CN107993488A - 一种基于鱼眼相机的车位识别方法、系统及介质 - Google Patents
一种基于鱼眼相机的车位识别方法、系统及介质 Download PDFInfo
- Publication number
- CN107993488A CN107993488A CN201711330971.2A CN201711330971A CN107993488A CN 107993488 A CN107993488 A CN 107993488A CN 201711330971 A CN201711330971 A CN 201711330971A CN 107993488 A CN107993488 A CN 107993488A
- Authority
- CN
- China
- Prior art keywords
- parking stall
- image
- shaped structure
- fisheye camera
- point
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/168—Driving aids for parking, e.g. acoustic or visual feedback on parking space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于鱼眼相机的车位识别方法、系统及介质,车位图像获取模块利用车辆四周安装的鱼眼相机,拍摄车位获取所述车位的连续的图像信号,并对采集到的图像信号进行畸变校正和俯视图变换;车位图像预处理模块,与所述车位图像获取模块连接,对所述车位图像获取模块得到的俯视图进行二值化、形态学处理、区域生长算法去除小面积区域及图像细化预处理;停车位检测生成模块,与所述车位图像预处理模块连接,查找所述车位图像预处理模块得到的图像中停车位特有的T形结构并生成最终的停车位,解决现有技术中不能方便快捷的检测停车位的技术问题,采用本方法可高效、准确的检测停车位。
Description
技术领域
本发明涉及车位检测技术领域,具体而言,涉及一种基于鱼眼相机的车位检测识别方法、系统及介质。
背景技术
随着人民生活水平的不断提升,人均持有汽车的数量也在逐年上升,与此同时,人们也越来越关注汽车的安全性与智能化。而一款智能自动泊车系统不但可以帮助用户安全、快捷的完成泊车,更是避免了停车时出现意外的情况,因此具有很大的应用价值。而停车位检测作为自动泊车的第一步,其停车位位置的确定是整个系统的基础,只有精确地探测到停车位并确定出停车位与车辆的相对位置关系,系统才能更好的实现泊车辅助的功能。
常用的停车位检测算法有很多,有基于驾驶人员交互的、基于相邻障碍物的超声波雷达检测和基于环境中固定安装设备的多种检测方法。这些方法大都适用范围有限。
因此,如何方便快捷的检测停车位成为本领域技术人员面临的一大难题。
发明内容
本发明提供一种基于鱼眼相机的车位识别方法,采用鱼眼相机采取图像,并对图像进行预处理和停车位检测的方式,解决现有技术中不能方便快捷的检测停车位的技术问题。
本发明为解决上述技术问题而提供的这种基于鱼眼相机的车位识别方法,该方法包括以下步骤:
A. 利用车辆四周安装的鱼眼相机,拍摄车位获取车位的连续图像信号,并对采集到的图像信号进行畸变校正和俯视图变换;
B. 对车位图像的俯视图进行滤波得到灰度图,采用局部自适应阈值二值化算法对所述车位图像俯视图的灰度图进行二值化;
C. 对所得到的二值化图像先进行膨胀操作再进行腐蚀操作;
D. 采用区域生长算法对上述形态学处理后的二值图进行连通域生长,并统计连通域所含像素点的个数作为各个连通域的面积,将连通域面积小于一定值的区域去除;
E. 采用Hilditch细化算法提取去除小面积区域后的二值图的图像骨架;
F. 通过细化图像像素点8邻域分析对二值图的图像骨架进行T形结构初步筛选;
G. 聚类分析T形结构的候选对象,提取得到T形结构主方向;
H. 对聚类分析提取T形结构主方向筛选后的T形结构候选对象进行配对生成;
I. 通过直线生长算法确定出一个完整的停车位。
所述步骤F中所述对二值图的图像骨架进行8邻域分析还包括以下分步骤:
F1.提取三个8邻域满足像素值大于0的点;
F2.把这三个点互不相邻的图像骨架上的像素点作为T形结构的候选对象进行存储。
所述步骤G中的聚类分析还包括以下分步骤:
G1. 以所述候选对象为中心,确定一个一定大小的ROI区域,对每个这样的ROI区域进行搜索;
G2. 该区域中某个像素点到中心的距离在一定范围内,且该点是图像细化后骨架上的一点,则将该点加入候选点,如此直至遍历完所有ROI区域;
G3. 对每个ROI区域中的候选点进行聚类,此时,聚类的结果若刚好为三个点,说明该候选对象是正确的T形结构,且该三个点代表了T形结构的三个方向,根据所述T形结构的三个方向点之间的距离关系确定唯一代表T形结构主方向的点。
所述步骤H中配对生成是对所述聚类分析提取T形结构主方向步骤筛选后的T形结构候选对象进行两两配对,若两个候选对象中心之间的距离在一定范围内,且两个候选对象的主方向一致以及两个候选对象中心的连线与不代表主方向的另外两点所在的向量平行,则说明这两个T形结构可以确定一个停车位。
所述步骤I中直线生长算法还包括以下分步骤:
I1. 在细化图像上,以筛选出的可以代表停车位的“T”形结构的中心作为初始种子点进行生长,将种子点的8邻域分成8个生长方向,并按照各个方向进行生长;
I2. 将8邻域中与种子像素有相同或相似性质的像素合并到种子像素所在的区域中
I3. 将这些新像素当作新的种子继续上面的过程,直到没有满足条件的像素可被包括进来,至此细化图像中的一条直线就生长出来了。
一种基于鱼眼相机的车位识别系统,所述基于鱼眼相机的车位识别系统包括存储器、处理器以及存储在所述存储器上的计算机程序,所述计算机程序配置为由所述处理器调用时实现所述的方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序配置为由处理器调用时实现所述的方法的步骤。
本发明所具有的有益效果:采用本技术方案,可以高效、准确的检测出停车位,是整个自动泊车系统的关键部分。
附图说明
图1是本发明所述车位检测识别方法组成模块示意图。
图2是本发明所述车位检测方法流程图。
具体实施方式
结合上述附图说明本发明的具体实施例。
由图1可知,本发明一种基于鱼眼相机的车识别方法包括依次连接的车位图像获取模块、车位图像预处理模块、停车位检测生成模块。所述车位图像获取模块是利用鱼眼相机获取车位的图像信号,并对图像信号进行畸变校正和俯视图变换。所述车位图像预处理模块是对俯视图进行二值化、形态学处理、区域生长算法去除小面积区域及图像细化预处理。所述停车位检测生成模块是查找所述车位图像预处理模块得到的图像中停车位特有的T形结构,并生成最终的停车位。
由图2可知,所述基于鱼眼相机的车位识别方法包括以下步骤:
A. 利用车辆四周安装的鱼眼相机,拍摄车位获取车位的连续图像信号,并对采集到的图像信号进行畸变校正和俯视图变换;
B. 对车位图像的俯视图进行滤波得到灰度图,采用局部自适应阈值二值化算法对所述车位图像俯视图的灰度图进行二值化;
C. 对所得到的二值化图像先进行膨胀操作再进行腐蚀操作;
D. 采用区域生长算法对上述形态学处理后的二值图进行连通域生长,并统计连通域所含像素点的个数作为各个连通域的面积,将连通域面积小于一定值的区域去除;
E. 采用Hilditch细化算法提取去除小面积区域后的二值图的图像骨架;
F. 通过细化图像像素点8邻域分析对二值图的图像骨架进行T形结构初步筛选;
G. 聚类分析T形结构的候选对象,提取得到T形结构主方向;
H. 对聚类分析提取T形结构主方向筛选后的T形结构候选对象进行配对生成;
I. 通过直线生长算法确定出一个完整的停车位。
所述步骤F中所述对二值图的图像骨架进行8邻域分析还包括以下分步骤:
F1.提取三个8邻域满足像素值大于0的点;
F2.把这三个点互不相邻的图像骨架上的像素点作为T形结构的候选对象进行存储。
所述步骤G中的聚类分析还包括以下分步骤:
G1. 以所述候选对象为中心,确定一个一定大小的ROI区域,对每个这样的ROI区域进行搜索;
G2. 该区域中某个像素点到中心的距离在一定范围内,且该点是图像细化后骨架上的一点,则将该点加入候选点,如此直至遍历完所有ROI区域;
G3. 对每个ROI区域中的候选点进行聚类,此时,聚类的结果若刚好为三个点,说明该候选对象是正确的T形结构,且该三个点代表了T形结构的三个方向,根据所述T形结构的三个方向点之间的距离关系确定唯一代表T形结构主方向的点。
所述步骤H中配对生成是对所述聚类分析提取T形结构主方向步骤筛选后的T形结构候选对象进行两两配对,若两个候选对象中心之间的距离在一定范围内,且两个候选对象的主方向一致以及两个候选对象中心的连线与不代表主方向的另外两点所在的向量平行,则说明这两个T形结构可以确定一个停车位。
所述步骤I中直线生长算法还包括以下分步骤:
I1. 在细化图像上,以筛选出的可以代表停车位的“T”形结构的中心作为初始种子点进行生长,将种子点的8邻域分成8个生长方向,并按照各个方向进行生长;
I2. 将8邻域中与种子像素有相同或相似性质的像素合并到种子像素所在的区域中
I3. 将这些新像素当作新的种子继续上面的过程,直到没有满足条件的像素可被包括进来,至此细化图像中的一条直线就生长出来了。
一种基于鱼眼相机的车位识别系统,所述基于鱼眼相机的车位识别系统包括存储器、处理器以及存储在所述存储器上的计算机程序,所述计算机程序配置为由所述处理器调用时实现所述的方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序配置为由处理器调用时实现所述的方法的步骤。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明具体实施只局限于这些说明,对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于发明的保护范围。
Claims (7)
1.一种基于鱼眼相机的车位识别方法,该方法包括以下步骤:
A. 利用车辆四周安装的鱼眼相机,拍摄车位获取车位的连续图像信号,并对采集到的图像信号进行畸变校正和俯视图变换;
B. 对车位图像的俯视图进行滤波得到灰度图,采用局部自适应阈值二值化算法对所述车位图像俯视图的灰度图进行二值化;
C. 对所得到的二值化图像先进行膨胀操作再进行腐蚀操作;
D. 采用区域生长算法对上述形态学处理后的二值图进行连通域生长,并统计连通域所含像素点的个数作为各个连通域的面积,将连通域面积小于一定值的区域去除;
E. 采用Hilditch细化算法提取去除小面积区域后的二值图的图像骨架;
F. 通过细化图像像素点8邻域分析对二值图的图像骨架进行T形结构初步筛选,确定候选对象;
G. 聚类分析T形结构的候选对象,提取得到T形结构主方向;
H. 对聚类分析提取T形结构主方向筛选后的T形结构候选对象进行配对生成;
I. 通过直线生长算法确定出一个完整的停车位。
2.根据权利要求1所述的基于鱼眼相机的车位识别方法,其特征在于:所述步骤F中对所述二值图的图像骨架进行8邻域分析还包括以下分步骤:
F1.提取三个8邻域满足像素值大于0的点;
F2.把这三个点互不相邻的图像骨架上的像素点作为T形结构的候选对象进行存储。
3.根据权利要求1所述的基于鱼眼相机的车位识别方法,其特征在于:所述步骤G中的聚类分析还包括以下分步骤:
G1. 以所述候选对象为中心,确定一个一定大小的ROI区域,对每个这样的ROI区域进行搜索;
G2. 该区域中某个像素点到中心的距离在一定范围内,且该点是图像细化后骨架上的一点,则将该点加入候选点,如此直至搜索完所有ROI区域;
G3. 对每个ROI区域中的候选点进行聚类,此时,聚类的结果若刚好为三个点,说明该候选对象是正确的T形结构,且该三个点代表了T形结构的三个方向,根据所述T形结构的三个方向点之间的距离关系确定唯一代表T形结构主方向的点。
4.根据权利要求1所述的基于鱼眼相机的车位识别方法,其特征在于:所述步骤H中所述配对生成是对步骤G筛选后的T形结构候选对象进行两两配对,若两个候选对象中心之间的距离在一定范围内,且两个候选对象的主方向一致以及两个候选对象中心的连线与不代表主方向的另外两点所在的向量平行,则说明这两个T形结构可以确定一个停车位。
5.根据权利要求1所述的基于鱼眼相机的车位识别方法,其特征在于:所述步骤I中直线生长算法还包括以下分步骤:
I1. 在细化图像上,以筛选出的可以代表停车位的T形结构的中心作为初始种子点进行生长,将种子点的8邻域分成8个生长方向,并按照各个方向进行生长;
I2. 将8邻域中与种子像素有相同或相似性质的像素合并到种子像素所在的区域中;
I3. 将这些新像素当作新的种子继续上面的过程,直到没有满足条件的像素可被包括进来,至此细化图像中的一条直线就生长出来了。
6.一种基于鱼眼相机的车位识别系统,其特征在于:所述基于鱼眼相机的车位识别系统包括存储器、处理器以及存储在所述存储器上的计算机程序,所述计算机程序配置为由所述处理器调用时实现权利要求1-5中任一项所述的方法的步骤。
7.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质存储有计算机程序,所述计算机程序配置为由处理器调用时实现权利要求1-5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711330971.2A CN107993488B (zh) | 2017-12-13 | 2017-12-13 | 一种基于鱼眼相机的车位识别方法、系统及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711330971.2A CN107993488B (zh) | 2017-12-13 | 2017-12-13 | 一种基于鱼眼相机的车位识别方法、系统及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107993488A true CN107993488A (zh) | 2018-05-04 |
CN107993488B CN107993488B (zh) | 2021-07-06 |
Family
ID=62038306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711330971.2A Active CN107993488B (zh) | 2017-12-13 | 2017-12-13 | 一种基于鱼眼相机的车位识别方法、系统及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107993488B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109430984A (zh) * | 2018-12-12 | 2019-03-08 | 云南电网有限责任公司电力科学研究院 | 一种适用于电力场所的图像化智能安全盔 |
CN109649384A (zh) * | 2019-02-15 | 2019-04-19 | 华域汽车系统股份有限公司 | 一种泊车辅助方法 |
CN109685000A (zh) * | 2018-12-21 | 2019-04-26 | 广州小鹏汽车科技有限公司 | 一种基于视觉的车位检测方法及装置 |
WO2020019930A1 (zh) * | 2018-07-25 | 2020-01-30 | 广州小鹏汽车科技有限公司 | 一种自动泊车方法及装置 |
CN111008563A (zh) * | 2019-11-01 | 2020-04-14 | 湖北工程学院 | 一种暗光场景种子发芽检测方法、装置及可读存储介质 |
CN111376895A (zh) * | 2018-12-29 | 2020-07-07 | 上海汽车集团股份有限公司 | 一种环视泊车感知方法、装置、自动泊车系统和车辆 |
CN112767425A (zh) * | 2020-12-30 | 2021-05-07 | 智车优行科技(北京)有限公司 | 一种基于视觉的车位检测方法及装置 |
CN113240742A (zh) * | 2021-05-18 | 2021-08-10 | 西南交通大学 | 一种基于视觉像素链接直线检测的火车倒车辅助检测方法 |
CN113313968A (zh) * | 2021-05-18 | 2021-08-27 | 武汉光庭信息技术股份有限公司 | 车位检测方法及存储介质 |
CN116030633A (zh) * | 2023-02-21 | 2023-04-28 | 天津汉云工业互联网有限公司 | 一种车辆隧道预警方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005216200A (ja) * | 2004-02-02 | 2005-08-11 | Alpine Electronics Inc | 他車検出装置及び他車検出方法 |
JP4055785B2 (ja) * | 2005-04-08 | 2008-03-05 | 住友電気工業株式会社 | 移動物体の高さ検出方法及び装置並びに物体形状判定方法及び装置 |
CN101807352A (zh) * | 2010-03-12 | 2010-08-18 | 北京工业大学 | 一种模糊模式识别的车位检测方法 |
CN104851076A (zh) * | 2015-05-27 | 2015-08-19 | 武汉理工大学 | 用于商用车的全景环视泊车辅助系统及摄像头安装方法 |
CN102968634B (zh) * | 2012-11-23 | 2016-08-03 | 南京大学 | 一种主方向约束下的停车场结构提取方法 |
CN106952477A (zh) * | 2017-04-26 | 2017-07-14 | 智慧互通科技有限公司 | 基于多相机图像联合处理的路侧停车管理方法 |
CN107133591A (zh) * | 2017-05-05 | 2017-09-05 | 深圳前海华夏智信数据科技有限公司 | 基于结构光的车位检测方法及装置 |
CN107256535A (zh) * | 2017-06-06 | 2017-10-17 | 斑马信息科技有限公司 | 全景环视图像的显示方法及装置 |
CN107424116A (zh) * | 2017-07-03 | 2017-12-01 | 浙江零跑科技有限公司 | 基于侧环视相机的泊车位检测方法 |
-
2017
- 2017-12-13 CN CN201711330971.2A patent/CN107993488B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005216200A (ja) * | 2004-02-02 | 2005-08-11 | Alpine Electronics Inc | 他車検出装置及び他車検出方法 |
JP4055785B2 (ja) * | 2005-04-08 | 2008-03-05 | 住友電気工業株式会社 | 移動物体の高さ検出方法及び装置並びに物体形状判定方法及び装置 |
CN101807352A (zh) * | 2010-03-12 | 2010-08-18 | 北京工业大学 | 一种模糊模式识别的车位检测方法 |
CN102968634B (zh) * | 2012-11-23 | 2016-08-03 | 南京大学 | 一种主方向约束下的停车场结构提取方法 |
CN104851076A (zh) * | 2015-05-27 | 2015-08-19 | 武汉理工大学 | 用于商用车的全景环视泊车辅助系统及摄像头安装方法 |
CN106952477A (zh) * | 2017-04-26 | 2017-07-14 | 智慧互通科技有限公司 | 基于多相机图像联合处理的路侧停车管理方法 |
CN107133591A (zh) * | 2017-05-05 | 2017-09-05 | 深圳前海华夏智信数据科技有限公司 | 基于结构光的车位检测方法及装置 |
CN107256535A (zh) * | 2017-06-06 | 2017-10-17 | 斑马信息科技有限公司 | 全景环视图像的显示方法及装置 |
CN107424116A (zh) * | 2017-07-03 | 2017-12-01 | 浙江零跑科技有限公司 | 基于侧环视相机的泊车位检测方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020019930A1 (zh) * | 2018-07-25 | 2020-01-30 | 广州小鹏汽车科技有限公司 | 一种自动泊车方法及装置 |
CN109430984A (zh) * | 2018-12-12 | 2019-03-08 | 云南电网有限责任公司电力科学研究院 | 一种适用于电力场所的图像化智能安全盔 |
CN109685000A (zh) * | 2018-12-21 | 2019-04-26 | 广州小鹏汽车科技有限公司 | 一种基于视觉的车位检测方法及装置 |
CN111376895A (zh) * | 2018-12-29 | 2020-07-07 | 上海汽车集团股份有限公司 | 一种环视泊车感知方法、装置、自动泊车系统和车辆 |
CN109649384B (zh) * | 2019-02-15 | 2020-08-14 | 华域汽车系统股份有限公司 | 一种泊车辅助方法 |
CN109649384A (zh) * | 2019-02-15 | 2019-04-19 | 华域汽车系统股份有限公司 | 一种泊车辅助方法 |
CN111008563A (zh) * | 2019-11-01 | 2020-04-14 | 湖北工程学院 | 一种暗光场景种子发芽检测方法、装置及可读存储介质 |
CN111008563B (zh) * | 2019-11-01 | 2023-05-23 | 湖北工程学院 | 一种暗光场景种子发芽检测方法、装置及可读存储介质 |
CN112767425A (zh) * | 2020-12-30 | 2021-05-07 | 智车优行科技(北京)有限公司 | 一种基于视觉的车位检测方法及装置 |
CN113240742A (zh) * | 2021-05-18 | 2021-08-10 | 西南交通大学 | 一种基于视觉像素链接直线检测的火车倒车辅助检测方法 |
CN113313968A (zh) * | 2021-05-18 | 2021-08-27 | 武汉光庭信息技术股份有限公司 | 车位检测方法及存储介质 |
CN116030633A (zh) * | 2023-02-21 | 2023-04-28 | 天津汉云工业互联网有限公司 | 一种车辆隧道预警方法和装置 |
CN116030633B (zh) * | 2023-02-21 | 2023-06-02 | 天津汉云工业互联网有限公司 | 一种车辆隧道预警方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107993488B (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107993488A (zh) | 一种基于鱼眼相机的车位识别方法、系统及介质 | |
CN110414559B (zh) | 智能零售柜商品目标检测统一框架的构建方法及商品识别方法 | |
Rasheed et al. | Automated number plate recognition using hough lines and template matching | |
CN110650316A (zh) | 智能巡逻及预警处理方法、装置、电子设备及存储介质 | |
CN103530600B (zh) | 复杂光照下的车牌识别方法及系统 | |
CN101339601B (zh) | 一种基于sift算法的车牌汉字识别方法 | |
CN109359697A (zh) | 一种电力设备巡检中使用的图形图像识别方法及巡查系统 | |
CN102915432B (zh) | 一种车载微机图像视频数据提取方法及装置 | |
CN102298698A (zh) | 基于角点与边缘信息融合的遥感图像飞机检测方法 | |
CN103473530A (zh) | 基于多视图和多模态特征的自适应动作识别方法 | |
Milford et al. | Condition-invariant, top-down visual place recognition | |
CN102073872B (zh) | 基于图像的寄生虫虫卵形状识别方法 | |
CN102496001A (zh) | 一种视频监控目标自动检测的方法和系统 | |
CN106971185A (zh) | 一种基于全卷积网络的车牌定位方法及装置 | |
CN101908214B (zh) | 基于邻域相关的背景重构的运动目标检测方法 | |
CN104182992A (zh) | 一种基于全景视觉的海上弱小目标检测方法 | |
CN111915583A (zh) | 复杂场景中基于车载红外热像仪的车辆和行人检测方法 | |
CN103913166A (zh) | 一种基于能量分布的星点提取方法 | |
CN103324958A (zh) | 一种复杂背景下基于投影法和svm的车牌定位方法 | |
CN105678720A (zh) | 一种全景拼接判断图像匹配方法及装置 | |
CN104166836A (zh) | 一种基于多特征建模的分块多尺度工程车识别方法及系统 | |
CN106960193A (zh) | 一种车道线检测装置和方法 | |
CN113052139A (zh) | 一种基于深度学习双流网络的攀爬行为检测方法及系统 | |
CN103559492A (zh) | 一种车标识别装置及方法 | |
Feng et al. | A benchmark dataset and multi-scale attention network for semantic traffic light detection |
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 |