CN111783498A - 多参数现场采集方法 - Google Patents
多参数现场采集方法 Download PDFInfo
- Publication number
- CN111783498A CN111783498A CN201910265706.3A CN201910265706A CN111783498A CN 111783498 A CN111783498 A CN 111783498A CN 201910265706 A CN201910265706 A CN 201910265706A CN 111783498 A CN111783498 A CN 111783498A
- Authority
- CN
- China
- Prior art keywords
- image
- value
- currently unused
- unused suspension
- electromagnetic leakage
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种多参数现场采集方法，所述方法包括使用多参数现场采集系统以对交通执法点前方的每一个汽车目标进行危险度判断，为交通执法点的管理人员提供有价值的参考数据。
Description
技术领域
本发明涉及参数采集领域，尤其涉及一种多参数现场采集方法。
背景技术
参数是很多机械设置或维修上能用到的一个选项，字面上理解是可供参考的数据，但有时又不全是数据。对指定应用而言，它可以是赋予的常数值；在泛指时，他可以是一种变量，用来控制随其变化而变化的其他的量。简单说，参数是给我们参考的。
在统计学中，描述总体特征的概括性数字度量，他是研究者想要了解的总体的某种特征值。总体未知的指标叫做参数。
在数学中，参数思想贯彻于解析几何中。对于几何变量，人们用含有字母的代数式来表示变量，这个代数式叫作参数式，其中的字母叫做参数。用图形几何性质与代数关系来连立整式，进而解题。同时“参数法”也是许许多多解题技巧的源泉。
发明内容
本发明至少具备以下几处重要的发明点：
(1)基于第一权重值、轨迹可疑程度、第二权重值、枪支相似度、第三权重值和车辆完整度计算当前时刻接收到的图像中每一个汽车目标的危险权衡值，对交通执法点前方的每一个汽车目标进行危险度判断，为交通执法点的管理人员提供有价值的参考数据；
(2)在曲率调整处理的基础上，基于图像代表性幅值的不同决定对图像的各个成分子图像执行不同策略的边缘增强处理机制，从而提升了图像的边缘增强处理的灵活性。
根据本发明的一方面，提供一种多参数现场采集方法，所述方法包括使用多参数现场采集系统以对交通执法点前方的每一个汽车目标进行危险度判断，为交通执法点的管理人员提供有价值的参考数据，所述多参数现场采集系统包括：
液晶显示屏，设置在执法点的一侧，与信息解析设备连接，用于在当前时刻接收到的中值滤波图像中显示每一个汽车目标的危险权衡值；
点阵摄像机，设置在执法点的上方，用于对执法点的前端场景进行摄像操作，以获得前端场景图像，并输出所述前端场景图像；
噪声监测设备，与所述点阵摄像机连接，用于接收所述前端场景图像，对所述前端场景图像中的各种类型噪声进行识别；
幅值分析设备，与所述噪声监测设备连接，用于将所述前端场景图像中的各种类型噪声的各个最大幅值的平均值作为代表性幅值输出；
曲率调整设备，与所述幅值分析设备连接，用于在接收到的代表性幅值高于预设幅度阈值时启动对来自噪声监测设备的前端场景图像的接收，并对所述前端场景图像执行曲率调整处理，以获得曲率调整图像，其中，所述曲率调整图像中的最大曲线曲率小于等于预设曲率阈值；
强度识别设备，与所述曲率调整设备连接，用于接收所述曲率调整图像，基于代表性幅值调整对所述曲率调整图像HSV空间下H成分子图像的边缘增强处理强度，基于代表性幅值调整对所述曲率调整图像HSV空间下S成分子图像的边缘增强处理强度，基于代表性幅值调整对所述曲率调整图像HSV空间下V成分子图像的边缘增强处理强度；
自适应处理设备，与所述强度识别设备连接，用于对所述曲率调整图像HSV空间下的H成分子图像、S成分子图像和V成分子图像并行执行各自边缘增强处理强度的边缘增强处理，以获得对应的自适应处理图像；
中值滤波设备，用于接收所述自适应处理图像，对所述自适应处理图像执行中值滤波处理，以获得并输出中值滤波图像；
轨迹识别设备，与所述中值滤波设备连接，用于基于时间轴接收到的多帧中值滤波图像对每一个汽车目标进行轨迹可疑程度判断，以识别每一个汽车目标对应的轨迹可疑程度；
相似度分析设备，与所述中值滤波设备连接，用于对当前时刻接收到的中值滤波图像中的每一个汽车目标所在区域进行枪支外形相似度分析，以获取每一个汽车目标对应的枪支相似度；
完整度分析设备，与所述中值滤波设备连接，用于对当前时刻接收到的中值滤波图像中的每一个汽车目标所在区域进行车辆完整度分析，以获取每一个汽车目标对应的车辆完整度；
信息解析设备，分别与所述轨迹识别设备、所述相似度分析设备和所述完整度分析设备连接，用于基于第一权重值、轨迹可疑程度、第二权重值、枪支相似度、第三权重值和车辆完整度计算当前时刻接收到的中值滤波图像中每一个汽车目标的危险权衡值。
根据本发明的另一方面，还提供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计算机监控显示方法的各个步骤。
本发明的多参数现场采集方法设计有效、检查快速。由于基于第一权重值、轨迹可疑程度、第二权重值、枪支相似度、第三权重值和车辆完整度计算当前时刻接收到的图像中每一个汽车目标的危险权衡值，从而能够为交通执法点的管理人员提供更全面的参考数据。
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多参数现场采集系统的执法点场景图。
具体实施方式
下面将参照附图对本发明的多参数现场采集方法的实施方案进行详细说明。
车辆的种类虽然多，构造却大同小异。这应该说是标准化的功劳，也是大型生产流水线的需要。随着社会的发展、科技的进步和需求的变化，铁路车辆的外形开始有了改变，尤其是客车车厢不再是清一色的老面孔。但是他们的基本构造并没有重大的改变，只是具体的零部件有了更科学先进的结构设计。
一般来说，车辆的基本构造由车体、车底架、走行部、车钩缓冲装置和制动装置五大部分组成。车辆监控指的是对车辆内外环境和运行模式等各种参数和状态的监控操作。
当前，交通执法点一般设置在各个关键路口或交通枢纽处，用于对每一辆出入车辆进行安全监控，然而，肉眼监控的人工机制其速度和效率已经远远跟不上当前监管的需求，甚至导致车辆进出困难，交通执法点排长队拥堵的情况频繁出现。
为了克服上述不足，本发明搭建一种多参数现场采集方法，所述方法包括使用多参数现场采集系统以对交通执法点前方的每一个汽车目标进行危险度判断，为交通执法点的管理人员提供有价值的参考数据。所述多参数现场采集系统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多参数现场采集系统的执法点场景图。其中，1为通过执法点的汽车目标，2为第一指示灯，3为第二指示灯。
根据本发明实施方案示出的多参数现场采集系统包括：
液晶显示屏，设置在执法点的一侧，与信息解析设备连接，用于在当前时刻接收到的中值滤波图像中显示每一个汽车目标的危险权衡值；
点阵摄像机，设置在执法点的上方，用于对执法点的前端场景进行摄像操作，以获得前端场景图像，并输出所述前端场景图像；
噪声监测设备，与所述点阵摄像机连接，用于接收所述前端场景图像，对所述前端场景图像中的各种类型噪声进行识别；
幅值分析设备，与所述噪声监测设备连接，用于将所述前端场景图像中的各种类型噪声的各个最大幅值的平均值作为代表性幅值输出；
曲率调整设备，与所述幅值分析设备连接，用于在接收到的代表性幅值高于预设幅度阈值时启动对来自噪声监测设备的前端场景图像的接收，并对所述前端场景图像执行曲率调整处理，以获得曲率调整图像，其中，所述曲率调整图像中的最大曲线曲率小于等于预设曲率阈值；
强度识别设备，与所述曲率调整设备连接，用于接收所述曲率调整图像，基于代表性幅值调整对所述曲率调整图像HSV空间下H成分子图像的边缘增强处理强度，基于代表性幅值调整对所述曲率调整图像HSV空间下S成分子图像的边缘增强处理强度，基于代表性幅值调整对所述曲率调整图像HSV空间下V成分子图像的边缘增强处理强度；
自适应处理设备，与所述强度识别设备连接，用于对所述曲率调整图像HSV空间下的H成分子图像、S成分子图像和V成分子图像并行执行各自边缘增强处理强度的边缘增强处理，以获得对应的自适应处理图像；
中值滤波设备，用于接收所述自适应处理图像，对所述自适应处理图像执行中值滤波处理，以获得并输出中值滤波图像；
轨迹识别设备，与所述中值滤波设备连接，用于基于时间轴接收到的多帧中值滤波图像对每一个汽车目标进行轨迹可疑程度判断，以识别每一个汽车目标对应的轨迹可疑程度；
相似度分析设备，与所述中值滤波设备连接，用于对当前时刻接收到的中值滤波图像中的每一个汽车目标所在区域进行枪支外形相似度分析，以获取每一个汽车目标对应的枪支相似度；
完整度分析设备，与所述中值滤波设备连接，用于对当前时刻接收到的中值滤波图像中的每一个汽车目标所在区域进行车辆完整度分析，以获取每一个汽车目标对应的车辆完整度；
信息解析设备，分别与所述轨迹识别设备、所述相似度分析设备和所述完整度分析设备连接，用于基于第一权重值、轨迹可疑程度、第二权重值、枪支相似度、第三权重值和车辆完整度计算当前时刻接收到的中值滤波图像中每一个汽车目标的危险权衡值；
其中，在所述信息解析设备中，第一权重值和轨迹可疑程度相关，第二权重值与枪支相似度相关，第三权重值与车辆完整度相关；
其中，在所述信息解析设备中，危险权衡值越大，对应的汽车目标的危险程度越大；
其中，在所述强度识别设备中，H成分子图像的边缘增强处理强度随代表性幅值的变化程度和V成分子图像的边缘增强处理强度随代表性幅值的变化程度相同；
其中，在所述强度识别设备中，S成分子图像的边缘增强处理强度随代表性幅值的变化程度最为剧烈；
其中，在所述强度识别设备中，H成分子图像的边缘增强处理强度随代表性幅值的变化程度和V成分子图像的边缘增强处理强度随代表性幅值的变化程度呈正比关系。
接着，继续对本发明的多参数现场采集系统的具体结构进行进一步的说明。
所述多参数现场采集系统中：
在所述强度识别设备中，S成分子图像的边缘增强处理强度随代表性幅值的变化程度呈正比关系；
其中，所述噪声监测设备和所述幅值分析设备共用同一16位并行数据接口。
所述多参数现场采集系统中还可以包括：
实时测量设备，分别与轨迹识别设备、相似度分析设备和完整度分析设备的当前未使用的悬置引脚连接，以获取轨迹识别设备的当前未使用的悬置引脚的当前电磁泄露值、相似度分析设备的当前未使用的悬置引脚的当前电磁泄露值和完整度分析设备的当前未使用的悬置引脚的当前电磁泄露值。
所述多参数现场采集系统中还可以包括：
非总线型单片机，与所述实时测量设备连接，用于接收轨迹识别设备的当前未使用的悬置引脚的当前电磁泄露值、相似度分析设备的当前未使用的悬置引脚的当前电磁泄露值和完整度分析设备的当前未使用的悬置引脚的当前电磁泄露值，并对轨迹识别设备的当前未使用的悬置引脚的当前电磁泄露值、相似度分析设备的当前未使用的悬置引脚的当前电磁泄露值和完整度分析设备的当前未使用的悬置引脚的当前电磁泄露值执行加权均值运算以获得现场环境的泄露参考值。
所述多参数现场采集系统中还可以包括：
TF存储器件，与所述非总线型单片机连接，用于预先存储所述权衡因数，还用于预先存储轨迹识别设备的当前未使用的悬置引脚的当前电磁泄露值、相似度分析设备的当前未使用的悬置引脚的当前电磁泄露值和完整度分析设备的当前未使用的悬置引脚的当前电磁泄露值分别参与加权均值运算的三个权重值。
所述多参数现场采集系统中：
所述液晶显示屏还与所述非总线型单片机连接，用于接收现场环境的泄露参考值，并在现场环境的泄露调整值不在预设电磁泄露值范围内时，进行现场环境的泄露调整值的实时文字显示操作。
所述多参数现场采集系统中还可以包括：
在所述TF存储器件中，轨迹识别设备的当前未使用的悬置引脚的当前电磁泄露值、相似度分析设备的当前未使用的悬置引脚的当前电磁泄露值和完整度分析设备的当前未使用的悬置引脚的当前电磁泄露值分别参与加权均值运算的三个权重值大小不同。
所述多参数现场采集系统中：
所述非总线型单片机还用于将获得的现场环境的泄露参考值乘以权衡因数以获得轨迹识别设备的现场环境的泄露调整值。
同时，为了克服上述不足，本发明还搭建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计算机监控显示方法的各个步骤。
另外，单片机(Microcontrollers)是一种集成电路芯片，是采用超大规模集成电路技术把具有数据处理能力的中央处理器CPU、随机存储器RAM、只读存储器ROM、多种I/O口和中断系统、定时器/计数器等功能(可能还包括显示驱动电路、脉宽调制电路、模拟多路转换器、A/D转换器等电路)集成到一块硅片上构成的一个小而完善的微型计算机系统，在工业控制领域广泛应用。
总线型单片机普遍设置有并行地址总线、数据总线、控制总线，这些引脚用以扩展并行外围器件都可通过串行口与单片机连接，另外，许多单片机已把所需要的外围器件及外设接口集成一片内，因此在许多情况下可以不要并行扩展总线，大大减省封装成本和芯片体积，这类单片机称为非总线型单片机。
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 (9)
1.一种多参数现场采集方法，所述方法包括使用多参数现场采集系统以对交通执法点前方的每一个汽车目标进行危险度判断，为交通执法点的管理人员提供有价值的参考数据，所述多参数现场采集系统包括：
液晶显示屏，设置在执法点的一侧，与信息解析设备连接，用于在当前时刻接收到的中值滤波图像中显示每一个汽车目标的危险权衡值；
点阵摄像机，设置在执法点的上方，用于对执法点的前端场景进行摄像操作，以获得前端场景图像，并输出所述前端场景图像；
噪声监测设备，与所述点阵摄像机连接，用于接收所述前端场景图像，对所述前端场景图像中的各种类型噪声进行识别；
幅值分析设备，与所述噪声监测设备连接，用于将所述前端场景图像中的各种类型噪声的各个最大幅值的平均值作为代表性幅值输出；
曲率调整设备，与所述幅值分析设备连接，用于在接收到的代表性幅值高于预设幅度阈值时启动对来自噪声监测设备的前端场景图像的接收，并对所述前端场景图像执行曲率调整处理，以获得曲率调整图像，其中，所述曲率调整图像中的最大曲线曲率小于等于预设曲率阈值；
强度识别设备，与所述曲率调整设备连接，用于接收所述曲率调整图像，基于代表性幅值调整对所述曲率调整图像HSV空间下H成分子图像的边缘增强处理强度，基于代表性幅值调整对所述曲率调整图像HSV空间下S成分子图像的边缘增强处理强度，基于代表性幅值调整对所述曲率调整图像HSV空间下V成分子图像的边缘增强处理强度；
自适应处理设备，与所述强度识别设备连接，用于对所述曲率调整图像HSV空间下的H成分子图像、S成分子图像和V成分子图像并行执行各自边缘增强处理强度的边缘增强处理，以获得对应的自适应处理图像；
中值滤波设备，用于接收所述自适应处理图像，对所述自适应处理图像执行中值滤波处理，以获得并输出中值滤波图像；
轨迹识别设备，与所述中值滤波设备连接，用于基于时间轴接收到的多帧中值滤波图像对每一个汽车目标进行轨迹可疑程度判断，以识别每一个汽车目标对应的轨迹可疑程度；
相似度分析设备，与所述中值滤波设备连接，用于对当前时刻接收到的中值滤波图像中的每一个汽车目标所在区域进行枪支外形相似度分析，以获取每一个汽车目标对应的枪支相似度；
完整度分析设备，与所述中值滤波设备连接，用于对当前时刻接收到的中值滤波图像中的每一个汽车目标所在区域进行车辆完整度分析，以获取每一个汽车目标对应的车辆完整度；
信息解析设备，分别与所述轨迹识别设备、所述相似度分析设备和所述完整度分析设备连接，用于基于第一权重值、轨迹可疑程度、第二权重值、枪支相似度、第三权重值和车辆完整度计算当前时刻接收到的中值滤波图像中每一个汽车目标的危险权衡值；
其中，在所述信息解析设备中，第一权重值和轨迹可疑程度相关，第二权重值与枪支相似度相关，第三权重值与车辆完整度相关；
其中，在所述信息解析设备中，危险权衡值越大，对应的汽车目标的危险程度越大；
其中，在所述强度识别设备中，H成分子图像的边缘增强处理强度随代表性幅值的变化程度和V成分子图像的边缘增强处理强度随代表性幅值的变化程度相同；
其中，在所述强度识别设备中，S成分子图像的边缘增强处理强度随代表性幅值的变化程度最为剧烈；
其中，在所述强度识别设备中，H成分子图像的边缘增强处理强度随代表性幅值的变化程度和V成分子图像的边缘增强处理强度随代表性幅值的变化程度呈正比关系。
2.如权利要求1所述的方法，其特征在于：
在所述强度识别设备中，S成分子图像的边缘增强处理强度随代表性幅值的变化程度呈正比关系；
其中，所述噪声监测设备和所述幅值分析设备共用同一16位并行数据接口。
3.如权利要求2所述的方法，其特征在于，所述系统还包括：
实时测量设备，分别与轨迹识别设备、相似度分析设备和完整度分析设备的当前未使用的悬置引脚连接，以获取轨迹识别设备的当前未使用的悬置引脚的当前电磁泄露值、相似度分析设备的当前未使用的悬置引脚的当前电磁泄露值和完整度分析设备的当前未使用的悬置引脚的当前电磁泄露值。
4.如权利要求3所述的方法，其特征在于，所述系统还包括：
非总线型单片机，与所述实时测量设备连接，用于接收轨迹识别设备的当前未使用的悬置引脚的当前电磁泄露值、相似度分析设备的当前未使用的悬置引脚的当前电磁泄露值和完整度分析设备的当前未使用的悬置引脚的当前电磁泄露值，并对轨迹识别设备的当前未使用的悬置引脚的当前电磁泄露值、相似度分析设备的当前未使用的悬置引脚的当前电磁泄露值和完整度分析设备的当前未使用的悬置引脚的当前电磁泄露值执行加权均值运算以获得现场环境的泄露参考值。
5.如权利要求4所述的方法，其特征在于，所述系统还包括：
TF存储器件，与所述非总线型单片机连接，用于预先存储所述权衡因数，还用于预先存储轨迹识别设备的当前未使用的悬置引脚的当前电磁泄露值、相似度分析设备的当前未使用的悬置引脚的当前电磁泄露值和完整度分析设备的当前未使用的悬置引脚的当前电磁泄露值分别参与加权均值运算的三个权重值。
6.如权利要求5所述的方法，其特征在于：
所述液晶显示屏还与所述非总线型单片机连接，用于接收现场环境的泄露参考值，并在现场环境的泄露调整值不在预设电磁泄露值范围内时，进行现场环境的泄露调整值的实时文字显示操作。
7.如权利要求6所述的方法，其特征在于，所述系统还包括：
在所述TF存储器件中，轨迹识别设备的当前未使用的悬置引脚的当前电磁泄露值、相似度分析设备的当前未使用的悬置引脚的当前电磁泄露值和完整度分析设备的当前未使用的悬置引脚的当前电磁泄露值分别参与加权均值运算的三个权重值大小不同。
8.如权利要求7所述的方法，其特征在于：
所述非总线型单片机还用于将获得的现场环境的泄露参考值乘以权衡因数以获得轨迹识别设备的现场环境的泄露调整值。
9.一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8所述方法的各个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910265706.3A CN111783498B (zh) | 2019-04-03 | 2019-04-03 | 多参数现场采集方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910265706.3A CN111783498B (zh) | 2019-04-03 | 2019-04-03 | 多参数现场采集方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111783498A true CN111783498A (zh) | 2020-10-16 |
| CN111783498B CN111783498B (zh) | 2021-02-19 |
Family
ID=72754801
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910265706.3A Active CN111783498B (zh) | 2019-04-03 | 2019-04-03 | 多参数现场采集方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111783498B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020013686A1 (en) * | 2000-03-06 | 2002-01-31 | Bellora Val A. | Method for improving the energy absorbing characteristics of automobile components |
| CN101173987A (zh) * | 2007-10-31 | 2008-05-07 | 北京航空航天大学 | 多模多目标精密跟踪装置和方法 |
| CN101325718A (zh) * | 2007-06-14 | 2008-12-17 | 索尼株式会社 | 图像处理装置和方法 |
| US20090259632A1 (en) * | 2008-04-15 | 2009-10-15 | Yahoo! Inc. | System and method for trail identification with search results |
| CN101655562A (zh) * | 2009-09-11 | 2010-02-24 | 深圳市高伦技术有限公司 | 用于船舶的防碰撞告警雷达系统及设备 |
| CN101770648A (zh) * | 2009-01-06 | 2010-07-07 | 北京中星微电子有限公司 | 一种基于视频监控的徘徊检测系统及方法 |
| CN101859432A (zh) * | 2010-05-17 | 2010-10-13 | 重庆师范大学 | 档案图像增强的构造方法 |
| CN103020948A (zh) * | 2011-09-28 | 2013-04-03 | 中国航天科工集团第二研究院二○七所 | 智能车载防撞预警系统中的夜间图像特征提取方法 |
| CN103223911A (zh) * | 2012-01-30 | 2013-07-31 | 日立民用电子株式会社 | 车辆用碰撞危险预测装置 |
| CN104243770A (zh) * | 2013-06-19 | 2014-12-24 | 日立产业控制解决方案有限公司 | 图像信号处理装置、摄像装置及图像处理程序 |
| US20170269187A1 (en) * | 2016-03-15 | 2017-09-21 | Canon Kabushiki Kaisha | Image pickup apparatus having function of generating simulation image,control method therefor, and storage medium |
| CN109035651A (zh) * | 2018-08-16 | 2018-12-18 | 孙春兰 | 一种提高住宅环境的安全性的方法 |
-
2019
- 2019-04-03 CN CN201910265706.3A patent/CN111783498B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020013686A1 (en) * | 2000-03-06 | 2002-01-31 | Bellora Val A. | Method for improving the energy absorbing characteristics of automobile components |
| CN101325718A (zh) * | 2007-06-14 | 2008-12-17 | 索尼株式会社 | 图像处理装置和方法 |
| CN101173987A (zh) * | 2007-10-31 | 2008-05-07 | 北京航空航天大学 | 多模多目标精密跟踪装置和方法 |
| US20090259632A1 (en) * | 2008-04-15 | 2009-10-15 | Yahoo! Inc. | System and method for trail identification with search results |
| CN101770648A (zh) * | 2009-01-06 | 2010-07-07 | 北京中星微电子有限公司 | 一种基于视频监控的徘徊检测系统及方法 |
| CN101655562A (zh) * | 2009-09-11 | 2010-02-24 | 深圳市高伦技术有限公司 | 用于船舶的防碰撞告警雷达系统及设备 |
| CN101859432A (zh) * | 2010-05-17 | 2010-10-13 | 重庆师范大学 | 档案图像增强的构造方法 |
| CN103020948A (zh) * | 2011-09-28 | 2013-04-03 | 中国航天科工集团第二研究院二○七所 | 智能车载防撞预警系统中的夜间图像特征提取方法 |
| CN103223911A (zh) * | 2012-01-30 | 2013-07-31 | 日立民用电子株式会社 | 车辆用碰撞危险预测装置 |
| CN104243770A (zh) * | 2013-06-19 | 2014-12-24 | 日立产业控制解决方案有限公司 | 图像信号处理装置、摄像装置及图像处理程序 |
| US20170269187A1 (en) * | 2016-03-15 | 2017-09-21 | Canon Kabushiki Kaisha | Image pickup apparatus having function of generating simulation image,control method therefor, and storage medium |
| CN109035651A (zh) * | 2018-08-16 | 2018-12-18 | 孙春兰 | 一种提高住宅环境的安全性的方法 |
Non-Patent Citations (2)
| Title |
|---|
| DABOV K等: "Image denoising by sparse 3-D transform domain collaborative fitering", 《IEEE TRANS IMAGE PROCESS》 * |
| 周先春等: "一种基于曲率变分正则化的小波变换图像去噪方法", 《电子学报》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111783498B (zh) | 2021-02-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109344805A (zh) | 交通违法图片智能预审方法及装置 | |
| CN111862228A (zh) | 遮挡检测的方法、系统、计算机设备和可读存储介质 | |
| DE102013211025A1 (de) | Warnsysteme und Warnverfahren für ein Fahrzeug | |
| DE102017109073A1 (de) | Informationsanzeigevorrichtung | |
| CN101477358A (zh) | 统计过程控制方法和装置 | |
| DE102010062292A1 (de) | Reifendruckeinstellung anhand der Fahrzeuglast | |
| CN111783498B (zh) | 多参数现场采集方法 | |
| CN111027580B (zh) | 多参数现场采集系统 | |
| DE102018117679A1 (de) | Bestimmung einer Reifenleckrate | |
| DE102015226116A1 (de) | Verfahren zum Bewerten einer durch zumindest einen Sensor eines Fahrzeugs erfassten Gefahrensituation, Verfahren zum Steuern einer Wiedergabe einer Gefahrenwarnung und Verfahren zum Wiedergeben einer Gefahrenwarnung | |
| EP2439722B1 (de) | Verfahren zur Überprüfung von pixelformatierten Displaydaten zur Darstellung auf einem Bildschirm eines Anzeigegerätes in einem Fahrzeug | |
| DE102016015147A1 (de) | Verfahren zur Bestimmung einer Soll-Geschwindigkeit eines Kraftfahrzeugs | |
| CN116342440A (zh) | 一种基于人工智能的车载视频监控管理系统 | |
| CN106530286A (zh) | 确定清晰度级别的方法及装置 | |
| CN110490260B (zh) | 一种识别铁包空包温降的方法和装置 | |
| DE102019202428A1 (de) | Verfahren zur Diagnose von Schwingungsdämpfern | |
| DE102018002349A1 (de) | Verfahren und Vorrichtung zur Bestimmung einer Achslast eines Fahrzeuges | |
| CN113421515A (zh) | Mura补偿方法、装置、设备及存储介质 | |
| Yu et al. | Fatigue driving behavior recognition method based on image and vehicle feature change. | |
| CN106679967A (zh) | 一种扭矩管理器的检测方法及系统 | |
| CN113393710B (zh) | 一种预警方法、预警装置及电子设备 | |
| CN117302076B (zh) | 一种基于汽车后视镜监测的车辆行驶监控预警系统 | |
| CN111275982A (zh) | 基于车道检测的违规车辆大数据上报系统 | |
| CN112560541A (zh) | 目标检测模型的训练装置及方法、电子设备 | |
| CN111435561A (zh) | 实时防暴力开启方法 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Qiu Qun Inventor after: Yao Feng Inventor after: Xue Shihong Inventor before: Xue Shihong |
|
| CB03 | Change of inventor or designer information | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210128 Address after: 450000 No.6, building 2, courtyard 81, Xizhan Road, Zhongyuan District, Zhengzhou City, Henan Province Applicant after: Qiu Qun Address before: No. 12, hailing Industrial Park, Taizhou, Jiangsu Province, Jiangsu Applicant before: Taizhou law Photoelectric Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |