CN110751119A - 一种车流量统计与车型分类方法及装置 - Google Patents

一种车流量统计与车型分类方法及装置 Download PDF

Info

Publication number
CN110751119A
CN110751119A CN201911028008.8A CN201911028008A CN110751119A CN 110751119 A CN110751119 A CN 110751119A CN 201911028008 A CN201911028008 A CN 201911028008A CN 110751119 A CN110751119 A CN 110751119A
Authority
CN
China
Prior art keywords
vehicle
threshold
threshold value
value
traffic flow
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
Application number
CN201911028008.8A
Other languages
English (en)
Other versions
CN110751119B (zh
Inventor
冉建
曹飞
张兴
姜俊
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.)
CETC 44 Research Institute
Original Assignee
CETC 44 Research Institute
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 CETC 44 Research Institute filed Critical CETC 44 Research Institute
Priority to CN201911028008.8A priority Critical patent/CN110751119B/zh
Publication of CN110751119A publication Critical patent/CN110751119A/zh
Application granted granted Critical
Publication of CN110751119B publication Critical patent/CN110751119B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/254—Analysis of motion involving subtraction of images
    • 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
    • G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明属于数据领域，涉及智慧交通，为一种车流量统计与车型分类方法及装置；方法包括获取车流量视频，在视频图像序列中设置矩形识别框，将识别框中无车辆通行的帧作为背景帧；获得当前帧与背景帧的差分图像；将其灰度平均值存储在灰度特征数组中；计算统计时间窗口内车辆进入阈值和驶出阈值；将灰度平均值分别与这两个阈值进行比较，若大于进入阈值，则将车辆计数器计数加1并冻结计数器；若小于驶出阈值，则将计数器使能；最终获得车流量数据；若时间长度大于车辆进入阈值时，则将计数器加1，重置计时器；若小于驶出阈值，则冻结计时器；存储到车型特征数组中；计算出分类阈值，将车型特征值分别与分类阈值进行比较，最终得到车型的分类结果。

Description

一种车流量统计与车型分类方法及装置
技术领域
本发明属于数据领域，涉及智慧交通，具体为一种车流量统计与车型分类方法及装置。
背景技术
随着城市的不断发展，人们驾车出行越来越频繁，道路拥堵成为一个亟待解决的问题，这对城市道路建设，交通管理提出了更高的要求。智慧交通利用大数据分析道路的行车特征(各时段车流量及车型特征)，预测并进行交通疏导，为城市道路建设提供指导。
获取道路行车特征数据是进行交通道路分析，管理并建设的基础。传统的方法是人工在特定的道路口进行计数与分类，这种方法效率低，成本高，数据少，误差大；随着摄像技术的发展，通过视频记录的方式获取道路行车视频，然后通过人工回放的形式计数与分类，这种方法虽然使行车原始数据变多且不受天气影响，但获取能够使用的特征数据效率非常低；目前基于视频序列计算机处理的方法能够大大提高行车特征数据的获取，具有效率高，误差小，特征全等优点。
现有的视频处理方法中，例如专利CN107122758A中通过在视频序列中设置特定的标志区域，然后根据当前帧与参考帧该区域图像特征(平均灰度，直方图统计，颜色等)与固定阈值比较，作为车辆统计的依据；捕捉到车辆后，通过车辆外形特征与相应阈值进行比较，作为车辆分类的依据。但这些方法的缺点是提取特征过于复杂降低了处理效率，且固定阈值降低了准确率。
发明内容
基于现有技术存在的问题，本发明旨在为城市交通管理提出一种高效，准确的车流量统计与车型分类技术，具体为一种车流量统计与车型分类方法及装置。
一种车流量统计与车型分类方法，所述方法包括以下步骤：
S1、获取车流量视频，在视频图像序列中的不同车道上设置矩形识别框，截取所有识别框中无车辆通行的帧作为初始背景帧；
S2、将灰度化后的当前帧Mi与灰度化后的初始背景帧M1进行求差运算，并取绝对值从而获得差分图像Ci；
S3、将差分图像Ci的灰度平均值存储在灰度特征数组中，直到将每一帧的差分图像均存储在灰度特征数组中；
S4、将平均灰度值特征作为判别车辆依据，分别计算出统计时间窗口内车辆进入阈值A进阈值，车辆驶出阈值A出阈值；
S5、将特征数组中的第i个灰度平均值Ai分别与车辆进入阈值A进阈值和车辆驶出阈值A出阈值进行比较，若大于进入阈值A进阈值，则将车辆计数器计数加1，并冻结车辆计数器；若小于驶出阈值A出阈值，则将车辆计数器使能；最终获得车流量数据；
S6、将车型空间长度转换为时间长度进行车型分类，若灰度平均值Ai大于车辆进入阈值A进阈值时，则将车辆计数器计数加1，并冻结计数器，重置车辆计时器；若灰度平均值Ai小于驶出阈值A出阈值，则冻结车辆计数器；并统计当前车辆计时器所记录到的连续时间值，存储计时器的值到车型特征数组Fj中；
S7、计算出分类阈值F阈值，将车型特征数组Fj中的各个车型特征值分别与分类阈值进行比较，最终得到车型的分类结果。
进一步的，所述识别框设置在当前车道线之内，且识别框宽度大于或等于当前车道线宽度的2/3，识别框长度为其宽度的1～2倍。
进一步的，车辆进入阈值A进阈值，车辆驶出阈值A出阈值的计算公式包括：
A进阈值＝2/3*(Amax-Amin)+Amin
A出阈值＝1/3*((Amax-Amin)+Amin
Amin为统计时间窗口内灰度特征数组中最小的值，Amax为统计时间窗口内灰度特征数组中最大的值。
进一步的，分类阈值F阈值的计算公式包括：
F阈值m＝m/int(Fmax/Fmin/4)*(Fmax-Fmin)
其中，m＝{1,2,...,int(Fmax/Fmin/4)}；int表示取整；Fmax表示；Fmin表示。
基于本发明提出的方法，本发明还提出了一种车流量统计与车型分类装置，所述装置包括视频图像采集模块、车流量计数模块以及车型分类模块；所述车流量计数模块包括差分运算单元、第一阈值计算单元、第一比较单元、计数器以及第一存储器；所述车型分类模块包括转换单元、第二阈值计算单元、第二比较单元、计时器以及第二存储器；
所述视频图像获取单元用于获取车流量视频，并将车流量视频切分为多个视频帧；
所述差分运算单元用于将获取的当前帧图像与初始背景帧图像进行差分处理；
所述第一阈值计算单元用于计算统计时间窗口内车辆进入阈值A进阈值，车辆驶出阈值A出阈值；
所述第一比较单元用于将差分图像的灰度值分别与车辆进入阈值A进阈值和车辆驶出阈值A出阈值之间的大小进行比较；
所述计数器用于记录车辆的数据，最终获得车流量数据；
所述第一存储器用于将差分图像Ci的灰度平均值以灰度特征数组的形式进行存储；
所述转换单元用于将车型空间长度对应转换为时间长度；
所述第二阈值计算单元用于计算出分类阈值F阈值；
所述计时器用于记录车辆的时间长度值；
所述第二存储器用于将车辆的时间长度值以车型特征数组的方式进行存储；
所述第二比较单元用于将车型特征数组Fj中的各个车型特征值分别与分类阈值进行比较，最终得到车型的分类结果。
进一步的，所述视频图像采集模块包括摄像头以及与该摄像头连接的视频服务器，所述视频服务器与车流量计数模块通讯连接。
进一步的，所述装置还包括识别框构造模块，用于在视频图像序列中的不同车道上构造出矩形识别框。
本发明的有益效果：
1、本发明在提取特征时仅需对视频图像的识别框区域灰度值进行均方根运算，而不需其他的图像处理方式，从而使得本发明在提取特征时处理方式简单，处理效率高。
2、本发明通过采用自适应阈值对车流量进行统计以及对车型进行分类，能够有效提高准确率。
附图说明
图1是本发明采用的方法流程图；
图2是本发明无车辆通行时设置的识别区域示意图；
图3是本发明中车辆进入识别区域的示意图；
图4是本发明中车辆驶出识别区域的示意图；
图5是本发明中视频序列的车辆进入阈值以及车辆驶出阈值对应的车辆特征曲线图；
图6是本发明中视频序列的分类阈值对应的车辆特征曲线图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合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。
如图1所示，本实施例给出了一种车流量统计与车型分类方法的优选实现方式，包括：
S1、获取车流量视频，在视频图像序列中的不同车道上设置矩形识别框，截取所有识别框中无车辆通行的帧作为初始背景帧；
S2、将灰度化后的当前帧Mi与灰度化后的初始背景帧M1进行求差运算，并取绝对值从而获得差分图像Ci；
S3、将差分图像Ci的灰度平均值存储在灰度特征数组中，直到将每一帧的差分图像均存储在灰度特征数组中；
S4、将平均灰度值特征作为判别车辆依据，分别计算出统计时间窗口内车辆进入阈值A进阈值，车辆驶出阈值A出阈值；
S5、将特征数组中的第i个灰度平均值Ai分别与车辆进入阈值A进阈值和车辆驶出阈值A出阈值进行比较，若大于进入阈值A进阈值，则将车辆计数器计数加1，并冻结车辆计数器；若小于驶出阈值A出阈值，则将车辆计数器使能；最终获得车流量数据；
S6、将车型空间长度转换为时间长度进行车型分类，若灰度平均值Ai大于车辆进入阈值A进阈值时，则将车辆计数器计数加1，并冻结计数器，重置车辆计时器；若灰度平均值Ai小于驶出阈值A出阈值，则冻结车辆计数器；并统计当前车辆计时器所记录到的连续时间值，存储计时器的值到车型特征数组Fj中；
S7、计算出分类阈值F阈值，将车型特征数组Fj中的各个车型特征值分别与分类阈值进行比较，最终得到车型的分类结果。
在一个实施例中，识别框应在当前车道线之内，且宽度应不小于当前车道线宽度的2/3，长度应为宽度的1～2倍。
如图2～4所示，图2中记录了视频序列中的识别区域，给出了识别框在车道线的相应位置，表明当前没有车辆进入识别区域；图3中记录了车辆进入识别区域的情况，此时车头有部分落入识别框内；图4中记录了车辆驶出识别区域的情况，此时车尾有部分落入识别框内。
在一个实施例中，步骤S2中采用图像差分的方法，就是把当前帧图像与初始背景帧图像对应的像素值相减，以削弱图像的相似部分，突出显示图像的变化部分。
在一个实施例中，本发明通过数组的方式存储差分图像Ci的灰度平均值；当然，这里的差分图像Ci指的是所有当前帧(第i帧)对应的差分图像，i＝1…n，n表示统计时间窗口对应的图像帧数。
在一个实施例中，由于车辆进入、驶出识别框区域必然引起识别框内灰度值的剧烈变化，本实施例利用平均灰度值特征作为判别车辆依据；为了消除环境变化以及阴影带来的车流量统计不准确，在获取视频序列识别框差分图像特征值后，根据以下公式分别计算出统计时间窗口内车辆进入阈值A进阈值，车辆驶出阈值A出阈值：
A进阈值＝2/3*(Amax-Amin)+Amin
A出阈值＝1/3*(Amax-Amin)+Amin
Amin为统计时间窗口内特征数组中最小的值，Amax为统计时间窗口内特征数组中最大的值。
由于车辆进入阈值A进阈值，车辆驶出阈值A出阈值的增长曲线类似，因此参考如图5所示，两者的上升沿和下降沿处于同一位置处，其余波形则表示为差分图像的平均灰度值。
在一个实施例中，车流量数据是通过车辆计数器最终获取的计数而得；通过对计数器的使能以及冻结，确定出车辆进入和驶出情况，从而获得最终的车流量结果。
当大于车辆进入阈值，计数器加1后，计数器就被冻结了，就不会再累加了。必须等到车辆驶出识别区后，计数器使能，重新开始根据灰度平均值是否大于车辆进入阈值计数累加。所以当灰度平均值位于两者(车辆进入阈值和车辆驶出阈值)之间时，计数器只计数1次，然后冻结不累加。
在一个实施例中，车型分类结果是通过将计时器记录到的时间长度与分类阈值进行比较，若符合该分类阈值的门限，则将该时间长度对应的车辆分类到该车辆类型。
例如，如图6所示，以分类阈值为80和120为例，当时间长度为小于80，则认为该类车为小型汽车，若时间长度为120，则认为该类车为大型汽车；若该时间长度为80～120之间，则认为该类车中型汽车。
可以理解的是，车辆计数和车型计时都是通过比较灰度平均值与车辆进入(驶出)阈值的关系来进行的。不过两者刚好相反，车辆计数大于进入阈值时，只计数一次；而车型计时则会连续计时。因此，同一辆车在进入和驶出之间，计数器数量只加1；但是时间却是连续的，因此计时器都是连续计入的。
基于上述方法，本实施例提供一种车流量统计与车型分类装置，所述装置包括视频图像采集模块、车流量计数模块以及车型分类模块；所述车流量计数模块包括差分运算单元、第一阈值计算单元、第一比较单元、计数器以及第一存储器；所述车型分类模块包括转换单元、第二阈值计算单元、第二比较单元、计时器以及第二存储器；
所述视频图像获取单元用于获取车流量视频，并将车流量视频切分为多个视频帧；
所述差分运算单元用于将获取的当前帧图像与初始背景帧图像进行差分处理；
所述第一阈值计算单元用于计算统计时间窗口内车辆进入阈值A进阈值，车辆驶出阈值A出阈值；
所述第一比较单元用于将差分图像的灰度值分别与车辆进入阈值A进阈值和车辆驶出阈值A出阈值之间的大小进行比较；
所述计数器用于记录车辆的数据，最终获得车流量数据；
所述第一存储器用于将差分图像Ci的灰度平均值以灰度特征数组的形式进行存储；
所述转换单元用于将车型空间长度对应转换为时间长度；
所述第二阈值计算单元用于计算出分类阈值F阈值；
所述计时器用于记录车辆的时间长度值；
所述第二存储器用于将车辆的时间长度值以车型特征数组的方式进行存储；
所述第二比较单元用于将车型特征数组Fj中的各个车型特征值分别与分类阈值进行比较，最终得到车型的分类结果。
在一个实施例中，运用视频图像采集模块采集车流量视频，例如市区监控摄像头或者高速公路监控摄像头，特别的，可以针对性的采集路口处的车流量数据；并将采集到的车流量数据切分为多个视频帧，运用差分运算单元对当前帧图像与初始背景帧图像进行差分处理采用第一阈值计算单元计算出当前统计时间窗口的车辆进入阈值和车辆驶出阈值，按照第一比较单元将差分图像的灰度值分别与上述两个阈值进行比较，当大于进入阈值，则触发车辆计数器，车辆计数器加1，并冻结车辆计数器，同时触发计时器，记录该车辆的通过道路的连续时间，直至小于进入阈值，此时冻结计时器，将计时器记录到的时间连续时间值存储在第二存储器中，在统计时间窗内，反复进行这个过程，存储利用第一存储器存储车辆计数器的计数器，从而形成车流量数据，另外，利用转换单元将存储到的计时器数据转换为车型空间长度，当计时器数据满足第二阈值计算单元所计算出的分类阈值区间时，则将该计时器数据所对应的车辆作为该分类。
可以理解的是，本发明的方法、装置的相关特征可以相互引用，本发明为了节省篇幅，则不再一一例举。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。
以上所举实施例，对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种车流量统计与车型分类方法，其特征在于，所述方法包括以下步骤：
S1、获取车流量视频，在视频图像序列中的不同车道上设置矩形识别框，截取所有识别框中无车辆通行的帧作为初始背景帧；
S2、将灰度化后的当前帧Mi与灰度化后的初始背景帧M1进行求差运算，并取绝对值从而获得差分图像Ci；
S3、将差分图像Ci的灰度平均值存储在灰度特征数组中，直到将每一帧的差分图像均存储在灰度特征数组中；
S4、将平均灰度值特征作为判别车辆依据，分别计算出统计时间窗口内车辆进入阈值A进阈值，车辆驶出阈值A出阈值；
S5、将特征数组中的第i个灰度平均值Ai分别与车辆进入阈值A进阈值和车辆驶出阈值A出阈值进行比较，若大于进入阈值A进阈值，则将车辆计数器计数加1，并冻结车辆计数器；若小于驶出阈值A出阈值，则将车辆计数器使能；最终获得车流量数据；
S6、将车型空间长度转换为时间长度进行车型分类，若灰度平均值Ai大于车辆进入阈值A进阈值时，则将车辆计数器计数加1，并冻结计数器，重置车辆计时器；若灰度平均值Ai小于驶出阈值A出阈值，则冻结车辆计数器；并统计当前车辆计时器所记录到的连续时间值，存储计时器的值到车型特征数组Fj中；
S7、计算出分类阈值F阈值，将车型特征数组Fj中的各个车型特征值分别与分类阈值进行比较，最终得到车型的分类结果。
2.根据权利要求1所述的一种车流量统计与车型分类方法，其特征在于，所述识别框设置在当前车道线之内，且识别框宽度大于或等于当前车道线宽度的2/3，识别框长度为其宽度的1～2倍。
3.根据权利要求1所述的一种车流量统计与车型分类方法，其特征在于，车辆进入阈值A进阈值，车辆驶出阈值A出阈值的计算公式包括：
A进阈值＝2/3*(Amax-Amin)+Amin
A出阈值＝1/3*((Amax-Amin)+Amin
Amin为统计时间窗口内灰度特征数组中最小的值，Amax为统计时间窗口内灰度特征数组中最大的值。
4.根据权利要求1所述的一种车流量统计与车型分类方法，其特征在于，分类阈值F阈值的计算公式包括：
F阈值m＝m/int(Fmax/Fmin/4)*(Fmax-Fmin)
其中，m＝{1,2,...,int(Fmax/Fmin/4)}；int表示取整；Fmax表示特征数组中的最大值；Fmin表示特征数组中的最小值。
5.一种车流量统计与车型分类装置，所述装置包括视频图像采集模块、车流量计数模块以及车型分类模块；其特征在于，所述车流量计数模块包括差分运算单元、第一阈值计算单元、第一比较单元、计数器以及第一存储器；所述车型分类模块包括转换单元、第二阈值计算单元、第二比较单元、计时器以及第二存储器；
所述视频图像获取单元用于获取车流量视频，并将车流量视频切分为多个视频帧；
所述差分运算单元用于将获取的当前帧图像与初始背景帧图像进行差分处理；
所述第一阈值计算单元用于计算统计时间窗口内车辆进入阈值A进阈值，车辆驶出阈值A出阈值；
所述第一比较单元用于将差分图像的灰度值分别与车辆进入阈值A进阈值和车辆驶出阈值A出阈值之间的大小进行比较；
所述计数器用于记录车辆的数据，最终获得车流量数据；
所述第一存储器用于将差分图像Ci的灰度平均值以灰度特征数组的形式进行存储；
所述转换单元用于将车型空间长度对应转换为时间长度；
所述第二阈值计算单元用于计算出分类阈值F阈值；
所述计时器用于记录车辆的时间长度值；
所述第二存储器用于将车辆的时间长度值以车型特征数组的方式进行存储；
所述第二比较单元用于将车型特征数组Fj中的各个车型特征值分别与分类阈值进行比较，最终得到车型的分类结果。
6.根据权利要求5所述的一种车流量统计与车型分类装置，其特征在于，所述视频图像采集模块包括摄像头以及与该摄像头连接的视频服务器，所述视频服务器与车流量计数模块通讯连接。
7.根据权利要求5所述的一种车流量统计与车型分类装置，其特征在于，所述装置还包括识别框构造模块，用于在视频图像序列中的不同车道上构造出矩形识别框。
CN201911028008.8A 2019-10-28 2019-10-28 一种车流量统计与车型分类方法及装置 Active CN110751119B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911028008.8A CN110751119B (zh) 2019-10-28 2019-10-28 一种车流量统计与车型分类方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911028008.8A CN110751119B (zh) 2019-10-28 2019-10-28 一种车流量统计与车型分类方法及装置

Publications (2)

Publication Number Publication Date
CN110751119A true CN110751119A (zh) 2020-02-04
CN110751119B CN110751119B (zh) 2022-12-09

Family

ID=69280230

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911028008.8A Active CN110751119B (zh) 2019-10-28 2019-10-28 一种车流量统计与车型分类方法及装置

Country Status (1)

Country Link
CN (1) CN110751119B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111696369A (zh) * 2020-04-10 2020-09-22 北京数城未来科技有限公司 一种基于多源地理空间大数据的全市道路分时分车型交通流预测方法
CN114241786A (zh) * 2021-12-21 2022-03-25 中国科学院大气物理研究所 一种多条道路车型识别和车流量监测系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609689A (zh) * 2012-02-03 2012-07-25 江苏科海智能系统有限公司 一种基于多帧统计的视频车道背景建模方法
CN107122758A (zh) * 2017-05-11 2017-09-01 南宁市正祥科技有限公司 一种车型识别和车流量检测方法
CN107895492A (zh) * 2017-10-24 2018-04-10 河海大学 一种基于传统视频的高速公路智能分析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609689A (zh) * 2012-02-03 2012-07-25 江苏科海智能系统有限公司 一种基于多帧统计的视频车道背景建模方法
CN107122758A (zh) * 2017-05-11 2017-09-01 南宁市正祥科技有限公司 一种车型识别和车流量检测方法
CN107895492A (zh) * 2017-10-24 2018-04-10 河海大学 一种基于传统视频的高速公路智能分析方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111696369A (zh) * 2020-04-10 2020-09-22 北京数城未来科技有限公司 一种基于多源地理空间大数据的全市道路分时分车型交通流预测方法
CN111696369B (zh) * 2020-04-10 2023-04-28 北京数城未来科技有限公司 一种基于多源地理空间大数据的全市道路分时分车型交通流预测方法
CN114241786A (zh) * 2021-12-21 2022-03-25 中国科学院大气物理研究所 一种多条道路车型识别和车流量监测系统及方法

Also Published As

Publication number Publication date
CN110751119B (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
Bas et al. Automatic vehicle counting from video for traffic flow analysis
CN106874863B (zh) 基于深度卷积神经网络的车辆违停逆行检测方法
US10223597B2 (en) Method and system for calculating passenger crowdedness degree
CN106845424B (zh) 基于深度卷积网络的路面遗留物检测方法
Albiol et al. Detection of parked vehicles using spatiotemporal maps
CN105336169A (zh) 一种基于视频判断交通拥堵的方法和系统
CN110751119B (zh) 一种车流量统计与车型分类方法及装置
CN115620212B (zh) 一种基于监控视频的行为识别方法及系统
CN107248296B (zh) 一种基于无人机和时序特征的视频交通流量统计方法
CN107590486B (zh) 运动目标识别方法和系统、自行车流量统计方法和设备
CN107578048B (zh) 一种基于车型粗分类的远视场景车辆检测方法
CN111898491B (zh) 一种车辆逆向行驶的识别方法、装置及电子设备
CN114170580A (zh) 一种面向高速公路的异常事件检测方法
CN104978567A (zh) 基于场景分类的车辆检测方法
CN109684986B (zh) 一种基于车辆检测跟踪的车辆分析方法及系统
WO2023155482A1 (zh) 一种人群快速聚集行为的识别方法、系统、设备及介质
CN114973207A (zh) 一种基于目标检测的路标识别方法
CN110674887A (zh) 一种基于视频分类的端到端道路拥堵检测算法
CN107452212A (zh) 路口信号灯控制方法及其系统
Yu et al. Raindrop-tampered scene detection and traffic flow estimation for nighttime traffic surveillance
CN116704750B (zh) 一种基于聚类算法的交通状态识别方法、电子设备、介质
CN112329515A (zh) 一种高点视频监控拥堵事件检测方法
CN116805409A (zh) 一种利用行车视频进行路面状态识别与平整性评估的方法
CN109409264B (zh) 基于局部跟踪的视频排队溢出检测方法
CN116091964A (zh) 高位视频场景解析方法以及系统

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