CN111444756B - 危险行驶场景辨识平台、方法及存储介质 - Google Patents

危险行驶场景辨识平台、方法及存储介质 Download PDF

Info

Publication number
CN111444756B
CN111444756B CN201911061846.5A CN201911061846A CN111444756B CN 111444756 B CN111444756 B CN 111444756B CN 201911061846 A CN201911061846 A CN 201911061846A CN 111444756 B CN111444756 B CN 111444756B
Authority
CN
China
Prior art keywords
image
filtering
wide
equipment
accident
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.)
Active
Application number
CN201911061846.5A
Other languages
English (en)
Other versions
CN111444756A (zh
Inventor
丁亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HEFEI YAOSHI TONGHUI TECHNOLOGY Co.,Ltd.
Original Assignee
Hefei Yaoshi Tonghui Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hefei Yaoshi Tonghui Technology Co ltd filed Critical Hefei Yaoshi Tonghui Technology Co ltd
Priority to CN201911061846.5A priority Critical patent/CN111444756B/zh
Publication of CN111444756A publication Critical patent/CN111444756A/zh
Priority to GBGB2013614.9A priority patent/GB202013614D0/en
Application granted granted Critical
Publication of CN111444756B publication Critical patent/CN111444756B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63—Scene text, e.g. street names
    • 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
    • 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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • 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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Image Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种危险行驶场景辨识平台、方法及存储介质，所述平台包括：特征分析设备，用于基于车牌成像特征提取接收到的图像中的各个车牌号码，进而获取每一个车牌号码对应的事故次数；次数分析设备，与所述特征分析设备连接，用于对各个车牌号码分别对应的各个事故次数进行均值计算，以获得平均事故次数；逃离提示设备，与所述次数分析设备连接，用于在接收到的平均事故次数超限时，发出逃离当前环境的提示信息，否则，发出留守当前环境的提示信息。本发明的危险行驶场景辨识平台、方法及存储介质结构紧凑、运行稳定。由于能够基于周围各个车辆的各个事故次数决定当前行驶场景的危险程度，从而主动为车主提供了重要的行驶参考信息。

Description

危险行驶场景辨识平台、方法及存储介质
技术领域
本发明涉及智能控制领域，尤其涉及一种危险行驶场景辨识平台、方法及存储介质。
背景技术
智能控制是具有智能信息处理、智能信息反馈和智能控制决策的控制方式，是控制理论发展的高级阶段，主要用来解决那些用传统方法难以解决的复杂系统的控制问题。智能控制研究对象的主要特点是具有不确定性的数学模型、高度的非线性和复杂的任务要求。
智能控制的思想出现于20世纪60年代。当时，学习控制的研究十分活跃，并获得较好的应用。如自学习和自适应方法被开发出来，用于解决控制系统的随机特性问题和模型未知问题；1965年美国普渡大学傅京孙教授首先把AI的启发式推理规则用于学习控制系统；1966年美国门德尔首先主张将AI用于飞船控制系统的设计。
发明内容
为了解决相关领域的技术问题，本发明提供了一种危险行驶场景辨识平台，能够对周围各个车辆的各个事故次数进行均值计算，以获得平均事故次数，将所述平均事故次数作为参考数据以决定当前行驶场景的危险程度；其中，在通过电子地图APP获取当前行驶路段的拥堵等级低于预设等级阈值时，方启动对当前行驶场景的危险程度的判断，从而降低了设备功耗。
根据本发明的一方面，提供了一种危险行驶场景辨识平台，所述平台包括：
拥堵检测设备，设置在车载终端上，用于在通过电子地图APP获取当前行驶路段的拥堵等级低于预设等级阈值时，发出第一控制信号；
所述拥堵检测设备还用于在通过电子地图APP获取当前行驶路段的拥堵等级高于等于所述预设等级阈值时，发出第二控制信号；
宽视野摄像仪，其视角超过270度，设置在车辆顶部，与所述拥堵检测设备连接，用于在接收到所述第一控制信号时，对车辆所在场景执行拍摄，以获得对应的宽视野图像；
伽马校正设备，与所述宽视野摄像仪连接，用于接收所述宽视野图像，对所述宽视野图像执行伽马校正处理，以获得伽马校正图像；
高通滤波锐化设备，与所述伽马校正设备连接，用于接收所述伽马校正图像，基于所述伽马校正图像的模糊度执行对所述伽马校正图像的高通滤波锐化，以获得高通滤波锐化图像，所述伽马校正图像的模糊度越高，执行对所述伽马校正图像的高通滤波锐化的次数越多；
统计排序滤波器设备，与所述高通滤波锐化设备连接，用于基于接收到的高通滤波锐化图像中的噪声最大幅值执行对所述高通滤波锐化图像的统计排序滤波器处理，以获得相应的统计滤波图像，所述噪声最大幅值越大，对所述高通滤波锐化图像的统计排序滤波器处理的幅度越大；
特征分析设备，与所述统计排序滤波器设备连接，用于基于车牌成像特征提取统计滤波图像中的各个车牌号码，进而获取每一个车牌号码对应的事故次数；
次数分析设备，与所述特征分析设备连接，用于对各个车牌号码分别对应的各个事故次数进行均值计算，以获得平均事故次数；
逃离提示设备，与所述次数分析设备连接，用于在接收到的平均事故次数超限时，发出逃离当前环境的提示信息，否则，发出留守当前环境的提示信息。
根据本发明的另一方面，还提供了一种危险行驶场景辨识方法，所述方法包括使用如上述的危险行驶场景辨识平台以对周围各个车辆的各个事故次数进行均值计算，以获得平均事故次数，并将所述平均事故次数作为参考数据以决定当前行驶场景的危险程度。
根据本发明的又一方面，还提供了一种计算机可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序在被执行时实现如上述的危险行驶场景辨识方法的各个步骤。
本发明的危险行驶场景辨识平台、方法及存储介质结构紧凑、运行稳定。由于能够基于周围各个车辆的各个事故次数决定当前行驶场景的危险程度，从而主动为车主提供了重要的行驶参考信息。
由此可见，本发明至少需要具备以下两处重要的发明点：
(1)对周围各个车辆的各个事故次数进行均值计算，以获得平均事故次数，将所述平均事故次数作为参考数据以决定当前行驶场景的危险程度；
(2)在通过电子地图APP获取当前行驶路段的拥堵等级低于预设等级阈值时，方启动对当前行驶场景的危险程度的判断，从而降低了设备功耗。
附图说明
以下将结合附图对本发明的实施方案进行描述，其中：
图1为根据本发明实施方案示出的危险行驶场景辨识平台的结构方框图。
图2为根据本发明实施方案示出的计算机可读存储介质的示意图。
具体实施方式
下面将参照附图对本发明的危险行驶场景辨识平台、方法及存储介质的实施方案进行详细说明。
电子地图(英语：Electronic map)，即数字地图，是利用计算机技术，以数字方式存储和查阅的地图。电子地图储存资讯的方法，一般使用向量式图像储存，地图比例可放大、缩小或旋转而不影响显示效果，早期使用位图式储存，地图比例不能放大或缩小，现代电子地图软件一般利用地理信息系统来储存和传送地图数据，也有其他的信息系统。2014年7月9日，腾讯地图4.4发布成为业内首款实现真正零流量、全离线的地图产品。
电子地图是地图制作和应用的一个系统，是由电子计算机控制所生成的地图，是基于数字制图技术的屏幕地图，是可视化的实地图。“在计算机屏幕上可视化”是电子地图的根本特征。
目前，由于车辆行驶环境不同、车辆构造不同，导致车主所处于的行驶环境非常复杂。车主在行驶过程中只能根据前后车的行驶状态以及自己的经验决定当前场景的危险程度，无法根据周围所有车辆的行驶状态进行智能化的场景识别，导致车主经常陷入被出过多次事故的各个车辆包围的危险场景中。
为了克服上述不足，本发明搭建了一种危险行驶场景辨识平台、方法及存储介质，能够有效解决相应的技术问题。
图1为根据本发明实施方案示出的危险行驶场景辨识平台的结构方框图，所述平台包括：
拥堵检测设备，设置在车载终端上，用于在通过电子地图APP获取当前行驶路段的拥堵等级低于预设等级阈值时，发出第一控制信号；
所述拥堵检测设备还用于在通过电子地图APP获取当前行驶路段的拥堵等级高于等于所述预设等级阈值时，发出第二控制信号；
宽视野摄像仪，其视角超过270度，设置在车辆顶部，与所述拥堵检测设备连接，用于在接收到所述第一控制信号时，对车辆所在场景执行拍摄，以获得对应的宽视野图像；
伽马校正设备，与所述宽视野摄像仪连接，用于接收所述宽视野图像，对所述宽视野图像执行伽马校正处理，以获得伽马校正图像；
高通滤波锐化设备，与所述伽马校正设备连接，用于接收所述伽马校正图像，基于所述伽马校正图像的模糊度执行对所述伽马校正图像的高通滤波锐化，以获得高通滤波锐化图像，所述伽马校正图像的模糊度越高，执行对所述伽马校正图像的高通滤波锐化的次数越多；
统计排序滤波器设备，与所述高通滤波锐化设备连接，用于基于接收到的高通滤波锐化图像中的噪声最大幅值执行对所述高通滤波锐化图像的统计排序滤波器处理，以获得相应的统计滤波图像，所述噪声最大幅值越大，对所述高通滤波锐化图像的统计排序滤波器处理的幅度越大；
特征分析设备，与所述统计排序滤波器设备连接，用于基于车牌成像特征提取统计滤波图像中的各个车牌号码，进而获取每一个车牌号码对应的事故次数；
次数分析设备，与所述特征分析设备连接，用于对各个车牌号码分别对应的各个事故次数进行均值计算，以获得平均事故次数；
逃离提示设备，与所述次数分析设备连接，用于在接收到的平均事故次数超限时，发出逃离当前环境的提示信息，否则，发出留守当前环境的提示信息；
其中，所述宽视野摄像仪还用于在接收到所述第二控制信号时，中断对车辆所在场景执行的拍摄。
接着，继续对本发明的危险行驶场景辨识平台的具体结构进行进一步的说明。
所述危险行驶场景辨识平台中：
所述逃离提示设备为语音播放设备，所述语音播放设备包括微控制器和与所述微控制器连接的语音芯片。
所述危险行驶场景辨识平台中：
所述宽视野摄像仪包括点阵摄像设备、图像复原设备、椒盐滤除设备、陷阱滤波设备和双三次插值设备，所述点阵摄像设备用于对其视野内的场景执行摄像动作，以获得相应的宽视野图像。
所述危险行驶场景辨识平台中：
所述图像复原设备与所述点阵摄像设备连接，用于对接收到的宽视野图像执行图像复原动作，以获得相应的即时复原图像。
所述危险行驶场景辨识平台中：
所述椒盐滤除设备与所述图像复原设备连接，用于对接收到的即时复原图像执行中值滤波处理以去除所述即时复原图像中的椒盐噪声，并获得相应的椒盐滤除图像。
所述危险行驶场景辨识平台中：
所述陷阱滤波设备与所述椒盐滤除设备连接，用于对接收到的椒盐滤除图像执行陷阱滤波处理，以获得相应的陷阱滤波图像。
所述危险行驶场景辨识平台中：
所述双三次插值设备与所述陷阱滤波设备连接，用于对接收到的陷阱滤波图像执行6×6像素邻域的双三次插值处理，以获得相应的领域插值图像。
所述危险行驶场景辨识平台中，所述平台还包括：
FPM DRAM芯片，与所述椒盐滤除设备和所述陷阱滤波设备连接，用于暂存所述椒盐滤除图像和所述陷阱滤波图像；
其中，所述宽视野摄像仪输出所述邻域插值图像，还包括计时设备，用于为所述邻域插值图像的输出时刻进行计时。
同时，为了克服上述不足，本发明还搭建了一种危险行驶场景辨识方法，所述方法包括使用如上述的危险行驶场景辨识平台以对周围各个车辆的各个事故次数进行均值计算，以获得平均事故次数，并将所述平均事故次数作为参考数据以决定当前行驶场景的危险程度。
以及，为了克服上述不足，本发明还搭建了一种计算机可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序在被执行时实现如上述的危险行驶场景辨识方法的各个步骤。
图2为根据本发明实施方案示出的计算机可读存储介质的示意图。如图2所示，根据本发明实施方案的计算机可读存储介质20，其上存储有非暂时性计算机可读指令21。当该非暂时性计算机可读指令21由处理器运行时，执行前述的本发明实施方案的危险行驶场景辨识方法的全部或部分步骤。
另外，FPM DRAM(Fast Page Mode RAM)：快速页面模式内存。是一种在486时期被普遍应用的内存(也曾应用为显存)。72线、5V电压、带宽32bit、基本速度60ns以上。他的读取周期是从DRAM阵列中某一行的触发开始，然后移至内存地址所指位置，即包含所需要的数据。第一条信息必须被证实有效后存至系统，才能为下一个周期作好准备。这样就引入了“等待状态”，因为CPU必须傻傻的等待内存完成一个周期。FPM之所以被广泛应用，一个重要原因就是它是种标准而且安全的产品，而且很便宜。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：只读内存(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (7)

1.一种危险行驶场景辨识平台，其特征在于，所述平台包括：
拥堵检测设备，设置在车载终端上，用于在通过电子地图APP获取当前行驶路段的拥堵等级低于预设等级阈值时，发出第一控制信号；
所述拥堵检测设备还用于在通过电子地图APP获取当前行驶路段的拥堵等级高于等于所述预设等级阈值时，发出第二控制信号；
宽视野摄像仪，其视角超过270度，设置在车辆顶部，与所述拥堵检测设备连接，用于在接收到所述第一控制信号时，对车辆所在场景执行拍摄，以获得对应的宽视野图像；
伽马校正设备，与所述宽视野摄像仪连接，用于接收所述宽视野图像，对所述宽视野图像执行伽马校正处理，以获得伽马校正图像；
高通滤波锐化设备，与所述伽马校正设备连接，用于接收所述伽马校正图像，基于所述伽马校正图像的模糊度执行对所述伽马校正图像的高通滤波锐化，以获得高通滤波锐化图像，所述伽马校正图像的模糊度越高，执行对所述伽马校正图像的高通滤波锐化的次数越多；
统计排序滤波器设备，与所述高通滤波锐化设备连接，用于基于接收到的高通滤波锐化图像中的噪声最大幅值执行对所述高通滤波锐化图像的统计排序滤波器处理，以获得相应的统计滤波图像，所述噪声最大幅值越大，对所述高通滤波锐化图像的统计排序滤波器处理的幅度越大；
特征分析设备，与所述统计排序滤波器设备连接，用于基于车牌成像特征提取统计滤波图像中的各个车牌号码，进而获取每一个车牌号码对应的事故次数；
次数分析设备，与所述特征分析设备连接，用于对各个车牌号码分别对应的各个事故次数进行均值计算，以获得平均事故次数；
逃离提示设备，与所述次数分析设备连接，用于在接收到的平均事故次数超限时，发出逃离当前环境的提示信息，否则，发出留守当前环境的提示信息；
其中，所述宽视野摄像仪还用于在接收到所述第二控制信号时，中断对车辆所在场景执行的拍摄；
所述逃离提示设备为语音播放设备，所述语音播放设备包括微控制器和与所述微控制器连接的语音芯片；
所述宽视野摄像仪包括点阵摄像设备、图像复原设备、椒盐滤除设备、陷阱滤波设备和双三次插值设备，所述点阵摄像设备用于对其视野内的场景执行摄像动作，以获得相应的宽视野图像；
所述图像复原设备与所述点阵摄像设备连接，用于对接收到的宽视野图像执行图像复原动作，以获得相应的即时复原图像。
2.如权利要求1所述的危险行驶场景辨识平台，其特征在于：
所述椒盐滤除设备与所述图像复原设备连接，用于对接收到的即时复原图像执行中值滤波处理以去除所述即时复原图像中的椒盐噪声，并获得相应的椒盐滤除图像。
3.如权利要求2所述的危险行驶场景辨识平台，其特征在于：
所述陷阱滤波设备与所述椒盐滤除设备连接，用于对接收到的椒盐滤除图像执行陷阱滤波处理，以获得相应的陷阱滤波图像。
4.如权利要求3所述的危险行驶场景辨识平台，其特征在于：
所述双三次插值设备与所述陷阱滤波设备连接，用于对接收到的陷阱滤波图像执行6×6像素邻域的双三次插值处理，以获得相应的领域插值图像。
5.如权利要求4所述的危险行驶场景辨识平台，其特征在于，所述平台还包括：
FPM DRAM芯片，与所述椒盐滤除设备和所述陷阱滤波设备连接，用于暂存所述椒盐滤除图像和所述陷阱滤波图像；
其中，所述宽视野摄像仪输出所述邻域插值图像，还包括计时设备，用于为所述邻域插值图像的输出时刻进行计时。
6.一种危险行驶场景辨识方法，所述方法包括使用如权利要求1-5任一所述的危险行驶场景辨识平台以对周围各个车辆的各个事故次数进行均值计算，以获得平均事故次数，并将所述平均事故次数作为参考数据以决定当前行驶场景的危险程度。
7.一种计算机可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序在被执行时实现如权利要求6所述方法的各个步骤。
CN201911061846.5A 2019-11-01 2019-11-01 危险行驶场景辨识平台、方法及存储介质 Active CN111444756B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201911061846.5A CN111444756B (zh) 2019-11-01 2019-11-01 危险行驶场景辨识平台、方法及存储介质
GBGB2013614.9A GB202013614D0 (en) 2019-11-01 2020-09-01 Dangerous driving scene identification platform, method and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911061846.5A CN111444756B (zh) 2019-11-01 2019-11-01 危险行驶场景辨识平台、方法及存储介质

Publications (2)

Publication Number Publication Date
CN111444756A CN111444756A (zh) 2020-07-24
CN111444756B true CN111444756B (zh) 2020-11-20

Family

ID=71648655

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911061846.5A Active CN111444756B (zh) 2019-11-01 2019-11-01 危险行驶场景辨识平台、方法及存储介质

Country Status (2)

Country Link
CN (1) CN111444756B (zh)
GB (1) GB202013614D0 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113066281A (zh) * 2020-12-25 2021-07-02 泰州可以信息科技有限公司 通畅程度本地辨识平台

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102685516A (zh) * 2011-03-07 2012-09-19 李慧盈 立体视觉主动安全辅助驾驶方法
KR102200121B1 (ko) * 2014-02-17 2021-01-08 삼성전자 주식회사 차량 흐름 예측 방법 및 장치
US20180299284A1 (en) * 2014-12-02 2018-10-18 Kevin Sunlin Wang Method and System For Avoidance of Accidents
CN105023439A (zh) * 2015-07-02 2015-11-04 湖北贝力思智能科技有限公司 一种智能动态车牌识别报警系统
CN106080609A (zh) * 2016-06-30 2016-11-09 深圳市赛格导航科技股份有限公司 一种基于adas模块的安全驾驶的方法和系统
CN106530831A (zh) * 2016-12-15 2017-03-22 江苏大学 一种高威胁车辆监测预警系统及方法
CN107103774A (zh) * 2017-06-19 2017-08-29 京东方科技集团股份有限公司 一种车辆监控方法和车辆监控装置
CN109492510A (zh) * 2018-03-23 2019-03-19 李金平 基于图像分析的拥堵程度判断方法
US10334906B1 (en) * 2018-05-31 2019-07-02 Nike, Inc. Intelligent electronic footwear and control logic for automated infrastructure-based pedestrian tracking
CN109165561A (zh) * 2018-07-27 2019-01-08 北京以萨技术股份有限公司 一种基于视频特征的交通拥堵识别方法
CN109219838B (zh) * 2018-08-16 2022-01-28 深圳市锐明技术股份有限公司 一种交通监测报警方法、装置、终端设备及存储介质
CN109410624A (zh) * 2018-12-08 2019-03-01 浙江久安科技有限公司 一种智能交通控制方法
CN109711737A (zh) * 2018-12-28 2019-05-03 英华达（南京）科技有限公司 一种威胁车辆检测方法、装置及系统
CN110341554B (zh) * 2019-06-24 2021-05-25 福建中科星泰数据科技有限公司 可控式环境调节系统

Also Published As

Publication number Publication date
CN111444756A (zh) 2020-07-24
GB202013614D0 (en) 2020-10-14

Similar Documents

Publication Publication Date Title
CN110120024B (zh) 图像处理的方法、装置、设备和存储介质
CN110211069B (zh) 一种图像去噪模型训练方法、系统、设备、计算机介质
CN112364843A (zh) 插拔式航拍图像目标定位检测方法、系统、设备
CN111444756B (zh) 危险行驶场景辨识平台、方法及存储介质
CN111553290A (zh) 文本识别方法、装置、设备及存储介质
CN112163544A (zh) 一种非机动车辆乱摆放的判断方法及系统
US20240203081A1 (en) Processing method for image recognition model and related product
CN111178153A (zh) 一种交通标志检测方法及系统
CN117218622A (zh) 路况检测方法、电子设备及存储介质
CN113205510B (zh) 铁路侵限异物检测方法、装置及终端
CN111126248A (zh) 一种遮挡下的车辆识别方法及装置
CN113129298B (zh) 文本图像的清晰度识别方法
CN116434346B (zh) 无人值守商店内顾客行为的检测方法、装置及存储介质
CN114004787A (zh) 钢丝绳损伤检测方法、装置、终端及存储介质
CN111222446B (zh) 人脸识别方法、人脸识别装置及移动终端
CN111191682A (zh) 网络模型训练方法、黑夜图像的目标检测方法及相关设备
CN115393868B (zh) 文本检测方法、装置、电子设备和存储介质
CN106530286A (zh) 确定清晰度级别的方法及装置
CN115984786A (zh) 车辆损伤检测方法及装置、终端、存储介质
US20220058416A1 (en) Printed character recognition
CN113128505A (zh) 局部可视对抗样本的检测方法、装置、设备和存储介质
CN115880300B (zh) 图像模糊检测方法、装置、电子设备和存储介质
CN113657462B (zh) 用于训练车辆识别模型的方法、车辆识别方法和计算设备
CN118658194B (zh) 一种智慧社区管理方法、系统及程序产品
CN116052440B (zh) 一种车辆意图加塞行为识别方法、装置、设备及存储介质

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: 20201102

Address after: 230000 South Road, Longcheng Road, Feidong Economic Development Zone, Hefei, Anhui

Applicant after: HEFEI YAOSHI TONGHUI TECHNOLOGY Co.,Ltd.

Address before: 225300 South of Diaopu Jiefang Road, Gaogang District, Taizhou City, Jiangsu Province

Applicant before: TAIZHOU THREE KAY ENGINEERING TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant