CN109409336A - 一种基于图像识别的大雾预警系统及方法 - Google Patents
一种基于图像识别的大雾预警系统及方法 Download PDFInfo
- Publication number
- CN109409336A CN109409336A CN201811457298.3A CN201811457298A CN109409336A CN 109409336 A CN109409336 A CN 109409336A CN 201811457298 A CN201811457298 A CN 201811457298A CN 109409336 A CN109409336 A CN 109409336A
- Authority
- CN
- China
- Prior art keywords
- dense fog
- module
- video
- dense
- early warning
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
Abstract
本发明公开了一种基于图像识别的大雾预警系统及方法，属于交通检测技术领域，包括视频监控设备、采集服务器、大雾模型服务器、数据存储服务器以及WEB服务器；采集服务器采集视频监控设备所拍摄的监控视频图片；大雾模型服务器利用大雾识别模型对监控视频图片进行处理，识别出大雾等级和能见度；并通过WEB服务器产生预警信号，同时利用数据存储服务器中存储的监控视频图片对大雾识别模型进行迭代训练，生成新的大雾识别模型对监控视频图片进行识别。本发明可代替气象监测站，提高对团雾预警的准确性，并降低人力物力等资源投入。
Description
技术领域
本发明涉及交通监测技术领域，特别涉及一种基于图像识别的大雾预警系统及方法。
背景技术
气温骤降，导致雨雪、大雾等天气，对出行安全有一定隐患。尤其是大雾天气，行车能见度低、视线不清，驾驶员容易产生错觉，引发交通事故。尤其是在高速公路上行驶时，容易引发重大交通事故，被称为高速公路上的“杀手”，而准确的大雾天气预报是降低高速公路交通事故发生概率的重要手段。
目前，通过在高速公路沿途设立气象监测站，之后由气象信息发布与预警平台将气象监测站采集的气象数据进行发布，在交通、公安交警等部门实时共享，实现高速公路大雾预警。截止2018年1月，安徽省高速公路沿线共建成335个交通气象监测站，形成了平均间距约15km的恶劣气象条件监测网，实现了分钟级气象要素实时监测与快速收集。虽然通过布设监测站来监测大雾，对交通安全起到较好的保障作用，但这种大雾预警方法还存在以下问题。首先，监测站间距在15km以上，对团雾无法提供监测预警服务，而团雾往往最容易导致交通事故，在预警准确性和可靠性上还需进一步提高；其次，监测站的投建和维护成本较高。
发明内容
本发明的目的在于提供一种基于图像识别的大雾预警系统及方法，以提高大雾检测预警的准确性。
为实现以上目的，本发明采用一种基于图像识别的大雾预警系统，包括：视频监控设备、采集服务器、大雾模型服务器、数据存储服务器以及WEB服务器；
采集服务器中设置有视频图片采集模块，视频图片采集模块其用于采集视频监控设备所拍摄的监控视频图片；
数据存储服务器设置有图片存储模块，图片存储模块与视频图片采集模块连接以用于对视频图片采集模块所采集的监控视频图片进行存储；
大雾模型服务器设置有大雾识别模块和标注工具，大雾识别模块与视频图片采集模块连接，大雾识别模块利用大雾识别模型对视频图片采集模块所采集的监控视频图片进行处理，识别出大雾等级和能见度；
标注工具输入端与图片存储模块连接，标注工具用于对图片存储模块中存储的监控视频图片进行专家标注；
标注工具的输出端与大雾识别模块连接，大雾识别模块根据标注后的监控视频图片对大雾识别模型进行迭代训练，得到新的大雾识别模型；
WEB服务器中设置有大雾预警模块，大雾预警模块与大雾识别模块连接，以根据大雾识别模块识别出的大雾等级和能见度，产生预警信号。
优选地，所述视频监控设备为道路监控平台中布置的至少一个摄像头。
优选地，所述WEB服务器中还设置有实时监控模块，该实时监控模块与所述视频图片采集模块连接；
实时监控模块用于从视频图片采集模块中获取所述监控视频图片以用于展示路段实时监控视频。
优选地，所述WEB服务器中还设置有信息统计模块，所述数据存储服务器中还设置有系统数据存储模块，该系统数据存储模块与信息统计模块连接；
系统数据存储模块用于存储历史大雾等级识别信息；
信息统计模块用于对所述系统数据存储模块中存储的数据，进行历史大雾预警统计分析，得到历史大雾预警统计分析结果。
优选地，所述WEB服务器中还设置有道路GIS模块，该道路GIS模块与大雾预警模块连接，其用于展示道路GIS信息并叠加展示道路当前大雾信息。
优选地，还包括显示终端，该显示终端接入所述WEB服务器以实时显示道路GIS信息、道路大雾预警信息、路段实时监控视频和历史大雾预警统计分析结果。
另一方面，采用一种基于图像识别的大雾预警方法，包括：
向视频监控平台申请访问视频流，并得到视频监控平台返回的视频流地址；
通过视频流地址接入视频监控平台中的视屏监控设备，并按照设定周期截取监控视频图片；
利用大雾识别模型对监控视频图片进行识别，得到大雾等级和浓见度；
根据大雾等级和浓见度，生成大雾预警信号；
对所述监控视频图片进行专家标注，并利用标注后的监控视频图片对大雾识别模型进行迭代训练，得到新的大雾识别模型以用于对监控视频图片进行大雾识别。
优选地，还包括：
对所述视频监控设备获取的监控视频图片进行实时监控，得到路段的实时监控视频。
优选地，在所述利用大雾识别模型对监控视频图片进行识别，得到大雾等级和浓见度之后，还包括：
将得到的大雾等级和浓见度信息进行存储，作为历史大雾等级识别信息；
对所述历史大雾等级识别信息进行统计分析，得到历史大雾预警统计分析结果。
优选地，还包括：
实时获取道路GIS信息，并将道路GIS信息与该道路当前的大雾信息后进行展示。
与现有技术相比，本发明存在以下技术效果：本发明借助已有的道路监控平台，通过设置接口与道路监控平台中的视频监控设备进行连接，能够实时获取高速公路的路况图像并进行处理对比判断大雾浓见度等级，交管中心和现场人员根据展示端可以了解哪些路段出现大雾预警，及时制定相应的管制策略，降低大雾对高速公路交通安全的影响；同时可以有效的克服气象监测站密度稀疏，团雾监测不利的缺陷，极大的降低监测站建设维护的人力物力的投入。
附图说明
下面结合附图，对本发明的具体实施方式进行详细描述：
图1是一种基于图像识别的大雾预警系统的结构示意图；
图2是一种基于图像识别的大雾预警方法的流程示意图。
具体实施方式
为了更进一步说明本发明的特征，请参阅以下有关本发明的详细说明与附图。所附图仅供参考与说明之用，并非用来对本发明的保护范围加以限制。
如图1所示，本实施例公开了一种基于图像识别的大雾预警系统，包括视频监控设备、采集服务器11、大雾模型服务器13、数据存储服务器16以及WEB服务器19；
采集服务器11中设置有视频图片采集模块12，视频图片采集模块12其用于计入视频监控设备，并从视频监控设备所拍摄的监控视频中抽帧成像得到监控视频图片；
数据存储服务器16设置有图片存储模块17，图片存储模块17与视频图片采集模块12连接以用于对视频图片采集模块12所采集的监控视频图片进行存储；
大雾模型服务器13设置有大雾识别模块14和标注工具15，大雾识别模块14与视频图片采集模块12连接，大雾识别模块14利用大雾识别模型对视频图片采集模块12所采集的监控视频图片进行处理，识别出大雾等级和能见度；
标注工具15输入端与图片存储模块17连接，标注工具15用于对图片存储模块17中存储的监控视频图片进行专家标注；
标注工具15的输出端与大雾识别模块14连接，大雾识别模块14根据标注后的监控视频图片对大雾识别模型进行迭代训练，得到新的大雾识别模型；
WEB服务器19中设置有大雾预警模块20，大雾预警模块20与大雾识别模块14连接，以根据大雾识别模块14识别出的大雾等级和能见度，产生预警信号。
本实施例能够实时获取高速公路的路况图像并进行处理对比判断大雾浓见度等级，进行路段大雾预警，及时制定相应的管制策略，降低大雾对高速公路交通安全的影响。利用本方案可代替气象监测站，可以有效的克服气象监测站密度稀疏，团雾监测不利的缺陷，极大的降低监测站建设维护的人力物力投入。
需要说明的是，本实施例中对监控视频图片进行标注，标注分为六个浓见度等级（1级：0-50米，2级：50-100米，3级：100-200米，4级：200-500米，5级：500-1000米，6级：1000米以上）。通过利用专家标注后的监控视频图片对大雾识别模型进行迭代训练，以提高大雾识别模型对图像识别的准确性。
优选地，本实施例中的视频监控设备为道路上的监控摄像头10，并布置在已有道路监控平台中。本实施例通过扩展接口，将采集服务器11中设置的视频图片采集模块12接入道路监控平台，视频图片采集模块12申请访问视频流，监控平台会返回视频流地址，视频图片采集模块12会通过视频流地址接入摄像头10监控视频并按照系统设定的周期截取视频图片。
通过借助已有的道路监控平台和已有的监控设备，极大的节省人力物理的投入，降低了成本。
优选地，WEB服务器19中还设置有实时监控模块21，该实时监控模块21与所述视频图片采集模块12连接；
实时监控模块21用于从视频图片采集模块12中获取所述监控视频图片以用于展示路段实时监控视频，以供交管中心和现场人员及时观察道路大雾状态，制定相应的管制策略。
优选地，WEB服务器19中还设置有信息统计模块23，所述数据存储服务器16中还设置有系统数据存储模块18，该系统数据存储模块18与信息统计模块23连接；
系统数据存储模块18用于存储历史大雾等级识别信息；
信息统计模块23用于对所述系统数据存储模块18中存储的数据，进行历史大雾预警统计分析，得到历史大雾预警统计分析结果。
本实施例中通过对历史大雾预警信息进行统计并对统计分析结果进行显示，以便于交管中心和现场人员对某些路段提前进行预判，预先制定相应管制策略。
优选地，WEB服务器19中还设置有道路GIS模块22，该道路GIS模块22与大雾预警模块20连接，其用于展示道路GIS信息并叠加展示道路当前大雾信息。本实施例中将道路GIS信息和该道路当前的大雾信息进行叠加，提供道路各路段实时的大雾信息，有效的克服了团雾监测不利的影响。
优选地，还包括显示终端24，该显示终端24接入所述WEB服务器19以实时显示道路GIS信息、道路大雾预警信息、路段实时监控视频和历史大雾预警统计分析结果。
需要说明的是，该显示终端24可以是大屏、手持端或者计算机等，以便于用户实时观察道路GIS信息、道路大雾预警信息、路段实时监控视频和历史大雾预警统计分析结果。
如图2所示，本实施例公开了一种基于图像识别的大雾预警方法，包括如下步骤S1至S5：
S1、向视频监控平台申请访问视频流，并得到视频监控平台返回的视频流地址；
S2、通过视频流地址接入视频监控平台中的视屏监控设备，并按照设定周期截取监控视频图片；
S3、利用大雾识别模型对监控视频图片进行识别，得到大雾等级和浓见度；
S4、根据大雾等级和浓见度，生成大雾预警信号；
S5、对所述监控视频图片进行专家标注，并利用标注后的监控视频图片对大雾识别模型进行迭代训练，得到新的大雾识别模型然后执行步骤S3。
需要说明的是，本实施例中的大雾识别模型是事先训练好的大雾等级识别模型，通过对图片进行归类，获取其所属类别等级，即可识别出图像中的大雾浓见度等级，提高了大雾预警的实时性。
另外，本实施例中利用已有的道路监控平台中的视频监控设备，目前，已有高速公路每2公里布设一台高清摄像头。基于这些条件，依托道路摄像头采集的图像，对大雾进行实时监控，弥补因能见度站点距离稀疏等原因导致大雾灾害性天气监测范围的不足，降低监测站的建设和维护成本。
优选地，本实施例的大雾预警方法还包括：
对所述视频监控设备获取的监控视频图片进行实时监控，得到路段的实时监控视频。
优选地，在上述步骤S3：利用大雾识别模型对监控视频图片进行识别，得到大雾等级和浓见度之后，还包括：
将得到的大雾等级和浓见度信息进行存储，作为历史大雾等级识别信息；
对所述历史大雾等级识别信息进行统计分析，得到历史大雾预警统计分析结果。
需要说明的是，通过将已经识别出的大雾等级识别信息作为历史数据，并对其进行统计分析，以对当前的大雾预警提供指导，为提前预判提供数据基础。
优选地，本实施例中的大雾预警方法还包括：
实时获取道路GIS信息，并将道路GIS信息与该道路当前的大雾信息后进行展示。
本方案能够实时获取高速公路的路况图像并进行处理对比判断大雾浓见度等级，降低大雾对高速公路交通安全的影响；同时可以有效的克服气象监测站密度稀疏，团雾监测不利的缺陷，可实现实时监测、实时预警，具有高密度监测、高可靠性、准确性。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于图像识别的大雾预警系统，其特征在于，包括：视频监控设备、采集服务器、大雾模型服务器、数据存储服务器以及WEB服务器；
采集服务器中设置有视频图片采集模块，视频图片采集模块其用于采集视频监控设备所拍摄的监控视频图片；
数据存储服务器设置有图片存储模块，图片存储模块与视频图片采集模块连接以用于对视频图片采集模块所采集的监控视频图片进行存储；
大雾模型服务器设置有大雾识别模块和标注工具，大雾识别模块与视频图片采集模块连接，大雾识别模块利用大雾识别模型对视频图片采集模块所采集的监控视频图片进行处理，识别出大雾等级和能见度；
标注工具输入端与图片存储模块连接，标注工具用于对图片存储模块中存储的监控视频图片进行专家标注；
标注工具的输出端与大雾识别模块连接，大雾识别模块根据标注后的监控视频图片对大雾识别模型进行迭代训练，得到新的大雾识别模型；
WEB服务器中设置有大雾预警模块，大雾预警模块与大雾识别模块连接，以根据大雾识别模块识别出的大雾等级和能见度，产生预警信号。
2.如权利要求1所述的基于图像识别的大雾预警系统，其特征在于，所述视频监控设备为道路监控平台中布置的至少一个摄像头。
3.如权利要求1或2所述的基于图像识别的大雾预警系统，其特征在于，所述WEB服务器中还设置有实时监控模块，该实时监控模块与所述视频图片采集模块连接；
实时监控模块用于从视频图片采集模块中获取所述监控视频图片以用于展示路段实时监控视频。
4.如权利要求3所述的基于图像识别的大雾预警系统，其特征在于，所述WEB服务器中还设置有信息统计模块，所述数据存储服务器中还设置有系统数据存储模块，该系统数据存储模块与信息统计模块连接；
系统数据存储模块用于存储历史大雾等级识别信息；
信息统计模块用于对所述系统数据存储模块中存储的数据，进行历史大雾预警统计分析，得到历史大雾预警统计分析结果。
5.如权利要求4所述的基于图像识别的大雾预警系统，其特征在于，所述WEB服务器中还设置有道路GIS模块，该道路GIS模块与大雾预警模块连接，其用于展示道路GIS信息并叠加展示道路当前大雾信息。
6.如权利要求5所述的基于图像识别的大雾预警系统，其特征在于，还包括显示终端，该显示终端接入所述WEB服务器以实时显示道路GIS信息、道路大雾预警信息、路段实时监控视频和历史大雾预警统计分析结果。
7.一种基于图像识别的大雾预警方法，其特征在于，包括：
向视频监控平台申请访问视频流，并得到视频监控平台返回的视频流地址；
通过视频流地址接入视频监控平台中的视屏监控设备，并按照设定周期截取监控视频图片；
利用大雾识别模型对监控视频图片进行识别，得到大雾等级和浓见度；
根据大雾等级和浓见度，生成大雾预警信号；
对所述监控视频图片进行专家标注，并利用标注后的监控视频图片对大雾识别模型进行迭代训练，得到新的大雾识别模型以用于对监控视频图片进行大雾识别。
8.如权利要求7所述的基于图像识别的大雾预警方法，其特征在于，还包括：
对所述视频监控设备获取的监控视频图片进行实时监控，得到路段的实时监控视频。
9.如权利要求7所述的基于图像识别的大雾预警方法，其特征在于，在所述利用大雾识别模型对监控视频图片进行识别，得到大雾等级和浓见度之后，还包括：
将得到的大雾等级和浓见度信息进行存储，作为历史大雾等级识别信息；
对所述历史大雾等级识别信息进行统计分析，得到历史大雾预警统计分析结果。
10.如权利要求7所述的基于图像识别的大雾预警方法，其特征在于，还包括：
实时获取道路GIS信息，并将道路GIS信息与该道路当前的大雾信息后进行展示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811457298.3A CN109409336A (zh) | 2018-11-30 | 2018-11-30 | 一种基于图像识别的大雾预警系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811457298.3A CN109409336A (zh) | 2018-11-30 | 2018-11-30 | 一种基于图像识别的大雾预警系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109409336A true CN109409336A (zh) | 2019-03-01 |
Family
ID=65456690
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811457298.3A Pending CN109409336A (zh) | 2018-11-30 | 2018-11-30 | 一种基于图像识别的大雾预警系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109409336A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110428583A (zh) * | 2019-07-18 | 2019-11-08 | 华东师范大学 | 一种基于嵌入式开发和深度学习的叉车实时监控预警系统及方法 |
| CN111736237A (zh) * | 2020-07-31 | 2020-10-02 | 上海眼控科技股份有限公司 | 辐射雾检测方法、装置、计算机设备和可读存储介质 |
| CN111785094A (zh) * | 2020-07-31 | 2020-10-16 | 上海眼控科技股份有限公司 | 平流雾检测方法、装置、计算机设备和可读存储介质 |
| CN111798672A (zh) * | 2020-07-15 | 2020-10-20 | 安徽达尔智能控制系统股份有限公司 | 道路气象信息监测管理系统 |
| CN112465822A (zh) * | 2021-01-26 | 2021-03-09 | 长沙海信智能系统研究院有限公司 | 团雾检测方法、装置、设备及计算机可读存储介质 |
| CN112749654A (zh) * | 2020-12-31 | 2021-05-04 | 南京恩瑞特实业有限公司 | 一种用于视频大雾监测的深度神经网络模型构建方法、系统及装置 |
| CN114202944A (zh) * | 2021-12-13 | 2022-03-18 | 公安部交通管理科学研究所 | 高速公路团雾预警方法、装置及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103177041A (zh) * | 2011-12-26 | 2013-06-26 | 北京四维图新科技股份有限公司 | 电子地图生成方法、信息发布方法、路径规划方法及装置 |
| CN106097744A (zh) * | 2016-08-15 | 2016-11-09 | 山东交通学院 | 一种基于gis系统的高速公路团雾实时监测系统及方法 |
| CN106254827A (zh) * | 2016-08-05 | 2016-12-21 | 安徽金赛弗信息技术有限公司 | 一种团雾智能识别预警方法及其装置 |
| CN107945546A (zh) * | 2017-11-17 | 2018-04-20 | 嘉兴四维智城信息科技有限公司 | 用于交通视频自动识别的高速公路能见度预警系统及方法 |
| CN108369101A (zh) * | 2015-12-17 | 2018-08-03 | 米其林集团总公司 | 用于地图表示关于道路状况的数据的方法 |
-
2018
- 2018-11-30 CN CN201811457298.3A patent/CN109409336A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103177041A (zh) * | 2011-12-26 | 2013-06-26 | 北京四维图新科技股份有限公司 | 电子地图生成方法、信息发布方法、路径规划方法及装置 |
| CN108369101A (zh) * | 2015-12-17 | 2018-08-03 | 米其林集团总公司 | 用于地图表示关于道路状况的数据的方法 |
| CN106254827A (zh) * | 2016-08-05 | 2016-12-21 | 安徽金赛弗信息技术有限公司 | 一种团雾智能识别预警方法及其装置 |
| CN106097744A (zh) * | 2016-08-15 | 2016-11-09 | 山东交通学院 | 一种基于gis系统的高速公路团雾实时监测系统及方法 |
| CN107945546A (zh) * | 2017-11-17 | 2018-04-20 | 嘉兴四维智城信息科技有限公司 | 用于交通视频自动识别的高速公路能见度预警系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 龙科军: "雾天高速公路路况监测预警系统研究", 《交通科技》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110428583A (zh) * | 2019-07-18 | 2019-11-08 | 华东师范大学 | 一种基于嵌入式开发和深度学习的叉车实时监控预警系统及方法 |
| CN110428583B (zh) * | 2019-07-18 | 2023-08-18 | 华东师范大学 | 一种基于嵌入式开发和深度学习的叉车实时监控预警系统及方法 |
| CN111798672A (zh) * | 2020-07-15 | 2020-10-20 | 安徽达尔智能控制系统股份有限公司 | 道路气象信息监测管理系统 |
| CN111736237A (zh) * | 2020-07-31 | 2020-10-02 | 上海眼控科技股份有限公司 | 辐射雾检测方法、装置、计算机设备和可读存储介质 |
| CN111785094A (zh) * | 2020-07-31 | 2020-10-16 | 上海眼控科技股份有限公司 | 平流雾检测方法、装置、计算机设备和可读存储介质 |
| CN111785094B (zh) * | 2020-07-31 | 2021-12-07 | 上海眼控科技股份有限公司 | 平流雾检测方法、装置、计算机设备和可读存储介质 |
| CN112749654A (zh) * | 2020-12-31 | 2021-05-04 | 南京恩瑞特实业有限公司 | 一种用于视频大雾监测的深度神经网络模型构建方法、系统及装置 |
| CN112465822A (zh) * | 2021-01-26 | 2021-03-09 | 长沙海信智能系统研究院有限公司 | 团雾检测方法、装置、设备及计算机可读存储介质 |
| CN112465822B (zh) * | 2021-01-26 | 2021-05-28 | 长沙海信智能系统研究院有限公司 | 团雾检测方法、装置、设备及计算机可读存储介质 |
| CN114202944A (zh) * | 2021-12-13 | 2022-03-18 | 公安部交通管理科学研究所 | 高速公路团雾预警方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109409336A (zh) | 一种基于图像识别的大雾预警系统及方法 | |
| CN110110613B (zh) | 一种基于动作识别的轨道交通异常人员检测方法 | |
| CN113706737B (zh) | 基于自动驾驶车辆的路面巡检系统及方法 | |
| CN102759347B (zh) | 一种高铁接触网在线巡检装置、巡检方法以及其检测系统 | |
| CN109448365A (zh) | 一种跨尺度空基平台区域道路交通系统综合监视方法 | |
| CN109782364B (zh) | 基于机器视觉的交通标志牌缺失检测方法 | |
| CN105608431A (zh) | 一种基于车辆数目与车流速度的高速公路拥堵检测方法 | |
| CN110516518A (zh) | 一种非机动车违法载人检测方法、装置及电子设备 | |
| CN111833598B (zh) | 一种高速公路无人机交通事件自动监测方法及系统 | |
| CN112113978A (zh) | 一种基于深度学习的车载隧道缺陷在线检测系统及方法 | |
| CN104613892A (zh) | 融合视频检测技术和激光测距技术的复合雪深监测系统 | |
| CN110509951A (zh) | 一种轨道故障检测系统及方法 | |
| CN115201218A (zh) | 一种车载路面病害智能检测方法及系统 | |
| CN107316460A (zh) | 一种具有超标抓拍功能的监测车系统及方法 | |
| CN114248819A (zh) | 基于深度学习的铁路侵限异物无人机检测方法、装置及系统 | |
| CN112084892A (zh) | 一种道路异常事件检测管理装置及其方法 | |
| CN103528531A (zh) | 小型车车辆参数的物联网图像智能检测系统 | |
| CN111553500B (zh) | 基于注意力机制全卷积网络的铁路交通接触网巡检方法 | |
| CN113674314A (zh) | 抛洒事件检测方法、装置、电子装置和存储介质 | |
| TWI774984B (zh) | 交通事件偵測系統及方法 | |
| CN110533061B (zh) | 一种基于云端的远程运维服务平台 | |
| KR100782205B1 (ko) | 영상검지를 이용한 차량속도 표시 장치 및 시스템 | |
| CN113592860B (zh) | 一种基于智能图像处理的轨道线路自动巡检系统 | |
| Mehajabin et al. | Real-time deep learning based road deterioration detection for smart cities | |
| CN115953405A (zh) | 一种面向增强现实设备的桥梁裂缝识别方法及装置 |
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: 20190301 |