CN111932560B - 一种道路交通低能见度视频图像距离计算方法与装置 - Google Patents
一种道路交通低能见度视频图像距离计算方法与装置 Download PDFInfo
- Publication number
- CN111932560B CN111932560B CN202010991765.1A CN202010991765A CN111932560B CN 111932560 B CN111932560 B CN 111932560B CN 202010991765 A CN202010991765 A CN 202010991765A CN 111932560 B CN111932560 B CN 111932560B
- Authority
- CN
- China
- Prior art keywords
- visibility
- video image
- road traffic
- image
- distance
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30236—Traffic on road, railway or crossing
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种道路交通低能见度视频图像距离计算方法与装置,本发明中首先邀请一组视力1.0以上人员在视频图像上分别画出道路交通能见度视频图像距离刻度线,然后对于不同人员所画出的道路交通能见度视频图像距离刻度线集合,根据设定显著性水平下的置信区间,获得道路交通能见度视频图像识别区间;再计算图像识别区间内的清晰对比度作为人眼区别能见度的标准。在进行实时视频图像可见距离计算时,将图像中各区域的清晰对比度与标准清晰对比度进行比较从而获得道路低能见度视频图像距离。本发明避免了人为主观因素对计算结果的影响,能够获得较为客观的图像能见度辨识区间,并且计算效率高,适用于各种情形下道路交通低能见度环境下的视频图像。
Description
技术领域
本发明涉及交通安全、图像处理领域,具体涉及一种道路交通低能见度视频图像距离计算方法与装置。
背景技术
雾霾雨雪沙尘和焚烧烟尘等造成大气能见度下降,尤其对道路交通安全影响很大。气象行业高速公路能见度的定义(见气象行业标准QX/T 76-2007):在当时天气条件下,正常人的正常视力能将目标物从背景中区别出来(看出轮廓)的最大距离,单位为米(m)或千米(km)。如果按照《高速公路能见度监测及浓雾的预警预报》气象行业标准:低能见度指能见度≤200m;预计能见度可能降到500m以下,提前2h-8h发布警示;预计能见度稳定降至200m以下,提前半小时发布预报;能见度大于500米时及时解除预警。这个气象行业标准也仅是针对高速公路雾的监测,而事实上道路雾霾雨雪沙尘烟等能见度监测和背景情况很复杂,交通安全法规和司机只关注低能见度200米以下分200/100/50/30米四个等级数字化管制,因此现有气象行业检测和预警标准不能有效支持道路低能见度的精确度和实时预警规范落实,必须结合道路交通数字化安全管理和实时提醒司机的需求,创新基本概念,才能实时精准计算道路低能见度。
国内外利用道路视频图像数据进行能见度估算的研究和方法不少,但其计算出的道路低能见度准确性、可靠性很差,难以满足道路交通安全法规关于应对恶劣天气低能见度数字化、精准化分级管制的要求。中国专利申请110097762A公开的一种道路视频图像低能见度刻度估算方法及系统,运用运动学原理观察道路中的距离标志物在视频图像中的距离随路面距离移动的变化规律,基于距离标志物的已知信息,得出视频图像距离与路面距离的关系模型,并进一步计算出道路能见度和雾霾浓度数据之间的换算模型,可以通过视频流雾霾数据实时播报出道路能见度。该方法了实现高速公路低能见度实时智能检测和预警,并且准确度高、误报率低。影响道路能见度计算误差的原因较多,其中道路能低见度视频图像距离计算方法对道路低能见度路面距离换算结果的精确性影响很大,即道路能见度视频图像距离差之毫厘会造成道路能见度距离换算结果失之百米甚至千米以上。
发明内容
发明目的:针对上述现有技术存在的问题,本发明的目的在于提供一种道路交通低能见度视频图像距离计算方法与装置,基于但又区别于一般气象能见度概念,提出道路交通能见度概念,解决道路交通低能见度对应视频距离精确计算难题。
技术方案:为实现上述发明目的,本发明所述的一种道路交通低能见度视频图像距离计算方法,包括如下步骤:
(1)选择一张道路交通低能见度环境下的视频图像,邀请一组视力或矫正视力在1.0以上人员在视频图像上分别画出道路交通能见度视频图像距离刻度线,并获得视频图像距离刻度线对应的图像纵坐标值;
(2)对不同人员所画出的道路交通能见度视频图像距离刻度线集合,根据设定显著性水平下的置信区间,获得道路交通能见度视频图像识别区间;
(3)获得道路交通能见度视频图像识别区间后,计算图像识别区间内的清晰对比度作为人眼区别能见度的标准;
(4)在获取到新的视频图像后,沿图像纵坐标方向逐像素划分与步骤(2)获得的图像识别区间大小相同的计算区域,并计算各区域的清晰对比度;将每个区域的清晰对比度与步骤(3)得到的标准清晰对比度比较,将与标准清晰对比度最接近的区域视为道路交通能见度视频图像距离刻度线所在的区域;
(5)将匹配得到的区域的高度的中点视为道路交通能见度视频图像距离刻度线的纵坐标值,从而得到道路低能见度视频图像的可见距离。
作为优选,步骤(1)中选择道路交通低能见度小于等于300m环境下的拍摄的视频图像。
作为优选,步骤(2)中道路交通能见度视频图像识别区间的图像纵坐标最小值和最大值分别为和,其中为道路交通能见度视频图像距离刻
度线集合中刻度线纵坐标值的平均值,为标准偏差,为显著性水平,为显著性水平对
应的标准分数。
作为优选,清晰对比度的计算方法为:
基于相同的发明构思,本发明所述的一种道路交通低能见度视频图像距离计算装置,包括:
刻度线采样模块,用于选择一张道路交通低能见度环境下的视频图像,获取邀请的一组视力或矫正视力在1.0以上人员在视频图像上分别画出的道路交通能见度视频图像距离刻度线,并获得视频图像距离刻度线对应的图像纵坐标值;
识别区间确定模块,用于对不同人员所画出的道路交通能见度视频图像距离刻度线集合,根据设定显著性水平下的置信区间,获得道路交通能见度视频图像识别区间;
计算标准确定模块,用户获得道路交通能见度视频图像识别区间后,计算图像识别区间内的清晰对比度作为人眼区别能见度的标准;
区域识别模块,用于在获取到新的视频图像后,沿图像纵坐标方向逐像素划分与识别区间确定模块获得的图像识别区间大小相同的计算区域,并计算各区域的清晰对比度;将每个区域的清晰对比度与计算标准确定模块得到的标准清晰对比度比较,将与标准清晰对比度最接近的区域视为道路交通能见度视频图像距离刻度线所在的区域;
以及,可见距离确定模块,用于将匹配得到的区域的高度的中点视为道路交通能见度视频图像距离刻度线的纵坐标值,从而得到道路低能见度视频图像的可见距离。
基于相同的发明构思,本发明所述的一种道路交通低能见度视频图像距离计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述计算机程序被加载至处理器时实现如下步骤:
(1)选择一张道路交通低能见度环境下的视频图像,获取邀请的一组视力或矫正视力在1.0以上人员在视频图像上分别画出的道路交通能见度视频图像距离刻度线,并获得视频图像距离刻度线对应的图像纵坐标值;
(2)对不同人员所画出的道路交通能见度视频图像距离刻度线集合,根据设定显著性水平下的置信区间,获得道路交通能见度视频图像识别区间;
(3)获得道路交通能见度视频图像识别区间后,计算图像识别区间内的清晰对比度作为人眼区别能见度的标准;
(4)在获取到新的视频图像后,沿图像纵坐标方向逐像素划分与步骤(2)获得的图像识别区间大小相同的计算区域,并计算各区域的清晰对比度;将每个区域的清晰对比度与步骤(3)得到的标准清晰对比度比较,将与标准清晰对比度最接近的区域视为道路交通能见度视频图像距离刻度线所在的区域;
(5)将匹配得到的区域的高度的中点视为道路交通能见度视频图像距离刻度线的纵坐标值,从而得到道路低能见度视频图像的可见距离。
有益效果:与现有技术相比,本发明具有如下优点:1、图像能见度区间获取便捷,参与采样刻度线的人越多,越能获取到接近客观的区间。2、通过数值分析统计方法去除了人为主观因素对结果的影响。3、清晰对比度去除颜色因素,只通过灰度图像计算,计算复杂度低、效率较高。4、本发明方法可适用于(本发明中道路交通能见度定义下)各种天气和全天不同时段的道路交通低能见度环境下的视频图像,有较强的鲁棒性。
附图说明
图1为本发明实施例的方法流程图。
图2为道路交通能见度值对应道路监控摄像机图像距离示意图。
图3为道路交通图像识别能见度值散点图。
图4为道路交通能见度视频图像识别区间示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅只是本发明的一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的其他所有实施例,都属于本发明保护的范围。
为有效落实国家道路交通安全法实施条例,本发明基于但又区别于一般气象能见度概念,创新提出道路交通能见度概念,解决道路交通低能见度对应视频距离精确计算难题。本发明中道路交通能见度定义:指正常视力的人(司机)在光照(日照、路灯、车灯或补光等)环境下能看清楚道路前方车道分界标线或车辆(小汽车)轮廓的最远距离。
道路交通能见度值对应道路监控摄像机视频图像距离用Y纵坐标表示,为便于研究计算设立横虚线为道路视频距离刻度线;X为过摄像机立杆基座位垂直于道路方向的横向坐标视频距离。
如图1所示,本发明实施例公开的一种道路交通低能见度视频图像距离计算方法,主要包括计算样本图像中道路交通能见度对应道路视频图像距离,确定样本图像中道路交通能见度视频图像识别区间清晰对比度得到图像标准清晰对比度,以及基于标准清晰对比度计算实时视频图像的道路低能见度视频图像距离。具体如下:
一、计算样本视频图像中道路交通能见度对应道路视频图像距离
1、任意选择一张道路交通低能见度(≤300m)环境下的拍摄的视频图像,邀请一组视力在1.0(含矫正视力)以上的交警或其他人员N名,参加道路交通能见度视频距离判断测试,各自画出一条道路交通能见度视频距离刻度线,获得对应值Yn(n=1,2,...,N)。其中,因样本人员视力判断存在一定差异,横向虚线将落在最大值Ymax和最小值Ymin区间(参照图2)。
2、计算道路交通能见度视频图像识别区间。
整理图2所示刻度线对应图像中的像素位置,形成的视频图像辨识像素距离散点图如图3。
通过计算刻度线集合的置信区间作为“道路交通能见度视频图像识别区间”。置信
区间的计算公式取决于所用到的统计量。置信区间是在预先确定好的显著性水平下计算出
来的,显著性水平通常称为,本实施例将设为0.05。置信度为(1-),或者100×(1-)%。
于是,如果=0.05,那么置信度则是0.95或95%。置信区间的计算方法为:先计算平均值,标
准偏差。
二、清晰对比度计算方法
在获取道路交通能见度视频图像识别区间后,计算图像区间内的清晰对比度作为
人眼区别能见度的标准。清晰对比度是指图像中某个像素与周围像素的像素值变化率,即
导数。把图像的像素灰度值定义为一个二维函数,其微分就是偏微分。因此按照x方向
和y方向有偏微分方程:
把x方向和y方向上的清晰对比度可以用如下式子表示在一起形成清晰对比度计算方法:
其中表示像素点处的清晰对比度,是图像是否清晰的直观表示,其值
越大意味着图像越清晰。结合图4中计算出的道路交通能见度视频图像识别区间,x方向取
值从0到图片宽度,y方向取值从到,计算得出正常视力下可以识别到的图像标准
清晰对比度矩阵,该矩阵的平均值就是图像识别区间的标准清晰对比度。
三、计算实时视频图像道路交通低能见度视频图像距离
在获取到新的视频图像后,沿y>0方向以(0,Y)逐个像素为起点划分计算区域并计
算清晰对比度,区域高度为图4中、宽度为图像宽度,0≤Y≤图像高度-。每个区域的清晰对比度与图像标准清晰对比度比较,对比度平均值最接近
的区域就是包含该低能见度道路图像的可见距离的区域。最终的可见距离等于区域高度的
中点。
基于相同的发明构思,本发明实施例公开的一种道路交通低能见度视频图像距离计算装置,包括:刻度线采样模块,用于选择一张道路交通低能见度环境下的视频图像,获取邀请的一组视力或矫正视力在1.0以上人员在视频图像上分别画出的道路交通能见度视频图像距离刻度线,并获得视频图像距离刻度线对应的图像纵坐标值;识别区间确定模块,用于对不同人员所画出的道路交通能见度视频图像距离刻度线集合,根据设定显著性水平下的置信区间,获得道路交通能见度视频图像识别区间;计算标准确定模块,用户获得道路交通能见度视频图像识别区间后,计算图像识别区间内的清晰对比度作为人眼区别能见度的标准;区域识别模块,用于在获取到新的视频图像后,沿图像纵坐标方向逐像素划分与识别区间确定模块获得的图像识别区间大小相同的计算区域,并计算各区域的清晰对比度;将每个区域的清晰对比度与计算标准确定模块得到的标准清晰对比度比较,将与标准清晰对比度最接近的区域视为道路交通能见度视频图像距离刻度线所在的区域;以及,可见距离确定模块,用于将匹配得到的区域的高度的中点视为道路交通能见度视频图像距离刻度线的纵坐标值,从而得到道路低能见度视频图像的可见距离。
基于相同的发明构思,本发明实施例公开的一种道路交通低能见度视频图像距离计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述计算机程序被加载至处理器时实现如下步骤:
(1)选择一张道路交通低能见度环境下的视频图像,获取邀请的一组视力或矫正视力在1.0以上人员在视频图像上分别画出的道路交通能见度视频图像距离刻度线,并获得视频图像距离刻度线对应的图像纵坐标值;
(2)对不同人员所画出的道路交通能见度视频图像距离刻度线集合,根据设定显著性水平下的置信区间,获得道路交通能见度视频图像识别区间;
(3)获得道路交通能见度视频图像识别区间后,计算图像识别区间内的清晰对比度作为人眼区别能见度的标准;
(4)在获取到新的视频图像后,沿图像纵坐标方向逐像素划分与步骤(2)获得的图像识别区间大小相同的计算区域,并计算各区域的清晰对比度;将每个区域的清晰对比度与步骤(3)得到的标准清晰对比度比较,将与标准清晰对比度最接近的区域视为道路交通能见度视频图像距离刻度线所在的区域;
(5)将匹配得到的区域的高度的中点视为道路交通能见度视频图像距离刻度线的纵坐标值,从而得到道路低能见度视频图像的可见距离。
上述道路交通低能见度视频图像距离计算装置实施例中的具体实施细节可参考道路交通低能见度视频图像距离计算方法实施例,此处不再赘述。
Claims (5)
1.一种道路交通低能见度视频图像距离计算方法,其特征在于,包括如下步骤:
(1)选择一张道路交通低能见度环境下的视频图像,邀请一组视力或矫正视力在1.0以上人员在视频图像上分别画出道路交通能见度视频图像距离刻度线,并获得视频图像距离刻度线对应的图像纵坐标值;
(2)对不同人员所画出的道路交通能见度视频图像距离刻度线集合,根据设定显著性水平下的置信区间,获得道路交通能见度视频图像识别区间;
(3)获得道路交通能见度视频图像识别区间后,计算图像识别区间内的清晰对比度作为人眼区别能见度的标准;其中,清晰对比度的计算方法为:
其中,x、y分别为图像的横坐标值和纵坐标值,表示像素点处的清晰对比
度;,,、、分别表
示像素点、、处的灰度值;在图像识别区间内计算得出由像素点清晰
对比度组成的矩阵,矩阵中各清晰对比度的平均值就是图像识别区间的标准清晰对比度;
(4)在获取到新的视频图像后,沿图像纵坐标方向逐像素划分与步骤(2)获得的图像识别区间大小相同的计算区域,并计算各区域的清晰对比度;将每个区域的清晰对比度与步骤(3)得到的标准清晰对比度比较,将与标准清晰对比度最接近的区域视为道路交通能见度视频图像距离刻度线所在的区域;
(5)将匹配得到的区域的高度的中点视为道路交通能见度视频图像距离刻度线的纵坐标值,从而得到道路低能见度视频图像的可见距离。
2.根据权利要求1所述的一种道路交通低能见度视频图像距离计算方法,其特征在于,步骤(1)中选择道路交通低能见度小于等于300m环境下的拍摄的视频图像。
4.一种道路交通低能见度视频图像距离计算装置,其特征在于,包括:
刻度线采样模块,用于选择一张道路交通低能见度环境下的视频图像,获取邀请的一组视力或矫正视力在1.0以上人员在视频图像上分别画出的道路交通能见度视频图像距离刻度线,并获得视频图像距离刻度线对应的图像纵坐标值;
识别区间确定模块,用于对不同人员所画出的道路交通能见度视频图像距离刻度线集合,根据设定显著性水平下的置信区间,获得道路交通能见度视频图像识别区间;
计算标准确定模块,用户获得道路交通能见度视频图像识别区间后,计算图像识别区间内的清晰对比度作为人眼区别能见度的标准;其中,清晰对比度的计算方法为:
其中,x、y分别为图像的横坐标值和纵坐标值,表示像素点处的清晰对比
度;,,、、分别表
示像素点、、处的灰度值;在图像识别区间内计算得出由像素点清晰
对比度组成的矩阵,矩阵中各清晰对比度的平均值就是图像识别区间的标准清晰对比度;
区域识别模块,用于在获取到新的视频图像后,沿图像纵坐标方向逐像素划分与识别区间确定模块获得的图像识别区间大小相同的计算区域,并计算各区域的清晰对比度;将每个区域的清晰对比度与计算标准确定模块得到的标准清晰对比度比较,将与标准清晰对比度最接近的区域视为道路交通能见度视频图像距离刻度线所在的区域;
以及,可见距离确定模块,用于将匹配得到的区域的高度的中点视为道路交通能见度视频图像距离刻度线的纵坐标值,从而得到道路低能见度视频图像的可见距离。
5.一种道路交通低能见度视频图像距离计算装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述计算机程序被加载至处理器时实现如下步骤:
(1)选择一张道路交通低能见度环境下的视频图像,获取邀请的一组视力或矫正视力在1.0以上人员在视频图像上分别画出的道路交通能见度视频图像距离刻度线,并获得视频图像距离刻度线对应的图像纵坐标值;
(2)对不同人员所画出的道路交通能见度视频图像距离刻度线集合,根据设定显著性水平下的置信区间,获得道路交通能见度视频图像识别区间;
(3)获得道路交通能见度视频图像识别区间后,计算图像识别区间内的清晰对比度作为人眼区别能见度的标准;其中,清晰对比度的计算方法为:
其中,x、y分别为图像的横坐标值和纵坐标值,表示像素点处的清晰对比
度;,,、、分别表
示像素点、、处的灰度值;在图像识别区间内计算得出由像素点清晰
对比度组成的矩阵,矩阵中各清晰对比度的平均值就是图像识别区间的标准清晰对比度;
(4)在获取到新的视频图像后,沿图像纵坐标方向逐像素划分与步骤(2)获得的图像识别区间大小相同的计算区域,并计算各区域的清晰对比度;将每个区域的清晰对比度与步骤(3)得到的标准清晰对比度比较,将与标准清晰对比度最接近的区域视为道路交通能见度视频图像距离刻度线所在的区域;
(5)将匹配得到的区域的高度的中点视为道路交通能见度视频图像距离刻度线的纵坐标值,从而得到道路低能见度视频图像的可见距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010991765.1A CN111932560B (zh) | 2020-09-21 | 2020-09-21 | 一种道路交通低能见度视频图像距离计算方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010991765.1A CN111932560B (zh) | 2020-09-21 | 2020-09-21 | 一种道路交通低能见度视频图像距离计算方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111932560A CN111932560A (zh) | 2020-11-13 |
CN111932560B true CN111932560B (zh) | 2021-01-15 |
Family
ID=73334220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010991765.1A Active CN111932560B (zh) | 2020-09-21 | 2020-09-21 | 一种道路交通低能见度视频图像距离计算方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111932560B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2847367B1 (fr) * | 2002-11-19 | 2005-01-14 | Valeo Vision | Procede et dispositif de determination de la distance de visibilite du conducteur d'un vehicule |
CN101382497B (zh) * | 2008-10-06 | 2012-03-07 | 南京大学 | 基于路况监控视频的能见度检测方法 |
CN109978842A (zh) * | 2019-03-14 | 2019-07-05 | 藏龙信息科技(苏州)有限公司 | 一种基于摄像头图像的能见度解析方法 |
CN110097762B (zh) * | 2019-03-25 | 2020-10-09 | 南京微达电子科技有限公司 | 一种道路视频图像低能见度刻度估算方法及系统 |
-
2020
- 2020-09-21 CN CN202010991765.1A patent/CN111932560B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111932560A (zh) | 2020-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106919915B (zh) | 基于adas系统的地图道路标记及道路质量采集装置及方法 | |
CN105260699B (zh) | 一种车道线数据的处理方法及装置 | |
CN105512623B (zh) | 基于多传感器雾天行车视觉增强与能见度预警系统及方法 | |
CN104011737B (zh) | 用于探测雾的方法 | |
CN101281142B (zh) | 一种测量大气能见度的方法 | |
CN109299674B (zh) | 一种基于车灯的隧道违章变道检测方法 | |
CN106503636B (zh) | 一种基于视觉图像的道路视距检测方法及装置 | |
CN101957309B (zh) | 一种能见度的全天候视频测量方法 | |
CN110379168B (zh) | 一种基于Mask R-CNN的交通车辆信息获取方法 | |
JP2917661B2 (ja) | 交通流計測処理方法及び装置 | |
CN110992693B (zh) | 一种基于深度学习的交通拥堵程度多维度分析方法 | |
CN110097762B (zh) | 一种道路视频图像低能见度刻度估算方法及系统 | |
CN110378865A (zh) | 一种复杂背景下的雾天能见度智能分级识别方法及系统 | |
CN106254827B (zh) | 一种团雾智能识别预警方法及其装置 | |
Chiu et al. | Automatic Traffic Surveillance System for Vision-Based Vehicle Recognition and Tracking. | |
CN108830246B (zh) | 一种交通环境行人多维运动特征视觉提取方法 | |
CN107845264A (zh) | 一种基于视频监控的交通量采集系统及方法 | |
CN110929676A (zh) | 一种基于深度学习的违章掉头实时检测方法 | |
CN109635737A (zh) | 基于道路标记线视觉识别辅助车辆导航定位方法 | |
CN109191492B (zh) | 一种基于轮廓分析的智能视频黑烟车检测方法 | |
CN108021849B (zh) | 一种行人预警方法及装置 | |
CN111651712A (zh) | 一种智能汽车测试场景复杂度的评估方法及系统 | |
CN110826412A (zh) | 高速公路能见度检测系统和方法 | |
CN115019514B (zh) | 一种基于车联网的公路巡查系统 | |
CN112419745A (zh) | 一种基于深度融合网络的高速公路团雾预警系统 |
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 |