CN112349096A - 一种道路中智能识别行人的方法、系统、介质及设备 - Google Patents
一种道路中智能识别行人的方法、系统、介质及设备 Download PDFInfo
- Publication number
- CN112349096A CN112349096A CN202011169190.1A CN202011169190A CN112349096A CN 112349096 A CN112349096 A CN 112349096A CN 202011169190 A CN202011169190 A CN 202011169190A CN 112349096 A CN112349096 A CN 112349096A
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- area
- pedestrians
- intelligently identifying
- road
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/005—Traffic control systems for road vehicles including pedestrian guidance indicator
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/22—Status alarms responsive to presence or absence of persons
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
-
- 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
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Abstract
本发明涉及行人识别技术领域,特别涉及一种道路中智能识别行人的方法、系统、介质及设备,其中,一种道路中智能识别行人的方法包括在人行横道视频监控区域,设定安全区域和禁止入侵区域;利用基于FCN的YOLO目标检测模型检测行人的位置;通过姿态估计网络模型分析行人的运动行径或静止行径;当行人在安全区域内静止和在禁止入侵区域运动或静止时,发出预警信息。与现有技术相比,本发明提供的一种道路中智能识别行人的方法,监测面广,使用简单,部署灵活,不仅提高了行人识别的准确度和监测度,准确检测并识别检测行人未走人行横道,及时提醒行人预警,还减少人工全天候监管导致的人力资源浪费,避免交通事故的发生。
Description
技术领域
本发明涉及行人识别技术领域,特别涉及一种道路中智能识别行人的方法、系统、介质及设备。
背景技术
人行横道指的是在车行道上用斑马线等标线或其他方法标示的规定行人横穿车道的步行范围。是防止车辆快速行驶时伤及行人而在车行道上标线指定需减速让行人过街的地方。
目前,出现的交通事故里有比较大的比例是由于行人未按照规划的人行横道行走,随意横穿马路所导致,虽然在某些区域设有交警进行管理规范,但是这种方式不能支持全天候监管,且人力资源浪费严重。中国专利(公开号为CN211368467U)公开了一种智慧型斑马线系统,包括斑马线、设置在道路两侧的道口标,以及设置在所述道口标上的摄像头模块,所述道口标上还分布有LED组件,当所述摄像头模块捕捉到行人行走在斑马线上时,所述LED组件发光进行警示,同时对机动车车主以及过马路的行人进行警示,有效减少交通事故。
但是,上述专利中仅通过摄像头对人行横道上的行人进行捕捉,并未提及人行横道以外区域的行人检测或识别,现有技术中的检测方法对行人未走人行横道时进行检测或识别准确度较低,不能及时提醒行人,导致交通事故的发生。
发明内容
为解决上述现有技术中对行人未走人行横道时检测或识别准确度较低,不能及时提醒行人,导致交通事故发生的不足,本发明提供的一种道路中智能识别行人的方法,能够准确检测并识别检测行人未走人行横道,及时提醒行人预警,从而避免交通事故的发生。
本发明提供的一种道路中智能识别行人的方法,包括在人行横道视频监控区域,设定安全区域和禁止入侵区域;利用基于FCN的YOLO目标检测模型检测行人的位置;通过姿态估计网络模型分析行人的运动行径或静止行径;当行人在安全区域内静止和在禁止入侵区域运动或静止时,发出预警信息。
进一步地,所述安全区域为一组人行横道,所述禁止入侵区域为人行横道两侧的街道。
进一步地,在安全区域或禁止入侵区域,通过热成像视频监控对行人进行监测或识别。
进一步地,利用基于FCN的YOLO目标检测模型检测行人的位置,包括以下步骤:
S101:框选人行横道监控区域内的行人;
S102:选取框选中底部两点坐标(p,q)和(r,s);
S103:计算中点坐标(x,y),其中,x=(p+q)/2,y=(r+s)/2,判断中点坐标所在位置区域。
进一步地,当中点坐标位于所述禁止入侵区域时,发出预警信息。
进一步地,设定时间阈值和位置移动阈值,将行人身体划分为监控中心点和若干监控点,当监控中心点超过位置移动阈值时,判定为运动行径,当监控中心点位置未超过位置移动阈值时,判定为静止行径;当行人以静止行径在安全区域或禁止入侵区域超过时间阈值时,提高截取视频的帧率或发出预警信息。
进一步地,所述姿态估计网络模型为DeeperCut多人姿态模型。
本发明还提供一种道路中智能识别行人系统,包括视频监控设备、行人位置检测模块、行人姿态分析模块和预警模块,所述视频监控设备、所述行人位置检测模块、所述行人姿态分析模块和所述预警模块执行如上任一项所述的一种道路中智能识别行人的方法对行人预警。
本发明还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机被处理器执行时实现如上任一项所述的一种道路中智能识别行人的方法。
本发明还提供一种识别设备,包括至少一个处理器、及与所述处理器通信连接的存储器,其中所述存储器存储可被至少一个处理器执行的指令,所述指令被至少一个处理器执行,以使所述处理器执行如上任一项所述的一种道路中智能识别行人的方法。
与现有技术相比,本发明提供的一种道路中智能识别行人的方法,监测面广,使用简单,部署灵活,基于视频监控设备,对人行横道区域设置警戒区域,利用基于FCN的YOLO目标检测模型检测行人的位置,协同姿态估计网络模型分析行人的行径,当满足预设条件的行人未在安全区域或在安全区域内静止超过一定的时间,则发出预警信息;不仅提高了行人识别的准确度和监测度,准确检测并识别检测行人未走人行横道,及时提醒行人预警,还减少人工全天候监管导致的人力资源浪费,避免交通事故的发生。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的人行横道视频监控的示意图;
图2为本发明提供的热成像视频监控的示意图;
图3为本发明提供的SSD模型的网络结构图;
图4为本发明提供的检测行人的位置的流程示意图;
图5为本发明提供的监控中心点和监控点的示意图。
附图标记:
10安全区域20禁止入侵区域
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通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,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
本发明提供的一种道路中智能识别行人的方法,包括在人行横道监控区域,设定安全区域10和禁止入侵区域20;利用基于FCN的YOLO目标检测模型检测行人的位置;通过姿态估计网络模型分析行人的运动行径或静止行径;当行人在安全区域10内静止和在禁止入侵区域20运动或静止时,发出预警信息。
具体实施时,如图1所示,在人行横道视频监控区域内,设定安全区域10和禁止入侵区域20,具体地,在人行横道视频监控区域内,选一组人行横道设定为安全区域10,禁止入侵区域20为人行横道两侧的街道,人行横道上下两侧的街道为等待区,本实施例中忽略识别等待区的行人,仅对安全区域10和禁止入侵区域20的行人进行识别。
如图2所示,传统的移动侦测监控容易受到周围环境的影响,容易造成不必要的误报,不能准确有效地对雾霾、雨雪、遮挡或黑夜等情况下产生预警,对此,本实施例中,在对人行横道视频监控时,采用热成像视频监控对人行横道区域的行人进行24小时清晰监测或识别,以排出雨雪、雾霾、烟雾或黑夜等遮挡环境因素对识别的影响。
如图3、图4所示,当安全区域10或禁止入侵区域20出现行人时,利用基于FCN的YOLO目标检测模型检测行人的位置,较佳地,本实施例中对现有SSD模型进行改进形成基于FCN的YOLO目标检测模型,其中,SSD模型与其他模型的对比如下:
表1
表2
表3
根据图3、表1、表2和表3可知,基于FCN的SSD模型综合性能优越,而本实施例中,对现有SSD模型进行改进形成基于FCN的YOLO目标检测模型,
如图1、图4所示,在利用基于FCN的YOLO目标检测模型检测行人的位置,包括以下步骤:
S101:框选人行横道监控区域内的行人;
S102:选取框选中底部两点坐标(p,q)和(r,s);
S103:计算中点坐标(x,y),其中,x=(p+q)/2,y=(r+s)/2,判断中点坐标所在位置区域。
具体实施时,如图1、图4所示,首先,框选安全区域10或禁止入侵区域内20的行人,若框选的行人位于等待区,则忽略识别等待区的行人;较佳地,本实施例中采用矩形框框选安全区域10或禁止入侵区域20内的行人。
接着,选取矩形框下方两点的坐标(p,q)和(r,s),其中,p=x1 q=y2,r=x2,s=y2,其中,(x1,y1,x2,y2)所框选行人的boundingbox;然后,计算中点坐标(x,y),其中,x=(p+q)/2,y=(r+s)/2,判断中点坐标所在的位置区域,当中点坐标位于所述禁止入侵区域20时,发出预警信息。
具体地,为进一步判断行人所受的危险程度,通过姿态估计网络模型对行人的行径进行分析,较佳地,本实施例中,姿态估计网络模型为DeeperCut多人姿态模型,DeeperCut多人姿态模型的性能为MPIIAP59.4%,WAFAP88.1%。
具体地,如图5所示,设定位置移动阈值,将行人身体划分为监控中心点和若干监控点,本实施例中,监控中心点为1,其余0和2-17为监控点,在人行横道视频监控的每一帧中,对前五帧进行比较,当监控中心点1的位置移动超过位置移动阈值,则判断行人为运动行径,当监控中心点1的位置移动不超过位置移动阈值,则判断行人为静止行径;同时设定时间阈值,当行人以静止行径在安全区域10或禁止入侵区域20超过时间阈值时,提高截取视频的帧率或直接发出预警信息。
本发明提供的一种道路中智能识别行人的方法,当监测或识别到行人在禁止入侵区域20内的行径为运动和静止时,均直接发出预警信息,当监测或识别到行人在安全区域10以静止行径超过时间阈值时,提高截取视频的帧率或直接发出预警信息。
与现有技术相比,本发明提供的一种道路中智能识别行人的方法,监测面广,使用简单,部署灵活,基于视频监控设备,对人行横道区域设置警戒区域,利用基于FCN的YOLO目标检测模型检测行人的位置,协同姿态估计网络模型分析行人的行径,当满足预设条件的行人未在安全区域或在安全区域内静止超过一定的时间,则发出预警信息;不仅提高了行人识别的准确度和监测度,准确检测并识别检测行人未走人行横道,及时提醒行人预警,还减少人工全天候监管导致的人力资源浪费,避免交通事故的发生。
本发明还提供一种道路中智能识别行人系统,包括视频监控设备、行人位置检测模块、行人姿态分析模块和预警模块,所述视频监控设备、所述行人位置检测模块、所述行人姿态分析模块和所述预警模块执行如上任一项所述的一种道路中智能识别行人的方法对行人预警。
本发明还提供的计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机被处理器执行时实现如上任一项所述的一种道路中智能识别行人的方法。
具体实施时,计算机可读存储介质为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;计算机可读存储介质还可以包括上述种类的存储器的组合。
本发明还提供一种识别设备,包括至少一个处理器、及与所述处理器通信连接的存储器,其中所述存储器存储可被至少一个处理器执行的指令,所述指令被至少一个处理器执行,以使所述处理器执行如上任一项所述的一种道路中智能识别行人的方法。
具体实施时,处理器的数量可以是一个或多个,处理器可以为中央处理器,(Central Processing Unit,CPU)。处理器还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器与处理器可以通过总线或其他方式通信连接,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,以使处理器执行如上任一项所述的一种道路中智能识别行人的方法。
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 (10)
1.一种道路中智能识别行人的方法,其特征在于:包括在人行横道视频监控区域,设定安全区域和禁止入侵区域;利用基于FCN的YOLO目标检测模型检测行人的位置;通过姿态估计网络模型分析行人的运动行径或静止行径;当行人在安全区域内静止和在禁止入侵区域运动或静止时,发出预警信息。
2.根据权利要求1所述的一种道路中智能识别行人的方法,其特征在于:所述安全区域为一组人行横道,所述禁止入侵区域为人行横道两侧的街道。
3.根据权利要求2所述的一种道路中智能识别行人的方法,其特征在于:在安全区域或禁止入侵区域,通过热成像视频监控对行人进行监测或识别。
4.根据权利要求3所述的一种道路中智能识别行人的方法,其特征在于:利用基于FCN的YOLO目标检测模型检测行人的位置,包括以下步骤:
S101:框选人行横道监控区域内的行人;
S102:选取框选中底部两点坐标(p,q)和(r,s);
S103:计算中点坐标(x,y),其中,x=(p+q)/2,y=(r+s)/2,判断中点坐标所在位置区域。
5.根据权利要求4所述的一种道路中智能识别行人的方法,其特征在于:当中点坐标位于所述禁止入侵区域时,发出预警信息。
6.根据权利要求5所述的一种道路中智能识别行人的方法,其特征在于:设定时间阈值和位置移动阈值,将行人身体划分为监控中心点和若干监控点,当监控中心点超过位置移动阈值时,判定为运动行径,当监控中心点位置未超过位置移动阈值时,判定为静止行径;当行人以静止行径在安全区域或禁止入侵区域超过时间阈值时,提高截取视频的帧率或发出预警信息。
7.根据权利要求6所述的一种道路中智能识别行人的方法,其特征在于:所述姿态估计网络模型为DeeperCut多人姿态模型。
8.一种道路中智能识别行人系统,其特征在于:包括视频监控设备、行人位置检测模块、行人姿态分析模块和预警模块,所述视频监控设备、所述行人位置检测模块、所述行人姿态分析模块和所述预警模块执行如权利要求1-7任一项所述的一种道路中智能识别行人的方法对行人预警。
9.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质存储有计算机指令,所述计算机被处理器执行时实现如权利要求1-7任一项所述的一种道路中智能识别行人的方法。
10.一种识别设备,其特征在于:包括至少一个处理器、及与所述处理器通信连接的存储器,其中所述存储器存储可被至少一个处理器执行的指令,所述指令被至少一个处理器执行,以使所述处理器执行如权利要求1-7任一项所述的一种道路中智能识别行人的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011169190.1A CN112349096A (zh) | 2020-10-28 | 2020-10-28 | 一种道路中智能识别行人的方法、系统、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011169190.1A CN112349096A (zh) | 2020-10-28 | 2020-10-28 | 一种道路中智能识别行人的方法、系统、介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112349096A true CN112349096A (zh) | 2021-02-09 |
Family
ID=74358494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011169190.1A Pending CN112349096A (zh) | 2020-10-28 | 2020-10-28 | 一种道路中智能识别行人的方法、系统、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112349096A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115019553A (zh) * | 2021-07-22 | 2022-09-06 | 苏州旭安交通科技有限公司 | 基于区域检测的行人斑马线预警装置 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103345840A (zh) * | 2013-05-28 | 2013-10-09 | 南京正保通信网络技术有限公司 | 一种交叉道路口横穿道路事件视频检测方法 |
CN103456168A (zh) * | 2013-08-20 | 2013-12-18 | 深圳市飞瑞斯科技有限公司 | 一种交通路口行人行为监测系统和方法 |
CN104834887A (zh) * | 2014-02-11 | 2015-08-12 | 株式会社理光 | 运动行人表示方法、识别方法及其装置 |
CN109035795A (zh) * | 2018-08-16 | 2018-12-18 | 武汉元鼎创天信息科技有限公司 | 一种礼让行人检测系统 |
CN109584577A (zh) * | 2018-11-29 | 2019-04-05 | 北京博纳菲德科技有限公司 | 一种辅助行人过马路的人行道警示装置 |
CN109657533A (zh) * | 2018-10-27 | 2019-04-19 | 深圳市华尊科技股份有限公司 | 行人重识别方法及相关产品 |
CN110349081A (zh) * | 2019-06-17 | 2019-10-18 | 达闼科技(北京)有限公司 | 图像的生成方法、装置、存储介质和电子设备 |
CN110634324A (zh) * | 2018-06-22 | 2019-12-31 | 上海擎感智能科技有限公司 | 一种基于车载终端的礼让行人的提醒方法、系统及车载终端 |
CN110956137A (zh) * | 2019-12-02 | 2020-04-03 | 深圳市镭神智能系统有限公司 | 点云数据的目标检测方法、系统及介质 |
CN111160175A (zh) * | 2019-12-19 | 2020-05-15 | 中科寒武纪科技股份有限公司 | 智能行人违章行为管理方法及相关产品 |
CN111161318A (zh) * | 2019-12-30 | 2020-05-15 | 广东工业大学 | 一种基于yolo算法及gms特征匹配的动态场景slam方法 |
CN111275760A (zh) * | 2020-01-16 | 2020-06-12 | 上海工程技术大学 | 一种基于5g与深度图像信息的无人机目标跟踪系统及方法 |
CN111428644A (zh) * | 2020-03-25 | 2020-07-17 | 北京以萨技术股份有限公司 | 基于深度神经网络的斑马线区域监测方法、系统及介质 |
CN111489419A (zh) * | 2020-06-28 | 2020-08-04 | 广州筷子信息科技有限公司 | 一种海报生成的方法和系统 |
-
2020
- 2020-10-28 CN CN202011169190.1A patent/CN112349096A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103345840A (zh) * | 2013-05-28 | 2013-10-09 | 南京正保通信网络技术有限公司 | 一种交叉道路口横穿道路事件视频检测方法 |
CN103456168A (zh) * | 2013-08-20 | 2013-12-18 | 深圳市飞瑞斯科技有限公司 | 一种交通路口行人行为监测系统和方法 |
CN104834887A (zh) * | 2014-02-11 | 2015-08-12 | 株式会社理光 | 运动行人表示方法、识别方法及其装置 |
CN110634324A (zh) * | 2018-06-22 | 2019-12-31 | 上海擎感智能科技有限公司 | 一种基于车载终端的礼让行人的提醒方法、系统及车载终端 |
CN109035795A (zh) * | 2018-08-16 | 2018-12-18 | 武汉元鼎创天信息科技有限公司 | 一种礼让行人检测系统 |
CN109657533A (zh) * | 2018-10-27 | 2019-04-19 | 深圳市华尊科技股份有限公司 | 行人重识别方法及相关产品 |
CN109584577A (zh) * | 2018-11-29 | 2019-04-05 | 北京博纳菲德科技有限公司 | 一种辅助行人过马路的人行道警示装置 |
CN110349081A (zh) * | 2019-06-17 | 2019-10-18 | 达闼科技(北京)有限公司 | 图像的生成方法、装置、存储介质和电子设备 |
CN110956137A (zh) * | 2019-12-02 | 2020-04-03 | 深圳市镭神智能系统有限公司 | 点云数据的目标检测方法、系统及介质 |
CN111160175A (zh) * | 2019-12-19 | 2020-05-15 | 中科寒武纪科技股份有限公司 | 智能行人违章行为管理方法及相关产品 |
CN111161318A (zh) * | 2019-12-30 | 2020-05-15 | 广东工业大学 | 一种基于yolo算法及gms特征匹配的动态场景slam方法 |
CN111275760A (zh) * | 2020-01-16 | 2020-06-12 | 上海工程技术大学 | 一种基于5g与深度图像信息的无人机目标跟踪系统及方法 |
CN111428644A (zh) * | 2020-03-25 | 2020-07-17 | 北京以萨技术股份有限公司 | 基于深度神经网络的斑马线区域监测方法、系统及介质 |
CN111489419A (zh) * | 2020-06-28 | 2020-08-04 | 广州筷子信息科技有限公司 | 一种海报生成的方法和系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115019553A (zh) * | 2021-07-22 | 2022-09-06 | 苏州旭安交通科技有限公司 | 基于区域检测的行人斑马线预警装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9805474B1 (en) | Pedestrian tracking at a traffic intersection to identify vulnerable roadway users for traffic signal timing, pedestrian safety, and traffic intersection control | |
US9460613B1 (en) | Pedestrian counting and detection at a traffic intersection based on object movement within a field of view | |
CN111223302B (zh) | 移动载具用外部坐标实时三维路况辅助装置及该系统 | |
CN103680142B (zh) | 一种交通路口智能监控方法 | |
US11355014B1 (en) | System for warning about intersection danger based on situation prediction | |
US9449506B1 (en) | Pedestrian counting and detection at a traffic intersection based on location of vehicle zones | |
KR101385525B1 (ko) | 스쿨존 안전통행 시스템 | |
CN112163543A (zh) | 一种车辆违法占道的检测方法及系统 | |
JP6020567B2 (ja) | 立体物検出装置および立体物検出方法 | |
ES2689100T3 (es) | Sistema de vigilancia del comportamiento del tráfico | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
KR102122850B1 (ko) | 딥 러닝 기반의 교통분석 및 차량번호 인식 솔루션 | |
KR102293068B1 (ko) | 횡단보도에서의 차량 관리를 위한 교통 제어 시스템 | |
CN112562407A (zh) | Odd状态预判的方法、装置及自主代客泊车系统 | |
KR102456869B1 (ko) | 스마트 교통관제 시스템 | |
Taubel et al. | An experimental study of a lane departure warning system based on the optical flow and Hough transform methods | |
CN112349096A (zh) | 一种道路中智能识别行人的方法、系统、介质及设备 | |
CN111582239A (zh) | 一种违章监控方法和装置 | |
WO2017196515A1 (en) | Pedestrian counting and detection at a traffic intersection based on location of vehicle zones | |
KR102434154B1 (ko) | 영상감시시스템에서의 고속 이동물체의 위치 및 모션 캡쳐 방법 | |
CN111427063B (zh) | 一种移动装置通行控制方法、装置、设备、系统及介质 | |
CN104463913A (zh) | 违规停车智能检测装置与方法 | |
Bhandari et al. | Fullstop: A camera-assisted system for characterizing unsafe bus stopping | |
CN112537302B (zh) | 一种无人驾驶交通载具车道保持方法、装置及交通载具 | |
CN105373732A (zh) | 防止人行横道危险事故发生的系统及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210209 |