CN111275983A - 车辆追踪方法、装置、电子设备和计算机可读存储介质 - Google Patents
车辆追踪方法、装置、电子设备和计算机可读存储介质 Download PDFInfo
- Publication number
- CN111275983A CN111275983A CN202010092580.7A CN202010092580A CN111275983A CN 111275983 A CN111275983 A CN 111275983A CN 202010092580 A CN202010092580 A CN 202010092580A CN 111275983 A CN111275983 A CN 111275983A
- Authority
- CN
- China
- Prior art keywords
- image
- vehicle
- target vehicle
- information containing
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000015654 memory Effects 0.000 claims description 19
- 230000002708 enhancing effect Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 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
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/292—Multi-camera tracking
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了车辆追踪方法、装置、电子设备和计算机可读存储介质,涉及智能交通领域,可应用于自动驾驶领域。具体实现方案为:从多个图像采集设备所采集的各第一图像中,提取得到车辆特征信息;利用各第一图像中的车辆特征信息,确定包括目标车辆的各第二图像;利用各第二图像和各图像采集设备的关系,追踪目标车辆。本申请可以在多个图像采集设备的采集范围内追踪目标车辆。
Description
技术领域
本申请涉及智能交通领域,尤其涉及车辆追踪方法、装置、电子设备和计算机可读存储介质。本申请可应用于自动驾驶领域。
背景技术
城市道路的路口中一般设有图像采集设备。这些图像采集设备可以用于监控机动车驾驶员的驾驶行为和路况信息,也可以用于追踪车辆。各图像采集设备采集到图像后会将数据上传至服务器。目前,服务器对不同的图像采集设备采集的图像分开处理,只能在单个图像采集设备的采集范围内追踪车辆。
发明内容
本申请实施例提供一种车辆追踪方法,包括:
从来自至少一个图像采集设备的至少一个第一图像中的每一个图像,提取包含车辆特征的信息;
利用包含车辆特征的信息,从至少一个第一图像中确定出包含目标车辆图像的至少一个第二图像;
利用至少一个第二图像和至少一个图像采集设备的关系,追踪目标车辆。
本申请实施例利用来自图像采集设备的第一图像中的包含车辆特征的信息,找到包括目标车辆的第二图像。然后利用各第二图像和各图像采集设备的关系,可以在多个图像采集设备的采集范围内追踪目标车辆。
在一种实施方式中,利用包含车辆特征的信息,从至少一个第一图像中确定出包括目标车辆的至少一个第二图像,包括:
利用包含车辆特征的信息,确定不同的第一图像中的包含车辆特征的信息的相似度;
在不同的第一图像中的每两个包含车辆特征的信息的相似度大于预设阈值的情况下,则将两个包含车辆特征的信息判定为属于相同车辆;
从属于相同车辆的包含车辆特征的信息所在的图像中,获取包含目标车辆图像的至少一个第二图像。
上述实施方式中,利用相似度判定不同的第一图像中的包含车辆特征的信息是否属于相同车辆,从而获取包括目标车辆的各第二图像。利用图像信息能够确定包括目标车辆的各第二图像,可以提高轨迹追踪效率。
在一种实施方式中,利用所述至少一个第二图像和所述至少一个图像采集设备的关系,追踪目标车辆,包括:
利用至少一个第二图像,得到目标车辆的行驶方向和行驶速度;
利用至少一个第二图像的采集时间,采集至少一个第二图像的图像采集设备的位置,以及目标车辆的行驶方向和行驶速度,预测在指定时间范围内采集到目标车辆的图像的图像采集设备。
在一种实施方式中,利用至少一个第二图像和各图像采集设备的关系,追踪目标车辆,包括:
利用至少一个第二图像,得到目标车辆的行驶方向和行驶速度;
利用至少一个第二图像的采集时间,采集至少一个第二图像的图像采集设备的位置,以及目标车辆的行驶方向和行驶速度,预测指定的图像采集设备采集到目标车辆图像的时间范围。
上述实施方式中,利用各第二图像可以得到目标车辆的行驶方向和行驶速度,从而可以预测采集到目标车辆的图像的图像采集设备或时间范围,可以持续追踪目标车辆,并且具有较高的追踪效率。
在一种实施方式中,该方法还包括:
利用生成对抗网络对至少一个第一图像中的车辆前挡风玻璃的图像进行增强,得到增强后的车辆前挡风玻璃的图像;
利用增强后的车辆前挡风玻璃的图像,提取包含车辆特征的信息。
上述实施方式中,利用增强后的车辆前挡风玻璃的图像,可以提高追踪目标车辆的准确度。
本申请实施例还提供一种车辆追踪装置,包括:
第一提取模块,用于从来自至少一个图像采集设备的至少一个第一图像中的每一个图像,提取包含车辆特征的信息;
确定模块,用于利用所述包含车辆特征的信息,从所述至少一个第一图像中确定出包含目标车辆图像的至少一个第二图像;
追踪模块,用于利用所述至少一个第二图像和所述至少一个图像采集设备的关系,追踪所述目标车辆。
在一种实施方式中,确定模块包括:
相似度子模块,用于利用至少一个第一图像中的包含车辆特征的信息,确定不同的第一图像中的包含车辆特征的信息的相似度;
判定子模块,用于在不同的第一图像中的每两个包含车辆特征的信息的相似度大于预设阈值的情况下,则将两个包含车辆特征的信息判定为属于相同车辆;
获取子模块,用于从属于相同车辆的包含车辆特征的信息所在的图像中,获取包含目标车辆图像的至少一个第二图像。
在一种实施方式中,追踪模块包括:
行驶信息子模块,用于利用至少一个第二图像,得到目标车辆的行驶方向和行驶速度;
第一预测子模块,用于利用至少一个第二图像的采集时间,采集至少一个第二图像的图像采集设备的位置,以及目标车辆的行驶方向和行驶速度,预测在指定时间范围内采集到目标车辆图像的图像采集设备。
在一种实施方式中,追踪模块包括:
行驶信息子模块,用于利用至少一个第二图像,得到目标车辆的行驶方向和行驶速度;
第二预测子模块,用于利用至少一个第二图像的采集时间,采集至少一个第二图像的图像采集设备的位置,以及目标车辆的行驶方向和行驶速度,预测指定的图像采集设备采集到目标车辆图像的时间范围。
在一种实施方式中,该装置还包括:
增强模块,用于利用生成对抗网络对至少一个第一图像中的车辆前挡风玻璃的图像进行增强,得到增强后的车辆前挡风玻璃的图像;
第二提取模块,用于利用增强后的车辆前挡风玻璃的图像,提取包含车辆特征的信息。
本申请实施例还提供一种电子设备,包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行本申请实施例中任意一种车辆追踪方法。
本申请实施例还提供一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行本申请实施例中任意一种车辆追踪方法。
上述申请中的一个实施例具有如下优点或有益效果:利用来自图像采集设备的第一图像中的包含车辆特征的信息,找到包括目标车辆的第二图像。然后利用各第二图像和各图像采集设备的关系,可以在多个图像采集设备的采集范围内追踪目标车辆。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请一实施例的车辆追踪方法的流程图;
图2a和图2b是根据本申请一实施例的图像采集设备的设置方式的示意图;
图3是根据本申请另一实施例的车辆追踪方法的流程图;
图4是根据本申请另一实施例的车辆追踪方法的流程图;
图5是根据本申请另一实施例的车辆追踪方法的流程图;
图6是根据本申请一实施例的车辆追踪装置的框图;
图7是根据本申请另一实施例的车辆追踪装置的框图;
图8是根据本申请另一实施例的车辆追踪装置的框图;
图9是用来实现本申请实施例的车辆追踪方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本申请一实施例的车辆追踪方法的流程图。如图1所示,该方法可以包括:
步骤S11、从来自至少一个图像采集设备的至少一个第一图像中的每一个图像,提取包含车辆特征的信息;
步骤S12、利用包含车辆特征的信息,从至少一个第一图像中确定出包含目标车辆图像的至少一个第二图像;
步骤S13、利用至少一个第二图像和至少一个图像采集设备的关系,追踪目标车辆。
本申请实施例中,图像采集设备可以包括但不限于布置在道路两侧或路口的相机、摄像头等。例如,某个十字路口可能具有东南西北四个方向,每个方向具有两个流向,如图2a所示,朝北方向具有南向北流向或者北向南流向。在每个流向均布置有图像采集设备21,用于采集该流向上各车道的图像。同一流向可以布置多个视角不同、采集方向不同的图像采集设备。这些图像采集设备所采集的第一图像可以包括车辆、车道线、交通信号灯和行人等各种交通要素。从包含车辆图像的第一图像中,可以提取包含车辆特征的信息。
示例性地,可以使用视频目标检测(Object detection from video,VID)算法,从第一图像中提取包含车辆特征的信息。视频目标检测算法可以用于在图像中检测目标物体的特征信息,尤其适用于对存在运动模糊、物体互相遮挡、物体形态变化多样、光照变化多样等问题的多帧视频图像进行检测。各第一图像中包括快速行驶的车辆,使用VID算法检测和提取第一图像中的包含车辆特征的信息,具有较高的检测准确度。
上述包含车辆特征的信息可以包括车辆的各种视觉特征信息,例如车辆的轮廓、纹理、面积和颜色分布等,也可以包括车辆的车牌号。
在一种实施方式中,车辆追踪方法还可以包括:利用生成对抗网络对至少一个第一图像中的车辆前挡风玻璃的图像进行增强,得到增强后的车辆前挡风玻璃的图像。然后再利用增强后的车辆前挡风玻璃的图像,提取包含车辆特征的信息。
生成对抗网络(Generative Adversarial Networks,GAN)通过生成模型和判别模型的互相博弈产生良好的输出,可以得到更逼真的图像。利用生成对抗网络可以生成深度学习训练数据集或增强图像。在本申请实施例中,利用生成对抗网络对车辆前挡风玻璃的图像进行增强,可以提高图像分辨率,让图像更清晰,从而可以更准确地识别出车辆前挡风玻璃后的人员和车内物品摆放等。由于不同车辆内部的人员和物品摆放可能具有明显的差异,利用增强后的车辆前挡风玻璃的图像,可以提高追踪目标车辆的准确度。
车辆在行驶过程中,可能会经过多个图像采集设备的采集范围。例如,在如图2a所示的十字路口中,图像采集设备211和212分别用于采集朝南方向和朝北方向的两个南向北流向的各车道的图像。车辆从南向北行驶,会经过图像采集设备211和212的采集范围,图像采集设备211和212可以采集到包括该车辆的图像。因此,多个图像采集设备采集的第一图像中,可能存在包括相同车辆的图像。识别出这些相同车辆,则可以在多个图像采集设备的采集范围中以这些相同车辆作为目标车辆,追踪目标车辆。
在步骤S12中,可以利用各第一图像中的包含车辆特征的信息,识别出目标车辆,从而确定包含目标车辆图像的各第二图像。作为一种示例性的实施方式,如图3所示,步骤S12可以包括:
步骤S31、利用包含车辆特征的信息,确定不同的第一图像中的包含车辆特征的信息的相似度;
步骤S32、在不同的第一图像中的每两个包含车辆特征的信息的相似度大于预设阈值的情况下,则将两个包含车辆特征的信息判定为属于相同车辆;
步骤S33、从属于相同车辆的包含车辆特征的信息所在的图像中,获取包含目标车辆图像的至少一个第二图像。
本申请实施例中,包含车辆特征的信息的相似度可以表示两个车辆的相似程度。相似度越小,车辆间相似程度越低、差异越大;相似度越大,车辆间相似程度越高、差异越小。
包含车辆特征的信息可以包括上述的车辆的轮廓、纹理、面积、颜色分布车牌号等视觉信息。计算不同的视觉信息的距离可以得到视觉信息的相似度。该距离可以包括欧式距离、余弦距离或曼哈顿距离等。
包含车辆特征的信息还可以包括车牌号。计算不同车牌号中的相同字符的个数,可以得到车牌号的相似度。例如,从图像A提取车辆A1的车牌号中的字符串A2,从图像B提取车辆B1的车牌号中的字符串B2。然后计算字符串A2和字符串B2中相同字符的个数,得到图像A的车辆A1和图像B的车辆B1的车牌号的相似度。
实际提取包含车辆特征的信息时,可以提取多种信息。可以确定不同的第一图像中的同种信息的相似度,对多种信息的相似度进行加权求和,得到不同的第一图像中车辆特征的加权相似度。如果两个第一图像中车辆特征的加权相似度大于预设阈值,则可判定这两个第一图像中的包含车辆特征的信息之间的差异很小,可能属于相同车辆。
可以将属于相同车辆的包含车辆特征的信息(或包括该信息的图像)分为一组,也可以为属于相同车辆的包含车辆特征的信息(或包括该信息的图像)打上相同车辆标记。如果确定了需要追踪的目标车辆,可以确定出包括目标车辆的各第二图像。
在步骤S13中,至少一个第二图像和至少一个图像采集设备的关系,可以包括但不限于采集到各第二图像的各图像采集设备的方向、距离和位置等。例如图2b中,采集到各第二图像的图像采集设备包括图像采集设备211和图像采集设备213。图像采集设备213在图像采集设备211的北偏东α度方向,距离为L1。图像采集设备211设于朝南方向的南向北流向的车道上,图像采集设备213设于朝东方向的西向东流向的车道上。
在一种实施方式中,如图4所示,步骤S13包括:
步骤S41、利用至少一个第二图像,得到目标车辆的行驶方向和行驶速度;
步骤S42、利用至少一个第二图像的采集时间,采集至少一个第二图像的图像采集设备的位置,以及目标车辆的行驶方向和行驶速度,预测在指定时间范围内采集到目标车辆图像的图像采集设备。
在步骤S41中,可以采用多种实施方式得到目标车辆的行驶方向,以下提供两种示例:
示例一、在第二图像中提取目标车辆在像素坐标系中的坐标信息,利用预先标定的图像采集设备的内参数和外参数,得到目标车辆在世界坐标系中的坐标信息。利用各第二图像的采集时间,还可以得到与目标车辆的坐标信息对应的时间点。利用目标车辆在世界坐标系中的坐标信息和对应的时间点,可以得到目标车辆的随时间变化的行驶轨迹。利用行驶轨迹曲率,可以得到目标车辆的行驶方向例如直行、左转、右转或掉头。
示例二、通过图像识别,在第二图像中确定目标车辆的朝向,得到目标车辆的行驶方向。
在步骤S41中,也可以采用多种实施方式得到目标车辆的行驶速度,以下提供两种示例:
示例一、在第二图像中提取目标车辆在像素坐标系中的坐标信息,利用预先标定的图像采集设备的内参数和外参数,得到目标车辆在世界坐标系中的坐标信息。利用各第二图像的采集时间,还可以得到与目标车辆的坐标信息对应的时间点。利用目标车辆在世界坐标系中的坐标信息和对应的时间点,可以计算得到目标车辆在世界坐标系中的行驶速度。
示例二、在第二图像中提取目标车辆在像素坐标系中的坐标信息,利用目标车辆在像素坐标系中的坐标信息,和各第二图像的采集时间,可以计算得到车辆在像素坐标系中的行驶速度。
利用各第二图像的采集时间,采集各第二图像的图像采集设备的位置,以及目标车辆的行驶方向和速度,可以预测在指定时间范围内采集到目标车辆的图像的图像采集设备。
例如,如图2b所示,图像采集设备211设于某个路口中朝南方向的南向北流向的车道M上,图像采集设备213设于同一路口的朝东方向的西向东流向的车道N上,图像采集设备214与图像采集设备213设于同一车道N上。如果目标车辆在图像采集设备211采集范围内的行驶方向是右转,则可以确定目标车辆会进入车道N上,即进入图像采集设备213和图像采集设备214的采集范围内。已知图像采集设备211采集到第二图像的采集时刻为t1,目标车辆的行驶速度为v,可以确定目标车辆在t2时刻的行驶距离约为S=v*(t2-t1)。图像采集设备211与图像采集设备213的距离为L1,图像采集设备213与图像采集设备214的距离为L2。如果S约等于L1,则可以预测在t2时刻采集到目标车辆的图像的图像采集设备为213;如果S约等于(L1+L2),则可以预测在t2时刻采集到目标车辆的图像的图像采集设备为214。由于计算车辆的行驶速度的过程中可能存在误差,车辆在行驶过程中行驶速度也会发生变化,因此,可以将t2时刻前后的一段时间例如5秒设置为指定时间范围,通过计算在该指定时间范围内目标车辆的行驶距离,预测在指定时间范围内采集到目标车辆图像的图像采集设备。
在一种实施方式中,如图5所示,利用各第二图像和采集各第二图像的图像采集设备的关系,追踪目标车辆,包括:
步骤S51、利用至少一个第二图像,得到目标车辆的行驶方向和行驶速度;
步骤S52、利用至少一个第二图像的采集时间,采集至少一个第二图像的图像采集设备的位置,以及目标车辆的行驶方向和行驶速度,预测指定的图像采集设备采集到目标车辆图像的时间范围。
在步骤S51中,可以利用与上述步骤S41类似的各种示例性方式得到目标车辆的行驶方向和行驶速度。
利用各第二图像的采集时间,采集各第二图像的图像采集设备的位置,以及目标车辆的行驶方向和行驶速度,可以预测指定的图像采集设备采集到目标车辆图像的时间范围。
例如,如图2b所示,图像采集设备211设于某个路口中朝南方向的南向北流向的车道M上,图像采集设备213设于同一路口的朝东方向的西向东流向的车道N上,图像采集设备214与图像采集设备213设于同一车道N上。如果目标车辆在图像采集设备211采集范围内的行驶方向是右转,则可以确定目标车辆会进入车道N上,即进入图像采集设备213和图像采集设备214的采集范围内。图像采集设备211与图像采集设备213的距离为L1,图像采集设备213与图像采集设备214的距离为L2。已知图像采集设备211采集到第二图像的采集时刻为t1,其中的目标车辆的行驶速度为v,可以计算目标车辆进入图像采集设备213的时刻t2≈L1/v+t1,目标车辆进入图像采集设备213的时刻t3≈(L1+L2)/v+t1。可以根据车辆的行驶速度的计算误差,以及通常情况下车辆在行驶过程中的速度变化范围,将指定的图像采集设备采集到包括目标车辆的图像的时间预测为一个时间范围。
本申请实施例利用多个图像采集设备所采集的第一图像中的车辆特征信息,找到包括目标车辆的第二图像。然后利用各第二图像和各图像采集设备的关系,可以在多个图像采集设备的采集范围内追踪目标车辆。
图6是根据本申请一实施例的车辆追踪装置的框图。如图6所示,本申请实施例还提供一种车辆追踪装置,包括:
第一提取模块61,用于从来自至少一个图像采集设备的至少一个第一图像中的每一个图像,提取包含车辆特征的信息;
确定模块62,用于利用所述包含车辆特征的信息,从所述至少一个第一图像中确定出包含目标车辆图像的至少一个第二图像;
追踪模块63,用于利用所述至少一个第二图像和所述至少一个图像采集设备的关系,追踪所述目标车辆。
在一种实施方式中,如图7所示,确定模块62包括:
相似度子模块621,用于利用所述包含车辆特征的信息,确定不同的第一图像中的包含车辆特征的信息的相似度;
判定子模块622,用于在不同的所述第一图像中的每两个包含车辆特征的信息的相似度大于预设阈值的情况下,则将所述两个包含车辆特征的信息判定为属于相同车辆;
获取子模块623,用于从属于相同车辆的包含车辆特征的信息所在的图像中,获取包含所述目标车辆图像的至少一个第二图像。
在一种实施方式中,如图7所示,追踪模块63包括:
行驶信息子模块631,用于利用所述至少一个第二图像,得到所述目标车辆的行驶方向和行驶速度度;
第一预测子模块632,用于利用所述至少一个第二图像的采集时间,采集所述至少一个第二图像的图像采集设备的位置,以及所述目标车辆的行驶方向和行驶速度,预测在指定时间范围内采集到所述目标车辆图像的图像采集设备。
在一种实施方式中,如图8所示,追踪模块63包括:
行驶信息子模块631,用于利用所述至少一个第二图像,得到所述目标车辆的行驶方向和行驶速度;
第二预测子模块633,用于利用所述至少一个第二图像的采集时间,采集所述至少一个第二图像的图像采集设备的位置,以及所述目标车辆的行驶方向和行驶速度,预测指定的图像采集设备采集到所述目标车辆图像的时间范围。
在一种实施方式中,如图8所示,该装置还包括:
增强模块64,用于利用生成对抗网络对所述至少一个第一图像中的车辆前挡风玻璃的图像进行增强,得到增强后的所述车辆前挡风玻璃的图像;
第二提取模块65,用于利用增强后的车辆前挡风玻璃的图像,提取包含车辆特征的信息。
本申请实施例各装置中的各模块的功能可以参见上述方法中的对应描述,在此不再赘述。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图9所示,是根据本申请实施例的车辆追踪方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图9所示,该电子设备包括:一个或多个处理器901、存储器902,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示图形用户界面(Graphical User Interface,GUI)的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图9中以一个处理器901为例。
存储器902即为本申请所提供的非瞬时计算机可读存储介质。其中,存储器存储有可由至少一个处理器执行的指令,以使至少一个处理器执行本申请所提供的车辆追踪方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的车辆追踪方法。
存储器902作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的车辆追踪方法对应的程序指令/模块(例如,附图6所示的第一提取模块61、确定模块62和追踪模块63)。处理器901通过运行存储在存储器902中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的车辆追踪方法。
存储器902可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据车辆追踪方法的电子设备的使用所创建的数据等。此外,存储器902可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器902可选包括相对于处理器901远程设置的存储器,这些远程存储器可以通过网络连接至车辆追踪方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
车辆追踪方法的电子设备还可以包括:输入装置903和输出装置904。处理器901、存储器902、输入装置903和输出装置904可以通过总线或者其他方式连接,图9中以通过总线连接为例。
输入装置903可接收输入的数字或字符信息,以及产生与车辆追踪方法的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置904可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(Liquid Crystal Display,LCD)、发光二极管(Light EmittingDiode,LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用集成电路(Application Specific Integrated Circuits,ASIC)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(programmable logic device,PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(Cathode RayTube,阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(Local Area Network,LAN)、广域网(Wide Area Network,WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,利用多个图像采集设备所采集的第一图像中的车辆特征信息,找到包括目标车辆的第二图像。然后利用各第二图像和各图像采集设备的关系,可以在多个图像采集设备的采集范围内追踪目标车辆。利用相似度判定不同的第一图像中的车辆特征信息是否属于相同车辆,从而获取包括目标车辆的各第二图像。利用图像信息能够确定包括目标车辆的各第二图像,可以提高轨迹追踪效率。利用各第二图像可以得到目标车辆的行驶方向和行驶速度,从而可以预测采集到目标车辆的图像的图像采集设备或时间范围,可以持续追踪目标车辆,并且具有较高的追踪效率。利用增强后的车辆前挡风玻璃的图像作为车辆特征信息,可以提高追踪目标车辆的准确度。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (12)
1.一种车辆追踪方法,其特征在于,包括:
从来自至少一个图像采集设备的至少一个第一图像中的每一个图像,提取包含车辆特征的信息;
利用所述包含车辆特征的信息,从所述至少一个第一图像中确定出包含目标车辆图像的至少一个第二图像;
利用所述至少一个第二图像和所述至少一个图像采集设备的关系,追踪所述目标车辆。
2.根据权利要求1所述的方法,其特征在于,利用所述包含车辆特征的信息,从所述至少一个第一图像中确定出包括目标车辆的至少一个第二图像,包括:
利用所述包含车辆特征的信息,确定不同的第一图像中的包含车辆特征的信息的相似度;
在不同的所述第一图像中的每两个包含车辆特征的信息的相似度大于预设阈值的情况下,则将所述两个包含车辆特征的信息判定为属于相同车辆;
从属于相同车辆的包含车辆特征的信息所在的图像中,获取包含所述目标车辆图像的至少一个第二图像。
3.根据权利要求1所述的方法,其特征在于,利用所述至少一个第二图像和所述至少一个图像采集设备的关系,追踪所述目标车辆,包括:
利用所述至少一个第二图像,得到所述目标车辆的行驶方向和行驶速度;
利用所述至少一个第二图像的采集时间,采集所述至少一个第二图像的图像采集设备的位置,以及所述目标车辆的行驶方向和行驶速度,预测在指定时间范围内采集到所述目标车辆图像的图像采集设备。
4.根据权利要求1所述的方法,其特征在于,利用所述至少一个第二图像和所述至少一个图像采集设备的关系,追踪所述目标车辆,包括:
利用所述至少一个第二图像,得到所述目标车辆的行驶方向和行驶速度;
利用所述至少一个第二图像的采集时间,采集所述至少一个第二图像的图像采集设备的位置,以及所述目标车辆的行驶方向和行驶速度,预测指定的图像采集设备采集到所述目标车辆图像的时间范围。
5.根据权利要求1所述的方法,其特征在于,还包括:
利用生成对抗网络对所述至少一个第一图像中的车辆前挡风玻璃的图像进行增强,得到增强后的所述车辆前挡风玻璃的图像;
利用增强后的车辆前挡风玻璃的图像,提取包含车辆特征的信息。
6.一种车辆追踪装置,其特征在于,包括:
第一提取模块,用于从来自至少一个图像采集设备的至少一个第一图像中的每一个图像,提取包含车辆特征的信息;
确定模块,用于利用所述包含车辆特征的信息,从所述至少一个第一图像中确定出包含目标车辆图像的至少一个第二图像;
追踪模块,用于利用所述至少一个第二图像和所述至少一个图像采集设备的关系,追踪所述目标车辆。
7.根据权利要求6所述的装置,其特征在于,所述确定模块包括:
相似度子模块,用于利用所述包含车辆特征的信息,确定不同的第一图像中的包含车辆特征的信息的相似度;
判定子模块,用于在不同的所述第一图像中的每两个包含车辆特征的信息的相似度大于预设阈值的情况下,则将所述两个包含车辆特征的信息判定为属于相同车辆;
获取子模块,用于从属于相同车辆的包含车辆特征的信息所在的图像中,获取包含所述目标车辆图像的至少一个第二图像。
8.根据权利要求6所述的装置,其特征在于,所述追踪模块包括:
行驶信息子模块,用于利用所述至少一个第二图像,得到所述目标车辆的行驶方向和行驶速度;
第一预测子模块,用于利用所述至少一个第二图像的采集时间,采集所述至少一个第二图像的图像采集设备的位置,以及所述目标车辆的行驶方向和行驶速度,预测在指定时间范围内采集到所述目标车辆图像的图像采集设备。
9.根据权利要求6所述的装置,其特征在于,所述追踪模块包括:
行驶信息子模块,用于利用所述至少一个第二图像,得到所述目标车辆的行驶方向和行驶速度;
第二预测子模块,用于利用所述至少一个第二图像的采集时间,采集所述至少一个第二图像的图像采集设备的位置,以及所述目标车辆的行驶方向和行驶速度,预测指定的图像采集设备采集到所述目标车辆图像的时间范围。
10.根据权利要求6所述的装置,其特征在于,还包括:
增强模块,用于利用生成对抗网络对所述至少一个第一图像中的车辆前挡风玻璃的图像进行增强,得到增强后的所述车辆前挡风玻璃的图像;
第二提取模块,用于利用增强后的车辆前挡风玻璃的图像,提取包含车辆特征的信息。
11.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010092580.7A CN111275983B (zh) | 2020-02-14 | 2020-02-14 | 车辆追踪方法、装置、电子设备和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010092580.7A CN111275983B (zh) | 2020-02-14 | 2020-02-14 | 车辆追踪方法、装置、电子设备和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111275983A true CN111275983A (zh) | 2020-06-12 |
CN111275983B CN111275983B (zh) | 2022-11-01 |
Family
ID=71003599
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010092580.7A Active CN111275983B (zh) | 2020-02-14 | 2020-02-14 | 车辆追踪方法、装置、电子设备和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111275983B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111723768A (zh) * | 2020-06-30 | 2020-09-29 | 北京百度网讯科技有限公司 | 车辆重识别的方法、装置、设备和存储介质 |
CN111896010A (zh) * | 2020-07-30 | 2020-11-06 | 北京百度网讯科技有限公司 | 车辆定位方法、装置、车辆以及存储介质 |
CN112135038A (zh) * | 2020-08-11 | 2020-12-25 | 浙江登凯建设有限公司 | 基于交通监控的车辆追踪方法、系统及其存储介质 |
CN112507957A (zh) * | 2020-12-21 | 2021-03-16 | 北京百度网讯科技有限公司 | 一种车辆关联方法、装置、路侧设备及云控平台 |
CN112597830A (zh) * | 2020-12-11 | 2021-04-02 | 国汽(北京)智能网联汽车研究院有限公司 | 一种车辆追踪的方法、装置、设备及计算机存储介质 |
CN112990217A (zh) * | 2021-03-24 | 2021-06-18 | 北京百度网讯科技有限公司 | 针对车辆的图像识别方法、装置、电子设备和介质 |
CN114333409A (zh) * | 2021-12-31 | 2022-04-12 | 北京精英路通科技有限公司 | 目标跟踪方法、装置、电子设备及存储介质 |
CN115394089A (zh) * | 2022-07-29 | 2022-11-25 | 天翼云科技有限公司 | 一种车辆信息融合展示的方法、无感通行系统及存储介质 |
CN115497306A (zh) * | 2022-11-22 | 2022-12-20 | 中汽研汽车检验中心(天津)有限公司 | 一种基于gis数据的速度区间权重计算方法 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1489120A (zh) * | 2002-07-19 | 2004-04-14 | 住友电气工业株式会社 | 图像处理设备,图像处理方法和车辆监控系统 |
CN101727748A (zh) * | 2009-11-30 | 2010-06-09 | 北京中星微电子有限公司 | 一种基于车辆尾灯检测的车辆监控方法、系统和设备 |
CN101800890A (zh) * | 2010-04-08 | 2010-08-11 | 北京航空航天大学 | 一种高速公路监控场景下多车辆视频跟踪方法 |
CN101916383A (zh) * | 2010-08-25 | 2010-12-15 | 浙江师范大学 | 基于多摄像机的车辆检测跟踪识别系统 |
US20120148094A1 (en) * | 2010-12-09 | 2012-06-14 | Chung-Hsien Huang | Image based detecting system and method for traffic parameters and computer program product thereof |
CN102682295A (zh) * | 2012-05-24 | 2012-09-19 | 杭州图伦信息技术有限公司 | 一种透视车膜检测乘车人员的方法及装置 |
CN102768359A (zh) * | 2011-05-03 | 2012-11-07 | 财团法人工业技术研究院 | 追踪系统与方法 |
CN103578084A (zh) * | 2013-12-09 | 2014-02-12 | 西安电子科技大学 | 基于亮通道滤波的彩色图像增强方法 |
CN106412414A (zh) * | 2016-06-08 | 2017-02-15 | 同济大学 | 追踪系统、摄像头、监测方法、及监测系统 |
CN106791433A (zh) * | 2017-01-18 | 2017-05-31 | 维沃移动通信有限公司 | 一种图像处理方法及电子设备 |
CN107316463A (zh) * | 2017-07-07 | 2017-11-03 | 深圳市诺龙技术股份有限公司 | 一种车辆监控的方法和装置 |
CN107784838A (zh) * | 2016-08-30 | 2018-03-09 | 杭州海康威视系统技术有限公司 | 一种交通违法动态识别方法和系统 |
CN107862270A (zh) * | 2017-10-31 | 2018-03-30 | 深圳云天励飞技术有限公司 | 人脸分类器训练方法、人脸检测方法及装置、电子设备 |
CN108734967A (zh) * | 2017-04-20 | 2018-11-02 | 杭州海康威视数字技术股份有限公司 | 违章车辆监控方法、装置及系统 |
CN109325989A (zh) * | 2018-08-27 | 2019-02-12 | 平安科技(深圳)有限公司 | 车牌图像生成方法、装置、设备及介质 |
CN110021172A (zh) * | 2019-05-06 | 2019-07-16 | 北京英泰智科技股份有限公司 | 一种车辆全要素特征采集方法和系统 |
KR102032654B1 (ko) * | 2018-07-10 | 2019-10-15 | 주식회사 퀀텀게이트 | 교통사고 예보 시스템 |
CN110781824A (zh) * | 2019-10-25 | 2020-02-11 | 北京百度网讯科技有限公司 | 目标检测及跟踪方法、装置、电子设备及存储介质 |
-
2020
- 2020-02-14 CN CN202010092580.7A patent/CN111275983B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1489120A (zh) * | 2002-07-19 | 2004-04-14 | 住友电气工业株式会社 | 图像处理设备,图像处理方法和车辆监控系统 |
CN101727748A (zh) * | 2009-11-30 | 2010-06-09 | 北京中星微电子有限公司 | 一种基于车辆尾灯检测的车辆监控方法、系统和设备 |
CN101800890A (zh) * | 2010-04-08 | 2010-08-11 | 北京航空航天大学 | 一种高速公路监控场景下多车辆视频跟踪方法 |
CN101916383A (zh) * | 2010-08-25 | 2010-12-15 | 浙江师范大学 | 基于多摄像机的车辆检测跟踪识别系统 |
US20120148094A1 (en) * | 2010-12-09 | 2012-06-14 | Chung-Hsien Huang | Image based detecting system and method for traffic parameters and computer program product thereof |
CN102768359A (zh) * | 2011-05-03 | 2012-11-07 | 财团法人工业技术研究院 | 追踪系统与方法 |
CN102682295A (zh) * | 2012-05-24 | 2012-09-19 | 杭州图伦信息技术有限公司 | 一种透视车膜检测乘车人员的方法及装置 |
CN103578084A (zh) * | 2013-12-09 | 2014-02-12 | 西安电子科技大学 | 基于亮通道滤波的彩色图像增强方法 |
CN106412414A (zh) * | 2016-06-08 | 2017-02-15 | 同济大学 | 追踪系统、摄像头、监测方法、及监测系统 |
CN107784838A (zh) * | 2016-08-30 | 2018-03-09 | 杭州海康威视系统技术有限公司 | 一种交通违法动态识别方法和系统 |
CN106791433A (zh) * | 2017-01-18 | 2017-05-31 | 维沃移动通信有限公司 | 一种图像处理方法及电子设备 |
CN108734967A (zh) * | 2017-04-20 | 2018-11-02 | 杭州海康威视数字技术股份有限公司 | 违章车辆监控方法、装置及系统 |
CN107316463A (zh) * | 2017-07-07 | 2017-11-03 | 深圳市诺龙技术股份有限公司 | 一种车辆监控的方法和装置 |
CN107862270A (zh) * | 2017-10-31 | 2018-03-30 | 深圳云天励飞技术有限公司 | 人脸分类器训练方法、人脸检测方法及装置、电子设备 |
KR102032654B1 (ko) * | 2018-07-10 | 2019-10-15 | 주식회사 퀀텀게이트 | 교통사고 예보 시스템 |
CN109325989A (zh) * | 2018-08-27 | 2019-02-12 | 平安科技(深圳)有限公司 | 车牌图像生成方法、装置、设备及介质 |
CN110021172A (zh) * | 2019-05-06 | 2019-07-16 | 北京英泰智科技股份有限公司 | 一种车辆全要素特征采集方法和系统 |
CN110781824A (zh) * | 2019-10-25 | 2020-02-11 | 北京百度网讯科技有限公司 | 目标检测及跟踪方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
周晓垣: "《人工智能 开启颠覆性智能时代》", 31 May 2018 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111723768A (zh) * | 2020-06-30 | 2020-09-29 | 北京百度网讯科技有限公司 | 车辆重识别的方法、装置、设备和存储介质 |
US11694436B2 (en) | 2020-06-30 | 2023-07-04 | Beijing Baidu Netcom Science Technology Co., Ltd. | Vehicle re-identification method, apparatus, device and storage medium |
CN111723768B (zh) * | 2020-06-30 | 2023-08-11 | 北京百度网讯科技有限公司 | 车辆重识别的方法、装置、设备和存储介质 |
CN111896010A (zh) * | 2020-07-30 | 2020-11-06 | 北京百度网讯科技有限公司 | 车辆定位方法、装置、车辆以及存储介质 |
CN112135038A (zh) * | 2020-08-11 | 2020-12-25 | 浙江登凯建设有限公司 | 基于交通监控的车辆追踪方法、系统及其存储介质 |
CN112597830A (zh) * | 2020-12-11 | 2021-04-02 | 国汽(北京)智能网联汽车研究院有限公司 | 一种车辆追踪的方法、装置、设备及计算机存储介质 |
CN112507957A (zh) * | 2020-12-21 | 2021-03-16 | 北京百度网讯科技有限公司 | 一种车辆关联方法、装置、路侧设备及云控平台 |
CN112507957B (zh) * | 2020-12-21 | 2023-12-15 | 阿波罗智联(北京)科技有限公司 | 一种车辆关联方法、装置、路侧设备及云控平台 |
CN112990217A (zh) * | 2021-03-24 | 2021-06-18 | 北京百度网讯科技有限公司 | 针对车辆的图像识别方法、装置、电子设备和介质 |
CN114333409A (zh) * | 2021-12-31 | 2022-04-12 | 北京精英路通科技有限公司 | 目标跟踪方法、装置、电子设备及存储介质 |
CN115394089A (zh) * | 2022-07-29 | 2022-11-25 | 天翼云科技有限公司 | 一种车辆信息融合展示的方法、无感通行系统及存储介质 |
CN115497306A (zh) * | 2022-11-22 | 2022-12-20 | 中汽研汽车检验中心(天津)有限公司 | 一种基于gis数据的速度区间权重计算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111275983B (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111275983B (zh) | 车辆追踪方法、装置、电子设备和计算机可读存储介质 | |
CN112149636B (zh) | 用于检测目标物体的方法、装置、电子设备及存储介质 | |
CN110738183B (zh) | 路侧相机障碍物检测方法及装置 | |
CN111292531B (zh) | 交通信号灯的跟踪方法、装置、设备及存储介质 | |
CN110968718B (zh) | 目标检测模型负样本挖掘方法、装置及电子设备 | |
CN111626206A (zh) | 高精地图构建方法、装置、电子设备及计算机存储介质 | |
CN111723768A (zh) | 车辆重识别的方法、装置、设备和存储介质 | |
CN111832568A (zh) | 车牌识别方法、车牌识别模型的训练方法和装置 | |
CN110717933B (zh) | 针对运动物体漏检的后处理方法、装置、设备和介质 | |
CN113091757B (zh) | 地图生成方法和装置 | |
CN111767853A (zh) | 车道线检测方法和装置 | |
CN112668428A (zh) | 车辆变道的检测方法、路侧设备、云控平台和程序产品 | |
CN111666876A (zh) | 用于检测障碍物的方法、装置、电子设备和路侧设备 | |
CN113673281B (zh) | 限速信息确定方法、装置、设备以及存储介质 | |
CN111275827A (zh) | 基于边缘的增强现实三维跟踪注册方法、装置和电子设备 | |
CN111652112A (zh) | 一种车道流向的识别方法、装置、电子设备及存储介质 | |
CN111540010B (zh) | 一种道路监测的方法、装置、电子设备及存储介质 | |
CN111339877B (zh) | 盲区的长度检测方法、装置、电子设备及存储介质 | |
CN110717474A (zh) | 目标关联计算方法、装置、设备和介质 | |
CN111814636A (zh) | 一种安全带检测方法、装置、电子设备及存储介质 | |
CN112749701B (zh) | 车牌污损分类模型的生成方法和车牌污损分类方法 | |
CN110458815A (zh) | 有雾场景检测的方法及装置 | |
CN113361303B (zh) | 临时交通标志牌识别方法、装置及设备 | |
CN113011298A (zh) | 截断物体样本生成、目标检测方法、路侧设备和云控平台 | |
CN111696134A (zh) | 一种目标检测方法、装置以及电子设备 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20211014 Address after: 100176 Room 101, 1st floor, building 1, yard 7, Ruihe West 2nd Road, economic and Technological Development Zone, Daxing District, Beijing Applicant after: Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd. Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |