CN111275981A - 一种高速公路车辆开启制动灯和双闪灯的识别方法 - Google Patents
一种高速公路车辆开启制动灯和双闪灯的识别方法 Download PDFInfo
- Publication number
- CN111275981A CN111275981A CN202010070307.4A CN202010070307A CN111275981A CN 111275981 A CN111275981 A CN 111275981A CN 202010070307 A CN202010070307 A CN 202010070307A CN 111275981 A CN111275981 A CN 111275981A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lamp
- candidate
- tail
- turn
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000011218 segmentation Effects 0.000 claims description 9
- 230000006740 morphological transformation Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 239000006185 dispersion Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000011527 multiparameter analysis Methods 0.000 abstract description 3
- 230000003628 erosive effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
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
- G08G1/017—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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
- 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
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种高速公路车辆开启制动灯和双闪灯的识别方法,该方法采用毫米波雷达和摄像头结合获取车辆信息,能够获得车辆外形尺寸和前车车速等参数,利用多参数分析提高车辆尾灯识别的准确性;且将传感器设置于路侧,有效避免车载方式存在的视线局限性,进一步提高识别准确性,进而大大降低驾驶员的错误操作率,提高驾驶安全。
Description
技术领域
本发明属于交通安全技术领域,尤其涉及一种高速公路车辆开启制动灯和双闪灯的识别方法。
背景技术
高速公路的交通安全问题已受到广泛关注,在车辆高速行驶的过程中,常常因为各种主观或客观的因素导致驾驶员无法及时在特定的时刻做出准确的操作,从而带来严重的后果。
为使驾驶员操作错误率降低,现有以车载的方式安装传感器,受到车载方式在视线上的局限,极有可能因前方大型车辆、障碍物或特殊地形等因素造成传感器无法全面获取前方车辆尾灯信息,导致驾驶员无法及时作出响应。并且由于当前传感器均采用单一的摄像头传感器,受到其自身功能的局限性,在灯语识别上,仍有许多如前车外形尺寸、前车车速等重要参数无法获取,进而无法避免驾驶员的错误操作。
发明内容
为了解决上述问题,本发明的目的在于提供一种高速公路车辆开启制动灯和双闪灯的识别方法,该方法采用毫米波雷达和摄像头结合获取车辆信息,能够获得车辆外形尺寸和前车车速等参数,利用多参数分析提高车辆尾灯识别的准确性;且将传感器设置于路侧,有效避免车载方式存在的视线局限性,进一步提高识别准确性,进而大大降低驾驶员的错误操作率,提高驾驶安全。
为了达到上述目的,本发明采用以下技术方案予以解决。
一种高速公路车辆开启制动灯和双闪灯的识别方法,包括以下步骤:
步骤1,实时获取高速公路上的路况信息,提取每个车辆的图像;获取每个车辆的车速;
其中,通过间隔设置于高速公路路边的摄像头和毫米波雷达获取路况信息和每个车辆的车速;
步骤2,采用图像灰度分析选取每个车辆的图像中的候选区域;使用最大类间方差法将候选区域进行分割,再经形态学变换,得到候选车灯区域;
步骤3,判断候选车灯区域是否为2,若是,则对候选车灯区域进行几何配对,确定车尾灯并转至步骤4;否则,判断为转向灯开启,转至步骤1重新获取车辆图像;
步骤4,采用车辆跟踪算法对每对车尾灯进行跟踪,记录每对车尾灯的开启、熄灭时间;
步骤5,判断每对车尾灯开启持续时间是否大于雾灯阈值,若是,则判断为雾灯开启;否则,进一步判断车尾灯开启持续时间是否满足双闪灯开启判断条件,若是,则确认双闪灯开启,否则,判断为制动灯开启;
其中,所述双闪灯开启判断条件为同时满足以下条件:车尾灯开启持续时间低于3s、存在3次以上的开启和熄灭过程、前3次的车尾灯开启持续时间之间的标准差不超过0.5、相邻两次车尾灯开启时刻之间的时间间隔不超过1s。
进一步地,所述采用图像灰度分析选取每个车辆的图像中的候选区域,具体为:
(2.1)采用HSV颜色空间进行阈值过滤,得到对应的候选车辆尾灯区域二值图;
其中,所述阈值过滤中的阈值为342°<H<360°且0.45<S<1.0或0°<H<30°且0.45<S<1.0;H为色调,S为饱和度;
(2.2)对候选车辆尾灯区域二值图进行高斯变换,得到对应的分散点灰度值;
(2.3)将每个分散点灰度值进行归一化后作为加权比例系数;将原始车辆图像从RGB空间转换成对应灰度图;将每个加权比例系数与RGB空间对应灰度图中对应各点的灰度值进行乘积,确定对应的候选区域。
更进一步地,所述归一化的公式为:
式中,I(i,j)表示分散点灰度值,N(i,j)表示分散点灰度值归一化后的值;min和max分别表示所有分散点灰度值的最小灰度值和最大灰度值。
进一步地,所述使用最大类间方差法将候选区域进行分割,具体为:
通过遍历0-255作为分割阈值,将候选区域分为两个区域,分别计算每个分割阈值对应的两个区域的方差,并将方差最大时对应的两个区域作为最终分割结果。
进一步地,所述形态学变换为先进行腐蚀操作再进行膨胀操作。
进一步地,所述对候选车灯区域进行几何配对,具体为:
(3.1)设定两个候选车灯区域分别为A、B,其面积分别为S1、S2;
(3.2)判断两个候选车灯区域的面积是否相近:
|S1-S2|<K*minS
其中,K为面积比例系数,| |为取绝对值操作,minS为S1和S2中的较小值;
(3.3)判断两个候选车灯区域的中心位置,判断两个候选车灯区域中心位置在竖直方向上的距离ydistance是否满足水平配对阈值:
ydistance<G*minHeight
其中,minHeight表示A区域高度和B区域高度的较小值,G是高度比例系数;
(3.4)判断两个候选车灯区域在水平方向上的距离xdistance是否满足车尾灯间距约束条件:
M*minWidth<xdistance<N*minWidth
其中,M、N分别为宽度比例系数,minWidth为A区域宽度与B区域宽度中的较小值;
若候选车灯区域满足步骤(3.2)-(3.4),则几何配对成功,确定该候选车灯区域为车尾灯。
进一步地,所述采用车辆跟踪算法对每对车尾灯进行跟踪,具体为:
首先,获取当前时刻每个车辆的位置信息,当前时刻每个车辆的车速vi、及对应车身长度为li,相邻时刻时间间隔为t;
然后,利用RGB颜色空间确定当前时刻每个车辆图片的所有像素点的R、G、B分量值;判断相邻时刻的车辆图像是否满足同一车辆判断条件,若是,则判断为同一车辆,即车辆跟踪成功。
进一步地,所述同一车辆判断条件具体为:
(a)同一车辆在相邻两帧图像中处于同一车道;
(b)同一车辆的车身长度li在相邻两帧图像中的变化不超过1%;
(c)计算相邻时刻车辆的行驶距离si=vi×t,以si为半径搜索车辆,则下一时刻该车辆应处于搜索范围内;
(d)分别计算当前时刻车辆图像中所有像素点的R、G、B分量对应的平均值,同一车辆在相邻时刻的R分量平均值、G分量平均值、B分量平均值的变化分别不超过5%。
更进一步地,所述同一车辆在相邻两帧图像中处于同一车道的判断依据为:
首先,根据车辆位置信息,得到车辆到毫米波雷达之间的距离di、车辆与毫米波雷达连线与水平方向的夹角θ,进而得到车辆在水平方向上距毫米波雷达的距离di′;
其中,水平方向为水平面内与车辆行驶方向垂直的方向;
然后,根据车辆在水平方向上距毫米波雷达的距离di′与车道宽度,确定车辆所处的车道位置。
与现有技术相比,本发明的有益效果为:
(1)本发明采用毫米波雷达和摄像头结合获取车辆信息,能够获得车辆外形尺寸和前车车速等参数,利用多参数分析提高车辆尾灯识别的准确性;且将传感器设置于路侧,有效避免车载方式存在的视线局限性,进一步提高识别准确性,进而大大降低驾驶员的错误操作率,提高驾驶安全。
(2)本发明通过图像处理和车辆跟踪,实现了车尾灯中双闪灯和制动灯的准确识别,进而能够及时发现高速行驶中的车辆异常情况,通过无线通信或警示牌显示的形式警示后方车辆,保证高速行驶安全。
附图说明
下面结合附图和具体实施例对本发明做进一步详细说明。
图1为本发明的实现流程示意图;
图2为本发明实施例的候选车灯区域确定过程示意图;
图3为本发明实施例的车辆横向距离确定过程示意图。
具体实施方式
下面结合附图对本发明的实施例及效果作进一步详细描述。
参考图1,本发明的一种高速公路车辆开启制动灯和双闪灯的识别方法,包括以下步骤:
步骤1,实时获取高速公路上的路况信息,提取每个车辆的图像;获取每个车辆的车速;
其中,通过间隔设置于高速公路路边的摄像头和毫米波雷达获取路况信息和每个车辆的车速;
步骤2,采用图像灰度分析选取每个车辆的图像中的候选区域;使用最大类间方差法将候选区域进行分割,再经形态学变换,得到候选车灯区域;
具体按照以下步骤实施:
(2.1)采用HSV颜色空间进行阈值过滤,得到对应的候选车辆尾灯区域二值图;
其中,所述阈值过滤中的阈值为342°<H<360°且0.45<S<1.0或0°<H<30°且0.45<S<1.0;H为色调,S为饱和度;
(2.2)对候选车辆尾灯区域二值图进行高斯变换,得到对应的分散点灰度值;
(2.3)将每个分散点灰度值进行归一化后作为加权比例系数;将原始车辆图像从RGB空间转换成对应灰度图;将每个加权比例系数与RGB空间对应灰度图中对应各点的灰度值进行乘积,确定对应的候选区域。
所述归一化的公式为:
式中,I(i,j)表示分散点灰度值,N(i,j)表示分散点灰度值归一化后的值;min和max分别表示所有分散点灰度值的最小灰度值和最大灰度值。
此处利用该系数在由HSV颜色阈值检测到的车尾灯区域中比较大,其他区域系数值则较小的特性对车尾灯区域进行粗提取。
(2.4)所述使用最大类间方差法将候选区域进行分割,具体为:
通过遍历0-255作为分割阈值,将候选区域分为两个区域,分别计算每个分割阈值对应的两个区域的方差,并将方差最大时对应的两个区域作为最终分割结果。
(2.5)所述形态学变换为先进行腐蚀操作再进行膨胀操作。
利用形态学变换消除图像中的尾灯区域的内部孔洞从而得到车尾灯的轮廓。一般来讲,形态学变换中的膨胀操作使得原目标范围扩大、并且可以使目标中的孔洞被缩小,而腐蚀操作则可以减小原目标的范围、但同时内部孔洞被放大。所以为了消除二值图中面积较小的或者孤立的区域,首先对图像进行腐蚀操作,然后将腐蚀后的二值图进行膨胀操作,使得原相邻区域重新连通。
步骤3,判断候选车灯区域是否为2,若是,则对候选车灯区域进行几何配对,确定车尾灯并转至步骤4;否则,转至步骤1重新获取车辆图像;
参考图2,具体按照以下步骤实施:
(3.1)设定两个候选车灯区域分别为A、B,其面积分别为S1、S2;
(3.2)判断两个候选车灯区域的面积是否相近:
|S1-S2|<K*minS
其中,K为面积比例系数,| |为取绝对值操作,minS为S1和S2中的较小值;
(3.3)判断两个候选车灯区域的中心位置,判断两个候选车灯区域中心位置在竖直方向上的距离ydistance是否满足水平配对阈值:
ydistance<G*minHeight
其中,minHeight表示A区域高度和B区域高度的较小值,G是高度比例系数;
(3.4)判断两个候选车灯区域在水平方向上的距离xdistance是否满足车尾灯间距约束条件:
M*minWidth<xdistance<N*minWidth
其中,M、N分别为宽度比例系数,minWidth为A区域宽度与B区域宽度中的较小值;
若候选车灯区域满足步骤(3.2)-(3.4),则几何配对成功,确定该候选车灯区域为车尾灯。
此步骤中,若候选车灯区域数量为1,则判断为转向灯。以上过程中的各比例系数在实际中需要根据先验知识设定,本发明实施例使用的先验值分别为K=1.5,G=3,M=3,N=10。
步骤4,采用车辆跟踪算法对每对车尾灯进行跟踪,记录每对车尾灯的开启、熄灭时间;
具体步骤为:
首先,获取当前时刻每个车辆的位置信息,当前时刻每个车辆的车速vi、及对应车身长度为li,相邻时刻时间间隔为t;
然后,利用RGB颜色空间确定当前时刻每个车辆图片的所有像素点的R、G、B分量值;判断相邻时刻的车辆图像是否满足同一车辆判断条件,若是,则判断为同一车辆,即车辆跟踪成功;
相邻时刻判断为同一车辆必须同时满足以下条件:
(a)同一车辆在相邻两帧图像中处于同一车道;即:
参考图3,首先,根据车辆位置信息,得到车辆到毫米波雷达之间的距离di、车辆与毫米波雷达连线与水平方向的夹角θ,进而得到车辆在水平方向上距毫米波雷达的距离di′;
其中,水平方向为水平面内与车辆行驶方向垂直的方向;
然后,根据车辆在水平方向上距毫米波雷达的距离di′与车道宽度,确定车辆所处的车道位置。
示例性地,当0<di′<3.75,判断车辆处于慢车道;当3.75<di′<7.5,判断车辆处于中间车道;当7.5<di′<11.25,判断车辆处于快车道。
其中,一个车道宽度为3.75m。
若相邻两帧图像的判断结果相同,则满足该条要求。
(b)同一车辆的车身长度li在相邻两帧图像中的变化不超过1%;
(c)计算相邻时刻车辆的行驶距离si=vi×t,以si为半径搜索车辆,则下一时刻该车辆应处于搜索范围内;
(d)分别计算当前时刻车辆图像中所有像素点的R、G、B分量对应的平均值,同一车辆在相邻时刻的R分量平均值、G分量平均值、B分量平均值的变化分别不超过5%。
步骤5,判断每对车尾灯开启持续时间是否大于雾灯阈值,若是,则判断为雾灯开启;否则,进一步判断车尾灯开启持续时间是否满足双闪灯开启判断条件,若是,则确认双闪灯开启,否则,判断为制动灯开启;
其中,所述双闪灯开启判断条件为同时满足以下条件:车尾灯开启持续时间低于3s、存在3次以上的开启和熄灭过程、前3次的车尾灯开启持续时间之间的标准差不超过0.5、相邻两次车尾灯开启时刻之间的时间间隔不超过1s。
本实施例的雾灯阈值为10s。
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所述权利要求的保护范围为准。
Claims (9)
1.一种高速公路车辆开启制动灯和双闪灯的识别方法,其特征在于,包括以下步骤:
步骤1,实时获取高速公路上的路况信息,提取每个车辆的图像;获取每个车辆的车速;
其中,通过间隔设置于高速公路路边的摄像头和毫米波雷达获取路况信息和每个车辆的车速;
步骤2,采用图像灰度分析选取每个车辆的图像中的候选区域;使用最大类间方差法将候选区域进行分割,再经形态学变换,得到候选车灯区域;
步骤3,判断候选车灯区域是否为2,若是,则对候选车灯区域进行几何配对,确定车尾灯并转至步骤4;否则,判断为转向灯开启,转至步骤1重新获取车辆图像;
步骤4,采用车辆跟踪算法对每对车尾灯进行跟踪,记录每对车尾灯的开启、熄灭时间;
步骤5,判断每对车尾灯开启持续时间是否大于雾灯阈值,若是,则判断为雾灯开启;否则,进一步判断车尾灯开启持续时间是否满足双闪灯开启判断条件,若是,则确认双闪灯开启,否则,判断为制动灯开启。
2.根据权利要求1所述的高速公路车辆开启制动灯和双闪灯的识别方法,其特征在于,所述采用图像灰度分析选取每个车辆的图像中的候选区域,具体为:
(2.1)采用HSV颜色空间进行阈值过滤,得到对应的候选车辆尾灯区域二值图;
其中,所述阈值过滤中的阈值为342°<H<360°且0.45<S<1.0或0°<H<30°且0.45<S<1.0;H为色调,S为饱和度;
(2.2)对候选车辆尾灯区域二值图进行高斯变换,得到对应的分散点灰度值;
(2.3)将每个分散点灰度值进行归一化后作为加权比例系数;将原始车辆图像从RGB空间转换成对应灰度图;将每个加权比例系数与RGB空间对应灰度图中对应各点的灰度值进行乘积,确定对应的候选区域。
4.根据权利要求1所述的高速公路车辆开启制动灯和双闪灯的识别方法,其特征在于,所述使用最大类间方差法将候选区域进行分割,具体为:
通过遍历0-255作为分割阈值,将候选区域分为两个区域,分别计算每个分割阈值对应的两个区域的方差,并将方差最大时对应的两个区域作为最终分割结果。
5.根据权利要求1所述的高速公路车辆开启制动灯和双闪灯的识别方法,其特征在于,所述对候选车灯区域进行几何配对,具体为:
(3.1)设定两个候选车灯区域分别为A、B,其面积分别为S1、S2;
(3.2)判断两个候选车灯区域的面积是否相近:
|S1-S2|<K*minS
其中,K为面积比例系数,||为取绝对值操作,minS为S1和S2中的较小值;
(3.3)判断两个候选车灯区域的中心位置,判断两个候选车灯区域中心位置在竖直方向上的距离ydistance是否满足水平配对阈值:
ydistance<G*minHeight
其中,minHeight表示A区域高度和B区域高度的较小值,G是高度比例系数;
(3.4)判断两个候选车灯区域在水平方向上的距离xdistance是否满足车尾灯间距约束条件:
M*minWidth<xdistance<N*minWidth
其中,M、N分别为宽度比例系数,minWidth为A区域宽度与B区域宽度中的较小值;
若候选车灯区域满足步骤(3.2)-(3.4),则几何配对成功,确定该候选车灯区域为车尾灯。
6.根据权利要求1所述的高速公路车辆开启制动灯和双闪灯的识别方法,其特征在于,所述采用车辆跟踪算法对每对车尾灯进行跟踪,具体为:
首先,获取当前时刻每个车辆的位置信息,当前时刻每个车辆的车速vi及对应车身长度为li,相邻时刻时间间隔为t;
然后,利用RGB颜色空间确定当前时刻每个车辆图片的所有像素点的R、G、B分量值;判断相邻时刻的车辆图像是否满足同一车辆判断条件,若是,则判断为同一车辆,即车辆跟踪成功。
7.根据权利要求6所述的高速公路车辆开启制动灯和双闪灯的识别方法,其特征在于,所述同一车辆判断条件具体为:
(a)同一车辆在相邻两帧图像中处于同一车道;
(b)同一车辆的车身长度li在相邻两帧图像中的变化不超过1%;
(c)计算相邻时刻车辆的行驶距离si=vi×t,以si为半径搜索车辆,则下一时刻该车辆应处于搜索范围内;
(d)分别计算当前时刻车辆图像中所有像素点的R、G、B分量对应的平均值,同一车辆在相邻时刻的R分量平均值、G分量平均值、B分量平均值的变化分别不超过5%。
8.根据权利要求7所述的高速公路车辆开启制动灯和双闪灯的识别方法,其特征在于,所述同一车辆在相邻两帧图像中处于同一车道的判断依据为:
首先,根据车辆位置信息,得到车辆到毫米波雷达之间的距离di、车辆与毫米波雷达连线与水平方向的夹角θ,进而得到车辆在水平方向上距毫米波雷达的距离di';
其中,水平方向为水平面内与车辆行驶方向垂直的方向;
然后,根据车辆在水平方向上距毫米波雷达的距离di'与车道宽度,确定车辆所处的车道位置。
9.根据权利要求1所述的高速公路车辆开启制动灯和双闪灯的识别方法,其特征在于,所述双闪灯开启判断条件为同时满足以下条件:车尾灯开启持续时间低于3s、存在3次以上的开启和熄灭过程、前3次的车尾灯开启持续时间之间的标准差不超过0.5、相邻两次车尾灯开启时刻之间的时间间隔不超过1s。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010070307.4A CN111275981A (zh) | 2020-01-21 | 2020-01-21 | 一种高速公路车辆开启制动灯和双闪灯的识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010070307.4A CN111275981A (zh) | 2020-01-21 | 2020-01-21 | 一种高速公路车辆开启制动灯和双闪灯的识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111275981A true CN111275981A (zh) | 2020-06-12 |
Family
ID=71002335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010070307.4A Pending CN111275981A (zh) | 2020-01-21 | 2020-01-21 | 一种高速公路车辆开启制动灯和双闪灯的识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111275981A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113421438A (zh) * | 2021-06-02 | 2021-09-21 | 上海大学 | 一种基于无人机的交通事故警示牌安放系统及方法 |
CN115880899A (zh) * | 2022-11-11 | 2023-03-31 | 长安大学 | 一种针对行车视线阻挡危险场景的检测方法与系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110255740A1 (en) * | 2010-04-15 | 2011-10-20 | National Chiao Tung University | Vehicle tracking system and tracking method thereof |
CN105313769A (zh) * | 2015-10-14 | 2016-02-10 | 武汉理工大学 | 一种基于毫米波雷达的车载主动预警方法、系统及装置 |
CN106934808A (zh) * | 2017-02-15 | 2017-07-07 | 江苏文光车辆附件有限公司 | 一种视觉感知下汽车前灯尾灯识别跟踪方法 |
CN206849285U (zh) * | 2017-06-02 | 2018-01-05 | 贺春霞 | 一种高速公路路侧预警装置 |
CN207020830U (zh) * | 2017-07-26 | 2018-02-16 | 山西省交通科学研究院 | 一种山区多弯路段安全预警路边装置 |
CN107886770A (zh) * | 2016-09-30 | 2018-04-06 | 比亚迪股份有限公司 | 车辆识别方法、装置及车辆 |
CN108357418A (zh) * | 2018-01-26 | 2018-08-03 | 河北科技大学 | 一种基于尾灯识别的前车驾驶意图分析方法 |
CN209657490U (zh) * | 2019-05-14 | 2019-11-19 | 辽宁科电交通科技有限公司 | 一种高速公路行驶预警装置 |
-
2020
- 2020-01-21 CN CN202010070307.4A patent/CN111275981A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110255740A1 (en) * | 2010-04-15 | 2011-10-20 | National Chiao Tung University | Vehicle tracking system and tracking method thereof |
CN105313769A (zh) * | 2015-10-14 | 2016-02-10 | 武汉理工大学 | 一种基于毫米波雷达的车载主动预警方法、系统及装置 |
CN107886770A (zh) * | 2016-09-30 | 2018-04-06 | 比亚迪股份有限公司 | 车辆识别方法、装置及车辆 |
CN106934808A (zh) * | 2017-02-15 | 2017-07-07 | 江苏文光车辆附件有限公司 | 一种视觉感知下汽车前灯尾灯识别跟踪方法 |
CN206849285U (zh) * | 2017-06-02 | 2018-01-05 | 贺春霞 | 一种高速公路路侧预警装置 |
CN207020830U (zh) * | 2017-07-26 | 2018-02-16 | 山西省交通科学研究院 | 一种山区多弯路段安全预警路边装置 |
CN108357418A (zh) * | 2018-01-26 | 2018-08-03 | 河北科技大学 | 一种基于尾灯识别的前车驾驶意图分析方法 |
CN209657490U (zh) * | 2019-05-14 | 2019-11-19 | 辽宁科电交通科技有限公司 | 一种高速公路行驶预警装置 |
Non-Patent Citations (3)
Title |
---|
房建武等: ""基于视觉和激光数据融合的3D多目标跟踪"", 《无人系统技术》 * |
王畅等: ""雨雾天气下不同灯光穿透效果对行车安全的试验研究"", 《科学技术与工程》 * |
田强: ""车辆尾灯的检测与灯语识别"", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113421438A (zh) * | 2021-06-02 | 2021-09-21 | 上海大学 | 一种基于无人机的交通事故警示牌安放系统及方法 |
CN115880899A (zh) * | 2022-11-11 | 2023-03-31 | 长安大学 | 一种针对行车视线阻挡危险场景的检测方法与系统 |
CN115880899B (zh) * | 2022-11-11 | 2023-11-10 | 长安大学 | 一种针对行车视线阻挡危险场景的检测方法与系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109299674B (zh) | 一种基于车灯的隧道违章变道检测方法 | |
US7693629B2 (en) | Onboard fog determining apparatus | |
US8064643B2 (en) | Detecting and recognizing traffic signs | |
US8184159B2 (en) | Forward looking sensor system | |
US8543254B1 (en) | Vehicular imaging system and method for determining roadway width | |
CN105981042B (zh) | 车辆探测系统及方法 | |
US7545956B2 (en) | Single camera system and method for range and lateral position measurement of a preceding vehicle | |
CN111292556B (zh) | 一种基于路侧双闪灯识别的车辆预警系统及方法 | |
CN103984950B (zh) | 一种适应白天检测的运动车辆刹车灯状态识别方法 | |
US20080007429A1 (en) | Visibility condition determining device for vehicle | |
CN111292529B (zh) | 一种识别高速公路团雾分布的方法 | |
US9785844B2 (en) | Lane identification method and related apparatus thereof | |
JP2006343322A (ja) | 夜間の霧を検出するための方法、およびこの方法を実施するためのシステム | |
CN111723625B (zh) | 交通灯图像识别处理方法、装置、辅助通行系统及存储介质 | |
CN110688907A (zh) | 基于夜间道路光源识别物体的方法及装置 | |
CN111027494B (zh) | 一种基于计算机视觉的矩阵车灯识别方法 | |
Lin et al. | Adaptive IPM-based lane filtering for night forward vehicle detection | |
CN111275981A (zh) | 一种高速公路车辆开启制动灯和双闪灯的识别方法 | |
SE541589C2 (en) | Method and system for controlling driving of a vehicle along a road | |
TWI549102B (zh) | 車道偏離警示系統與車道辨識裝置以及相關方法 | |
CN112348813A (zh) | 雷达与车灯检测融合的夜晚车辆检测方法及装置 | |
CN111688568B (zh) | 亮度检测方法、车灯控制方法及其系统及存储介质 | |
Zarbakht et al. | Lane detection under adverse conditions based on dual color space | |
CN113743226B (zh) | 一种日间前车灯语识别及预警方法及系统 | |
CN111204278B (zh) | 一种大型货车速度失控预警方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200612 |