CN108846372A - 一种智能交通系统 - Google Patents

一种智能交通系统 Download PDF

Info

Publication number
CN108846372A
CN108846372A CN201810677028.7A CN201810677028A CN108846372A CN 108846372 A CN108846372 A CN 108846372A CN 201810677028 A CN201810677028 A CN 201810677028A CN 108846372 A CN108846372 A CN 108846372A
Authority
CN
China
Prior art keywords
image
module
feature parameter
detection
indicate
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
Application number
CN201810677028.7A
Other languages
English (en)
Inventor
肖鑫茹
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN201810677028.7A priority Critical patent/CN108846372A/zh
Publication of CN108846372A publication Critical patent/CN108846372A/zh
Pending legal-status Critical Current

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
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种智能交通系统，包括交通监控子系统、信息发布子系统和车辆终端，所述交通监控子系统用于对交通路网进行监控，根据监控图像获取目标信息，所述信息发布子系统用于向车辆终端发送所述目标信息，所述车辆终端用于接收所述目标信息。本发明的有益效果为：提供了一种智能交通系统，车辆终端能够获取实时交通监控信息，有助于缓解交通拥堵。

Description

一种智能交通系统
技术领域
本发明涉及智能交通技术领域，具体涉及一种智能交通系统。
背景技术
传统的交通系统是驾驶员在道路上自主驾驶车辆。工业化国家大都经历了经济的发展促进了汽车的发展，而汽车产业的发展又刺激了经济发展的过程，从而让这些国家尽早实现了汽车化的时代。随着车辆数量的急剧膨胀导致公路资源越来越紧张。尤其对一些大城市，车辆数量过多以及不少驾驶员的行车能力欠缺会经常引发道路拥堵。交通堵塞造成的经济损失是巨大的，对交通路网进行监控和及时的信息发布对于缓解交通拥堵具有重要意义。
发明内容
针对上述问题，本发明旨在提供一种智能交通系统。
本发明的目的采用以下技术方案来实现：
提供了一种智能交通系统，包括交通监控子系统、信息发布子系统和车辆终端，所述交通监控子系统用于对交通路网进行监控，根据监控图像获取目标信息，所述信息发布子系统用于向车辆终端发送所述目标信息，所述车辆终端用于接收所述目标信息，所述交通监控子系统包括第一检测子系统和第二检测子系统，所述第一检测子系统包括图像获取模块、预处理模块、第一目标检测模块，所述图像获取模块用于获取检测图像，所述预处理模块用于对检测图像进行滤波处理，所述第一目标检测模块用于对检测图像的目标进行检测，所述第二检测子系统包括参数确定模块、滤除模块和第二目标检测模块，所述参数确定模块用于确定图像的特征参数，所述滤除模块用于根据图像的特征参数滤除不合格的检测图像，所述第二目标检测模块用于根据滤除不合格检测图像后的检测图像对目标进行检测。
本发明的有益效果为：提供了一种智能交通系统，车辆终端能够获取实时交通监控信息，有助于缓解交通拥堵，通过对图像进行筛选，克服了以往目标检测过程中使用可能破坏背景模型的图像进行目标检测，提升了目标检测的鲁棒性。
可选的，所述参数确定模块包括第一处理模块、第二处理模块、第三处理模块和第四处理模块，所述第一处理模块用于确定图像的第一特征参数，所述第二处理模块用于确定图像的第二特征参数，所述第三处理模块用于确定图像的第三特征参数，所述第四处理模块用于确定图像的第四特征参数。
可选的，所述第一处理模块用于确定图像的第一特征参数，具体为：
将图像在HSB空间表示，用P(0)表示背景图像，P(t)表示t时刻的图像，P(t-1)表示t-1时刻的图像；
采用下式确定图像第一特征参数：
式中，E1(t，0)、E1(t，t-1)表示图像的第一特征参数，M表示图像的宽，N表示图像的高，I表示色调的最大值，Hi(t)表示P(t)中色调值为i的像素的个数，Hi(0)表示P(0)中色调值为i的像素的个数，Hi(t-1)表示P(t-1)中色调值为i的像素的个数；所述第一特征参数越大，表示两幅图像色调变化越大。
可选的，所述第二处理模块用于确定图像的第二特征参数，具体为：
将图像在灰度空间表示，用原始图像和经过滤波的灰度图像相减得到灰度差分图像Pa，采用下式将灰度差分图像转化为二值边缘图像Pb：式中，Pb(x,y)表示二值边缘图像Pb在位置(x,y)的像素值，Pa(x,y)表示灰度差分图像Pa在位置(x,y)的像素值，T2表示预先设定的二值化阈值；
设P(0)的边缘图像为Pb(0),P(t)的边缘图像为Pb(t),P(t-1)的边缘图像为Pb(t-1),采用下式确定图像第二特征参数E2(t，0)、E2(t，t-1)：
式中，E2(t，0)、E2(t，t-1)表示图像的第二特征参数，表示异或操作，∪表示或操作，S[Pb(t)∪Pb(0)]、S[Pb(t)∪Pb(t-1)]分别表示[Pb(t)∪Pb(0)]、[Pb(t)∪Pb(t-1)]中值不等于0的像素的个数；所述第二特征参数越大，表示两幅图像边缘之间的差异程度越大。
可选的，所述第三处理模块用于确定图像的第三特征参数，具体为：
采用下式确定图像第三特征参数E3(t)：
式中，E3(t)表示图像的第三特征参数，Pf(t)表示t时刻二值图像，目标像素的值为255，背景像素的值为0，S(Pf(t))表示Pf(t)中值不等于0的像素的个数；所述第三特征参数越大，表示t时刻目标像素的个数占图像像素总数的比例越高。
可选的，所述第四处理模块用于确定图像的第四特征参数，具体为：
将图像在HSB空间表示，用P(0)表示背景图像，P(t)表示t时刻的图像，P(t-1)表示t-1时刻的图像；
采用下式确定图像第四特征参数：
式中，E4(t，0)、E4(t，t-1)表示图像的第一特征参数，M表示图像的宽，N表示图像的高，I表示亮度的最大值，Bj(t)表示P(t)中亮度值为i的像素的个数，Bj(0)表示P(0)中亮度值为i的像素的个数，Bj(t-1)表示P(t-1)中亮度值为i的像素的个数；所述第四特征参数越大，表示两幅图像亮度变化越大。
可选的，所述滤除模块包括第一图像滤除模块、第二图像滤除模块和第三图像滤除模块，所述第一图像滤除模块用于对相似图像进行滤除，所述第二图像滤除模块用于对场景变化剧烈图像进行滤除，所述第三图像滤除模块用于对发生错误目标检测的图像进行滤除。
可选的，所述第一图像滤除模块用于对相似图像进行滤除，具体为：若同时满足E2(t，0)＜Z0，E2(t，t-1)＜Z0，E3(t-1)＜Z1，则将该图像作为相似图像进行滤除，其中，Z0表示判断两幅图像边缘是否相同的阈值，若小于该阈值，则认为两幅图像相同，Z1表示判断目标物体是否可以忽略的阈值，若小于该阈值，则认为目标可以忽略；
所述第二图像滤除模块用于对场景变化剧烈图像进行滤除，具体为：若满足E1(t，0)＞Z2、E1(t，t-1)＞Z2、E4(t，0)＞Z3，E4(t，t-1)＞Z3中任意条件，则认为该图像场景变化剧烈，进行滤除，其中，Z2表示判断图像色调是否发生大幅变化的阈值，若大于该阈值，则图像色调发生大幅变化，Z3表示判断图像亮度是否发生大幅变化的阈值，若大于该阈值，则图像亮度发生大幅变化；
所述第三图像滤除模块用于对发生错误目标检测的图像进行滤除，具体为：若满足E3(t)＞Z5，Z5表示判断目标物体过大的阈值，则将该图像作为发生错误目标检测的图像进行滤除。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图；
附图标记：
交通监控子系统1、信息发布子系统2、车辆终端3。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1，本实施例的一种智能交通系统，包括交通监控子系统1、信息发布子系统2和车辆终端3，所述交通监控子系统1用于对交通路网进行监控，根据监控图像获取目标信息，所述信息发布子系统2用于向车辆终端3发送所述目标信息，所述车辆终端3用于接收所述目标信息，所述交通监控子系统1包括第一检测子系统和第二检测子系统，所述第一检测子系统包括图像获取模块、预处理模块、第一目标检测模块，所述图像获取模块用于获取检测图像，所述预处理模块用于对检测图像进行滤波处理，所述第一目标检测模块用于对检测图像的目标进行检测，所述第二检测子系统包括参数确定模块、滤除模块和第二目标检测模块，所述参数确定模块用于确定图像的特征参数，所述滤除模块用于根据图像的特征参数滤除不合格的检测图像，所述第二目标检测模块用于根据滤除不合格检测图像后的检测图像对目标进行检测。
本发明实施例提供了一种智能交通系统，车辆终端能够获取实时交通监控信息，有助于缓解交通拥堵，通过对图像进行筛选，克服了以往目标检测过程中使用可能破坏背景模型的图像进行目标检测，提升了目标检测的鲁棒性。
优选的，所述参数确定模块包括第一处理模块、第二处理模块、第三处理模块和第四处理模块，所述第一处理模块用于确定图像的第一特征参数，所述第二处理模块用于确定图像的第二特征参数，所述第三处理模块用于确定图像的第三特征参数，所述第四处理模块用于确定图像的第四特征参数；
所述第一处理模块用于确定图像的第一特征参数，具体为：
将图像在HSB空间表示，用P(0)表示背景图像，P(t)表示t时刻的图像，P(t-1)表示t-1时刻的图像；
采用下式确定图像第一特征参数：
式中，E1(t，0)、E1(t，t-1)表示图像的第一特征参数，M表示图像的宽，N表示图像的高，I表示色调的最大值，Hi(t)表示P(t)中色调值为i的像素的个数，Hi(0)表示P(0)中色调值为i的像素的个数，Hi(t-1)表示P(t-1)中色调值为i的像素的个数；所述第一特征参数越大，表示两幅图像色调变化越大；
所述第二处理模块用于确定图像的第二特征参数，具体为：
将图像在灰度空间表示，用原始图像和经过滤波的灰度图像相减得到灰度差分图像Pa，采用下式将灰度差分图像转化为二值边缘图像Pb：式中，Pb(x,y)表示二值边缘图像Pb在位置(x,y)的像素值，Pa(x,y)表示灰度差分图像Pa在位置(x,y)的像素值，T2表示预先设定的二值化阈值；
设P(0)的边缘图像为Pb(0),P(t)的边缘图像为Pb(t),P(t-1)的边缘图像为Pb(t-1),采用下式确定图像第二特征参数E2(t，0)、E2(t，t-1)：
式中，E2(t，0)、E2(t，t-1)表示图像的第二特征参数，表示异或操作，∪表示或操作，S[Pb(t)∪Pb(0)]、S[Pb(t)∪Pb(t-1)]分别表示[Pb(t)∪Pb(0)]、[Pb(t)∪Pb(t-1)]中值不等于0的像素的个数；所述第二特征参数越大，表示两幅图像边缘之间的差异程度越大；
所述第三处理模块用于确定图像的第三特征参数，具体为：
采用下式确定图像第三特征参数E3(t)：
式中，E3(t)表示图像的第三特征参数，Pf(t)表示t时刻二值图像，目标像素的值为255，背景像素的值为0，S(Pf(t))表示Pf(t)中值不等于0的像素的个数；所述第三特征参数越大，表示t时刻目标像素的个数占图像像素总数的比例越高；
所述第四处理模块用于确定图像的第四特征参数，具体为：
将图像在HSB空间表示，用P(0)表示背景图像，P(t)表示t时刻的图像，P(t-1)表示t-1时刻的图像；
采用下式确定图像第四特征参数：
式中，E4(t，0)、E4(t，t-1)表示图像的第一特征参数，M表示图像的宽，N表示图像的高，I表示亮度的最大值，Bj(t)表示P(t)中亮度值为i的像素的个数，Bj(0)表示P(0)中亮度值为i的像素的个数，Bj(t-1)表示P(t-1)中亮度值为i的像素的个数；所述第四特征参数越大，表示两幅图像亮度变化越大；
本优选实施例将图像亮度、色调和边缘特征的变化作为图像参数，通过图像特征变化的参数来描述输入图像和目标检测结果。通过描述输入图像，避免使用可能破坏背景模型的图像进行背景模型的更新；具体的，第一特征参数越大，表示两幅图像色调变化越大，第二特征参数越大，表示两幅图像边缘之间的差异程度越大，第三特征参数越大，表示t时刻目标像素的个数占图像像素总数的比例越高，第四特征参数越大，表示两幅图像亮度变化越大；
优选的，所述滤除模块包括第一图像滤除模块、第二图像滤除模块和第三图像滤除模块，所述第一图像滤除模块用于对相似图像进行滤除，所述第二图像滤除模块用于对场景变化剧烈图像进行滤除，所述第三图像滤除模块用于对发生错误目标检测的图像进行滤除；
所述第一图像滤除模块用于对相似图像进行滤除，具体为：若同时满足E2(t，0)＜Z0，E2(t，t-1)＜Z0，E3(t-1)＜Z1，则将该图像作为相似图像进行滤除，其中，Z0表示判断两幅图像边缘是否相同的阈值，若小于该阈值，则认为两幅图像相同，Z1表示判断目标物体是否可以忽略的阈值，若小于该阈值，则认为目标可以忽略；
所述第二图像滤除模块用于对场景变化剧烈图像进行滤除，具体为：若满足E1(t，0)＞Z2、E1(t，t-1)＞Z2、E4(t，0)＞Z3，E4(t，t-1)＞Z3中任意条件，则认为该图像场景变化剧烈，进行滤除，其中，Z2表示判断图像色调是否发生大幅变化的阈值，若大于该阈值，则图像色调发生大幅变化，Z3表示判断图像亮度是否发生大幅变化的阈值，若大于该阈值，则图像亮度发生大幅变化；
所述第三图像滤除模块用于对发生错误目标检测的图像进行滤除，具体为：若满足E3(t)＞Z5，Z5表示判断目标物体过大的阈值，则将该图像作为发生错误目标检测的图像进行滤除；
本优选实施例实现了图像的滤除，保证了图像目标检测的准确性，具体的，根据第一特征参数、第二特征参数、第三特征图像和第四特征参数对相似图像、场景剧烈变化图像和发生错误目标检测的图像进行滤除，实现了图像的准确滤除。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术目的地应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (8)

1.一种智能交通系统，其特征在于，包括交通监控子系统、信息发布子系统和车辆终端，所述交通监控子系统用于对交通路网进行监控，根据监控图像获取目标信息，所述信息发布子系统用于向车辆终端发送所述目标信息，所述车辆终端用于接收所述目标信息，所述交通监控子系统包括第一检测子系统和第二检测子系统，所述第一检测子系统包括图像获取模块、预处理模块、第一目标检测模块，所述图像获取模块用于获取检测图像，所述预处理模块用于对检测图像进行滤波处理，所述第一目标检测模块用于对检测图像的目标进行检测，所述第二检测子系统包括参数确定模块、滤除模块和第二目标检测模块，所述参数确定模块用于确定图像的特征参数，所述滤除模块用于根据图像的特征参数滤除不合格的检测图像，所述第二目标检测模块用于根据滤除不合格检测图像后的检测图像对目标进行检测。
2.根据权利要求1所述的智能交通系统，其特征在于，所述参数确定模块包括第一处理模块、第二处理模块、第三处理模块和第四处理模块，所述第一处理模块用于确定图像的第一特征参数，所述第二处理模块用于确定图像的第二特征参数，所述第三处理模块用于确定图像的第三特征参数，所述第四处理模块用于确定图像的第四特征参数。
3.根据权利要求2所述的智能交通系统，其特征在于，所述第一处理模块用于确定图像的第一特征参数，具体为：
将图像在HSB空间表示，用P(0)表示背景图像，P(t)表示t时刻的图像，P(t-1)表示t-1时刻的图像；
采用下式确定图像第一特征参数：
式中，E1(t，0)、E1(t，t-1)表示图像的第一特征参数，M表示图像的宽，N表示图像的高，I表示色调的最大值，Hi(t)表示P(t)中色调值为i的像素的个数，Hi(0)表示P(0)中色调值为i的像素的个数，Hi(t-1)表示P(t-1)中色调值为i的像素的个数；所述第一特征参数越大，表示两幅图像色调变化越大。
4.根据权利要求3所述的智能交通系统，其特征在于，所述第二处理模块用于确定图像的第二特征参数，具体为：
将图像在灰度空间表示，用原始图像和经过滤波的灰度图像相减得到灰度差分图像Pa，采用下式将灰度差分图像转化为二值边缘图像Pb：式中，Pb(x，y)表示二值边缘图像Pb在位置(x，y)的像素值，Pa(x，y)表示灰度差分图像Pa在位置(x，y)的像素值，T2表示预先设定的二值化阈值；
设P(0)的边缘图像为Pb(0)，P(t)的边缘图像为Pb(t)，P(t-1)的边缘图像为Pb(t-1)，采用下式确定图像第二特征参数E2(t，0)、E2(t，t-1)：
式中，E2(t，0)、E2(t，t-1)表示图像的第二特征参数，表示异或操作，∪表示或操作，S[Pb(t)∪Pb(0)]、S[Pb(t)∪Pb(t-1)]分别表示[Pb(t)∪Pb(0)]、[Pb(t)∪Pb(t-1)]中值不等于0的像素的个数；所述第二特征参数越大，表示两幅图像边缘之间的差异程度越大。
5.根据权利要求4所述的智能交通系统，其特征在于，所述第三处理模块用于确定图像的第三特征参数，具体为：
采用下式确定图像第三特征参数E3(t)：
式中，E3(t)表示图像的第三特征参数，Pf(t)表示t时刻二值图像，目标像素的值为255，背景像素的值为0，S(Pf(t))表示Pf(t)中值不等于0的像素的个数；所述第三特征参数越大，表示t时刻目标像素的个数占图像像素总数的比例越高。
6.根据权利要求5所述的智能交通系统，其特征在于，所述第四处理模块用于确定图像的第四特征参数，具体为：
将图像在HSB空间表示，用P(0)表示背景图像，P(t)表示t时刻的图像，P(t-1)表示t-1时刻的图像；
采用下式确定图像第四特征参数：
式中，E4(t，0)、E4(t，t-1)表示图像的第一特征参数，M表示图像的宽，N表示图像的高，I表示亮度的最大值，Bj(t)表示P(t)中亮度值为i的像素的个数，Bj(0)表示P(0)中亮度值为i的像素的个数，Bj(t-1)表示P(t-1)中亮度值为i的像素的个数；所述第四特征参数越大，表示两幅图像亮度变化越大。
7.根据权利要求6所述的智能交通系统，其特征在于，所述滤除模块包括第一图像滤除模块、第二图像滤除模块和第三图像滤除模块，所述第一图像滤除模块用于对相似图像进行滤除，所述第二图像滤除模块用于对场景变化剧烈图像进行滤除，所述第三图像滤除模块用于对发生错误目标检测的图像进行滤除。
8.根据权利要求7所述的智能交通系统，其特征在于，所述第一图像滤除模块用于对相似图像进行滤除，具体为：若同时满足E2(t，0)＜Z0，E2(t，t-1)＜Z0，E3(t-1)＜Z1，则将该图像作为相似图像进行滤除，其中，Z0表示判断两幅图像边缘是否相同的阈值，若小于该阈值，则认为两幅图像相同，Z1表示判断目标物体是否可以忽略的阈值，若小于该阈值，则认为目标可以忽略；
所述第二图像滤除模块用于对场景变化剧烈图像进行滤除，具体为：若满足E1(t，0)＞Z2、E1(t，t-1)＞Z2、E4(t，0)＞Z3，E4(t，t-1)＞Z3中任意条件，则认为该图像场景变化剧烈，进行滤除，其中，Z2表示判断图像色调是否发生大幅变化的阈值，若大于该阈值，则图像色调发生大幅变化，Z3表示判断图像亮度是否发生大幅变化的阈值，若大于该阈值，则图像亮度发生大幅变化；
所述第三图像滤除模块用于对发生错误目标检测的图像进行滤除，具体为：若满足E3(t)＞Z5，Z5表示判断目标物体过大的阈值，则将该图像作为发生错误目标检测的图像进行滤除。
CN201810677028.7A 2018-06-27 2018-06-27 一种智能交通系统 Pending CN108846372A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810677028.7A CN108846372A (zh) 2018-06-27 2018-06-27 一种智能交通系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810677028.7A CN108846372A (zh) 2018-06-27 2018-06-27 一种智能交通系统

Publications (1)

Publication Number Publication Date
CN108846372A true CN108846372A (zh) 2018-11-20

Family

ID=64202295

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810677028.7A Pending CN108846372A (zh) 2018-06-27 2018-06-27 一种智能交通系统

Country Status (1)

Country Link
CN (1) CN108846372A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103745612A (zh) * 2014-01-13 2014-04-23 浙江宇视科技有限公司 一种车载终端及与之实时交互的智能交通管理装置
EP2767966A1 (en) * 2013-02-19 2014-08-20 Nec Corporation Driver assistance system, driver assistance method and driver assistance program
CN104715603A (zh) * 2013-12-13 2015-06-17 中兴通讯股份有限公司 道路监控方法、摄像装置、车载终端、及系统
CN107507459A (zh) * 2017-09-13 2017-12-22 潘荣兰 一种预警准确的交通预警系统
CN107507423A (zh) * 2017-09-21 2017-12-22 深圳市鑫汇达机械设计有限公司 一种智能交通监控系统
CN107886751A (zh) * 2017-11-07 2018-04-06 龚土婷 一种车载终端实时路况预警系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2767966A1 (en) * 2013-02-19 2014-08-20 Nec Corporation Driver assistance system, driver assistance method and driver assistance program
CN104715603A (zh) * 2013-12-13 2015-06-17 中兴通讯股份有限公司 道路监控方法、摄像装置、车载终端、及系统
CN103745612A (zh) * 2014-01-13 2014-04-23 浙江宇视科技有限公司 一种车载终端及与之实时交互的智能交通管理装置
CN107507459A (zh) * 2017-09-13 2017-12-22 潘荣兰 一种预警准确的交通预警系统
CN107507423A (zh) * 2017-09-21 2017-12-22 深圳市鑫汇达机械设计有限公司 一种智能交通监控系统
CN107886751A (zh) * 2017-11-07 2018-04-06 龚土婷 一种车载终端实时路况预警系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
马琼雄: ""基于视觉的服务机器人人机交互技术研究"", 《中国博士学位论文全文数据库 信息科技辑》 *

Similar Documents

Publication Publication Date Title
US9269001B2 (en) Illumination invariant and robust apparatus and method for detecting and recognizing various traffic signs
CN101334835B (zh) 颜色识别方法
US10008115B2 (en) Visual vehicle parking occupancy sensor
CN103366572B (zh) 一种交叉口的视频交通参数检测方法
CN104616502A (zh) 基于组合式车路视频网络的车牌识别与定位系统
CN104156731A (zh) 基于人工神经网络的车牌识别系统与方法
CN112149476A (zh) 目标检测方法、装置、设备和存储介质
CN106934374A (zh) 一种雾霾场景中交通标识牌的识别方法及系统
US20190051165A1 (en) Method for use in a vehicle
CN106339657A (zh) 基于监控视频的秸秆焚烧监测方法、装置
CN113705502B (zh) 一种融合目标检测和目标跟踪的船舶目标行为理解系统
CN114898161A (zh) 摄像头脏污的检测方法、装置和电子设备
CN109948504A (zh) 一种车道线识别方法及装置
Lam et al. Real-time traffic status detection from on-line images using generic object detection system with deep learning
CN111723805A (zh) 一种信号灯的前景区域识别方法及相关装置
CN112733864B (zh) 模型训练方法、目标检测方法、装置、设备及存储介质
CN104318783B (zh) 一种通过车灯侦测分析夜间交通流量的方法
CN115797690A (zh) 一种密集目标的检测识别方法、装置、设备和存储介质
CN108846372A (zh) 一种智能交通系统
CN118379203B (zh) 黑光环境下车辆行驶图像增强处理方法及辅助行驶系统
CN108268866B (zh) 一种车辆检测方法和系统
CN116071711B (zh) 一种交通拥堵状况检测方法及装置
CN116363100A (zh) 图像质量评价方法、装置、设备及存储介质
CN104408942A (zh) 车辆智能测速装置与方法
CN108921834A (zh) 一种人体前景检测系统

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: 20181120