CN109615880A - 一种基于雷达图像处理的车流量测量方法 - Google Patents
一种基于雷达图像处理的车流量测量方法 Download PDFInfo
- Publication number
- CN109615880A CN109615880A CN201811275256.8A CN201811275256A CN109615880A CN 109615880 A CN109615880 A CN 109615880A CN 201811275256 A CN201811275256 A CN 201811275256A CN 109615880 A CN109615880 A CN 109615880A
- Authority
- CN
- China
- Prior art keywords
- target vehicle
- count
- radar
- value
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/91—Radar or analogous systems specially adapted for specific applications for traffic control
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
Abstract
本发明公开了一种基于雷达图像处理的车流量测量方法。该方法中所用的雷达为毫米波雷达系统。本发明利用毫米波雷达检测出目标车辆的跟踪信息,并根据其中的距离信息画出各目标车辆的轨迹图,进而转化为二值图,利用二值图统计检测区域内目标车辆的数量。经过实际测试并与人工计数方法进行比较,本发明方法对目标车辆的数量进行测量的准确度可以达到85%以上。
Description
技术领域
本发明涉及一种毫米波交通雷达系统以及车流量的测量方法,属于智能交通领域。
背景技术
智能交通是未来交通发展的方向,交通监控传感器作为获取交通数据的设备,在智能交通系统中起到非常大的作用,数据的可靠性将直接影响到智能交通的控制。随着城市中汽车数量攀升,道路已经变得越来越拥挤,利用智能交通系统合理控制道路,可以有效利用道路资源,缓解交通堵塞问题。车流量作为智能交通中一个非常重要的数据,如何准确和可靠获得交通流量数据变得非常有意义。智能交通中的红绿灯控制系统,可以根据各方向车道的车流量,控制交通信号灯,更加有效地解决交通拥堵问题。
传统的车流量测量技术主要采用环形线圈检测、基于视频的车辆检测技术和微波雷达技术等。环形线圈埋设于每个车道路面下,利用车辆经过时,造成磁感线圈磁场的变化来探测车辆的存在。磁感线圈法技术成熟,流量统计准确,优点是不受气候和光照等外界条件影响。但是安装与维修时需要破坏路面,道路在受车辆重压情况下容易导致环形线圈损坏,维护成本高,摄像头对外界环境要求较高,在雾霾、暴雨和夜晚等情况下,车流量测量精度并不高,传统的微波雷达技术用于统计车流量,误差较大;另外对于某些特殊路段如桥梁和隧道难以安装。
基于视频的车辆检测技术主要利用差分图像的方法,差分图像可以分为帧间差分和背景差分两种。帧间差分是将连续的两帧图像进行做差得到差分图像,然后对差分图像进行分割提取目标的运动信息。帧间差分会将静止目标滤掉,只检测运动的目标。但是连续两帧图像中的同一目标的重叠部分会被滤掉,导致特征信息减少。背景差法是将道路上没有车辆时的一帧图像当做背景帧,检测时将当前帧与背景帧做差。此方法比较依赖背景帧,当背景帧选取不当时,会造成较大的检测误差。基于视频的车辆检测技术在环境视线较好的情况下,检测误差较小,而恰恰是在雾霾、暴雨、夜晚等情况下,图像特征信息较少导致检测误差较大,但在这些环境下,流量的准确率更为重要。
基于微波雷达技术的传统车流量测量方法是:先将各车道或者径向距离划分为不同段,通过目标检测算法后,可以分析频谱,从而计算出目标的运动信息。道路上的汽车反射较强,当车辆通过雷达检测区域时,会在相应的频谱图上出现尖峰,利用恒虚警检测技术,若频谱幅度超过门限,则认为有车辆通过,统计出每个车道的流量数。该方法只有在检测概率很高且无杂波干扰的情况下,统计的流量准确率才会高。但是在复杂的城市交通环境中,路边的树木、建筑物、路上指示牌都会产生很大的干扰,检测中会出现虚警和漏检现象,用传统的车流量检测方法会产生较大误差。
发明内容
本发明的目的是提供一种新的基于雷达图像处理的车流量测量方法,可获得较高的准确度。
为实现上述目的,本发明所采取的技术方案是:本发明基于雷达图像处理的车流量测量方法中所用的雷达为毫米波雷达系统,所述毫米波雷达系统包含射频模块和信息处理器;所述车流量测量方法包括:
所述射频模块发射射频信号,经过各目标车辆反射后被射频模块中的接收天线接收,射频模块中的混频器对接收到的信号进行下变频得到中频信号;由所述信号处理器执行以下步骤:
1)所述信号处理器对中频信号进行信息跟踪处理,得到各目标车辆的跟踪信息,所述跟踪信息包括距离、速度和角度;
2)根据步骤1)中得到的各目标车辆的距离信息,画出各目标车辆的轨迹图;所述轨迹图以时间为横坐标,以距离为纵坐标;
3)将所述轨迹图转化为二值图;
4)将二值图按照时间间隔T划分成子图像[M1,M2,M3,...,MN],其中,Mi表示划分后的各子图像,i表示子图像的计数值,i=1,2,…N,N表示子图像的总数量;
5)对每个子图像Mi按照距离进行划分,仅保留每个子图像中的距离段[R1,R2]所在的区域Ci,计算当前区域Ci中黑色像素点值的总和ΔSi;其中,R1表示雷达检测区域的起始位置,R2表示雷达检测区域的结束位置,i的初始值为1;
6)按照式(1)更新目标车辆的计数值count后返回执行步骤5);当i=N时,执行步骤7);
count=count+floor[ΔSi/th] (1)
式(1)中,count表示目标车辆的计数值,其初始值为0;ΔSi表示当前区域Ci中的黑色像素点值的总和;th表示选取的阈值,th=T/τ;其中,T表示划分二值图的时间间隔,τ表示雷达处理数据的周期,floor[]表示对(ΔSi)/th值向下取整;
7)输出count。
进一步地,本发明优选τ=0.098s。
进一步地,本发明中,ΔSi=S-Si,其中,S表示当前区域Ci中白色像素点值和黑色像素点值的总和,Si表示当前区域Ci中白色像素点值的总和。
与现有技术相比,本发明测量方法具有抗干扰能力强、分辨率高,可以全天候工作,同时架设维护方便,降低维护成本,避免了现有技术的缺点。并且,本发明的方法对目标数量统计的准确度可以达到85%以上。
附图说明
图1是测量过程中某一分钟的距离数据;
图2是将某一分钟的轨迹图转化后得到的二值图。
具体实施方式
以下结合附图以具体的实施例详细说明本发明的技术方案。
在需要测量车流量的地方架设雷达。本发明所用的雷达为毫米波雷达系统,包含射频模块和信息处理器。信息处理器可以是DSP、微控制器、单片机等。
测量时,射频模块发射射频信号,经过各目标车辆反射后被射频模块中的接收天线接收,射频模块中的混频器对接收到的信号进行下变频得到中频信号;再由信号处理器执行以下步骤:
1)信号处理器对中频信号进行信息跟踪处理,得到各目标车辆的跟踪信息,所述跟踪信息包括距离、速度和角度。
2)根据步骤1)中得到的各目标车辆的距离信息,画出各目标车辆的轨迹图,轨迹图以时间为横坐标,以距离为纵坐标。图1是以测量过程中某一分钟的交通数据为例,画出的这一分钟内的目标车辆的距离随着时间变化的轨迹图,轨迹图以时间为横坐标、距离为纵坐标。
3)将步骤2)得到的轨迹图转化为二值图(参见图2)。
4)将二值图按照时间间隔T划分成子图像[M1,M2,M3,...,MN],其中,Mi表示划分后的各子图像,i表示子图像的计数值,i=1,2,…N,此处的N表示子图像的总数量。
例如,以10秒为时间间隔,对图2中的二值图进行划分,可以划分为六个子图像[M1,M2,M3,M4,M5,M6]。
5)对每个子图像Mi按照距离进行划分,仅保留每个子图像中的距离段[R1,R2]所在的区域Ci;计算当前区域Ci中白色像素点值的总和Si,通过计算(S-Si)可求得当前区域Ci中的黑色像素点值的总和ΔSi;对(ΔSi)/th的值向下取整,得到当前区域Ci中的目标车辆的数量。其中,R1表示雷达检测区域的起始位置,R2表示雷达检测区域的结束位置,S表示当前区域Ci中白色像素点值和黑色像素点值的总和,Si表示当前区域Ci中白色像素点值的总和,(S-Si)为当前区域Ci中的黑色像素点值的总和ΔSi,对(ΔSi)/th的值向下取整可表示为floor[ΔSi/th],i的初始值为1。
需要说明的是,本发明亦可直接获得当前区域Ci中的黑色像素点值的总和。
在具体实施例中,可取R1=30m,R2=40m,仅保留每个子图像中的距离段[30m,40m]所在的区域Ci作为检测区域,从而将六个子图像[M1,M2,M3,M4,M5,M6]中相应地转换为六个区域[C1,C2,C3,C4,C5,C6],进而计算当前区域Ci中黑色像素点值的总和Si。
6)按照式(1)更新目标车辆的计数值count后返回执行步骤5);当i=N时,执行步骤7);
count=count+floor[(ΔSi)/th] (1)
式(1)中,count表示目标车辆的计数值,其初始值为0;ΔSi表示当前区域Ci中的黑色像素点值的总和;th表示选取的阈值,th=T/τ,T表示划分二值图的时间间隔;τ为雷达的内部参数,表示雷达处理数据的周期,优选τ=0.098s,floor[]表示对(ΔSi)/th的值向下取整。
对(ΔSi)/th的值向下取整,得到的是当前区域Ci中的目标车辆的数量。按照式(1)更新目标车辆的计数值count后返回执行步骤5),直至i=N(N=6),即可得到六个区域Ci中的目标车辆的总数量。
7)输出count,count表示目标车辆的总计数。
按照以上实施例的测量方法,取时间间隔T=10s,可分别得到六个区域Ci中的黑色像素点(值为0)的总个数ΔSi。按照时间间隔T=10s、雷达处理数据的周期τ=0.098s,根据th=T/τ,即可求得th的值,然后对ΔSi的值向下取整(可表示为floor[ΔSi/th]),则这一分钟中六个区域Ci的目标车辆的数量分别为4、2、5、7、9,总计数count为:count=count+floor[ΔSi/th]=4+2+5+7+9+3=30。由此,检测出这一分钟中雷达检测区域内的目标车辆的数量为30辆。
可将上述目标车辆的数量存储到电脑本地,录制的视频和人工的车辆计数也可以相同的时间间隔存储到电脑本地。将使用本发明方法测量的目标车辆的数量与通过人工计数的方法得到的结果相比较可知,利用本发明方法的误差率在10%内(参见表1)。
表1实测目标车辆的数量及误差
Claims (3)
1.一种基于雷达图像处理的车流量测量方法,其特征是:所用的雷达为毫米波雷达系统,所述毫米波雷达系统包含射频模块和信息处理器;所述车流量测量方法包括:
所述射频模块发射射频信号,经过各目标车辆反射后被射频模块中的接收天线接收,射频模块中的混频器对接收到的信号进行下变频得到中频信号;由所述信号处理器执行以下步骤:
1)所述信号处理器对中频信号进行信息跟踪处理,得到各目标车辆的跟踪信息,所述跟踪信息包括距离、速度和角度;
2)根据步骤1)中得到的各目标车辆的距离信息,画出各目标车辆的轨迹图;所述轨迹图以时间为横坐标,以距离为纵坐标;
3)将所述轨迹图转化为二值图;
4)将二值图按照时间间隔T划分成子图像[M1,M2,M3,...,MN],其中,Mi表示划分后的各子图像,i表示子图像的计数值,i=1,2,…N,N表示子图像的总数量;
5)对每个子图像Mi按照距离进行划分,仅保留各子图像中的距离段[R1,R2]所在的区域Ci,计算当前区域Ci中黑色像素点值的总和ΔSi;其中,R1表示雷达检测区域的起始位置,R2表示雷达检测区域的结束位置,i的初始值为1;
6)按照式(1)更新目标车辆的计数值count后返回执行步骤5);当i=N时,执行步骤7);
count=count+floor[ΔSi/th] (1)
式(1)中,count表示目标车辆的计数值,其初始值为0;ΔSi表示当前区域Ci中的黑色像素点值的总和;th表示选取的阈值,th=T/τ,T表示划分二值图的时间间隔,τ表示雷达处理数据的周期,floor[]表示对ΔSi/th的值向下取整;
7)输出count。
2.根据权利要求1所述的基于雷达图像处理的车流量测量方法,其特征是:τ=0.098s。
3.根据权利要求1或2所述的基于雷达图像处理的车流量测量方法,其特征是:ΔSj=S-Si,其中,S表示当前区域Ci中白色像素点值和黑色像素点值的总和,Si表示当前区域Ci中白色像素点值的总和。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811275256.8A CN109615880B (zh) | 2018-10-29 | 2018-10-29 | 一种基于雷达图像处理的车流量测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811275256.8A CN109615880B (zh) | 2018-10-29 | 2018-10-29 | 一种基于雷达图像处理的车流量测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109615880A true CN109615880A (zh) | 2019-04-12 |
CN109615880B CN109615880B (zh) | 2020-10-23 |
Family
ID=66002415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811275256.8A Active CN109615880B (zh) | 2018-10-29 | 2018-10-29 | 一种基于雷达图像处理的车流量测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109615880B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110389338A (zh) * | 2019-06-26 | 2019-10-29 | 深圳市华讯方舟微电子科技有限公司 | 判断交通状况的方法、装置、毫米波雷达及存储介质 |
CN110969855A (zh) * | 2019-12-13 | 2020-04-07 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的交通流量监测系统 |
CN111354191A (zh) * | 2020-03-09 | 2020-06-30 | 深圳大学 | 车道行车状况确定方法、装置、设备及存储介质 |
CN111583671A (zh) * | 2020-06-05 | 2020-08-25 | 南京信息职业技术学院 | 一种毫米波雷达路口车流量监测方法及其系统 |
CN112526461A (zh) * | 2020-12-14 | 2021-03-19 | 北京遥感设备研究所 | 一种空间相关杂波抑制的雷达信号检测方法 |
CN112946630A (zh) * | 2021-01-27 | 2021-06-11 | 上海兰宝传感科技股份有限公司 | 一种基于毫米波雷达的人员计数跟踪方法 |
CN115171395A (zh) * | 2022-09-08 | 2022-10-11 | 南京慧尔视智能科技有限公司 | 路口交通数据的生成方法、装置、电子设备和存储介质 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2239846C2 (ru) * | 2002-07-15 | 2004-11-10 | Сафьян Дмитрий Анатольевич | Система авиадиспетчерского контроля за воздушным движением в ближней зоне аэропорта |
JP3989647B2 (ja) * | 1999-04-09 | 2007-10-10 | 株式会社リコー | 画像処理方法,装置および記録媒体 |
CN102081789A (zh) * | 2009-12-01 | 2011-06-01 | 富士施乐株式会社 | 图像处理装置和图像处理方法 |
CN102156868A (zh) * | 2011-03-31 | 2011-08-17 | 汉王科技股份有限公司 | 图像二值化方法和装置 |
CN102542797A (zh) * | 2010-12-09 | 2012-07-04 | 财团法人工业技术研究院 | 图像式的交通参数检测系统与方法及计算机程序产品 |
EP2595853B1 (de) * | 2010-07-22 | 2014-05-14 | FRAUNHOFER-GESELLSCHAFT zur Förderung der angewandten Forschung e.V. | Verfahren zur füllstandbestimmung einer schienen- oder fahrweggebundenen logistikanlage |
CN103809163A (zh) * | 2014-01-13 | 2014-05-21 | 中国电子科技集团公司第二十八研究所 | 一种基于局部极大值的车辆雷达目标检测方法 |
CN104700624A (zh) * | 2015-03-16 | 2015-06-10 | 电子科技大学 | 基于相敏光时域反射仪的车流量在线监测系统及监测方法 |
CN105303584A (zh) * | 2015-09-18 | 2016-02-03 | 南京航空航天大学 | 基于激光雷达的运动目标检测方法及装置 |
BRMU8802542Y1 (pt) * | 2008-08-25 | 2017-04-11 | Velsis Sist E Tecnologia Viaria Ltda | disposições introduzidas em radar fixo para fiscalização de veículos em múltiplas funções e em múltiplas faixas de tráfego |
CN104794907B (zh) * | 2015-05-05 | 2017-05-03 | 江苏航天大为科技股份有限公司 | 使用车道分割合并方法的车流量检测方法 |
CN107134143A (zh) * | 2016-02-26 | 2017-09-05 | 南京航空航天大学 | 一种基于连续波雷达的车流量统计与车型判别的方法 |
CN108550269A (zh) * | 2018-06-01 | 2018-09-18 | 中物汽车电子扬州有限公司 | 基于毫米波雷达的交通流量检测系统及其检测方法 |
-
2018
- 2018-10-29 CN CN201811275256.8A patent/CN109615880B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3989647B2 (ja) * | 1999-04-09 | 2007-10-10 | 株式会社リコー | 画像処理方法,装置および記録媒体 |
RU2239846C2 (ru) * | 2002-07-15 | 2004-11-10 | Сафьян Дмитрий Анатольевич | Система авиадиспетчерского контроля за воздушным движением в ближней зоне аэропорта |
BRMU8802542Y1 (pt) * | 2008-08-25 | 2017-04-11 | Velsis Sist E Tecnologia Viaria Ltda | disposições introduzidas em radar fixo para fiscalização de veículos em múltiplas funções e em múltiplas faixas de tráfego |
CN102081789A (zh) * | 2009-12-01 | 2011-06-01 | 富士施乐株式会社 | 图像处理装置和图像处理方法 |
EP2595853B1 (de) * | 2010-07-22 | 2014-05-14 | FRAUNHOFER-GESELLSCHAFT zur Förderung der angewandten Forschung e.V. | Verfahren zur füllstandbestimmung einer schienen- oder fahrweggebundenen logistikanlage |
CN102542797A (zh) * | 2010-12-09 | 2012-07-04 | 财团法人工业技术研究院 | 图像式的交通参数检测系统与方法及计算机程序产品 |
CN102156868A (zh) * | 2011-03-31 | 2011-08-17 | 汉王科技股份有限公司 | 图像二值化方法和装置 |
CN103809163A (zh) * | 2014-01-13 | 2014-05-21 | 中国电子科技集团公司第二十八研究所 | 一种基于局部极大值的车辆雷达目标检测方法 |
CN104700624A (zh) * | 2015-03-16 | 2015-06-10 | 电子科技大学 | 基于相敏光时域反射仪的车流量在线监测系统及监测方法 |
CN104794907B (zh) * | 2015-05-05 | 2017-05-03 | 江苏航天大为科技股份有限公司 | 使用车道分割合并方法的车流量检测方法 |
CN105303584A (zh) * | 2015-09-18 | 2016-02-03 | 南京航空航天大学 | 基于激光雷达的运动目标检测方法及装置 |
CN107134143A (zh) * | 2016-02-26 | 2017-09-05 | 南京航空航天大学 | 一种基于连续波雷达的车流量统计与车型判别的方法 |
CN108550269A (zh) * | 2018-06-01 | 2018-09-18 | 中物汽车电子扬州有限公司 | 基于毫米波雷达的交通流量检测系统及其检测方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110389338A (zh) * | 2019-06-26 | 2019-10-29 | 深圳市华讯方舟微电子科技有限公司 | 判断交通状况的方法、装置、毫米波雷达及存储介质 |
CN110969855A (zh) * | 2019-12-13 | 2020-04-07 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的交通流量监测系统 |
CN111354191A (zh) * | 2020-03-09 | 2020-06-30 | 深圳大学 | 车道行车状况确定方法、装置、设备及存储介质 |
CN111354191B (zh) * | 2020-03-09 | 2022-05-20 | 深圳大学 | 车道行车状况确定方法、装置、设备及存储介质 |
CN111583671A (zh) * | 2020-06-05 | 2020-08-25 | 南京信息职业技术学院 | 一种毫米波雷达路口车流量监测方法及其系统 |
CN111583671B (zh) * | 2020-06-05 | 2022-05-31 | 南京信息职业技术学院 | 一种毫米波雷达路口车流量监测方法及其系统 |
CN112526461A (zh) * | 2020-12-14 | 2021-03-19 | 北京遥感设备研究所 | 一种空间相关杂波抑制的雷达信号检测方法 |
CN112526461B (zh) * | 2020-12-14 | 2023-09-15 | 北京遥感设备研究所 | 一种空间相关杂波抑制的雷达信号检测方法 |
CN112946630A (zh) * | 2021-01-27 | 2021-06-11 | 上海兰宝传感科技股份有限公司 | 一种基于毫米波雷达的人员计数跟踪方法 |
CN115171395A (zh) * | 2022-09-08 | 2022-10-11 | 南京慧尔视智能科技有限公司 | 路口交通数据的生成方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109615880B (zh) | 2020-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109615880A (zh) | 一种基于雷达图像处理的车流量测量方法 | |
CN106935035B (zh) | 基于ssd神经网络的违章停车车辆实时检测方法 | |
CN106101590B (zh) | 雷达视频复合数据探测与处理系统及探测与处理方法 | |
CN101777263B (zh) | 一种基于视频的交通车流量检测方法 | |
Ellis | Performance metrics and methods for tracking in surveillance | |
CN100538763C (zh) | 基于视频的混合交通流参数的检测方法 | |
CN110570664A (zh) | 一种高速公路交通事件自动检测系统 | |
CN106297278B (zh) | 一种用于查询抛洒物车辆的方法和系统 | |
CN109615870A (zh) | 一种基于毫米波雷达和视频的交通检测系统 | |
CN110068818A (zh) | 通过雷达和图像采集设备进行交通路口车辆及行人检测的工作方法 | |
CN104050818B (zh) | 基于目标跟踪和特征点匹配的运动车辆测速方法 | |
CN106199573A (zh) | 用于道闸控制的侧向安装雷达 | |
CN107516423B (zh) | 一种基于视频的车辆行驶方向检测方法 | |
CN103680138A (zh) | 一种车辆路况监测方法 | |
CN103383733A (zh) | 一种基于半机器学习的车道视频检测方法 | |
CN107909601A (zh) | 一种适用于航标的船舶防撞预警视频检测系统及检测方法 | |
CN109444872B (zh) | 行人与车辆的区分方法、装置、计算机设备及存储介质 | |
CN106327880B (zh) | 一种基于监控视频的车速识别方法及其系统 | |
Wang et al. | A roadside camera-radar sensing fusion system for intelligent transportation | |
CN111047879A (zh) | 一种车辆超速检测方法 | |
CN117372979A (zh) | 道路巡检方法、装置、电子设备及存储介质 | |
CN113436442B (zh) | 一种利用多地磁传感器的车速估计方法 | |
CN114821490A (zh) | 一种基于深度学习的机场出发层违章车辆自动识别方法 | |
CN207752649U (zh) | 基于协作环境感知的停车场状态监测装置 | |
Li et al. | Intelligent transportation video tracking technology based on computer and image processing technology |
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 |