CN107331157A - 扰民车辆现场识别系统 - Google Patents
扰民车辆现场识别系统 Download PDFInfo
- Publication number
- CN107331157A CN107331157A CN201710751056.4A CN201710751056A CN107331157A CN 107331157 A CN107331157 A CN 107331157A CN 201710751056 A CN201710751056 A CN 201710751056A CN 107331157 A CN107331157 A CN 107331157A
- Authority
- CN
- China
- Prior art keywords
- amplitude
- variation
- pixel
- image
- value
- 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
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
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- 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
-
- 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种扰民车辆现场识别系统,包括:大分贝检测仪,设置在住宅区域内,用于实时检测周围噪声情况,并在检测到的噪声幅值大于等于预设分贝值时,发出噪声干扰信号,否则,发出噪声正常信号,其中,所述预设分贝值是一个基于当前时间而变化的变量;场景捕获设备,设置在住宅区域内、大分贝检测仪的附近,与所述大分贝检测仪连接,默认状态下处于省电状态,在接收到所述噪声干扰信号时,从省电状态进入工作状态;其中,所述场景捕获设备在进入工作状态时,对住宅区域内的主干道进行实时场景数据采集以获得并输出实时场景图像。通过本发明,能够及时对住宅区域附近的扰民车辆进行警示。
Description
技术领域
本发明涉及交通管理领域,尤其涉及一种扰民车辆现场识别系统。
背景技术
车辆的种类虽然多,构造却大同小异。这应该说是标准化的功劳,也是大型生产流水线的需要。随着社会的发展、科技的进步和需求的变化,铁路车辆的外形开始有了改变,尤其是客车车厢不再是清一色的老面孔。但是它们的基本构造并没有重大的改变,只是具体的零部件有了更科学先进的结构设计。
车辆的越来越多也给人们的生活和工作带来了不便,例如,存在一些夜晚飙车族,喜欢深夜时段在居民楼附近道路进行飙车,飙车带来的极大噪音严重影响居民的睡眠,尤其对于一些神经衰弱的人群,而现有技术中并不存在对飙车车辆的跟踪、识别和报警方案。
发明内容
为了解决上述问题,本发明提供了一种扰民车辆现场识别系统,引入了大分贝检测仪,作为启动扰民车辆检测的触发设备,引入包括场景捕获设备、深度检测处理设备、第一变化幅度检测设备、第二变化幅度检测设备、场景捕获单元、状态控制单元、信号输出单元的定制的图像处理设备准确检测出扰民车辆,并采取积极的报警策略,从而震慑居民区附近道路的扰民车辆。
根据本发明的一方面,提供了一种扰民车辆现场识别系统,所述系统包括:大分贝检测仪,设置在住宅区域内,用于实时检测周围噪声情况,并在检测到的噪声幅值大于等于预设分贝值时,发出噪声干扰信号,否则,发出噪声正常信号,其中,所述预设分贝值是一个基于当前时间而变化的变量。
更具体地,在所述扰民车辆现场识别系统中,还包括:场景捕获设备,设置在住宅区域内、大分贝检测仪的附近,与所述大分贝检测仪连接,默认状态下处于省电状态,在接收到所述噪声干扰信号时,从省电状态进入工作状态;其中,所述场景捕获设备在进入工作状态时,对住宅区域内的主干道进行实时场景数据采集以获得并输出实时场景图像。
更具体地,在所述扰民车辆现场识别系统中,还包括:深度检测处理设备,与场景捕获设备连接,用于接收实时场景图像,确定所述实时场景图像对应的深度图像,基于所述深度图像确定所述实时场景图像的深度信息,基于所述实时场景图像的深度信息确定所述实时场景图像中的目标边缘;其中,所述深度检测处理设备还基于所述实时场景图像中的目标边缘对所述实时场景图像进行相应的边缘增强处理以输出对应的深度处理图像。
更具体地,在所述扰民车辆现场识别系统中,还包括:第一变化幅度检测设备,与深度检测处理设备连接,用于接收深度处理图像,对于深度处理图像中的每一个像素的像素值,将其像素值减去其同列下行像素的像素值后获得的差值做平方以获得第一平方值,将其像素值减去其同行下列像素的像素值后获得的差值做平方以获得第二平方值,将第一平方值与第二平方值相加后获得的和进行开方以获得第一变化幅度。
更具体地,在所述扰民车辆现场识别系统中:在所述第一变化幅度检测设备中,深度处理图像的最后一行的每一个像素的第一变化幅度直接取用上一行的同列像素的第一变化幅度,深度处理图像的最后一列的每一个像素的第一变化幅度直接取用上一列的同行像素的第一变化幅度。
更具体地,在所述扰民车辆现场识别系统中,还包括:
第二变化幅度检测设备,与深度检测处理设备连接,用于接收深度处理图像,对于深度处理图像中的每一个像素的像素值,将其像素值减去其同列下行像素的像素值后取绝对值以获得第一绝对值,将其像素值减去其同行下列像素的像素值后取绝对值以获得第二绝对值,将第一绝对值与第二绝对值相加后获得的和作为第二变化幅度,其中,深度处理图像的最后一行的每一个像素的第二变化幅度直接取用上一行的同列像素的第二变化幅度,深度处理图像的最后一列的每一个像素的第二变化幅度直接取用上一列的同行像素的第二变化幅度;变化幅度选择设备,分别与所述第一变化幅度检测设备和所述第二变化幅度检测设备连接,用于对于深度处理图像中的每一个像素的像素值,将其第一变化幅度与其第二变化幅度相比较,取其第一变化幅度与其第二变化幅度之间的最大值最为最终变化幅度;
变化幅度处理设备,与所述变化幅度选择设备连接,用于对于深度处理图像中的每一个像素的像素值,将其最终变化幅度与预设变化幅度阈值进行比较,对于最终变化幅度大于等于预设变化幅度阈值的各个像素,对其像素值进行锐化处理以获得处理后的像素值,对最终变化幅度小于预设变化幅度阈值的各个像素,直接将其像素值作为处理后的像素值,深度处理图像中的所有像素的处理后的像素值形成深度处理图像对应的变化幅度处理图像;其中,根据锐化等级确定预设变化幅度阈值,锐化等级越高,预设变化幅度阈值越小;车辆信息识别设备,与变化幅度处理设备连接,用于接收所述变化幅度处理图像,对所述变化幅度处理图像进行运动目标跟踪以获得当前运动目标子图像,对当前运动目标子图像进行类型识别以获得当前运动目标子图像对应的车辆类型,对当前运动目标子图像进行车牌识别以获得当前运动目标子图像对应的车辆车牌号;现场数据发送设备,与所述车辆信息识别设备连接,用于将当前运动目标子图像对应的车辆类型以及当前运动目标子图像对应的车辆车牌号打包发送给附近的交通管理中心的服务器处。
更具体地,在所述扰民车辆现场识别系统中,还包括:蜂鸣器,设置在住宅区域内、大分贝检测仪的附近,与所述车辆信息识别设备连接,用于在接收到当前运动目标子图像对应的车辆类型时,以与当前运动目标子图像对应的车辆类型对应的播放频率发出蜂鸣声。
更具体地,在所述扰民车辆现场识别系统中:所述深度检测处理设备、所述第一变化幅度检测设备、所述第二变化幅度检测设备、所述变化幅度选择设备、所述变化幅度处理设备、所述车辆信息识别设备和所述现场数据发送设备被集成在同一块SOC芯片上。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明实施方案示出的扰民车辆现场识别系统的结构方框图。
图2为根据本发明实施方案示出的扰民车辆现场识别系统的场景捕获单元的结构方框图。
附图标记:1大分贝检测仪;2场景捕获设备;3深度检测处理设备;4第一变化幅度检测设备;5第二变化幅度检测设备;21场景捕获单元;22状态控制单元;23信号输出单元
具体实施方式
下面将参照附图对本发明的扰民车辆现场识别系统的实施方案进行详细说明。
车辆是“车”与车的单位“辆”的总称。所谓车,是指陆地上用轮子转动的交通工具;所谓辆,来源于古代对车的计量方法。那时的车一般是两个车轮,故车一乘即称一两,后来才写作辆。由此可见,车辆的本义是指本身没有动力的车,用马来牵引叫马车,用人来拉或推叫人力车。随着科学技术的发展,又有了用蒸汽机来牵引的汽车等等。这时车辆的概念已经悄悄起了变化,成为所有车的统称。比如,交通管理部门统计的城市车辆数,报刊上报道的发生多少车辆交通事故等。这里的车辆泛指所有的车。
车辆的发展给人们的出行带来了极大的便利,但也存在两面性,例如噪声污染和尾气污染,在白天,车辆带来的噪声往往淹没在城市噪声中,但是在夜晚,尤其在凌晨,车辆噪声对住宅区的居民能够造成严重的声音污染,在一定程度上干扰了居民的正常休息,而现有技术中缺乏相应的检测报警机制。为了克服上述不足,本发明搭建了一种扰民车辆现场识别系统,具体实施方案如下。
图1为根据本发明实施方案示出的扰民车辆现场识别系统的结构方框图,所述系统包括:
大分贝检测仪,设置在住宅区域内,用于实时检测周围噪声情况,并在检测到的噪声幅值大于等于预设分贝值时,发出噪声干扰信号,否则,发出噪声正常信号;
其中,所述预设分贝值是一个基于当前时间而变化的变量。
接着,继续对本发明的扰民车辆现场识别系统的具体结构进行进一步的说明。
所述系统还包括:
场景捕获设备,设置在住宅区域内、大分贝检测仪的附近,与所述大分贝检测仪连接,默认状态下处于省电状态,在接收到所述噪声干扰信号时,从省电状态进入工作状态;
其中,如图2所示,所述场景捕获设备包括场景捕获单元、状态控制单元和信号输出单元。
其中,所述场景捕获设备在进入工作状态时,对住宅区域内的主干道进行实时场景数据采集以获得并输出实时场景图像。
所述系统还包括:
深度检测处理设备,与场景捕获设备连接,用于接收实时场景图像,确定所述实时场景图像对应的深度图像,基于所述深度图像确定所述实时场景图像的深度信息,基于所述实时场景图像的深度信息确定所述实时场景图像中的目标边缘;
其中,所述深度检测处理设备还基于所述实时场景图像中的目标边缘对所述实时场景图像进行相应的边缘增强处理以输出对应的深度处理图像。
所述系统还包括:
第一变化幅度检测设备,与深度检测处理设备连接,用于接收深度处理图像,对于深度处理图像中的每一个像素的像素值,将其像素值减去其同列下行像素的像素值后获得的差值做平方以获得第一平方值,将其像素值减去其同行下列像素的像素值后获得的差值做平方以获得第二平方值,将第一平方值与第二平方值相加后获得的和进行开方以获得第一变化幅度。
在所述系统中:
在所述第一变化幅度检测设备中,深度处理图像的最后一行的每一个像素的第一变化幅度直接取用上一行的同列像素的第一变化幅度,深度处理图像的最后一列的每一个像素的第一变化幅度直接取用上一列的同行像素的第一变化幅度。
所述系统还包括:
第二变化幅度检测设备,与深度检测处理设备连接,用于接收深度处理图像,对于深度处理图像中的每一个像素的像素值,将其像素值减去其同列下行像素的像素值后取绝对值以获得第一绝对值,将其像素值减去其同行下列像素的像素值后取绝对值以获得第二绝对值,将第一绝对值与第二绝对值相加后获得的和作为第二变化幅度,其中,深度处理图像的最后一行的每一个像素的第二变化幅度直接取用上一行的同列像素的第二变化幅度,深度处理图像的最后一列的每一个像素的第二变化幅度直接取用上一列的同行像素的第二变化幅度;
变化幅度选择设备,分别与所述第一变化幅度检测设备和所述第二变化幅度检测设备连接,用于对于深度处理图像中的每一个像素的像素值,将其第一变化幅度与其第二变化幅度相比较,取其第一变化幅度与其第二变化幅度之间的最大值最为最终变化幅度;
变化幅度处理设备,与所述变化幅度选择设备连接,用于对于深度处理图像中的每一个像素的像素值,将其最终变化幅度与预设变化幅度阈值进行比较,对于最终变化幅度大于等于预设变化幅度阈值的各个像素,对其像素值进行锐化处理以获得处理后的像素值,对最终变化幅度小于预设变化幅度阈值的各个像素,直接将其像素值作为处理后的像素值,深度处理图像中的所有像素的处理后的像素值形成深度处理图像对应的变化幅度处理图像;
其中,根据锐化等级确定预设变化幅度阈值,锐化等级越高,预设变化幅度阈值越小;
车辆信息识别设备,与变化幅度处理设备连接,用于接收所述变化幅度处理图像,对所述变化幅度处理图像进行运动目标跟踪以获得当前运动目标子图像,对当前运动目标子图像进行类型识别以获得当前运动目标子图像对应的车辆类型,对当前运动目标子图像进行车牌识别以获得当前运动目标子图像对应的车辆车牌号;
现场数据发送设备,与所述车辆信息识别设备连接,用于将当前运动目标子图像对应的车辆类型以及当前运动目标子图像对应的车辆车牌号打包发送给附近的交通管理中心的服务器处。
所述系统还包括:
蜂鸣器,设置在住宅区域内、大分贝检测仪的附近,与所述车辆信息识别设备连接,用于在接收到当前运动目标子图像对应的车辆类型时,以与当前运动目标子图像对应的车辆类型对应的播放频率发出蜂鸣声。
以及在所述系统中:
所述深度检测处理设备、所述第一变化幅度检测设备、所述第二变化幅度检测设备、所述变化幅度选择设备、所述变化幅度处理设备、所述车辆信息识别设备和所述现场数据发送设备被集成在同一块SOC芯片上。
另外,SoC的定义多种多样,由于其内涵丰富、应用范围广,很难给出准确定义。一般说来,SoC称为系统级芯片,也有称片上系统,意指他是一个产品,是一个有专用目标的集成电路,其中包含完整系统并有嵌入软件的全部内容。同时他又是一种技术,用以实现从确定系统功能开始,到软/硬件划分,并完成设计的整个过程。从狭义角度讲,他是信息系统核心的芯片集成,是将系统关键部件集成在一块芯片上;从广义角度讲,SoC是一个微小型系统,如果说中央处理器是大脑,那么SoC就是包括大脑、心脏、眼睛和手的系统。国内外学术界一般倾向将SoC定义为将微处理器、模拟IP核、数字IP核和存储器集成在单一芯片上,他通常是客户定制的,或是面向特定用途的标准产品。
SOC通常含有:1、逻辑核包括CPU、时钟电路、定时器、中断控制器、串并行接口、其它外围设备、I/O端口以及用于各种IP核之间的粘合逻辑等;2、存储器核包括各种易失、非易失以及Cache等存储器;3、模拟核包括ADC、DAC、PLL以及一些高速电路中所用的模拟电路。
采用本发明的扰民车辆现场识别系统,针对现有技术中扰民车辆难以现场检测的技术问题,通过对图像进行运动目标跟踪以获得当前运动目标子图像,对当前运动目标子图像进行类型识别以获得当前运动目标子图像对应的车辆类型,对当前运动目标子图像进行车牌识别以获得当前运动目标子图像对应的车辆车牌号,将当前运动目标子图像对应的车辆类型以及当前运动目标子图像对应的车辆车牌号打包发送给附近的交通管理中心的服务器处,从而完成对扰民车辆的检测和报警。
可以理解的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (8)
1.一种扰民车辆现场识别系统,包括:
大分贝检测仪,设置在住宅区域内,用于实时检测周围噪声情况,并在检测到的噪声幅值大于等于预设分贝值时,发出噪声干扰信号,否则,发出噪声正常信号,其中,所述预设分贝值是一个基于当前时间而变化的变量。
2.如权利要求1所述的扰民车辆现场识别系统,其特征在于,所述系统还包括:
场景捕获设备,设置在住宅区域内、大分贝检测仪的附近,与所述大分贝检测仪连接,默认状态下处于省电状态,在接收到所述噪声干扰信号时,从省电状态进入工作状态;
其中,所述场景捕获设备在进入工作状态时,对住宅区域内的主干道进行实时场景数据采集以获得并输出实时场景图像。
3.如权利要求2所述的扰民车辆现场识别系统,其特征在于,所述系统还包括:
深度检测处理设备,与场景捕获设备连接,用于接收实时场景图像,确定所述实时场景图像对应的深度图像,基于所述深度图像确定所述实时场景图像的深度信息,基于所述实时场景图像的深度信息确定所述实时场景图像中的目标边缘;
其中,所述深度检测处理设备还基于所述实时场景图像中的目标边缘对所述实时场景图像进行相应的边缘增强处理以输出对应的深度处理图像。
4.如权利要求3所述的扰民车辆现场识别系统,其特征在于,所述系统还包括:
第一变化幅度检测设备,与深度检测处理设备连接,用于接收深度处理图像,对于深度处理图像中的每一个像素的像素值,将其像素值减去其同列下行像素的像素值后获得的差值做平方以获得第一平方值,将其像素值减去其同行下列像素的像素值后获得的差值做平方以获得第二平方值,将第一平方值与第二平方值相加后获得的和进行开方以获得第一变化幅度。
5.如权利要求4所述的扰民车辆现场识别系统,其特征在于:
在所述第一变化幅度检测设备中,深度处理图像的最后一行的每一个像素的第一变化幅度直接取用上一行的同列像素的第一变化幅度,深度处理图像的最后一列的每一个像素的第一变化幅度直接取用上一列的同行像素的第一变化幅度。
6.如权利要求5所述的扰民车辆现场识别系统,其特征在于,所述系统还包括:
第二变化幅度检测设备,与深度检测处理设备连接,用于接收深度处理图像,对于深度处理图像中的每一个像素的像素值,将其像素值减去其同列下行像素的像素值后取绝对值以获得第一绝对值,将其像素值减去其同行下列像素的像素值后取绝对值以获得第二绝对值,将第一绝对值与第二绝对值相加后获得的和作为第二变化幅度,其中,深度处理图像的最后一行的每一个像素的第二变化幅度直接取用上一行的同列像素的第二变化幅度,深度处理图像的最后一列的每一个像素的第二变化幅度直接取用上一列的同行像素的第二变化幅度;
变化幅度选择设备,分别与所述第一变化幅度检测设备和所述第二变化幅度检测设备连接,用于对于深度处理图像中的每一个像素的像素值,将其第一变化幅度与其第二变化幅度相比较,取其第一变化幅度与其第二变化幅度之间的最大值最为最终变化幅度;
变化幅度处理设备,与所述变化幅度选择设备连接,用于对于深度处理图像中的每一个像素的像素值,将其最终变化幅度与预设变化幅度阈值进行比较,对于最终变化幅度大于等于预设变化幅度阈值的各个像素,对其像素值进行锐化处理以获得处理后的像素值,对最终变化幅度小于预设变化幅度阈值的各个像素,直接将其像素值作为处理后的像素值,深度处理图像中的所有像素的处理后的像素值形成深度处理图像对应的变化幅度处理图像;其中,根据锐化等级确定预设变化幅度阈值,锐化等级越高,预设变化幅度阈值越小;
车辆信息识别设备,与变化幅度处理设备连接,用于接收所述变化幅度处理图像,对所述变化幅度处理图像进行运动目标跟踪以获得当前运动目标子图像,对当前运动目标子图像进行类型识别以获得当前运动目标子图像对应的车辆类型,对当前运动目标子图像进行车牌识别以获得当前运动目标子图像对应的车辆车牌号;
现场数据发送设备,与所述车辆信息识别设备连接,用于将当前运动目标子图像对应的车辆类型以及当前运动目标子图像对应的车辆车牌号打包发送给附近的交通管理中心的服务器处。
7.如权利要求6所述的扰民车辆现场识别系统,其特征在于,所述系统还包括:
蜂鸣器,设置在住宅区域内、大分贝检测仪的附近,与所述车辆信息识别设备连接,用于在接收到当前运动目标子图像对应的车辆类型时,以与当前运动目标子图像对应的车辆类型对应的播放频率发出蜂鸣声。
8.如权利要求6-7任一所述的扰民车辆现场识别系统,其特征在于:
所述深度检测处理设备、所述第一变化幅度检测设备、所述第二变化幅度检测设备、所述变化幅度选择设备、所述变化幅度处理设备、所述车辆信息识别设备和所述现场数据发送设备被集成在同一块SOC芯片上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710751056.4A CN107331157A (zh) | 2017-08-28 | 2017-08-28 | 扰民车辆现场识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710751056.4A CN107331157A (zh) | 2017-08-28 | 2017-08-28 | 扰民车辆现场识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107331157A true CN107331157A (zh) | 2017-11-07 |
Family
ID=60203803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710751056.4A Pending CN107331157A (zh) | 2017-08-28 | 2017-08-28 | 扰民车辆现场识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107331157A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110599745A (zh) * | 2019-08-08 | 2019-12-20 | 南通鑫铭环保技术有限公司 | 一种基于多层写字楼的噪音检测预警方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4006616B2 (ja) * | 2000-12-01 | 2007-11-14 | オムロン株式会社 | 車両監視装置 |
CN105096606A (zh) * | 2015-08-31 | 2015-11-25 | 成都众孚理想科技有限公司 | 汽车鸣笛闯红灯抓拍系统 |
CN105959654A (zh) * | 2016-07-13 | 2016-09-21 | 合肥指南针电子科技有限责任公司 | 一种服务大厅智能管理系统 |
CN106231242A (zh) * | 2016-06-28 | 2016-12-14 | 安徽华脉科技发展有限公司 | 一种图书馆监控系统 |
CN107045784A (zh) * | 2017-01-22 | 2017-08-15 | 苏州奇梦者网络科技有限公司 | 一种电子交警系统 |
-
2017
- 2017-08-28 CN CN201710751056.4A patent/CN107331157A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4006616B2 (ja) * | 2000-12-01 | 2007-11-14 | オムロン株式会社 | 車両監視装置 |
CN105096606A (zh) * | 2015-08-31 | 2015-11-25 | 成都众孚理想科技有限公司 | 汽车鸣笛闯红灯抓拍系统 |
CN106231242A (zh) * | 2016-06-28 | 2016-12-14 | 安徽华脉科技发展有限公司 | 一种图书馆监控系统 |
CN105959654A (zh) * | 2016-07-13 | 2016-09-21 | 合肥指南针电子科技有限责任公司 | 一种服务大厅智能管理系统 |
CN107045784A (zh) * | 2017-01-22 | 2017-08-15 | 苏州奇梦者网络科技有限公司 | 一种电子交警系统 |
Non-Patent Citations (2)
Title |
---|
吴国平: "《数字图像处理原理》", 30 September 2007, 中国地质大学出版社 * |
田泽: "《SOC设计方法学》", 31 December 2016, 西北工业大学出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110599745A (zh) * | 2019-08-08 | 2019-12-20 | 南通鑫铭环保技术有限公司 | 一种基于多层写字楼的噪音检测预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3533681B1 (en) | Method for detecting safety of driving behavior, apparatus and storage medium | |
CN104408917B (zh) | 基于智能手机加速度传感器实时交通路况估计方法 | |
CN110191832A (zh) | 车辆控制装置、车辆控制方法及车辆控制程序 | |
CN109285349B (zh) | 车路协同环境下高速公路交通事件检测方法及预警系统 | |
US20160123750A1 (en) | Navigation Systems that Enhance Driver Awareness | |
CN102167041A (zh) | 一种基于加速度传感器的车辆行驶状态的判定方法 | |
CN102941853A (zh) | 基于实时无线通讯网络的汽车智能辅助驾驶系统及方法 | |
CN104085396A (zh) | 一种全景车道偏离预警方法及系统 | |
CN113593273A (zh) | 一种基于v2i通信的无信号控制道路交叉口碰撞预警方法 | |
CN104359493B (zh) | 智能手机车载情况下的高精度方向校正方法 | |
US20200286382A1 (en) | Data-to-camera (d2c) based filters for improved object detection in images based on vehicle-to-everything communication | |
CN103903465A (zh) | 一种道路拥堵原因实时发布方法及系统 | |
CN105346541B (zh) | 一种基于gis 的汽车主动限速系统及其运行方法 | |
CN107578620B (zh) | 基于车道级系统的道路通行能力的计算方法、系统和装置 | |
CN107331158A (zh) | 一种现场识别扰民车辆的方法 | |
CN107680391A (zh) | 十字路口交通流的二型模糊控制方法 | |
CN107301775A (zh) | 凌晨时段噪音车辆检测平台 | |
CN104574993A (zh) | 一种道路监控的方法及装置 | |
CN104422426B (zh) | 在高架道路区域内提供车辆导航信息的方法和设备 | |
CN113895464A (zh) | 融合个性化驾驶风格的智能车驾驶地图生成方法及系统 | |
CN107331157A (zh) | 扰民车辆现场识别系统 | |
El-Hassan | Experimenting with sensors of a low-cost prototype of an autonomous vehicle | |
CN104111095B (zh) | 基于汽车行驶状态的汽车油耗分析方法及系统 | |
CN108090120A (zh) | 人、车、路智能交通事故肇事成因和责任动画分析系统 | |
CN108010384B (zh) | 一种交通出行安全管理方法 |
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: 20171107 |