CN111009136A - 一种高速公路行驶速度异常车辆检测方法、装置及系统 - Google Patents
一种高速公路行驶速度异常车辆检测方法、装置及系统 Download PDFInfo
- Publication number
- CN111009136A CN111009136A CN201911262632.4A CN201911262632A CN111009136A CN 111009136 A CN111009136 A CN 111009136A CN 201911262632 A CN201911262632 A CN 201911262632A CN 111009136 A CN111009136 A CN 111009136A
- Authority
- CN
- China
- Prior art keywords
- target
- vehicle
- abnormal
- speed
- tracking
- 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
Images
Classifications
-
- 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
-
- 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
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及智能交通技术领域,具体公开了一种高速公路行驶速度异常车辆检测方法,其中,包括:获取高速公路视频监控设备内的实时视频流;对所述实时视频流进行处理获得多帧图片;对每帧图片均进行目标检测,获得目标检测结果;对所述目标检测结果中的每个目标车辆均进行目标车辆追踪,得到目标追踪结果;对所述目标追踪结果进行异常分析;若所述目标追踪结果判定为该目标车辆为异常,则输出预警信息。本发明还公开了一种高速公路行驶速度异常车辆检测装置及系统。本发明提供的高速公路行驶速度异常车辆检测方法可以实时有效的发现车速异常车辆,另外还可以实时准确推送符合国家相关法规以及满足相关国家标准的预警信息。
Description
技术领域
本发明涉及智能交通技术领域,尤其涉及一种高速公路行驶速度异常车辆检测方法、高速公路行驶速度异常车辆检测装置及包括该高速公路行驶速度异常车辆检测装置的高速公路行驶速度异常车辆检测系统。
背景技术
当前各类基于交通监控视频的交通行为分析技术逐渐成为研究热点,同时因其重要的社会价值不可避免地将具备广阔的应用前景,十分值得研究。
现有研究中,缺少应用人工智能手段从公路实时视频监控设备拍摄的实时视频流中主动分析有无行驶速度突然降低的车辆,再给出符合相关国家法规、国家标准的预警信息的方法。
发明内容
本发明提供了一种高速公路行驶速度异常车辆检测方法、高速公路行驶速度异常车辆检测装置及包括该高速公路行驶速度异常车辆检测装置的高速公路行驶速度异常车辆检测系统,解决相关技术中存在的无法对高速公路上的车辆异常进行检测的问题。
作为本发明的第一个方面,提供一种高速公路行驶速度异常车辆检测方法,其中,包括:
获取高速公路视频监控设备内的实时视频流;
对所述实时视频流进行处理获得多帧图片;
对每帧图片均进行目标检测,获得目标检测结果;
对所述目标检测结果中的每个目标车辆均进行目标车辆追踪,得到目标追踪结果;
对所述目标追踪结果进行异常分析;
若所述目标追踪结果判定为该目标车辆为异常,则输出预警信息。
进一步地,所述对所述实时视频流进行处理获得多帧图片,包括:
对所述实时视频流进行抽帧处理,获得多帧图片。
进一步地,还包括在所述对所述实时视频流进行处理获得多帧图片的步骤后进行的:
将所述多帧图片按照特定帧输入待分析缓存。
进一步地,所述对每帧图片均进行目标检测,获得目标检测结果,包括:
对每帧图片均基于深度学习的目标检测算法进行目标检测,获得目标检测结果,其中所述目标检测结果包括目标和目标的详细信息。
进一步地,所述目标的详细信息包括目标类别、目标位置和目标特征,所述目标类别包括目标车辆和目标行人。
进一步地,所述对所述目标检测结果中的每个目标车辆均进行目标车辆追踪,得到目标追踪结果,包括:
对所述目标检测结果中的每个目标车辆根据目标追踪算法进行目标车辆追踪,得到目标追踪结果,其中所述目标追踪结果包括目标车辆的时序和目标车辆的在指定时序的位置。
进一步地,所述对所述目标追踪结果进行异常分析,包括:
判断所述目标追踪结果中的目标车辆是否出现车速异常;
若出现车速异常,则判定该目标车辆为异常。
进一步地,所述判断所述目标追踪结果中的目标车辆是否出现车速异常,包括:
根据基于视频的车辆测速方法获得所述目标车辆的当前车速;
将所述目标车辆的当前车速与预设的历史车辆速度均值进行比较;
若所述目标车辆的当前车速与所述预设的历史车辆速度均值之间的差值大于预设阈值,则标定该目标车辆出现车速异常。
作为本发明的另一个方面,提供一种高速公路行驶速度异常车辆检测装置,其中,包括:
获取模块,用于获取高速公路视频监控设备内的实时视频流;
处理模块,用于对所述实时视频流进行处理获得多帧图片;
检测模块,用于对每帧图片均进行目标检测,获得目标检测结果;
追踪模块,用于对所述目标检测结果中的每个目标车辆均进行目标车辆追踪,得到目标追踪结果;
分析模块,用于对所述目标追踪结果进行异常分析;
输出模块,用于若所述目标追踪结果判定为该目标车辆为异常,则输出预警信息。
作为本发明的另一个方面,提供一种高速公路行驶速度异常车辆检测系统,其中,包括:高速公路视频监控设备和前文所述的高速公路行驶速度异常车辆检测装置,所述高速公路行驶速度异常车辆检测装置与所述高速公路视频监控设备通信连接。
通过上述高速公路行驶速度异常车辆检测方法,对高速公路视频监控设备内的实时视频流进行处理后获得多帧图片,然后对图片进行目标检测以及目标车辆追踪,最后对目标追踪结果进行异常分析,在目标车辆为异常时输出预警信息。这种高速公路行驶速度异常车辆检测方法可以实时有效的发现车速异常车辆,另外还可以实时准确推送符合国家相关法规以及满足相关国家标准的预警信息。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1为本发明提供的高速公路行驶速度异常车辆检测方法的流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本发明。
为了使本领域技术人员更好地理解本发明方案,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的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包括,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本实施例中提供了一种高速公路行驶速度异常车辆检测方法,图1是根据本发明实施例提供的高速公路行驶速度异常车辆检测方法的流程图,如图1所示,包括:
S110、获取高速公路视频监控设备内的实时视频流;
S120、对所述实时视频流进行处理获得多帧图片;
S130、对每帧图片均进行目标检测,获得目标检测结果;
S140、对所述目标检测结果中的每个目标车辆均进行目标车辆追踪,得到目标追踪结果;
S150、对所述目标追踪结果进行异常分析;
S160、若所述目标追踪结果判定为该目标车辆为异常,则输出预警信息。
通过上述高速公路行驶速度异常车辆检测方法,对高速公路视频监控设备内的实时视频流进行处理后获得多帧图片,然后对图片进行目标检测以及目标车辆追踪,最后对目标追踪结果进行异常分析,在目标车辆为异常时输出预警信息。这种高速公路行驶速度异常车辆检测方法可以实时有效的发现车速异常车辆,另外还可以实时准确推送符合国家相关法规以及满足相关国家标准的预警信息。
具体地,所述对所述实时视频流进行处理获得多帧图片,包括:
对所述实时视频流进行抽帧处理,获得多帧图片。
可以理解的是,高速公路视频监控实时视频流均遵守rtsp协议,使用OpenCV等开发工具的已有方法,即可实现从rtsp视频流中实时按帧抽取图片。
具体地,还包括在所述对所述实时视频流进行处理获得多帧图片的步骤后进行的:
将所述多帧图片按照特定帧输入待分析缓存。
可以理解的是,在加入缓存用于将后续的分析与前面的视频流抽帧进行解耦,使得视频流抽帧不依赖于后续分析的效率。同时,根据实际场景的需要、实际条件的限制,可以每隔若干帧才放入缓存,保证整体的实时性。
需要说明的是,所述特定帧是可以根据需求进行设定的,例如每1帧都将图片输入待分析缓存、每5帧将图片输入待分析缓存或每10帧将图片输入待分析缓存。
具体地,所述对每帧图片均进行目标检测,获得目标检测结果,包括:
对每帧图片均基于深度学习的目标检测算法进行目标检测,获得目标检测结果,其中所述目标检测结果包括目标和目标的详细信息。
进一步具体地,所述目标的详细信息包括目标类别、目标位置和目标特征,所述目标类别包括目标车辆和目标行人。
使用基于深度学习的目标检测算法,输出是一个二维数组,第一维代表目标,第二维是目标的详细信息,详细信息包括:类别(机动车、行人)、位置、特征。
需要说明的是,所述基于深度学习的目标检测算法采用现有技术的常规目标检测算法即可,例如Faster R-CNN,均为本领域技术人员所熟知,此处不再赘述。
具体地,所述对所述目标检测结果中的每个目标车辆均进行目标车辆追踪,得到目标追踪结果,包括:
对所述目标检测结果中的每个目标车辆根据目标追踪算法进行目标车辆追踪,得到目标追踪结果,其中所述目标追踪结果包括目标车辆的时序和目标车辆的在指定时序的位置。
具体地,目标追踪算法可以使用Deep Sort算法,该算法为本领域技术人员所熟知,此处不再赘述。追踪时只对类别为机动车的目标进行追踪,输出是一个三维数组,第一维代表目标,第二维代表时序,第三维代表目标在指定时序的位置。
分析每个目标的追踪信息,对于追踪结束的,将目标跟踪结果存入异常分析缓存。
判定目标追踪结束的方法是:图片横向总像素值与目标最新时序的位置中点的差小于阈值;或者,连续3次追踪未能有效追踪到。某目标跟踪结束时,目标的跟踪结果是二维数组,第一维是时序,第二维是位置。同时,对于追踪结束的目标,将目标的跟踪结果存入异常分析缓存,此处加入缓存,一方面解除了后续分析与之前追踪的耦合性,另一方面为将来更多类型的嫌疑分析提供了技术基础。
具体地,所述对所述目标追踪结果进行异常分析,包括:
判断所述目标追踪结果中的目标车辆是否出现车速异常;
若出现车速异常,则判定该目标车辆为异常。
进一步具体地,所述判断所述目标追踪结果中的目标车辆是否出现车速异常,包括:
根据基于视频的车辆测速方法获得所述目标车辆的当前车速;
将所述目标车辆的当前车速与预设的历史车辆速度均值进行比较;
若所述目标车辆的当前车速与所述预设的历史车辆速度均值之间的差值大于预设阈值,则标定该目标车辆出现车速异常。
需要说明的是,所述目标车辆的当前车速与所述预设的历史车辆速度均值之间的差值可以为所述目标车辆的当前车速减去所述预设的历史车辆速度均值得到的差值,也可以为所述预设的历史车辆速度均值减去所述目标车辆的当前车速的差值。
还需要说明的是,为了提高实时性可以在出现一条预警信息后立即清空所有缓存内容,也可以为了保障性能在计算完所有缓存信息后再清空或自然覆盖缓存内容。
利用基于视频的车辆测速方法获得目标跟踪车辆此时车速,再与此前获得的历史车辆速度均值比较,筛选出此时车速较历史车速均值浮动超过预设阈值的车辆,例如所述预设阈值可以为20%,即车速在均值上下浮动超过20%的车辆,标定为车速异常车辆;对车速异常车辆结合车辆检测出的各类可靠的结构化信息和相关国家法律法规,生成并推送预警信息。
本发明实施例提供的高速公路行驶速度异常车辆检测方法,其通过按帧抽取遵守实时流传输协议的视频流,选取特定帧的图片存入待分析缓存,再应用基于深度学习的目标检测算法检测出缓存图片中的目标并记录目标详细信息,之后使用Deep Sort算法仅对车辆进行多目标跟踪,最后利用跟踪结果使用基于视频的车辆测速方法,发现当前速度异常车辆,依据国家法律法规、标准,实现给出推送及时、质量优良、内容可靠的预警信息。
作为本发明的另一实施例,提供一种高速公路行驶速度异常车辆检测装置,其中,包括:
获取模块,用于获取高速公路视频监控设备内的实时视频流;
处理模块,用于对所述实时视频流进行处理获得多帧图片;
检测模块,用于对每帧图片均进行目标检测,获得目标检测结果;
追踪模块,用于对所述目标检测结果中的每个目标车辆均进行目标车辆追踪,得到目标追踪结果;
分析模块,用于对所述目标追踪结果进行异常分析;
输出模块,用于若所述目标追踪结果判定为该目标车辆为异常,则输出预警信息。
通过上述高速公路行驶速度异常车辆检测装置,对高速公路视频监控设备内的实时视频流进行处理后获得多帧图片,然后对图片进行目标检测以及目标车辆追踪,最后对目标追踪结果进行异常分析,在目标车辆为异常时输出预警信息。这种高速公路行驶速度异常车辆检测装置可以实时有效的发现车速异常车辆,另外还可以实时准确推送符合国家相关法规以及满足相关国家标准的预警信息。
关于高速公路行驶速度异常车辆检测装置的具体工作过程可以参照前文的高速公路行驶速度异常车辆检测方法的描述,此处不再赘述。
作为本发明的另一实施例,提供一种高速公路行驶速度异常车辆检测系统,其中,包括:高速公路视频监控设备和前文所述的高速公路行驶速度异常车辆检测装置,所述高速公路行驶速度异常车辆检测装置与所述高速公路视频监控设备通信连接。
通过上述高速公路行驶速度异常车辆检测系统,对高速公路视频监控设备内的实时视频流进行处理后获得多帧图片,然后对图片进行目标检测以及目标车辆追踪,最后对目标追踪结果进行异常分析,在目标车辆为异常时输出预警信息。这种高速公路行驶速度异常车辆检测系统可以实时有效的发现车速异常车辆,另外还可以实时准确推送符合国家相关法规以及满足相关国家标准的预警信息。
应当理解的是,所述高速公路行驶速度异常车辆检测装置可以为集成在所述上位机上的软件。
关于高速公路行驶速度异常车辆检测系统的具体工作过程可以参照前文的高速公路行驶速度异常车辆检测方法的描述,此处不再赘述。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种高速公路行驶速度异常车辆检测方法,其特征在于,包括:
获取高速公路视频监控设备内的实时视频流;
对所述实时视频流进行处理获得多帧图片;
对每帧图片均进行目标检测,获得目标检测结果;
对所述目标检测结果中的每个目标车辆均进行目标车辆追踪,得到目标追踪结果;
对所述目标追踪结果进行异常分析;
若所述目标追踪结果判定为该目标车辆为异常,则输出预警信息。
2.根据权利要求1所述的高速公路行驶速度异常车辆检测方法,其特征在于,所述对所述实时视频流进行处理获得多帧图片,包括:
对所述实时视频流进行抽帧处理,获得多帧图片。
3.根据权利要求1所述的高速公路行驶速度异常车辆检测方法,其特征在于,还包括在所述对所述实时视频流进行处理获得多帧图片的步骤后进行的:
将所述多帧图片按照特定帧输入待分析缓存。
4.根据权利要求1所述的高速公路行驶速度异常车辆检测方法,其特征在于,所述对每帧图片均进行目标检测,获得目标检测结果,包括:
对每帧图片均基于深度学习的目标检测算法进行目标检测,获得目标检测结果,其中所述目标检测结果包括目标和目标的详细信息。
5.根据权利要求4所述的高速公路行驶速度异常车辆检测方法,其特征在于,所述目标的详细信息包括目标类别、目标位置和目标特征,所述目标类别包括目标车辆和目标行人。
6.根据权利要求1所述的高速公路行驶速度异常车辆检测方法,其特征在于,所述对所述目标检测结果中的每个目标车辆均进行目标车辆追踪,得到目标追踪结果,包括:
对所述目标检测结果中的每个目标车辆根据目标追踪算法进行目标车辆追踪,得到目标追踪结果,其中所述目标追踪结果包括目标车辆的时序和目标车辆的在指定时序的位置。
7.根据权利要求1所述的高速公路行驶速度异常车辆检测方法,其特征在于,所述对所述目标追踪结果进行异常分析,包括:
判断所述目标追踪结果中的目标车辆是否出现车速异常;
若出现车速异常,则判定该目标车辆为异常。
8.根据权利要求7所述的高速公路行驶速度异常车辆检测方法,其特征在于,所述判断所述目标追踪结果中的目标车辆是否出现车速异常,包括:
根据基于视频的车辆测速方法获得所述目标车辆的当前车速;
将所述目标车辆的当前车速与预设的历史车辆速度均值进行比较;
若所述目标车辆的当前车速与所述预设的历史车辆速度均值之间的差值大于预设阈值,则标定该目标车辆出现车速异常。
9.一种高速公路行驶速度异常车辆检测装置,其特征在于,包括:
获取模块,用于获取高速公路视频监控设备内的实时视频流;
处理模块,用于对所述实时视频流进行处理获得多帧图片;
检测模块,用于对每帧图片均进行目标检测,获得目标检测结果;
追踪模块,用于对所述目标检测结果中的每个目标车辆均进行目标车辆追踪,得到目标追踪结果;
分析模块,用于对所述目标追踪结果进行异常分析;
输出模块,用于若所述目标追踪结果判定为该目标车辆为异常,则输出预警信息。
10.一种高速公路行驶速度异常车辆检测系统,其特征在于,包括:高速公路视频监控设备和权利要求9所述的高速公路行驶速度异常车辆检测装置,所述高速公路行驶速度异常车辆检测装置与所述高速公路视频监控设备通信连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911262632.4A CN111009136A (zh) | 2019-12-11 | 2019-12-11 | 一种高速公路行驶速度异常车辆检测方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911262632.4A CN111009136A (zh) | 2019-12-11 | 2019-12-11 | 一种高速公路行驶速度异常车辆检测方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111009136A true CN111009136A (zh) | 2020-04-14 |
Family
ID=70114325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911262632.4A Pending CN111009136A (zh) | 2019-12-11 | 2019-12-11 | 一种高速公路行驶速度异常车辆检测方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111009136A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111931582A (zh) * | 2020-07-13 | 2020-11-13 | 中国矿业大学 | 基于图像处理的高速公路交通事件检测方法 |
CN112365721A (zh) * | 2020-09-14 | 2021-02-12 | 江苏大学 | 一种车辆异常行为识别、预警方法 |
CN114724378A (zh) * | 2022-06-02 | 2022-07-08 | 瞳见科技有限公司 | 一种基于深度学习的车辆追踪统计系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971521A (zh) * | 2014-05-19 | 2014-08-06 | 清华大学 | 道路交通异常事件实时检测方法及装置 |
CN104063882A (zh) * | 2014-06-27 | 2014-09-24 | 四川大学 | 一种基于双目的车辆视频测速方法 |
CN104915655A (zh) * | 2015-06-15 | 2015-09-16 | 西安电子科技大学 | 一种多路监控视频的管理方法与设备 |
CN105931467A (zh) * | 2016-06-06 | 2016-09-07 | 广东中星电子有限公司 | 一种跟踪目标的方法及装置 |
CN107886055A (zh) * | 2017-10-27 | 2018-04-06 | 中国科学院声学研究所 | 一种用于车辆运动方向判定的逆行检测方法 |
CN108932849A (zh) * | 2018-06-22 | 2018-12-04 | 安徽科力信息产业有限责任公司 | 一种记录多台机动车低速行驶违法行为的方法及装置 |
CN109686088A (zh) * | 2018-12-29 | 2019-04-26 | 重庆同济同枥信息技术有限公司 | 一种交通视频告警方法、设备及系统 |
-
2019
- 2019-12-11 CN CN201911262632.4A patent/CN111009136A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103971521A (zh) * | 2014-05-19 | 2014-08-06 | 清华大学 | 道路交通异常事件实时检测方法及装置 |
CN104063882A (zh) * | 2014-06-27 | 2014-09-24 | 四川大学 | 一种基于双目的车辆视频测速方法 |
CN104915655A (zh) * | 2015-06-15 | 2015-09-16 | 西安电子科技大学 | 一种多路监控视频的管理方法与设备 |
CN105931467A (zh) * | 2016-06-06 | 2016-09-07 | 广东中星电子有限公司 | 一种跟踪目标的方法及装置 |
CN107886055A (zh) * | 2017-10-27 | 2018-04-06 | 中国科学院声学研究所 | 一种用于车辆运动方向判定的逆行检测方法 |
CN108932849A (zh) * | 2018-06-22 | 2018-12-04 | 安徽科力信息产业有限责任公司 | 一种记录多台机动车低速行驶违法行为的方法及装置 |
CN109686088A (zh) * | 2018-12-29 | 2019-04-26 | 重庆同济同枥信息技术有限公司 | 一种交通视频告警方法、设备及系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111931582A (zh) * | 2020-07-13 | 2020-11-13 | 中国矿业大学 | 基于图像处理的高速公路交通事件检测方法 |
CN112365721A (zh) * | 2020-09-14 | 2021-02-12 | 江苏大学 | 一种车辆异常行为识别、预警方法 |
CN112365721B (zh) * | 2020-09-14 | 2021-10-12 | 江苏大学 | 一种车辆异常行为识别、预警方法 |
CN114724378A (zh) * | 2022-06-02 | 2022-07-08 | 瞳见科技有限公司 | 一种基于深度学习的车辆追踪统计系统及方法 |
CN114724378B (zh) * | 2022-06-02 | 2022-10-18 | 瞳见科技有限公司 | 一种基于深度学习的车辆追踪统计系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022083402A1 (zh) | 障碍物检测方法、装置、计算机设备和存储介质 | |
CN109087510B (zh) | 交通监测方法及装置 | |
Anand et al. | Crack-pot: Autonomous road crack and pothole detection | |
WO2020151172A1 (zh) | 运动目标检测方法、装置、计算机设备及存储介质 | |
CN111009136A (zh) | 一种高速公路行驶速度异常车辆检测方法、装置及系统 | |
CN107590470B (zh) | 一种车道线检测方法及装置 | |
CN106951898B (zh) | 一种车辆候选区域推荐方法及系统、电子设备 | |
US9904868B2 (en) | Visual attention detector and visual attention detection method | |
Bedruz et al. | Real-time vehicle detection and tracking using a mean-shift based blob analysis and tracking approach | |
CN104463903A (zh) | 一种基于目标行为分析的行人图像实时检测方法 | |
CN107909012B (zh) | 一种基于视差图的实时车辆跟踪检测方法与装置 | |
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 | |
CN111832410B (zh) | 一种基于视觉与激光雷达融合的前向列车检测方法 | |
CN112541372B (zh) | 一种困难样本筛选方法及装置 | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
CN110610123A (zh) | 一种多目标车辆检测方法、装置、电子设备及存储介质 | |
CN112769877A (zh) | 团雾预警方法、云端服务器及车辆和介质 | |
CN111627057A (zh) | 一种距离测量方法、装置及服务器 | |
CN113771573A (zh) | 一种基于识别路面信息的车辆悬架控制方法及装置 | |
CN111967451B (zh) | 一种道路拥堵检测方法及装置 | |
CN112016514B (zh) | 一种交通标志识别方法、装置、设备及储存介质 | |
CN112232124A (zh) | 人群态势分析方法、视频处理装置及具有存储功能的装置 | |
CN111815667B (zh) | 一种相机移动条件下高精度检测运动目标的方法 | |
CN116612642B (zh) | 一种车辆连续变道检测方法及电子设备 | |
CN112926823B (zh) | 一种智慧交通业务数据检测方法、装置及电子设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200414 |