CN112926540A - 一种二轮车佩戴头盔的检测方法、装置及电子设备 - Google Patents
一种二轮车佩戴头盔的检测方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112926540A CN112926540A CN202110378101.2A CN202110378101A CN112926540A CN 112926540 A CN112926540 A CN 112926540A CN 202110378101 A CN202110378101 A CN 202110378101A CN 112926540 A CN112926540 A CN 112926540A
- Authority
- CN
- China
- Prior art keywords
- target
- helmet
- detection
- algorithm
- targets
- 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 39
- 238000001514 detection method Methods 0.000 claims abstract description 62
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 42
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Biology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种二轮车佩戴头盔的检测方法、装置、电子设备及存储介质,属于监控设备的技术领域,缓解了现有技术中存在的检测二轮车佩戴头盔准确率不高的问题。所述方法包括以下步骤:获取视频帧,并根据目标检测跟踪算法确认目标;裁剪视频帧中的目标;根据头盔检测算法确定头盔的位置;根据头盔的位置确认驾驶员是否佩戴头盔;向控制中心发送检测结果。
Description
技术领域
本发明涉及监控设备的技术领域,尤其是涉及一种二轮车佩戴头盔的检测方法、装置、电子设备及存储介质。
背景技术
随着私家车数量增加,城市道路拥堵日益严重,灵活轻便的摩托车逐渐受到广泛欢迎。另一方面,很多摩托车驾驶员安全意识薄弱,不戴头盔、逆行、超载等违章行为导致交通事故频发,加之摩托车防护措施弱,事故大多导致驾驶人员头部受伤,因而伤亡严重。为提高驾驶员安全意识,国家已经出台相关法规规定驾驶人员和乘坐人员应当按规定戴安全头盔。交通部门组织了大量的警力对不戴头盔的驾驶行为进行拦截处罚,这种路面执法导致查处难、取证难,还容易造成冲突,比如摩托冲卡、交警受伤牺牲、驾驶人逃逸导致人员伤亡等。现有技术中有基于头盔与头发的颜色差异性,判断当前检测的摩托车目标的头顶部颜色的饱和度情况,以判定当前摩托车驾驶员是否佩戴头盔,但检测准确率仍然不理想,面对多样的头盔颜色准确率不高,因此需要改变检测的方法,以提升检测的准确率。
发明内容
本发明的目的在于提供一种二轮车佩戴头盔的检测方法、装置、电子设备及存储介质,缓解了现有技术中存在的检测二轮车佩戴头盔准确率不高的技术问题。
第一方面,本发明提供的二轮车佩戴头盔的检测方法,包括以下步骤:
获取视频帧,并根据目标检测跟踪算法确认目标;
裁剪视频帧中的目标;
根据头盔检测算法确定头盔的位置;
根据头盔的位置确认驾驶员是否佩戴头盔;
向控制中心发送检测结果。
进一步的,所述获取视频帧,并根据目标检测跟踪算法确认目标的步骤,具体包括:
获取多个视频帧;
获取每个视频帧中的目标;
建立目标ID和目标类型;
将所述多个视频帧中的目标进行匹配,使同一个目标拥有统一的目标ID和目标类型。
进一步的,所述目标检测跟踪算法以YOLO检测算法为基础,且以darknet-53为主干网络。
进一步的,将所述多个视频帧中的目标进行匹配,使同一个目标拥有目标ID和目标类型的步骤,具体包括:
利用DSST和KCF算法匹配多个视频帧中的目标,并结合目标的IOU信息确认是否为同一目标;
若是,则合并目标ID;
若否,则保持原目标ID。
进一步的,所述头盔检测算法以YOLO算法为基础,且以tiny-darknet为主干网络。
第二方面,本发明还提供一种二轮车佩戴头盔的检测装置,包括:
目标确认模块,用于获取视频帧,并根据目标检测跟踪算法确认目标;
目标裁剪模块,用于裁剪视频帧中的目标;
头盔位置确认模块,用于根据头盔检测算法确定头盔的位置;
检测模块,用于确认驾驶员是否佩戴头盔;
结果发送模块,用于向控制中心发送检测结果。
第三方面,本发明还提供一种电子设备,包括存储器、处理器,所述存储器中存储有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上述方法的步骤。
第四方面,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机器可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行上述方法。
本发明提供的二轮车佩戴头盔检测方法,通过从视频帧中获取目标并确认目标,再将目标从视频帧中裁剪出来,然后确定头盔的位置,最后在头盔的位置处确定是否佩戴头盔,本检测方法检测率较高,且不受驾驶员的头发颜色影响。
相应地,本发明实施例提供的一种二轮车佩戴头盔的检测装置、电子设备及计算机可读存储介质,也同样具有上述技术效果。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,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为本发明实施例提供的二轮车佩戴头盔检测方法流程图;
图2为本发明实施例提供的获取视频帧,并根据目标检测跟踪算法确认目标的方法流程图;
图3为本发明实施例提供的二轮车佩戴头盔检测装置示意图。
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,下面将结合附图对本发明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做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。
本发明实施例中所提到的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括其他没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示,本发明实施例提供了一种二轮车佩戴头盔的检测方法,包括以下步骤:
S11:获取视频帧,并根据目标检测跟踪算法确认目标;
S12:裁剪视频帧中的目标;
S13:根据头盔检测算法确定头盔的位置;
S14:根据头盔的位置确认驾驶员是否佩戴头盔;
S15:向控制中心发送检测结果。
本发明实施例提供的二轮车佩戴头盔检测方法,通过从视频帧中获取目标并确认目标,再将目标从视频帧中裁剪出来,然后确定头盔的位置,最后在头盔的位置处确定是否佩戴头盔,本检测方法检测率较高,且不受驾驶员的头发颜色影响。
如图2所示,在一种可能的实施方式中,上述步骤S11,具体包括:
S111:获取多个视频帧;
S112:获取每个视频帧中的目标;
S113:建立目标ID和目标类型;
S114:将所述多个视频帧中的目标进行匹配,使同一个目标拥有统一的目标ID和目标类型。
通过获取的多个视频帧,并对每一个视频帧中的所有目标进行检测,检测出连续轨迹的同一目标,并将同一目标进行合并,减小工作量,并根据目标的类型准确判断。
在一种可能的实施方式中,所述目标检测跟踪算法以YOLO检测算法为基础,且以darknet-53为主干网络。
YOLO检测算法为一种新型目标检测方法,该方法的特点是实现快速检测的同时还达到较高的准确率。作者将目标检测任务看做目标区域检测和类别预测的回归问题。该方法采用单个神经网络直接预测物品边界和类别概率。实现端到端的物品检测。同时,该方法检测非常快,基础班可以达到45帧每秒的实时检测,fast_YOLO可以达到155帧每秒,与当前最好的系统相比,YOLO目标区域定位误差更大,但是背景预测的假阳性优于当前最好的方法。
darknet-53为一种用于提取特征的主干网络,提取速度更快。
在一种可能的实施方式中,上述步骤S114,具体包括:
利用DSST和KCF算法匹配多个视频帧中的目标,并结合目标的IOU信息确认是否为同一目标;
若是,则合并目标ID;
若否,则保持原目标ID。
KCF全称为Kernel Correlation Filter核相关滤波算法。在跟踪效果和跟踪速度上都有十分亮眼的表现.DSST算法也是基于KCF算法改的较好的一种。DSST(AccurateScale Estimation for RobustVisual Tracking)是2015年BMVC(InProceedings of theBritish Machine Vision Conference)上的文章,算法简洁,性能优良,可移植性高。
在一种可能的实施方式中,所述头盔检测算法以YOLO算法为基础,且以tiny-darknet为主干网络。
Tiny_darknet是一种darknet分类器,比darknet_53短,体积更小,所以运行速度也更快。
本发明实施例提供的二轮车佩戴头盔的检测方法,具体实施方式如下:
目标检测部分以YOLO检测算法为基础,由于算法最终将部署在前端相机,相机算力有限,在处理本算法时还要兼顾视频流等其他运算,因此需要对模型进行优化,模型最终以darknet-53为主干网络,在保证检测精度的前提下通过删减其通道数、减少网络层数来增加其检测速度,以适应城市道路及高速路中不同车速车辆的检测;为保证模型效果,模型训练所需数据是由各个交通现场采集得来,并对其增强(颜色增强、图像裁剪等)以应对多场景需求;跟踪部分将对检出的目标形成连续的轨迹,算法内部将维护一个跟踪器,跟踪器会将前后视频帧的所有目标进行匹配,以使每个目标拥有唯一的ID号,目标间的匹配是利用DSST、KCF等算法,同时结合前后目标的IOU信息(两个目标之间的重合度)确认是否为同一目标,同一目标则维持前一帧ID号不变,不同目标则创建新ID号;整个视频流经过目标检测及跟踪步骤后形成连续的轨迹。
根据确定的目标ID及目标类型,将二轮车目标从原图中裁剪出来,再将裁剪出的二轮车区域送入以YOLO为基础的头盔检测模型,实现对头盔位置的确定,由于头盔目标较小,图像所含信息也相对较少,因此模型以tiny-darknet为主干网络,并加以删减来适应前端部署。
如图3所示,本发明实施例还提供了一种二轮车佩戴头盔的检测装置,包括:
目标确认模块1,用于获取视频帧,并根据目标检测跟踪算法确认目标;
目标裁剪模块2,用于裁剪视频帧中的目标;
头盔位置确认模块3,用于根据头盔检测算法确定头盔的位置;
检测模块4,用于确认驾驶员是否佩戴头盔;
结果发送模块5,用于向控制中心发送检测结果。
对应于上述方法,本发明实施例还提供了一种电子设备,包括存储器、处理器,所述存储器中存储有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上述方法的步骤。
对应于上述方法,本发明实施例还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机器可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行上述方法的步骤。
本发明实施例所提供的装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的系统、装置和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
又例如,所述单元的划分,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,再例如,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信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,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,在本发明提供的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。
所述功能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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(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:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,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:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的范围。都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种二轮车佩戴头盔的检测方法,其特征在于,包括以下步骤:
获取视频帧,并根据目标检测跟踪算法确认目标;
裁剪视频帧中的目标;
根据头盔检测算法确定头盔的位置;
根据头盔的位置确认驾驶员是否佩戴头盔;
向控制中心发送检测结果。
2.根据权利要求1所述的二轮车佩戴头盔的检测方法,其特征在于,所述获取视频帧,并根据目标检测跟踪算法确认目标的步骤,具体包括:
获取多个视频帧;
获取每个视频帧中的目标;
建立目标ID和目标类型;
将所述多个视频帧中的目标进行匹配,使同一个目标拥有统一的目标ID和目标类型。
3.根据权利要求2所述的二轮车佩戴头盔的检测方法,其特征在于,所述目标检测跟踪算法以YOLO检测算法为基础,且以darknet-53为主干网络。
4.根据权利要求2所述的二轮车佩戴头盔的检测方法,其特征在于,将所述多个视频帧中的目标进行匹配,使同一个目标拥有目标ID和目标类型的步骤,具体包括:
利用DSST和KCF算法匹配多个视频帧中的目标,并结合目标的IOU信息确认是否为同一目标;
若是,则合并目标ID;
若否,则保持原目标ID。
5.根据权利要求1所述的二轮车佩戴头盔的检测方法,其特征在于,所述头盔检测算法以YOLO算法为基础,且以tiny-darknet为主干网络。
6.一种二轮车佩戴头盔的检测装置,其特征在于,包括:
目标确认模块,用于获取视频帧,并根据目标检测跟踪算法确认目标;
目标裁剪模块,用于裁剪视频帧中的目标;
头盔位置确认模块,用于根据头盔检测算法确定头盔的位置;
检测模块,用于确认驾驶员是否佩戴头盔;
结果发送模块,用于向控制中心发送检测结果。
7.一种电子设备,包括存储器、处理器,所述存储器中存储有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上述权利要求1至5任一项所述的方法的步骤。
8.一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机器可运行指令,所述计算机可运行指令在被处理器调用和运行时,所述计算机可运行指令促使所述处理器运行所述权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110378101.2A CN112926540A (zh) | 2021-04-08 | 2021-04-08 | 一种二轮车佩戴头盔的检测方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110378101.2A CN112926540A (zh) | 2021-04-08 | 2021-04-08 | 一种二轮车佩戴头盔的检测方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112926540A true CN112926540A (zh) | 2021-06-08 |
Family
ID=76173717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110378101.2A Pending CN112926540A (zh) | 2021-04-08 | 2021-04-08 | 一种二轮车佩戴头盔的检测方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112926540A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110852283A (zh) * | 2019-11-14 | 2020-02-28 | 南京工程学院 | 一种基于改进YOLOv3的安全帽佩戴检测与跟踪方法 |
CN110866479A (zh) * | 2019-11-07 | 2020-03-06 | 北京文安智能技术股份有限公司 | 一种检测摩托车驾驶员未戴头盔的方法、装置及系统 |
CN111310653A (zh) * | 2020-02-13 | 2020-06-19 | 上海眼控科技股份有限公司 | 佩戴头盔的检测方法、装置、计算机设备和存储介质 |
CN111814762A (zh) * | 2020-08-24 | 2020-10-23 | 深延科技(北京)有限公司 | 头盔佩戴检测方法和装置 |
CN112164228A (zh) * | 2020-09-15 | 2021-01-01 | 深圳市点创科技有限公司 | 驾驶电动车未佩戴头盔行为检测方法、电子设备、存储介质 |
CN112182294A (zh) * | 2020-09-28 | 2021-01-05 | 天地伟业技术有限公司 | 一种视频结构化人车检测算法 |
CN112395967A (zh) * | 2020-11-11 | 2021-02-23 | 华中科技大学 | 一种口罩佩戴监测方法、电子设备和可读存储介质 |
CN112507935A (zh) * | 2020-12-17 | 2021-03-16 | 上海依图网络科技有限公司 | 一种图像检测的方法及装置 |
-
2021
- 2021-04-08 CN CN202110378101.2A patent/CN112926540A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866479A (zh) * | 2019-11-07 | 2020-03-06 | 北京文安智能技术股份有限公司 | 一种检测摩托车驾驶员未戴头盔的方法、装置及系统 |
CN110852283A (zh) * | 2019-11-14 | 2020-02-28 | 南京工程学院 | 一种基于改进YOLOv3的安全帽佩戴检测与跟踪方法 |
CN111310653A (zh) * | 2020-02-13 | 2020-06-19 | 上海眼控科技股份有限公司 | 佩戴头盔的检测方法、装置、计算机设备和存储介质 |
CN111814762A (zh) * | 2020-08-24 | 2020-10-23 | 深延科技(北京)有限公司 | 头盔佩戴检测方法和装置 |
CN112164228A (zh) * | 2020-09-15 | 2021-01-01 | 深圳市点创科技有限公司 | 驾驶电动车未佩戴头盔行为检测方法、电子设备、存储介质 |
CN112182294A (zh) * | 2020-09-28 | 2021-01-05 | 天地伟业技术有限公司 | 一种视频结构化人车检测算法 |
CN112395967A (zh) * | 2020-11-11 | 2021-02-23 | 华中科技大学 | 一种口罩佩戴监测方法、电子设备和可读存储介质 |
CN112507935A (zh) * | 2020-12-17 | 2021-03-16 | 上海依图网络科技有限公司 | 一种图像检测的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7130895B2 (ja) | ヘルメット着用判定方法、ヘルメット着用判定装置及びプログラム | |
CN111274881B (zh) | 驾驶安全的监控方法、装置、计算机设备及存储介质 | |
US10235768B2 (en) | Image processing device, in-vehicle display system, display device, image processing method, and computer readable medium | |
CN107067718B (zh) | 交通事故责任评估方法、交通事故责任评估装置以及交通事故责任评估系统 | |
CN110866427A (zh) | 一种车辆行为检测方法及装置 | |
JP6109593B2 (ja) | 危険情報処理方法、装置及びシステム、並びにプログラム | |
CN110866479A (zh) | 一种检测摩托车驾驶员未戴头盔的方法、装置及系统 | |
US20200074326A1 (en) | Systems and methods for classifying driver behavior | |
CN109427191B (zh) | 一种行驶检测方法及装置 | |
JP2014154005A (ja) | 危険情報提供方法、装置、及びプログラム | |
CN111985356A (zh) | 交通违章的证据生成方法及装置、电子设备、存储介质 | |
US11202030B2 (en) | System and method for providing complete event data from cross-referenced data memories | |
CN113012436B (zh) | 道路监控方法、装置及电子设备 | |
CN112818839A (zh) | 驾驶员违章行为识别方法、装置、设备及介质 | |
CN114724122B (zh) | 一种目标追踪方法、装置、电子设备及存储介质 | |
CN112395976A (zh) | 一种摩托车载人识别方法、装置、设备及存储介质 | |
CN114926824A (zh) | 一种不良驾驶行为判别方法 | |
CN113920310A (zh) | 方向盘脱手检测方法及装置 | |
CN111967451B (zh) | 一种道路拥堵检测方法及装置 | |
CN111985304A (zh) | 巡防告警方法、系统、终端设备及存储介质 | |
CN112926540A (zh) | 一种二轮车佩戴头盔的检测方法、装置及电子设备 | |
CN115019242B (zh) | 一种交通场景的异常事件检测方法、装置和处理设备 | |
JP2008040766A (ja) | 運行管理装置、運行管理プログラム、及び運行管理方法 | |
CN111832352A (zh) | 非机动车监控方法、装置及设备、存储介质 | |
KR102032828B1 (ko) | 사건 사고 차량 정보 수집을 위한 지능형 블랙박스 영상 분석 시스템 및 방법 |
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: 20210608 |