CN110120140B - 一种融合电容扰动信号和视频信号的复合式围界报警方法 - Google Patents
一种融合电容扰动信号和视频信号的复合式围界报警方法 Download PDFInfo
- Publication number
- CN110120140B CN110120140B CN201910303615.4A CN201910303615A CN110120140B CN 110120140 B CN110120140 B CN 110120140B CN 201910303615 A CN201910303615 A CN 201910303615A CN 110120140 B CN110120140 B CN 110120140B
- Authority
- CN
- China
- Prior art keywords
- calculating
- capacitance
- cross
- alarm
- target
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
- G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
- G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
- G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B13/00—Burglar, theft or intruder alarms
- G08B13/22—Electrical actuation
- G08B13/26—Electrical actuation by proximity of an intruder causing variation in capacitance or inductance of a circuit
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种融合电容扰动信号和视频信号的复合式围界报警方法,涉及围界报警领域,特别涉及利用视频信号改进电容扰动信号的复合式围界报警系统。本发明公开的一种优化雨天对电容扰动围界报警器的影响,并将改进的电容扰动围界报警器和视频监控器的复合式围界报警器,该技术能够考虑到天气对报警器的影响,和结合视频报警器后的复合式围界报警器的预警区域和报警的准确度,提高围界报警器的性能。
Description
技术领域
本发明涉及围界报警领域,特别涉及利用视频信号改进电容扰动信号的复合式围界报警系统。
背景技术
由于机场这个场地的特殊性,其安防非常重要。作为机场的首道屏障的围界安防就有了举重轻重的地位。随着智能安防的不断发展,市面上出现了各种各样的围界报警器,但是普遍而言,其误报率和漏报率还是比较高,造成实用率较低,围界报警器就几乎不能很好的作为防御屏障。
中国民用航空总局第二研究所的中国专利公布号CN104851226A,公布日为2015年8月19日,发明名称为“一种电容扰动围界报警系统和报警方法”,该方法在一定程度上提高了围界报警系统的性能,降低了漏报率和误报率,但未能考虑到天气变化对电容扰动的影响。对于准确度较低,预警范围较小的问题。
发明内容
本发明对电容扰动围界报警器的优化,设计一种以电容扰动信号和视频信号为基础的复合式报警器。
本发明技术方案为一种融合电容扰动信号和视频信号的复合式围界报警方法,该方法包括:
步骤1:计算线缆间下雨时混合的介电常数;
步骤2:计算感应电缆和地之间的电容;
步骤2.2:计算感应电缆和地之间的电容:Cs=εs混·Cs0;
步骤3:计算感应电压差值;
步骤3.2:计算感应电压差值:ΔU=U0-Us,其中Us表示实际采集的感应电压;
步骤4:获取检测区域的实时图像数据,计算出图像数据中的可疑入侵物区域,该区域为图像的特征区域;
步骤5:计算待融合数据;
步骤5.1:计算第一组融合数据:特征灰度均值对比度的基本概率函数;
m1(A)=Ft(x,y)
m1(B)=1-Ft(x,y)
其中Ft(x,y)=F(x,y)/maxF(x,y),F(x,y)表示特征区域中坐标为(x,y)的像素点的灰度,maxF(x,y)表示特征区域中像素点灰度的最大值;
步骤5.2:计算第二组融合数据:特征像素点的占比的基本概率函数;
m2(B)=1-m2(A)
其中l表示F(x,y)的个数,L为特征区域中像素点个数的阈值;
步骤5.3:计算第三组融合数据:感应电压大小的基本概率分配函数;
m3(B)=1-m3(A)
其中,ΔU0表示感应电压大小的报警阈值;
步骤5.4:计算第四组融合数据:感应电压斜率的基本概率分配函数;
m4(B)=1-m4(A)
其中R为实时感应电压的斜率,[R0,R1]表示电容扰动围界报警器报警时信号斜率的冗余范围;
步骤6:数据融合;
步骤6.1:计算识别目标证据间互相关度;
计算目标A的证据互相关度ri,j:
计算出a1,2,a1,3,a1,4,a2,3,a2,4,a3,4后,得到与目标A对应的证据互相关度矩阵r(A):
同理求出目标B的证据互相关度矩阵r(B);
步骤6.2:计算对目标的各证据的互相关因子;
根据步骤6.1的互相关度矩阵,计算出目标的互相关因子:
计算对证据A的互相关因子:
同理计算对证据B的互相关因子:
步骤7:计算引入互相关因子后的基本概率函数值的权值;
将R1(A)、R2(A)、R3(A)、R4(A)、R1(B)、R2(B)、R3(B)、R4(B)依次作为m1(A)、m2(A)、m3(A)、m4(A)、m1(B)、m2(B)、m3(B)、m4(B)的权值更新各组融合数据,更新方式为:
mi(A)=mi(A)*Ri(A)
mi(B)=mi(B)*Ri(B)
步骤8:模糊加权支持度的D-S证据理论融合数据;
步骤8.1:计算目标A发生的概率如m(A)计算:
步骤8.2:计算目标B发生的概率如m(B)计算:
步骤9:决策判断是否发出报警,
τ为设定的阈值。
本文提出一种优化雨天对电容扰动围界报警器的影响,并将改进的电容扰动围界报警器和视频监控器的复合式围界报警器,该技术能够考虑到天气对报警器的影响,和结合视频报警器后的复合式围界报警器的预警区域和报警的准确度,提高围界报警器的性能。
附图说明
图1为本发明方法的电容扰动模型图;
图2为本发明方法的基本流程图。
具体实施方式
步骤1:针对天气影响电容围界报警器的方法改进;
原始报警决策规则为:
公式中U0表示感应线缆G上的电压大小,Eg为发射线缆S上的电压,Cgs指线缆G与线缆S之间的电容大小,Cs为电缆S与地之间的电容大小;当有入侵物进入检测区域时,使静电场受到扰动,从而电容Cgs和Cs会发生变化,从公式(1-2)可以知道感应电压U0会发生变化;
公式中Us表示扰动后感应线缆G上的采集感应电压大小,Cgs'指线缆G与线缆S之间被扰动后电容大小,Cs'为电缆S与地之间被扰动后电容大小;
根据前后电压的变化值,得到感应电压差值ΔU:
ΔU=U0-Us (1-3)
当该值大于或者等于设定的感应电压报警阈值ΔU0时,提示有入侵物体;反之则判定无入侵物进入;通过入侵物对静电场的影响导致感应电压的变化来判断是否有入侵物体;
由公式(1-4)可知,电容C大小和介电常数ε成正相关,由公式(1-1)可知,电容扰动围界报警系统中构成的电容会因为雨天对介电常数的影响而导致U0变化,从而导致系统准确度受到影响;对此,进行对电容扰动围界报警器的决策上去除雨天对其影响;具体如步骤1.1
C=ε*S/d (1-4)
步骤1.1:根据Looygenga模型实时得到雨天的介电常数ε混;
由于在户外,雨天对其造成的影响主要为水分;所以根据公式(1-5)得到系统的电容介电常数在雨天实时的值计算如公式(1-6);
步骤1.2:求出雨天实时变化的电容大小;
分为两部分:线缆间空气中的水分和路上积水的影响;
(1)线缆间空气中的水分
本文根据系统的气象采集器可以获到降雨强度,根据降雨强度得到单位体积雨水的含量。
实时得到降雨强度Mt后,为简化计算取平均雨滴直径在系统中降落的平均速度8.2702,
可以通过公式(1-7)计算得到体积;
Mt为当前时刻的降雨强度:单位时间的降雨量,v表示下雨的速度,t表示单位时间,V水为单位时间雨水的体积;
由于整个系统的电容间是均匀充斥着的雨水,ε混1是一样大小,因此按照单位体积的空气及含的雨水体积来计算;将公式(1-7)带入公式(1-6)得到如下公式即可得到ε混,如公式(1-8);
由ε水为81.5,ε空气为1,v空气为单位体积1,经过计算得到
ε混1表示考虑空气中含雨量时所构成电容的介电常数。
由公式(1-4)以知道介电常数和电容大小是成正比的。因此可以直接根据电容介电常数的比例和原始的电容大小,计算出含空气水分的电容大小如公式(1-10)。
C0是原来系统仅在空气中介电常数ε0为1时计算的所得。根据公式(1-10)可以得到考虑雨水变化时电容的大小公式。
C混=C0·ε混1=C0*[0.009*Mt+1]3 (1-11)
从公式(1-11)可知,随着降雨强度的不断增多,电容大小会不断增大,且成比例增大。
(2)路上积水
在雨天的时候,尤其是大雨和雷暴雨的时候,路面存在积水,由第一部分的分析可以知道,地面与感应线缆S之间介电常数会到影响,为简化计算,将降雨量等效为围界的围栏下的积水部分为均匀介质。
由于感应线缆一般离地为3m左右,h降雨量为mm级别的单位,因此对于水占的高度可以忽略,利用体积混合模型,对公式(1-5)进行变形,则可以得到公式(1-12)。
将已知的空气的介电参数为1,水的介电常数为81.5等参数,得到如下公式(1-13),
公式中h为降雨量的大小值,是通过采集降雨量装置采集的,H为感应线缆S和地之间的高度。
感应线缆S和地电容大小Cs与降雨量的关系如下:
根据公式(1-10)来计算电容大小Cs,如公式(1-14);
Cs=εs混·Cs0 (1-14)
公式(1-14)中Cs0为考虑雨水和降雨量前感应线缆S和地间的电容大小,Cs为考虑降雨量后感应电缆S和地之间的电容。将公式(1-13)带入公式(1-14)得到公式(1-15);
其中公式中ε混为第一部分求出的值。由公式(1-15)可以看出,感应线缆S和地之间的电容和降雨量的有关,也与降雨强度有关;
步骤1.3:求出雨天实时无入侵物体时理论的感应电压值U0。
带入具体值得到降雨强度和降雨量的影响如表达式,如公式(1-17)所示
计算实时的感应电压差值,如公式(1-18)所示。
其中Us为实时采集的感应电压值,U0为考虑天气变化后无入侵物体时的理论基准感应电压值。由于有入侵物进入围界线附近时,会导致采集的感应电压的降低,ΔU会增大,与设定的阈值进行比较,大于或等于设定的阈值时,即认为是有入侵物进入。
步骤2:相关相容因子改进模糊加权支持度的D-S证据理论方法
模糊加权支持度的D-S证据理论可以在一定程度上解决融合时的冲突问题,但是面对有冲突复杂信息的融合时,融合效果欠佳,对此引入互相关因子。
在已经设置好的识别框架Θ={A1,A2,…,Ak}里面,对识别框架里的目标Ak的证据基本概率分配函数mi(Ak),i∈(1,2,…n)。
步骤2.1:互相关因子的确定
对Ak的任意两个证据基本概率分配函数mi(Ak)和mj(Ak),利用D-S证据理论中任意两个证据的互相关程度如公式(2-1)所示。
从公式(2-1)可知,当mi(Ak)、mj(Ak)中任意一个值为零时,ri,j就为零,表示只要有一个证据对目标完全不支持时,而另外一个证据不论是否支持这个目标Ak时,表示两个证据是否支持目标过程中有较低的冲突;若两个基本概率分配函数值mi(Ak)、mj(Ak)相等时,ri,j等于1,说明两个证据的观点高度一致。现在对这些支持目标Ak的所有证据进行计算其互相关因子的值,得到与这个目标对应的相关相容证据系数的矩阵r。
目标的证据间互相关程度的矩阵r如公式(2-2)。
由公式(2-1)中的计算过程可以得到:该目标的互相关因子矩阵r是对称型的矩阵,由证据互相关程度的计算式(2-2)可知,互相关程度的矩阵r中元素ri,i值等于1,元素ri,j的取值区间为[0,1],其中i≠j。
通过公式(2-3)可以计算出每个证据间在这组证据的互相关因子Ri,i∈(1,2,…n),Ri这个证据mi(Ak)的权重系数如公式(2-4)所示。
mi(Ak)=mi(Ak)*Ri (2-5)
计算出新的基本概率分配函数。
按以上方法对每个目标的证据获取新的基本概率分配函数。
步骤2.2:互相关因子带入模糊加权支持度的D-S证据理论中
假如识别框架为Θ={A1,A2,…,Ak},有n个信息源,即m1,m2,…mn,其中mi表示有k基本概率值,融合公式如下:
其中Aki∩Bkj∩...=Ak,代表支持目标A的证据。Aki、Bkj为焦元,m1、m2…是相应的基本信任分配函数,Aki,Bkj…均是对目标Ak支持态度的事件。其中k和q(Ak)如下公式(2-7)和(2-8)所示。
其中公式(2-7)中k表示证据Aki和Bkj表示事件的冲突系数,且Aki和Bkj是对同一目标的支持。
公式中(2-9)中q(Ak)表示平均信任度,将对Ak支持的n个证据求平均,mi(Ak)表示Ak对应的基本信任分配函数;
gki=μ(Aki)=n/N (2-9)
公式(2-9)中gki为信息的总体隶属度,N表示所有数据源数量,n表示支持目标的数据源。
平均支持度wi计算如下:
公式(2-11)中的d(mi,mj)中mi和mj指的是同一目标函数下不同信息源的基本概率分配函数,将d(mi,mj)记为dij。求出的所有的dij,从而可得出距离矩阵D(C)。
步骤3:视频监控器和电容扰动围界报警器融合报警
步骤3.1:视频监控器和电容扰动围界报警器报警特征的基本概率分配函数
获取特征如下:
对图像信息灰度均值对比度和前景像素点的占比特征的基本概率分配函数求解:
首先对特征灰度均值对比度的基本概率函数求解;
m1(A)=Ft(x,y)
m1(B)=1-Ft(x,y) (2-1)
公式(2-1)中的Ft(x,y)=F(x,y)/maxF(x,y);F(x,y)图像中(x,y)的灰度值;
对特征像素点的占比的基本概率函数求解:
m2(B)=1-m2(A) (2-2)
公式(2-2)中,n表示F(x,y)的个数,N为前景点个数的阈值。
对感应电压信息的大小和斜率特征的基本概率分配函数求解:
对感应电压大小的基本概率分配函数求解。
m3(B)=1-m3(A) (2-3)
公式(2-3)中ΔU为采集的实际感应电压和基准感应电压的差值,ΔU0为感应电压大小的报警阈值。
对感应电压大小的基本概率分配函数求解。
m4(B)=1-m4(A) (2-4)
公式(2-4)中的R为感应电压的斜率,[R0,R1]表示电容扰动围界报警器报警时信号斜率的取值范围,这个范围是根据一定的经验得出。
步骤3.2:电容扰动围界报警器和视频监控器决策融合报警
将3.1步获取的4种特征的基本概率值,带入步骤2的方法进行融合。
最后得出mA和mB,当满足公式(3-5)时,表示有入侵物进入,其中τ是根据实验和工程师确定的。
m(A)-m(B)≥τ (3-5)。
Claims (4)
1.一种融合电容扰动信号和视频信号的复合式围界报警方法,该方法包括:
步骤1:计算线缆间下雨时混合的介电常数;
步骤2:计算感应电缆和地之间的电容;
步骤3:计算降雨时无入侵物时的感应电压与实际采集的感应电压差值的差值;
步骤4:获取检测区域的实时图像数据,计算出图像数据中的可疑入侵物区域,该区域为图像的特征区域;
步骤5:计算待融合数据;
步骤5.1:计算第一组融合数据:特征灰度均值对比度的基本概率函数;
m1(A)=Ft(x,y)
m1(B)=1-Ft(x,y)
其中Ft(x,y)=F(x,y)/maxF(x,y),F(x,y)表示特征区域中坐标为(x,y)的像素点的灰度,maxF(x,y)表示特征区域中像素点灰度的最大值;
步骤5.2:计算第二组融合数据:特征像素点的占比的基本概率函数;
m2(B)=1-m2(A)
其中l表示F(x,y)的个数,L为特征区域中像素点个数的阈值;
步骤5.3:计算第三组融合数据:感应电压大小的基本概率分配函数;
m3(B)=1-m3(A)
其中,ΔU0表示感应电压大小的报警阈值;
步骤5.4:计算第四组融合数据:感应电压斜率的基本概率分配函数;
m4(B)=1-m4(A)
其中R为实时感应电压的斜率,[R0,R1]表示电容扰动围界报警器报警时信号斜率的冗余范围;
步骤6:数据融合;
步骤6.1:计算识别目标证据间互相关度;
计算目标A的证据互相关度ri,j:
计算出a1,2,a1,3,a1,4,a2,3,a2,4,a3,4后,得到与目标A对应的证据互相关度矩阵r(A):
同理求出目标B的证据互相关度矩阵r(B);
步骤6.2:计算对目标的各证据的互相关因子;
根据步骤6.1的互相关度矩阵,计算出目标的互相关因子:
计算对证据A的互相关因子:
同理计算对证据B的互相关因子:
步骤7:计算引入互相关因子后的基本概率函数值的权值;
将R1(A)、R2(A)、R3(A)、R4(A)、R1(B)、R2(B)、R3(B)、R4(B)依次作为m1(A)、m2(A)、m3(A)、m4(A)、m1(B)、m2(B)、m3(B)、m4(B)的权值更新各组融合数据,更新方式为:
mi(A)=mi(A)*Ri(A)
mi(B)=mi(B)*Ri(B)
步骤8:模糊加权支持度的D-S证据理论融合数据;
步骤8.1:计算目标A发生的概率如m(A)计算:
步骤8.2:计算目标B发生的概率如m(B)计算:
步骤9:决策判断是否发出报警,
τ为设定的阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910303615.4A CN110120140B (zh) | 2019-04-16 | 2019-04-16 | 一种融合电容扰动信号和视频信号的复合式围界报警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910303615.4A CN110120140B (zh) | 2019-04-16 | 2019-04-16 | 一种融合电容扰动信号和视频信号的复合式围界报警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110120140A CN110120140A (zh) | 2019-08-13 |
CN110120140B true CN110120140B (zh) | 2020-12-29 |
Family
ID=67521114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910303615.4A Active CN110120140B (zh) | 2019-04-16 | 2019-04-16 | 一种融合电容扰动信号和视频信号的复合式围界报警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110120140B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2228574A (en) * | 1987-09-16 | 1990-08-29 | Simpson Roland B | Proximity sensor |
GB0415010D0 (en) * | 2003-07-28 | 2004-08-04 | Senstar Stellar Coporation | An integrated sensor cable for ranging |
CN201294030Y (zh) * | 2008-11-27 | 2009-08-19 | 中国民用航空总局第二研究所 | 集散式电容扰动探测安全防范装置 |
CN104851226A (zh) * | 2015-05-11 | 2015-08-19 | 中国民用航空总局第二研究所 | 一种电容扰动围界报警系统和报警方法 |
CN104885327A (zh) * | 2012-10-19 | 2015-09-02 | 无线电力公司 | 无线能量传输系统中的外来物检测 |
CN206628048U (zh) * | 2017-01-13 | 2017-11-10 | 民航成都电子技术有限责任公司 | 一种具备自恢复功能的电容扰动围界报警信号处理电路 |
EP2013671B1 (en) * | 2006-03-17 | 2018-04-25 | iRobot Corporation | Lawn care robot |
CN109035662A (zh) * | 2018-09-07 | 2018-12-18 | 电子科技大学 | 一种基于电容扰动的周界报警系统入侵信号识别方法 |
CN109300272A (zh) * | 2018-11-05 | 2019-02-01 | 西安天和防务技术股份有限公司 | 周界安防装置 |
-
2019
- 2019-04-16 CN CN201910303615.4A patent/CN110120140B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2228574A (en) * | 1987-09-16 | 1990-08-29 | Simpson Roland B | Proximity sensor |
GB0415010D0 (en) * | 2003-07-28 | 2004-08-04 | Senstar Stellar Coporation | An integrated sensor cable for ranging |
EP2013671B1 (en) * | 2006-03-17 | 2018-04-25 | iRobot Corporation | Lawn care robot |
CN201294030Y (zh) * | 2008-11-27 | 2009-08-19 | 中国民用航空总局第二研究所 | 集散式电容扰动探测安全防范装置 |
CN104885327A (zh) * | 2012-10-19 | 2015-09-02 | 无线电力公司 | 无线能量传输系统中的外来物检测 |
CN104851226A (zh) * | 2015-05-11 | 2015-08-19 | 中国民用航空总局第二研究所 | 一种电容扰动围界报警系统和报警方法 |
CN206628048U (zh) * | 2017-01-13 | 2017-11-10 | 民航成都电子技术有限责任公司 | 一种具备自恢复功能的电容扰动围界报警信号处理电路 |
CN109035662A (zh) * | 2018-09-07 | 2018-12-18 | 电子科技大学 | 一种基于电容扰动的周界报警系统入侵信号识别方法 |
CN109300272A (zh) * | 2018-11-05 | 2019-02-01 | 西安天和防务技术股份有限公司 | 周界安防装置 |
Non-Patent Citations (2)
Title |
---|
"Analysis of Early-Warning Threshold for Metro Construction Collapse Risk Based on D-S Evidence Theory and Rough Set";XIE YI et al.;《Wuhan University Journal of Natural Sciences》;20171231;第22卷(第6期);全文 * |
"复杂扰动背景下时空特征动态融合的视频显著性检测";吴晓峰等;《计算机辅助设计与图形学学报》;20160531;第28卷(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110120140A (zh) | 2019-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10220781B2 (en) | Travel environment evaluation system, travel environment evaluation method, drive assist device, and travel environment display device | |
CN101281142B (zh) | 一种测量大气能见度的方法 | |
Chaabani et al. | A neural network approach to visibility range estimation under foggy weather conditions | |
US11734880B2 (en) | Sensor calibration with environment map | |
CN112215306A (zh) | 一种基于单目视觉与毫米波雷达融合的目标检测方法 | |
CN110660211B (zh) | 使用占用行为异常检测器的停车区域地图改善 | |
CN108009507A (zh) | 用于城市违法建筑监察的无人机识别系统 | |
CN107221175B (zh) | 一种行人意图检测方法和系统 | |
CN112101316B (zh) | 一种目标检测方法及系统 | |
CN115965655A (zh) | 一种基于雷视一体的交通目标跟踪方法 | |
CN113688758A (zh) | 基于边缘计算的输气管道高后果区智能识别系统 | |
Chhabra et al. | A survey on state-of-the-art road surface monitoring techniques for intelligent transportation systems | |
CN110120140B (zh) | 一种融合电容扰动信号和视频信号的复合式围界报警方法 | |
CN117130010B (zh) | 用于无人驾驶的障碍物感知方法、系统及无人驾驶汽车 | |
Wu et al. | Road boundary-enhanced automatic background filtering for roadside LiDAR sensors | |
CN113313273B (zh) | 基于大数据环境下的公共设施检测方法、系统和存储介质 | |
CN116935234B (zh) | 一种输电线走廊点云数据自动分类和树障预警系统及方法 | |
Ding et al. | Roadside Unit Visibility Prediction Method Based on SVR. | |
Zhang et al. | Dynamic impact of meteorological factors on freeway free-flow volume and speed in Yanbian | |
Rabbouch et al. | Traffic Sensing and Assessing in Digital Transportation Systems | |
Chen et al. | Railway obstacle intrusion monitoring based on point cloud and image fusion | |
Gao et al. | High-accurate vehicle trajectory extraction and denoising from roadside LIDAR sensors | |
CN111800582B (zh) | 锋面雾检测方法、装置、计算机设备和可读存储介质 | |
US20240087092A1 (en) | Method, apparatus, user interface, and computer program product for identifying map objects or road attributes based on imagery | |
Sipayung et al. | Evaluation of CCTV Data For Estimating Rainfall Condition |
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 |