CN107591005B - 动静态检测相结合的停车区域管理方法、服务器及系统 - Google Patents
动静态检测相结合的停车区域管理方法、服务器及系统 Download PDFInfo
- Publication number
- CN107591005B CN107591005B CN201710674302.0A CN201710674302A CN107591005B CN 107591005 B CN107591005 B CN 107591005B CN 201710674302 A CN201710674302 A CN 201710674302A CN 107591005 B CN107591005 B CN 107591005B
- Authority
- CN
- China
- Prior art keywords
- parking
- target
- parking space
- target vehicle
- static
- 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
Abstract
本发明涉及了一种基于动态检测和静态检测相结合的停车区域管理方法,包括:静态采集步骤:采集包括目标停车位的静态帧图像,根据所述静态帧图像确定所述目标停车位的静止状态,其中所述静止状态是所述目标停车位在所述静态帧图像中的占用状态;动态采集步骤:采集包括所述目标停车位的动态图像,根据所述动态图像获取目标车辆的停车信息;判断步骤:根据所述静止状态和所述目标车辆的停车信息确定所述目标停车位的停车状态。本发明利用静态帧检测目标停车位上是否有车辆停放,通过动态图像对目标车辆进行识别跟踪,保证了更准确更高效的停车区域识别与违停检测。
Description
技术领域
本发明涉及智能交通(Intelligent Transportation System,简称ITS)领域,尤其涉及一种动静态检测相结合的停车区域管理方法、服务器及系统。
背景技术
随着我国经济的迅猛发展及城市化进程的不断推进,汽车保有量迅速增长,城市停车问题变得越来越棘手,相对应的路边停车、停车场的停车检测系统的需求越来越高。目前在路边停车、停车场的视频检测中,核心需求是对泊位上是否停放车辆进行检测。目前的视频检测系统中,多采用静态检测的技术手段,但是在仅仅采用静态检测时,存在车辆的种类众多,车辆停放角度方式各异,并且车辆样本数量不足等实际问题,导致分类的准确率不高,并且只能判断泊位上是否有车辆停放,并不能精准的得到车辆停放的位置。
发明内容
为解决上述问题,本发明提供一种基于动态检测和静态检测相结合的停车区域管理方法,其特征在于,包括:
静态采集步骤:采集包括目标停车位的静态帧图像,根据所述静态帧图像确定所述目标停车位的静止状态,其中所述静止状态是所述目标停车位在所述静态帧图像中的占用状态;
动态采集步骤:采集包括所述目标停车位的动态图像,根据所述动态图像获取目标车辆的停车信息;
判断步骤:根据所述静止状态和所述目标车辆的停车信息确定所述目标停车位的停车状态。
进一步的,所述静态采集步骤具体包括:
根据所述目标停车位的位置获取包括所述目标停车位的静态帧图像;
提取所述静态帧图像的特征,其中所述静态帧图像的特征为车辆轮廓边缘特征、LBP特征或HOG特征;
根据所述静态帧图像的特征判断所述目标停车位的静止状态。
进一步的,所述动态采集步骤具体包括:
获取包括所述目标停车位的动态图像;
对所述动态图像进行标定,确定所述动态图像中的位置和现实位置的对应关系;
根据所述动态图像中的位置和现实位置的对应关系确定所述动态图像中目标车辆的停车信息。
进一步的,所述根据所述动态图像中的位置和现实位置的对应关系确定所述动态图像中目标车辆的停车信息步骤具体为:
获取所述动态图像中的每一帧图像中的特征点;
对所述每一帧图像中的所述特征点进行聚类分析;
对所述动态图像中相邻帧进行特征点匹配,并将所述特征点的在所述动态图像中的位置换算为现实位置;
对所述相邻帧间的同一所述特征点的现实位置做差分,就得到了相邻两帧dt时间内的所述特征点的移动距离,求得所述特征点移动的速度;
根据所述特征点的位置和移动速度获取所述目标车辆的位置信息和速度信息,其中所述目标车辆的位置信息和速度信息为所述目标车辆的停车信息。
进一步的,在所述对所述每一帧图像中的所述特征点进行聚类分析步骤之后;所述对所述动态图像中相邻帧进行特征点匹配步骤之前还包括:
获取所述动态图像中当前帧内的所述目标车辆的特征点;
判断当前帧内所述目标车辆的特征点是否存在;
若不存在,则以前一帧内所述目标车辆的特征点为基础,基于线性最小协方差原则预测所述当前帧内所述目标车辆的特征点。
进一步的,所述判断步骤具体为:
当所述目标停车位的静止状态为无车辆停放时,则判断所述目标停车位为空闲车位,
当所述目标停车位的静止状态为有车辆停放时:
若根据所述目标车辆的停车信息判断所述目标车辆整体停在所述目标停车位内,则为正常停车;
若根据所述目标车辆的停车信息判断所述目标车辆停车位置仅一部分在所述目标停车位内,则判断为跨位停车。
进一步的,所述判断步骤还包括:
若根据所述目标车辆的停车信息判断所述目标车辆停车位置不在任何一个停车位内,则判断为违章停车。
再一方面,还公开了一种停车管理服务器,包括:
静态采集模块,用于采集包括目标停车位的静态帧图像,根据所述静态帧图像确定所述目标停车位的静止状态,其中所述静止状态是所述目标停车位在所述静态帧图像中的占用状态;
动态采集模块,用于采集包括所述目标停车位的动态图像,根据所述动态图像获取目标车辆的停车信息;
判断模块,用于根据所述静止状态和所述目标车辆的停车信息确定所述目标停车位的停车状态。
在一方面,还公开了一种停车管理服务器,包括处理器和存储器,所述存储器用于存储程序指令,以使所述处理器加载所述程序指令,完成如上所述的方法步骤。
再一个方面,一种停车管理系统,包括摄像头,和所述摄像头相连的如上所述的服务器。
实施本发明的技术方案,能够结合静态检测与动态检测各自的优点,相对目前只能实现静态检测的系统,可以动态实现车辆停车位置识别与违停检测,并且精准性高,抗环境因素强,同时搭建系统的工程量小,可更加快捷、经济、方便的实现车辆停车位置识别与违停检测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。附图中:
图1是应用场景示意图;
图2是本发明基于动态检测和静态检测相结合的停车区域管理方法的流程图;
图3是本发明再一个基于动态检测和静态检测相结合的停车区域管理方法的流程图;
图4是本发明再一个基于动态检测和静态检测相结合的停车区域管理方法的流程图。
具体实施方式
本发明所述的方法应用于如图1所示的停车管理系统,包括摄像头1和服务器(图中未示出),其中摄像头1覆盖复数个停车位和通行道路,当目标车辆需停入目标停车位时,由于摄像头1覆盖了通行道路,因此可以拍摄到目标车辆整个停车过程。服务器和摄像头1连接,并获取该摄像头1拍摄的图像数据,从所述图像数据中提取需要的静态帧图像和动态图像。其中在摄像头1设置好后,需对摄像头1覆盖范围的停车位进行标记,即确定每个停车位的位置、范围和编号。
实施例一,基于动态检测和静态检测相结合的停车区域管理方法,包括:
静态采集步骤:采集包括目标停车位的静态帧图像,根据所述静态帧图像确定所述目标停车位的静止状态,其中所述静止状态是所述目标停车位在所述静态帧图像中的占用状态。
具体的,从图像数据中提取需要的静态帧图像,根据目标停车位的位置和范围,获取停车位子图,并对子图像进行特征提取,根据特征判断目标停车位上是否有车辆停放,并将该停放状态记录为静止状态。
动态采集步骤:采集包括所述目标停车位的动态图像,根据所述动态图像获取目标车辆的停车信息;
判断步骤:根据所述静止状态和所述目标车辆的停车信息确定所述目标停车位的停车状态。
进一步的,所述判断步骤具体为:
当所述目标停车位的静止状态为无车辆停放时,则判断所述目标停车位为空闲车位。容易理解的静止状态对目标停车位的判断结果为无车辆停放;同时根据目标车辆的停车信息与该停车位的位置、范围进行对比,如果车辆没有出现在该停车位内,则目标停车位的停车状态为无车辆停放。如果目标车辆出现在该停车位内,说明目标车辆驶入停车位还没有停稳,无法判断目标车辆是否停止在该停车位位置,所以目标停车位的停车状态仍然为无车辆停放。
当所述目标停车位的静止状态为有车辆停放时:
若根据所述目标车辆的停车信息判断所述目标车辆整体停在所述目标停车位内,则为正常停车;
若根据所述目标车辆的停车信息判断所述目标车辆停车位置仅一部分在所述目标停车位内,则判断为跨位停车。
具体的,当目标停车位的静止状态为有车停放,并持续3秒都有车停放时,根据目标车辆的停车信息判断目标车辆的停止位置,本实施例中,停车信息包括位置信息、速度信息和面积信息,其中面积信息可以通过对图像数据进行特征提取获得。通过与目标停车位的位置、范围对比,确定目标车辆整体停放在停车位位置内,说明目标车辆属于正常停车。
如果目标车辆的停车位置并不仅处在目标停车位的范围内,且目标车辆面积小于目标停车位面积,说明目标车辆属于跨位停车。如果目标停车位的静止状态同其相邻的停车位的静止状态均为有车辆停放,且根据所述目标车辆停车信息发现,该两停车位上停放的是同一辆体积较大的客车,则也属于跨位停车。路边停车或停车场管理系统应该按照对应的异常停车方式进行处理。
进一步的,所述判断步骤还包括:
若根据所述目标车辆的停车信息判断所述目标车辆停车位置不在任何一个停车位内,则判断为违章停车。在路内停车的情况下,部分车主为了逃避缴费,因此把车辆停在没有划定的停车位的地方,由于摄像头1覆盖范围包括了道路,因此可以识别该种违停方式。
实施例二,在实施例一的基础上,所述静态采集步骤具体包括:
步骤S101:根据所述目标停车位的位置获取包括所述目标停车位的静态帧图像;
步骤S102:提取所述静态帧图像的特征,其中所述静态帧图像的特征为车辆轮廓边缘特征、LBP(Local Binary Pattern,局部二值模式)特征或HOG HOG(Histogram ofOriented Gradient,HOG,方向梯度直方图)特征。
步骤S103:根据所述静态帧图像的特征判断所述目标停车位的静止状态。以LBP特征为例,将提取的LBP特征进行SVM(Support Vector Machine,支持向量机)分类,通过SVM根据LBP特征实现二类问题分类,即有车辆与无车辆的分类,从而判断固定泊位上是否有车辆停放。
实施例三,在实施例一的基础上,所述动态采集步骤包括:
步骤S201:获取包括所述目标停车位的动态图像;也就是从摄像头1的图像数据中获取该动态图像。
步骤S202:对所述动态图像进行标定,确定所述动态图像中的位置和现实位置的对应关系;具体的,先要对摄像头1进行标定,即设置图像数据中的点和现实中的点对应,得到摄像头1机的标定参数,实现目标车辆在图像数据中位置转化成现实位置。从而解决了目标车辆位置信息与速度信息中的近大远小的问题。
步骤S203:根据所述动态图像中的位置和现实位置的对应关系确定所述动态图像中目标车辆的停车信息。
具体的,获取所述动态图像中的每一帧图像中的特征点;其中以光流算法为例:
设动态图像上的点(x,y)在t时刻的灰度为I(x,y,t);
设光流w=(u,v)在该点的水平和垂直移动分量u(x,y)和v(x,y);
经过间隔dt后对应点为I(x+dt,y+dy,t+dt),当dt→0,灰度I保持不变,得到I(x,y,t)=I(x+dt,y+dy,t+dt),此式由泰勒展开,忽略二阶无穷小,整理得到基本的光流约束方程:
对所述每一帧图像中的所述特征点进行聚类分析,即按照样本空间的相似性划分成几个类的过程。通过聚类分析将同一帧图像中的所有的特征点,根据特征点的位置信息和速度信息进行聚类分析,从而可以区分标识多个不同的运动车辆,进而计算得到的特征点的运动参数信息以及运动车辆的位置和面积信息,此时目标车辆的停车信息除目标车辆的位置信息、速度信息外,还包括目标车辆的面积信息;
对所述动态图像中相邻帧进行特征点匹配,并将所述特征点的在所述动态图像中的位置换算为现实位置;对所述相邻帧间的同一所述特征点的现实位置做差分,就得到了相邻两帧dt时间内的所述特征点的移动距离,求得所述特征点移动的速度;根据所述特征点的位置和移动速度获取所述目标车辆的位置信息和速度信息,其中所述目标车辆的位置信息和速度信息为所述目标车辆的停车信息。如上所述,停车信息还包括目标车辆的面积信息。
其中,在所述对所述每一帧图像中的所述特征点进行聚类分析步骤之后;所述对所述动态图像中相邻帧进行特征点匹配步骤之前还包括:获取所述动态图像中当前帧内的所述目标车辆的特征点;判断当前帧内所述目标车辆的特征点是否存在;若不存在,则以前一帧内所述目标车辆的特征点为基础,基于线性最小协方差原则预测所述当前帧内所述目标车辆的特征点。
容易理解的,实施例二和实施例三分别都是基于实施例一的技术方案,同时实施例二和实施例三并不存在冲突,因此可以同时是使用,在此不展开说明。
实施例四、本发明还提供了一种停车管理服务器,包括:
静态采集模块,用于采集包括目标停车位的静态帧图像,根据所述静态帧图像确定所述目标停车位的静止状态,其中所述静止状态是所述目标停车位在所述静态帧图像中的占用状态;
动态采集模块,用于采集包括所述目标停车位的动态图像,根据所述动态图像获取目标车辆的停车信息;
判断模块,用于根据所述静止状态和所述目标车辆的停车信息确定所述目标停车位的停车状态。
本发明还提供了一种停车管理服务器,包括处理器和存储器,所述存储器用于存储程序指令,以使所述处理器加载所述程序指令,完成如实施例一、实施例二或实施例三的方法步骤。
实施例五,本发明还提供了一种停车管理系统,包括摄像头1,和所述摄像头1相连的如实施例四所述的服务器。
采用本发明,能够结合静态检测与动态检测各自的优点,相对目前只能实现静态检测的系统,可以动态实现车辆停车位置识别与违停检测,并且精准性高,抗环境因素强,同时搭建系统的工程量小,可更加快捷、经济、方便的实现车辆停车位置识别与违停检测。
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,所作的任何纂改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (8)
1.一种基于动态检测和静态检测相结合的停车区域管理方法,其特征在于,包括:
静态采集步骤:采集包括目标停车位的静态帧图像,根据所述静态帧图像确定所述目标停车位的静止状态,其中所述静止状态是所述目标停车位在所述静态帧图像中的占用状态;
动态采集步骤:采集包括所述目标停车位的动态图像,根据所述动态图像获取目标车辆的停车信息;
判断步骤:根据所述静止状态和所述目标车辆的停车信息确定所述目标停车位的停车状态;
所述动态采集步骤具体包括:
获取包括所述目标停车位的动态图像;
对所述动态图像进行标定,确定所述动态图像中的位置和现实位置的对应关系;
根据所述动态图像中的位置和现实位置的对应关系确定所述动态图像中目标车辆的停车信息;
所述根据所述动态图像中的位置和现实位置的对应关系确定所述动态图像中目标车辆的停车信息步骤具体为:
获取所述动态图像中的每一帧图像中的特征点;
对所述每一帧图像中的所述特征点进行聚类分析;
对所述动态图像中相邻帧进行特征点匹配,并将所述特征点的在所述动态图像中的位置换算为现实位置;
对所述相邻帧间的同一所述特征点的现实位置做差分,就得到了相邻两帧dt时间内的所述特征点的移动距离,求得所述特征点移动的速度;
根据所述特征点的位置和移动速度获取所述目标车辆的位置信息和速度信息,其中所述目标车辆的位置信息和速度信息为所述目标车辆的停车信息。
2.根据权利要求1所述的管理方法,其特征在于,所述静态采集步骤具体包括:
根据所述目标停车位的位置获取包括所述目标停车位的静态帧图像;
提取所述静态帧图像的特征,其中所述静态帧图像的特征为车辆轮廓边缘特征、LBP特征或HOG特征;
根据所述静态帧图像的特征判断所述目标停车位的静止状态。
3.根据权利要求1所述的管理方法,其特征在于,在所述对所述每一帧图像中的所述特征点进行聚类分析步骤之后;所述对所述动态图像中相邻帧进行特征点匹配步骤之前还包括:
获取所述动态图像中当前帧内的所述目标车辆的特征点;
判断当前帧内所述目标车辆的特征点是否存在;
若不存在,则以前一帧内所述目标车辆的特征点为基础,基于线性最小协方差原则预测所述当前帧内所述目标车辆的特征点。
4.根据权利要求1所述的管理方法,其特征在于,所述判断步骤具体为:
当所述目标停车位的静止状态为无车辆停放时,则判断所述目标停车位为空闲车位,
当所述目标停车位的静止状态为有车辆停放时:
若根据所述目标车辆的停车信息判断所述目标车辆整体停在所述目标停车位内,则为正常停车;
若根据所述目标车辆的停车信息判断所述目标车辆停车位置仅一部分在所述目标停车位内,则判断为跨位停车。
5.根据权利要求4所述的管理方法,其特征在于,所述判断步骤还包括:
若根据所述目标车辆的停车信息判断所述目标车辆停车位置不在任何一个停车位内,则判断为违章停车。
6.一种停车管理服务器,其特征在于,包括:
静态采集模块,用于采集包括目标停车位的静态帧图像,根据所述静态帧图像确定所述目标停车位的静止状态,其中所述静止状态是所述目标停车位在所述静态帧图像中的占用状态;
动态采集模块,用于采集包括所述目标停车位的动态图像,根据所述动态图像获取目标车辆的停车信息;
判断模块,用于根据所述静止状态和所述目标车辆的停车信息确定所述目标停车位的停车状态;
所述动态采集模块用于采集包括所述目标停车位的动态图像,根据所述动态图像获取目标车辆的停车信息时具体包括:
获取包括所述目标停车位的动态图像;
对所述动态图像进行标定,确定所述动态图像中的位置和现实位置的对应关系;
根据所述动态图像中的位置和现实位置的对应关系确定所述动态图像中目标车辆的停车信息;
所述根据所述动态图像中的位置和现实位置的对应关系确定所述动态图像中目标车辆的停车信息步骤具体为:
获取所述动态图像中的每一帧图像中的特征点;
对所述每一帧图像中的所述特征点进行聚类分析;
对所述动态图像中相邻帧进行特征点匹配,并将所述特征点的在所述动态图像中的位置换算为现实位置;
对所述相邻帧间的同一所述特征点的现实位置做差分,就得到了相邻两帧dt时间内的所述特征点的移动距离,求得所述特征点移动的速度;
根据所述特征点的位置和移动速度获取所述目标车辆的位置信息和速度信息,其中所述目标车辆的位置信息和速度信息为所述目标车辆的停车信息。
7.一种停车管理服务器,其特征在于,包括处理器和存储器,所述存储器用于存储程序指令,以使所述处理器加载所述程序指令,完成如权利要求1-5任一项所述的方法步骤。
8.一种停车管理系统,其特征在于,包括摄像头,和所述摄像头相连的如权利要求6或7所述的服务器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710674302.0A CN107591005B (zh) | 2017-08-09 | 2017-08-09 | 动静态检测相结合的停车区域管理方法、服务器及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710674302.0A CN107591005B (zh) | 2017-08-09 | 2017-08-09 | 动静态检测相结合的停车区域管理方法、服务器及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107591005A CN107591005A (zh) | 2018-01-16 |
CN107591005B true CN107591005B (zh) | 2020-07-03 |
Family
ID=61042658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710674302.0A Active CN107591005B (zh) | 2017-08-09 | 2017-08-09 | 动静态检测相结合的停车区域管理方法、服务器及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107591005B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108510784B (zh) * | 2018-04-16 | 2021-03-09 | 西安艾润物联网技术服务有限责任公司 | 停车场停车位检测方法、系统及存储介质 |
CN108335525A (zh) * | 2018-04-16 | 2018-07-27 | 西安艾润物联网技术服务有限责任公司 | 停车管理方法、系统及存储介质 |
CN109118821A (zh) * | 2018-09-28 | 2019-01-01 | 安徽灵图壹智能科技有限公司 | 一种智能停车管理方法及系统、智能停车管理平台 |
CN111351474B (zh) * | 2018-12-24 | 2022-07-12 | 上海欧菲智能车联科技有限公司 | 车辆移动目标检测方法、装置和系统 |
CN109766799B (zh) * | 2018-12-28 | 2021-02-12 | 百度在线网络技术(北京)有限公司 | 车位识别模型训练方法及装置和车位识别方法及装置 |
CN110008957B (zh) * | 2019-04-04 | 2023-06-06 | 上海天诚比集科技有限公司 | 基于车牌识别和图像方差算法的小区违停告警方法 |
CN111547060B (zh) * | 2020-05-15 | 2021-04-13 | 保隆霍富(上海)电子有限公司 | 一种判断车辆运行静止的方法 |
CN111932933B (zh) * | 2020-08-05 | 2022-07-26 | 杭州像素元科技有限公司 | 一种城市智能停车位检测方法、设备及可读存储介质 |
CN115035714A (zh) * | 2022-05-05 | 2022-09-09 | 浙江大华技术股份有限公司 | 车辆停车行为确定方法、电子设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101656023A (zh) * | 2009-08-26 | 2010-02-24 | 西安理工大学 | 一种视频监视模式下的室内停车场管理方法 |
KR20110011893A (ko) * | 2009-07-29 | 2011-02-09 | (주)에코맥스 | 지정주차공간의 주차관리 및 이동 유도장치 |
EP2375394A1 (en) * | 2010-04-12 | 2011-10-12 | Quality Information Systems, S.A. | Parked vehicle location system |
JP2011215703A (ja) * | 2010-03-31 | 2011-10-27 | Aisin Aw Co Ltd | 駐車位置案内装置、方法およびプログラム |
KR20120020568A (ko) * | 2010-08-30 | 2012-03-08 | 최현배 | 장애인 전용 주차시스템 |
CN103366602A (zh) * | 2012-03-29 | 2013-10-23 | 施乐公司 | 从数字摄像头图像确定停车场占用情况的方法 |
CN103824452A (zh) * | 2013-11-22 | 2014-05-28 | 银江股份有限公司 | 一种轻量级的基于全景视觉的违章停车检测装置 |
CN105046948A (zh) * | 2015-05-08 | 2015-11-11 | 天津大学 | 一种黄色网格线区域内交通违章停车监测系统和方法 |
CN105869182A (zh) * | 2016-06-17 | 2016-08-17 | 北京精英智通科技股份有限公司 | 一种停车位状态检测方法和系统 |
CN106611510A (zh) * | 2015-10-27 | 2017-05-03 | 富士通株式会社 | 车位检测装置、电子设备及方法 |
-
2017
- 2017-08-09 CN CN201710674302.0A patent/CN107591005B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110011893A (ko) * | 2009-07-29 | 2011-02-09 | (주)에코맥스 | 지정주차공간의 주차관리 및 이동 유도장치 |
CN101656023A (zh) * | 2009-08-26 | 2010-02-24 | 西安理工大学 | 一种视频监视模式下的室内停车场管理方法 |
JP2011215703A (ja) * | 2010-03-31 | 2011-10-27 | Aisin Aw Co Ltd | 駐車位置案内装置、方法およびプログラム |
EP2375394A1 (en) * | 2010-04-12 | 2011-10-12 | Quality Information Systems, S.A. | Parked vehicle location system |
KR20120020568A (ko) * | 2010-08-30 | 2012-03-08 | 최현배 | 장애인 전용 주차시스템 |
CN103366602A (zh) * | 2012-03-29 | 2013-10-23 | 施乐公司 | 从数字摄像头图像确定停车场占用情况的方法 |
CN103824452A (zh) * | 2013-11-22 | 2014-05-28 | 银江股份有限公司 | 一种轻量级的基于全景视觉的违章停车检测装置 |
CN105046948A (zh) * | 2015-05-08 | 2015-11-11 | 天津大学 | 一种黄色网格线区域内交通违章停车监测系统和方法 |
CN106611510A (zh) * | 2015-10-27 | 2017-05-03 | 富士通株式会社 | 车位检测装置、电子设备及方法 |
CN105869182A (zh) * | 2016-06-17 | 2016-08-17 | 北京精英智通科技股份有限公司 | 一种停车位状态检测方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107591005A (zh) | 2018-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107591005B (zh) | 动静态检测相结合的停车区域管理方法、服务器及系统 | |
CN111368687B (zh) | 一种基于目标检测和语义分割的人行道车辆违停检测方法 | |
CN109816024B (zh) | 一种基于多尺度特征融合与dcnn的实时车标检测方法 | |
CN106373426B (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
CN109087510B (zh) | 交通监测方法及装置 | |
US11380104B2 (en) | Method and device for detecting illegal parking, and electronic device | |
Huang et al. | Vehicle detection and inter-vehicle distance estimation using single-lens video camera on urban/suburb roads | |
CN104599502A (zh) | 一种基于视频监控的车流量统计方法 | |
CN105160309A (zh) | 基于图像形态学分割及区域生长的三车道检测方法 | |
CN111626277B (zh) | 一种基于治超站交调指标分析的车辆跟踪方法及装置 | |
CN101286239A (zh) | 航拍交通视频车辆快速检测方法 | |
CN102419820A (zh) | 一种快速检测视频与图像中汽车车标的方法 | |
CN102867417A (zh) | 一种出租车防伪系统及方法 | |
CN105574944A (zh) | 基于公路车辆识别智能收费系统及方法 | |
CN113759391A (zh) | 一种基于激光雷达的可通行区域检测方法 | |
CN113205107A (zh) | 一种基于改进高效率网络的车型识别方法 | |
CN103679214A (zh) | 基于在线面积估计和多特征决策融合的车辆检测方法 | |
Lu et al. | A high accurate vehicle speed estimation method | |
CN116012815A (zh) | 交通元素识别方法、多任务网络模型及训练方法和装置 | |
Pan et al. | A novel vision-based framework for identifying dynamic vehicle loads on long-span bridges: A case study of Jiangyin Bridge, China | |
JP2018055597A (ja) | 車種判別装置および車種判別方法 | |
Hu et al. | Traffic density recognition based on image global texture feature | |
Miles et al. | Camera-based system for the automatic detection of vehicle axle count and speed using convolutional neural networks | |
CN202887450U (zh) | 一种出租车防伪系统 | |
Yu et al. | Length-based vehicle classification in multi-lane traffic flow |
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 |