CN109326124A - 一种基于机器视觉的城市环境停放车辆行为识别系统 - Google Patents

一种基于机器视觉的城市环境停放车辆行为识别系统 Download PDF

Info

Publication number
CN109326124A
CN109326124A CN201811205722.5A CN201811205722A CN109326124A CN 109326124 A CN109326124 A CN 109326124A CN 201811205722 A CN201811205722 A CN 201811205722A CN 109326124 A CN109326124 A CN 109326124A
Authority
CN
China
Prior art keywords
vehicle
video
module
activity recognition
machine vision
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
CN201811205722.5A
Other languages
English (en)
Inventor
王欣欣
贠周会
王旭
应艳丽
谢吉朋
吴斌
叶超
黄江林
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.)
Jiangxi Hongdu Aviation Industry Group Co Ltd
Original Assignee
Jiangxi Hongdu Aviation Industry Group 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 Jiangxi Hongdu Aviation Industry Group Co Ltd filed Critical Jiangxi Hongdu Aviation Industry Group Co Ltd
Priority to CN201811205722.5A priority Critical patent/CN109326124A/zh
Publication of CN109326124A publication Critical patent/CN109326124A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
    • G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

一种基于机器视觉的城市环境停放车辆行为识别系统，由监控设备采集视频图像，并将采集的视频图像接入智能视频分析服务器进行解码并显示，设置用户规则，人工选取视频图像中需要监控的区域，即车辆的检测区域，并设置车辆停放时长阈值；对监控区域内的视频数据，运用目标检测算法进行车辆检测以获取准确地车辆位置信息；同时对检测出的车辆进行跟踪，以得到车辆对象的运动轨迹；在根据车辆对象运动轨迹信息对车辆行为分析，判断该车辆的行为，若满足预设规则则触发报警、识别车牌号码，否则滤除当前车辆，进入下一轮车辆行为识别；进而实现智能检测设防区域车辆行为目的，有效降低了人工成本，提高了城市管理的智能化水平和工作效率。

Description

一种基于机器视觉的城市环境停放车辆行为识别系统
技术领域
本发明涉及模式识别技术领域，尤其涉及一种基于机器视觉的城市环境停放车辆行为识别系统。
背景技术
随着经济的发展和社会生活水平的不断提高，城镇化的快速发展，机动车保有量在迅速增长，原有城市规划如今已难以满足急剧增加的机动车辆停放，城区大街小巷随意乱停车辆现象屡见不鲜，如街边随意停放、禁停路段肆意停放、人行道上乱停放，常造成道路难行、人车争道，同时也存在安全隐患。为进一步加强城市管理，提升城市品位，合理利用道路资源，规范主次干道、人行道车辆有序停放，切实解决城区车辆乱停无序等问题，城管部门需要对未停放在依法施划的泊位线内，依法对违停车辆进行拍照取证，并联合交警部门予以处罚，不仅人力成本高，且需要增加物力与财力成本，同时工作效率低。
而随着我国信息化进程的推进，大量的前端高清视频设备已遍布大街小巷，如何利用已有的高清视频设备结合智能视频分析技术对重要区域进行有效监控已经成为本领域技术人员亟待解决的重要问题。
发明内容
本发明所解决的技术问题在于提供一种基于机器视觉的城市环境停放车辆行为识别系统，以解决上述背景技术中的缺点。
本发明所解决的技术问题采用以下技术方案来实现：
一种基于机器视觉的城市环境停放车辆行为识别系统，具体步骤如下：具体步骤如下：
1）由监控设备的视频采集模块采集视频图像，并将采集的视频图像接入智能视频分析服务器的视频存储模块；视频图像包括历史视频数据或实时视频数据；智能视频分析服务器包括视频存储模块、视频解码模块、车辆检测模块、车辆跟踪模块、车辆行为模式分析模块、车辆识别模块、车辆信息描述模块、报警模块及视频监控显示模块；
2）视频解码模块对视频存储模块中接入的视频流进行解码并显示，采用FFMPEG对历史视频数据或实时视频数据进行解码，并分帧处理为帧队列，最后借助QT控件作视频的实时显示；
3）设置用户规则，人工选取设定视频图像中需要监控的区域，即车辆的检测区域，并设置车辆停放时长阈值；
4）车辆检测模块对步骤3）中监控区域的视频图像数据，运用基于深度学习的目标检测算法（SSD）进行车辆检测，以获取准确地车辆位置信息；
SSD全称Single Shot MultiBox Detector，是WeiLiu在ECCV2016上提出的一种目标检测算法，SSD算法步骤：输入一幅图片（如1920x1080），并将其输入至预训练完备的分类网络中以获得不同大小的特征映射，再抽取不同网络层的特征图，而后分别在抽取的每个特征网络层上的每一个点构造6个不同尺度大小的边界框，再分别进行检测和分类，生成多个边界框，最后将通过不同特征图获得的边界框结合起来，经NMS（非极大值抑制）方法抑制一部分重叠或者不正确的边界框，生成最终的边界框集合（即检测结果）；
5）车辆跟踪模块结合步骤4）中检测到的车辆位置信息，对用户设定的监控区域内所有车辆进行运动轨迹跟踪，采用时空信息、匹配和预测方法，对车辆进行准确的跟踪，以得到车辆对象的运动轨迹，并保存车辆对象运动轨迹信息；
此步骤中，目标匹配采用匈牙利算法，目标预测采用卡尔曼滤波算法；
6）车辆行为模式分析模块根据步骤5）中获取的车辆对象运动轨迹信息对所有车辆进行行为分析，判断该车辆的行为，若满足预设规则则触发报警，否则滤除当前车辆，进入下一轮车辆行为识别；
7）车辆识别模块识别引发报警车辆的车牌号码；
8）车辆信息描述模块根据步骤7）中获取的车牌信息和步骤6）中获取的车辆行为信息，形成文本形式描述的车辆行为分析结果信息；
9）报警模块发送报警信息，发送报警信息有多种形式，包括本地驱动报警设备和向后端监控中心发送报警数据，由监控工作站控制以弹出视频、自动弹出报警信息、驱动报警设备等形式报警，并将报警信息存入数据库以方便后续取证使用；
10）视频监控显示模块显示报警。
有益效果：本发明利用目标检测算法进行车辆检测，以获取准确地车辆位置信息，再结合车辆对象运动轨迹信息，从而准确地检测出监视区域内的车辆行为，若有车辆行为满足预设规则（即违章），识别违章车辆的车牌号码，并发送报警信息，报警信息有多种形式，包括本地驱动报警设备和向后端监控中心发送报警数据，由监控工作站控制以弹出视频、自动弹出报警信息、驱动报警设备等形式报警，进而实现智能检测设防区域车辆行为目的，有效降低了人工成本，提高了城市管理的智能化水平和工作效率；同时本发明与视频监控、智能分析识别、电子抓拍形成一体，具有良好的兼容性和通用性，可扩展交通车辆管理处罚等应用。
附图说明
图1是本发明的较佳实施例的流程示意图。
图2是本发明的较佳实施例中的目标检测算法网络结构图。
图3是本发明的较佳实施例的实时分析示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。
参见图1所示的一种基于机器视觉的城市环境停放车辆行为识别系统，具体步骤如下：
1）由监控设备的视频采集模块采集视频图像，并将采集的视频图像接入智能视频分析服务器的视频存储模块，此处视频图像可以是历史视频数据，也可以是实时视频数据，其中，历史视频数据是指监控设备记录的过去已发生的视频数据，实时视频数据是指监控设备实时采集的监控视频数据；智能视频分析服务器包括视频存储模块、视频解码模块、车辆检测模块、车辆跟踪模块、车辆行为模式分析模块、车辆识别模块、车辆信息描述模块、报警模块及视频监控显示模块；
2）对存放在视频存储模块的视频流采用视频解码模块进行解码并显示，视频解码模块采用FFMPEG对历史视频数据或实时视频数据进行解码，并分帧处理为帧队列，最后借助QT控件作视频的实时显示；
3）设置用户规则，人工选取设定视频图像中需要监控的区域，即车辆的检测区域，并设置车辆停放时长阈值；
4）通过车辆检测模块对步骤3）中监控区域的视频图像数据，运用基于深度学习的目标检测算法（SSD）进行车辆检测，以获取准确地车辆位置信息；
SSD全称Single Shot MultiBox Detector，是WeiLiu在ECCV2016上提出的一种目标检测算法，SSD算法步骤：输入一幅图片（如1920x1080），并将其输入至预训练完备的分类网络中以获得不同大小的特征映射，再抽取不同网络层的特征图，而后分别在抽取的每个特征网络层上的每一个点构造6个不同尺度大小的边界框，再分别进行检测和分类，生成多个边界框，如图2所示，最后将通过不同特征图获得的边界框结合起来，经NMS（非极大值抑制）方法抑制一部分重叠或者不正确的边界框，生成最终的边界框集合（即检测结果）；
5）结合步骤4）中检测到的车辆位置信息，由车辆跟踪模块对用户设定的监控区域内所有车辆进行运动轨迹跟踪，采用时空信息、匹配和预测方法，对车辆进行准确的跟踪，以得到车辆对象的运动轨迹，并保存车辆对象运动轨迹信息；
此步骤中，目标匹配采用匈牙利算法，目标预测采用卡尔曼滤波算法；
6）车辆行为模式分析模块根据步骤5）中获取的车辆对象运动轨迹信息对所有车辆进行行为分析，判断该车辆的行为，若存在违章停放则触发报警，否则滤除当前车辆，进入下一轮车辆行为识别；
7）车辆识别模块识别引发报警车辆的车牌号码；
8）车辆信息描述模块根据步骤7）中获取的车牌信息和步骤6）中获取的车辆行为信息，形成文本形式描述的车辆行为分析结果信息；
9）报警模块发送报警信息，发送报警信息有多种形式，包括本地驱动报警设备和向后端监控中心发送报警数据，由监控工作站控制以弹出视频、自动弹出报警信息、驱动报警设备等形式报警，并将报警信息存入数据库以方便后续取证使用；
10）视频监控显示模块显示报警，如图3所示，图3中设定的监控区域是多边形框所框定的区域，当车辆在此区域内停放超过预设时间触发报警，系统将识别引发报警车辆的车牌号码，并报警。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种基于机器视觉的城市环境停放车辆行为识别系统，其特征在于，具体步骤如下：
1）由监控设备的视频采集模块采集视频图像，并将采集的视频图像接入智能视频分析服务器的视频存储模块；智能视频分析服务器包括视频存储模块、视频解码模块、车辆检测模块、车辆跟踪模块、车辆行为模式分析模块、车辆识别模块、车辆信息描述模块、报警模块及视频监控显示模块；
2）视频解码模块对视频存储模块中接入的视频流进行解码并显示；
3）设置用户规则，人工选取设定视频图像中需要监控的区域，即车辆的检测区域，并设置车辆停放时长阈值；
4）车辆检测模块对步骤3）中监控区域的视频图像数据，运用基于深度学习的目标检测算法进行车辆检测，以获取准确地车辆位置信息；
5）车辆跟踪模块结合步骤4）中检测到的车辆位置信息，对用户设定的监控区域内所有车辆进行运动轨迹跟踪，采用时空信息、目标匹配和目标预测方法，对车辆进行准确的跟踪，以得到车辆对象的运动轨迹，并保存车辆对象运动轨迹信息；
6）车辆行为模式分析模块根据步骤5）中获取的车辆对象运动轨迹信息对所有车辆进行行为分析，判断该车辆的行为，若满足预设规则则触发报警，否则滤除当前车辆，进入下一轮车辆行为识别；
7）车辆识别模块识别引发报警车辆的车牌号码；
8）车辆信息描述模块根据步骤7）中获取的车牌信息和步骤6）中获取的车辆行为信息，形成文本形式描述的车辆行为分析结果信息；
9）报警模块发送报警信息；
10）视频监控显示模块显示报警。
2.根据权利要求1所述的一种基于机器视觉的城市环境停放车辆行为识别系统，其特征在于，步骤1）中，视频图像包括历史视频数据或实时视频数据。
3.根据权利要求1所述的一种基于机器视觉的城市环境停放车辆行为识别系统，其特征在于，步骤2）中，视频解码模块采用FFMPEG对视频数据进行解码，并分帧处理为帧队列。
4.根据权利要求1所述的一种基于机器视觉的城市环境停放车辆行为识别系统，其特征在于，步骤2）中，视频解码模块对视频存储模块中接入的视频流解码后借助QT控件作视频的实时显示。
5.根据权利要求1所述的一种基于机器视觉的城市环境停放车辆行为识别系统，其特征在于，步骤4）中，车辆检测模块进行目标检测算法步骤：输入一幅图片，并将此张图片输入至预训练完备的分类网络中以获得不同大小的特征映射，再抽取不同网络层的特征图，而后分别在抽取的每个特征网络层上的每一个点构造6个不同尺度大小的边界框，再分别进行检测和分类，生成多个边界框，最后将通过不同特征图获得的边界框结合起来，经NMS方法抑制一部分重叠或者不正确的边界框，生成最终的边界框集合，即检测结果。
6.根据权利要求1所述的一种基于机器视觉的城市环境停放车辆行为识别系统，其特征在于，步骤5）中，车辆跟踪模块对目标匹配采用匈牙利算法，对目标预测采用卡尔曼滤波算法。
7.根据权利要求1所述的一种基于机器视觉的城市环境停放车辆行为识别系统，其特征在于，步骤9）中，报警模块发送报警信息包括本地驱动报警设备和向后端监控中心发送报警数据。
8.根据权利要求1所述的一种基于机器视觉的城市环境停放车辆行为识别系统，其特征在于，步骤9）中，报警模块将报警信息存入数据库以方便后续取证使用。
CN201811205722.5A 2018-10-17 2018-10-17 一种基于机器视觉的城市环境停放车辆行为识别系统 Pending CN109326124A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811205722.5A CN109326124A (zh) 2018-10-17 2018-10-17 一种基于机器视觉的城市环境停放车辆行为识别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811205722.5A CN109326124A (zh) 2018-10-17 2018-10-17 一种基于机器视觉的城市环境停放车辆行为识别系统

Publications (1)

Publication Number Publication Date
CN109326124A true CN109326124A (zh) 2019-02-12

Family

ID=65262092

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811205722.5A Pending CN109326124A (zh) 2018-10-17 2018-10-17 一种基于机器视觉的城市环境停放车辆行为识别系统

Country Status (1)

Country Link
CN (1) CN109326124A (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109887281A (zh) * 2019-03-01 2019-06-14 北京云星宇交通科技股份有限公司 一种监控交通事件的方法及系统
CN110059393A (zh) * 2019-04-11 2019-07-26 东软睿驰汽车技术（沈阳）有限公司 一种车辆的仿真测试方法、装置及系统
CN110351535A (zh) * 2019-08-14 2019-10-18 杭州品茗安控信息技术股份有限公司 一种工地监控系统
CN110399771A (zh) * 2019-04-12 2019-11-01 泰州阿法光电科技有限公司 交通环境现场维护系统
CN110490125A (zh) * 2019-08-15 2019-11-22 成都睿晓科技有限公司 一种基于手势自动检测的加油区服务质量检测系统
CN110728815A (zh) * 2019-10-25 2020-01-24 深圳市商汤科技有限公司 基于视频分析的预警方法及装置、电子设备和存储介质
CN111126171A (zh) * 2019-12-04 2020-05-08 江西洪都航空工业集团有限责任公司 一种车辆逆行检测方法及系统
CN112071084A (zh) * 2020-09-18 2020-12-11 城云科技（中国）有限公司 一种利用深度学习判断违章停车的方法和系统
CN112084970A (zh) * 2020-09-14 2020-12-15 西安莱奥信息科技有限公司 一种基于机器视觉的车辆识别方法及装置
CN112580477A (zh) * 2020-12-12 2021-03-30 江西洪都航空工业集团有限责任公司 一种共享单车乱停乱放检测方法
CN112633068A (zh) * 2020-11-25 2021-04-09 河北汉光重工有限责任公司 基于陆防监控的人车图像识别追踪云系统
CN113191196A (zh) * 2021-04-01 2021-07-30 北京睿芯高通量科技有限公司 一种新型智能安防系统中的轨迹分析方法及系统
CN113887420A (zh) * 2021-09-30 2022-01-04 浙江浩腾电子科技股份有限公司 一种基于ai的城市公共车位智能化检测识别系统
CN114051124A (zh) * 2022-01-17 2022-02-15 深圳市华付信息技术有限公司 支持多区域监控的视频监控方法、装置、设备及存储介质
CN115550608A (zh) * 2022-09-19 2022-12-30 国网智能科技股份有限公司 多用户高并发ai视频实时融合显示控制方法及系统
CN115884333A (zh) * 2022-11-22 2023-03-31 上海移柯通信技术股份有限公司 Tbox智能管理方法、Tbox、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120280836A1 (en) * 2011-05-04 2012-11-08 Federal Signal Corporation Vehicle Detection System with RFID-Based Location Determination
US20130129152A1 (en) * 2011-11-18 2013-05-23 Xerox Corporation Methods and systems for improving yield in wanted vehicle searches
CN106384513A (zh) * 2016-09-17 2017-02-08 刘进 一种基于智能交通的套牌车捕捉系统及方法
CN106571039A (zh) * 2016-08-22 2017-04-19 中海网络科技股份有限公司 一种高速公路违章行为自动抓拍系统
CN106886755A (zh) * 2017-01-19 2017-06-23 北京航空航天大学 一种基于交通标志识别的交叉口车辆违章检测系统
CN106935035A (zh) * 2017-04-07 2017-07-07 西安电子科技大学 基于ssd神经网络的违章停车车辆实时检测方法
CN107992854A (zh) * 2017-12-22 2018-05-04 重庆邮电大学 基于机器视觉的林业生态环境人机交互方法
CN108596053A (zh) * 2018-04-09 2018-09-28 华中科技大学 一种基于ssd和车辆姿态分类的车辆检测方法和系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120280836A1 (en) * 2011-05-04 2012-11-08 Federal Signal Corporation Vehicle Detection System with RFID-Based Location Determination
US20130129152A1 (en) * 2011-11-18 2013-05-23 Xerox Corporation Methods and systems for improving yield in wanted vehicle searches
CN106571039A (zh) * 2016-08-22 2017-04-19 中海网络科技股份有限公司 一种高速公路违章行为自动抓拍系统
CN106384513A (zh) * 2016-09-17 2017-02-08 刘进 一种基于智能交通的套牌车捕捉系统及方法
CN106886755A (zh) * 2017-01-19 2017-06-23 北京航空航天大学 一种基于交通标志识别的交叉口车辆违章检测系统
CN106935035A (zh) * 2017-04-07 2017-07-07 西安电子科技大学 基于ssd神经网络的违章停车车辆实时检测方法
CN107992854A (zh) * 2017-12-22 2018-05-04 重庆邮电大学 基于机器视觉的林业生态环境人机交互方法
CN108596053A (zh) * 2018-04-09 2018-09-28 华中科技大学 一种基于ssd和车辆姿态分类的车辆检测方法和系统

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109887281A (zh) * 2019-03-01 2019-06-14 北京云星宇交通科技股份有限公司 一种监控交通事件的方法及系统
CN110059393A (zh) * 2019-04-11 2019-07-26 东软睿驰汽车技术（沈阳）有限公司 一种车辆的仿真测试方法、装置及系统
CN110399771A (zh) * 2019-04-12 2019-11-01 泰州阿法光电科技有限公司 交通环境现场维护系统
CN110399771B (zh) * 2019-04-12 2020-09-11 厦门瞳景智能科技有限公司 交通环境现场维护系统
CN110351535A (zh) * 2019-08-14 2019-10-18 杭州品茗安控信息技术股份有限公司 一种工地监控系统
CN110490125B (zh) * 2019-08-15 2023-04-18 成都睿晓科技有限公司 一种基于手势自动检测的加油区服务质量检测系统
CN110490125A (zh) * 2019-08-15 2019-11-22 成都睿晓科技有限公司 一种基于手势自动检测的加油区服务质量检测系统
CN110728815A (zh) * 2019-10-25 2020-01-24 深圳市商汤科技有限公司 基于视频分析的预警方法及装置、电子设备和存储介质
CN111126171A (zh) * 2019-12-04 2020-05-08 江西洪都航空工业集团有限责任公司 一种车辆逆行检测方法及系统
CN112084970A (zh) * 2020-09-14 2020-12-15 西安莱奥信息科技有限公司 一种基于机器视觉的车辆识别方法及装置
CN112071084A (zh) * 2020-09-18 2020-12-11 城云科技（中国）有限公司 一种利用深度学习判断违章停车的方法和系统
CN112633068A (zh) * 2020-11-25 2021-04-09 河北汉光重工有限责任公司 基于陆防监控的人车图像识别追踪云系统
CN112580477A (zh) * 2020-12-12 2021-03-30 江西洪都航空工业集团有限责任公司 一种共享单车乱停乱放检测方法
CN113191196A (zh) * 2021-04-01 2021-07-30 北京睿芯高通量科技有限公司 一种新型智能安防系统中的轨迹分析方法及系统
CN113887420A (zh) * 2021-09-30 2022-01-04 浙江浩腾电子科技股份有限公司 一种基于ai的城市公共车位智能化检测识别系统
CN114051124A (zh) * 2022-01-17 2022-02-15 深圳市华付信息技术有限公司 支持多区域监控的视频监控方法、装置、设备及存储介质
CN114051124B (zh) * 2022-01-17 2022-05-20 深圳市华付信息技术有限公司 支持多区域监控的视频监控方法、装置、设备及存储介质
CN115550608A (zh) * 2022-09-19 2022-12-30 国网智能科技股份有限公司 多用户高并发ai视频实时融合显示控制方法及系统
CN115884333A (zh) * 2022-11-22 2023-03-31 上海移柯通信技术股份有限公司 Tbox智能管理方法、Tbox、电子设备及存储介质
CN115884333B (zh) * 2022-11-22 2023-08-11 上海移柯通信技术股份有限公司 Tbox智能管理方法、Tbox、电子设备及存储介质

Similar Documents

Publication Publication Date Title
CN109326124A (zh) 一种基于机器视觉的城市环境停放车辆行为识别系统
US9224049B2 (en) Detection of static object on thoroughfare crossings
CN110738857B (zh) 一种车辆违章取证方法、装置及设备
CN104537841B (zh) 无牌车辆违章检测方法及其检测系统
US10713500B2 (en) Identification and classification of traffic conflicts using live video images
KR102122859B1 (ko) 교통 영상감시시스템의 멀티 표적 추적 방법
CN104809887B (zh) 一种高速公路上车辆逆行检测方法与自动报警装置
CN102768801B (zh) 基于视频的机动车绿灯跟进违章行为的检测方法
CN106373426A (zh) 基于计算机视觉的停车位及违规占道停车监控方法
CN112509315B (zh) 一种基于视频分析的交通事故检测方法
CA2925843C (en) System for traffic behaviour surveillance
CN109377694B (zh) 社区车辆的监控方法及系统
CN103914688A (zh) 一种城市道路障碍物识别系统
CN106251635A (zh) 一种套牌嫌疑车牌号的识别方法及系统
CN102945603A (zh) 检测交通事件的方法及电子警察装置
KR102122850B1 (ko) 딥 러닝 기반의 교통분석 및 차량번호 인식 솔루션
CN108932849B (zh) 一种记录多台机动车低速行驶违法行为的方法及装置
CN112071058A (zh) 基于深度学习的道路交通监控及车辆异常、违禁、火灾的检测方法及系统
CN112749630A (zh) 一种道路路况智能视频监控方法及系统
CN110880243B (zh) 基于高位视频路侧停车收费设备的道路违法停车治理方法
Ravish et al. Intelligent traffic violation detection
CN104463913A (zh) 违规停车智能检测装置与方法
Kamijo et al. Development and evaluation of real-time video surveillance system on highway based on semantic hierarchy and decision surface
Al-Kadi et al. Road scene analysis for determination of road traffic density
CN113561896A (zh) 车辆的刹车灯异常确定方法和刹车灯异常确定装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190212