CN110428443A - 一种智慧社区车辆轨迹跟踪方法 - Google Patents
一种智慧社区车辆轨迹跟踪方法 Download PDFInfo
- Publication number
- CN110428443A CN110428443A CN201910737288.3A CN201910737288A CN110428443A CN 110428443 A CN110428443 A CN 110428443A CN 201910737288 A CN201910737288 A CN 201910737288A CN 110428443 A CN110428443 A CN 110428443A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- vibe
- car
- algorithm
- tracing method
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000008569 process Effects 0.000 claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims abstract description 18
- 230000005484 gravity Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000003032 molecular docking Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 101100117236 Drosophila melanogaster speck gene Proteins 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- 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
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种智慧社区车辆轨迹跟踪方法,通过Vibe+算法对对进入小区内的车辆进行位置跟踪,并获取车辆移动物体在Vibe+算法处理后的二值图中的白色区域的最小外接矩阵的中心点作为车辆的中心,当车辆停在某地不动时,则该车辆在摄像头下的Vibe+处理后的二值图中白色区域逐渐消失,当白色区域面积小于初始车辆进入小区移动过程的最大面积的80%,则将该车重心点标记为该车此刻停留的坐标位置,从而对车辆进行跟踪。本发明的一种智慧社区车辆轨迹跟踪方法可以将小区内的车辆移动情况和车位占用情况,数字化处理,及时跟踪和处理。本发明的一种智慧社区车辆轨迹跟踪方法具有实时效果好,准确度高的优点。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种实时效果好,准确度高的智慧社区车辆轨迹跟踪方法。
背景技术
随着智慧社区的发展,各种人工智能技术逐渐应用到了智慧社区的场景中,例如车牌识别结合支付系统实现了无感支付,人脸识别实现了人脸门禁和人脸打卡,语音识别和语音唤醒实现了智能音响和智慧家居控制系统等等。而在现在的大城市社区生活中,车辆越来越多,小区内随地停车的现象屡禁不止,严重影响了小区内的道路畅通性和日常管理。目前针对小区内的车辆管理大多通过小区车辆闸道出入车辆的车牌识别来进行整体车辆进出统计和计费,还有一些车位锁机制进行车位专用管理。但是对于小区内的车辆移动情况和停车分布情况的统计,并没有多少实际应用和研究,但是在上下班高峰期,在一些大的小区内的车辆移动情况和小区车位占用情况进行数据化,进而对进入小区内的车辆进行路线规划和指导,具有重要的作用和意义。
因此,有必要提出一种新的技术方案,以解决现有问题。
发明内容
本发明的目的是解决现有技术中的问题,提供一种实时效果好,准确度高的智慧社区车辆轨迹跟踪方法。
本发明的技术方案是:一种智慧社区车辆轨迹跟踪方法,包括以下步骤:S1、在社区车闸处无车辆通行时,启动Vibe+算法程序;S2、根据Vibe+背景模板获取背景样本;S3、有车辆进入社区时,车闸处进行车牌识别,获取车牌car_id,并通过社区内的摄像头对车辆图像帧进行获取;S4、根据获取的车牌car_id,利用Vibe+算法程序和物体重心计算,获取获取和车辆的移动信息car_road;车辆移动信息的获取通过获取Vibe+算法处理后的二值图车辆车体白色区域的重心car_center、车体框体最小外接矩阵坐标rectanle_car以及最小外接矩阵的在通过车闸过程的最大值Smax来获取;S5、采用Vibe+算法计算摄像头获取的车辆帧的二值图;若车辆车体白色区域最小外接矩阵的面积S>0.8*Smax则判断车辆移动,进行car_road更新;S6、若摄像头获取的车辆图像帧的Vibe+算法的二值图中车辆车体白色区域最小外接矩阵的面积S<0.8*Smax,则判断车辆停止。
作为一种优选的技术方案,所述步骤S2中获取的背景样本在Vibe+算法程序运行过程中按照Vibe+算法动态更新。
作为一种进一步优选的技术方案,所述Vibe+算法动态更新背景样本的方法为,通过Vibe+算法对图像内背景像素点及前景像素点进行检测,若一个像素点连续N次被检测为前景像素点,则将其更新为背景像素点。
作为一种更进一步优选的技术方案,N为5至20之间的整数。
作为一种优选的技术方案,所述步骤S5中,车辆移动过程中,当车辆从社区内一个摄像头移动到另一个摄像头时,根据摄像头监控区域的布局和车辆移动的方向计算,触发移动方向的摄像头进行车辆移动信息的对接。
作为一种优选的技术方案,步骤S6之后还包括步骤S7、根据车辆动态移动情况car_road的统计处理获取小区内部各个道路拥塞情况和车位占用情况,从而对进入小区内的车辆进行路线选择和车位选择提供指导。
本发明的一种智慧社区车辆轨迹跟踪方法,通过Vibe+算法对对进入小区内的车辆进行位置跟踪,并获取车辆移动物体在Vibe+算法处理后的二值图中的白色区域的最小外接矩阵的中心点作为车辆的中心,当车辆停在某地不动时,则该车辆在摄像头下的Vibe+处理后的二值图中白色区域逐渐消失,当白色区域面积小于初始车辆进入小区移动过程的最大面积的80%,则将该车重心点标记为该车此刻停留的坐标位置,从而对车辆进行跟踪。本发明的一种智慧社区车辆轨迹跟踪方法可以将小区内的车辆移动情况和车位占用情况,数字化处理,及时跟踪和处理,以指导小区内部车位管理和选择,同时能够为进入社区的车辆进行最佳路线选择。本发明的一种智慧社区车辆轨迹跟踪方法具有实时效果好,准确度高的优点。
附图说明
图1为本发明一种智慧社区车辆轨迹跟踪方法具体实施方式流程框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义,“多种”一般包含至少两种,但是不排除包含至少一种的情况。
应当理解,本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,一般表示前后关联对象是一种“或”的关系。
取决于语境,如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地,取决于语境,短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
如图1所示为本发明的一种智慧社区车辆轨迹跟踪方法具体实施方式流程框图。本实施例的一种智慧社区车辆轨迹跟踪方法,包括以下步骤:
S1、在社区车闸处无车辆通行时,启动Vibe+算法程序。
S2、根据Vibe+背景模板获取背景样本。
S3、有车辆进入社区时,车闸处进行车牌识别,获取车牌car_id,并通过社区内的摄像头对车辆图像帧进行获取。
S4、根据获取的车牌car_id,利用Vibe+算法程序和物体重心计算,获取获取和车辆的移动信息car_road;车辆移动信息的获取通过获取Vibe+算法处理后的二值图车辆车体白色区域的重心car_center、车体框体最小外接矩阵坐标rectanle_car以及最小外接矩阵的在通过车闸过程的最大值Smax来获取。其中,根据获取的车牌car_id,利用Vibe+算法程序和物体重心计算,获取Vibe+算法处理后的二值图车辆车体白色区域的重心car_center为car_center=[x0,y0];车体框体最小外接矩阵坐标rectanle_car为rectanle_car=[[xmin,ymin],xmax,ymax];此时,车辆的移动信息car_road为car_road={car_id:[{car_center:[x0,y0],rectanle_car:[[xmin,ymin],xmax,ymax],T:t1},...]}。
S5、采用Vibe+算法计算摄像头获取的车辆帧的二值图;若车辆车体白色区域最小外接矩阵的面积S>0.8*Smax则判断车辆移动,进行car_road更新。也即,当车辆在移动过程中,摄像头获取帧的Vibe+算法的二值图车辆车体白色区域最小外接矩阵的面积S>0.8*Smax,此时,对car_road进行更新,car_road更新方法为car_road[car_id].append({car_center:[x0,y0],rectanle_car:[[xmin,ymin],xmax,ymax],T:time.time()})。
S6、若摄像头获取的车辆图像帧的Vibe+算法的二值图中车辆车体白色区域最小外接矩阵的面积S<0.8*Smax,则判断车辆停止。也即当车辆长时间停于小区内的某个地方,则该视频获取的视频帧的Vibe+算法的二值图车辆车体白色区域会逐渐消失,通过计算空白区最小外接矩阵的面积S<0.8*Smax,则认为该车辆停止于该处。
本发明的一种智慧社区车辆轨迹跟踪方法,通过Vibe+算法对对进入小区内的车辆进行位置跟踪,并获取车辆移动物体在Vibe+算法处理后的二值图中的白色区域的最小外接矩阵的中心点作为车辆的中心,当车辆停在某地不动时,则该车辆在摄像头下的Vibe+处理后的二值图中白色区域逐渐消失,当白色区域面积小于初始车辆进入小区移动过程的最大面积的80%,则将该车重心点标记为该车此刻停留的坐标位置,从而对车辆进行跟踪。
本发明的一种智慧社区车辆轨迹跟踪方法,采用Vibe+算法对车辆图像进行处理。Vibe+算法的思想为:为所有像素点存储一个样本集,样本集里面保存的采样值是<fontcolor=red>该像素点过去的像素值</font>与<font color=red>其邻居点的像素值</font>。后面每一帧的新像素值和样本集里的样本历史值进行比较,判断是否属于背景点。背景就是静止的,或者移动非常缓慢的物体;前景就是相对于背景的物体,即正在移动的物体。所以背景提取算法也可以看成是一个分类问题,遍历像素点的过程中,来确定一个像素点是属于前景点,还是属于背景点。从而,本发明的一种智慧社区车辆轨迹跟踪方法可以判断出视频帧内车辆的车体框体,车体白色区域等信息。
作为优选方案,本实施例的一种智慧社区车辆轨迹跟踪方法,所述步骤S2中获取的背景样本在Vibe+算法程序运行过程中按照Vibe+算法动态更新。在实际应用中,背景样本在Vibe+算法程序运行过程中按照Vibe+算法动态更新的策略是前景点计数法+随机子采样。
前景点计数法为,通过Vibe+算法对图像内背景像素点及前景像素点进行检测,若一个像素点连续N次被检测为前景像素点,则将其更新为背景像素点。其中N可以为5至20之间的整数。
随机子采样为:在每一个新的视频帧中都去更新背景模型中的每一个像素点的样本值是没有必要的,当一个像素点被分类为背景点时,它有1/φ的概率去更新背景模型。并非每处理一帧数据,都需要更新处理,而是按一定的更新率更新背景模型;当一个像素点被判定为背景时,它有1/φ的概率更新背景模型;φ是时间采样因子。此时,每个背景点都有1/φ的概率更新该像素点的模型样本值;有1/φ的概率去更新该像素点邻居点的模型样本值;前景点计数达到临界值时,将其变为背景,并有1/φ的概率去更新自己的模型样本值。在本实施例的一种智慧社区车辆轨迹跟踪方法中,由于车辆移动较快而要求背景更新速度较快,将更新因子定为1至6之间的整数。
本实施例的一种智慧社区车辆轨迹跟踪方法中采用的Vibe+算法程序是对Vibe算法程序的改进。改进后的Vibe+算法中,对于分割蒙版:移除面积小于等于10(像素)的前景斑点区域,填充面积小于等于20的前景孔洞区域;贴近边缘的斑点,无论尺寸全部保留,使其保持原状;对于更新蒙版:填充面积小于等于50(像素)的前景孔洞区域,该操作用来限制散布在前景物体中的错误背景。并且,对于更新蒙版,保留所有的前景斑点,这与更新操作的保守性质有关(前景值应该插进背景模型中)。此外,对于前景与背景斑点的操作,本实施例的Vibe+算法采用抑制空间传播的机制。有一种模型存在8连接邻域像素点,并从邻域像素点中随机取值,这种空间传播就会向这种模型中插值。这种传播机制扩散了背景模板的数值,并抑制了随时间产生的Ghost现象与静止物体问题。然而对于静止物体问题,这也并不是一直适合的。如果在斑点等级上应用,可能会获得更好的效果。本申请的发明人计算了背景斑点内侧边界的梯度,当梯度值(限制于整数范围[0,255])大于50时,将会抑制扩散。这种操作避免了背景值穿过物体边界。
在具体应用中,本实施例步骤S4内物体重心的计算公式为:x=(x1*w1+x2*w2+...+xn*wn)/W;y=(y1*w1+y2*w2+...+yn*wn)/W,其中w表示单个点的质量,W表示总质量。就二值图而言,设白色像素点的质量为0,黑色点的质量为1,那么其重心计算公式为x=(x1+x2+...+xn)/n,y=(y1+y2+...+yn)/n,其中,n表示数量。在具体算法中,采用矩来描述随机变量的属性。不规则区域的矩,表示把一个归一化的灰度级图像函数理解为一个二维随机变量的概率密度。通过假设非零的像素值表示区域,矩可以用于二值或灰度级的区域描述:Mpq=sigma(i)sigma(j)ip jq f(i,j),其中x,y,i,j是区域点的坐标(在数字图像中的像素坐标)。令Xc,Yc表示区域重心的坐标,则:Xc=M10/M00;Yc=M01/M00,在二值图像的情况下,M00表示区域的面积。
本实施例的一种智慧社区车辆轨迹跟踪方法,所述步骤S5中,车辆移动过程中,当车辆从社区内一个摄像头移动到另一个摄像头时,根据摄像头监控区域的布局和车辆移动的方向计算,触发移动方向的摄像头进行车辆移动信息的对接。
作为优选方案,跟踪车辆轨迹后,本实施例的一种智慧社区车辆轨迹跟踪方法,步骤S6之后还包括步骤S7、根据车辆动态移动情况car_road的统计处理获取小区内部各个道路拥塞情况和车位占用情况,从而对进入小区内的车辆进行路线选择和车位选择提供指导。该指导可以为语音指导也可以是社区内部地图导航的可视化指导。
本发明的一种智慧社区车辆轨迹跟踪方法,通过Vibe+算法对对进入小区内的车辆进行位置跟踪,并获取车辆移动物体在Vibe+算法处理后的二值图中的白色区域的最小外接矩阵的中心点作为车辆的中心,当车辆停在某地不动时,则该车辆在摄像头下的Vibe+处理后的二值图中白色区域逐渐消失,当白色区域面积小于初始车辆进入小区移动过程的最大面积的80%,则将该车重心点标记为该车此刻停留的坐标位置,从而对车辆进行跟踪。本发明的一种智慧社区车辆轨迹跟踪方法可以将小区内的车辆移动情况和车位占用情况,数字化处理,及时跟踪和处理,以指导小区内部车位管理和选择,同时能够为进入社区的车辆进行最佳路线选择。本发明的一种智慧社区车辆轨迹跟踪方法具有实时效果好,准确度高的优点。
综上所述仅为本发明较佳的实施例,并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化及修饰,皆应属于本发明的技术范畴。
Claims (6)
1.一种智慧社区车辆轨迹跟踪方法,其特征在于:包括以下步骤:
S1、在社区车闸处无车辆通行时,启动Vibe+算法程序;
S2、根据Vibe+背景模板获取背景样本;
S3、有车辆进入社区时,车闸处进行车牌识别,获取车牌car_id,并通过社区内的摄像头对车辆图像帧进行获取;
S4、根据获取的车牌car_id,利用Vibe+算法程序和物体重心计算,获取获取和车辆的移动信息car_road;车辆移动信息的获取通过获取Vibe+算法处理后的二值图车辆车体白色区域的重心car_center、车体框体最小外接矩阵坐标rectanle_car以及最小外接矩阵的在通过车闸过程的最大值Smax来获取;
S5、采用Vibe+算法计算摄像头获取的车辆帧的二值图;若车辆车体白色区域最小外接矩阵的面积S>0.8*Smax则判断车辆移动,进行car_road更新;
S6、若摄像头获取的车辆图像帧的Vibe+算法的二值图中车辆车体白色区域最小外接矩阵的面积S<0.8*Smax,则判断车辆停止。
2.根据权利要求1所述的一种智慧社区车辆轨迹跟踪方法,其特征在于:所述步骤S2中获取的背景样本在Vibe+算法程序运行过程中按照Vibe+算法动态更新。
3.根据权利要求2所述的一种智慧社区车辆轨迹跟踪方法,其特征在于:所述Vibe+算法动态更新背景样本的方法为,通过Vibe+算法对图像内背景像素点及前景像素点进行检测,若一个像素点连续N次被检测为前景像素点,则将其更新为背景像素点。
4.根据权利要求3所述的一种智慧社区车辆轨迹跟踪方法,其特征在于:N为5至20之间的整数。
5.根据权利要求1所述的一种智慧社区车辆轨迹跟踪方法,其特征在于:所述步骤S5中,车辆移动过程中,当车辆从社区内一个摄像头移动到另一个摄像头时,根据摄像头监控区域的布局和车辆移动的方向计算,触发移动方向的摄像头进行车辆移动信息的对接。
6.根据权利要求1所述的一种智慧社区车辆轨迹跟踪方法,其特征在于:步骤S6之后还包括步骤S7、根据车辆动态移动情况car_road的统计处理获取小区内部各个道路拥塞情况和车位占用情况,从而对进入小区内的车辆进行路线选择和车位选择提供指导。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910737288.3A CN110428443A (zh) | 2019-08-11 | 2019-08-11 | 一种智慧社区车辆轨迹跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910737288.3A CN110428443A (zh) | 2019-08-11 | 2019-08-11 | 一种智慧社区车辆轨迹跟踪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110428443A true CN110428443A (zh) | 2019-11-08 |
Family
ID=68415385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910737288.3A Pending CN110428443A (zh) | 2019-08-11 | 2019-08-11 | 一种智慧社区车辆轨迹跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110428443A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111489380A (zh) * | 2020-04-14 | 2020-08-04 | 上海天诚比集科技有限公司 | 一种目标物体轨迹分析方法 |
CN116486639A (zh) * | 2023-06-14 | 2023-07-25 | 眉山环天智慧科技有限公司 | 一种基于遥感和北斗卫星数据分析的车辆监管方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473554A (zh) * | 2013-08-19 | 2013-12-25 | 上海汇纳网络信息科技有限公司 | 人流统计系统及方法 |
CN108242183A (zh) * | 2018-02-06 | 2018-07-03 | 淮阴工学院 | 基于运动目标标记框宽度特性的交通冲突检测方法及装置 |
CN109191492A (zh) * | 2018-07-11 | 2019-01-11 | 东南大学 | 一种基于轮廓分析的智能视频黑烟车检测方法 |
-
2019
- 2019-08-11 CN CN201910737288.3A patent/CN110428443A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103473554A (zh) * | 2013-08-19 | 2013-12-25 | 上海汇纳网络信息科技有限公司 | 人流统计系统及方法 |
CN108242183A (zh) * | 2018-02-06 | 2018-07-03 | 淮阴工学院 | 基于运动目标标记框宽度特性的交通冲突检测方法及装置 |
CN109191492A (zh) * | 2018-07-11 | 2019-01-11 | 东南大学 | 一种基于轮廓分析的智能视频黑烟车检测方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111489380A (zh) * | 2020-04-14 | 2020-08-04 | 上海天诚比集科技有限公司 | 一种目标物体轨迹分析方法 |
CN111489380B (zh) * | 2020-04-14 | 2022-04-12 | 上海天诚比集科技有限公司 | 一种目标物体轨迹分析方法 |
CN116486639A (zh) * | 2023-06-14 | 2023-07-25 | 眉山环天智慧科技有限公司 | 一种基于遥感和北斗卫星数据分析的车辆监管方法 |
CN116486639B (zh) * | 2023-06-14 | 2023-09-29 | 眉山环天智慧科技有限公司 | 一种基于遥感和北斗卫星数据分析的车辆监管方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109977782B (zh) | 基于目标位置信息推理的跨店经营行为检测方法 | |
CN104376554B (zh) | 一种基于图像纹理的违章停车检测方法 | |
CN107591005B (zh) | 动静态检测相结合的停车区域管理方法、服务器及系统 | |
CN104239867A (zh) | 车牌定位方法及系统 | |
CN105844229A (zh) | 一种乘客拥挤度的计算方法及其系统 | |
CN103366569A (zh) | 实时抓拍交通违章车辆的方法及系统 | |
Yang et al. | A vehicle license plate recognition system based on fixed color collocation | |
CN105632170A (zh) | 一种基于Mean Shift跟踪算法的交通流检测方法 | |
Xiang et al. | Lightweight fully convolutional network for license plate detection | |
CN111191570A (zh) | 图像识别方法和装置 | |
CN115116012B (zh) | 基于目标检测算法的车辆停车位停车状态检测方法及系统 | |
Zhang et al. | Counting vehicles in urban traffic scenes using foreground time‐spatial images | |
CN103473534A (zh) | 一种基于视频的车辆检测方法 | |
CN110428443A (zh) | 一种智慧社区车辆轨迹跟踪方法 | |
CN103198300A (zh) | 基于双层背景的停车事件检测方法 | |
CN110866926A (zh) | 一种红外遥感图像快速精细海陆分割方法 | |
CN113378690A (zh) | 一种基于视频数据的路内不规范停车识别方法 | |
Grbić et al. | Automatic vision-based parking slot detection and occupancy classification | |
Mettupally et al. | A smart eco-system for parking detection using deep learning and big data analytics | |
CN114708560B (zh) | 一种基于yolox算法的违章停车检测方法及系统 | |
CN106780541A (zh) | 一种改进的背景减除方法 | |
Song et al. | Vision-based parking space detection: A mask R-CNN approach | |
CN109800685A (zh) | 一种视频中对象的确定方法及装置 | |
CN114639084A (zh) | 一种基于ssd改进算法的路侧端车辆感知方法 | |
Pan et al. | A new method of vehicle license plate location under complex scenes |
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: 20191108 |
|
RJ01 | Rejection of invention patent application after publication |