CN110163893A - 一种远场景黑暗环境下的车牌提取及车辆跟踪系统和方法 - Google Patents

一种远场景黑暗环境下的车牌提取及车辆跟踪系统和方法 Download PDF

Info

Publication number
CN110163893A
CN110163893A CN201910382725.4A CN201910382725A CN110163893A CN 110163893 A CN110163893 A CN 110163893A CN 201910382725 A CN201910382725 A CN 201910382725A CN 110163893 A CN110163893 A CN 110163893A
Authority
CN
China
Prior art keywords
vehicle
license plate
tracking
module
target vehicle
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
CN201910382725.4A
Other languages
English (en)
Inventor
刘建
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.)
Qingdao Xunji Technology Co Ltd
Original Assignee
Qingdao Xunji 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 Qingdao Xunji Technology Co Ltd filed Critical Qingdao Xunji Technology Co Ltd
Priority to CN201910382725.4A priority Critical patent/CN110163893A/zh
Publication of CN110163893A publication Critical patent/CN110163893A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63—Scene text, e.g. street names
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30236—Traffic on road, railway or crossing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates

Landscapes

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

Abstract

本发明涉及交通监控技术领域，公开了一种远场景黑暗环境下的车牌提取及车辆跟踪系统，包括车辆跟踪模块、车辆识别模块、车辆查找模块和反向跟踪模块；还公开了其方法，包括如下步骤：对目标车辆从触发时刻到离开摄像头视场这一过程进行实时跟踪；准确提取识别被跟踪目标车辆的车牌和从触发时刻开始到目标车辆离开视场之间的视频；根据车辆识别模块中返回的车牌，在倒放的视频中找到目标车辆车牌边界矩形或车辆边界矩形；对目标车辆进行反向追踪，准确圈出被跟踪目标车辆位置。本发明，采用了统计学的方法，提高了在黑暗环境下现有车牌识别系统识别车牌的准确率，有效地避免了因偶然因素造成的车牌识别错误。

Description

一种远场景黑暗环境下的车牌提取及车辆跟踪系统和方法
技术领域
本发明涉及交通监控技术领域，具体是一种远场景黑暗环境下的车牌提取及车辆跟踪系统和方法。
背景技术
在交通监控系统中，基于白天环境的车辆检测跟踪和车牌识别研究技术已日趋完善。但是在夜晚场景下，由于光线较暗，可参照物体少和不稳定等因素的存在，导致了白天的车辆检测跟踪和车牌识别方法在夜晚环境下几乎不能使用，即使目前流行的基于深度学习的车辆检测跟踪和车牌识别，也无法使黑暗环境下的车牌提取及车辆跟踪的准确率达到一个较高的程度，反而由于深度学习技术的引入，对计算机性能提出了更高的要求，增加了设备的投入成本。
目前车辆车牌系统部署时都会指定一个抓拍区域，当车辆驶入车牌识别系统抓拍区域时，会触发车牌识别系统抓拍车辆的图像并自动识别出车牌。这种车牌识别方式依赖于监控设备的抓拍功能，即触发抓拍之后才对车辆做车牌识别。
目前车辆跟踪技术大体上可分为两类，一类基于车辆检测的多目标跟踪，这种车辆跟踪方法，在白天或者灯光较亮的环境下，准确率较高，但这种方法不具有特殊性，如用户需要跟踪单辆车，这种方法显然不能实现；另一类则是单目标跟踪，这种跟踪技术需要事先指定待跟踪目标车辆，通常在图像上表现为一个矩形框区域，这个区域可人工标注也可通过车辆检测算法进行标注，后续的跟踪，就是找出该矩形框区域内的目标在视频下一帧中的位置。
目前车辆车牌识别系统只在设备抓拍之后才对车辆车牌进行识别，不抓拍不识别；同时，设备每抓拍一次，系统只对车辆做一次车牌识别，这种车牌识别方法在没有补光灯辅助的黑暗环境下存在错误率较高的情况。由于黑暗环境下，光线条件复杂，干扰因素多，仅做一次车牌识别，出错的概率会比以往大。此外，现有的车辆车牌识别系统无法对视频中的车辆进行车牌识别。
现有的车辆跟踪技术，基于车辆检测的多目标跟踪这种方法显然无法完成对特定目标的跟踪，且现有的车辆检测技术，在黑暗环境下，并不一定能百分百的检测出车辆；而单目标跟踪这种方法非常依赖于初始目标区域，若初始目标区域不能准确包含待跟踪目标，则后续的跟踪误差可能会越来越大，导致在视频中不能很好地体现出被跟踪的目标车辆和目标车辆的运动轨迹。
发明内容
本发明的目的在于提供一种远场景黑暗环境下的车牌提取及车辆跟踪系统和方法，针对现有技术不能准确识别黑暗环境下车辆车牌和准确跟踪黑暗环境下的目标车辆以，解决上述背景技术中提出的问题，这种方法有效地改进现有技术的不足，提高了现有技术在黑暗环境下车辆车牌识别和车辆跟踪的准确率。
为实现上述目的，本发明提供如下技术方案：
一种远场景黑暗环境下的车牌提取及车辆跟踪系统，包括车辆跟踪模块、车辆识别模块、车辆查找模块和反向跟踪模块，其中：
所述车辆跟踪模块，用于对目标车辆从触发时刻到离开摄像头视场这一过程进行实时跟踪；
所述车辆识别模块，用于准确提取识别被跟踪目标车辆的车牌和从触发时刻开始到目标车辆离开视场之间的视频；
所述车辆查找模块，用于根据车辆识别模块中返回的车牌，在倒放的视频中找到目标车辆车牌边界矩形或车辆边界矩形；
所述反向跟踪模块，用于对目标车辆进行反向追踪，准确圈出被跟踪目标车辆位置。
作为本发明进一步的方案：所述车辆跟踪模块包括检测模块、上位机和摄像设备，其中：
所述检测模块，用于通过报文形式给上位机发送一个触发信号和对应车辆经过的车道号；
所述上位机，用于接收到报文，解析得到触发信号和车道号，并立即发送触发信号给摄像设备，启动实时视频数据回传。
一种远场景黑暗环境下的车牌提取及车辆跟踪方法，包括如下步骤：
（1）、对目标车辆从触发时刻到离开摄像头视场这一过程进行实时跟踪；
（2）、准确提取识别被跟踪目标车辆的车牌和从触发时刻开始到目标车辆离开视场之间的视频；
（3）、根据车辆识别模块中返回的车牌，在倒放的视频中找到目标车辆车牌边界矩形或车辆边界矩形；
（4）、对目标车辆进行反向追踪，准确圈出被跟踪目标车辆位置。
作为本发明进一步的方案：步骤（1）中，具体跟踪方法为：采用单目标跟踪技术，首先固定起始矩形框跟踪区域，每个车道对应一个起始跟踪区域，当有车辆经过起始跟踪区域时，检测模块通过报文形式给上位机发送一个触发信号和对应车辆经过的车道号，上位机接收到报文，解析得到触发信号和车道号，并立即发送触发信号给摄像设备，启动实时视频数据回传，上位机接收到摄像设备返回的实时视频数据后，根据检测模块发送的车道号，提取起始跟踪区域坐标，并对视频数据的第一帧进行初始化，指定起始跟踪目标区域。
作为本发明进一步的方案：步骤（2）中，具体识别方法为：当目标车辆运动到视场中间或者车牌较清晰的位置时，启动车牌识别模块，以跟踪区域的中心点为中心，以两倍车辆长度为半径做圆，截取出识别区域，车牌检测结果返回车牌的边界矩形；接着根据欧式距离公式计算车牌中心点与跟踪区域中心点的欧式距离，并从中找出欧式距离最小且小于一辆车长度的车牌，该车牌即为目标车辆车牌；最后对目标车牌进行车牌号识别。
作为本发明进一步的方案：步骤（3）中，具体步骤为：采用反向跟踪方法，将视频倒放，从目标车辆离开视场下边沿时刻开始，反向跟踪车辆到触发起始区域。
作为本发明再进一步的方案：步骤（4）中，具体方法为：根据步骤（3）中返回的车牌或者车辆边界矩形，采用现有的单目标跟踪技术，初始化起始跟踪区域。
与现有技术相比，本发明的有益效果是：
一种远场景黑暗环境下的车牌提取及车辆跟踪系统和方法，采用了统计学的方法，提高了在黑暗环境下现有车牌识别系统识别车牌的准确率，有效地避免了因偶然因素造成的车牌识别错误，此外，在车辆跟踪上，由于在远场景黑暗环境下，存在灯光条件复杂，干扰因素过多的情况，如果从远处开始跟踪目标车辆，后续跟踪过程累积误差会越来越大，不能很好地体现被跟踪车辆的位置，而本发明技术方案提出的反向跟踪方法，从车辆离开视场时刻开始，将视频倒放，反向跟踪目标车辆，能很好地解决该问题。
附图说明
图1为远场景黑暗环境下的车牌提取及车辆跟踪系统中车辆跟踪模块的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例中，一种远场景黑暗环境下的车牌提取及车辆跟踪系统，包括车辆跟踪模块、车辆识别模块、车辆查找模块和反向跟踪模块，其中：所述车辆跟踪模块，用于对目标车辆从触发时刻到离开摄像头视场这一过程进行实时跟踪；所述车辆识别模块，用于准确提取识别被跟踪目标车辆的车牌和从触发时刻开始到目标车辆离开视场之间的视频；所述车辆查找模块，用于根据车辆识别模块中返回的车牌，在倒放的视频中找到目标车辆车牌边界矩形或车辆边界矩形；所述反向跟踪模块，用于对目标车辆进行反向追踪，准确圈出被跟踪目标车辆位置。
请参阅图1，所述车辆跟踪模块包括检测模块、上位机和摄像设备，其中：所述检测模块，用于通过报文形式给上位机发送一个触发信号和对应车辆经过的车道号；所述上位机，用于接收到报文，解析得到触发信号和车道号，并立即发送触发信号给摄像设备，启动实时视频数据回传。
一种远场景黑暗环境下的车牌提取及车辆跟踪方法，包括如下步骤：
（1）、对目标车辆从触发时刻到离开摄像头视场这一过程进行实时跟踪；（2）、准确提取识别被跟踪目标车辆的车牌和从触发时刻开始到目标车辆离开视场之间的视频；（3）、根据车辆识别模块中返回的车牌，在倒放的视频中找到目标车辆车牌边界矩形或车辆边界矩形；（4）、对目标车辆进行反向追踪，准确圈出被跟踪目标车辆位置。
步骤（1）中，具体跟踪方法为：采用单目标跟踪技术，首先固定起始矩形框跟踪区域，每个车道对应一个起始跟踪区域，当有车辆经过起始跟踪区域时，检测模块通过报文形式给上位机发送一个触发信号和对应车辆经过的车道号，上位机接收到报文，解析得到触发信号和车道号，并立即发送触发信号给摄像设备，启动实时视频数据回传，上位机接收到摄像设备返回的实时视频数据后，根据检测模块发送的车道号，提取起始跟踪区域坐标，并对视频数据的第一帧进行初始化，指定起始跟踪目标区域。
后续的跟踪，则找出该区域内的目标在视频下一帧中的位置即可。这一跟踪方法虽依赖于起始跟踪目标区域是否完全包含待跟踪车辆，但在该跟踪过程中，本发明提出地方案不需要准确无误地圈出目标车辆，只需保证跟踪区域（矩形框）相对于目标车辆的位置不变即可，而现有的技术能很好地满足这一特点。
步骤（2）中，具体识别方法为：当目标车辆运动到视场中间或者车牌较清晰的位置时，启动车牌识别模块，以跟踪区域的中心点为中心，以两倍车辆长度（可根据分辨率大小进行调整或自定义）为半径做圆，截取出识别区域，车牌检测结果返回车牌的边界矩形；接着根据欧式距离公式计算车牌中心点与跟踪区域中心点的欧式距离，并从中找出欧式距离最小且小于一辆车长度的车牌，该车牌即为目标车辆车牌；最后对目标车牌进行车牌号识别。
为避免车牌只识别一次带来的偶然误差，从启动车牌识别时刻开始直到车辆离开视场，都对目标车辆进行车牌识别。最后根据统计学方法，选取出现频率最大的车牌号作为目标车辆车牌。
步骤（3）中，具体步骤为：采用反向跟踪方法，将视频倒放，从目标车辆离开视场下边沿时刻开始，反向跟踪车辆到触发起始区域。
由于在远场景黑暗环境下，被跟踪目标车辆离视场上边沿较近，灯光较暗，车辆检测无法发挥作用，单目标跟踪很难准确圈出被跟踪目标车辆外形。为了解决车辆跟踪模块中，不能准确地圈出被跟踪目标车辆和体现出目标车辆的运动轨迹，本发明提出了一种反向跟踪方法，将视频倒放，从目标车辆离开视场下边沿时刻开始，反向跟踪车辆到触发起始区域。
步骤（4）中，具体方法为：根据步骤（3）中返回的车牌或者车辆边界矩形，采用现有的单目标跟踪技术，初始化起始跟踪区域。
由于单目标跟踪区域的准确率依赖于起始目标区域是否完全包含被跟踪目标，而车辆查找模块中的检测结果，能准确地返回被跟踪目标的边界矩形，所有在后续地跟踪中，跟踪区域所对应地矩形框也能准确地体现出被跟踪的目标车辆和目标车辆的运动轨迹。
本发明的工作原理是：1)采用统计学方法，在远场景黑暗环境下，连续对视频中目标车辆车牌进行识别，选取出现频率最高的车牌作为目标车辆车牌识别结果。2)采用反向跟踪方法，将视频倒放，根据车牌找出目标车辆进行反向跟踪。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (7)

1.一种远场景黑暗环境下的车牌提取及车辆跟踪系统，其特征在于，包括车辆跟踪模块、车辆识别模块、车辆查找模块和反向跟踪模块，其中：
所述车辆跟踪模块，用于对目标车辆从触发时刻到离开摄像头视场这一过程进行实时跟踪；
所述车辆识别模块，用于准确提取识别被跟踪目标车辆的车牌和从触发时刻开始到目标车辆离开视场之间的视频；
所述车辆查找模块，用于根据车辆识别模块中返回的车牌，在倒放的视频中找到目标车辆车牌边界矩形或车辆边界矩形；
所述反向跟踪模块，用于对目标车辆进行反向追踪，准确圈出被跟踪目标车辆位置。
2.根据权利要求1所述的一种远场景黑暗环境下的车牌提取及车辆跟踪系统，其特征在于，所述车辆跟踪模块包括检测模块、上位机和摄像设备，其中：
所述检测模块，用于通过报文形式给上位机发送一个触发信号和对应车辆经过的车道号；
所述上位机，用于接收到报文，解析得到触发信号和车道号，并立即发送触发信号给摄像设备，启动实时视频数据回传。
3.一种远场景黑暗环境下的车牌提取及车辆跟踪方法，其特征在于，包括如下步骤：
（1）、对目标车辆从触发时刻到离开摄像头视场这一过程进行实时跟踪；
（2）、准确提取识别被跟踪目标车辆的车牌和从触发时刻开始到目标车辆离开视场之间的视频；
（3）、根据车辆识别模块中返回的车牌，在倒放的视频中找到目标车辆车牌边界矩形或车辆边界矩形；
（4）、对目标车辆进行反向追踪，准确圈出被跟踪目标车辆位置。
4.根据权利要求3所述的一种远场景黑暗环境下的车牌提取及车辆跟踪方法，其特征在于，步骤（1）中，具体跟踪方法为：采用单目标跟踪技术，首先固定起始矩形框跟踪区域，每个车道对应一个起始跟踪区域，当有车辆经过起始跟踪区域时，检测模块通过报文形式给上位机发送一个触发信号和对应车辆经过的车道号，上位机接收到报文，解析得到触发信号和车道号，并立即发送触发信号给摄像设备，启动实时视频数据回传，上位机接收到摄像设备返回的实时视频数据后，根据检测模块发送的车道号，提取起始跟踪区域坐标，并对视频数据的第一帧进行初始化，指定起始跟踪目标区域。
5.根据权利要求3所述的一种远场景黑暗环境下的车牌提取及车辆跟踪方法，其特征在于，步骤（2）中，具体识别方法为：当目标车辆运动到视场中间或者车牌较清晰的位置时，启动车牌识别模块，以跟踪区域的中心点为中心，以两倍车辆长度为半径做圆，截取出识别区域，车牌检测结果返回车牌的边界矩形；接着根据欧式距离公式计算车牌中心点与跟踪区域中心点的欧式距离，并从中找出欧式距离最小且小于一辆车长度的车牌，该车牌即为目标车辆车牌；最后对目标车牌进行车牌号识别。
6.根据权利要求3所述的一种远场景黑暗环境下的车牌提取及车辆跟踪方法，其特征在于，步骤（3）中，具体步骤为：采用反向跟踪方法，将视频倒放，从目标车辆离开视场下边沿时刻开始，反向跟踪车辆到触发起始区域。
7.根据权利要求3所述的一种远场景黑暗环境下的车牌提取及车辆跟踪方法，其特征在于，步骤（4）中，具体方法为：根据步骤（3）中返回的车牌或者车辆边界矩形，采用现有的单目标跟踪技术，初始化起始跟踪区域。
CN201910382725.4A 2019-05-09 2019-05-09 一种远场景黑暗环境下的车牌提取及车辆跟踪系统和方法 Pending CN110163893A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910382725.4A CN110163893A (zh) 2019-05-09 2019-05-09 一种远场景黑暗环境下的车牌提取及车辆跟踪系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910382725.4A CN110163893A (zh) 2019-05-09 2019-05-09 一种远场景黑暗环境下的车牌提取及车辆跟踪系统和方法

Publications (1)

Publication Number Publication Date
CN110163893A true CN110163893A (zh) 2019-08-23

Family

ID=67634060

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910382725.4A Pending CN110163893A (zh) 2019-05-09 2019-05-09 一种远场景黑暗环境下的车牌提取及车辆跟踪系统和方法

Country Status (1)

Country Link
CN (1) CN110163893A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090157233A1 (en) * 2007-12-14 2009-06-18 Kokkeby Kristen L System and methods for autonomous tracking and surveillance
CN102043945A (zh) * 2010-11-23 2011-05-04 聊城大学 基于车辆实时跟踪和二进指数分类车牌字符识别的方法
CN106781520A (zh) * 2016-12-26 2017-05-31 无锡高新兴智能交通技术有限公司 一种基于车辆跟踪的交通违法检测方法及系统
CN107424412A (zh) * 2017-09-21 2017-12-01 程丹秋 一种交通行为分析系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090157233A1 (en) * 2007-12-14 2009-06-18 Kokkeby Kristen L System and methods for autonomous tracking and surveillance
CN102043945A (zh) * 2010-11-23 2011-05-04 聊城大学 基于车辆实时跟踪和二进指数分类车牌字符识别的方法
CN106781520A (zh) * 2016-12-26 2017-05-31 无锡高新兴智能交通技术有限公司 一种基于车辆跟踪的交通违法检测方法及系统
CN107424412A (zh) * 2017-09-21 2017-12-01 程丹秋 一种交通行为分析系统

Similar Documents

Publication Publication Date Title
CN109446942B (zh) 目标跟踪方法、装置和系统
KR101758576B1 (ko) 물체 탐지를 위한 레이더 카메라 복합 검지 장치 및 방법
CN105844128B (zh) 身份识别方法和装置
CN106447680B (zh) 动态背景环境下雷达与视觉融合的目标检测与跟踪方法
CN102110369B (zh) 闯红灯抓拍方法及装置
CN108038415B (zh) 一种基于机器视觉的无人机自动检测与跟踪方法
CN105718031B (zh) 手势辨识方法及其装置
CN110853295A (zh) 一种高空抛物预警方法和装置
US11023717B2 (en) Method, apparatus, device and system for processing commodity identification and storage medium
CN107292300A (zh) 一种人脸识别设备及方法
CN105759839A (zh) 无人机视觉跟踪方法、装置以及无人机
EP2757771A2 (en) Image pickup apparatus, remote control apparatus, and methods of controlling image pickup apparatus and remote control apparatus
US11288887B2 (en) Object tracking method and apparatus
KR101760020B1 (ko) 차량 번호 인식 장치 및 그 방법
KR101492473B1 (ko) 사용자 기반 상황 인지형 씨씨티비 통합관제시스템
WO2021088393A1 (zh) 确定位姿的方法、装置和系统
CN107592507A (zh) 自动跟踪捕捉高清晰正面人脸照片的方法
CN115100716A (zh) 一种智慧社区行人跟踪定位方法及系统
CN112257489A (zh) 一种垃圾袋投放自动检测系统及方法
KR20140141239A (ko) 평균이동 알고리즘을 적용한 실시간 객체 추적방법 및 시스템
CN110163893A (zh) 一种远场景黑暗环境下的车牌提取及车辆跟踪系统和方法
CN112180353A (zh) 目标对象的确认方法及系统、存储介质
KR20140078088A (ko) Cctv 카메라를 이용한 차량번호 자동인식 시스템
KR100770157B1 (ko) 이동형 차량번호 판독 및 증거수집 시스템
CN207517033U (zh) 一种行驶车辆中的人脸识别装置、系统及智能相机和工控机

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

Application publication date: 20190823

RJ01 Rejection of invention patent application after publication