CN108986144B - 一种基于arm和fpga的车辆识别追踪方法、系统和装置 - Google Patents

一种基于arm和fpga的车辆识别追踪方法、系统和装置 Download PDF

Info

Publication number
CN108986144B
CN108986144B CN201810980853.4A CN201810980853A CN108986144B CN 108986144 B CN108986144 B CN 108986144B CN 201810980853 A CN201810980853 A CN 201810980853A CN 108986144 B CN108986144 B CN 108986144B
Authority
CN
China
Prior art keywords
module
fpga
arm
recognition target
submodule
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
CN201810980853.4A
Other languages
English (en)
Other versions
CN108986144A (zh
Inventor
刘娜
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.)
Guangzhou Fenghuo Zhongzhi Digital Technology Co ltd
Original Assignee
Guangzhou Fenghuo Zhongzhi Digital Technology Co ltd
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 Guangzhou Fenghuo Zhongzhi Digital Technology Co ltd filed Critical Guangzhou Fenghuo Zhongzhi Digital Technology Co ltd
Priority to CN201810980853.4A priority Critical patent/CN108986144B/zh
Publication of CN108986144A publication Critical patent/CN108986144A/zh
Application granted granted Critical
Publication of CN108986144B publication Critical patent/CN108986144B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于ARM和FPGA的车辆识别追踪方法、系统和装置，方法包括以下步骤：视频采集模块采集道路车辆的视频数据并发送至ARM模块进行预处理，生成两路码流信息；FPGA模块采集一路码流信息进行图像分析，获取每一帧图像中的车辆信息和车辆大小的框图并发送至ARM模块与另一路码流信息进行叠加，然后进行压缩编码。本发明利用ARM处理视频数据的压缩编码以及网络传输的优势，以及FPGA对大量视频图像数据进行识别计算的优势，实现对车辆的快速识别追踪，识别速率和准确率高，无需配备大型服务器后端设备，极大减少了智能交通施工的复杂度和成本。本发明作为一种基于ARM和FPGA的车辆识别追踪方法、系统和装置可广泛应用于数据处理领域。

Description

一种基于ARM和FPGA的车辆识别追踪方法、系统和装置
技术领域
本发明涉及数据处理领域，尤其是一种基于ARM和FPGA的车辆识别追踪方法、系统和装置。
背景技术
随着我国交通事业的迅速发展，城市的汽车数量逐年增加，城市道路拥堵，交通事故频发，车辆违章等问题的出现。智能车辆识别计数和追踪设备的出现就显得非常的迫切。目前市场上能够处理大量视频图像的智能识别一般都需要专业的服务器，利用专业的服务器成本及其昂贵且实施方法复杂。或者采用ARM加上DSP的方案，但是DSP处理数据时间比较慢而且相对来说处理的数据量非常有限。极大的限制了智能车辆识别并且很难做到精确追踪车辆信息。单独的FPGA系统可以对视频图像进行智能识别但是很难对数据进行压缩编码并传输，所以此系统方案也无法应用到实际工程项目中。
发明内容
为了解决上述技术问题，本发明的目的是：提供一种基于ARM和FPGA实现快速处理大量数据的车辆识别追踪方法。
为了解决上述技术问题，本发明的另一目的是：提供一种基于ARM和FPGA实现快速处理大量数据的车辆识别追踪系统。
为了解决上述技术问题，本发明的另一目的是：提供一种基于ARM和FPGA实现快速处理大量数据的车辆识别追踪装置。
本发明所采用的技术方案是：一种基于ARM和FPGA的车辆识别追踪方法，包括有以下步骤：
A、视频采集模块采集道路车辆的视频数据并发送至ARM模块；
B、ARM模块接收视频数据进行预处理，生成两路码流信息；
C、FPGA模块采集一路码流信息进行图像分析，获取每一帧图像中的车辆信息和车辆大小的框图并发送至ARM模块；
D、ARM模块将另一路码流信息与接收到的车辆大小的框图进行叠加，并对叠加后的码流信息进行压缩编码。
进一步，还包括有步骤E：ARM模块将压缩编码后的码流信息转换成网络数据进行传输。
进一步，所述步骤C中采用双向最小距离匹配法对码流信息进行图像分析，具体步骤为：
C1、将FPGA模块中新一帧中的识别目标的中心坐标与ARM模块中上一帧中的所有识别目标的中心坐标进行比较，找出两中心坐标距离最小时所对应的ARM模块中上一帧的识别目标；
C2、将上述步骤C1得到的ARM模块中上一帧中的识别目标的中心坐标与FPGA模块中新一帧中的所有识别目标的中心坐标进行比较，找出两中心坐标距离最小时所对应的FPGA模块中新一帧的识别目标；
C3、若上述步骤C2得到的FPGA模块中新一帧的识别目标即上述步骤C1中FPGA模块中新一帧中的识别目标，则匹配成功，将上述步骤C1得到的ARM模块中上一帧中的识别目标的身份信息赋值给上述步骤C1中FPGA模块中新一帧中的识别目标；
C4、若上述步骤C2得到的FPGA模块中新一帧的识别目标与上述步骤C1中FPGA模块中新一帧中的识别目标不同，则匹配不成功，将一个新的身份信息赋值给上述步骤C1中FPGA模块中新一帧中的识别目标。
本发明所采用的另一技术方案是：一种基于ARM和FPGA的车辆识别追踪系统，包括有：
视频采集模块，用于采集道路车辆的视频数据并发送至ARM模块；
ARM模块，用于接收视频数据进行预处理，生成两路码流信息，将其中一路码流信息发送至FPGA模块，将另一路码流信息与接收到的车辆大小的框图进行叠加，并对叠加后的码流信息进行压缩编码；
FPGA模块，用于采集一路码流信息进行图像分析，获取每一帧图像中的车辆信息和车辆大小的框图并发送至ARM模块。
进一步，所述ARM模块包括有PHY子模块，用于将压缩编码后的码流信息转换成网络数据进行传输。
进一步，所述FPGA模块还包括有双向最小距离匹配子模块，用于对码流信息进行图像分析实现目标跟踪。
本发明所采用的另一技术方案是：一种基于ARM和FPGA的车辆识别追踪装置，包括有视频采集模块、ARM模块和FPGA模块，所述ARM模块包括有视频处理子模块、第一缓存子模块、图像数据输入接口和第一UART接口，所述FPGA模块包括有图像分析子模块、第二缓存子模块和第二UART接口，所述视频采集模块通过图像数据输入接口连接至视频处理子模块，所述视频处理子模块与第一缓存子模块连接，所述视频处理子模块通过第一UART接口与FPGA模块的第二UART接口连接，所述图像分析子模块分别与第二缓存子模块和第二UART接口连接。
进一步，所述ARM模块还包括有PHY子模块，所述视频处理子模块与PHY子模块连接。
进一步，所述第一缓存子模块包括有第一DDR3子模块和第一FLASH子模块。
进一步，所述第二缓存子模块包括有第二DDR3子模块、EMMC子模块和第二FLASH子模块。
本发明的有益效果是：本发明利用ARM处理视频数据的压缩编码以及网络传输的优势，以及FPGA对大量视频图像数据进行识别计算的优势，实现对车辆的快速识别追踪，识别速率和准确率高，利用设备单独的前端即可完成识别追踪，无需配备大型服务器后端设备，极大减少了智能交通施工的复杂度和成本。
附图说明
图1为本发明方法的步骤流程图；
图2为本发明装置的结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明：
参照图1，一种基于ARM和FPGA的车辆识别追踪方法，包括有以下步骤：
A、视频采集模块采集道路车辆的视频数据并发送至ARM模块；
B、ARM模块接收视频数据进行预处理，生成两路码流信息；
C、FPGA模块采集一路码流信息进行图像分析，获取每一帧图像中的车辆信息和车辆大小的框图并发送至ARM模块；
该步骤即对视频的关键信息进行提取；
D、ARM模块将另一路码流信息与接收到的车辆大小的框图进行叠加，并对叠加后的码流信息进行压缩编码；
ARM模块在进行输出时，可将压缩编码后的码流信息和相应的车辆信息同步传输，使监控端在显示视频时可同时显示相应的车辆信息。
进一步作为优选的实施方式，所述步骤C中的车辆信息包括有车牌号码、车牌颜色、车身颜色、车辆类型、车辆品牌、车辆款型等。
进一步作为优选的实施方式，还包括有步骤E：ARM模块将压缩编码后的码流信息转换成网络数据进行传输。
进一步作为优选的实施方式，所述步骤C中采用双向最小距离匹配法对码流信息进行图像分析，具体步骤为：
C1、将FPGA模块中新一帧中的识别目标的中心坐标与ARM模块中上一帧中的所有识别目标的中心坐标进行比较，找出两中心坐标距离最小时所对应的ARM模块中上一帧的识别目标；
当新一帧中存在多个识别目标时，对每个识别目标分别执行步骤C1-C4；
C2、将上述步骤C1得到的ARM模块中上一帧中的识别目标的中心坐标与FPGA模块中新一帧中的所有识别目标的中心坐标进行比较，找出两中心坐标距离最小时所对应的FPGA模块中新一帧的识别目标；
C3、若上述步骤C2得到的FPGA模块中新一帧的识别目标即上述步骤C1中FPGA模块中新一帧中的识别目标，则匹配成功，将上述步骤C1得到的ARM模块中上一帧中的识别目标的身份信息赋值给上述步骤C1中FPGA模块中新一帧中的识别目标；
同时对ARM模块内部暂存的上一帧所有识别目标的中心坐标进行更新；
C4、若上述步骤C2得到的FPGA模块中新一帧的识别目标与上述步骤C1中FPGA模块中新一帧中的识别目标不同，则匹配不成功，将一个新的身份信息赋值给上述步骤C1中FPGA模块中新一帧中的识别目标；同时将其加入到ARM模块内部暂存数据中。
一种基于ARM和FPGA的车辆识别追踪系统，包括有：
视频采集模块，用于采集道路车辆的视频数据并发送至ARM模块；
ARM模块，用于接收视频数据进行预处理，生成两路码流信息，将其中一路码流信息发送至FPGA模块，将另一路码流信息与接收到的车辆大小的框图进行叠加，并对叠加后的码流信息进行压缩编码；
FPGA模块，用于采集一路码流信息进行图像分析，获取每一帧图像中的车辆信息和车辆大小的框图并发送至ARM模块。
进一步作为优选的实施方式，所述ARM模块包括有PHY子模块，用于将压缩编码后的码流信息转换成网络数据进行传输。
进一步作为优选的实施方式，所述FPGA模块还包括有双向最小距离匹配子模块，用于对码流信息进行图像分析实现目标跟踪。
参照图2，一种基于ARM和FPGA的车辆识别追踪装置，包括有视频采集模块、ARM模块和FPGA模块，所述ARM模块包括有视频处理子模块、第一缓存子模块、图像数据输入接口和第一UART接口，所述FPGA模块包括有图像分析子模块、第二缓存子模块和第二UART接口，所述视频采集模块通过图像数据输入接口连接至视频处理子模块，所述视频处理子模块与第一缓存子模块连接，所述视频处理子模块通过第一UART接口与FPGA模块的第二UART接口连接，所述图像分析子模块分别与第二缓存子模块和第二UART接口连接。
作为本发明一具体实施例，图2中视频处理子模块可采用海思HI3516处理芯片，图像分析子模块可采用xilinx XC720720模块。视频采集模块采集图像数据信息通过MIPI协议传输到AMR模块，ARM模块通过I2C协议可以对视频采集模块进行配置；ARM模块采集到的视频数据输入到海思HI3516模块内部的视频处理子系统VPSS，输出一路主码流用于后面的压缩编码，输出另外一路码流到海思HI3516的视频输出模块，视频输出模块输出BT656格式的视频数据到FPGA模块，FPGA模块采集ARM模块输出的视频图像，进行图像分析，分析出视频中每一帧的车辆信息，并把车辆大小的框图位置信息通过串口UART返回到ARM模块，ARM模块接收到每一帧图像中车的框图位置和主码流的视频图像进行叠加，从而实现智能车辆识别追踪功能。
进一步作为优选的实施例，所述ARM模块还包括有PHY子模块，所述视频处理子模块与PHY子模块连接；所述PHY子模块可采用RTL8201F-CG；ARM模块的主码流在叠加了车辆信息的框图之后经过内部的压缩编码模块对图像进行压缩编码，通过ARM模块的PHY子模块转换成网络数据进行传输。
进一步作为优选的实施例，所述第一缓存子模块包括有第一DDR3子模块和第一FLASH子模块，可分别采用K4B4G1616B-HCKO和S34ML01G100TFI000。
进一步作为优选的实施例，所述第二缓存子模块包括有第二DDR3子模块、EMMC子模块和第二FLASH子模块，可分别采用MT41K128M16JT、SDIN8DE2-8G和W25Q256FV。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可以作出种种的等同变换或替换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。

Claims (9)

1.一种基于ARM和FPGA的车辆识别追踪方法，其特征在于,包括有以下步骤：
A、视频采集模块采集道路车辆的视频数据并发送至ARM模块；
B、ARM模块接收视频数据进行预处理，生成两路码流信息；
C、FPGA模块采集一路码流信息进行图像分析，获取每一帧图像中的车辆信息和车辆大小的框图并发送至ARM模块；其中，采用双向最小距离匹配法对码流信息进行图像分析，包括步骤：
C1、将FPGA模块中新一帧中的识别目标的中心坐标与ARM模块中上一帧中的所有识别目标的中心坐标进行比较，找出两中心坐标距离最小时所对应的ARM模块中上一帧的识别目标；
C2、将上述步骤C1得到的ARM模块中上一帧中的识别目标的中心坐标与FPGA模块中新一帧中的所有识别目标的中心坐标进行比较，找出两中心坐标距离最小时所对应的FPGA模块中新一帧的识别目标；
C3、若上述步骤C2得到的FPGA模块中新一帧的识别目标即上述步骤C1中FPGA模块中新一帧中的识别目标，则匹配成功，将上述步骤C1得到的ARM模块中上一帧中的识别目标的身份信息赋值给上述步骤C1中FPGA模块中新一帧中的识别目标；
C4、若上述步骤C2得到的FPGA模块中新一帧的识别目标与上述步骤C1中FPGA模块中新一帧中的识别目标不同，则匹配不成功，将一个新的身份信息赋值给上述步骤C1中FPGA模块中新一帧中的识别目标；
D、ARM模块将另一路码流信息与接收到的车辆大小的框图进行叠加，并对叠加后的码流信息进行压缩编码。
2.根据权利要求1所述的一种基于ARM和FPGA的车辆识别追踪方法，其特征在于，还包括有步骤E：ARM模块将压缩编码后的码流信息转换成网络数据进行传输。
3.一种基于ARM和FPGA的车辆识别追踪系统，其特征在于，包括有：视频采集模块，用于采集道路车辆的视频数据并发送至ARM模块；
ARM模块，用于接收视频数据进行预处理，生成两路码流信息，将其中一路码流信息发送至FPGA模块，将另一路码流信息与接收到的车辆大小的框图进行叠加，并对叠加后的码流信息进行压缩编码；
FPGA模块，用于采集一路码流信息进行图像分析，获取每一帧图像中的车辆信息和车辆大小的框图并发送至ARM模块；其中，所述FPGA模块还包括有双向最小距离匹配子模块，用于对码流信息进行图像分析实现目标跟踪，包括步骤：
C1、将FPGA模块中新一帧中的识别目标的中心坐标与ARM模块中上一帧中的所有识别目标的中心坐标进行比较，找出两中心坐标距离最小时所对应的ARM模块中上一帧的识别目标；
C2、将上述步骤C1得到的ARM模块中上一帧中的识别目标的中心坐标与FPGA模块中新一帧中的所有识别目标的中心坐标进行比较，找出两中心坐标距离最小时所对应的FPGA模块中新一帧的识别目标；
C3、若上述步骤C2得到的FPGA模块中新一帧的识别目标即上述步骤C1中FPGA模块中新一帧中的识别目标，则匹配成功，将上述步骤C1得到的ARM模块中上一帧中的识别目标的身份信息赋值给上述步骤C1中FPGA模块中新一帧中的识别目标；
C4、若上述步骤C2得到的FPGA模块中新一帧的识别目标与上述步骤C1中FPGA模块中新一帧中的识别目标不同，则匹配不成功，将一个新的身份信息赋值给上述步骤C1中FPGA模块中新一帧中的识别目标。
4.根据权利要求3所述的一种基于ARM和FPGA的车辆识别追踪系统，其特征在于：所述ARM模块包括有PHY子模块，用于将压缩编码后的码流信息转换成网络数据进行传输。
5.根据权利要求3所述的一种基于ARM和FPGA的车辆识别追踪系统，其特征在于：所述FPGA模块还包括有双向最小距离匹配子模块，用于对码流信息进行图像分析实现目标跟踪。
6.一种基于ARM和FPGA的车辆识别追踪装置，其特征在于：包括有视频采集模块、ARM模块和FPGA模块，所述ARM模块包括有视频处理子模块、第一缓存子模块、图像数据输入接口和第一UART接口，所述FPGA模块包括有图像分析子模块、第二缓存子模块和第二UART接口，所述视频采集模块通过图像数据输入接口连接至视频处理子模块，所述视频处理子模块与第一缓存子模块连接，所述视频处理子模块通过第一UART接口与FPGA模块的第二UART接口连接，所述图像分析子模块分别与第二缓存子模块和第二UART接口连接，其中，所述视频处理子模块用于接收视频数据进行预处理，生成两路码流信息，将其中一路码流信息发送至FPGA模块，将另一路码流信息与接收到的车辆大小的框图进行叠加，并对叠加后的码流信息进行压缩编码；所述图像分析子模块用于采集一路码流信息进行图像分析，获取每一帧图像中的车辆信息和车辆大小的框图并发送至ARM模块；所述图像分析子模块包括步骤：
C1、将FPGA模块中新一帧中的识别目标的中心坐标与ARM模块中上一帧中的所有识别目标的中心坐标进行比较，找出两中心坐标距离最小时所对应的ARM模块中上一帧的识别目标；
C2、将上述步骤C1得到的ARM模块中上一帧中的识别目标的中心坐标与FPGA模块中新一帧中的所有识别目标的中心坐标进行比较，找出两中心坐标距离最小时所对应的FPGA模块中新一帧的识别目标；
C3、若上述步骤C2得到的FPGA模块中新一帧的识别目标即上述步骤C1中FPGA模块中新一帧中的识别目标，则匹配成功，将上述步骤C1得到的ARM模块中上一帧中的识别目标的身份信息赋值给上述步骤C1中FPGA模块中新一帧中的识别目标；
C4、若上述步骤C2得到的FPGA模块中新一帧的识别目标与上述步骤C1中FPGA模块中新一帧中的识别目标不同，则匹配不成功，将一个新的身份信息赋值给上述步骤C1中FPGA模块中新一帧中的识别目标。
7.根据权利要求6所述的一种基于ARM和FPGA的车辆识别追踪装置，其特征在于：所述ARM模块还包括有PHY子模块，所述视频处理子模块与PHY子模块连接。
8.根据权利要求6所述的一种基于ARM和FPGA的车辆识别追踪装置，其特征在于：所述第一缓存子模块包括有第一DDR3子模块和第一FLASH子模块。
9.根据权利要求6所述的一种基于ARM和FPGA的车辆识别追踪装置，其特征在于：所述第二缓存子模块包括有第二DDR3子模块、EMMC子模块和第二FLASH子模块。
CN201810980853.4A 2018-08-27 2018-08-27 一种基于arm和fpga的车辆识别追踪方法、系统和装置 Active CN108986144B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810980853.4A CN108986144B (zh) 2018-08-27 2018-08-27 一种基于arm和fpga的车辆识别追踪方法、系统和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810980853.4A CN108986144B (zh) 2018-08-27 2018-08-27 一种基于arm和fpga的车辆识别追踪方法、系统和装置

Publications (2)

Publication Number Publication Date
CN108986144A CN108986144A (zh) 2018-12-11
CN108986144B true CN108986144B (zh) 2021-01-05

Family

ID=64546673

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810980853.4A Active CN108986144B (zh) 2018-08-27 2018-08-27 一种基于arm和fpga的车辆识别追踪方法、系统和装置

Country Status (1)

Country Link
CN (1) CN108986144B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110991522A (zh) * 2019-11-29 2020-04-10 山东万腾电子科技有限公司 一种字符识别方法、系统及工业智能网关
CN111028231B (zh) * 2019-12-27 2023-06-30 易思维（杭州）科技有限公司 基于arm和fpga的工件位置获取系统
CN112750313A (zh) * 2020-12-31 2021-05-04 上海易维视科技有限公司 基于fpga的视频采集及停车场车牌识别系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101364346A (zh) * 2008-09-03 2009-02-11 华中科技大学 基于视频流的嵌入式实时智能交通监控系统
CN102881159A (zh) * 2011-07-14 2013-01-16 中国大恒(集团)有限公司北京图像视觉技术分公司 一种嵌入式双dsp信息数据处理装置和方法
CN103873779A (zh) * 2014-04-11 2014-06-18 厦门麦克玛视电子信息技术有限公司 一种停车场用智能相机的控制方法
CN107395994A (zh) * 2017-09-14 2017-11-24 海门市品格工业设计有限公司 一种基于hi3516的视频捕捉系统
CN108417047A (zh) * 2018-05-10 2018-08-17 杭州盈蝶科技有限公司 一种车辆定位追踪方法及其系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101364346A (zh) * 2008-09-03 2009-02-11 华中科技大学 基于视频流的嵌入式实时智能交通监控系统
CN102881159A (zh) * 2011-07-14 2013-01-16 中国大恒(集团)有限公司北京图像视觉技术分公司 一种嵌入式双dsp信息数据处理装置和方法
CN103873779A (zh) * 2014-04-11 2014-06-18 厦门麦克玛视电子信息技术有限公司 一种停车场用智能相机的控制方法
CN107395994A (zh) * 2017-09-14 2017-11-24 海门市品格工业设计有限公司 一种基于hi3516的视频捕捉系统
CN108417047A (zh) * 2018-05-10 2018-08-17 杭州盈蝶科技有限公司 一种车辆定位追踪方法及其系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
Moutakki Z, Ayaou T, Afdel K, et al..Prototype of an embedded system using Stratix III FPGA for vehicle detection and traffic management.《2014 International Conference on Multimedia Computing and Systems (ICMCS)》.2014, *
Prototype of an embedded system using Stratix III FPGA for vehicle detection and traffic management;Moutakki Z, Ayaou T, Afdel K, et al.;《2014 International Conference on Multimedia Computing and Systems (ICMCS)》;20141231;第141-146页 *
基于Hi3516C 的嵌入式视频智能分析平台设计;华金，金立左;《工业控制计算机》;20170725;全文 *
基于一体化视频车检器的车辆轨迹算法研究;郝建豹，冯杨等;《机电工程技术》;20140930;第43卷(第09期);全文 *
基于嵌入式系统的视觉目标跟踪;孙启湲，李刘生;《天津理工大学学报》;20120229;第28卷(第1期);全文 *

Also Published As

Publication number Publication date
CN108986144A (zh) 2018-12-11

Similar Documents

Publication Publication Date Title
CN108986144B (zh) 一种基于arm和fpga的车辆识别追踪方法、系统和装置
CN102982311B (zh) 基于视频结构化描述的车辆视频特征提取系统及方法
CN112085952B (zh) 监控车辆数据方法、装置、计算机设备及存储介质
CN204155449U (zh) 一种车牌识别比对高清摄像机及监控系统
CN108234966A (zh) 一种基于嵌入式平台的实时全景视频拼接系统
CN112990162B (zh) 目标检测方法、装置、终端设备及存储介质
CN106919610A (zh) 车联网数据处理方法、系统及服务器
CN109325409B (zh) 通行车辆套牌检验平台
CN112633120A (zh) 一种基于半监督学习的智能路侧感知系统及模型训练方法
CN204242395U (zh) 一种具备视频分析功能的一体化智能车载终端
CN102621978A (zh) 一种用于纯电动汽车电控系统的下线检测系统
CN112418026A (zh) 基于视频检测的车辆违章检测方法、系统和装置
CN112182132A (zh) 一种地铁用户的识别方法、系统、设备和存储介质
CN102708375A (zh) 一种高清一体式车牌抓拍识别设备及方法
CN105426871A (zh) 一种适用于运动行人再识别的相似性度量计算方法
CN116107902A (zh) 测试数据的回灌方法和装置、测试数据的回灌系统
CN103344237B (zh) 行人、车辆导航路线自动匹配终端、系统及方法
CN114037834B (zh) 一种基于振动信号和rgb图像融合的语义分割方法及装置
CN110427911B (zh) 一种道路检测方法、装置、设备及存储介质
CN113010544B (zh) 基于ar增强现实的收费稽核方法及系统
CN114372351A (zh) 基于真实交通场景的自动驾驶仿真场景自动生成方法
CN105185119A (zh) 触屏式图像采集装置及应用其进行交通违章取证的方法
CN102740057B (zh) 一种针对城市照明设施的图像检测分析方法及装置
CN102355471A (zh) 一种双源分布式车辆位置数据采集的方法及其系统
TWI713338B (zh) 物聯網低功耗廣域網路之車牌回傳編碼方法及裝置

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