CN112215038A - 特定车辆识别系统、方法及存储介质 - Google Patents
特定车辆识别系统、方法及存储介质 Download PDFInfo
- Publication number
- CN112215038A CN112215038A CN201910621916.1A CN201910621916A CN112215038A CN 112215038 A CN112215038 A CN 112215038A CN 201910621916 A CN201910621916 A CN 201910621916A CN 112215038 A CN112215038 A CN 112215038A
- Authority
- CN
- China
- Prior art keywords
- specific vehicle
- video
- picture
- snapshot
- vehicle
- 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 31
- 238000004458 analytical method Methods 0.000 claims abstract description 46
- 238000013500 data storage Methods 0.000 claims abstract description 35
- 238000012544 monitoring process Methods 0.000 claims abstract description 26
- 238000004891 communication Methods 0.000 claims description 13
- 238000013135 deep learning Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 6
- 238000010191 image analysis Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 239000002699 waste material Substances 0.000 description 6
- 238000013145 classification model Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000002893 slag Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/44—Event detection
-
- 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)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请实施例提供一种特定车辆识别系统、方法及存储介质,所述识别系统包括数据采集模块、数据存储模块以及图片分析模块,所述数据采集模块用以对车辆的信息进行抓拍和摄像;所述数据存储模块用以存储所述数据采集模块采集到的图片和视频;所述图片分析模块用以对图片进行分析,识别出符合预设特征的特定车辆并从数据存储模块中调取出相关的视频。本申请采集道路抓拍相机图片以及道路监控视频,智能检测出特殊车辆,分析并统计特殊车辆的信息状态;对于违规的情况自动保存抓拍图片证据,并从视频监控精准定位事件发生的视频片段,整合抓拍证据以及视频证据,能够迅速识别特定车辆的运行状态,进而方便管理特定车辆,降低管理成本。
Description
技术领域
本申请涉及智能视频图像监控领域,特别涉及一种特定车辆识别系统、方法及存储介质。
背景技术
城市化进程是现代社会发展的必然趋势,随着城市化的不断发展,中小城市越来越多,大城市越来越大,城市化带来的一个重大的问题就是交通治理规模也越来越大和更加复杂,而且每年还有上千万新车辆被投放到市场,给城市车辆的运行系统、管理带来了巨大的挑战,对于类似交通警察现场督察、城市道路违规车辆的这类监管,人工审查,耗费人力且效率偏低,任务不能覆盖监控所有道路,人员长期执行任务容易疲倦并造成很多漏检,无法大量在夜晚期间安排值勤,尤其是人工成本高昂的今天,更是瓶颈,因此如何解放人力并高效监管成为急需解决的问题。
虽然现在大部分主要交通干道已经部署有摄像头进行抓拍、借助于高清摄像头的抓拍、摄像以及如OCR技术,可以对类似超速、违规等这类常规性的车辆实现精准有效的监管,大大减轻了人力的工作,但是现有的技术目前存在以下技术问题:
1.针对普通车辆的检测,但无法细分类到特殊车辆的检测;
2.无法对车辆的一些特殊状态进行识别,例如存在泄漏的违规行驶车辆,目前并没有相关的技术方案;
3.不包含对车辆信息的取证统计,缺乏对车辆信息多维度分析;
4.目前对于违规车辆,只有图片取证,证据单一,在和违规车辆沟通的过程中增加不少障碍和沟通成本。
5.目前存储的监控抓拍信息和视频监控信息分离,没有有效实现数据共享,即使能够调取,对于海量的存储数据,难以根据图片快速定位到相关的视频,也因为不同系统采集的证据,存在时间差,也因为图片和视频的时间戳不一致,难以形成完整的证据。
发明内容
本申请提供一种特定车辆识别系统、方法及存储介质,可以快速识别出特定车辆的运行状态是否符合预设的特征,并将其相关的图片和视频保存下来。
为此,本申请提供了一种特定车辆识别系统,包括数据采集模块、数据存储模块以及图片分析模块,其中:
所述数据采集模块用以对车辆的信息进行抓拍和摄像;
所述数据存储模块用以存储所述数据采集模块采集到的图片和视频;
所述图片分析模块用以对图片进行分析,识别出符合预设特征的特定车辆并从数据存储模块中调取出相关的视频。
进一步地,所述图片分析模块包括:智能图片分析单元、智能视频分析单元以及校准单元,其中:
所述智能图片分析单元用于对抓拍得到的图片进行分析,将符合预设特征的特定车辆识别出来;
所述智能视频分析单元用于根据智能图片分析单元识别出的特定车辆,从数据存储模块中识别出该特定车辆所在的视频片段;
所述校准单元用于将符合预设特征的特定车辆的图片以及视频进行时间校准关联,形成关联的图片和视频记录。
进一步地,智能图片分析单元使用卷积深度学习方法对图片进行识别,得到特定车辆的位置、车牌信息以及行驶记录,并识别出是否符合预设特征的特定车辆。
进一步地,所述数据采集模块包括相机抓拍单元以及监控摄像单元,所述数据存储模块包括抓拍数据存储单元以及监控录像存储单元,其中:
所述相机抓拍单元将抓拍得到的图片存储在所述抓拍数据存储单元中;
所述监控摄像单元将拍摄到的视频存储在监控录像存储单元中。
本申请还公开了一种车辆运行通信系统,包括通信终端以及上述的特定车辆识别系统,所述特定车辆识别系统将符合预设特征的车辆识别出来,并将该车辆符合预设特征的图片以及相关视频作为记录结果发送至所述的通信终端。
本申请还公开了一种特定车辆识别方法,包括步骤:
数据采集模块对车辆的信息进行抓拍和摄像;
数据存储模块存储所述数据采集模块采集到的图片和视频;
图片分析模块对图片进行分析,识别出符合预设特征的特定车辆并从数据存储模块中调取出相关的视频。
进一步地,所述图片分析模块对图片进行分析的步骤包括:
智能图片分析单元对抓拍得到的图片进行分析,将符合预设特征的特定车辆识别出来;
智能视频分析单元根据智能图片分析单元识别出的特定车辆,从数据存储模块中识别出该特定车辆所在的视频片段;
校准单元将符合预设特征的特定车辆的图片以及视频进行时间校准关联,形成关联的图片和视频记录。
进一步地,智能图片分析单元使用卷积深度学习方法对图片进行识别,得到特定车辆的位置、车牌信息以及行驶记录,并识别出是否符合预设特征的特定车辆。
进一步地,校准关联的步骤为:
对图片进行分析获得图片的时间戳和事件状态;
根据所述图片的时间戳,在对应视频的时间戳里进行查找;
以所述时间戳分别往前和往后截取视频片段,获取包含所述图片特征的视频片段;
将图片时间戳和对应视频的时间戳进行校准关联。
进一步地,数据采集模块对车辆的信息进行抓拍和摄像包括:
相机抓拍单元将抓拍得到的图片存储在所述抓拍数据存储单元中;
监控摄像单元将拍摄到的视频存储在监控录像存储单元中。
本申请实施例还提供一种存储介质,所述存储介质中存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行如上述所述的特定车辆识别方法。
本申请实施例提供的特定车辆识别系统、方法及存储介质,本申请采集道路抓拍相机图片以及道路监控视频,从视觉信息中智能检测出特殊车辆,分析并统计特殊车辆的信息状态;对于违规的情况,该系统自动保存抓拍图片证据,并从视频监控精准定位事件发生的视频片段,整合抓拍证据以及视频证据,呈报给终端用户,能够迅速识别特定车辆的运行状态,进而方便管理特定车辆,降低管理成本。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的特定车辆识别系统的结构示意图;
图2为本申请实施例提供的特定车辆识别系统的另一结构示意图;
图3为本申请实施例智能图片分析单元对图片进行分析的流程示意图;
图4是本申请实施例的智能视频分析单元的分析流程示意图;
图5为本申请实施例里进行校准关联的示意图。
其中,数据采集模块1、数据存储模块2以及图片分析模块3,智能图片分析单元30、智能视频分析单元31以及有校准单元32。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
目前对于普通车辆已经建立了完整的监控系统,但是除了普通的私家车或者公共乘用车辆,还有大量针对特定用途而设计的车辆,除了和普通车辆一样都需要遵守常规的交通规则以外,针对其特定的使用场景,对于车辆的工作状态或者行为也需要进行一定程度的监控,比如洒水车,渣土车等这类特定车辆,对其行驶也增加有不一样的要求,但是目前的交通违规监控系统只是针对常规的行驶是否违规进行识别,无法对这类特定车辆的工作状态是否符合要求进行识别。
本申请通过研究,针对这类车辆的局部形状和普通车辆具有一定的区别,其工作状态是否符合工作规范的要求也具有一定的明确性,针这类特定车辆,提出的解决方案能够解决普通监控存在的缺陷。
请参阅图1,图1为本申请实施例提供的特定车辆识别系统的结构示意图,特定车辆识别系统包括:数据采集模块、数据存储模块以及图片分析模块,其中:所述数据采集模块用以对车辆的信息进行抓拍和摄像;所述数据存储模块用以存储所述数据采集模块采集到的图片和视频;所述图片分析模块用以对图片进行分析,识别出符合预设特征的特定车辆并从数据存储模块中调取出相关的视频。
数据采集模块包括相机抓拍单元以及监控摄像单元,数据存储模块包括抓拍数据存储单元以及监控录像存储单元,所述相机抓拍单元将抓拍得到的图片存储在所述抓拍数据存储单元中;所述监控摄像单元将拍摄到的视频存储在监控录像存储单元中。
当前的城市现状,一般是图片抓拍和监控摄像属于二个独立的管理机构在管理并存储,由于不同的管理机构,对于同一个时刻发生的事件,抓拍系统和监控摄像都会存在一定的时间差,从而也给调阅监控摄像系统带来障碍,为此,本申请实施例基于上市实施例的基础上,请参阅图2,,图片分析模块包括有智能图片分析单元、智能视频分析单元以及有校准单元,校准单元用于校准关联同一事件上的图片和视频的时间戳。
以下以城市的一类特定车辆如建筑垃圾搬运的车辆(以下称为渣土车)作为例子,具体说明实现本申请创造的技术方案。
渣土车是每个城市必不可少的车辆,而渣土车除了遵守一般的交通规则以外,由于搬运的是具有各种程度污染的建筑垃圾,在搬运的过程中,需要将垃圾箱盖好,避免垃圾抛洒以及流溢出来,因此针对渣土车,在搬运过程不当的行为比如垃圾箱掀开、或者在垃圾液体流失到道路上,均为视为异常,因此抓拍到这类图片后,可以通过图片分析发现异常现象。
请参阅图3,图3为本申请实施例智能图片分析单元对图片进行分析的流程示意图。
首先,数据采集模块对车辆的信息进行抓拍和摄像;并将图片和视频进行存储,智能图片分析单元从数据存储模块的抓拍数据存储单元中扫描相机抓拍保存下的图片数据,通过深度学习算法实现检测出抓拍图片中所有的渣土车,以及判断是否存在违规行为。
深度学习算法可以采用caffe框架,具体为:
(1)抓拍图片整图输入车辆检测模型中,利用检测深度学习算法获得图中所有车辆的位置信息;
(2)将整图中的所有车辆区域截取出来,截取出的区域图片输入车辆分类模型中,车辆分类模块的车辆分类深度学习算法将判断该车辆是否为渣土车;
(3)如果车辆为渣土车,则将图片输入到渣土车分类模型中,进一步对渣土车的关键部位图片进行识别,以进一步判断渣土车是否违规。本实施例渣土车,可以将渣土车的关键部位设定为垃圾箱,若垃圾箱掀开,则为掀开,则异常,若闭合,则为正常。因此可以将垃圾箱作为关键部位图片作为深度学习的训练样本,对渣土车分类模型进行训练,从而可以将该关键部位送入渣土车分类深度学习算法,渣土车分类深度学习算法将判断该渣土车是否存在违规情况,若存在违规,获取违规行为发生时间和发生道路地点、车道信息。
请参阅图4,图4是本申请实施例的智能视频分析单元的分析流程示意图。
经过上述图片分析后,智能视频分析单元根据智能图片分析单元识别出的特定车辆,从数据存储模块中识别出该特定车辆所在的视频片段,具体为:
首先根据认定该车辆为违规的图片所抓拍的时间戳,在监控录像存储单元中定位到视频,对视频定位后,分别向前和向后截取获得视频片段,向前和向后截取的时间段可以根据实际需要,比如设置为1分钟或2分钟。
将该视频片段输入到车辆检测模型中进行分析,利用检测深度学习算法将获得视频中所有车辆的位置信息。
再将视频片段输入车辆分类模型中,车辆分类模块的车辆分类深度学习算法将判断该车辆是否为渣土车;
如果车辆为渣土车,则将视频片段输入到渣土车分类模型中,进一步对渣土车的关键部位进行识别,以进一步判断渣土车是否违规,若违规,则截取该视频精确事件时间点前后时间窗口的视频片段作为证据记录保存下来。
为了取得更好的实施效果,本申请基于上述的步骤,提供了一个更优的实施方案,由于视频和抓拍的图片存在一定的时间差,对于同一个违规事件,很可能图片和视频的采集的时间不一致,因此需要进行校准关联,才能形成一个完整的证据记录。
请参考图5,图5为本申请实施例里进行校准关联的示意图。
对图片进行分析获得图片的时间戳和事件状态,假设图片抓拍分析得到某个违规事件发生的时间是10:00,根据所述图片的时间戳,在对应视频的时间戳里也是10:00这个时间点去进行查找,以所述时间戳10:00分别往前和往后截取视频片段,在视频的10:02的时间点上发现到和图片事件一样的特征视频片段,从而可以精准定位到视频事件发生的准确时间。
将图片时间戳和对应视频的时间戳进行校准关联作为一个事件发生的图片和视频记录保存,作为违规事件的证据。
此外,基于上述实施例的基础上,将上述的特定车辆识别系统应用在一种车辆运行通信系统中,这种车辆运行通信系统包括通信终端以及上述公开的特定车辆识别系统,所述特定车辆识别系统将符合预设特征的车辆识别出来,并将该车辆符合预设特征的图片以及相关视频作为记录结果发送至所述的通信终端,通信终端的使用者可以查看特定车辆的违规记录,作为更优选的方式,通信终端的使用者还可以设定使用条件,比如实时获取特定车辆的违规情况,从而有助于及时通知违规车辆采取措施调整其行驶行为,比如一旦发现在执行任务中的某部渣土车的垃圾箱没有盖上,则可以随时通知该渣土车的车主。
本申请实施例还提供一种存储介质,所述存储介质中存储有计算机程序,当所述计算机程序在计算机上运行时,所述计算机执行上述任一实施例所述的特定车辆识别方法。
需要说明的是,本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过计算机程序来指令相关的硬件来完成,所述计算机程序可以存储于计算机可读存储介质中,所述存储介质可以包括但不限于:只读存储器(ROM,ReadOnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁盘或光盘等。
以上对本申请实施例提供的特定车辆识别系统、方法及存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请。同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (11)
1.一种特定车辆识别系统,其特征在于,包括数据采集模块、数据存储模块以及图片分析模块,其中:
所述数据采集模块用以对车辆的信息进行抓拍和摄像;
所述数据存储模块用以存储所述数据采集模块采集到的图片和视频;
所述图片分析模块用以对图片进行分析,识别出符合预设特征的特定车辆并从数据存储模块中调取出相关的视频。
2.根据权利要求1所述的特定车辆识别系统,其特征在于,所述图片分析模块包括:智能图片分析单元、智能视频分析单元以及校准单元,其中:
所述智能图片分析单元用于对抓拍得到的图片进行分析,将符合预设特征的特定车辆识别出来;
所述智能视频分析单元用于根据智能图片分析单元识别出的特定车辆,从数据存储模块中识别出该特定车辆所在的视频片段;
所述校准单元用于将符合预设特征的特定车辆的图片以及视频进行时间校准关联,形成关联的图片和视频记录。
3.根据权利要求2所述的特定车辆识别系统,其特征在于,智能图片分析单元使用卷积深度学习方法对图片进行识别,得到特定车辆的位置、车牌信息以及行驶记录,并识别出是否符合预设特征的特定车辆。
4.根据权利要求1所述的特定车辆识别系统,其特征在于,所述数据采集模块包括相机抓拍单元以及监控摄像单元,所述数据存储模块包括抓拍数据存储单元以及监控录像存储单元,其中:
所述相机抓拍单元将抓拍得到的图片存储在所述抓拍数据存储单元中;
所述监控摄像单元将拍摄到的视频存储在监控录像存储单元中。
5.一种车辆运行通信系统,包括通信终端以及权利要求1-4所述的特定车辆识别系统,其特征在于:所述特定车辆识别系统将符合预设特征的车辆识别出来,并将该车辆符合预设特征的图片以及相关视频作为记录结果发送至所述的通信终端。
6.一种特定车辆识别方法,其特征在于,包括步骤:
数据采集模块对车辆的信息进行抓拍和摄像;
数据存储模块存储所述数据采集模块采集到的图片和视频;
图片分析模块对图片进行分析,识别出符合预设特征的特定车辆并从数据存储模块中调取出相关的视频。
7.根据权利要求6所述的特定车辆识别方法,其特征在于,所述图片分析模块对图片进行分析的步骤包括:
智能图片分析单元对抓拍得到的图片进行分析,将符合预设特征的特定车辆识别出来;
智能视频分析单元根据智能图片分析单元识别出的特定车辆,从数据存储模块中识别出该特定车辆所在的视频片段;
校准单元将符合预设特征的特定车辆的图片以及视频进行时间校准关联,形成关联的图片和视频记录。
8.根据权利要求7所述的特定车辆识别方法,其特征在于,智能图片分析单元使用卷积深度学习方法对图片进行识别,得到特定车辆的位置、车牌信息以及行驶记录,并识别出是否符合预设特征的特定车辆。
9.根据权利要求7所述的特定车辆识别方法,其特征在于,校准关联的步骤为:
对图片进行分析获得图片的时间戳和事件状态;
根据所述图片的时间戳,在对应视频的时间戳里进行查找;
以所述时间戳分别往前和往后截取视频片段,获取包含所述图片特征的视频片段;
将图片时间戳和对应视频的时间戳进行校准关联。
10.根据权利要求6所述的特定车辆识别方法,其特征在于,数据采集模块对车辆的信息进行抓拍和摄像包括:
相机抓拍单元将抓拍得到的图片存储在所述抓拍数据存储单元中;
监控摄像单元将拍摄到的视频存储在监控录像存储单元中。
11.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,当所述计算机程序在计算机上运行时,使得所述计算机执行如权利要求5至9任一项所述的特定车辆识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910621916.1A CN112215038A (zh) | 2019-07-11 | 2019-07-11 | 特定车辆识别系统、方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910621916.1A CN112215038A (zh) | 2019-07-11 | 2019-07-11 | 特定车辆识别系统、方法及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112215038A true CN112215038A (zh) | 2021-01-12 |
Family
ID=74048410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910621916.1A Pending CN112215038A (zh) | 2019-07-11 | 2019-07-11 | 特定车辆识别系统、方法及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112215038A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112749674A (zh) * | 2021-01-20 | 2021-05-04 | 青岛以萨数据技术有限公司 | 一种渣土车预警方法、设备、系统及存储介质 |
CN115457777A (zh) * | 2022-09-06 | 2022-12-09 | 北京商海文天科技发展有限公司 | 一种特定车辆溯源分析方法 |
CN118400499A (zh) * | 2024-06-26 | 2024-07-26 | 深圳市易图资讯股份有限公司 | 监控视频的合成方法以及监控视频的处理系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646546A (zh) * | 2013-11-23 | 2014-03-19 | 安徽蓝盾光电子股份有限公司 | 一种具有大型车辆禁行功能的智能交通系统 |
CN106530733A (zh) * | 2016-11-10 | 2017-03-22 | 清华大学合肥公共安全研究院 | 基于视频联动抓拍的远程桥梁超载执法系统 |
CN106683409A (zh) * | 2017-02-08 | 2017-05-17 | 南京杰迈视讯科技有限公司 | 一种重型卡车摄像识别管理方法及其系统 |
US20180211117A1 (en) * | 2016-12-20 | 2018-07-26 | Jayant Ratti | On-demand artificial intelligence and roadway stewardship system |
-
2019
- 2019-07-11 CN CN201910621916.1A patent/CN112215038A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103646546A (zh) * | 2013-11-23 | 2014-03-19 | 安徽蓝盾光电子股份有限公司 | 一种具有大型车辆禁行功能的智能交通系统 |
CN106530733A (zh) * | 2016-11-10 | 2017-03-22 | 清华大学合肥公共安全研究院 | 基于视频联动抓拍的远程桥梁超载执法系统 |
US20180211117A1 (en) * | 2016-12-20 | 2018-07-26 | Jayant Ratti | On-demand artificial intelligence and roadway stewardship system |
CN106683409A (zh) * | 2017-02-08 | 2017-05-17 | 南京杰迈视讯科技有限公司 | 一种重型卡车摄像识别管理方法及其系统 |
Non-Patent Citations (1)
Title |
---|
张骅;戚悦;: "基于边缘检测和深度学习的车辆定位与分类", 中国公共安全, no. 07, 1 July 2018 (2018-07-01), pages 100 - 103 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112749674A (zh) * | 2021-01-20 | 2021-05-04 | 青岛以萨数据技术有限公司 | 一种渣土车预警方法、设备、系统及存储介质 |
CN115457777A (zh) * | 2022-09-06 | 2022-12-09 | 北京商海文天科技发展有限公司 | 一种特定车辆溯源分析方法 |
CN115457777B (zh) * | 2022-09-06 | 2023-09-19 | 北京商海文天科技发展有限公司 | 一种特定车辆溯源分析方法 |
CN118400499A (zh) * | 2024-06-26 | 2024-07-26 | 深圳市易图资讯股份有限公司 | 监控视频的合成方法以及监控视频的处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111429726B (zh) | 一种监控视频违停车辆检测、管理方法及对应的系统 | |
CN112215038A (zh) | 特定车辆识别系统、方法及存储介质 | |
WO2017125063A1 (zh) | 违规车辆处理方法及装置 | |
CN106373426A (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
CN108932849B (zh) | 一种记录多台机动车低速行驶违法行为的方法及装置 | |
CN106600977A (zh) | 基于多特征识别的违停检测方法及系统 | |
CN105046966A (zh) | 即停即离区域的违章停车行为自动检测系统和方法 | |
CN112509325B (zh) | 一种基于视频深度学习的非现场违法自动甄别方法 | |
CN109993098A (zh) | 城市车辆黑烟智能识别大数据分析系统及方法 | |
CN108932850B (zh) | 一种记录机动车低速行驶违法行为的方法及装置 | |
CN112528759A (zh) | 一种基于计算机视觉的交通违章行为检测方法 | |
CN204856897U (zh) | 一种机动车即停即离区域的违章检测装置 | |
CN111369792B (zh) | 一种交通事件的分析方法、装置及电子设备 | |
JP2019154027A (ja) | ビデオ監視システムのパラメータ設定方法、装置及びビデオ監視システム | |
CN113487877A (zh) | 一种道路车辆违规停车监控方法 | |
CN113450578B (zh) | 交通违章事件取证方法、装置、设备及系统 | |
CN111768630A (zh) | 一种违章废图检测方法、装置及电子设备 | |
CN112084905B (zh) | 交通灯状态识别方法、系统、设备及存储介质 | |
CN115731707B (zh) | 一种高速公路车辆交通控制方法和系统 | |
CN112885106A (zh) | 基于车辆大数据的区域禁行检测系统、方法及存储介质 | |
CN110766949B (zh) | 违章抓拍方法及装置 | |
WO2023166555A1 (ja) | 路面標示劣化分析装置、方法、及びコンピュータ可読媒体 | |
CN114863372A (zh) | 一种泊车管理方法、泊车管理装置和计算机可读存储介质 | |
KR102435435B1 (ko) | 인공지능 기반 차량번호 및 보행자 검색 시스템 및 방법 | |
CN111243289A (zh) | 目标车辆的跟踪方法及装置、存储介质、电子装置 |
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 |