视频中的车辆图像提取出来，存储到车辆图像数据库中；
所述的数据库系统包括车辆图像数据库、车辆特征提取模块、车辆属性数据库和车饰特征数据库，车辆特征提取模块对车辆图像数据库进行数据加工提取，获取车辆属性信息和车饰特征信息，分别存入车辆属性数据库和车饰特征数据库，车辆属性数据库根据车辆属性信息生成文本标签；
所述的检索系统包括文本检索系统和内容检索系统，内容检索系统包括检索车辆特征提取模块，检索车辆特征提取模块对内容检索里的车辆信息进行车辆属性信息和车饰特征信息提取，并与车辆属性数据库和车饰特征数据库交互，获取查询结果；
在所述的车辆特征提取模块中，具体采集步骤如下：
（1）采用基于车辆及其号牌对称性的车辆检测对车辆进行定位；
（2）对定位车辆进行属性信息识别，建立车辆属性数据库，车辆属性数据库根据车辆属性信息生成文本标签；
（3）对定位车辆的前挡风玻璃区域进行定位，构建车载装饰品局部区域图像集，从而建立车饰特征数据库；
在步骤（1）中，采用基于车辆及其号牌对称性的车辆检测对车辆进行定位的具体步骤为：首先进行图像预处理，其次检测车辆轮廓的竖直对称轴，并根据竖直对称轴划定区域检测号牌的水平及竖直对称轴，从而根据对称轴确定车辆的区域。
2.根据权利要求1所述的一种基于机器视觉的套牌车辆检索识别系统，其特征在于：所述的车辆属性信息包括颜色、车标、车牌。
3.根据权利要求1所述的一种基于机器视觉的套牌车辆检索识别系统，其特征在于：所述的车饰特征信息通过对车辆前挡风玻璃部分的特征获得。
4.根据权利要求1所述的一种基于机器视觉的套牌车辆检索识别系统，其特征在于：在步骤（3）对定位车辆的前挡风玻璃区域进行定位中，包括以下具体步骤：
S1：通过RIO感兴趣区域定位，实现车辆前挡风玻璃在车辆上的粗略定位；
S2：将前挡风玻璃部分进行灰度化处理；
S3：对图像运用Canny算子进行边缘检测；
S4：计算图像的横纵方向的投影，根据统计横向和纵向的投影直方图找到前挡风玻璃部分的左右和上下边界。
CN201710451957.1A 2017-06-15 2017-06-15 一种基于机器视觉的套牌车辆检索识别系统 Active CN107103314B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710451957.1A CN107103314B (zh) 2017-06-15 2017-06-15 一种基于机器视觉的套牌车辆检索识别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710451957.1A CN107103314B (zh) 2017-06-15 2017-06-15 一种基于机器视觉的套牌车辆检索识别系统

Publications (2)

Publication Number Publication Date
CN107103314A CN107103314A (zh) 2017-08-29
CN107103314B true CN107103314B (zh) 2018-03-16

Family

ID=59660758

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710451957.1A Active CN107103314B (zh) 2017-06-15 2017-06-15 一种基于机器视觉的套牌车辆检索识别系统

Country Status (1)

Country Link
CN (1) CN107103314B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109325409A (zh) * 2018-08-15 2019-02-12 马金环 通行车辆套牌检验平台

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107680385B (zh) * 2017-10-27 2019-12-24 泰华智慧产业集团股份有限公司 一种确定套牌车的方法及系统
CN107886084A (zh) * 2017-11-29 2018-04-06 合肥寰景信息技术有限公司 基于深度学习的非标车特征提取及处理系统
CN108229473A (zh) * 2017-12-29 2018-06-29 苏州科达科技股份有限公司 车辆年检标签检测方法及装置
CN108491797A (zh) * 2018-03-22 2018-09-04 河北省科学院应用数学研究所 一种基于大数据的车辆图像精确检索方法
CN108694387B (zh) * 2018-05-15 2021-10-26 北京智芯原动科技有限公司 一种虚假车牌过滤方法及装置
CN109376617A (zh) * 2018-09-30 2019-02-22 佳都新太科技股份有限公司 车辆套牌识别方法、装置、识别设备及存储介质
CN110491133B (zh) * 2019-08-08 2020-10-16 善泊科技(珠海)有限公司 一种基于置信度的车辆信息校正系统和方法
CN111696217B (zh) * 2020-05-25 2022-01-07 上海金亥通信设备有限公司 一种园区停车管理系统
CN111814751A (zh) * 2020-08-14 2020-10-23 深延科技(北京)有限公司 基于深度学习目标检测和图像识别的车辆属性分析方法及系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103530366B (zh) * 2013-10-12 2016-11-23 湖北微模式科技发展有限公司 一种基于自定义特征的车辆搜索方法与系统
CN104463994A (zh) * 2014-12-25 2015-03-25 黄石一木信息科技有限公司 一种基于rfid与无线网络的不停车收费系统
CN106682087A (zh) * 2016-11-28 2017-05-17 东南大学 一种基于车载装饰品特征稀疏编码的车辆检索方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109325409A (zh) * 2018-08-15 2019-02-12 马金环 通行车辆套牌检验平台

Also Published As

Publication number Publication date
CN107103314A (zh) 2017-08-29

Similar Documents

Publication Publication Date Title
CN107103314B (zh) 一种基于机器视觉的套牌车辆检索识别系统
CN109657552B (zh) 基于迁移学习实现跨场景冷启动的车型识别装置与方法
CN107729818B (zh) 一种基于深度学习的多特征融合车辆重识别方法
Teng et al. Scan: Spatial and channel attention network for vehicle re-identification
CN102968637B (zh) 一种复杂背景图像文字分割方法
CN103714181B (zh) 一种层级化的特定人物检索方法
CN106610969A (zh) 基于多模态信息的视频内容审查系统及方法
Wang et al. An effective method for plate number recognition
CN104063712A (zh) 一种车辆信息提取方法和系统
Türkyılmaz et al. License plate recognition system using artificial neural networks
Laroca et al. On the cross-dataset generalization in license plate recognition
Li et al. Road vehicle monitoring system based on intelligent visual internet of things
AlSawadi et al. Copy-move image forgery detection using local binary pattern and neighborhood clustering
CN113888754B (zh) 一种基于雷达视觉融合的车辆多属性识别方法
CN111461039A (zh) 基于多尺度特征融合的地标识别方法
CN104463233A (zh) 车标识别方法及车标识别装置
Cui et al. Vehicle re-identification by fusing multiple deep neural networks
CN108491828B (zh) 一种基于层次的成对相似性PVAnet的停车位检测系统及方法
CN110659374A (zh) 一种基于神经网络提取车辆特征值及属性的以图搜图方法
De Oliveira et al. Vehicle-Rear: A new dataset to explore feature fusion for vehicle identification using convolutional neural networks
Li et al. Pixel‐Level Recognition of Pavement Distresses Based on U‐Net
Owamoyo et al. Number plate recognition for Nigerian vehicles
CN110555125A (zh) 一种基于局部特征的车辆检索方法
Agarwal et al. The advent of deep learning-based image forgery detection techniques
Lafuente-Arroyo et al. Traffic sign classification invariant to rotations using support vector machines

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
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: No. 777, Zhongguan West Road, Zhuangshi street, Haiqu District, Ningbo City, Zhejiang Province 315200

Patentee after: Zhejiang Nanzi Construction Group Co.,Ltd.

Address before: The official road, Zhenhai District 315204 Zhejiang city of Ningbo province No. 777 Chong Building 7F

Patentee before: ZHEJIANG NANZI INTELLIGENT TECHNOLOGY Co.,Ltd.

CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 315200 room 12-1-2, No. 789, Minhe Road, Luotuo street, Zhenhai District, Ningbo City, Zhejiang Province

Patentee after: Zhejiang Nanzi Construction Group Co.,Ltd.

Address before: 315200 No. 777, Zhongguan West Road, Zhuangshi street, Haiqu District, Ningbo City, Zhejiang Province

Patentee before: Zhejiang Nanzi Construction Group Co.,Ltd.