CN111222394A - 一种渣土车超载检测方法、装置及系统 - Google Patents
一种渣土车超载检测方法、装置及系统 Download PDFInfo
- Publication number
- CN111222394A CN111222394A CN201910983200.6A CN201910983200A CN111222394A CN 111222394 A CN111222394 A CN 111222394A CN 201910983200 A CN201910983200 A CN 201910983200A CN 111222394 A CN111222394 A CN 111222394A
- Authority
- CN
- China
- Prior art keywords
- muck truck
- muck
- video image
- overloaded
- truck
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 239000002893 slag Substances 0.000 description 9
- 238000012549 training Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及人工智能技术领域,公开了一种渣土车超载检测方法、装置及系统。该方法包括:获取待检测视频图像帧;根据所述待检测视频图像帧,检测渣土车是否超载;如果所述渣土车超载,则发送提示信息。采用此方案,不但可以实时检测渣土车超载(超高超宽)情况,并可以及时发送渣土车超载提示信息。
Description
技术领域
本发明涉及人工智能技术领域,特别涉及一种渣土车超载检测方法、装置及系统。
背景技术
随着社会城市化进程加速,运输渣土、泥浆及其它杂物的车辆——渣土车越来越多,虽然目前的渣土车车厢上加盖了苫盖或其他机械加盖装置,但是由于人为故意超限使得苫盖和机械加盖装置成为摆设,超宽超高渣土车行驶过程中尘土飞扬,存在严重的沙石渣土滴落,破坏城市卫生,损坏道路,同时给车辆行人埋下安全隐患。
现有的超载检测主要有三种方式:(1)固定检测点检测。货运车辆按照一定的限制速度压过固定检测点地面埋设的传感器时检测车辆的载重量,进而进行超限超载检查。这种检测方式只能在固定地点检测,检测时车辆要低速通行,影响交通,效率较低;(2)移动检测。将方式(1)中的固定在地面的检测装置改造为可移动装置,执法时将该装置使用执法车辆运输到现场,然后按照方式(1)工作,同样存在影响交通和效率低下的问题;(3)车载检测。将称重传感器安装在货运车辆上,并在每一辆货运车辆上配置GPS模块和远程通信模块,将货运车辆载重信息和位置信息通过远程通信模块传送给监控管理中心。
在现有技术的实现过程中,发明人发现现有技术至少存在如下技术问题:现有技术实现渣土车超载方法不但实效较差,且监控的成本较高。
发明内容
本发明的目的在于提供一种渣土车超载检测方法、装置及系统,以克服现有技术中实现渣土车超载方法不但实效较差,且监控的成本较高的缺陷。
为解决上述技术问题,本发明的实施方式提供了一种渣土车超载检测方法,包括:
获取待检测视频图像帧;
根据所述待检测视频图像帧,检测渣土车是否超载;
如果所述渣土车超载,则发送提示信息。
为解决上述技术问题,本发明的实施方式还提供了一种渣土车超载检测装置,包括:
视频采集单元,用于获取待检测视频图像帧;
视频检测单元,用于根据所述待检测视频图像帧,检测渣土车是否超载;
信息发送单元,用于如果所述渣土车超载,则发送提示信息。
为解决上述技术问题,本发明的实施方式还提供了一种渣土车超载检测系统,包括:如上所述的渣土车超载检测装置。
本发明提供的一种渣土车超载检测方法、装置及系统,通过获取待检测视频图像帧;根据所述待检测视频图像帧,检测渣土车是否超载;如果所述渣土车超载,则发送提示信息。采用此方案,不但可以实时检测渣土车超载(超高超宽)情况,并可以及时发送渣土车超载提示信息。
附图说明
图1是本发明实施例提供的一种渣土车超载检测方法流程图;
图2是本发明实施例提供的另一种渣土车超载检测方法流程图;
图3是本发明实施例提供的一种渣土车超载检测装置结构示意图;
图4是本发明实施例提供的一种渣土车超载检测系统结构示意图;
图5是本发明实施例提供的一种渣土车超载检测方法中检测框示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请各权利要求所要求保护的技术方案。
本发明的第一实施方式涉及一种渣土车超载检测方法。具体流程如图1所示。该方法包括:
101:获取待检测视频图像帧;
102:根据所述待检测视频图像帧,检测渣土车是否超载;
103:如果所述渣土车超载,则发送提示信息。
基于以上实施例,本发明的第一实施方式还涉及一种渣土车超载检测方法。具体流程如图2所示。该方法包括:
201:获取待检测视频图像帧;
202:将所述待检测视频图像帧进行压缩处理,获取压缩后的视频图像帧;
203:根据所述压缩后的视频图像帧,检测渣土车是否超载;该步骤具体包括:
将所述待检测视频图像帧或者所述压缩后的视频图像帧进行图像处理,确定待检测视频图像帧中渣土车尾位置;采用压缩后的视频图像帧进行图片处理,可以节省计算时间,提高处理效率;
根据所述渣土车尾位置,确定所述车牌对应的渣土车车斗位置;
根据所述渣土车车斗位置,检测所述渣土车斗是否超载。
需要说明的是,所述渣土车车斗位置是根据所述渣土车尾位置确定的识别区域,以所述车尾中心为基准,左右各扩0.75-0.8个车尾宽度,上扩1-1.2个车尾宽度,下扩约0.5个车尾宽度。
此外,本发明技术方案还可以包括:
204:如果所述渣土车超载,获取所述渣土车的车牌信息,并发送提示信息及所述渣土车的车牌信息。
基于以上实施例,可以知道本发明技术方案要解决的问题是:筛选定位渣土车;识别渣土车是否超限。渣土车的定位以及是否超限的识别过程中使用深度学习方法,不限制车辆到摄像头的距离和角度以及环境光照,对于各种场景中渣土车是否超限的识别有较好的鲁棒性。包括如下步骤:
(1)渣土车尾检测定位。
(2)通过步骤(1)得到超载识别区域,采用CNN对图像进行分类,识别是否超载。
以上所述基于图像的渣土超载检测具体实施过程如下:
(1)收集包含渣土车和非渣土车的车尾图像,由于渣土车车尾车牌污损遮挡情况常见,所以选取车厢尾部对车辆进行定位,标注车厢尾部的位置和类型,形成渣土车车尾检测的数据集。
(2)为提高检测效率,把渣土车检测数据集图像缩到较小尺度,使用Faster-RCNN算法训练渣土车检测模型。
(3)渣土车车尾定位结果如图5(小方框蓝框52)所示,以渣土车定位结果为参照,抠取渣土车周围固定比例大小的区域(由于超限车辆载货超出车厢区域,所以识别区域基于检测区域扩大,如图5大方框区域51所示),收集环境光照、角度、天气状况各异的超载、未超载渣土车图像若干张,由于渣土车车尾形态各异,渣土车所装物体千差万别,采用渣土车加装载物品随机组合的方式,虚拟构造出各类样本若干(例如:10000张),缩放到固定大小(192*192),对类型进行标注,形成超限识别训练集。
(4)使用PVA(Performance Vs Accuracy)网络的特征提取部分加上全连接层训练是否超载分类器。充分利用大量数据信息训练出超载识别模型,为避免误抓,增加阈值限制,当识别为超限车辆且分数高于阈值时才输出超限结果,实践证明基于深度卷积网络的是否超载识别具有较高的识别精度。
基于图像分析,使用深度学习方法,在较为复杂的场景中定位渣土车,根据渣土车的位置确定是否超载的识别区域,进而识别是否超载,为后续抓拍处罚提供可靠依据,有效减少渣土车超载现象。
基于以上实施例,本发明的第二实施方式还涉及一种渣土车超载检测装置。该装置如图3所示。该装置包括:
视频采集单元301,用于获取待检测视频图像帧;
视频检测单元302,用于根据所述待检测视频图像帧,检测渣土车是否超载;
信息发送单元303,用于如果所述渣土车超载,则发送提示信息。
需要说明的是,所述视频检测单元还用于将所述待检测视频图像帧进行压缩处理,获取压缩后的视频图像帧;根据所述压缩后的视频图像帧,检测渣土车是否超载。
还需要说明的是,所述视频检测单元还用于将所述待检测视频图像帧或者所述压缩后的视频图像帧进行图像处理,确定待检测视频图像帧中渣土车尾位置;根据所述渣土车尾位置,确定所述车牌对应的渣土车车斗位置;根据所述渣土车车斗位置,检测所述渣土车斗是否超载;
所述渣土车车斗位置是根据所述渣土车尾位置确定的识别区域,以所述车尾中心为基准,左右各扩0.75-0.8个车尾宽度,上扩1-1.2个车尾宽度,下扩约0.5个车尾宽度。
还需要说明的是,该装置还包括:
车牌信息获取单元,用于如果所述渣土车超载,获取所述渣土车的车牌信息,
所述信息发送单元,用于如果所述渣土车超载,则发送提示信息及所述渣土车的车牌信息。
基于以上实施例,本发明的第三实施方式还涉及一种渣土车超载检测系统。该系统如图4所示。该系统包括:如上所述渣土车超载检测装置。
本发明提供的一种渣土车超载检测方法、装置及系统,通过获取待检测视频图像帧;根据所述待检测视频图像帧,检测渣土车是否超载;如果所述渣土车超载,则发送提示信息。采用此方案,不但可以实时检测渣土车超载(超高超宽)的情况,并可以及时发送超载渣土车的提示信息,且本发明基于单纯的图像帧分析,使用深度学习方法,实现在较为复杂的场景中自动实时的渣土车定位,较为精准地识别超载状态。
采用本发明技术方案,可以通过缩小待检测图像帧,使得图像帧识别可以在小尺度图像上定位渣土车;此外,现有视频图像帧中渣土车数量相对于车辆全体数量仍是少数,筛选出渣土车,有针对性地识别是否超限,避免对所有过车进行识别耗时耗力,小尺度图像上的渣土车检测效率更高。另外,基于渣土车车尾的定位结果确定车斗位置的识别区域,识别区域大,包含完整的车身图像,避免识别区域小由于车辆角度差异造成识别区域错误的情况。本发明技术方案虚拟构造的样本极大丰富训练数据,避免过拟合,使模型有更好的推广性;且使用CNN对是否超载进行识别,避免对渣土车行驶的干扰;识别精度更高。
不难发现,本实施方式为与第一实施方式相对应的装置实施例,本实施方式可与第一实施方式互相配合实施。第一实施方式中提到的相关技术细节在本实施方式中依然有效,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第一实施方式中。
值得一提的是,本实施方式中所涉及到的各模块均为逻辑模块,在实际应用中,一个逻辑单元可以是一个物理单元,也可以是一个物理单元的一部分,还可以以多个物理单元的组合实现。此外,为了突出本发明的创新部分,本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入,但这并不表明本实施方式中不存在其它的单元。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
为了描述的方便,描述以上装置是以功能分为各种单元/模块分别描述。当然,在实施本发明时可以把各单元/模块的功能在同一个或多个软件和/或硬件中实现。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种渣土车超载检测方法,其特征在于,包括:
获取待检测视频图像帧;
根据所述待检测视频图像帧,检测渣土车是否超载;
如果所述渣土车超载,则发送提示信息。
2.根据权利要求1所述的渣土车超载检测方法,其特征在于,所述根据所述待检测视频图像帧,检测渣土车是否超载的步骤包括:
将所述待检测视频图像帧进行压缩处理,获取压缩后的视频图像帧;
根据所述压缩后的视频图像帧,检测渣土车是否超载。
3.根据权利要求1或2所述的渣土车超载检测方法,其特征在于,所述根据所述待检测视频图像帧或者压缩后的视频图像帧,检测渣土车是否超载的步骤包括:
将所述待检测视频图像帧或者所述压缩后的视频图像帧进行图像处理,确定待检测视频图像帧中渣土车尾位置;
根据所述渣土车尾位置,确定所述车牌对应的渣土车车斗位置;
根据所述渣土车车斗位置,检测所述渣土车斗是否超载。
4.根据权利要求3所述的渣土车超载检测方法,其特征在于,所述渣土车车斗位置是根据所述渣土车尾位置确定的识别区域,以所述车尾中心为基准,左右各扩0.75-0.8个车尾宽度,上扩1-1.2个车尾宽度,下扩约0.5个车尾宽度。
5.根据权利要求4所述的渣土车超载检测方法,其特征在于,该方法还包括:
如果所述渣土车超载,获取所述渣土车的车牌信息,并发送提示信息及所述渣土车的车牌信息。
6.一种渣土车超载检测装置,其特征在于,包括:
视频采集单元,用于获取待检测视频图像帧;
视频检测单元,用于根据所述待检测视频图像帧,检测渣土车是否超载;
信息发送单元,用于如果所述渣土车超载,则发送提示信息。
7.根据权利要求6所述的渣土车超载检测装置,其特征在于,所述视频检测单元还用于将所述待检测视频图像帧进行压缩处理,获取压缩后的视频图像帧;根据所述压缩后的视频图像帧,检测渣土车是否超载。
8.根据权利要求6或7所述的渣土车超载检测装置,其特征在于,所述视频检测单元还用于将所述待检测视频图像帧或者所述压缩后的视频图像帧进行图像处理,确定待检测视频图像帧中渣土车尾位置;根据所述渣土车尾位置,确定所述车牌对应的渣土车车斗位置;根据所述渣土车车斗位置,检测所述渣土车斗是否超载;
所述渣土车车斗位置是根据所述渣土车尾位置确定的识别区域,以所述车尾中心为基准,左右各扩0.75-0.8个车尾宽度,上扩1-1.2个车尾宽度,下扩约0.5个车尾宽度。
9.根据权利要求8所述的渣土车超载检测装置,其特征在于,该装置还包括:
车牌信息获取单元,用于如果所述渣土车超载,获取所述渣土车的车牌信息,
所述信息发送单元,用于如果所述渣土车超载,则发送提示信息及所述渣土车的车牌信息。
10.一种渣土车超载检测系统,其特征在于,该系统包括:如权利要求6-9中任意一项所述的渣土车超载检测装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910983200.6A CN111222394A (zh) | 2019-10-16 | 2019-10-16 | 一种渣土车超载检测方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910983200.6A CN111222394A (zh) | 2019-10-16 | 2019-10-16 | 一种渣土车超载检测方法、装置及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111222394A true CN111222394A (zh) | 2020-06-02 |
Family
ID=70829116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910983200.6A Pending CN111222394A (zh) | 2019-10-16 | 2019-10-16 | 一种渣土车超载检测方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111222394A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111915611A (zh) * | 2020-07-06 | 2020-11-10 | 浙江大华技术股份有限公司 | 渣土车栏板加高检测方法、装置、电子设备及存储介质 |
CN113569925A (zh) * | 2021-07-09 | 2021-10-29 | 惠州市云鼎科技有限公司 | 基于广角摄像头的工程车辆安全监控方法及装置 |
CN114005092A (zh) * | 2021-12-29 | 2022-02-01 | 深圳市思拓通信系统有限公司 | 一种渣土车承载量监控方法、控制器及系统 |
CN114519811A (zh) * | 2022-01-04 | 2022-05-20 | 上海东普信息科技有限公司 | 派件货框超载识别方法、装置、计算机设备和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20040078442A (ko) * | 2003-03-04 | 2004-09-10 | 이희현 | 차량축중 측정장치를 이용한 차량중량 측정방법 및과적차량 식별방법 |
CN101303802A (zh) * | 2008-06-26 | 2008-11-12 | 吉林大学 | 货车超载在线自动预判断方法及系统 |
KR20090030666A (ko) * | 2007-09-20 | 2009-03-25 | 조성윤 | 고속주행차량 자동 계중 시스템 |
KR101422643B1 (ko) * | 2014-01-28 | 2014-07-24 | 주식회사 스마트비전 | Wave 기반 차량 적재 불량 검출 장치 및 방법 |
CN106530733A (zh) * | 2016-11-10 | 2017-03-22 | 清华大学合肥公共安全研究院 | 基于视频联动抓拍的远程桥梁超载执法系统 |
CN106791723A (zh) * | 2017-03-08 | 2017-05-31 | 南京云趟信息技术有限公司 | 一种工程车的空/重车判断系统及方法 |
KR20170062702A (ko) * | 2015-11-30 | 2017-06-08 | (주) 알티솔루션 | 도로교통안전 서비스를 위한 화물 적재상태 검지 시스템 |
CN109029661A (zh) * | 2018-05-30 | 2018-12-18 | 上海与德科技有限公司 | 一种车辆超载识别方法、装置、终端及存储介质 |
CN110232824A (zh) * | 2019-05-27 | 2019-09-13 | 武汉理工大学 | 一种非接触式车辆超载识别预警系统 |
-
2019
- 2019-10-16 CN CN201910983200.6A patent/CN111222394A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20040078442A (ko) * | 2003-03-04 | 2004-09-10 | 이희현 | 차량축중 측정장치를 이용한 차량중량 측정방법 및과적차량 식별방법 |
KR20090030666A (ko) * | 2007-09-20 | 2009-03-25 | 조성윤 | 고속주행차량 자동 계중 시스템 |
CN101303802A (zh) * | 2008-06-26 | 2008-11-12 | 吉林大学 | 货车超载在线自动预判断方法及系统 |
KR101422643B1 (ko) * | 2014-01-28 | 2014-07-24 | 주식회사 스마트비전 | Wave 기반 차량 적재 불량 검출 장치 및 방법 |
KR20170062702A (ko) * | 2015-11-30 | 2017-06-08 | (주) 알티솔루션 | 도로교통안전 서비스를 위한 화물 적재상태 검지 시스템 |
CN106530733A (zh) * | 2016-11-10 | 2017-03-22 | 清华大学合肥公共安全研究院 | 基于视频联动抓拍的远程桥梁超载执法系统 |
CN106791723A (zh) * | 2017-03-08 | 2017-05-31 | 南京云趟信息技术有限公司 | 一种工程车的空/重车判断系统及方法 |
CN109029661A (zh) * | 2018-05-30 | 2018-12-18 | 上海与德科技有限公司 | 一种车辆超载识别方法、装置、终端及存储介质 |
CN110232824A (zh) * | 2019-05-27 | 2019-09-13 | 武汉理工大学 | 一种非接触式车辆超载识别预警系统 |
Non-Patent Citations (4)
Title |
---|
LIBO ZHOU 等: "An overload behavior detection system for engineering transport vehicles based on deep learning", 《ADVANCES IN MATERIALS, MACHINERY, ELECTRONICS II: PROCEEDINGS OF THE 2ND INTERNATIONAL CONFERENCE ON ADVANCES IN MATERIALS, MACHINERY, ELECTRONICS (AMME 2018)》, 18 April 2018 (2018-04-18), pages 040038 * |
万娇娜 等: "一种基于图像处理的超载货车智能监控系统", 《交通与运输(学术版)》, no. 01, 30 June 2018 (2018-06-30), pages 193 - 196 * |
杨禧频 等: "基于激光雷达三维成像技术的运煤列车车辆超偏载检测系统的设计与实现", 《科技传播》, no. 15, 8 August 2013 (2013-08-08), pages 214 - 215 * |
赵建峰 等: "基于物联网技术的车辆超载远程监测系统设计与实现", 《公路》, no. 10, 25 October 2017 (2017-10-25), pages 251 - 257 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111915611A (zh) * | 2020-07-06 | 2020-11-10 | 浙江大华技术股份有限公司 | 渣土车栏板加高检测方法、装置、电子设备及存储介质 |
CN111915611B (zh) * | 2020-07-06 | 2024-08-27 | 浙江大华技术股份有限公司 | 渣土车栏板加高检测方法、装置、电子设备及存储介质 |
CN113569925A (zh) * | 2021-07-09 | 2021-10-29 | 惠州市云鼎科技有限公司 | 基于广角摄像头的工程车辆安全监控方法及装置 |
CN113569925B (zh) * | 2021-07-09 | 2024-04-09 | 惠州市云鼎科技有限公司 | 基于广角摄像头的工程车辆安全监控方法及装置 |
CN114005092A (zh) * | 2021-12-29 | 2022-02-01 | 深圳市思拓通信系统有限公司 | 一种渣土车承载量监控方法、控制器及系统 |
CN114519811A (zh) * | 2022-01-04 | 2022-05-20 | 上海东普信息科技有限公司 | 派件货框超载识别方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111222394A (zh) | 一种渣土车超载检测方法、装置及系统 | |
CN106600977B (zh) | 基于多特征识别的违停检测方法及系统 | |
CN109416250B (zh) | 运输车辆的车厢状态检测方法、车厢状态检测装置及终端 | |
CN110298300B (zh) | 一种检测车辆违章压线的方法 | |
CN112163543A (zh) | 一种车辆违法占道的检测方法及系统 | |
CN109714576B (zh) | 基于视频监控的车辆识别方法、装置、系统及服务器 | |
CN111444798B (zh) | 电动自行车驾驶行为的识别方法、装置和计算机设备 | |
CN106127107A (zh) | 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法 | |
CN102708691B (zh) | 基于车牌车型匹配的虚假车牌识别方法 | |
CN103279756A (zh) | 基于集成分类器的车辆检测分析系统及其检测分析方法 | |
CN105702048A (zh) | 基于行车记录仪的高速公路前车违法占道识别系统及方法 | |
CN112131935B (zh) | 一种机动车车厢载人识别方法、装置和计算机设备 | |
CN103390145B (zh) | 一种目标区域车辆检测方法以及系统 | |
CN205862593U (zh) | 基于车载无人机移动治理超载超限的跟踪系统 | |
CN111967396A (zh) | 障碍物检测的处理方法、装置、设备及存储介质 | |
CN110232827B (zh) | 自由流收费车型识别方法、装置及系统 | |
CN104157160A (zh) | 车辆行驶控制方法、装置及车辆 | |
CN112836683B (zh) | 用于便携式摄像设备的车牌识别方法、装置、设备和介质 | |
CN111723854A (zh) | 一种高速公路交通拥堵检测方法、设备及可读存储介质 | |
CN107393311A (zh) | 一种车牌篡改识别装置及方法 | |
CN110838230A (zh) | 一种移动视频监控方法、监控中心及系统 | |
CN117953460B (zh) | 基于深度学习的车辆轮轴识别方法及装置 | |
CN110909599A (zh) | 一种渣土车苫盖的检测方法、装置及系统 | |
CN113055658A (zh) | 一种基于全景拼接技术的隧道危化品车辆识别方法及系统 | |
CN108198428A (zh) | 货车拦截系统及拦截方法 |
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 |