CN108875641B - 高速公路长期并排行驶识别方法及系统 - Google Patents

高速公路长期并排行驶识别方法及系统 Download PDF

Info

Publication number
CN108875641B
CN108875641B CN201810641814.1A CN201810641814A CN108875641B CN 108875641 B CN108875641 B CN 108875641B CN 201810641814 A CN201810641814 A CN 201810641814A CN 108875641 B CN108875641 B CN 108875641B
Authority
CN
China
Prior art keywords
license plate
image
long
distance
data recorder
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
Application number
CN201810641814.1A
Other languages
English (en)
Other versions
CN108875641A (zh
Inventor
张凯
王宝生
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.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
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 Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN201810641814.1A priority Critical patent/CN108875641B/zh
Publication of CN108875641A publication Critical patent/CN108875641A/zh
Application granted granted Critical
Publication of CN108875641B publication Critical patent/CN108875641B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06V20/58—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
    • 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
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • G07C5/085—Registering performance data using electronic data carriers
    • G07C5/0866—Registering performance data using electronic data carriers the electronic data carrier being a digital video recorder in combination with video camera
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种高速公路长期并排行驶识别方法及系统，该方法包括如下步骤：(1)获取行车记录仪采集到的视频并解码为连续帧图片；(2)从每帧图片中识别出不同前车的车牌颜色和车牌图像；(3)基于识别的车牌颜色和车牌图像的面积、整张帧图片的面积以及相机内部固定参数计算行车记录仪与不同前车的距离；(4)计算行车记录仪在不同时刻与不同前车距离的差值，以识别是否有前车存在长期并排行驶的情况。本发明的识别方法和系统可以节省大量的人力，提高了识别效率，同时具有很高的覆盖率。

Description

高速公路长期并排行驶识别方法及系统
技术领域
本发明涉及一种并排行驶识别方法及系统，尤其涉及一种高速公路长期斗气并排行驶识别方法及系统。
背景技术
我国高速公路发展迅速，高速公路里程已居世界第一位。然而两车长期斗气并排行驶，容易使驾驶员的注意力从前方分散到左右，造成紧张不安的情绪，大大增加了发生事故的几率。同时也会严重影响到后车超车，造成堵车等后果。现有的检测长期并排驾驶的方法为人工检测和视频检测。人工检测一般由司机或交警使用手机拍摄。然而，司机在在驾驶过程中使用手机拍摄属于交通违法行为，这在一定程度上限制了交通违法举报平台的作用。而由交警进行拍摄则需要消耗大量的人力物力。的视频检测一般为定点检测，例如高速公路上交管部门安装的违章摄像头，成本高昂且覆盖面低，而且摄像头本身不具备违章检测功能，仍需要人工干预。因此，需要更经济更全面的检测方法。
发明内容
发明目的：为解决现有技术中存在的问题，本发明提出一种高速公路长期并排行驶识别方法，以大量节省人力物力。
同时，本发明还提出一种高速公路长期并排行驶识别系统。
技术方案：本发明的高速公路长期并排行驶识别方法包括如下步骤：(1)获取行车记录仪采集到的视频并解码为连续帧图片；(2)从每帧图片中识别出不同前车的车牌颜色和车牌图像；(3)基于识别的车牌颜色和车牌图像的面积、整张帧图片的面积以及相机参数计算行车记录仪与不同前车的距离；(4)计算行车记录仪在不同时刻与不同前车距离的差值，以识别是否有前车存在长期并排行驶的情况。
进一步地，步骤(2)还包括：(2.1)将所述连续帧图片由RGB空间转换到HSV空间；(2.2)根据HSV空间中不同区域的H分量值判断该区域是否为黄色车牌或蓝色车牌的候选区域；(2.3)根据车牌的特征长宽比对候选区域进行筛选以确定不同前车的车牌图像。
进一步地，步骤(2.2)还包括：当区域的H分量值位于200至280之间时判定为蓝色车牌候选区域，当区域的H分量值位于30至80之间时判定为黄色车牌候选区域。
进一步地，在步骤(3)中，依据以下方式确定前车与行车记录仪的距离，该距离记为d：
当车牌颜色为蓝色时：
Figure GDA0003140116170000021
当车牌颜色为黄色时：
Figure GDA0003140116170000022
其中，m为相机内部固定参数，Pa为图片帧的面积，Pb为车牌图像的面积。
进一步地，在步骤(4)中，识别是否有前车存在长期并排行驶的情况包括：设定安全距离阈值和持续时间阈值，在所述距离的差值小于安全距离阈值且持续时间大于持续时间阈值时，识别出有前车存在长期并排行驶的情况。
本发明的高速公路长期并排行驶识别系统包括行车记录仪和处理器，所述行车记录仪用于行驶期间拍摄视频，所述处理器进一步包括：图像采集模块，用于从所述行车记录仪采集视频数据并解码为连续帧图片；图像识别模块，用于接收来自所述图像采集模块的连续帧图片，并从每帧图片中识别出不同前车的车牌颜色和车牌图像；图像测距模块，用于根据不同前车的颜色和车牌图像的面积、整张帧图片的面积以及相机内部固定参数计算行车记录仪与不同前车的距离；车辆定位模块，用于计算行车记录仪在不同时刻与不同前车的距离的差值，以识别是否有前车存在长期并排行驶的情况。
进一步地，所述图像识别模块用于通过以下方式识别出不同前车的车牌颜色和车牌图像：将所述连续帧图片由RGB空间转换到HSV空间；根据HSV空间中不同区域的H分量值判断该区域是否为黄色车牌或蓝色车牌的候选区域；根据车牌的特征长宽比对候选区域进行筛选以确定不同前车的车牌图像。
进一步地，所述图像识别模块用于通过以下方式判断该区域是否为黄色车牌或蓝色车牌的候选区域：当区域的H分量值位于200至280之间时判定为蓝色车牌候选区域，当区域的H分量值位于30至80之间时判定为黄色车牌候选区域。
进一步地，所述图像测距模块依据以下方式确定前车与行车记录仪的距离，该距离记为d：
当车牌颜色为蓝色时：
Figure GDA0003140116170000031
当车牌颜色为黄色时：
Figure GDA0003140116170000032
其中，m为相机内部固定参数，Pa为图片帧的面积，Pb为车牌图像的面积。
进一步地，所述车辆定位模块还用于通过以下方式识别是否有前车存在长期并排行驶的情况：设定安全距离阈值和持续时间阈值，在所述距离的差值小于安全距离阈值且持续时间大于持续时间阈值时，识别出有前车存在长期并排行驶的情况。
有益效果：相对于现有技术，本发明具有以下优点：
(1)整个识别过程全部由行车记录仪及配套的处理器完成，无需人力参与，因而节省了大量的人力，也提高了识别效率。
(2)随着集成电路、摄像头像素的不断提高，高分辨率的行车记录仪也越来越普及。行车记录仪不是定点检测，而是可以对整个行驶过程进行监测。因此，使用本发明的识别方法和系统具有很高的覆盖率。
(3)在识别出存在长期并排行驶的情况后可以自动生成取证图片，从而对前方长期并排行驶的车辆产生更大的威慑，发挥了交通违法举报平台的作用。
附图说明
图1为本发明的高速公路长期并排行驶识别系统的结构框图；
图2为本发明的高速公路长期并排行驶识别方法的工作流程图；
图3为图像坐标系示意图；
图4为相机成像的几何关系图。
具体实施方式
下面结合附图对本发明提出的长期并排行驶识别系统及方法进行详细的描述。
如图1所示，本发明的高速公路长期并排行驶识别方法包括以下步骤：
S1、获取行车记录仪采集到的视频并解码为连续帧图片。
S2、从每帧图片中识别出不同前车的车牌颜色和车牌图像。这一步骤又可以分为如下几个子步骤：
S2.1.将连续帧图片由RGB空间转换到HSV空间此外，在将连续帧图片转换到HSV空间后，还可以通过线性变换图像增强方法来改善图片质量，具体包括：分析拍摄图像的HSV颜色空间模型中S和V分量与车牌固定颜色的S和V分量关系；利用各分量之间的关系计算出线性因子α和γ，用于亮度及饱和度的分量系数调整；
S2.2、根据HSV空间中不同区域的H分量值判断该区域是否为黄色车牌或蓝色车牌的候选区域。
我国大型汽车车牌面积是440毫米*220毫米，颜色为黄色；其余车牌面积为440毫米*140毫米，颜色为绿色。在HSV颜色空间中，H分量是唯一跟颜色本质相关的分量，因此可根据H值判断帧图片中的某一区域是否为黄色车牌或蓝色车牌的候选区域。通常来说，可以设定蓝色车牌候选区域H值的范围为200-280，黄色车牌候选区域H值的范围为30-80。
S2.3、根据车牌的特征长宽比对候选区域进行筛选以确定不同前车的车牌图像。
具体地，可以采用边缘检测对候选区进行初定位，根据车牌区域的纹理特征，提取车牌图像的垂直方向分量并进行二值化，并对二值图像进行形态学运算得到一个闭合的联通区域，根据车牌的集合特征长宽比例对候选区域进行筛选以及确定车牌图像。
S3、根据不同前车的颜色和车牌图像的面积、整张帧图片的面积以及相机内部固定参数计算行车记录仪与不同前车的距离。
物体所处的平面场景真实的面积大小Sa(即充满整个帧图片的平面场景的大小)和物体距摄像机的距离d存在一定的比例关系，即：
Figure GDA0003140116170000041
其中，m为相机内部固定参数，不会因拍摄目标的不同而改变，只会随着不同的摄像机而变化。对于特定的相机，其m值是唯一的。这个m值可以通过以下方式大致确定：采用相机标定常用的棋盘格模板，其中棋盘格模板中小正方形的实际大小设置为10*10毫米；标定采用在不同距离d时，图片中含有的棋盘小正方形的个数；将小正方形个数乘以小正方形的实际大小即得到对应不同距离d的不同平面场景真实的面积大小Sa；根据d和Sa反推m的大小，并求平均值，就可以大致标定出相机内部固定参数m。
对于在平面场景中出现的平面物体，面积与像素点之间可构建如下关系：
Figure GDA0003140116170000042
其中，Pa分别为整张帧图片所包含的像素点，Pb为镇图片中平面物体的图像所包含的像素点，Sb为平面物体的真实面积大小。因此，知道了整张帧图片的面积(或整张帧图片包含的像素点个数)、物体的真实大小和其在帧图片中的图像面积(或图像包含的像素点个数)，就可以确定物体与摄像机的距离。
根据前面已经讲述的机动车号牌标准，除大型汽车后车牌面积是440毫米*220毫米之外，其余汽车车牌面积固定为440毫米*140毫米。根据构建的面积与像素点之间的关系，可得蓝色车牌所在的横切面积为：
Figure GDA0003140116170000051
根据相机的线性模型公式得距离d：
Figure GDA0003140116170000052
其中m为相机标定的参数、Pa为整张图像像素点，Pb为车牌定位矩形区域像素点；同理可得黄色车牌车辆车距为：
Figure GDA0003140116170000053
S4、计算行车记录仪在不同时刻与不同前车距离的差值，以识别是否有前车存在长期并排行驶的情况。
通过步骤S3可以分别得到行车记录仪与前方左右两辆车的距离d1,d2，计算两者的差值△d＝d1-d2；再结合连续帧的拍摄时刻信息，当△d小于系统设定的安全距离阈值Tl且持续时长大于Ts秒时，系统判断前方车辆并排行驶。安全距离阈值Tl不是定值，车速越大，Tl越大，反之车速越小，Tl越小。前方车辆车速可根据连续两帧图片的时间差求得。当系统判断前方车辆并排行驶，系统自动开始隔5秒生成包含日期、时间、GPS信息的图片；在接下来的Tm分钟内前方车辆并排行驶的时长大于Tm的一定比例时，系统则认定前方车辆并排行驶并将之前生成的取证图片保存至存储卡。
如图4，本发明的识别系统包括行车记录仪和处理器。其中，行车记录仪用于行驶期间拍摄视频。处理器进一步包括：图像采集模块，用于从所述行车记录仪采集视频数据并解码为连续帧图片；图像识别模块，用于接收来自所述图像采集模块的连续帧图片，并从每帧图片中识别出不同前车的车牌颜色和车牌图像；图像测距模块，用于根据不同前车的颜色和车牌图像的面积、整张帧图片的面积以及相机内部固定参数计算行车记录仪与不同前车的距离；车辆定位模块，用于计算行车记录仪在不同时刻与不同前车的距离的差值，以识别是否有前车存在长期并排行驶的情况。
本发明中的处理器及其中的各个模块可以由集成电路及其他硬件结构实现。

Claims (8)

1.一种高速公路长期并排行驶识别方法，其特征在于，包括如下步骤：
(1)获取行车记录仪采集到的视频并解码为连续帧图片；
(2)从每帧图片中识别出不同前车的车牌颜色和车牌图像；
(3)基于识别的车牌颜色和车牌图像的面积、整张帧图片的面积以及相机内部固定参数计算行车记录仪与不同前车的距离；
依据以下方式确定前车与行车记录仪的距离，该距离记为d：
当车牌颜色为蓝色时：
Figure FDA0003140116160000011
毫米，
当车牌颜色为黄色时：
Figure FDA0003140116160000012
毫米，
其中，m为相机内部固定参数，Pa为图片帧的面积，Pb为车牌图像的面积；
(4)计算行车记录仪在不同时刻与不同前车距离的差值，以识别是否有前车存在长期并排行驶的情况。
2.根据权利要求1所述的高速公路长期并排行驶识别方法，其特征在于，步骤(2)进一步包括：
(2.1)将所述连续帧图片由RGB空间转换到HSV空间；
(2.2)根据HSV空间中不同区域的H分量值判断该区域是否为黄色车牌或蓝色车牌的候选区域；
(2.3)根据车牌的特征长宽比对候选区域进行筛选以确定不同前车的车牌图像。
3.根据权利要求2所述的高速公路长期并排行驶识别方法，其特征在于，步骤(2.2)包括：当区域的H分量值位于200至280之间时判定为蓝色车牌候选区域，当区域的H分量值位于30至80之间时判定为黄色车牌候选区域。
4.根据权利要求1所述的高速公路长期并排行驶识别方法，其特征在于，在步骤(4)中，识别是否有前车存在长期并排行驶的情况包括：设定安全距离阈值和持续时间阈值，在所述距离的差值小于安全距离阈值且持续时间大于持续时间阈值时，识别出有前车存在长期并排行驶的情况。
5.一种高速公路长期并排行驶识别系统，其特征在于，包括行车记录仪和处理器，所述行车记录仪用于行驶期间拍摄视频，所述处理器进一步包括：
图像采集模块，用于从所述行车记录仪采集视频数据并解码为连续帧图片；
图像识别模块，用于接收来自所述图像采集模块的连续帧图片，并从每帧图片中识别出不同前车的车牌颜色和车牌图像；
图像测距模块，用于根据不同前车的颜色和车牌图像的面积、整张帧图片的面积以及相机内部固定参数计算行车记录仪与不同前车的距离；
所述图像测距模块用于通过以下方式确定前车与行车记录仪的距离，该距离记为d：
当车牌颜色为蓝色时：
Figure FDA0003140116160000021
毫米，
当车牌颜色为黄色时：
Figure FDA0003140116160000022
毫米，
其中，m为相机内部固定参数，Pa为图片帧的面积，Pb为车牌图像的面积；
车辆定位模块，用于计算行车记录仪在不同时刻与不同前车的距离的差值，以识别是否有前车存在长期并排行驶的情况。
6.根据权利要求5所述的高速公路长期并排行驶识别系统，其特征在于，所述图像识别模块用于通过以下方式识别出不同前车的车牌颜色和车牌图像：
将所述连续帧图片由RGB空间转换到HSV空间；
根据HSV空间中不同区域的H分量值判断该区域是否为黄色车牌或蓝色车牌的候选区域；
根据车牌的特征长宽比对候选区域进行筛选以确定不同前车的车牌图像。
7.根据权利要求6所述的高速公路长期并排行驶识别系统，其特征在于，所述图像识别模块还用于通过以下方式判断该区域是否为黄色车牌或蓝色车牌的候选区域：当区域的H分量值位于200至280之间时判定为蓝色车牌候选区域，当区域的H分量值位于30至80之间时判定为黄色车牌候选区域。
8.根据权利要求5所述的高速公路长期并排行驶识别系统，其特征在于，所述车辆定位模块用于通过以下方式识别是否有前车存在长期并排行驶的情况：设定安全距离阈值和持续时间阈值，在所述距离的差值小于安全距离阈值且持续时间大于持续时间阈值时，识别出有前车存在长期并排行驶的情况。
CN201810641814.1A 2018-06-21 2018-06-21 高速公路长期并排行驶识别方法及系统 Active CN108875641B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810641814.1A CN108875641B (zh) 2018-06-21 2018-06-21 高速公路长期并排行驶识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810641814.1A CN108875641B (zh) 2018-06-21 2018-06-21 高速公路长期并排行驶识别方法及系统

Publications (2)

Publication Number Publication Date
CN108875641A CN108875641A (zh) 2018-11-23
CN108875641B true CN108875641B (zh) 2021-10-19

Family

ID=64340306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810641814.1A Active CN108875641B (zh) 2018-06-21 2018-06-21 高速公路长期并排行驶识别方法及系统

Country Status (1)

Country Link
CN (1) CN108875641B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111009166B (zh) * 2019-12-04 2021-06-01 上海市城市建设设计研究总院（集团）有限公司 基于bim和驾驶模拟器的道路三维视距验算方法
CN115179948B (zh) * 2022-09-13 2023-01-31 北京小马智行科技有限公司 一种基于车辆并排行驶的决策方法、装置、设备和介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7089111B2 (en) * 2003-03-20 2006-08-08 Mitsubishi Denki Kabushiki Kaisha Vehicle navigation system and route guidance method
CN103703497A (zh) * 2011-07-26 2014-04-02 丰田自动车株式会社 车辆确定系统及车辆确定装置
CN106503640A (zh) * 2016-10-15 2017-03-15 北海益生源农贸有限责任公司 一种占用公交车道的检测方法
CN107972662A (zh) * 2017-10-16 2018-05-01 华南理工大学 一种基于深度学习的车辆前向碰撞预警方法
CN107993487A (zh) * 2017-12-11 2018-05-04 东软集团股份有限公司 避让紧急车辆的方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7089111B2 (en) * 2003-03-20 2006-08-08 Mitsubishi Denki Kabushiki Kaisha Vehicle navigation system and route guidance method
CN103703497A (zh) * 2011-07-26 2014-04-02 丰田自动车株式会社 车辆确定系统及车辆确定装置
CN106503640A (zh) * 2016-10-15 2017-03-15 北海益生源农贸有限责任公司 一种占用公交车道的检测方法
CN107972662A (zh) * 2017-10-16 2018-05-01 华南理工大学 一种基于深度学习的车辆前向碰撞预警方法
CN107993487A (zh) * 2017-12-11 2018-05-04 东软集团股份有限公司 避让紧急车辆的方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
驾驶员车道变换行为模拟分析;魏丽英等;《中国公路学报》;20010131;第14卷(第1期);第77-80页 *

Also Published As

Publication number Publication date
CN108875641A (zh) 2018-11-23

Similar Documents

Publication Publication Date Title
CN109299674B (zh) 一种基于车灯的隧道违章变道检测方法
US11380104B2 (en) Method and device for detecting illegal parking, and electronic device
TWI423166B (zh) 判斷輸入影像是否為霧化影像之方法、判斷輸入影像的霧級數之方法及霧化影像濾清方法
TWI409718B (zh) 移動中車輛之車牌定位方法
CN104732227A (zh) 一种基于清晰度和亮度评估的车牌快速定位方法
CN106991707B (zh) 一种基于昼夜成像特征的交通信号灯图像强化方法及装置
CN111161543A (zh) 一种基于图像识别的公交前车违章行为自动抓拍方法及系统
CN110648540B (zh) 基于无人机的高速公路紧急车道占用跟踪系统及方法
CN1448886A (zh) 用于测量车辆队列长度的装置和方法
CN105374013A (zh) 基于双暗通道先验的图像能见度修复方法及图像处理装置
CN108875641B (zh) 高速公路长期并排行驶识别方法及系统
CN111553214B (zh) 一种驾驶员吸烟行为检测方法及系统
CN102169583B (zh) 基于车窗定位的车辆遮挡检测与分割方法
JP2018055597A (ja) 車種判別装置および車種判別方法
Miclea et al. Visibility detection in foggy environment
CN104866838A (zh) 一种基于视觉的前方车辆自动检测方法
CN104156727A (zh) 一种基于单目视觉的灯光倒影检测的方法
CN110033425B (zh) 干扰区域检测装置及方法、电子设备
JP2002197588A (ja) 走行車両のタイヤ種別判別方法，車種判別方法及び車種判別装置
CN110688979A (zh) 违法车辆追踪方法及装置
US11100342B2 (en) Image processing device and image processing method
CN107832788B (zh) 一种基于单目视觉和车牌识别的车距测量方法
CN116682268A (zh) 基于机器视觉的便携式城市道路车辆违章稽查系统及方法
CN111126237A (zh) 一种基于机器视觉的安全车距检测方法
CN109584604A (zh) 一种服务区检测车位疏密度的智慧灯杆及方法

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
GR01 Patent grant
GR01 Patent grant