CN112562358A - 基于视频数据的交通量检测方法、装置及终端设备 - Google Patents
基于视频数据的交通量检测方法、装置及终端设备 Download PDFInfo
- Publication number
- CN112562358A CN112562358A CN202011363511.1A CN202011363511A CN112562358A CN 112562358 A CN112562358 A CN 112562358A CN 202011363511 A CN202011363511 A CN 202011363511A CN 112562358 A CN112562358 A CN 112562358A
- Authority
- CN
- China
- Prior art keywords
- video image
- centroid
- frame
- vehicle
- preset
- 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
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明适用于交通信息采集技术领域，提供了一种基于视频数据的交通量检测方法、装置及终端设备，该方法包括：确定第i帧视频图像和第i+1帧视频图像中的每一车辆的质心坐标，计算并检测第i帧视频图像中任一第一质心坐标与第i+1帧视频图像中任一第二质心坐标之间的第一质心距离，若第一质心距离小于第一预设阈值，检测第一质心坐标与第二质心坐标是否位于预设虚拟线的两侧，成立时当前车辆数目加1；按照根据第一质心距离统计车辆数目的方法，统计预设数目的视频图像序列对应的车辆数目；进而计算预设数目的视频图像序列对应的交通量。本发明统计的车辆数目更准确，获得的交通量也更准确，有利于道路交通运行状况等的分析处理。
Description
技术领域
本发明属于交通信息采集技术领域，尤其涉及一种基于视频数据的交通量检测方法、装置及终端设备。
背景技术
道路交通是现代综合交通运输体系的重要组成部分，在交通运输领域发挥着重要的作用。随着道路交通逐渐向自动化、智能化、智慧化方向发展，道路交通信息采集及分析处理的工作越来越重要。其中，交通量是道路交通信息的重要参数之一，然而，现有的基于视频数据的车辆计数方法的合理性有待商榷，进而导致车辆计数不准确。
发明内容
有鉴于此，本发明实施例提供了一种基于视频数据的交通量检测方法、装置及终端设备，以解决现有技术中基于视频数据的车辆计数方法准确度差的问题。
本发明实施例的第一方面提供了一种基于视频数据的交通量检测方法，包括：
确定第i帧视频图像中的每一车辆的质心坐标，以及确定第i+1帧视频图像中的每一车辆的质心坐标，其中，i为小于等于预设数目的正整数，所述质心坐标为车辆中心的坐标；
计算第i帧视频图像中任一第一质心坐标与第i+1帧视频图像中任一第二质心坐标之间的第一质心距离，并检测所述第一质心距离是否小于第一预设阈值；
若所述第一质心距离小于第一预设阈值，检测所述第一质心坐标与所述第二质心坐标是否位于进行交通量检测的预设虚拟线的两侧；
当所述第一质心坐标与所述第二质心坐标位于所述预设虚拟线的两侧时，将统计的前i-1帧视频图像序列对应的车辆数目加1；
按照根据所述第一质心距离统计车辆数目的方法，确定前i帧视频图像序列对应的车辆数目，并按照确定前i帧视频图像序列对应的车辆数目的方法统计所述预设数目的视频图像序列对应的车辆数目；
根据所述预设数目的视频图像序列的视频帧率和所述车辆数目，计算所述预设数目的视频图像序列对应的交通量。
本发明实施例的第二方面提供了一种基于视频数据的交通量检测装置，包括：
质心坐标确定模块，用于确定第i帧视频图像中的每一车辆的质心坐标，以及确定第i+1帧视频图像中的每一车辆的质心坐标，其中，i为小于等于预设数目的正整数，所述质心坐标为车辆中心的坐标；
第一检测模块，用于计算第i帧视频图像中任一第一质心坐标与第i+1帧视频图像中任一第二质心坐标之间的质心距离，并检测所述第一质心距离是否小于第一预设阈值；
第二检测模块，用于若所述第一质心距离小于第一预设阈值，检测所述第一质心坐标与所述第二质心坐标是否位于进行交通量检测的预设虚拟线的两侧；
第一计数模块，用于当所述第一质心坐标与所述第二质心坐标位于所述预设虚拟线的两侧时，将统计的前i-1帧视频图像序列对应的车辆数目加1；
第二计数模块，用于按照根据所述第一质心距离统计车辆数目的方法，确定前i帧视频图像序列对应的车辆数目，并按照确定前i帧视频图像序列对应的车辆数目的方法统计所述预设数目的视频图像序列对应的车辆数目；
交通量计算模块，用于根据所述预设数目的视频图像序列的视频帧率和所述车辆数目，计算所述预设数目的视频图像序列对应的交通量。
本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上任一项所述基于视频数据的交通量检测方法的步骤。
本发明实施例的第四方面提供了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程序，所述计算机程序被处理器执行时实现如上任一项所述基于视频数据的交通量检测方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：本发明实施例通过确定第i帧视频图像中的每一车辆的质心坐标，以及确定第i+1帧视频图像中的每一车辆的质心坐标，并计算第i帧视频图像中任一第一质心坐标与第i+1帧视频图像中任一第二质心坐标之间的第一质心距离，检测第一质心距离是否小于第一预设阈值，若第一质心距离小于第一预设阈值，则检测第一质心坐标与第二质心坐标是否位于进行交通量检测的预设虚拟线的两侧，当第一质心坐标与第二质心坐标位于预设虚拟线的两侧时，将统计的前i-1帧视频图像序列对应的车辆数目加1；进而获得前i帧视频图像序列对应的车辆数目，并获得预设数目的视频图像序列对应的车辆数目，进而计算预设数目的视频图像序列对应的交通量。本发明实施例通过判断任一第一质心坐标和任一第二质心坐标的第一质心距离是否小于第一预设阈值，判断第i帧视频图像中的第一质心坐标对应的车辆和第i+1帧视频图像中的第二质心坐标对应的车辆是否为同一车辆，在第一质心坐标和第二质心坐标对应的车辆为同一车辆的前提下，再判断车辆在第i帧视频图像中和在第i+1帧视频图像中是否位于预设虚拟线两侧，进而统计位于预设虚拟线两侧的车辆，可以避免交通量检测时对同一车辆重复统计，使统计的车辆数目更准确，获得的交通量也更准确，有利于道路交通运行状况、交通拥堵状况以及交通诱导的分析处理。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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是本发明实施例提供的基于视频数据的交通量检测方法的实现流程示意图；
图2是本发明实施例提供的基于视频数据的交通量检测装置的示意图；
图3是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
图1为本发明实施例提供的基于视频数据的交通量检测方法的实现流程示意图，详述如下。
步骤S101，确定第i帧视频图像中的每一车辆的质心坐标，以及确定第i+1帧视频图像中的每一车辆的质心坐标。
其中，i为小于等于预设数目的正整数，质心坐标为车辆中心的坐标。
其中，视频图像可以为道路上安装的视频监控设备获取的视频图像，直接利用道路上安装的视频监控设备获取的视频图像进行交通量检测，可以节省大量人力物力，提高交通量检测的效率。
可选的，确定第i帧视频图像中的每一车辆的质心坐标，可以包括：确定第i帧视频图像对应的前景图像的二值图像；对二值图像进行去噪处理，获得第i帧视频图像对应的连通区域集合；获得连通区域集合中每个连通区域的最小外接矩形，并将最小外接矩形的面积大于或等于第二预设阈值且小于或等于第三预设阈值时对应的最小外接矩形作为车辆区域；根据任一车辆区域中对应的像素值为预设值的所有像素的坐标，确定车辆区域对应的车辆的质心坐标；按照上述确定车辆区域对应的车辆的质心坐标的方法确定第i帧视频图像中的每一车辆的质心坐标。
其中，在确定视频图像中第i帧视频图像中的每一车辆的质心坐标之前，需要识别出第i帧视频图像中的每一车辆。在视频图像中，短时间内保持静止不变的图像称之为背景图像，而不断变化的图像称为前景图像。道路上安装的视频监控设备获取的道路交通流视频图像中，行驶的车辆为前景图像，静止的道路及周边环境为背景图像。可以采用混合高斯模型对视频图像进行一定的训练，获得可以有效识别出每帧视频图像的前景图像并形成二值图像的模型。即获得可以有效识别出每帧视频图像中行驶的车辆的模型。
利用上述训练好的模型对第i帧视频图像进行识别，可以获得包含第i帧视频图像中的每一车辆的二值图像。其中，二值图像中车辆对应的像素可以为1，其他图像对应的像素可以为0。
在获得包含第i帧视频图像中的每一车辆的二值图像后，由于道路上安装的视频监控设备获得的图像，可能包含道路周边树叶飘动等非有关车辆行驶的干扰信息，因此，需要对获得的二值图像进行去噪处理。
其中，获得的二值图像由多个像素矩阵构成，某个像素相邻的左上、上、右上、左、右、左下、下、右下8个像素称为邻像素，如果该像素与邻像素所对应的二值图都为1，则这两个像素一起称为连通区域，如果有所对应的二值图为1的第3个像素与前2个像素相邻，则这3个像素构成新的连通区域，以此类推，得到二值图像中所有的前景图像的连通区域；第i帧视频图像对应的前景图像的二值图像可能包含多个车辆，相应的就会形成多个连通区域，删除连通区域小于噪音阈值的区域，即完成了对获得的二值图像的去噪处理。进而去噪处理后再获得第i帧视频图像中的每一车辆的质心坐标，获得的第i帧视频图像中的车辆信息更准确，而且去噪处理删除了某些非车辆信息构成的连通区域，也有利于减少交通量检测过程中的计算量，提高交通量检测的实时性。
示例性的，对第i帧视频图像对应的二值图像进行去噪处理后，可以获得包含多个连通区域的连通区域集合，每一个连通区域对应一车辆。可以对连通区域集合进一步处理，获得每个连通区域对应的最小外接矩形，选择最小外接矩形的面积大于或等于第二预设阈值且小于或等于第三预设阈值时对应的最小外接矩形作为车辆区域，以保证每个最小外接矩形对应一辆车。
可选的，对于面积大于第三预设阈值的最小外接矩形，可以根据第二预设阈值和第三预设阈值将其拆分成多个车辆区域。根据每个连通区域的最小外接矩形进行处理后，可以获得第i帧视频图像对应的车辆区域集合。可以对每个车辆区域进行编号，获得每个车辆编号对应的质心坐标。
按照同样的方法，可以获得视频图像中第i+1帧视频图像中每一车辆的质心坐标。
可选的，根据任一车辆区域中对应的像素值为预设值的所有像素的坐标，确定车辆区域对应的车辆的质心坐标，可以包括：根据任一车辆区域中对应的像素值为预设值的所有像素的横坐标的平均值，确定车辆区域对应的车辆的质心坐标的横坐标；根据任一车辆区域中对应的像素值为预设值的所有像素的纵坐标的平均值，确定车辆区域对应的车辆的质心坐标的纵坐标。
示例性的，对于某一车辆区域，由于一般情况下，像素值为1的为前景图像，则可以将车辆区域对应的像素值为1的所有像素的横坐标平均值作为车辆区域对应的车辆的质心坐标的横坐标，将车辆区域对应的像素值为1的所有像素的纵坐标平均值作为车辆区域对应的车辆的质心坐标的纵坐标。由于本实施例利用前景图像中的每一个像素获得前景图像代表的车辆的质心坐标，获得的质心坐标更有代表性，能更准确的反映车辆在当前帧图像中的位置。
步骤S102，计算第i帧视频图像中任一第一质心坐标与第i+1帧视频图像中任一第二质心坐标之间的第一质心距离，并检测第一质心距离是否小于第一预设阈值。
其中，获得第i帧视频图像中的每一车辆的质心坐标和第i+1帧视频图像中的每一车辆的质心坐标时，可以分别为第i帧视频图像中的每一车辆和第i+1帧视频图像中的每一车辆进行编号，获得每个编号及其对应的质心坐标。
按照编号顺序，计算第i帧视频图像中某一车辆的第一质心坐标与第i+1帧视频图像中某一车辆的第二质心坐标之间的第一质心距离，并检测第一质心距离是否小于第一预设阈值。如果第一质心距离小于第一预设阈值，则第i+1帧视频图像中的第一质心坐标与第i帧视频图像中的第二质心坐标对应的为同一辆车，在第i+1帧视频图像中的第二质心坐标与第i帧视频图像中的第一质心坐标对应的为同一辆车的前提下，再判断这一车辆是否穿过进行交通量检测的预设虚拟线，进而计算得到交通量，可以避免交通量检测时对同一车辆重复统计，提高交通量检测的准确性。
可选的，第一预设阈值包括第一横坐标阈值和第一纵坐标阈值；检测第一质心距离是否小于第一预设阈值，可以包括：
根据
检测第一质心距离是否小于第一预设阈值。
其中，xj为第i帧视频图像中任一第一质心坐标中的横坐标，x′k为第i+1帧视频图像中任一第二质心坐标中的横坐标，dx为所述第一横坐标阈值，yj为第i帧视频图像中任一第一质心坐标中的纵坐标，y′k为第i+1帧视频图像中任一第二质心坐标中的纵坐标，dy为所述第一纵坐标阈值，j为第i帧视频图像中任一车辆的编号，k为第i+1帧视频图像中任一车辆的编号。
示例性的，计算第i帧视频图像中的编号为1的第一质心坐标O1(x1,y1)与第i+1帧视频图像中编号为1的第二质心坐标O′1(x′1,y′1)的第一质心距离，并检测第一质心距离是否小于第一预设阈值。即判断
是否成立，成立则第一质心距离小于第一预设阈值，在第i+1帧视频图像中编号为1的第二质心坐标与第i帧视频图像中编号为1的第一质心坐标对应的为同一辆车。依次类推，继续计算并检测第i帧视频图像中的编号为2的质心坐标与第i+1帧视频图像中编号为2的质心坐标的质心距离是否小于第一预设阈值，直到计算并检测完第i帧视频图像中的所有质心坐标。
可选的，在检测第一质心距离是否小于第一预设阈值之后，还可以包括：
若第一质心距离不小于第一预设阈值，则计算第一质心坐标与第i+1帧视频图像中下一车辆的质心坐标之间的第二质心距离，并重新执行检测第二质心距离是否小于第一预设阈值的步骤以及后续步骤，直到计算并检测完第一质心坐标与第i+1帧视频图像中所有车辆的质心坐标的质心距离。
计算第i帧视频图像中除第一质心坐标外的质心坐标与第i+1帧视频图像中未匹配的所有车辆的质心坐标的质心距离，直到计算并检测完第i帧视频图像中所有车辆的质心坐标；其中，第i+1帧视频图像中未匹配的所有车辆的质心坐标为第i+1帧视频图像中除与第i帧视频图像中质心距离小于第一预设阈值的质心坐标之外的所有车辆的质心坐标。
示例性的，计算第i帧视频图像中的编号为1的第一质心坐标O1(x1,y1)与第i+1帧视频图像中编号为1的第二质心坐标O′1(x′1,y′1)的第一质心距离，并检测第一质心距离是否小于第一预设阈值。若
不成立，即第一质心距离不小于第一预设阈值，说明第i+1帧视频图像中编号为1的第一质心坐标与第i帧视频图像中编号为1的第二质心坐标对应的不为同一辆车，则继续计算并检测第i帧视频图像中的编号为1的第一质心坐标与第i+1帧视频图像中编号为2的质心坐标的质心距离，直到检测到质心距离小于第一预设阈值的质心坐标，则跳到步骤S103，否则，则说明第i帧视频图像中的编号为1的第一质心坐标对应的车辆在第i+1帧视频图像中已经驶出检测区域，则继续检测第i帧视频图像中的编号为2的质心坐标与第i+1帧视频图像中编号为1的质心坐标的质心距离，依次类推，直到计算并检测完第i帧视频图像中的所有质心坐标。
本实施例将第i帧视频图像中的质心坐标与第i+1帧视频图像中的质心坐标循环检测，可以避免交通量检测时发生遗漏，进一步提高交通量检测的准确性。
步骤S103，若第一质心距离小于第一预设阈值，检测第一质心坐标与第二质心坐标是否位于进行交通量检测的预设虚拟线的两侧。
其中，若第一质心距离小于第一预设阈值，则第一质心坐标和第二质心坐标对应同一辆车，在此基础上，检测第一质心坐标与第二质心坐标是否位于进行交通量检测的预设虚拟线的两侧。利用视频图像中的预设虚拟线作为进行交通量检测的判断标准，简单容易实施，避免了线圈检测法需要在修建道路时埋设相应的检测线圈或者需要对已修建的道路进行开槽埋设线圈的施工量，而且利用视频图像中的预设虚拟线进行交通量检测，判断标准明确，不容易发生误判，准确度高。
可选的，检测第一质心坐标与第二质心坐标是否位于进行交通量检测的预设虚拟线的两侧，可以包括：
根据(yj-axj-b)(y′k-ax′k-b)<0检测当第一质心坐标与第二质心坐标是否位于进行交通量检测的预设虚拟线的两侧。
其中，a为进行交通量检测的预设虚拟线的斜率，b为进行交通量检测的预设虚拟线的截距。
其中，用于进行交通量检测的预设虚拟线的方程可以为y＝ax+b，假设第i帧视频图像中的编号为1的第一质心坐标O1(x1,y1)与第i+1帧视频图像中编号为1的第二质心坐标O′1(x′1,y′1)的第一质心距离小于第一预设阈值，则进一步判断(y1-ax1-b)(y′1-ax′1-b)<0是否成立，成立则说明第i帧视频图像中的编号为1的第一质心坐标O1(x1,y1)对应的车辆在第i+1帧视频图像中正好穿过预设虚拟线。
步骤S104，当第一质心坐标与第二质心坐标位于预设虚拟线的两侧时，将统计的前i-1帧视频图像序列对应的车辆数目加1。
示例性的，假设第i帧视频图像中的编号为1的第一质心坐标O1(x1,y1)与第i+1帧视频图像中编号为1的第二质心坐标O′1(x′1,y′1)满足(y1-ax1-b)(y′1-ax′1-b)<0，则在当前统计的车辆数目的基础上加1。
步骤S105，按照根据第一质心距离统计车辆数目的方法，确定前i帧视频图像序列对应的车辆数目，并按照确定前i帧视频图像序列对应的车辆数目的方法统计预设数目的视频图像序列对应的车辆数目。
根据第i+1帧视频图像中的质心坐标，完成第i帧视频图像中的所有质心坐标的检测后，则可以确定前i帧视频图像序列对应的车辆数目，如果要获得预设数目的视频图像序列对应的交通量，则需要获得预设数目的视频图像序列对应的车辆数目，可以按照确定前i帧视频图像序列对应的车辆数目的方法统计预设数目的视频图像序列对应的车辆数目。
步骤S106，根据预设数目的视频图像序列的视频帧率和车辆数目，计算预设数目的视频图像序列对应的交通量。
可选的，根据预设数目的视频图像序列的视频帧率和车辆数目，计算预设数目的视频图像序列对应的交通量，可以包括：
根据预设数目的视频图像序列的视频帧率和预设数目，获得预设数目的视频图像序列对应的时间间隔；根据预设数目的视频图像序列对应的时间间隔和车辆数目，计算预设数目的视频图像序列对应的交通量。
其中，可以根据
计算预设数目的视频图像序列对应的交通量。
其中，Q为预设数目的视频图像序列对应的交通量，N为预设数目的视频图像序列对应的车辆数目，n为视频帧数目，也就是预设数目，R为预设数目的视频图像序列的视频帧率。
可选的，在计算预设数目的视频图像序列对应的交通量之后，还可以包括：
将视频帧数目和车辆数目置为初始值，重新执行确定第i帧视频图像中的每一车辆的质心坐标的步骤以及后续步骤，直至计算下一个预设数目的视频图像序列对应的交通量，直至采集的视频图像结束。
也就是说，对于道路上的监控设备等采集的视频图像，可以按照本实施例的基于视频数据的交通量检测方法获得每预设数目的视频图像序列对应的交通量，直至采集的视频图像结束。
上述基于视频数据的交通量检测方法，通过确定第i帧视频图像中的每一车辆的质心坐标，以及确定第i+1帧视频图像中的每一车辆的质心坐标，并计算第i帧视频图像中任一第一质心坐标与第i+1帧视频图像中任一第二质心坐标之间的第一质心距离，检测第一质心距离是否小于第一预设阈值，若第一质心距离小于第一预设阈值，则检测第一质心坐标与第二质心坐标是否位于进行交通量检测的预设虚拟线的两侧，当第一质心坐标与第二质心坐标位于预设虚拟线的两侧时，将统计的前i-1帧视频图像序列对应的车辆数目加1；进而获得前i帧视频图像序列对应的车辆数目，并获得预设数目的视频图像序列对应的车辆数目，进而计算预设数目的视频图像序列对应的交通量。本发明任一第一质心坐标和任一第二质心坐标的第一质心距离是否小于第一预设阈值，判断第i帧视频图像中的车辆和第i+1帧视频图像中的车辆是否为同一车辆，在第i帧视频图像中的第一质心坐标对应的车辆和第i+1帧视频图像中的第二质心坐标对应的车辆为同一车辆的前提下，再判断车辆在第i帧视频图像中和在第i+1帧视频图像中是否位于预设虚拟线两侧，进而统计位于预设虚拟线两侧的车辆，可以避免交通量检测时对同一车辆重复统计，使统计的车辆数目更准确，获得的交通量也更准确，有利于道路交通运行状况、交通拥堵状况以及交通诱导的分析。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的基于视频数据的交通量检测方法，图2示出了本发明实施例提供的基于视频数据的交通量检测装置的示例图。如图2所示，该装置可以包括：质心坐标确定模块21、第一检测模块22、第二检测模块23、第一计数模块24、第二计数模块25和交通量计算模块26。
质心坐标确定模块21，用于确定第i帧视频图像中的每一车辆的质心坐标，以及确定第i+1帧视频图像中的每一车辆的质心坐标，其中，i为小于等于预设数目的正整数，所述质心坐标为车辆中心的坐标；
第一检测模块22，用于计算第i帧视频图像中任一第一质心坐标与第i+1帧视频图像中任一第二质心坐标之间的第一质心距离，并检测所述第一质心距离是否小于第一预设阈值；
第二检测模块23，用于若所述第一质心距离小于第一预设阈值，检测所述第一质心坐标与第二质心坐标是否位于进行交通量检测的预设虚拟线的两侧；
第一计数模块24，用于当所述第一质心坐标与所述第二质心坐标位于所述预设虚拟线的两侧时，将统计的前i-1帧视频图像序列对应的车辆数目加1；
第二计数模块25，用于按照根据所述第一质心距离统计车辆数目的方法，确定前i帧视频图像序列对应的车辆数目，并按照确定前i帧视频图像序列对应的车辆数目的方法统计所述预设数目的视频图像序列对应的车辆数目；
交通量计算模块26，用于根据所述预设数目的视频图像序列的视频帧率和所述车辆数目，计算所述预设数目的视频图像序列对应的交通量。
可选的，第二检测模块23，还可以用于若所述第一质心距离不小于第一预设阈值，则计算所述第一质心坐标与第i+1帧视频图像中下一车辆的质心坐标之间的第二质心距离，并重新执行检测所述第二质心距离是否小于所述第一预设阈值的步骤以及后续步骤，直到计算并检测完所述第一质心坐标与第i+1帧视频图像中所有车辆的质心坐标的质心距离；
计算所述第i帧视频图像中除所述第一质心坐标外的质心坐标与第i+1帧视频图像中未匹配的所有车辆的质心坐标的质心距离，直到计算并检测完第i帧视频图像中所有车辆的质心坐标；其中，第i+1帧视频图像中未匹配的所有车辆的质心坐标为第i+1帧视频图像中除与第i帧视频图像中质心距离小于所述第一预设阈值的质心坐标之外的所有车辆的质心坐标。
可选的，质心坐标确定模块21，可以用于确定第i帧视频图像对应的前景图像的二值图像；对所述二值图像进行去噪处理，获得第i帧视频图像对应的连通区域集合；获得所述连通区域集合中每个连通区域的最小外接矩形，并将最小外接矩形的面积大于或等于第二预设阈值且小于或等于第三预设阈值时对应的最小外接矩形作为车辆区域；根据任一车辆区域中对应的像素值为预设值的所有像素的坐标，确定所述车辆区域对应的车辆的质心坐标；按照上述确定所述车辆区域对应的车辆的质心坐标的方法确定第i帧视频图像中的每一车辆的质心坐标。
可选的，质心坐标确定模块21，可以用于根据任一车辆区域中对应的像素值为预设值的所有像素的横坐标的平均值，确定所述车辆区域对应的车辆的质心坐标的横坐标；根据任一车辆区域中对应的像素值为预设值的所有像素的纵坐标的平均值，确定所述车辆区域对应的车辆的质心坐标的纵坐标。
可选的，所述第一预设阈值包括第一横坐标阈值和第一纵坐标阈值；第一检测模块22，可以用于根据
检测第一质心距离是否小于第一预设阈值；
其中，xj为第i帧视频图像中任一第一质心坐标中的横坐标，x′k为第i+1帧视频图像中任一第二质心坐标中的横坐标，dx为所述第一横坐标阈值，yj为第i帧视频图像中任一第一质心坐标中的纵坐标，y′k为第i+1帧视频图像中任一第二质心坐标中的纵坐标，dy为所述第一纵坐标阈值，j为第i帧视频图像中任一车辆的编号，k为第i+1帧视频图像中任一车辆的编号。
可选的，第二检测模块23，可以用于根据(yj-axj-b)(y′k-ax′k-b)<0检测所述第一质心坐标与所述第二质心坐标是否位于进行交通量检测的预设虚拟线的两侧；
其中，a为所述进行交通量检测的预设虚拟线的斜率，b为所述进行交通量检测的预设虚拟线的截距。
可选的，交通量计算模块26，可以用于根据所述预设数目的视频图像序列的视频帧率和所述预设数目，获得所述预设数目的视频图像序列对应的时间间隔；根据所述预设数目的视频图像序列对应的时间间隔和所述车辆数目，计算所述预设数目的视频图像序列对应的交通量。
可选的，交通量计算模块26，可以用于将视频帧数目和车辆数目置为初始值，重新执行确定第i帧视频图像中的每一车辆的质心坐标的步骤以及后续步骤，直至计算下一个预设数目的视频图像序列对应的交通量，直至采集的视频图像结束。
上述基于视频数据的交通量检测装置，通过确定第i帧视频图像中的每一车辆的质心坐标，以及确定第i+1帧视频图像中的每一车辆的质心坐标，并计算第i帧视频图像中任一第一质心坐标与第i+1帧视频图像中任一第二质心坐标之间的第一质心距离，检测第一质心距离是否小于第一预设阈值，若第一质心距离小于第一预设阈值，则检测第一质心坐标与第二质心坐标是否位于进行交通量检测的预设虚拟线的两侧，当第一质心坐标与第二质心坐标位于预设虚拟线的两侧时，将统计的前i-1帧视频图像序列对应的车辆数目加1；进而获得前i帧视频图像序列对应的车辆数目，并获得预设数目的视频图像序列对应的车辆数目，进而计算预设数目的视频图像序列对应的交通量。本发明任一第一质心坐标和任一第二质心坐标的第一质心距离是否小于第一预设阈值，判断第i帧视频图像中的车辆和第i+1帧视频图像中的车辆是否为同一车辆，在第i帧视频图像中的第一质心坐标对应的车辆和第i+1帧视频图像中的第二质心坐标对应的车辆为同一车辆的前提下，再判断车辆在第i帧视频图像中和在第i+1帧视频图像中是否位于预设虚拟线两侧，进而统计位于预设虚拟线两侧的车辆，可以避免交通量检测时对同一车辆重复统计，使统计的车辆数目更准确，获得的交通量也更准确，有利于道路交通运行状况、交通拥堵状况以及交通诱导的分析。
图3是本发明一实施例提供的终端设备的示意图。如图3所示，该实施例的终端设备300包括：处理器301、存储器302以及存储在所述存储器302中并可在所述处理器301上运行的计算机程序303，例如基于视频数据的交通量检测程序。所述处理器301执行所述计算机程序303时实现上述基于视频数据的交通量检测方法实施例中的步骤，例如图1所示的步骤S101至S106，所述处理器301执行所述计算机程序303时实现上述各装置实施例中各模块的功能，例如图2所示模块21至26的功能。
示例性的，所述计算机程序303可以被分割成一个或多个程序模块，所述一个或者多个程序模块被存储在所述存储器302中，并由所述处理器301执行，以完成本发明。所述一个或多个程序模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序303在所述基于视频数据的交通量检测装置或者终端设备300中的执行过程。例如，所述计算机程序303可以被分割成质心坐标确定模块21、第一检测模块22、第二检测模块23、第一计数模块24、第二计数模块25和交通量计算模块26，各模块具体功能如图2所示，在此不再一一赘述。
所述终端设备300可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器301、存储器302。本领域技术人员可以理解，图3仅仅是终端设备300的示例，并不构成对终端设备300的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器301可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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。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。
所述存储器302可以是所述终端设备300的内部存储单元，例如终端设备300的硬盘或内存。所述存储器302也可以是所述终端设备300的外部存储设备，例如所述终端设备300上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器302还可以既包括所述终端设备300的内部存储单元也包括外部存储设备。所述存储器302用于存储所述计算机程序以及所述终端设备300所需的其他程序和数据。所述存储器302还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述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精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于视频数据的交通量检测方法，其特征在于，包括：
确定第i帧视频图像中的每一车辆的质心坐标，以及确定第i+1帧视频图像中的每一车辆的质心坐标，其中，i为小于等于预设数目的正整数，所述质心坐标为车辆中心的坐标；
计算第i帧视频图像中任一第一质心坐标与第i+1帧视频图像中任一第二质心坐标之间的第一质心距离，并检测所述第一质心距离是否小于第一预设阈值；
若所述第一质心距离小于第一预设阈值，检测所述第一质心坐标与所述第二质心坐标是否位于进行交通量检测的预设虚拟线的两侧；
当所述第一质心坐标与所述第二质心坐标位于所述预设虚拟线的两侧时，将统计的前i-1帧视频图像序列对应的车辆数目加1；
按照根据所述第一质心距离统计车辆数目的方法，确定前i帧视频图像序列对应的车辆数目，并按照确定前i帧视频图像序列对应的车辆数目的方法统计所述预设数目的视频图像序列对应的车辆数目；
根据所述预设数目的视频图像序列的视频帧率和所述车辆数目，计算所述预设数目的视频图像序列对应的交通量。
2.如权利要求1所述的基于视频数据的交通量检测方法，其特征在于，在检测所述第一质心距离是否小于第一预设阈值之后，还包括：
若所述第一质心距离不小于第一预设阈值，则计算所述第一质心坐标与第i+1帧视频图像中下一质心坐标之间的第二质心距离，并重新执行检测所述第二质心距离是否小于所述第一预设阈值的步骤以及后续步骤，直到计算并检测完所述第一质心坐标与第i+1帧视频图像中所有车辆的质心坐标的质心距离；
计算所述第i帧视频图像中除所述第一质心坐标外的质心坐标与第i+1帧视频图像中未匹配的所有车辆的质心坐标的质心距离，直到计算并检测完第i帧视频图像中所有车辆的质心坐标；其中，第i+1帧视频图像中未匹配的所有车辆的质心坐标为第i+1帧视频图像中除与第i帧视频图像中质心距离小于所述第一预设阈值的质心坐标之外的所有车辆的质心坐标。
3.如权利要求1所述的基于视频数据的交通量检测方法，其特征在于，所述确定第i帧视频图像中的每一车辆的质心坐标，包括：
确定第i帧视频图像对应的前景图像的二值图像；
对所述二值图像进行去噪处理，获得第i帧视频图像对应的连通区域集合；
获得所述连通区域集合中每个连通区域的最小外接矩形，并将最小外接矩形的面积大于或等于第二预设阈值且小于或等于第三预设阈值时对应的最小外接矩形作为车辆区域；
根据任一车辆区域中对应的像素值为预设值的所有像素的坐标，确定所述车辆区域对应的车辆的质心坐标；
按照上述确定所述车辆区域对应的车辆的质心坐标的方法确定第i帧视频图像中的每一车辆的质心坐标。
4.如权利要求3所述的基于视频数据的交通量检测方法，其特征在于，所述根据任一车辆区域中对应的像素值为预设值的所有像素的坐标，确定所述车辆区域对应的车辆的质心坐标，包括：
根据任一车辆区域中对应的像素值为预设值的所有像素的横坐标的平均值，确定所述车辆区域对应的车辆的质心坐标的横坐标；
根据任一车辆区域中对应的像素值为预设值的所有像素的纵坐标的平均值，确定所述车辆区域对应的车辆的质心坐标的纵坐标。
5.如权利要求1至4任一项所述的基于视频数据的交通量检测方法，其特征在于，所述第一预设阈值包括第一横坐标阈值和第一纵坐标阈值；
所述检测所述第一质心距离是否小于第一预设阈值，包括：
根据
检测所述第一质心距离是否小于第一预设阈值；
其中，xj为第i帧视频图像中任一第一质心坐标中的横坐标，x′k为第i+1帧视频图像中任一第二质心坐标中的横坐标，dx为所述第一横坐标阈值，yj为第i帧视频图像中任一第一质心坐标中的纵坐标，y′k为第i+1帧视频图像中任一第二质心坐标中的纵坐标，dy为所述第一纵坐标阈值，j为第i帧视频图像中任一车辆的编号，k为第i+1帧视频图像中任一车辆的编号。
6.如权利要求1至4任一项所述的基于视频数据的交通量检测方法，其特征在于，所述检测所述第一质心坐标与所述第二质心坐标是否位于进行交通量检测的预设虚拟线的两侧，包括：
根据(yj-axj-b)(y′k-ax′k-b)<0检测所述第一质心坐标与所述第二质心坐标是否位于进行交通量检测的预设虚拟线的两侧；
其中，a为所述进行交通量检测的预设虚拟线的斜率，b为所述进行交通量检测的预设虚拟线的截距。
7.如权利要求1至4任一项所述的基于视频数据的交通量检测方法，其特征在于，所述根据所述预设数目的视频图像序列的视频帧率和所述车辆数目，计算所述预设数目的视频图像序列对应的交通量，包括：
根据所述预设数目的视频图像序列的视频帧率和所述预设数目，获得所述预设数目的视频图像序列对应的时间间隔；
根据所述预设数目的视频图像序列对应的时间间隔和所述车辆数目，计算所述预设数目的视频图像序列对应的交通量；
在计算所述预设数目的视频图像序列对应的交通量之后，还包括：
将视频帧数目和车辆数目置为初始值，重新执行确定第i帧视频图像中的每一车辆的质心坐标的步骤以及后续步骤，直至计算下一个预设数目的视频图像序列对应的交通量，直至采集的视频图像结束。
8.一种基于视频数据的交通量检测装置，其特征在于，包括：
质心坐标确定模块，用于确定第i帧视频图像中的每一车辆的质心坐标，以及确定第i+1帧视频图像中的每一车辆的质心坐标，其中，i为小于等于预设数目的正整数，所述质心坐标为车辆中心的坐标；
第一检测模块，用于计算第i帧视频图像中任一第一质心坐标与第i+1帧视频图像中任一第二质心坐标之间的第一质心距离，并检测所述第一质心距离是否小于第一预设阈值；
第二检测模块，用于若所述第一质心距离小于第一预设阈值，检测所述第一质心坐标与所述第二质心坐标是否位于进行交通量检测的预设虚拟线的两侧；
第一计数模块，用于当所述第一质心坐标与所述第二质心坐标位于所述预设虚拟线的两侧时，将统计的前i-1帧视频图像序列对应的车辆数目加1；
第二计数模块，用于按照根据所述第一质心距离统计车辆数目的方法，确定前i帧视频图像序列对应的车辆数目，并按照确定前i帧视频图像序列对应的车辆数目的方法统计所述预设数目的视频图像序列对应的车辆数目；
交通量计算模块，用于根据所述预设数目的视频图像序列的视频帧率和所述车辆数目，计算所述预设数目的视频图像序列对应的交通量。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一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程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011363511.1A CN112562358A (zh) | 2020-11-27 | 2020-11-27 | 基于视频数据的交通量检测方法、装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011363511.1A CN112562358A (zh) | 2020-11-27 | 2020-11-27 | 基于视频数据的交通量检测方法、装置及终端设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112562358A true CN112562358A (zh) | 2021-03-26 |
Family
ID=75046539
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011363511.1A Pending CN112562358A (zh) | 2020-11-27 | 2020-11-27 | 基于视频数据的交通量检测方法、装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112562358A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105427626A (zh) * | 2015-12-19 | 2016-03-23 | 长安大学 | 一种基于视频分析的车流量统计方法 |
| CN106355903A (zh) * | 2016-09-13 | 2017-01-25 | 枣庄学院 | 基于视频分析的多车道车流量检测方法 |
| CN106651908A (zh) * | 2016-10-13 | 2017-05-10 | 北京科技大学 | 一种多运动目标跟踪方法 |
| CN109102523A (zh) * | 2018-07-13 | 2018-12-28 | 南京理工大学 | 一种运动目标检测和跟踪方法 |
| CN109615862A (zh) * | 2018-12-29 | 2019-04-12 | 南京市城市与交通规划设计研究院股份有限公司 | 道路车辆交通运动状态参数动态获取方法及装置 |
-
2020
- 2020-11-27 CN CN202011363511.1A patent/CN112562358A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105427626A (zh) * | 2015-12-19 | 2016-03-23 | 长安大学 | 一种基于视频分析的车流量统计方法 |
| CN106355903A (zh) * | 2016-09-13 | 2017-01-25 | 枣庄学院 | 基于视频分析的多车道车流量检测方法 |
| CN106651908A (zh) * | 2016-10-13 | 2017-05-10 | 北京科技大学 | 一种多运动目标跟踪方法 |
| CN109102523A (zh) * | 2018-07-13 | 2018-12-28 | 南京理工大学 | 一种运动目标检测和跟踪方法 |
| CN109615862A (zh) * | 2018-12-29 | 2019-04-12 | 南京市城市与交通规划设计研究院股份有限公司 | 道路车辆交通运动状态参数动态获取方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| 汪辉等: "基于YOLOv3的多车道车流量统计及车辆跟踪方法", 《国外电子测量技术》 * |
| 胡云鹭: "基于视频的车流量及车速检测系统研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
| 陈景波等: "交通场景中多目标的检测与跟踪", 《现代电子技术》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108986465B (zh) | 一种车流量检测的方法、系统及终端设备 | |
| CN111382704B (zh) | 基于深度学习的车辆压线违章判断方法、装置及存储介质 | |
| CN109272016B (zh) | 目标检测方法、装置、终端设备和计算机可读存储介质 | |
| CN112069944A (zh) | 一种道路拥堵等级确定方法 | |
| CN109461133B (zh) | 桥梁螺栓脱落检测方法及终端设备 | |
| CN112233076B (zh) | 基于红色圆标靶图像处理的结构振动位移测量方法及装置 | |
| CN109916488B (zh) | 动态车辆称重方法及装置 | |
| CN112052782B (zh) | 基于环视的停车位识别方法、装置、设备及存储介质 | |
| CN110390668B (zh) | 螺栓松动检测方法、终端设备及存储介质 | |
| CN111554109B (zh) | 基于排队长度的信号配时方法及终端 | |
| CN113256683B (zh) | 目标跟踪方法及相关设备 | |
| CN111429487B (zh) | 一种深度图像的黏连前景分割方法及装置 | |
| CN112837384A (zh) | 车辆标记方法、装置和电子设备 | |
| CN111242051B (zh) | 一种车辆识别优化方法、装置及存储介质 | |
| CN115690747B (zh) | 车辆盲区检测模型测试方法、装置、电子设备及存储介质 | |
| CN112418089A (zh) | 一种手势识别方法、装置及终端 | |
| CN112562358A (zh) | 基于视频数据的交通量检测方法、装置及终端设备 | |
| CN112146834B (zh) | 结构振动位移测量方法及装置 | |
| CN112950961B (zh) | 车流量统计方法、装置、设备和存储介质 | |
| CN115953759A (zh) | 对车位限位器的检测方法、装置、电子设备及存储介质 | |
| CN113780278A (zh) | 一种识别车牌内容的方法、装置、电子设备以及存储介质 | |
| CN112101139B (zh) | 人形检测方法、装置、设备及存储介质 | |
| CN114708230A (zh) | 基于图像分析的车架质量检测方法、装置、设备及介质 | |
| CN109472766B (zh) | 桥梁螺栓区域定位方法及终端设备 | |
| CN113869407A (zh) | 一种基于单目视觉的车长测量方法和装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210326 |