CN110807415B - 一种基于年检标志的交通卡口车辆智能检索系统及方法 - Google Patents

一种基于年检标志的交通卡口车辆智能检索系统及方法 Download PDF

Info

Publication number
CN110807415B
CN110807415B CN201911048851.2A CN201911048851A CN110807415B CN 110807415 B CN110807415 B CN 110807415B CN 201911048851 A CN201911048851 A CN 201911048851A CN 110807415 B CN110807415 B CN 110807415B
Authority
CN
China
Prior art keywords
vehicle
annual inspection
image
module
inspection mark
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
Application number
CN201911048851.2A
Other languages
English (en)
Other versions
CN110807415A (zh
Inventor
汤天培
龚昊
陈俊
施佺
朱森来
曹志超
曹阳
陶怀仁
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.)
Nantong University
Original Assignee
Nantong University
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 Nantong University filed Critical Nantong University
Priority to CN201911048851.2A priority Critical patent/CN110807415B/zh
Publication of CN110807415A publication Critical patent/CN110807415A/zh
Application granted granted Critical
Publication of CN110807415B publication Critical patent/CN110807415B/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
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • G06V10/464—Salient features, e.g. scale invariant feature transforms [SIFT] using a plurality of salient features, e.g. bag-of-words [BoW] representations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • 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
    • G06V2201/09—Recognition of logos
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

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

Abstract

本发明公开了一种基于年检标志的交通卡口车辆智能检索系统及方法，所述的系统包括如下模块：人工交互标注模块、车辆图像标引模块、车辆图像预处理模块、年检标志检测模块、ROI特征提取模块、视觉特征匹配模块。本发明能够在实战应用中，在车牌信息不可用的极端条件下、常规视频图像分析检索技术失效的情况下，快速、精确的检索目标嫌疑车辆，并记录其照片和照片采集时间和采集地点，为查验目标嫌疑车辆的违规违法行为提供充分、确凿、严谨的证据。本发明具有较高的检索精度，能有效避免错检、漏检的问题，非常的高效。

Description

一种基于年检标志的交通卡口车辆智能检索系统及方法
技术领域
本发明属于计算机视觉技术领域，具体涉及一种基于年检标志的交通卡口车辆智能检索系统及方法，用于目标检测、模式识别、计算机视觉特征、图像信息检索等。
背景技术
随着“天网工程”、“平安城市”建设的不断深入，视频安防监控技术的更新换代、新技术的更迭以及未来的发展越来越受到各界的高度重视。近年来交通道路视频监控网络建设规模在不断扩大，目前交通道路监控摄像头已遍布我国各地街头，不间断的进行监视和录像，在提升交通管理智能化水平、保障交通安全、改善社会治安的同时，也产生了海量视频信息。在海量的视频信息中，依靠传统的人工浏览方式提取所需信息，无疑是大海捞针，给视频监控带来巨大挑战，对成千上万个监控平台进行人工信息提取将耗费大量的人力、物力和时间。对于一个大型的道路交通视频监控系统，例如在上海或深圳这类规模城市的视频监控系统中查找一辆违规违法车辆，仅仅依靠人工逐段观看浏览要耗费大量的人力和时间成本。在效率低下的同时，也无法避免因为人员疲劳等因素导致查找检索信息的错漏。传统的人海战术，因效率低下以及容易错过关键目标，海量监控视频由于难以找到关键信息而处于“监而不控”的状态。如何解决这一矛盾，是近些年交通管理和公共安全领域的热点和难点，因而监控视频图像检索技术成为交通管理等相关部门的迫切需求。虽然视频检索技术已经逐渐成熟并开始走向市场，然而用于视频监控系统的高效精准的视频图像检索方法仍很匮乏。
目前在交通道路监控视频检索技术领域，常规主流的手段是通过车牌信息识别来检索目标车辆。但是在实战操作中，常常出现车牌号未知、车牌图像模糊损坏、车辆未上牌或者套牌等情况，导致在海量交通监控视频数据中仅依靠传统智能视频检索分析技术检索目标车辆成为“不可能完成的任务”。实际应用场景的复杂性，导致现有常规视频图像技术成为海量视频资源与智能交通管理信息情报系统互联互通、整合应用的瓶颈与障碍。
发明内容
发明目的：为了解决现有技术的不足，本发明提供了一种基于年检标志的交通卡口车辆智能检索系统及方法。
技术方案：一种基于年检标志的交通卡口车辆智能检索系统，所述的系统包括如下模块：
人工交互标注模块，用于交互式地人工标注车辆属性及选取车辆年检标志区域，并将车辆属性信息传送给车辆标引模块；将年检标志区域信息传送给年检标志检测模块；
车辆图像标引模块，用于对原有高清卡口车辆图像数据库进行筛选并重新索引，并将所得的新的高清卡口车辆图像数据集传送给车辆图像预处理模块；
车辆图像预处理模块，用于对高清卡口车辆图像抠取车辆部分及其车窗部分图像，将车窗区域信息传送给年检标志检测模块；
年检标志检测模块，用于定位车辆年检标志区域，抠取车辆年检标志图像，并将抠取后的年检标志图像信息传送给ROI特征提取模块；
ROI特征提取模块，用于对车辆年检标志区域，进行高维特征抽取，形成组合特征矢量，并将待检索车辆年检标志的特征信息和年检标志抠图数据集中的所有年检标志的特征信息传送给视觉特征匹配模块；
视觉特征匹配模块，用于衡量待检索车辆年检标志与年检标志数据集中所有年检标志在高维视觉特征空间中的距离，按距离大小定义匹配程度，将匹配程度最高的配对最为最终检索结果输出。
一种根据所述的基于年检标志识别的交通高清卡口车辆智能系统进行的检索系统进行的方法，包括如下步骤：
步骤S110、对待检索车辆图像进行基于Web B/S架构的人工交互标注，将该目标车辆图像的年检标志区域手工框选出来，并标注该车辆颜色、品牌、车型等属性特征，作为后续步骤的输入；
步骤S120、对所要调用的相关高清卡口车辆图像数据库进行基于计算机视觉和模式识别技术的条件筛选，利用步骤S110中获得的车辆属性，从原数据库中筛选得到与待检索车辆具有相同属性的车辆图像集，组成一个相关性较高的车辆图像子集，并按照与待检索车辆属性相关程度进行索引，最终得到一个全新的、检索范围小、相关程度高的车辆图像数据库，保证该步骤实现功能的高效性和准确性；
步骤S130、对步骤S120中得到的数据库中的高清卡口车辆图像进行图像分析预处理，包括基于DPM的车辆检测技术，在原始高清卡口车辆图像中抠出车辆图像，以及基于机器学习算法的车窗检测技术，从抠出的车辆图像中进一步抠出车窗部分。为后续年检标志的检测提供精确的感兴趣区域，从而提高后续年检标志检测定位的效率和精度；
步骤S140、采用基于多通道色彩信息的多尺度模板匹配技术，结合基于步骤S110和步骤S130得到的待检索车辆年检标志与车窗的相对位置信息，对步骤S120得到的数据库中的高清卡口车辆图像进行年检标志定位，得到步骤S120得到的数据库中每幅高清卡口车辆图像的年检标志抠图；
步骤S150、分别对步骤S110得到的待检索车辆年检标志抠图和步骤S140得到的年检标志抠图数据集进行计算机视觉特征提取，将二维的图像信息通过颜色、纹理、梯度直方图等特征计算函数，映射到高维特征空间，进一步通过归一化加权得到相应的特征矢量；
步骤S160、利用特征距离算子将步骤S150得到的待检索车辆年检标志的特征矢量分别与步骤S150得到的年检标志抠图数据集中每一个年检标志特征矢量进行特征相似度计算，并按相似度高低进行排序，找出相似度最高的配对，即为最终的检索结果。
有益效果：与现有技术相比，本发明提供的基于年检标志的交通卡口车辆智能检索系统及方法，能够在实战应用中，在车牌信息不可用的极端条件下、常规视频图像分析检索技术失效的情况下，快速、精确的检索目标嫌疑车辆，并记录其照片和照片采集时间和采集地点，为查验目标嫌疑车辆的违规违法行为提供充分、确凿、严谨的证据。
本发明提供的基于年检标志的交通卡口车辆智能检索系统及方法，具有较高的检索精度，能有效避免错检、漏检的问题，非常的高效。
附图说明
图1为本发明所述的基于年检标志的交通卡口车辆智能检索系统的模块示意图；
图2为本发明所述的基于年检标志识别的交通高清卡口车辆智能检索方法的流程示意图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，以使本领域的技术人员能够更好的理解本发明的优点和特征，从而对本发明的保护范围做出更为清楚的界定。本发明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的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。
实施例
针对现有交通道路监控视频，特别是高清卡口视频中的海量车辆图像数据库利用率普遍低下，缺乏智能化的技术手段来高效、精准检索目标车辆；尤其在车牌信息不可用的情况下，常规视频图像检索技术只能缩小检索范围(例如根据车辆颜色、车型品牌等过滤一部分候选目标)，而无法快速、准确锁定目标车辆的问题。
本发明提供一种基于年检标志的交通卡口车辆智能检索系统及方法，在车牌信息缺失的情况下，基于车辆年检标志这一线索，利用目标检测、模式识别、计算机视觉特征、图像信息检索等技术，深度挖掘车辆年检标志的颜色、纹理、结构等内在信息，并将其转化为有效区分不同车辆的唯一性特征。最终实现对于目标车辆的高效、精准检索，创造性地解决了实战应用中遇到车牌信息不可用的特殊情况下，原有技术方法“束手无策”的问题，有效弥补了现有视频图像检索技术在嫌疑车辆检索应用中存在的缺陷。
如图1所示，本发明提供一种基于年检标志的交通卡口车辆智能检索系统，系统100包括：
人工交互标注模块110，用于交互式地人工标注车辆属性及选取车辆年检标志区域(具体实现功能参考步骤S110)，并将车辆属性信息传送给车辆标引模块(模块120)；将年检标志区域信息传送给年检标志检测模块(模块140)；
车辆图像标引模块120，用于对原有高清卡口车辆图像数据库进行筛选并重新索引，(具体实现功能参考步骤S120)，并将所得的新的高清卡口车辆图像数据集传送给车辆图像预处理模块(模块130)；
车辆图像预处理模块130，用于对高清卡口车辆图像抠取车辆部分及其车窗部分图像，(具体实现功能参考步骤S130)，将车窗区域信息传送给年检标志检测模块(模块140)；
年检标志检测模块140，用于定位车辆年检标志区域，抠取车辆年检标志图像，(具体实现功能参考步骤S140)，并将抠取后的年检标志图像信息传送给ROI特征提取模块(模块150)；
ROI特征提取模块150，用于对感兴趣区域，也就是本发明中的车辆年检标志区域，进行高维特征抽取，形成组合特征矢量，(具体实现功能参考步骤S150)，并将待检索车辆年检标志的特征信息和年检标志抠图数据集中的所有年检标志的特征信息传送给视觉特征匹配模块(模块160)；
视觉特征匹配模块160，用于衡量待检索车辆年检标志与年检标志数据集中所有年检标志在高维视觉特征空间中的距离，按距离大小定义匹配程度，(具体实现功能参考步骤S160)，将匹配程度最高的配对最为最终检索结果输出。
如图2所示，基于上述检索系统，本发明还提供一种基于年检标志识别的交通高清卡口车辆智能检索方法，包括如下步骤：
(1)对待检索车辆图像进行基于Web B/S架构的人工交互标注，将该目标车辆图像的年检标志区域手工框选出来，并标注该车辆颜色、品牌、车型等属性特征，作为后续步骤的输入；(见图2，步骤S110)
(2)对所要调用的相关高清卡口车辆图像数据库进行基于计算机视觉和模式识别技术的条件筛选，利用步骤S110中获得的车辆属性，从原数据库中筛选得到与待检索车辆具有相同属性的车辆图像集，组成一个相关性较高的车辆图像子集，并按照与待检索车辆属性相关程度进行索引，最终得到一个全新的、检索范围小、相关程度高的车辆图像数据库，保证步骤实现功能的高效性和准确性；(见图2，步骤S120)
(3)对步骤S120中得到的数据库中的高清卡口车辆图像进行图像分析预处理，包括基于DPM(Deformable Parts Model)的车辆检测技术，在原始高清卡口车辆图像中抠出车辆图像，以及基于机器学习算法的车窗检测技术，从抠出的车辆图像中进一步抠出车窗部分。为后续年检标志的检测提供精确的感兴趣区域(Region ofInterests，ROI)，从而提高后续年检标志检测定位的效率和精度；(见图2，步骤S130)
(4)采用基于多通道(Multi-channel)色彩信息的多尺度(Multi-Scale)模板匹配(Template Matching)技术，结合基于步骤S110和步骤S130得到的待检索车辆年检标志与车窗的相对位置信息，对步骤S120得到的数据库中的高清卡口车辆图像进行年检标志定位，得到步骤S120得到的数据库中每幅高清卡口车辆图像的年检标志抠图；(见图2，步骤S140)
(5)分别对步骤S110得到的待检索车辆年检标志抠图和步骤S140得到的年检标志抠图数据集进行计算机视觉特征提取，将二维的图像信息通过颜色、纹理、梯度直方图(Histogram of Gradient,HoG)等特征计算函数，映射到高维特征空间。进一步通过归一化加权得到相应的特征矢量；(见图2，步骤S150)
(6)利用特征距离算子将步骤S150得到的待检索车辆年检标志的特征矢量分别与步骤S150得到的年检标志抠图数据集中每一个年检标志特征矢量进行特征相似度计算，并按相似度高低进行排序，找出相似度最高的配对，即为最终的检索结果。(见图2，步骤S160)
本发明能够在实战应用中，在车牌信息不可用的极端条件下、常规视频图像分析检索技术失效的情况下，快速、精确的检索目标嫌疑车辆，并记录其照片和照片采集时间和采集地点，为查验目标嫌疑车辆的违规违法行为提供充分、确凿、严谨的证据，具有较高的检索精度，能有效避免错检、漏检的问题，非常的高效。

Claims (1)

1.一种基于年检标志的交通卡口车辆智能检索系统，其特征在于：所述的系统包括如下模块：
人工交互标注模块(110)，用于交互式地人工标注车辆属性及选取车辆年检标志区域，并将车辆属性信息传送给车辆图像标引模块(120)；将年检标志区域信息传送给年检标志检测模块(140)；
车辆图像标引模块(120)，用于对原有高清卡口车辆图像数据库进行筛选并重新索引，并将所得的新的高清卡口车辆图像数据集传送给车辆图像预处理模块(130)；
车辆图像预处理模块(130)，用于对高清卡口车辆图像抠取车辆部分及其车窗部分图像，将车窗区域信息传送给年检标志检测模块(140)；
年检标志检测模块(140)，用于定位车辆年检标志区域，抠取车辆年检标志图像，并将抠取后的年检标志图像信息传送给ROI特征提取模块(150)；
ROI特征提取模块(150)，用于对车辆年检标志区域，进行高维特征抽取，形成组合特征矢量，并将待检索车辆年检标志的特征信息和年检标志抠图数据集中的所有年检标志的特征信息传送给视觉特征匹配模块(160)；
视觉特征匹配模块(160)，用于衡量待检索车辆年检标志与年检标志数据集中所有年检标志在高维视觉特征空间中的距离，按距离大小定义匹配程度，将匹配程度最高的配对作为最终检索结果输出；
所述的基于年检标志的交通卡口车辆智能检索系统进行的方法，包括如下步骤：
步骤S110、对待检索车辆图像进行基于Web B/S架构的人工交互标注，将标注的待检索车辆图像的年检标志区域手工框选出来，并标注该车辆颜色、品牌、车型，作为后续步骤的输入；
步骤S120、对所要调用的相关高清卡口车辆图像数据库进行基于计算机视觉和模式识别技术的条件筛选，利用步骤S110中获得的车辆属性，从原数据库中筛选得到与待检索车辆具有相同属性的车辆图像集，组成一个相关性较高的车辆图像子集，并按照与待检索车辆属性相关程度进行索引，最终得到一个全新的、检索范围小、相关程度高的车辆图像数据库，保证该步骤实现功能的高效性和准确性；
步骤S130、对步骤S120中得到的数据库中的高清卡口车辆图像进行图像分析预处理，包括基于DPM的车辆检测技术，在原始高清卡口车辆图像中抠出车辆图像，以及基于机器学习算法的车窗检测技术，从抠出的车辆图像中进一步抠出车窗部分，为后续年检标志的检测提供精确的感兴趣区域，从而提高后续年检标志检测定位的效率和精度；
步骤S140、采用基于多通道色彩信息的多尺度模板匹配技术，结合基于步骤S110和步骤S130得到的待检索车辆年检标志与车窗的相对位置信息，对步骤S120得到的数据库中的高清卡口车辆图像进行年检标志定位，得到步骤S120得到的数据库中每幅高清卡口车辆图像的年检标志抠图；
步骤S150、分别对步骤S110得到的待检索车辆年检标志抠图和步骤S140得到的年检标志抠图数据集进行计算机视觉特征提取，将二维的图像信息通过颜色、纹理、梯度直方图的特征计算函数，映射到高维特征空间，进一步通过归一化加权得到相应的特征矢量；
步骤S160、利用特征距离算子将步骤S150得到的待检索车辆年检标志的特征矢量分别与步骤S150得到的年检标志抠图数据集中每一个年检标志特征矢量进行特征相似度计算，并按相似度高低进行排序，找出相似度最高的配对，即为最终的检索结果。
CN201911048851.2A 2019-10-31 2019-10-31 一种基于年检标志的交通卡口车辆智能检索系统及方法 Active CN110807415B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911048851.2A CN110807415B (zh) 2019-10-31 2019-10-31 一种基于年检标志的交通卡口车辆智能检索系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911048851.2A CN110807415B (zh) 2019-10-31 2019-10-31 一种基于年检标志的交通卡口车辆智能检索系统及方法

Publications (2)

Publication Number Publication Date
CN110807415A CN110807415A (zh) 2020-02-18
CN110807415B true CN110807415B (zh) 2023-04-07

Family

ID=69489709

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911048851.2A Active CN110807415B (zh) 2019-10-31 2019-10-31 一种基于年检标志的交通卡口车辆智能检索系统及方法

Country Status (1)

Country Link
CN (1) CN110807415B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112073681A (zh) * 2020-07-14 2020-12-11 中国电力科学研究院有限公司 一种架空电力线无人机巡检定位拍摄影像的处理方法及系统
CN111814751A (zh) * 2020-08-14 2020-10-23 深延科技(北京)有限公司 基于深度学习目标检测和图像识别的车辆属性分析方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002222494A (ja) * 2001-01-29 2002-08-09 Mitsubishi Electric Engineering Co Ltd 車両監視装置
CN103985257A (zh) * 2014-05-14 2014-08-13 南通大学 一种智能交通视频分析方法
CN104050450A (zh) * 2014-06-16 2014-09-17 西安通瑞新材料开发有限公司 一种基于视频的车牌识别方法
CN105808691A (zh) * 2016-03-03 2016-07-27 博康智能网络科技股份有限公司 一种卡口车辆检索方法及其系统
CN106250555A (zh) * 2016-08-15 2016-12-21 东方网力科技股份有限公司 基于大数据的车辆检索方法及装置
WO2018072233A1 (zh) * 2016-10-20 2018-04-26 中山大学 一种基于选择性搜索算法的车标检测识别方法及系统
CN109800321A (zh) * 2018-12-24 2019-05-24 银江股份有限公司 一种卡口图像车辆检索方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9342797B2 (en) * 2014-04-03 2016-05-17 Honda Motor Co., Ltd. Systems and methods for the detection of implicit gestures

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002222494A (ja) * 2001-01-29 2002-08-09 Mitsubishi Electric Engineering Co Ltd 車両監視装置
CN103985257A (zh) * 2014-05-14 2014-08-13 南通大学 一种智能交通视频分析方法
CN104050450A (zh) * 2014-06-16 2014-09-17 西安通瑞新材料开发有限公司 一种基于视频的车牌识别方法
CN105808691A (zh) * 2016-03-03 2016-07-27 博康智能网络科技股份有限公司 一种卡口车辆检索方法及其系统
CN106250555A (zh) * 2016-08-15 2016-12-21 东方网力科技股份有限公司 基于大数据的车辆检索方法及装置
WO2018072233A1 (zh) * 2016-10-20 2018-04-26 中山大学 一种基于选择性搜索算法的车标检测识别方法及系统
CN109800321A (zh) * 2018-12-24 2019-05-24 银江股份有限公司 一种卡口图像车辆检索方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Vehicle Precise Retrieval via Color Image Retrieval Method Based on Improved Fast-Match;Feng Liu etal.;《2018 10th International Conference on Wireless Communications and Signal Processing (WCSP)》;20181202;全文 *
车辆自动识别系统移动站及其在城市交通监管中的应用;李元忠等;《电讯技术》;20030628(第03期);全文 *

Also Published As

Publication number Publication date
CN110807415A (zh) 2020-02-18

Similar Documents

Publication Publication Date Title
Wiley et al. Computer vision and image processing: a paper review
CN102163290B (zh) 基于时空关联信息的多视角视频监控中异常事件建模方法
CN111652293B (zh) 一种多任务联合判别学习的车辆重识别方法
CN109871875B (zh) 一种基于深度学习的建筑物变化检测方法
CN104766086B (zh) 一种公路标识的监管方法和系统
CN102662949B (zh) 一种基于多特征融合的指定目标检索方法及系统
CN107103314B (zh) 一种基于机器视觉的套牌车辆检索识别系统
CN107688830B (zh) 一种用于案件串并的现勘视觉信息关联图层生成方法
CN110807415B (zh) 一种基于年检标志的交通卡口车辆智能检索系统及方法
CN113269091A (zh) 一种面向智慧园区的人员轨迹分析方法、设备及介质
Si Salah et al. Change detection in urban areas from remote sensing data: A multidimensional classification scheme
EP3374926A1 (en) Method and system for processing image data
CN112861673A (zh) 一种用于监控视频多目标检测的去误报预警方法和系统
CN106056069A (zh) 基于无人机图像分析的林地资源资产评估方法及其评估系统
CN111814751A (zh) 基于深度学习目标检测和图像识别的车辆属性分析方法及系统
CN116993681A (zh) 一种变电站巡检缺陷检测方法及系统
CN114023076B (zh) 一种基于多源异构数据的特定车辆追踪方法
CN113033386B (zh) 一种基于高分辨率遥感影像的输电线路通道隐患识别方法及系统
CN117114420B (zh) 一种基于图像识别的工贸安全事故风险管控系统和方法
CN110738167B (zh) 一种基于多域空间属性关联分析的行人辨识方法
Peng et al. [Retracted] Helmet Wearing Recognition of Construction Workers Using Convolutional Neural Network
Jaipuria et al. deepPIC: Deep perceptual image clustering for identifying bias in vision datasets
CN112487966B (zh) 一种流动商贩行为识别管理系统
Ning et al. Shape classification guided method for automated extraction of urban trees from terrestrial laser scanning point clouds
Ren et al. Implementation of vehicle and license plate detection on embedded platform

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