CN107292277B - 一种路侧双车位停车跟踪方法 - Google Patents
一种路侧双车位停车跟踪方法 Download PDFInfo
- Publication number
- CN107292277B CN107292277B CN201710522441.1A CN201710522441A CN107292277B CN 107292277 B CN107292277 B CN 107292277B CN 201710522441 A CN201710522441 A CN 201710522441A CN 107292277 B CN107292277 B CN 107292277B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- parking
- video image
- model
- 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
Links
Images
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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
-
- 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
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Abstract
本发明提供一种路侧双车位停车跟踪方法,其包括:对路侧双车位的视频图像进行检测,判断视频图像中是否存在车辆;当视频图像中存在车辆时,识别车辆的车牌信息,并根据车牌信息跟踪车辆;确定视频图像中下一帧图像的车辆预置位,并将视频图像中当前帧图像的车辆运动轨迹与车辆预置位进行跟踪匹配:当匹配失败时重新对视频图像进行检测;当匹配成功时,判断视频图像中是车辆的车头还是车尾,并根据判断结果确定车辆停留的车位;连续多帧跟踪车辆的运动轨迹,并根据车辆的运动轨迹判断车辆的停车状态;保存车辆的车牌信息和停车状态。本发明可同时对路侧的两个车位进行检测及停车车辆跟踪,从而节约了设备资源,节省了管理成本。
Description
技术领域
本发明涉及停车管理技术领域,具体涉及一种路侧双车位停车跟踪方法。
背景技术
目前,普通的停车位视频监控设备,因为机器视觉限制以及算法机制局限,只能对一个车位的进出车辆进行识别,一个车位需配套一个设备,造成设备资源浪费、车位管理成本大,并且施工安装工期较长。
发明内容
针对上述现有技术中存在的不足之处,本发明提供一种路侧双车位停车跟踪方法。该方法可同时对路侧的两个车位进行检测及停车车辆跟踪,从而节约了设备资源,节省了管理成本。
该路侧双车位停车跟踪方法包括:对路侧双车位的视频图像进行检测,判断所述视频图像中是否存在车辆;当所述视频图像中存在车辆时,识别所述车辆的车牌信息,并根据所述车牌信息跟踪所述车辆;确定所述视频图像中下一帧图像的车辆预置位,并将所述视频图像中当前帧图像的车辆运动轨迹与所述车辆预置位进行跟踪匹配;当匹配失败时重新对所述视频图像进行检测;当匹配成功时,判断所述视频图像中是所述车辆的车头还是车尾,并根据判断结果确定所述车辆停留的车位;连续多帧跟踪所述车辆的运动轨迹,并根据所述车辆的运动轨迹判断所述车辆的停车状态;保存所述车辆的车牌信息和所述停车状态。
可选地,所述对路侧双车位的视频图像进行检测的步骤之前,所述方法还包括:通过车辆模型训练获得车头模型和车尾模型;所述对路侧双车位的视频图像进行检测,判断所述视频图像中是否存在车辆,具体为:根据所述车头模型和所述车尾模型对路侧双车位的视频图像进行检测,判断所述视频图像中是否存在车辆;所述判断所述视频图像中是所述车辆的车头还是车尾,具体为:根据所述车头模型和所述车尾模型判断所述视频图像中是所述车辆的车头还是车尾。
可选地,所述根据所述车头模型和所述车尾模型对路侧双车位的视频图像进行检测,判断所述视频图像中是否存在车辆,具体为:使用滑框扫描的方式在所述视频图像中搜索与所述车头模型或车尾模型相似的区域;当搜索到与所述车头模型或车尾模型相似的区域时,判断所述视频图像中存在车辆;当既没有搜索到与所述车头模型相似的区域,也没有搜索到与所述车尾模型相似的区域时,判断所述视频图像中不存在车辆。
可选地,所述对路侧双车位的视频图像进行检测,判断所述视频图像中是否存在车辆的步骤之后,所述方法还包括:当所述视频图像中不存在车辆时,重新对所述视频图像进行检测。
可选地,所述方法还包括:通过车辆模型训练获得车牌模型;所述识别所述车辆的车牌信息,具体为:使用滑框扫描的方式在所述视频图像中搜索与所述车牌模型相似的区域,并在对搜索到的区域图像进行图像矫正、图像增强处理后,识别车牌颜色、号码信息。
可选地,所述判断所述视频图像中是所述车辆的车头还是车尾,并根据判断结果确定所述车辆停留的车位,包括:判断所述视频图像中是所述车辆的车头还是车尾;当所述视频图像中是所述车辆的车头时,判断所述车辆位于左边车位;当所述视频图像中是所述车辆的车尾时,判断所述车辆位于右边车位。
可选地,所述根据所述车辆的运动轨迹判断所述车辆的停车状态,包括:判断所述车辆的运动轨迹是否连续多帧位于车位内;当所述车辆的运动轨迹连续多帧位于车位内时,确定所述车辆驶入车位;当所述车辆的运动轨迹不是连续多帧位于车位内时,判断所述车辆的运动轨迹是否形成离开轨迹;当所述车辆的运动轨迹未形成离开轨迹时,重新对所述视频图像进行检测;当所述车辆的运动轨迹形成离开轨迹时,判断是否连续多帧无所述车辆的运动轨迹;当不是连续多帧无所述车辆的运动轨迹时,重新对所述视频图像进行检测;当连续多帧无所述车辆的运动轨迹时,确定所述车辆驶离车位。
可选地,所述保存所述车辆的车牌信息和所述停车状态,包括:以第一数组队列存放左边车位对应的车牌信息和停车状态,以第二数组队列存放右边车位对应的车牌信息和停车状态。
本发明的路侧双车位停车跟踪方法通过对路侧双车位的视频图像进行检测,判断视频图像中是否存在车辆;当视频图像中存在车辆时,识别车辆的车牌信息,并根据车牌信息跟踪车辆;确定视频图像中下一帧图像的车辆预置位,并将视频图像中当前帧图像的车辆运动轨迹与车辆预置位进行跟踪匹配:当匹配失败时重新对视频图像进行检测;当匹配成功时,判断视频图像中是车辆的车头还是车尾,并根据判断结果确定车辆停留的车位;连续N帧跟踪车辆的运动轨迹,并根据车辆的运动轨迹判断车辆的停车状态;保存车辆的车牌信息和停车状态。从而可同时对路侧的两个车位进行检测及停车车辆跟踪,进而节约了设备资源,节省了管理成本。
附图说明
图1为本发明第一实施例中路侧双车位停车跟踪方法的流程图;
图2为本发明第二实施例中路侧双车位停车跟踪方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,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的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。
第一实施例
请参阅图1,图1示出了本发明第一实施例的路侧双车位停车跟踪方法的流程图,具体步骤如下:
S101,对路侧双车位的视频图像进行检测,然后进入步骤102。
需要说明的是,步骤101中是利用模型训练的方式,通过大量的车辆模型训练获得车头模型和车尾模型,然后根据车头模型和车尾模型对路侧双车位的视频图像进行检测。具体为,使用滑框扫描的方式在视频图像中搜索与车头模型或车尾模型相似的区域。
S102,判断视频图像中是否存在车辆,当视频图像中不存在车辆时,进入步骤101,当视频图像中存在车辆时,进入步骤103。
需要说明的是,步骤102中判断视频图像中是否存在车辆的方式为,当步骤101中搜索到与车头模型或车尾模型相似的区域时,则判断视频图像中存在车辆;当步骤101中既没有搜索到与车头模型相似的区域,也没有搜索到与车尾模型相似的区域时,则判断视频图像中不存在车辆。
S103,识别车辆的车牌信息,并根据车牌信息跟踪车辆,然后进入步骤104。
需要说明的是,步骤103中对于车牌信息的识别是通过以下方式,首先利用模型训练的方式,通过大量的车辆模型训练获得车牌模型,然后使用滑框扫描的方式在视频图像中搜索与车牌模型相似的区域,并在对搜索到的区域图像进行图像矫正、图像增强处理后,识别车牌颜色、号码信息。
S104,确定视频图像中下一帧图像的车辆预置位,并将视频图像中当前帧图像的车辆运动轨迹与车辆预置位进行跟踪匹配,然后进入步骤105。
需要说明的是,步骤104中的车辆预置位可以根据具体需求设定,例如将其设定为刚好可以检测到车辆的车头或车位的位置,并根据车辆运动轨迹是否与该车辆预置位匹配,来确定是否可以判断该车辆所停留的车位。
S105,判断匹配是否成功,当匹配失败时,进入步骤101,当匹配成功时,进入步骤106。
S106,判断视频图像中是车辆的车头还是车尾,并根据判断结果确定车辆停留的车位,然后进入步骤107。
需要说明的是,步骤106中是通过上述的车头模型和车尾模型来判断视频图像中是车辆的车头还是车尾。当视频图像中是车辆的车头时,判断该车辆位于左边车位;当视频图像中是车辆的车尾时,则判断车辆位于右边车位。
S107,连续多帧跟踪车辆的运动轨迹,并根据车辆的运动轨迹判断车辆的停车状态,然后进入步骤108。
需要说明的是,步骤107中是通过判断车辆的运动轨迹与其所停留的车位之间的位置关系来判断车辆的停车状态。具体为,判断车辆的运动轨迹是否连续多帧位于车位内;当车辆的运动轨迹连续多帧位于车位内时,确定车辆驶入车位;当车辆的运动轨迹不是连续多帧位于车位内时,判断车辆的运动轨迹是否形成离开轨迹;当车辆的运动轨迹未形成离开轨迹时,重新对视频图像进行检测;当车辆的运动轨迹形成离开轨迹时,判断是否连续多帧无所述车辆的运动轨迹;当不是连续多帧无车辆的运动轨迹时,重新对视频图像进行检测;当连续多帧无车辆的运动轨迹时,确定车辆驶离车位。
S108,保存车辆的车牌信息和停车状态。
需要说明的是,步骤108中是以数组队列的形式保存车辆的车牌信息和停车状态,具体为,以第一数组队列存放左边车位对应的车牌信息和停车状态,以第二数组队列存放右边车位对应的车牌信息和停车状态。
本实施例的路侧双车位停车跟踪方法通过对路侧双车位的视频图像进行检测,判断视频图像中是否存在车辆;当视频图像中存在车辆时,识别车辆的车牌信息,并根据车牌信息跟踪车辆;确定视频图像中下一帧图像的车辆预置位,并将视频图像中当前帧图像的车辆运动轨迹与车辆预置位进行跟踪匹配:当匹配失败时重新对视频图像进行检测;当匹配成功时,判断视频图像中是车辆的车头还是车尾,并根据判断结果确定车辆停留的车位;连续N帧跟踪车辆的运动轨迹,并根据车辆的运动轨迹判断车辆的停车状态;保存车辆的车牌信息和停车状态。从而可同时对路侧的两个车位进行检测及停车车辆跟踪,进而节约了设备资源,节省了管理成本。
第二实施例
请参阅图2,图2示出了本发明第二实施例的路侧双车位停车跟踪方法的流程图,具体步骤如下:
S201,对路侧双车位的视频图像进行检测,然后进入步骤202。
需要说明的是,步骤201中是利用模型训练的方式,通过大量的车辆模型训练获得车头模型和车尾模型,然后根据车头模型和车尾模型对路侧双车位的视频图像进行检测。具体为,使用滑框扫描的方式在视频图像中搜索与车头模型或车尾模型相似的区域。
S202,判断视频图像中是否存在车辆,当视频图像中不存在车辆时,进入步骤201,当视频图像中存在车辆时,进入步骤203。
需要说明的是,步骤202中判断视频图像中是否存在车辆的方式为,当步骤201中搜索到与车头模型或车尾模型相似的区域时,则判断视频图像中存在车辆;当步骤201中既没有搜索到与车头模型相似的区域,也没有搜索到与车尾模型相似的区域时,则判断视频图像中不存在车辆。
S203,识别车辆的车牌信息,并根据车牌信息跟踪车辆,然后进入步骤204。
需要说明的是,步骤203中对于车牌信息的识别是通过以下方式,首先利用模型训练的方式,通过大量的车辆模型训练获得车牌模型,然后使用滑框扫描的方式在视频图像中搜索与车牌模型相似的区域,并在对搜索到的区域图像进行图像矫正、图像增强处理后,识别车牌颜色、号码信息。
S204,确定视频图像中下一帧图像的车辆预置位,并将视频图像中当前帧图像的车辆运动轨迹与车辆预置位进行跟踪匹配,然后进入步骤205。
需要说明的是,步骤204中的车辆预置位可以根据具体需求设定,例如将其设定为刚好可以检测到车辆的车头或车位的位置,并根据车辆运动轨迹是否与该车辆预置位匹配,来确定是否可以判断该车辆所停留的车位。
S205,判断匹配是否成功,当匹配失败时,进入步骤201,当匹配成功时,进入步骤206。
S206,判断视频图像中是否是车头,当视频图像中是车头时,进入步骤207,当视频图像中不是车头时,进入步骤208。
S207,确定车辆位于左边车位,然后进入步骤2010。
S208,判断视频图像中是否是车尾,当视频图像中是车尾时,进入步骤209,当视频图像中不是车尾时,进入步骤201。
S109,确定车辆位于右边车位,然后进入步骤2010。
需要说明的是,上述步骤中是通过上述的车头模型和车尾模型来判断视频图像中是车辆的车头还是车尾。当视频图像中是车辆的车头时,判断该车辆位于左边车位;当视频图像中是车辆的车尾时,则判断车辆位于右边车位。
S2010,判断车辆的运动轨迹是否连续多帧位于车位内,当车辆的运动轨迹连续多帧位于车位内时,进入步骤2011,当车辆的运动轨迹不是连续多帧位于车位内时,进入步骤2012。
S2011,确定车辆驶入车位,然后进入步骤2015。
S2012,判断车辆的运动轨迹是否形成离开轨迹,当车辆的运动轨迹未形成离开轨迹时,进入步骤201,当车辆的运动轨迹形成离开轨迹时,进入步骤2013。
S2013,判断是否连续多帧无车辆的运动轨迹,当不是连续多帧无车辆的运动轨迹时,进入步骤201,当连续多帧无车辆的运动轨迹时,进入步骤2014。
S2014,确定车辆驶离车位,然后进入步骤2015。
S2015,保存车辆的车牌信息和停车状态。
需要说明的是,步骤2015中是以数组队列的形式保存车辆的车牌信息和停车状态,具体为,以第一数组队列存放左边车位对应的车牌信息和停车状态,以第二数组队列存放右边车位对应的车牌信息和停车状态。
本实施例的路侧双车位停车跟踪方法通过对路侧双车位的视频图像进行检测,判断视频图像中是否存在车辆;当视频图像中存在车辆时,识别车辆的车牌信息,并根据车牌信息跟踪车辆;确定视频图像中下一帧图像的车辆预置位,并将视频图像中当前帧图像的车辆运动轨迹与车辆预置位进行跟踪匹配:当匹配失败时重新对视频图像进行检测;当匹配成功时,判断视频图像中是车辆的车头还是车尾,并根据判断结果确定车辆停留的车位;连续N帧跟踪车辆的运动轨迹,并根据车辆的运动轨迹判断车辆的停车状态;保存车辆的车牌信息和停车状态。从而可同时对路侧的两个车位进行检测及停车车辆跟踪,进而节约了设备资源,节省了管理成本。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照本发明的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
还需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种路侧双车位停车跟踪方法,其特征在于,所述方法包括:
通过车辆模型训练获得车头模型和车尾模型,通过车辆模型训练获得车牌模型;
对路侧双车位的视频图像进行检测,判断所述视频图像中是否存在车辆,具体为:根据所述车头模型和所述车尾模型对路侧双车位的视频图像进行检测,判断所述视频图像中是否存在车辆;
当所述视频图像中存在车辆时,识别所述车辆的车牌信息,具体为:使用滑框扫描的方式在所述视频图像中搜索与所述车牌模型相似的区域,并在对搜索到的区域图像进行图像矫正、图像增强处理后,识别车牌颜色、号码信息,并根据所述车牌信息跟踪所述车辆;
确定所述视频图像中下一帧图像的车辆预置位,并将所述视频图像中当前帧图像的车辆运动轨迹与所述车辆预置位进行跟踪匹配;
当匹配失败时重新对所述视频图像进行检测;
当匹配成功时,判断所述视频图像中是所述车辆的车头还是车尾,具体为:根据所述车头模型和所述车尾模型判断所述视频图像中的目标是所述车辆的车头还是车尾,并根据判断结果确定所述车辆停留的车位;
连续多帧跟踪所述车辆的运动轨迹,并根据所述车辆的运动轨迹判断所述车辆的停车状态;
保存所述车辆的车牌信息和所述停车状态;
所述根据所述车辆的运动轨迹判断所述车辆的停车状态,包括:
判断所述车辆的运动轨迹是否连续多帧位于车位内;
当所述车辆的运动轨迹连续多帧位于车位内时,确定所述车辆驶入车位;
当所述车辆的运动轨迹不是连续多帧位于车位内时,判断所述车辆的运动轨迹是否形成离开轨迹;
当所述车辆的运动轨迹未形成离开轨迹时,重新对所述视频图像进行检测;
当所述车辆的运动轨迹形成离开轨迹时,判断是否连续多帧无所述车辆的运动轨迹;
当不是连续多帧无所述车辆的运动轨迹时,重新对所述视频图像进行检测;
当连续多帧无所述车辆的运动轨迹时,确定所述车辆驶离车位。
2.如权利要求1所述的路侧双车位停车跟踪方法,其特征在于,所述根据所述车头模型和所述车尾模型对路侧双车位的视频图像进行检测,判断所述视频图像中是否存在车辆,具体为:
使用滑框扫描的方式在所述视频图像中搜索与所述车头模型或车尾模型相似的区域;
当搜索到与所述车头模型或车尾模型相似的区域时,判断所述视频图像中存在车辆;
当既没有搜索到与所述车头模型相似的区域,也没有搜索到与所述车尾模型相似的区域时,判断所述视频图像中不存在车辆。
3.如权利要求1所述的路侧双车位停车跟踪方法,其特征在于,所述对路侧双车位的视频图像进行检测,判断所述视频图像中是否存在车辆的步骤之后,所述方法还包括:
当所述视频图像中不存在车辆时,重新对所述视频图像进行检测。
4.如权利要求1所述的路侧双车位停车跟踪方法,其特征在于,所述判断所述视频图像中的目标是所述车辆的车头还是车尾,并根据判断结果确定所述车辆停留的车位,包括:
判断所述视频图像中的目标是所述车辆的车头还是车尾;
当所述视频图像中的目标是所述车辆的车头时,判断所述车辆位于左边车位;
当所述视频图像中的目标是所述车辆的车尾时,判断所述车辆位于右边车位。
5.如权利要求1所述的路侧双车位停车跟踪方法,其特征在于,所述保存所述车辆的车牌信息和所述停车状态,包括:
以第一数组队列存放左边车位对应的车牌信息和停车状态,以第二数组队列存放右边车位对应的车牌信息和停车状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710522441.1A CN107292277B (zh) | 2017-06-30 | 2017-06-30 | 一种路侧双车位停车跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710522441.1A CN107292277B (zh) | 2017-06-30 | 2017-06-30 | 一种路侧双车位停车跟踪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107292277A CN107292277A (zh) | 2017-10-24 |
CN107292277B true CN107292277B (zh) | 2020-08-21 |
Family
ID=60099285
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710522441.1A Active CN107292277B (zh) | 2017-06-30 | 2017-06-30 | 一种路侧双车位停车跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107292277B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107945521A (zh) * | 2017-11-20 | 2018-04-20 | 青岛比特信息技术有限公司 | 一种枪球联动路侧泊车检测系统及方法 |
CN108288386A (zh) * | 2018-01-29 | 2018-07-17 | 深圳信路通智能技术有限公司 | 基于视频的路内停车跟踪方法 |
CN109509368A (zh) * | 2018-12-21 | 2019-03-22 | 深圳信路通智能技术有限公司 | 一种基于车顶模型的停车行为算法 |
CN109712428A (zh) * | 2019-02-27 | 2019-05-03 | 爱笔(北京)智能科技有限公司 | 一种停车位置定位方法及装置、系统 |
CN111932901B (zh) * | 2019-05-13 | 2022-08-09 | 斑马智行网络(香港)有限公司 | 道路车辆跟踪检测设备、方法及存储介质 |
CN112382101B (zh) * | 2020-11-02 | 2022-11-04 | 北京精英路通科技有限公司 | 一种车位管理方法、装置、计算机设备及存储介质 |
CN112836699A (zh) * | 2020-11-30 | 2021-05-25 | 爱泊车美好科技有限公司 | 一种基于长时多目标跟踪的泊位出入场事件分析方法 |
CN112712708A (zh) * | 2020-12-28 | 2021-04-27 | 上海眼控科技股份有限公司 | 信息检测方法、装置、设备及存储介质 |
CN114664096B (zh) * | 2022-03-24 | 2023-04-28 | 北京四象网讯科技有限公司 | 停车场的监控视频处理方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103605953A (zh) * | 2013-10-31 | 2014-02-26 | 电子科技大学 | 基于滑窗搜索的车辆兴趣目标检测方法 |
CN104936825A (zh) * | 2013-01-25 | 2015-09-23 | 市政停车服务公司 | 停车计系统 |
US20160171312A1 (en) * | 2013-07-22 | 2016-06-16 | Kabushiki Kaisha Toshiba | Vehicle monitoring apparatus and vehicle monitoring method |
CN105894823A (zh) * | 2016-06-03 | 2016-08-24 | 北京精英智通科技股份有限公司 | 一种停车入位检测方法和装置及系统 |
-
2017
- 2017-06-30 CN CN201710522441.1A patent/CN107292277B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104936825A (zh) * | 2013-01-25 | 2015-09-23 | 市政停车服务公司 | 停车计系统 |
US20160171312A1 (en) * | 2013-07-22 | 2016-06-16 | Kabushiki Kaisha Toshiba | Vehicle monitoring apparatus and vehicle monitoring method |
CN103605953A (zh) * | 2013-10-31 | 2014-02-26 | 电子科技大学 | 基于滑窗搜索的车辆兴趣目标检测方法 |
CN105894823A (zh) * | 2016-06-03 | 2016-08-24 | 北京精英智通科技股份有限公司 | 一种停车入位检测方法和装置及系统 |
Non-Patent Citations (1)
Title |
---|
基于HOG纹理的全天时十字路口车尾检测算法;余典等;《光学与光电技术》;20140630;第12卷(第03期);第18-23页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107292277A (zh) | 2017-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107292277B (zh) | 一种路侧双车位停车跟踪方法 | |
CN107705552B (zh) | 一种应急车道占用行为检测方法、装置及系统 | |
US9870510B2 (en) | Apparatus and method for counting moving objects | |
CN105825185A (zh) | 车辆防碰撞预警方法及装置 | |
JP5123812B2 (ja) | 道路標示認識システム | |
US20170068862A1 (en) | Method for lane detection | |
CN112365719B (zh) | 一种车位管理方法、装置、计算机设备及存储介质 | |
US20150235105A1 (en) | Apparatus and method for rapidly detecting object of interest | |
US20230177954A1 (en) | Systems and methods for identifying vehicles using wireless device identifiers | |
CN104239847A (zh) | 行车警示方法及车用电子装置 | |
CN114419552A (zh) | 基于目标检测的违章车辆追踪方法及系统 | |
WO2021093335A1 (en) | Method for automatically labeling lane changing intention based on high-noise trajectory data of vehicle | |
CN103093229A (zh) | 车标定位方法及装置 | |
CN112364742A (zh) | 一种车位管理方法、装置、计算机设备及存储介质 | |
CN109800684B (zh) | 一种视频中对象的确定方法及装置 | |
CN109344829B (zh) | 一种高速铁路列车的车号识别方法及装置 | |
CN108230705B (zh) | 一种停车场中路径规划方法及装置 | |
CN113095345A (zh) | 数据匹配方法、装置和数据处理设备 | |
CN109344776B (zh) | 数据处理方法 | |
CN111325178A (zh) | 警示物检测结果获取方法、装置、计算机设备和存储介质 | |
CN114882709B (zh) | 车辆拥堵检测方法、装置及计算机存储介质 | |
CN111105619A (zh) | 一种路侧逆向停车的判断方法及装置 | |
CN109740518B (zh) | 一种视频中对象的确定方法及装置 | |
CN110874935B (zh) | 识别车辆车牌的方法、系统及装置 | |
KR101698266B1 (ko) | 지능형 고속 다중 객체 인식 장치 및 방법 |
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 |