CN111260934A - 一种基于交通视频网的车流量检测方法 - Google Patents
一种基于交通视频网的车流量检测方法 Download PDFInfo
- Publication number
- CN111260934A CN111260934A CN202010041690.0A CN202010041690A CN111260934A CN 111260934 A CN111260934 A CN 111260934A CN 202010041690 A CN202010041690 A CN 202010041690A CN 111260934 A CN111260934 A CN 111260934A
- Authority
- CN
- China
- Prior art keywords
- value
- counter
- traffic
- change state
- gray value
- 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
Links
Images
Classifications
-
- 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
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于交通视频网的车流量检测方法,涉及智能交通领域。首先获取视频数据并设定检测点;然后读取视频流数据,并进行灰度处理,检测点的灰度值;之后判断灰度值差值变化情况并保存判断结果;最后根据脉冲计数器和稳态计数器的数值判断是否有车辆通过,并计数。本发明采用用单像素基准阀值的办法,避免了高难度的,高资源需求的视频图像处理的算法。同时对视频流数据的分辨率/清晰度要求低,检测方法简单,CPU占用率低,准确度高,对环境变化的适应性较强。
Description
技术领域
本发明涉及智能交通领域,具体为一种基于交通视频网的车流量检测方法。
背景技术
随着信息化社会云端大数据时代的到来,我国的经济快速发展,城市规模和密集程度不断增加,城市交通管理技术的研究和设施的开发不可避免的成为重要的课题。交通智能化依赖的核心数据就是道路实际存在的车流量,基于车流量和实际道路的承载能力,可以判断道路的拥堵程度,从而为智能化的交通控制提供依据。因此,获取道路的车流量,并通过分析流量来完成,对路面交通流的合理调控各个路口的信号灯方案,是摆在大家面前的比较重要的问题。所以能进行准确、可靠、实用实现的流量检测的传感器成为重要条件。
对于交通信息的收集,目前,常用的方式为地磁及地磁线圈、雷达、视频、超声波等检测方式,其中地磁及地磁线圈的缺点是路面施工时埋设或者后期破拆路面埋设,随路面的老化维护维修困难,很多路口都是一次性使用,损坏后维修难度较大。雷达和超声波检测技术,因其成本高,调试难度大,一般只在重要路段和路口架设,后期维护成本高。视频检测技术,早起的视频检测旨在配合雷达超速,路口违章抓拍应用甚广,但在车流量检测方面及交通流控制上少有用到,有应用的路口也因要架设单独图像采集设备,图像处理算法冗长对处理图像的硬件要求很高,但多路处理图像,系统资源消耗很大,造成设备复杂并且成本高难以全面实施。因此设计一种算法简单、成本低、便于施工和维护的一种基于视频流的车流量检测方法成为一种迫切的要求。
发明内容
本发明要解决的技术问题是:提供了一种利用交通视频网络获取车流量信息一种基于交通视频网的车流量检测方法。
本发明要解决的技术问题的技术方案是:一种基于交通视频网的车流辆检测方法,其特征在于:包括稳态计数器、脉冲计数器、车辆计数器、前一帧灰度值存储器、当前帧灰度值存储器;
步骤1、获取视频数据并设定检测点,具体为:步骤1.1、与交通视频网络建立连接,获取路口摄像头的视频数据;步骤1.2、根据视频图像设定视频图片中的一个固定位置的像素点为检测点;
步骤2、读取视频流的一帧数据,对该帧图片数据进行灰度处理,获取该帧图片检测点的灰度值并存入当前帧灰度值存储器;
步骤3、读取视频流的下一帧数据,对该帧图片数据进行灰度处理,将当前帧灰度值存储器的数值转让前一帧灰度值存储器,之后,获取该帧图片检测点的灰度值并存入前移灰度值存储器;
步骤4、判断灰度值差值并保存判断结果,具体为:读取前一帧灰度值存储器与当前帧灰度值存储器内的灰度值并计算灰度值差值,判断灰度值差值是否大于状态阈值:如果灰度值差值大于状态阈值,检测点进入变化态,此时脉冲计数器加1,稳态计数器置0;如果灰度值差值小于或等于状态阈值,检测点或者检测区域进入稳态,此时稳态计数器加1;
步骤5、根据脉冲计数器和稳态计数器的数值判断是否有车辆通过,步骤5.1、判断稳态计数器是否大于稳态阈值:如果稳态计数器大于稳态阈值,则执行步骤5.2;如果稳态计数器小于或等于稳态阈值,则执行步骤3。步骤5.2、判断脉冲计数器是否大于变化态阈值:如果脉冲计数器大于变化态阈值,则车辆计数器加1,脉冲计数器置0,之后执行步骤3;如果脉冲计数器小于或等于变化态阈值,则执行步骤5.3;步骤5.3、判断稳态计数器是否大于变化态清零阈值,如果稳态计数器大于变化态清零阈值则脉冲计数器置0,之后执行步骤3;如果稳态计数器小于或等于变化态清零阈值,则执行步骤3。
更好的,所述步骤1.2中,所述检测点设有多个。
更好的,所述步骤1.2中,所述检测点设有两个,两个检测点不相邻。
更好的,所述检测点位于车道内。
更好的,所述步骤2和步骤3中获取帧图片数据灰度值的方法为:
S1、将帧图片数据转化为像素数组格式数据;
S2、对图像进行灰度处理;
S3、定位该帧图片的检测点的位置,取得检测点灰度值;
更好的,所述步骤1中还包括:
判断获取视频流数据是否成功,如果不成功则启动检查网络指令,
网络无故障则重继续取视频流数据,
网络异常则发出网络异常报警信息。
更好的,所述步骤5.2中:
判断脉冲计数器是否大于变化态阈值:
如果脉冲计数器大于变化态阈值:
如果脉冲计数器大于变化态阈值则判断脉冲计数器是否小于变化态上限阈值:
如果小于变化态上限阈值,则车辆计数器加1,脉冲计数器置0,之后执行步骤3;
如果大于变化态上限阈值,则车脉冲计数器置0,之后执行步骤3;
如果脉冲计数器小于或等于变化态阈值,则执行步骤5.3。
更好的,所述状态阈值的取值为3~5。
更好的,所述变化态阈值的取值为5~10,所述变化态上限阈值的取值为100。
更好的,所述稳态阈值的取值为5~10,所述变化态清零阈值的取值为10~15。
本发明的有益效果为:
1、用单像素基准阀值的办法,避免了高难度的,高资源需求的视频算法。
2、对视频流数据的分辨率/清晰度要求低,检测方法简单,CPU占用率低,准确度高,对环境变化的适应性较强。
附图说明
图1是本发明一种实施例的主控流程图,
图2是本发明一种实施例的灰度处理的流程图,
图3是本发明一种实施例的车辆判断的流程图。
具体实施方式
为使本发明的技术方案和有益效果更加清楚,下面对本发明的实施方式做进一步的详细解释。
一种基于交通视频网的车流辆检测方法,该方法运行在一种操作系统中或者处理器中,如安装有windows操作系统或者Linux操作系统的工控机中。工控机中安装有依据本发明设定的车流量检测程序。为了便于控制和判断,在系统中设有稳态计数器、脉冲计数器、车辆计数器、前一帧灰度值存储器、当前帧灰度值存储器。稳态计数器、脉冲计数器用以记录灰度值变化状态的结果,车辆计数器用以记录车辆的数量。稳态计数器、脉冲计数器、车辆计数器初始状态下都为0。前一帧灰度值存储器、当前帧灰度值存储器用以存储灰度值数据。
该方法包括:
步骤1、获取视频数据并设定检测点,具体为:
步骤1.1、与交通视频网络建立连接,获取路口摄像头的视频数据。本发明应用在工控机系统中,使前用需将本工控机与交通视频网络连接。交通视频监控中心将需要检测的路口的摄像头摄取的视频信息通过网络的形式转发至本工控机中。
为了保证车流量检测正常运行,本步骤还包括:
判断获取视频流数据是否成功,如果不成功则启动检查网络指令。读取视频流数据后检测数据是否存在来判断是否成功获取数据。如果不成功则说明可能网络连接有问题。
在启动检测网络指令之后,确认网络无故障则继续取视频流数据,确认网络异常则发出网络异常报警信息。
继续读取视频流数据,仍然无法获取视频数据,则发出读取视频流数据异常的报警。
步骤1.2、根据视频图像设定视频图片中的一个固定位置的像素点为检测点。摄像头摄取的是一定区域内的图像,由于摄像头是固定不变的,因此图像中车道的显示的位置也是不变的,因此为了便于统计车流量,将检测点设于车道内。
更好的,检测点设有多个。优选的,检测点设有两个,并且两个检测点不相邻,两个检测点的连接线和车道的长度方向平行。在应用本发明进行检测车流量的过程中,两个检测点都检测到车辆则车辆计数器加1,否则可能是横向不明物体导致的误动。
步骤2、读取视频流的一帧数据,对该帧图片数据进行灰度处理,获取该帧图片检测点的灰度值并存入当前帧灰度值存储器。该步骤为启动车流量检测时读取的视频数据的第一帧。
步骤3、读取视频流的下一帧数据,对该帧图片数据进行灰度处理,将当前帧灰度值存储器的数值转让前一帧灰度值存储器,之后,获取该帧图片检测点的灰度值并存入前移灰度值存储器。该步骤为启动车流量检测之后循环执行的切入点。
步骤2和步骤3中获取帧图片数据灰度值的方法为:
S1、将帧图片数据转化为像素数组格式数据;
S2、对图像进行灰度处理;
S3、定位该帧图片的检测点的位置,取得检测点灰度值;
图像的灰度处理有多种方法,常见的有分量法、最大值法、平均值法、加权平均法等,作为现有技术在此不再赘述。
由于本发明中采用灰度值进行检测,故可以对图像的分辨率要求较低。因此在交通视频监控系统转发视频数据的时候可以进行视频压缩处理,以减少带宽的占用,避免数据流量过大导致的网路速度降低。或者,在本工控机或者服务器获取视频数据后进行压缩处理,因此可以减少灰度值处理的时间以及CPU的占用率,大大提高了运行速度,进而提高了车流量检测的实时性。更好的,采视频压缩后的分辨率可为300×200。
步骤4、判断灰度值差值并保存判断结果,根据判断结果确定是否有车辆通过。本发明的车流量检测原理为动态监测,而不是图像识别的方式。在车辆经过时,灰度值的变化具有一定的规律,即没有车时,灰度值处于稳定的状态,有车时,灰度值处于变化的状态,在由一个稳态经过一个变化态再次进入稳态之后,通过判断变化态是否满足条件来判断是否有车辆经过。具体为:
读取前一帧灰度值存储器与当前帧灰度值存储器内的灰度值并计算灰度值差值,判断灰度值差值是否大于状态阈值:
如果灰度值差值大于状态阈值,检测点进入变化态,此时脉冲计数器加1,稳态计数器置0;
如果灰度值差值小于或等于状态阈值,检测点或者检测区域进入稳态,此时稳态计数器加1;
更好的,状态阈值的取值为3~5。在一天中环境变化是较为缓慢的,因此检测点的灰度值变化同样是缓慢的。缓慢的变化是为稳态。如果发生较大的变化则说明有车辆经过或者有扰动,如落叶、不明飞行物等。
步骤5、根据脉冲计数器和稳态计数器的数值判断是否有车辆通过,具体为:
步骤5.1、判断稳态计数器是否大于稳态阈值:
如果稳态计数器大于稳态阈值,则执行步骤5.2;说明已经从变化态进入稳态,可以对变化态的条件进行判断了。在由变化态进入稳态之后,稳态达到一定的时间才能够确定为稳态,稳态阈值的取值范围为25~35,本发明中稳态阈值取用29。
如果稳态计数器小于或等于稳态阈值,则执行步骤3。如果稳态计数器没有达到稳态阈值,说明由变化态进入稳态,但是还没处于稳定的稳态,需要继续判断。
步骤5.2、判断脉冲计数器是否大于变化态阈值:
如果脉冲计数器大于变化态阈值,则车辆计数器加1,脉冲计数器置0,之后执行步骤3;在达到稳态之后,判断变化态的脉冲是否达到变化态阈值,即变化态的脉冲数是否达到车辆经过时变化态脉冲的条件。如果达到条件则车辆计数器加1,然后将脉冲计数器置0,一个判断周期结束。
如果脉冲计数器小于或等于变化态阈值,则执行步骤5.3。
如果没有达到变化态阈值,说明变化态没有达到预定的时间,不是车辆经过的规律,但是该变化态仍需进行清零,因此进行执行步骤5.3进行脉冲计数器置0。
变化态阈值的取值为5~10,本发明中变化态阈值取值为5。
更好的,在步骤5.2中,为了避免,因为短时的阵风,导致检测点位于晃动的树叶、悬挂物等的阴影下,灰度值不断变化导致的变化态过长而影响实际的车流量计数。因此步骤5.2中:
判断脉冲计数器是否大于变化态阈值:
如果脉冲计数器大于变化态阈值:
如果脉冲计数器大于变化态阈值则判断脉冲计数器是否小于变化态上限阈值:
如果小于变化态上限阈值,则车辆计数器加1,脉冲计数器置0,之后执行步骤3;
如果大于变化态上限阈值,则车脉冲计数器置0,之后执行步骤3;
如果脉冲计数器小于或等于变化态阈值,则执行步骤5.3。
该步骤中变化态阈值的取值为5~10,本发明中变化态阈值取值为5。变化态上限阈值的取值为100。
步骤5.3、判断稳态计数器是否大于变化态清零阈值,如果稳态计数器大于变化态清零阈值则脉冲计数器置0,之后执行步骤3;如果稳态计数器小于或等于变化态清零阈值,则执行步骤3。变化态清零阈值需要大于稳态阈值,更好的,变化态清零阈值=稳态阈值+2。在确定进入稳态之后,在稳态技术器增加两个之后将脉冲计数器清零。
本发明根据视频流数据进行处理,对视频的每一帧处理一次并修改相应的计数器或存储器,之后判断车辆是否经过。由于每一帧停留的时长是确定的,因此根据车辆计数器的数值和时间可以计算出车流量。在此列出一个实施例:
在系统初始化的过程中,设定车辆计数器,同时设置一个车辆时间标签存储器和车辆统计存储器,在车辆计数器变化之后,即步骤5.2中,车辆计数器加1之后,存车辆时间标签存储器记录当前时间,车辆统计存储器记录当前车辆的数量。需要计算任意时间段的车流量时,截取存储器中两个时间点的时间和车辆数进行,然后用车辆差值除以时间差值即可。如设定一个二维数组,Li=(Ti,Ci),Ti是时间标记,Ci是该时间标记下的车辆数,计算车流量时选取两个时间点,即i1和i2,则车流量为(Ti1-Ti2)/(Ci1-Ti2)。
更好的,本发明可以嵌入在交通信号机中,该交通灯信号机,包括机箱以及插接在机箱内部的主控板卡,还设有安装有根据本发明设定的应用程序的工控主板。工控主板的网络接口连接交通视频网。工控主板设有串行通信接口,且与主控板卡电气连接,进而可以根据本发明测量的车流量进行信号灯的控制。
综上所述,仅为本发明的较佳实施例而已,并非用来限定本发明的范围,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本发明的技术性范围并不局限于说明书上的内容,凡依本发明的要求范围所述的形状、构造、特征及精神所谓的均等变化与修饰,均应包括与本发明的权利要求范围内。
Claims (10)
1.一种基于交通视频网的车流量检测方法,其特征在于:
包括稳态计数器、脉冲计数器、车辆计数器、前一帧灰度值存储器、当前帧灰度值存储器;
步骤1、获取视频数据并设定检测点,具体为:
步骤1.1、与交通视频网络建立连接,获取路口摄像头的视频数据;
步骤1.2、根据视频图像设定视频图片中的一个固定位置的像素点为检测点;
步骤2、读取视频流的一帧数据,对该帧图片数据进行灰度处理,获取该帧图片检测点的灰度值并存入当前帧灰度值存储器;
步骤3、读取视频流的下一帧数据,对该帧图片数据进行灰度处理,将当前帧灰度值存储器的数值转让前一帧灰度值存储器,之后,获取该帧图片检测点的灰度值并存入前移灰度值存储器;
步骤4、判断灰度值差值并保存判断结果,具体为:
读取前一帧灰度值存储器与当前帧灰度值存储器内的灰度值并计算灰度值差值,判断灰度值差值是否大于状态阈值:
如果灰度值差值大于状态阈值,检测点进入变化态,此时脉冲计数器加1,稳态计数器置0;
如果灰度值差值小于或等于状态阈值,检测点或者检测区域进入稳态,此时稳态计数器加1;
步骤5、根据脉冲计数器和稳态计数器的数值判断是否有车辆通过,
步骤5.1、判断稳态计数器是否大于稳态阈值:
如果稳态计数器大于稳态阈值,则执行步骤5.2;
如果稳态计数器小于或等于稳态阈值,则执行步骤3。
步骤5.2、判断脉冲计数器是否大于变化态阈值:
如果脉冲计数器大于变化态阈值,则车辆计数器加1,脉冲计数器置0,之后执行步骤3;
如果脉冲计数器小于或等于变化态阈值,则执行步骤5.3;
步骤5.3、判断稳态计数器是否大于变化态清零阈值,如果稳态计数器大于变化态清零阈值则脉冲计数器置0,之后执行步骤3;如果稳态计数器小于或等于变化态清零阈值,则执行步骤3。
2.根据权利要求1所述的一种基于交通视频网的车流量检测方法,其特征在于:
所述步骤1.2中,所述检测点设有多个。
3.根据权利要求2所述的一种基于交通视频网的车流量检测方法,其特征在于:
所述步骤1.2中,所述检测点设有两个,两个检测点不相邻。
4.根据权利要求1或2或3所述的一种基于交通视频网的车流量检测方法,其特征在于:
所述检测点位于车道内。
5.根据权利要求1所述的一种基于交通视频网的车流量检测方法,其特征在于:
所述步骤2和步骤3中获取帧图片数据灰度值的方法为:
S1、将帧图片数据转化为像素数组格式数据;
S2、对图像进行灰度处理;
S3、定位该帧图片的检测点的位置,取得检测点灰度值。
6.根据权利要求1所述的一种基于交通视频网的车流量检测方法,其特征在于:
所述步骤1中还包括:
判断获取视频流数据是否成功,如果不成功则启动检查网络指令,
网络无故障则重继续取视频流数据,
网络异常则发出网络异常报警信息。
7.根据权利要求1所述的一种基于交通视频网的车流量检测方法,其特征在于:
所述步骤5.2中:
判断脉冲计数器是否大于变化态阈值:
如果脉冲计数器大于变化态阈值:
如果脉冲计数器大于变化态阈值则判断脉冲计数器是否小于变化态上限阈值:
如果小于变化态上限阈值,则车辆计数器加1,脉冲计数器置0,之后执行步骤3;
如果大于变化态上限阈值,则车脉冲计数器置0,之后执行步骤3;
如果脉冲计数器小于或等于变化态阈值,则执行步骤5.3。
8.根据权利要求1所述的一种基于交通视频网的车流量检测方法,其特征在于:
所述状态阈值的取值为3~5。
9.根据权利要求1或7所述的一种基于交通视频网的车流量检测方法,其特征在于:
所述变化态阈值的取值为5~10,所述变化态上限阈值的取值为100。
10.根据权利要求1所述的一种基于交通视频网的车流量检测方法,其特征在于:
所述稳态阈值的取值为5~10,所述变化态清零阈值的取值为10~15。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010041690.0A CN111260934B (zh) | 2020-01-15 | 2020-01-15 | 一种基于交通视频网的车流量检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010041690.0A CN111260934B (zh) | 2020-01-15 | 2020-01-15 | 一种基于交通视频网的车流量检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111260934A true CN111260934A (zh) | 2020-06-09 |
CN111260934B CN111260934B (zh) | 2021-03-12 |
Family
ID=70948705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010041690.0A Active CN111260934B (zh) | 2020-01-15 | 2020-01-15 | 一种基于交通视频网的车流量检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111260934B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111932908A (zh) * | 2020-08-05 | 2020-11-13 | 浙江工业大学 | 一种基于深度学习的转向比及车流量统计方法 |
CN113747093A (zh) * | 2021-09-01 | 2021-12-03 | 深圳Tcl数字技术有限公司 | 一种音量调整方法、装置、电视机和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289939A (zh) * | 2011-07-05 | 2011-12-21 | 北京航空航天大学 | 一种基于三轴磁阻传感器的车辆/车流量检测方法 |
CN102289940A (zh) * | 2011-07-26 | 2011-12-21 | 西南交通大学 | 一种基于混合差分的车流量检测方法 |
CN109741350A (zh) * | 2018-12-04 | 2019-05-10 | 江苏航天大为科技股份有限公司 | 基于形态学变化与活动点填充的交通视频背景提取方法 |
JP2019219215A (ja) * | 2018-06-18 | 2019-12-26 | 株式会社マトリックス | 移動体検知センサー |
-
2020
- 2020-01-15 CN CN202010041690.0A patent/CN111260934B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289939A (zh) * | 2011-07-05 | 2011-12-21 | 北京航空航天大学 | 一种基于三轴磁阻传感器的车辆/车流量检测方法 |
CN102289940A (zh) * | 2011-07-26 | 2011-12-21 | 西南交通大学 | 一种基于混合差分的车流量检测方法 |
JP2019219215A (ja) * | 2018-06-18 | 2019-12-26 | 株式会社マトリックス | 移動体検知センサー |
CN109741350A (zh) * | 2018-12-04 | 2019-05-10 | 江苏航天大为科技股份有限公司 | 基于形态学变化与活动点填充的交通视频背景提取方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111932908A (zh) * | 2020-08-05 | 2020-11-13 | 浙江工业大学 | 一种基于深度学习的转向比及车流量统计方法 |
CN111932908B (zh) * | 2020-08-05 | 2021-07-23 | 浙江工业大学 | 一种基于深度学习的转向比及车流量统计方法 |
CN113747093A (zh) * | 2021-09-01 | 2021-12-03 | 深圳Tcl数字技术有限公司 | 一种音量调整方法、装置、电视机和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111260934B (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111932901B (zh) | 道路车辆跟踪检测设备、方法及存储介质 | |
CN111260934B (zh) | 一种基于交通视频网的车流量检测方法 | |
CN102110376A (zh) | 基于计算机视觉的路边停车位检测装置 | |
CN102426801A (zh) | 基于视觉分析的停车场泊位自动管理方法和系统 | |
CN104616502A (zh) | 基于组合式车路视频网络的车牌识别与定位系统 | |
CN112562406B (zh) | 一种越线行驶的识别方法及装置 | |
CN113096158A (zh) | 运动对象的识别方法、装置、电子设备及可读存储介质 | |
CN113066306B (zh) | 一种路侧停车的管理方法及装置 | |
CN113505638B (zh) | 车流量的监测方法、监测装置及计算机可读存储介质 | |
CN112084892B (zh) | 一种道路异常事件检测管理装置及其方法 | |
CN110969864A (zh) | 一种车速检测方法、车辆行驶事件检测方法及电子设备 | |
CN111160132B (zh) | 障碍物所在车道的确定方法、装置、电子设备和存储介质 | |
CN114627388B (zh) | 输电线路异物检测设备及其异物检测方法 | |
Iszaidy et al. | Video size comparison for embedded vehicle speed detection & travel time estimation system by using Raspberry Pi | |
CN210667171U (zh) | 一种基于激光检测道路车辆抓拍识别系统 | |
CN110223505A (zh) | 一种行人闯红灯行为的确定方法及装置 | |
CN112364794A (zh) | 一种基于嵌入式终端的深度学习逆行检测方法 | |
CN104463913A (zh) | 违规停车智能检测装置与方法 | |
CN116990768A (zh) | 预测航迹处理方法、装置、电子设备及可读介质 | |
CN114333331B (zh) | 一种多车道桥梁车辆通行信息与车重识别方法及系统 | |
JPH09305891A (ja) | 車両監視装置 | |
CN111627224A (zh) | 车辆速度异常检测方法、装置、设备及存储介质 | |
CN116152753A (zh) | 车辆信息识别方法和系统、存储介质和电子装置 | |
Yao et al. | Embedded technology and algorithm for video-based vehicle queue length detection | |
CN113963310A (zh) | 一种公交站的人流量检测方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |