CN112950942A - 一种基于视频分析的机动车违停智能检测方法 - Google Patents
一种基于视频分析的机动车违停智能检测方法 Download PDFInfo
- Publication number
- CN112950942A CN112950942A CN202110189501.9A CN202110189501A CN112950942A CN 112950942 A CN112950942 A CN 112950942A CN 202110189501 A CN202110189501 A CN 202110189501A CN 112950942 A CN112950942 A CN 112950942A
- Authority
- CN
- China
- Prior art keywords
- violation
- information
- video
- illegal parking
- motor 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
Images
Classifications
-
- 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
- G08G1/0125—Traffic data processing
-
- 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
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- 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
-
- 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
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于视频分析的机动车违停智能检测方法,包括以下步骤:步骤S1.机动车触发对应违停区域内的感应装置,与感应装置对应的监控探头进行视频监控;步骤S2.监控探头进行信息采集,采集的信息包括定位信息、车辆外观信息、车辆时间信息、驾驶人员信息;步骤S3.数据上传,通过网络传输系统将采集的信息数据上传至后端管理存储系统;步骤S4.图像解析比对,后端管理存储系统一方面将监控探头监控的视频进行分析存储,再将分析的数据整理导出。本发明公开了一种具有便捷定位、易于监察的功能的基于视频分析的机动车违停智能检测方法。
Description
技术领域
本发明涉及视频分析处理领域,具体涉及一种基于视频分析的机动车违停智能检测方法。
背景技术
现有技术中随着生活水平的提高,机动车占有量也在不断提升,而城市公共区域有限,时常会出现违停的问题,在以往是通过交通警察巡逻进行治安管理,但是对于通过人员巡逻进行管控存在以下问题:首先人力资源负荷过大,其次管理工作很难全覆盖同步开展。这些问题的原因在于,第一是人员巡逻管理区域受限,第二,人员操作在同一时间中不能多线程工作。针对上述交通治安管理的问题,现有技术中研发了一下通过监控探头进行辅助配合交通部门进行治安管理的监测设备。例如,专利申请号:CN201910535496.5;专利名称:“一种基于车脸识别的路边停车管理收费系统及收费方法”;公开了一种基于车脸识别的路边停车管理收费系统及收费方法,属于停车收费技术领域。包括停车模块、云平台管理系统和用户APP模块;停车模块包括路边停车位、车脸识别摄像头、车辆运动轨迹识别摄像头、摄像头支架和无线通信模块;云平台管理系统包括处理器、数据库、车辆识别模块、计费管理模块和信息收发模块;用户APP模块包括用户注册模块、车辆查找模块、APP收发模块、用户确认模块和支付模块,所述用户注册模块、APP收发模块、用户确认模块和支付模块依次连接。
但是,现有技术中依然存在以下问题:第一、现有技术中采用了摄像头进行车辆的识别,但是不具有进行违停监测的功能;第二、现有技术中不便于进行定位检测,仅仅是通过出入扫描对比进行收费的管控,不具有对违章车辆的信息上传实现网络监控的功能。
发明内容
本发明克服了现有技术的不足,提供了一种基于视频分析的机动车违停智能检测方法,具有便捷定位、易于监察的功能。
为达到上述目的,本发明采用的技术方案为:一种基于视频分析的机动车违停智能检测方法,具体包括:
步骤S1.机动车触发对应违停区域内的感应装置,与感应装置对应的监控探头进行视频监控;
步骤S2.监控探头进行信息采集,采集的信息包括定位信息、车辆外观信息、车辆时间信息、驾驶人员信息;
步骤S3.数据上传,通过网络传输系统将采集的信息数据上传至后端管理存储系统;
步骤S4.图像解析比对,后端管理存储系统一方面将监控探头监控的视频进行分析存储,再将分析的数据整理导出。
在本发明一个优选的实施方式中,所述步骤S4中还包括:
步骤S4.1.从监控视频中解析出若干个单帧的视频监控画面;
步骤S4.2.提取视频监控画面中的图像特征,并基于场景特征模型以及设定的违规识别规则识别所提取的图像特征是否为违章图像特征;
步骤S4.3.比对分析不是违章特征,将数据进行暂存一段设定的暂存时间;比对分析是违章特征,将数据进行整合上传至违章存储区,所述违章存储区与交通管理系统联网,能让交通管理人员读取。
在本发明一个优选的实施方式中,感应装置采用的是预先埋设在违停区域内的感应线圈,感应线圈采用的是压力传感器,感应线圈感应到压力值达到预先设定值时,触发对应违停区域内的感应装置工作。
在本发明一个优选的实施方式中,步骤S4.2中还包括,通过语义分割模型从视频监控画面中提取目标范围,所述语义分割模型采用的全卷积神经网络为基础,并检测提取的目标范围内的潜在违章对象的图像特征,通过场景特征模型以及设定的违规识别规则对图像特征进行分类,以判定是否存在违章行为。
在本发明一个优选的实施方式中,所述场景特征模型采用的卷积神经网络模型,违规识别规则包括:识别区域、车辆外观信息、车牌信息、停放时间信息、停放人员信息,存在间隔时间中的一种或多种判断条件的结合,以对被识别物体及其组合是否落入所述判断条件进行判定。
在本发明一个优选的实施方式中,步骤S4.2中还包括,快速地识别图像特征是否属于违章图像特征,预先获取在不存在违章行为时视频监控终端所采集的初始视频监控画面,并将初始视频监控画面标定监控背景画面,其中该监控背景画面被场景特征模型以及设定的违规识别规则用于识别图像特征是否为违章图像特征。
在本发明一个优选的实施方式中,后端管理存储系统内设置有对比原始信息,对比原始信息包括市面上车辆的外观信息,通过将采集获取的车辆外观信息与对比原始信息中包含的车辆的外观信息进行匹配获得车辆官方对应的外观信息,生成标准车辆信息。
在本发明一个优选的实施方式中,违章判断中通过在设定的违章时间范围,检测采集的视频信息中车辆的帧数了解违停的时间是否达到违规的时间,满足违规时间时将进行违停车辆的信息的存储上传后进行违规识别。
本发明解决了技术背景中存在的缺陷,本发明有益的技术效果是:
本发明公开了一种基于视频分析的机动车违停智能检测方法,具有便捷定位、易于监察的功能。
第一、通过将视频监控的监测探头与违章区域中的感应装置进行对应,便于提升违章区域位置锁定。
第二、采用视频监控采集视频数据,进行违章监测,提升了违章信息采集的全面性,相比于局部抓拍的信息采集方式采集的信息更全面、信息更稳定准确。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的优选实施例一中基于视频分析的机动车违停智能检测方法的系统示意框图;
图2是本发明的优选实施例一中基于视频分析的机动车违停智能检测方法的流程示意框图。
具体实施方式
现在结合附图和实施例对本发明作进一步详细的说明,这些附图均为简化的示意图,仅以示意方式说明本发明的基本内容,因此其仅显示与本发明有关的构成。虽然本说明书详细描述了某些示例性实施例,但应当理解,本领域的技术人员在理解上述内容后,可以易于设想这些实施例的更改形式、变型形式和等同形式。本发明的实施例可以在不脱离本发明的精神和范围的情况下进行多种修改和变更。因此,应当理解,本发明的实施例不应限于以下所述的示例性实施例,但应受权利要求书及其任何等同形式中阐述的限制的控制。
如图1、图2所示,示出了一种基于视频分析的机动车违停智能检测方法,包括以下步骤:
步骤S1.机动车触发对应违停区域内的感应装置,与感应装置对应的监控探头进行视频监控。进一步的,感应装置采用的是预先埋设在违停区域内的感应线圈,感应线圈采用的是压力传感器,感应线圈感应到压力值达到预先设定值时,触发对应违停区域内的感应装置工作。
步骤S2.监控探头进行信息采集,采集的信息包括定位信息、车辆外观信息、车辆时间信息、驾驶人员信息。
步骤S3.数据上传,通过网络传输系统将采集的信息数据上传至后端管理存储系统。
步骤S4.图像解析比对,后端管理存储系统一方面将监控探头监控的视频进行分析存储,再将分析的数据整理导出。
步骤S4.1.从监控视频中解析出若干个单帧的视频监控画面;
步骤S4.2.提取视频监控画面中的图像特征,并基于场景特征模型以及设定的违规识别规则识别所提取的图像特征是否为违章图像特征;
步骤S4.3.比对分析不是违章特征,将数据进行暂存一段设定的暂存时间;比对分析是违章特征,将数据进行整合上传至违章存储区,所述违章存储区与交通管理系统联网,能让交通管理人员读取。
具体的,通过语义分割模型从视频监控画面中提取目标范围,所述语义分割模型采用的全卷积神经网络为基础,并检测提取的目标范围内的潜在违章对象的图像特征,通过场景特征模型以及设定的违规识别规则对图像特征进行分类,以判定是否存在违章行为。所述场景特征模型采用的卷积神经网络模型,违规识别规则包括:识别区域、车辆外观信息、车牌信息、停放时间信息、停放人员信息,存在间隔时间中的一种或多种判断条件的结合,以对被识别物体及其组合是否落入所述判断条件进行判定。进一步的,后端管理存储系统内设置有对比原始信息,对比原始信息包括市面上车辆的外观信息,通过将采集获取的车辆外观信息与对比原始信息中包含的车辆的外观信息进行匹配获得车辆官方对应的外观信息,生成标准车辆信息。违章判断中通过在设定的违章时间范围,检测采集的视频信息中车辆的帧数了解违停的时间是否达到违规的时间,满足违规时间时将进行违停车辆的信息的存储上传后进行违规识别。
更具体的,快速地识别图像特征是否属于违章图像特征,预先获取在不存在违章行为时视频监控终端所采集的初始视频监控画面,并将初始视频监控画面标定监控背景画面,其中该监控背景画面被场景特征模型以及设定的违规识别规则用于识别图像特征是否为违章图像特征。
本发明工作原理:
在实践本发明所述一种基于视频分析的机动车违停智能检测方法时,如图1~图2所示,当机动车行驶至预先埋设有感应线圈的违停区域内,感应线圈感应到压力值达到预先设定值时,触发对应违停区域内与感应装置对应的监控探头进行视频监控。
监控探头进行信息采集,采集的信息包括定位信息、车辆外观信息、车辆时间信息、驾驶人员信息。违章判断中通过在设定的违章时间范围,检测采集的视频信息中车辆的帧数了解违停的时间是否达到违规的时间,满足违规时间时将进行违停车辆的信息的存储上传后进行违规识别。且后端管理存储系统内设置有对比原始信息,对比原始信息包括市面上车辆的外观信息,通过将采集获取的车辆外观信息与对比原始信息中包含的车辆的外观信息进行匹配获得车辆官方对应的外观信息,生成标准车辆信息。通过网络传输系统将采集的信息数据上传至后端管理存储系统。图像解析比对,后端管理存储系统一方面将监控探头监控的视频进行分析存储,再将分析的数据整理导出。从监控视频中解析出若干个单帧的视频监控画面;提取视频监控画面中的图像特征,并基于场景特征模型以及设定的违规识别规则识别所提取的图像特征是否为违章图像特征;比对分析不是违章特征,将数据进行暂存一段设定的暂存时间;比对分析是违章特征,将数据进行整合上传至违章存储区,所述违章存储区与交通管理系统联网,能让交通管理人员读取。
以上具体实施方式是对本发明提出的方案思想的具体支持,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在本技术方案基础上所做的任何等同变化或等效的改动,均仍属于本发明技术方案保护的范围。
Claims (8)
1.一种基于视频分析的机动车违停智能检测方法,其特征在于:包括如下步骤:
步骤S1.机动车触发对应违停区域内的感应装置,与感应装置对应的监控探头进行视频监控;
步骤S2.监控探头进行信息采集,采集的信息包括定位信息、车辆外观信息、车辆时间信息、驾驶人员信息;
步骤S3.数据上传,通过网络传输系统将采集的信息数据上传至后端管理存储系统;
步骤S4.图像解析比对,后端管理存储系统一方面将监控探头监控的视频进行分析存储,再将分析的数据整理导出。
2.根据权利要求1所述的一种基于视频分析的机动车违停智能检测方法,其特征在于:所述步骤S4中还包括,
步骤S4.1.从监控视频中解析出若干个单帧的视频监控画面;
步骤S4.2.提取视频监控画面中的图像特征,并基于场景特征模型以及设定的违规识别规则识别所提取的图像特征是否为违章图像特征;
步骤S4.3.比对分析不是违章特征,将数据进行暂存一段设定的暂存时间;比对分析是违章特征,将数据进行整合上传至违章存储区,所述违章存储区与交通管理系统联网,能让交通管理人员读取。
3.根据权利要求1所述的一种基于视频分析的机动车违停智能检测方法,其特征在于:所述感应装置采用的是预先埋设在违停区域内的感应线圈,感应线圈采用的是压力传感器,感应线圈感应到压力值达到预先设定值时,触发对应违停区域内的感应装置工作。
4.根据权利要求2所述的一种基于视频分析的机动车违停智能检测方法,其特征在于:步骤S4.2中还包括,通过语义分割模型从视频监控画面中提取目标范围,所述语义分割模型采用的全卷积神经网络为基础,并检测提取的目标范围内的潜在违章对象的图像特征,通过场景特征模型以及设定的违规识别规则对图像特征进行分类,以判定是否存在违章行为。
5.根据权利要求4所述的一种基于视频分析的机动车违停智能检测方法,其特征在于:所述场景特征模型采用的卷积神经网络模型,违规识别规则包括:识别区域、车辆外观信息、车牌信息、停放时间信息、停放人员信息,存在间隔时间中的一种或多种判断条件的结合,以对被识别物体及其组合是否落入所述判断条件进行判定。
6.根据权利要求5所述的一种基于视频分析的机动车违停智能检测方法,其特征在于:步骤S4.2中还包括,快速地识别图像特征是否属于违章图像特征,预先获取在不存在违章行为时视频监控终端所采集的初始视频监控画面,并将初始视频监控画面标定监控背景画面,其中该监控背景画面被场景特征模型以及设定的违规识别规则用于识别图像特征是否为违章图像特征。
7.根据权利要求4所述的一种基于视频分析的机动车违停智能检测方法,其特征在于:所述后端管理存储系统内设置有对比原始信息,对比原始信息包括市面上车辆的外观信息,通过将采集获取的车辆外观信息与对比原始信息中包含的车辆的外观信息进行匹配获得车辆官方对应的外观信息,生成标准车辆信息。
8.根据权利要求5所述的一种基于视频分析的机动车违停智能检测方法,其特征在于:所述违章判断中通过在设定的违章时间范围,检测采集的视频信息中车辆的帧数了解违停的时间是否达到违规的时间,满足违规时间时将进行违停车辆的信息的存储上传后进行违规识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110189501.9A CN112950942A (zh) | 2021-02-19 | 2021-02-19 | 一种基于视频分析的机动车违停智能检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110189501.9A CN112950942A (zh) | 2021-02-19 | 2021-02-19 | 一种基于视频分析的机动车违停智能检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112950942A true CN112950942A (zh) | 2021-06-11 |
Family
ID=76244457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110189501.9A Pending CN112950942A (zh) | 2021-02-19 | 2021-02-19 | 一种基于视频分析的机动车违停智能检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112950942A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114973682A (zh) * | 2022-05-17 | 2022-08-30 | 渤海大学 | 一种基于云计算的移动式智能车辆识别装置和方法 |
CN115775459A (zh) * | 2023-02-13 | 2023-03-10 | 青岛图达互联信息科技有限公司 | 一种基于智能图像处理的数据采集系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101808853B1 (ko) * | 2016-07-08 | 2018-01-18 | 김보라 | 주정차 차량 검출시스템 |
CN109003455A (zh) * | 2018-06-22 | 2018-12-14 | 安徽科力信息产业有限责任公司 | 一种提醒车主违法停车行为的方法及装置 |
CN110136449A (zh) * | 2019-06-17 | 2019-08-16 | 珠海华园信息技术有限公司 | 基于深度学习的交通视频车辆违停自动识别抓拍的方法 |
CN110443178A (zh) * | 2019-07-29 | 2019-11-12 | 浙江工贸职业技术学院 | 一种车辆违章停车的监控系统及其方法 |
CN111339994A (zh) * | 2019-12-31 | 2020-06-26 | 智慧互通科技有限公司 | 一种判断临时违章停车的方法及装置 |
CN111429726A (zh) * | 2020-04-13 | 2020-07-17 | 城云科技(中国)有限公司 | 一种监控视频违停车辆检测、管理方法及对应的系统 |
CN112289037A (zh) * | 2020-10-29 | 2021-01-29 | 南通中铁华宇电气有限公司 | 基于复杂环境下高视角的机动车辆违规停车检测方法及系统 |
-
2021
- 2021-02-19 CN CN202110189501.9A patent/CN112950942A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101808853B1 (ko) * | 2016-07-08 | 2018-01-18 | 김보라 | 주정차 차량 검출시스템 |
CN109003455A (zh) * | 2018-06-22 | 2018-12-14 | 安徽科力信息产业有限责任公司 | 一种提醒车主违法停车行为的方法及装置 |
CN110136449A (zh) * | 2019-06-17 | 2019-08-16 | 珠海华园信息技术有限公司 | 基于深度学习的交通视频车辆违停自动识别抓拍的方法 |
CN110443178A (zh) * | 2019-07-29 | 2019-11-12 | 浙江工贸职业技术学院 | 一种车辆违章停车的监控系统及其方法 |
CN111339994A (zh) * | 2019-12-31 | 2020-06-26 | 智慧互通科技有限公司 | 一种判断临时违章停车的方法及装置 |
CN111429726A (zh) * | 2020-04-13 | 2020-07-17 | 城云科技(中国)有限公司 | 一种监控视频违停车辆检测、管理方法及对应的系统 |
CN112289037A (zh) * | 2020-10-29 | 2021-01-29 | 南通中铁华宇电气有限公司 | 基于复杂环境下高视角的机动车辆违规停车检测方法及系统 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114973682A (zh) * | 2022-05-17 | 2022-08-30 | 渤海大学 | 一种基于云计算的移动式智能车辆识别装置和方法 |
CN114973682B (zh) * | 2022-05-17 | 2023-06-13 | 渤海大学 | 一种基于云计算的移动式智能车辆识别装置和方法 |
CN115775459A (zh) * | 2023-02-13 | 2023-03-10 | 青岛图达互联信息科技有限公司 | 一种基于智能图像处理的数据采集系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111932693B (zh) | 城市路侧停车场管理系统 | |
US6442474B1 (en) | Vision-based method and apparatus for monitoring vehicular traffic events | |
CN102164270A (zh) | 具有异常事件发掘功能的智能视频监控方法及系统 | |
CN109618140B (zh) | 基于视频监控的车辆监测方法、装置、系统及服务器 | |
CN108710827B (zh) | 一种社区微警务巡查和信息自动分析系统及方法 | |
CN103544481A (zh) | 一种基于人脸识别的道路卡口监控方法及系统 | |
CN112950942A (zh) | 一种基于视频分析的机动车违停智能检测方法 | |
US20230073717A1 (en) | Systems And Methods For Electronic Surveillance | |
CN111950499A (zh) | 一种检测车载人员统计信息的方法 | |
US20230162310A1 (en) | Systems and methods for electronic signature tracking | |
CN109993098A (zh) | 城市车辆黑烟智能识别大数据分析系统及方法 | |
CN114898297A (zh) | 基于目标检测和目标跟踪的非机动车违法行为判定的方法 | |
CN110880205B (zh) | 一种停车收费方法及装置 | |
CN110111577B (zh) | 基于大数据的非机动车识别方法、装置、设备及存储介质 | |
CN112218243A (zh) | 海量人车数据的关联方法、装置、设备及存储介质 | |
CN111275984B (zh) | 车辆检测方法、装置及服务器 | |
CN114999170A (zh) | 一种基于高速公路车辆路径数据智能分析可视化系统 | |
CN117612107A (zh) | 一种场所内异常人员检测方法 | |
CN201869279U (zh) | 智能交通高清检测抓拍专用摄像机 | |
CN112330960A (zh) | 一种多维数据采集系统 | |
CN111914773A (zh) | 一种抓拍违法上下客的设备、方法 | |
CN110909641A (zh) | 一种检测摩托车超载的方法、装置及系统 | |
CN112215038A (zh) | 特定车辆识别系统、方法及存储介质 | |
CN213634626U (zh) | 人员稽查系统 | |
CN109688378B (zh) | 图像信息处理方法、交通工具、服务器及存储设备 |
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: 20210611 |