CN110349415B - 一种基于多尺度变换的行车速度测量方法 - Google Patents
一种基于多尺度变换的行车速度测量方法 Download PDFInfo
- Publication number
- CN110349415B CN110349415B CN201910561429.0A CN201910561429A CN110349415B CN 110349415 B CN110349415 B CN 110349415B CN 201910561429 A CN201910561429 A CN 201910561429A CN 110349415 B CN110349415 B CN 110349415B
- Authority
- CN
- China
- Prior art keywords
- frame image
- image
- pixel value
- value change
- pixel
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- 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
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
- G08G1/054—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed photographing overspeeding vehicles
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Abstract
本发明涉及一种基于多尺度变换的行车速度测量方法,包括:通过CCD摄像机获取行车视频图像信号;选定一视频帧图像Am*n,设置一个3*3模版窗口区域,然后对视频帧图像Am*n进行遍历,将视频帧图像Am*n中模版区域内的像素取其中间像素点的像素值代换原像素值进行多尺度变换;将多尺度变换后的当前帧与多尺度变换后的上一帧图像相减,判定对应像素值有无变化;对像素值有变化区域计算其变化区域像素中心位置,行车速度求解判定,是直线行驶或者变道斜向行驶,进而进行行车速度计算。本发明显著的提高了速度测量效率,提高了车辆速度测量的准确性,该方法在交通事故认定、超速判断准确性方面大大增强,增强用户体验。
Description
技术领域
本发明涉及速度测量技术领域,具体地涉及一种基于多尺度变换的行车速度测量方法。
背景技术
我国交通法对高速公路、国道、省道、城乡公路、市内道路以及雨雪雾天气情况下的车辆行驶速度有着不同的规定,合适的行驶速度,它在车辆的安全行驶、减少交通事故以及保护驾驶员的人身安全、改善驾驶员的工作条件等方面起着重要的作用。现有速度检测技术包括雷达、红外、超声、地感线圈等方法,微波雷达探测得到广泛应用,然而微波雷达探测设备价格昂贵,使用过程要求高;地感线圈检测安装和维护非常困难,视频测量得到广泛关注;如何合理地计算行车速度,是速度测试人员的重要研究课题。在车辆高速化、驾驶人员非职业化、车流密集化的今天,针对更多出现的交通事故,如何快速、准确确定行车速度有着重要的意义。
但是现有的视频速度测量方式方法陈旧,速度测量不准确、计算量较多,只是简单的采用帧差法或者背景减法或者光流法进行计算,这种方式导致计算量非常大,没有采用多尺度变换来降低计算量的相关速度测量方法,而且现有计算方法导致计算时间较多,准确度较低;且现有技术中涉及速度测量的计算量非常复杂,且大部分默认汽车是直线行驶,对于变车道或者斜向行驶的车辆速度测量不准确,对于事故责任认定起到了错误的引导;例如文献“基于图像处理的前方行驶车辆速度测量方法,陈荣宝等”,该文献通过三维重建进行测距,导致计算量非常大,计算效率较低。
发明内容
为解决上述技术问题,本发明提供一种基于多尺度变换的行车速度测量方法,根据道路视频图像处理进行多尺度变换降低数据量,进而计算中心位置向量,计算出行车速度,本发明的一种基于多尺度变换的行车速度测量方法显著地提高了速度测量效率,提高了车辆速度测量的准确性,该方法在交通事故认定、超速判断准确性方面大大增强。本发明的技术方案是这样实现的:
一种基于多尺度变换的行车速度测量方法,包括:通过CCD摄像机获取行车视频图像信号;选定一视频帧图像设置一个3*3模版窗口区域,然后对视频帧图像进行遍历,将视频帧图像中模版区域内的像素取其中间像素点的像素值代换原像素值进行多尺度变换;将多尺度变换后的当前帧与多尺度变换后的上一帧图像相减,判定对应像素值有无变化;对像素值有变化区域计算其变化区域像素中心位置:变化区域中心位置总向量是各帧变化区域中心位置向量的总和,若已知第i帧的变化区域中心位置向量Wi,则变化区域中心位置总向量W可按下式求得:W={W1,W2,W3,…,Wn};
式中,xi表示第i帧图像的像素值变化区域中心位置的横坐标,yi表示第i帧图像的像素值变化区域中心位置的纵坐标,ximin表示第i帧图像的像素值变化区域最左侧像素点的横坐标,ximax表示第i帧图像的像素值变化区域最右侧像素点的横坐标,yimin表示第i帧图像的像素值变化区域最下侧像素点的纵坐标,yimax表示第i帧图像的像素值变化区域最上侧像素点的纵坐标,t为视频帧的时间;行车速度求解判定,选定第j视频帧,计算xj-xj-1是否为0,若为0则说明汽车直线行驶,则行车速度为:
其中,H为图像与实际距离的比例系数;
若xj-xj-1是不为0,则说明汽车变道或斜向行驶,则行车速度为:
其中,xj表示第j帧图像的像素值变化区域中心位置的横坐标,yj表示第j帧图像的像素值变化区域中心位置的纵坐标,xj-1表示第j-1帧图像的像素值变化区域中心位置的横坐标,yj-1表示第j-1帧图像的像素值变化区域中心位置的纵坐标,tj表示为第j帧图像的时间,tj-1表示为第j-1帧图像的时间。
优选地,所述CCD摄像机固定在道路上侧,采集按照设定频率采集道路视频图像。
优选地,所述坐标是基于CCD获取的视频图像的右下角为原点向右、向上分别为X轴、Y轴方向。
优选地,所述视频帧的时间t以秒为单位。
优选地,所述通过CCD摄像机获取道路视频图像信号步骤后还包括:对获取的道路图像进行滤波,采用自适应维纳滤波器根据道路图像的局部方差来调整滤波器的输出,局部方差越大,滤波器的平滑作用越强,使道路恢复图像f'(r,q)与原始道路图像f(r,q)的均方误差e2=E[(f(r,q)-f′(r,q))2]最小。
优选地,所述行进速度大于设定阈值时,则将当前视频帧图像存储到数据库,进而对车牌进行识别。
优选地,所述模版窗口区域还可以为4*4、5*5或12*12。
优选地,所述CCD相机包括可拆卸、可反复充电锂离子电池组,用于提供持续电能。
与现有技术相比,本发明的技术方案具有以下有益效果:
本发明解决了传统技术中图像算法计算复杂时间过长的问题,以及准确性较低,没有考虑到变道斜向行驶的问题;本发明的一种基于多尺度变换的行车速度测量方法根据道路视频图像处理进行多尺度变换降低数据量,进而计算中心位置向量,计算出行车速度,显著的提高了速度测量效率,提高了车辆速度测量的准确性,该方法在交通事故认定、超速判断准确性方面大大增强。
附图说明
图1是本发明的一种基于多尺度变换的行车速度测量方法流程图;
图2是本发明的多尺度变换模板窗口示意图;
图3是本发明中将超速的车辆图片存储到数据库中进行车牌识别流程图。
具体实施方式
本领域技术人员理解,如背景技术所言,传统的视频速度测量方式方法陈旧,速度测量不准确、计算量较多,只是简单的采用帧差法或者背景减法或者光流法进行计算,而且计算方法导致计算时间较多,准确度较低;且涉及速度测量的计算量非常复杂,且大部分默认汽车是直线行驶,对于变车道或者斜向行驶的车辆速度测量不准确,对于事故责任认定起到了错误的引导,因此,本发明解决了传统技术中图像算法计算复杂时间过长的问题,以及准确性较低,没有考虑到变道斜向行驶的问题;本发明的一种基于多尺度变换的行车速度测量方法根据道路视频图像处理进行多尺度变换降低数据量,进而计算中心位置向量,计算出行车速度,显著的提高了速度测量效率,提高了车辆速度测量的准确性,该方法在交通事故认定、超速判断准确性方面大大增强。为使本发明的上述目的、特征和有益效果能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。
图1示出了本申请的一种基于多尺度变换的行车速度测量方法流程图,一种基于多尺度变换的行车速度测量方法,包括:通过CCD摄像机获取行车视频图像信号;选定一视频帧图像设置一个3*3模版窗口区域,在一些实施例中模板区域可以根据行车大小进行自动切换,当处于夜间时,由于夜间多涉及大汽车,而小轿车较少,则将模板区域设置为9*9。
然后对视频帧图像进行遍历,将视频帧图像中模版区域内的像素取其中间像素点的像素值代换原像素值进行多尺度变换;将多尺度变换后的当前帧与多尺度变换后的上一帧图像相减,判定对应像素值有无变化;对像素值有变化区域计算其变化区域像素中心位置:变化区域中心位置总向量是各帧变化区域中心位置向量的总和,若已知第i帧的变化区域中心位置向量Wi,则变化区域中心位置总向量W可按下式求得:
W={W1,W2,W3,…,Wn}
式中,xi表示第i帧图像的像素值变化区域中心位置的横坐标,yi表示第i帧图像的像素值变化区域中心位置的纵坐标,ximin表示第i帧图像的像素值变化区域最左侧像素点的横坐标,ximax表示第i帧图像的像素值变化区域最右侧像素点的横坐标,yimin表示第i帧图像的像素值变化区域最下侧像素点的纵坐标,yimax表示第i帧图像的像素值变化区域最上侧像素点的纵坐标,t为视频帧的时间;行车速度求解判定,选定第j视频帧,计算xj-xj-1是否为0,若为0则说明汽车直线行驶,则行车速度为:
其中,H为图像与实际距离的比例系数;
若xj-xj-1是不为0,则说明汽车变道或斜向行驶,则行车速度为:
其中,xj表示第j帧图像的像素值变化区域中心位置的横坐标,yj表示第j帧图像的像素值变化区域中心位置的纵坐标,xj-1表示第j-1帧图像的像素值变化区域中心位置的横坐标,yj-1表示第j-1帧图像的像素值变化区域中心位置的纵坐标,tj表示为第j帧图像的时间,tj-1表示为第j-1帧图像的时间。
在一个实施例中,通过CCD摄像机获取行车视频图像信号后;选定一视频帧图像模板区域可以根据行车大小进行自动切换,当处于夜间时,由于夜间多涉及大汽车,而小轿车较少,当过了晚上十一点后,则将模板区域设置为9*9,当凌晨六点后,自动将模板区域设置为3*3,根据时间点进行切换,然后对视频帧图像进行遍历,将视频帧图像中模版区域内的像素取其中间像素点的像素值代换原像素值进行多尺度变换;将多尺度变换后的当前帧与多尺度变换后的上一帧图像相减,判定对应像素值有无变化;对像素值有变化区域计算其变化区域像素中心位置:变化区域中心位置总向量是各帧变化区域中心位置向量的总和,若已知第i帧的变化区域中心位置向量Wi,则变化区域中心位置总向量W可按下式求得:
W={W1,W2,W3,…,Wn};
式中,xi表示第i帧图像的像素值变化区域中心位置的横坐标,yi表示第i帧图像的像素值变化区域中心位置的纵坐标,ximin表示第i帧图像的像素值变化区域最左侧像素点的横坐标,ximax表示第i帧图像的像素值变化区域最右侧像素点的横坐标,yimin表示第i帧图像的像素值变化区域最下侧像素点的纵坐标,yimax表示第i帧图像的像素值变化区域最上侧像素点的纵坐标,t为视频帧的时间;行车速度求解判定,选定第j视频帧,计算xj-xj-1是否为0,若为0则说明汽车直线行驶,则行车速度为:
其中,H为图像与实际距离的比例系数;
若xj-xj-1是不为0,则说明汽车变道或斜向行驶,则行车速度为:
其中,xj表示第j帧图像的像素值变化区域中心位置的横坐标,yj表示第j帧图像的像素值变化区域中心位置的纵坐标,xj-1表示第j-1帧图像的像素值变化区域中心位置的横坐标,yj-1表示第j-1帧图像的像素值变化区域中心位置的纵坐标,tj表示为第j帧图像的时间,tj-1表示为第j-1帧图像的时间。
在一些实施例中,所述CCD摄像机固定在道路上侧,CCD摄像机还有的设置在河道上侧,以对过往船只进行速度测量;采集按照设定频率采集道路视频图像,例如在高速公路上频率设置较高一点,一般为0.01HZ,在国道上则频率设置一般水平,一般为0.1HZ,在农村或城市道路上,则频率设置较低一些,一般为1HZ以上,以达到准确获取车辆视频图像的目的。
在一些实施例中,所述坐标是基于CCD获取的视频图像的右下角为原点向右、向上分别为X轴、Y轴方向,是以呈现的视频画面为二维坐标区域,原点为左下角的像素点,x轴为右侧方向,y轴位上侧方向,在一些实施例中,还可以建立三维坐标,其中,Z轴为时间维度,且时间以秒为单位。
在一些实施例中,所述视频帧的时间t以秒为单位,在一些实施例中,视频帧也以视频帧的频度为单位,即单位时间内视频的帧数。
在一些实施例中,所述通过CCD摄像机获取道路视频图像信号步骤后还包括:对获取的道路图像进行滤波,采用自适应维纳滤波器根据道路图像的局部方差来调整滤波器的输出,局部方差越大,滤波器的平滑作用越强,使道路恢复图像f'(r,q)与原始道路图像f(r,q)的均方误差e2=E[(f(r,q)-f′(r,q))2]最小。
在一些实施例中,当下雨天或者阴天的时候导致能见度低,为了增强对比度,采取分段尺度变换,路面裂缝图像其灰度D=f(u,v)的动态范围为[a,b],经过线性变换后其灰度g(u,v)的动态范围为[a',b'],g(u,v)与f(u,v)之间的关系式为:
在一些实施例中,所述行进速度大于设定阈值时,则将当前视频帧图像存储到数据库,进而对车牌进行识别。
如图3所示,车牌识别流程图;
步骤1,图像预处理:对数据库中的图像进行滤波,边界增强等处理以克服图像处理。
步骤2,车牌位置提取:通过运算得到图像的边缘,再计算边缘图像的投影面积,寻找谷峰点以大概确定车牌的位置,再计算连通域的宽高比,剔除不在阈值范围内的连通域,最后便得到了车牌区域。
步骤3,字符分割:利用投影检测的字符定位分割方法得到单个的字符。
步骤4,字符识别:利用模板匹配的方法与数据库中的字符进行匹配从而确认出字符。
步骤5,输出结果:得到最后的汽车牌照,包括汉字、字母和数字。
牌照字符识别:字符识别方法目前主要得算法有两种即基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法首先将分割后的字符二值化,并将其尺寸大小缩放为字符数据库中模板的大小,然后与所有的模板进行匹配,最后选最佳匹配作为结果。
基于人工神经元网络的算法有两种:一种是先对待识别字符进行特征提取,然后用所获得特征来训练神经网络分配器;另一种方法是直接把待处理图像输入网络,由网络自动实现特征提取直至识别出结果。实际应用中,牌照识别系统的识别率与牌照质量和拍摄质量密切相关。牌照质量会受到各种因素的影响,如生锈、污损、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、高亮反光、多牌照、假牌照等等;实际拍摄过程也会受到环境亮度、拍摄亮度、车辆速度等等因素的影响。这些影响因素不同程度上降低了牌照识别的识别率,也正是牌照识别系统的困难和挑战所在。为了提高识别率,除了不断的完善识别算法,还应该想办法克服各种光照条件,使采集到的图像最利于识别。
在一些实施例中,所述模版窗口区域还可以为4*4、5*5、9*9或12*12。
在一些实施例中,所述CCD相机包括可拆卸、可反复充电锂离子电池组,用于提供持续电能。
如图2所示,多尺度变换过程,多尺度变换模板窗口所在区域的像素值用像素5的灰度值替换,即为此时该窗口的区域值,可以大大减少了计算量,提高了计算效率。
在一些实施例中,模板窗口区域可以自行灵活设置,根据图像数据量的不同而进行不同的设置。
本发明的一种基于多尺度变换的行车速度测量方法根据道路视频图像处理进行多尺度变换降低数据量,进而计算中心位置向量,计算出行车速度,显著的提高了速度测量效率,提高了车辆速度测量的准确性,该方法在交通事故认定、超速判断准确性方面大大增强。
虽然本发明披露如上,但本发明并非限定于此。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (8)
1.一种基于多尺度变换的行车速度测量方法,其特征在于,包括:通过CCD摄像机获取行车视频图像信号;选定一视频帧图像Am*n,设置一个3*3模版窗口区域,然后对视频帧图像Am*n进行遍历,将视频帧图像Am*n中模版区域内的像素取其中间像素点的像素值代换原像素值进行多尺度变换;
将多尺度变换后的当前帧与多尺度变换后的上一帧图像相减,判定对应像素值有无变化;对像素值有变化区域计算其变化区域像素中心位置:变化区域中心位置总向量是各帧变化区域中心位置向量的总和,若已知第i帧的变化区域中心位置向量Wi,则变化区域中心位置总向量W可按下式求得:
W={W1,W2,W3,…,Wn};
式中,xi表示第i帧图像的像素值变化区域中心位置的横坐标,yi表示第i帧图像的像素值变化区域中心位置的纵坐标,ximin表示第i帧图像的像素值变化区域最左侧像素点的横坐标,ximax表示第i帧图像的像素值变化区域最右侧像素点的横坐标,yimin表示第i帧图像的像素值变化区域最下侧像素点的纵坐标,yimax表示第i帧图像的像素值变化区域最上侧像素点的纵坐标,t为视频帧的时间;行车速度求解判定,选定第j视频帧,计算xj-xj-1是否为0,若为0则说明汽车直线行驶,则行车速度为:
其中,H为图像与实际距离的比例系数;
若xj-xj-1是不为0,则说明汽车变道或斜向行驶,则行车速度为:
其中,xj表示第j帧图像的像素值变化区域中心位置的横坐标,yj表示第j帧图像的像素值变化区域中心位置的纵坐标,xj-1表示第j-1帧图像的像素值变化区域中心位置的横坐标,yj-1表示第j-1帧图像的像素值变化区域中心位置的纵坐标,tj表示为第j帧图像的时间,tj-1表示为第j-1帧图像的时间。
2.根据权利要求1所述的一种基于多尺度变换的行车速度测量方法,其特征在于,所述CCD摄像机固定在道路上侧,按照设定频率采集道路视频图像。
3.根据权利要求1所述的一种基于多尺度变换的行车速度测量方法,其特征在于,所述坐标是基于CCD获取的视频图像的右下角为原点, 向右、向上分别为X轴、Y轴方向。
4.根据权利要求3所述的一种基于多尺度变换的行车速度测量方法,其特征在于,所述视频帧的时间t以秒为单位。
5.根据权利要求1所述的一种基于多尺度变换的行车速度测量方法,其特征在于,所述通过CCD摄像机获取道路视频图像信号步骤后还包括:对获取的道路图像进行滤波,采用自适应维纳滤波器根据道路图像的局部方差来调整滤波器的输出,局部方差越大,滤波器的平滑作用越强,使道路恢复图像f'(r,q)与原始道路图像f(r,q)的均方误差e2=E[(f(r,q)-f′(r,q))2]最小。
6.根据权利要求4所述的一种基于多尺度变换的行车速度测量方法,其特征在于,所述行车 速度大于设定阈值时,则将当前视频帧图像存储到数据库,进而对车牌进行识别。
7.根据权利要求1所述的一种基于多尺度变换的行车速度测量方法,其特征在于,所述模版窗口区域还可以为4*4、5*5或12*12。
8.根据权利要求1所述的一种基于多尺度变换的行车速度测量方法,其特征在于,所述CCD相机包括可拆卸、可反复充电锂离子电池组,用于提供持续电能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910561429.0A CN110349415B (zh) | 2019-06-26 | 2019-06-26 | 一种基于多尺度变换的行车速度测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910561429.0A CN110349415B (zh) | 2019-06-26 | 2019-06-26 | 一种基于多尺度变换的行车速度测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110349415A CN110349415A (zh) | 2019-10-18 |
CN110349415B true CN110349415B (zh) | 2021-08-20 |
Family
ID=68183156
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910561429.0A Active CN110349415B (zh) | 2019-06-26 | 2019-06-26 | 一种基于多尺度变换的行车速度测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110349415B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111080963A (zh) * | 2019-12-18 | 2020-04-28 | 广州穗能通能源科技有限责任公司 | 施工现场告警方法、装置、计算机设备和存储介质 |
CN113194246A (zh) * | 2021-04-02 | 2021-07-30 | 烟台艾睿光电科技有限公司 | 一种移动设备的图像显示方法及装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101320520A (zh) * | 2008-07-21 | 2008-12-10 | 北京中星微电子有限公司 | 一种车辆检测方法及其设备 |
CN101718870A (zh) * | 2009-11-13 | 2010-06-02 | 西安电子科技大学 | 图像域的高速、微弱目标航迹检测方法 |
CN102326183A (zh) * | 2009-02-19 | 2012-01-18 | 日本电气株式会社 | 图像处理系统、图像处理方法和图像处理程序 |
EP2549737A2 (en) * | 2011-07-22 | 2013-01-23 | Ricoh Company, Ltd. | Image processing apparatus and image processing system |
CN102999759A (zh) * | 2012-11-07 | 2013-03-27 | 东南大学 | 一种基于光流的车辆运动状态估计方法 |
CN103197090A (zh) * | 2013-03-07 | 2013-07-10 | 上海电科智能系统股份有限公司 | 基于特征点变化的视频测速方法 |
CN104408725A (zh) * | 2014-11-28 | 2015-03-11 | 中国航天时代电子公司 | 一种基于tld优化算法的目标重捕获系统及方法 |
EP3115965A2 (en) * | 2015-06-16 | 2017-01-11 | Ricoh Company, Ltd. | Detection device, disparity value deriving device, object recognizing device, device control system, detection method, and program |
CN107067755A (zh) * | 2017-04-28 | 2017-08-18 | 深圳市唯特视科技有限公司 | 一种基于计算机视觉自动校准交通监控相机的方法 |
CN108550258A (zh) * | 2018-03-29 | 2018-09-18 | 东软集团股份有限公司 | 车辆排队长度检测方法、装置、存储介质和电子设备 |
CN109030854A (zh) * | 2018-06-08 | 2018-12-18 | 电子科技大学 | 一种基于rgb图像的步速测量方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8416300B2 (en) * | 2009-05-20 | 2013-04-09 | International Business Machines Corporation | Traffic system for enhancing driver visibility |
US20130322697A1 (en) * | 2012-05-31 | 2013-12-05 | Hexagon Technology Center Gmbh | Speed Calculation of a Moving Object based on Image Data |
JP5737306B2 (ja) * | 2013-01-23 | 2015-06-17 | 株式会社デンソー | 露出制御装置 |
KR102233391B1 (ko) * | 2014-06-16 | 2021-03-29 | 팅크웨어(주) | 전자 장치, 전자 장치의 제어 방법 및 컴퓨터 판독 가능한 기록 매체 |
-
2019
- 2019-06-26 CN CN201910561429.0A patent/CN110349415B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101320520A (zh) * | 2008-07-21 | 2008-12-10 | 北京中星微电子有限公司 | 一种车辆检测方法及其设备 |
CN102326183A (zh) * | 2009-02-19 | 2012-01-18 | 日本电气株式会社 | 图像处理系统、图像处理方法和图像处理程序 |
CN101718870A (zh) * | 2009-11-13 | 2010-06-02 | 西安电子科技大学 | 图像域的高速、微弱目标航迹检测方法 |
EP2549737A2 (en) * | 2011-07-22 | 2013-01-23 | Ricoh Company, Ltd. | Image processing apparatus and image processing system |
CN102999759A (zh) * | 2012-11-07 | 2013-03-27 | 东南大学 | 一种基于光流的车辆运动状态估计方法 |
CN103197090A (zh) * | 2013-03-07 | 2013-07-10 | 上海电科智能系统股份有限公司 | 基于特征点变化的视频测速方法 |
CN104408725A (zh) * | 2014-11-28 | 2015-03-11 | 中国航天时代电子公司 | 一种基于tld优化算法的目标重捕获系统及方法 |
EP3115965A2 (en) * | 2015-06-16 | 2017-01-11 | Ricoh Company, Ltd. | Detection device, disparity value deriving device, object recognizing device, device control system, detection method, and program |
CN107067755A (zh) * | 2017-04-28 | 2017-08-18 | 深圳市唯特视科技有限公司 | 一种基于计算机视觉自动校准交通监控相机的方法 |
CN108550258A (zh) * | 2018-03-29 | 2018-09-18 | 东软集团股份有限公司 | 车辆排队长度检测方法、装置、存储介质和电子设备 |
CN109030854A (zh) * | 2018-06-08 | 2018-12-18 | 电子科技大学 | 一种基于rgb图像的步速测量方法 |
Non-Patent Citations (2)
Title |
---|
基于视频流的车速检测方法研究;霍淑丽;《万方学位论文》;20121231;正文全文 * |
用于公路智能卡口的快速运动目标检测算法研究;孙美婷;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20170315;C034-911 * |
Also Published As
Publication number | Publication date |
---|---|
CN110349415A (zh) | 2019-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105260699B (zh) | 一种车道线数据的处理方法及装置 | |
CN109670376B (zh) | 车道线识别方法及系统 | |
CN107463890B (zh) | 一种基于单目前视相机的前车检测与跟踪方法 | |
CN111563412B (zh) | 一种基于参数空间投票和贝塞尔拟合的快速车道线检测方法 | |
Li et al. | Nighttime lane markings recognition based on Canny detection and Hough transform | |
CN109299674B (zh) | 一种基于车灯的隧道违章变道检测方法 | |
CN105488454A (zh) | 基于单目视觉的前方车辆检测与测距 | |
CN102419820A (zh) | 一种快速检测视频与图像中汽车车标的方法 | |
CN104008377A (zh) | 基于时空关联的地面交通标志实时检测识别方法 | |
CN105005771A (zh) | 一种基于光流点轨迹统计的车道线实线的检测方法 | |
CN103577809B (zh) | 一种基于智能驾驶的地面交通标志实时检测的方法 | |
CN103324920A (zh) | 基于车辆正面图像与模板匹配的车型自动识别方法 | |
CN107886034B (zh) | 行车提醒方法、装置及车辆 | |
CN105654073A (zh) | 一种基于视觉检测的速度自动控制方法 | |
CN104036246A (zh) | 一种基于多特征融合及多态均值的车道线定位方法 | |
CN109948552B (zh) | 一种复杂交通环境中的车道线检测的方法 | |
CN108764108A (zh) | 一种基于贝叶斯统计决策的前车检测方法 | |
CN109829365B (zh) | 基于机器视觉的多场景适应驾驶偏离及转弯预警方法 | |
CN104881661B (zh) | 基于结构相似度的车辆检测方法 | |
CN109635737A (zh) | 基于道路标记线视觉识别辅助车辆导航定位方法 | |
CN110349415B (zh) | 一种基于多尺度变换的行车速度测量方法 | |
CN117094914B (zh) | 基于计算机视觉的智慧城市道路监控系统 | |
CN111695565A (zh) | 基于道路关卡模糊图像的汽车标志精准定位方法 | |
CN110991264A (zh) | 前方车辆检测方法和装置 | |
Larsen et al. | Traffic monitoring using very high resolution satellite imagery |
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 |