CN113096407B - 一种限高通道车辆防撞方法及装置 - Google Patents
一种限高通道车辆防撞方法及装置 Download PDFInfo
- Publication number
- CN113096407B CN113096407B CN202110221428.9A CN202110221428A CN113096407B CN 113096407 B CN113096407 B CN 113096407B CN 202110221428 A CN202110221428 A CN 202110221428A CN 113096407 B CN113096407 B CN 113096407B
- Authority
- CN
- China
- Prior art keywords
- height
- license plate
- vehicle
- maximum
- module
- 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.)
- Active
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
- G08G1/017—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
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供限高通道车辆防撞方法及装置,方法包括:步骤1、获取通过第一监测点的被监测车辆的高度和宽度;步骤2、若被监测车辆的高度大于限高通道的最大高度,或者被监测车辆的宽度大于限高通道的最大宽度,则将被监测车辆标记为目标车辆,并进入下一步,否则返回步骤1;步骤3、识别目标车辆的车牌号码;步骤4、将目标车辆的车牌号码列入跟踪车牌号码;步骤5、检测通过第二监测点的掉头车辆中是否包含跟踪车牌号码,是则将目标车辆从掉头跟踪对象中移除,并返回步骤1,否则进入下一步;步骤6、检测目标车辆是否通过第三监测点,是则发出限高通道入口防护指令,否则返回步骤5。本发明实现了对限高通道的及时保护。
Description
技术领域
本发明涉及智能交通技术领域,尤其涉及一种限高通道车辆防撞方法及装置。
背景技术
由于驾驶人员对自身车辆高度或宽度的估计不足,或者由于限高措施的缺失,车辆撞击隧道的情况时有发生,导致隧道交通中断,给人们的出行带来很大的不便。
因此,现有技术有待进一步改进。
发明内容
本发明提供一种限高通道车辆防撞方法及装置,旨在解决现有技术中的缺陷,实现对限高通道的及时保护。
为达到上述目的,本发明所采取的技术方案为:
本发明一方面提供一种限高通道车辆防撞方法,包括:
步骤1、获取通过第一监测点的被监测车辆的高度和宽度;
步骤2、若所述被监测车辆的高度大于限高通道的最大高度,或者所述被监测车辆的宽度大于限高通道的最大宽度,则将所述被监测车辆标记为目标车辆,并进入下一步,否则返回步骤1;
步骤3、识别所述目标车辆的车牌号码;
步骤4、将所述目标车辆的车牌号码列入跟踪车牌号码;
步骤5、检测通过第二监测点的掉头车辆中是否包含所述跟踪车牌号码,是则将所述目标车辆从掉头跟踪对象中移除,并返回步骤1,否则进入下一步;
步骤6、检测通过第三监测点的车辆中是否包含所述跟踪车牌号码,是则发出限高通道入口防护指令,否则返回步骤5。
具体地,所述步骤1中获取被监测车辆的高度包括:
步骤A1、建立道路图像坐标系,标定道路图像坐标系与世界坐标系的映射关系;
步骤A2、获取第一帧图像,识别被监测车辆的所有特征点及其像素坐标值,并根据所述映射关系获得所述所有特征点的世界坐标值;
步骤A3、获取第二帧图像,识别被监测车辆的所有特征点及其像素坐标值,并根据所述映射关系得到所述所有特征点的世界坐标值;
步骤A4、计算所述各特征点的像素运动速度;
步骤A5、根据所述各特征点的像素运动速度计算各特征点的高度;
步骤A6、从所述各特征点的高度中获取最大值确定为所述被监测车辆的最大高度。
具体地,所述步骤1中获取被监测车辆的宽度包括:
步骤B1、识别所述被监测车辆的所有特征点及其像素坐标值,将所述被监测车辆投影到道路图像坐标系中;
步骤B2、确定第一特征点和第二特征点,所述第一特征点为所述所有特征点中横坐标最大的特征点,所述第二特征点为所述所有特征点中横坐标最小的特点;
步骤B3、计算所述第一特征点和第二特征点之间的像素长度;
步骤B4、根据道路图像坐标系与世界坐标系的映射关系计算得到所述像素长度对应的真实长度,所述真实长度即为所述被监测车辆的宽度。
具体地,所述步骤3包括:
步骤C1、对所述目标车辆的图像进行预处理,通过哈尔特征分类器检测是否存在车牌,是则生成第一车牌图像,并进入下一步;
步骤C2、对所述第一车牌图像进行二值化处理,获取预设数量的样本点,对所述样本点进行上下边界拟合;
步骤C3、对所述第一车牌图像进行均衡化处理,检测垂直边缘,获得垂直方向的直方图,确定左右边界,生成第二车牌图像;
步骤C4、对所述第二车牌图像进行字符分割;
步骤C5、使用第一参数对所述第二车牌图像进行处理,生成第一车牌图像数据,所述第一参数为:N个a*a的卷积层、滑动步长为k的卷积核,最大池化层;
步骤C6、使用第二参数对所述第一车牌图像进行处理,生成第二车牌图像数据,所述第二参数为:N个a/2*a/2的卷积层、滑动步长为k的卷积核,最大池化层;
步骤C7、使用第三参数对所述第二车牌图像进行处理,生成第三车牌图像数据,所述第三参数是:M个a/2*a/2的卷积层、无池化;
步骤C8、将所述第三车牌图像数据输出到包含M个激活函数ReLU的全连接层;
步骤C9、在输出层使用与分类器个数相同的神经元个数,输出识别结果。
具体地,所述N=64,M=1024,a=6,k=1。
具体地,所述步骤6中所述发出限高通道入口防护指令包括:
步骤D1、判断所述目标车辆到达限高通道入口的行程时间;
步骤D2、获取所述行程时间内位于所述目标车辆之后所有的被监测车辆的最大高度确定为基准高度;
所述目标车辆之后所有的被监测车辆是指车辆高度不超过限高通道最大高度的车辆;
步骤D3、根据所述基准高度确定最大下降高度,所述最大下降高度为限高通道最大高度与所述基准高度之差;
步骤D4、根据所述最大下降高度和所述行程时间决定防护装置的下降速度。
具体地,v=2H/t,其中,v表示防护装置的下降速度,H表示最大下降高度,t表示行程时间。
本发明另一方面提供一种限高通道车辆防撞装置,包括:
跟踪模块,以及与所述跟踪模块连接的第一车牌识别模块、第二车牌识别模块、第三车牌识别模块、跟踪模块、控制模块;所述第一车牌识别模块还与判断模块连接,所述判断模块还与车辆监测模块连接;
所述第一车牌识别模块、车辆监测模块、判断模块安装在第一监测点,所述第二车牌识别模块安装在第二监测点,所述第三车牌识别模块安装在第三监测点,所述跟踪模块、控制模块安装位置不限;所述第一监测点位于进入限高通道入口前的最后一个掉头路口之前,所述第二监测点位于所述掉头路口,所述第三监测点位于所述限高通道入口与最后一个掉头路口之间;
所述车辆监测模块,用于获取通过第一监测点的被监测车辆的高度和宽度;
所述判断模块,用于判断所述被监测车辆的高度是否大于限高通道的最大高度,或者所述被监测车辆的宽度是否大于限高通道的最大宽度,是则将所述被监测车辆标记为目标车辆;
所述第一车牌识别模块,用于识别所述目标车辆的车牌号码;
所述第二车牌识别模块,用于识别通过第二监测点的掉头车辆的车牌号码;
所述第三车牌识别模块,用于识别通过第三监测点的所有车俩的车牌号码;
所述跟踪模块,用于将目标车辆的车牌号码列入跟踪车牌号码,接收第二车牌识别模块、第三车牌识别模块识别的车牌号码,若第二车牌识别模块识别到目标车辆的车牌号码,则目标车辆从跟踪对象中移除;若第三车牌识别模块识别到目标车辆的车牌号码,则发出报警信息给控制模块;
所述控制模块,用于当接收到报警信息后发出限高通道入口防护指令。
具体地,所述车辆监测模块为图像识别模块。
本发明的有益效果在于:本发明通过获取被监测车辆的高度和宽度,当被监测车辆的高度或宽度超限后,将被监测车辆标记为目标车辆并识别其车牌号码,然后将该车牌号码列入跟踪车牌号码,如果掉头车辆中包含该车牌号码,则将目标车辆从掉头跟踪对象中移除,否则当监测到目标车辆通过第三监测点时,发出限高通道入口防护指令,实现了对限高通道的及时保护。
附图说明
图1是本发明的限高通道车辆防撞方法的流程示意图;
图2是本发明的监测点示意图;
图3是本发明的车辆宽度计算示意图;
图4是本发明的限高通道车辆防撞装置的结构示意图。
具体实施方式
下面结合附图具体阐明本发明的实施方式,附图仅供参考和说明使用,不构成对本发明专利保护范围的限制。
实施例1
如图1所示,本实施例提供一种限高通道车辆防撞方法,包括:
步骤1、获取通过第一监测点的被监测车辆的高度和宽度。
如图2所示,在本实施例中,所述第一监测点(监测点1)位于进入限高通道(例如隧道)入口前的最后一个掉头路口之前一端距离,该距离可以根据实际车流量和系统识别速度进行设置,例如100米。
步骤2、若所述被监测车辆的高度大于限高通道的最大高度,或者所述被监测车辆的宽度大于限高通道的最大宽度,则将所述被监测车辆标记为目标车辆,并进入下一步,否则返回步骤1。
例如,如果序号为k的车辆(记为车辆k)的高度大于限高通道的最大高度或者宽度大于限高通道的最大宽度,则将车辆k标记为目标车辆。
步骤3、识别所述目标车辆的车牌号码。
步骤4、将所述目标车辆的车牌号码列入跟踪车牌号码。
步骤5、检测通过第二监测点的掉头车辆中是否包含所述跟踪车牌号码,是则将所述目标车辆从掉头跟踪对象中移除,并返回步骤1,否则进入下一步。
如图2所示,在本实施例中,所述第二监测点(监测点2)位于所述掉头路口,当车辆通过该路口时能够被检测识别其车牌号码。
步骤6、检测通过第三监测点的车辆中是否包含所述跟踪车牌号码,是则发出限高通道入口防护指令,否则返回步骤5。
如图2所示,在本实施例中,所述第三监测点(监测点3)位于所述限高通道入口与最后一个掉头路口之间某一距离,该距离可以根据实际进行设置。
在本实施例中,限高通道入口防护指令为降下限高通道入口的防护装置。
实施例2
与实施例1不同的是,本实施例提供所述步骤1中获取被监测车辆的高度的具体方法,包括:
步骤A1、建立道路图像坐标系,标定道路图像坐标系与世界坐标系的映射关系。
根据针孔成像原理容易得到道路图像的点与真实道路上对应的点的坐标转换矩阵(即映射关系),将该转换矩阵进行存储,在需要的时候查找即可。
步骤A2、获取第一帧图像,识别被监测车辆的所有特征点及其像素坐标值,并根据所述映射关系获得所述所有特征点的世界坐标值。
步骤A3、获取第二帧图像,识别被监测车辆的所有特征点及其像素坐标值,并根据所述映射关系得到所述所有特征点的世界坐标值。
步骤A4、计算所述各特征点的像素运动速度。
在本实施例中,所述像素运动速度计算公式为:
V(k)=f*sqr{[xn(k)-xm(k)]2+[yn(k)-ym(k)]2}/(n-m),
其中,f表示摄像头的帧频,sqr{}表示开方运算,k=1,2,3…i,表示特征点的序号,xm(k)表示第一帧图像中各特征点的世界坐标值横坐标,ym(k)表示第一帧图像中各特征点的世界坐标值纵坐标,xn(k)表示第二帧图像中各特征点的世界坐标值横坐标,yn(k)表示第二帧图像中各特征点的世界坐标值纵坐标,Vk表示各特征点的像素运动速度。
步骤A5、根据所述各特征点的像素运动速度计算各特征点的高度。
不同高度的特征点高度与像素运动速度之间的关系可以通过标定得到,对于相同物体,高度越大的特征点,其像素运动速度也越大。
步骤A6、从所述各特征点的高度中获取最大值确定为所述被监测车辆的最大高度。
实施例3
与实施例1不同的是,本实施例提供所述步骤1中获取被监测车辆的宽度的具体方法,包括:
步骤B1、识别所述被监测车辆的所有特征点及其像素坐标值,将所述被监测车辆投影到道路图像坐标系中。
步骤B2、确定第一特征点和第二特征点,所述第一特征点为所述所有特征点中横坐标最大的特征点,所述第二特征点为所述所有特征点中横坐标最小的特点。
如图3所示,P2为第一特征点,P3为第二特征点。
步骤B3、计算所述第一特征点和第二特征点之间的像素长度。
步骤B4、根据道路图像坐标系与世界坐标系的映射关系计算得到所述像素长度对应的真实长度,所述真实长度即为所述被监测车辆的宽度。
实施例4
与实施例1不同的是,本实施例提供所述步骤3的具体方法,包括:
步骤C1、对所述目标车辆的图像进行预处理,通过哈尔特征分类器检测是否存在车牌,是则生成第一车牌图像,并进入下一步。
在本实施例中,所述预处理包括灰度化、高斯模糊等。
哈尔(Haar)特征是一种反映图像的灰度变化、像素分模块求差值的特征,用黑白两种矩形框组合成特征模板。
步骤C2、对所述第一车牌图像进行二值化处理,获取预设数量的样本点,对所述样本点进行上下边界拟合。
步骤C3、对所述第一车牌图像进行均衡化处理,检测垂直边缘,获得垂直方向的直方图,确定左右边界,生成第二车牌图像。
步骤C4、对所述第二车牌图像进行字符分割。
步骤C5、使用第一参数对所述第二车牌图像进行处理,生成第一车牌图像数据,所述第一参数为:N个a*a的卷积层、滑动步长为k的卷积核,最大池化层。
步骤C6、使用第二参数对所述第一车牌图像进行处理,生成第二车牌图像数据,所述第二参数为:N个a/2*a/2的卷积层、滑动步长为k的卷积核,最大池化层。
步骤C7、使用第三参数对所述第二车牌图像进行处理,生成第三车牌图像数据,所述第三参数是:M个a/2*a/2的卷积层、无池化。
步骤C8、将所述第三车牌图像数据输出到包含M个激活函数ReLU的全连接层。
步骤C9、在输出层使用与分类器个数相同的神经元个数,输出识别结果。
在本实施例中,N=64,M=1024,a=6,k=1。
实施例5
与实施例1不同的是,本实施例提供所述步骤6中所述发出限高通道入口防护指令的具体方法,包括:
步骤D1、判断所述目标车辆到达限高通道入口的行程时间。
步骤D2、获取所述行程时间内位于所述目标车辆之后所有的被监测车辆的最大高度确定为基准高度。
所述目标车辆之后所有的被监测车辆是指车辆高度不超过限高通道最大高度的车辆。
步骤D3、根据所述基准高度确定最大下降高度,所述最大下降高度为限高通道最大高度与所述基准高度之差。
步骤D4、根据所述最大下降高度和所述行程时间决定防护装置的下降速度。
在本实施例中,v=2H/t,其中,v表示防护装置的下降速度,H表示最大下降高度,t表示行程时间。
实施例6
如图4所示,本实施例提供一种限高通道车辆防撞装置,包括:
跟踪模块,以及与所述跟踪模块连接的第一车牌识别模块、第二车牌识别模块、第三车牌识别模块、跟踪模块、控制模块;所述第一车牌识别模块还与判断模块连接,所述判断模块还与车辆监测模块连接;
所述第一车牌识别模块、车辆监测模块、判断模块安装在第一监测点,所述第二车牌识别模块安装在第二监测点,所述第三车牌识别模块安装在第三监测点,所述跟踪模块、控制模块安装位置不限;所述第一监测点位于进入限高通道入口前的最后一个掉头路口之前,所述第二监测点位于所述掉头路口,所述第三监测点位于所述限高通道入口与最后一个掉头路口之间;
所述车辆监测模块,用于获取通过第一监测点的被监测车辆的高度和宽度;
所述判断模块,用于判断所述被监测车辆的高度是否大于限高通道的最大高度,或者所述被监测车辆的宽度是否大于限高通道的最大宽度,是则将所述被监测车辆标记为目标车辆;
所述第一车牌识别模块,用于识别所述目标车辆的车牌号码;
所述第二车牌识别模块,用于识别通过第二监测点的掉头车辆的车牌号码;
所述第三车牌识别模块,用于识别通过第三监测点的所有车俩的车牌号码;
所述跟踪模块,用于将目标车辆的车牌号码列入跟踪车牌号码,接收第二车牌识别模块、第三车牌识别模块识别的车牌号码,若第二车牌识别模块识别到目标车辆的车牌号码,则目标车辆从跟踪对象中移除;若第三车牌识别模块识别到目标车辆的车牌号码,则发出报警信息给控制模块;
所述控制模块,用于当接收到报警信息后发出限高通道入口防护指令。
本发明的限高通道车辆防撞装置工作过程如下:
首先,车辆监测模块获取通过第一监测点的被监测车辆的高度和宽度;
判断模块判断所述被监测车辆的高度是否大于限高通道的最大高度,或者所述被监测车辆的宽度是否大于限高通道的最大宽度,是则将所述被监测车辆标记为目标车辆,并通知第一车牌识别模块识别所述目标车辆的车牌号码;
第一车牌识别模块将识别出来的目标车辆的车牌号码发送给跟踪模块;同时第二车牌识别模块识别通过第二监测点的掉头车辆的车牌号码发送给跟踪模块,第三车牌识别模块识别通过第三监测点的所有车俩的车牌号码发送给跟踪模块,若第二车牌识别模块识别到目标车辆的车牌号码,则目标车辆从跟踪对象中移除;若第三车牌识别模块识别到目标车辆的车牌号码,则发出报警信息给控制模块;控制模块接收到报警信息后发出限高通道入口防护指令。
在本实施例中,所述车辆监测模块为图像识别模块,对被监测车辆的高度或宽度的识别方法如实施例2、3所示。
以上所揭露的仅为本发明的较佳实施例,不能以此来限定本发明的权利保护范围,因此依本发明申请专利范围所作的等同变化,仍属本发明所涵盖的范围。
Claims (5)
1.一种限高通道车辆防撞方法,其特征在于,包括:
步骤1、获取通过第一监测点的被监测车辆的高度和宽度,所述第一监测点位于进入限高通道入口前的最后一个掉头路口之前的预设距离处;
步骤2、若所述被监测车辆的高度大于限高通道的最大高度,或者所述被监测车辆的宽度大于限高通道的最大宽度,则将所述被监测车辆标记为目标车辆,并进入下一步,否则返回步骤1;
步骤3、识别所述目标车辆的车牌号码;
步骤4、将所述目标车辆的车牌号码列入跟踪车牌号码;
步骤5、检测通过第二监测点的掉头车辆中是否包含所述跟踪车牌号码,是则将所述目标车辆从掉头跟踪对象中移除,并返回步骤1,否则进入下一步,所述第二监测点位于所述掉头路口;
步骤6、检测通过第三监测点的车辆中是否包含所述跟踪车牌号码,是则发出限高通道入口防护指令,否则返回步骤5,所述第三监测点位于所述限高通道入口与最后一个掉头路口之间的预设距离处;
所述步骤1中获取被监测车辆的高度包括:
步骤A1、建立道路图像坐标系,标定道路图像坐标系与世界坐标系的映射关系;
步骤A2、获取第一帧图像,识别被监测车辆的所有特征点及其像素坐标值,并根据所述映射关系获得所述所有特征点的世界坐标值;
步骤A3、获取第二帧图像,识别被监测车辆的所有特征点及其像素坐标值,并根据所述映射关系得到所述所有特征点的世界坐标值;
步骤A4、计算各特征点的像素运动速度;
步骤A5、根据所述各特征点的像素运动速度计算各特征点的高度;
步骤A6、从所述各特征点的高度中获取最大值确定为所述被监测车辆的最大高度;
所述步骤1中获取被监测车辆的宽度包括:
步骤B1、识别所述被监测车辆的所有特征点及其像素坐标值,将所述被监测车辆投影到道路图像坐标系中;
步骤B2、确定第一特征点和第二特征点,所述第一特征点为所述所有特征点中横坐标最大的特征点,所述第二特征点为所述所有特征点中横坐标最小的特点;
步骤B3、计算所述第一特征点和第二特征点之间的像素长度;
步骤B4、根据道路图像坐标系与世界坐标系的映射关系计算得到所述像素长度对应的真实长度,所述真实长度即为所述被监测车辆的宽度;
所述步骤6中所述发出限高通道入口防护指令包括:
步骤D1、判断所述目标车辆到达限高通道入口的行程时间;
步骤D2、获取所述行程时间内位于所述目标车辆之后所有的被监测车辆的最大高度确定为基准高度;
所述目标车辆之后所有的被监测车辆是指车辆高度不超过限高通道最大高度的车辆;
步骤D3、根据所述基准高度确定最大下降高度,所述最大下降高度为限高通道最大高度与所述基准高度之差;
步骤D4、根据所述最大下降高度和所述行程时间决定防护装置的下降速度。
2.根据权利要求1所述的限高通道车辆防撞方法,其特征在于,所述步骤3包括:
步骤C1、对所述目标车辆的图像进行预处理,通过哈尔特征分类器检测是否存在车牌,是则生成第一车牌图像,并进入下一步;
步骤C2、对所述第一车牌图像进行二值化处理,获取预设数量的样本点,对所述样本点进行上下边界拟合;
步骤C3、对所述第一车牌图像进行均衡化处理,检测垂直边缘,获得垂直方向的直方图,确定左右边界,生成第二车牌图像;
步骤C4、对所述第二车牌图像进行字符分割;
步骤C5、使用第一参数对所述第二车牌图像进行处理,生成第一车牌图像数据,所述第一参数为:N个a*a的卷积层、滑动步长为k的卷积核,最大池化层;
步骤C6、使用第二参数对所述第一车牌图像进行处理,生成第二车牌图像数据,所述第二参数为:N个a/2*a/2的卷积层、滑动步长为k的卷积核,最大池化层;
步骤C7、使用第三参数对所述第二车牌图像进行处理,生成第三车牌图像数据,所述第三参数是:M个a/2*a/2的卷积层、无池化;
步骤C8、将所述第三车牌图像数据输出到包含M个激活函数ReLU的全连接层;
步骤C9、在输出层使用与分类器个数相同的神经元个数,输出识别结果。
3.根据权利要求2所述的限高通道车辆防撞方法,其特征在于,所述N=64,M=1024,a=6,k=1。
4.根据权利要求1所述的限高通道车辆防撞方法,其特征在于,所述下降速度根据如下公式确定:
v=2H/t,其中,v表示防护装置的下降速度,H表示最大下降高度,t表示行程时间。
5.一种限高通道车辆防撞装置,用于运行权利要求1~4任一项所述的限高通道车辆防撞方法,其特征在于,包括:跟踪模块,以及与所述跟踪模块连接的第一车牌识别模块、第二车牌识别模块、第三车牌识别模块、跟踪模块、控制模块;所述第一车牌识别模块还与判断模块连接,所述判断模块还与车辆监测模块连接;
所述第一车牌识别模块、车辆监测模块、判断模块安装在第一监测点,所述第二车牌识别模块安装在第二监测点,所述第三车牌识别模块安装在第三监测点,所述跟踪模块、控制模块安装位置不限;所述第一监测点位于进入限高通道入口前的最后一个掉头路口之前的预设距离处,所述第二监测点位于所述掉头路口,所述第三监测点位于所述限高通道入口与最后一个掉头路口之间的预设距离处;
所述车辆监测模块,用于获取通过第一监测点的被监测车辆的高度和宽度;
所述判断模块,用于判断所述被监测车辆的高度是否大于限高通道的最大高度,或者所述被监测车辆的宽度是否大于限高通道的最大宽度,是则将所述被监测车辆标记为目标车辆;
所述第一车牌识别模块,用于识别所述目标车辆的车牌号码;
所述第二车牌识别模块,用于识别通过第二监测点的掉头车辆的车牌号码;
所述第三车牌识别模块,用于识别通过第三监测点的所有车俩的车牌号码;
所述跟踪模块,用于将目标车辆的车牌号码列入跟踪车牌号码,接收第二车牌识别模块、第三车牌识别模块识别的车牌号码,若第二车牌识别模块识别到目标车辆的车牌号码,则目标车辆从跟踪对象中移除;若第三车牌识别模块识别到目标车辆的车牌号码,则发出报警信息给控制模块;
所述控制模块,用于当接收到报警信息后发出限高通道入口防护指令;
所述车辆监测模块为图像识别模块;
所述车辆监测模块根据如下方法获取被监测车辆的高度:
步骤A1、建立道路图像坐标系,标定道路图像坐标系与世界坐标系的映射关系;
步骤A2、获取第一帧图像,识别被监测车辆的所有特征点及其像素坐标值,并根据所述映射关系获得所述所有特征点的世界坐标值;
步骤A3、获取第二帧图像,识别被监测车辆的所有特征点及其像素坐标值,并根据所述映射关系得到所述所有特征点的世界坐标值;
步骤A4、计算各特征点的像素运动速度;
步骤A5、根据所述各特征点的像素运动速度计算各特征点的高度;
步骤A6、从所述各特征点的高度中获取最大值确定为所述被监测车辆的最大高度;
所述车辆监测模块根据如下方法获取被监测车辆的宽度:
步骤B1、识别所述被监测车辆的所有特征点及其像素坐标值,将所述被监测车辆投影到道路图像坐标系中;
步骤B2、确定第一特征点和第二特征点,所述第一特征点为所述所有特征点中横坐标最大的特征点,所述第二特征点为所述所有特征点中横坐标最小的特点;
步骤B3、计算所述第一特征点和第二特征点之间的像素长度;
步骤B4、根据道路图像坐标系与世界坐标系的映射关系计算得到所述像素长度对应的真实长度,所述真实长度即为所述被监测车辆的宽度;
所述控制模块根据如下方法发出限高通道入口防护指令:
步骤D1、判断所述目标车辆到达限高通道入口的行程时间;
步骤D2、获取所述行程时间内位于所述目标车辆之后所有的被监测车辆的最大高度确定为基准高度;
所述目标车辆之后所有的被监测车辆是指车辆高度不超过限高通道最大高度的车辆;
步骤D3、根据所述基准高度确定最大下降高度,所述最大下降高度为限高通道最大高度与所述基准高度之差;
步骤D4、根据所述最大下降高度和所述行程时间决定防护装置的下降速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110221428.9A CN113096407B (zh) | 2021-02-27 | 2021-02-27 | 一种限高通道车辆防撞方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110221428.9A CN113096407B (zh) | 2021-02-27 | 2021-02-27 | 一种限高通道车辆防撞方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113096407A CN113096407A (zh) | 2021-07-09 |
CN113096407B true CN113096407B (zh) | 2022-10-11 |
Family
ID=76668011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110221428.9A Active CN113096407B (zh) | 2021-02-27 | 2021-02-27 | 一种限高通道车辆防撞方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113096407B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004047310A2 (en) * | 2002-11-15 | 2004-06-03 | Time Domain Corporation | A system and method for processing signals in uwb communications |
JP2005301697A (ja) * | 2004-04-12 | 2005-10-27 | Toyota Motor Corp | 画像処理装置および画像処理方法 |
CN103336959A (zh) * | 2013-07-19 | 2013-10-02 | 西安电子科技大学 | 一种基于gpu多核并行加速的车辆检测方法 |
CN104331907A (zh) * | 2014-11-10 | 2015-02-04 | 东南大学 | 一种基于orb特征检测测量载体速度的方法 |
CN108280847A (zh) * | 2018-01-18 | 2018-07-13 | 维森软件技术(上海)有限公司 | 一种车辆运动轨迹估计方法 |
CN108986472A (zh) * | 2017-05-31 | 2018-12-11 | 杭州海康威视数字技术股份有限公司 | 一种掉头车辆监控方法及装置 |
CN111192462A (zh) * | 2020-02-19 | 2020-05-22 | 辽宁艾特斯智能交通技术有限公司 | 一种超限信息采集方法、装置、系统及超限检测设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102044155B (zh) * | 2009-10-20 | 2012-10-17 | 西安费斯达自动化工程有限公司 | 基于fpga的车辆外形尺寸图像检测分析装置 |
CN104021676B (zh) * | 2014-06-25 | 2016-08-03 | 上海交通大学 | 基于车辆动态视频特征的车辆定位及车速测量方法 |
CN108416348A (zh) * | 2018-01-29 | 2018-08-17 | 重庆邮电大学 | 基于支持向量机和卷积神经网络的车牌定位识别方法 |
CN209760084U (zh) * | 2018-12-10 | 2019-12-10 | 佛山科学技术学院 | 一种隧道入口的两阶段限高防护系统 |
CN109740603B (zh) * | 2019-01-21 | 2020-12-01 | 闽江学院 | 基于cnn卷积神经网络下的车辆字符识别方法 |
CN110517501A (zh) * | 2019-07-05 | 2019-11-29 | 山东交通学院 | 一种车辆超限预警系统及方法 |
-
2021
- 2021-02-27 CN CN202110221428.9A patent/CN113096407B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004047310A2 (en) * | 2002-11-15 | 2004-06-03 | Time Domain Corporation | A system and method for processing signals in uwb communications |
JP2005301697A (ja) * | 2004-04-12 | 2005-10-27 | Toyota Motor Corp | 画像処理装置および画像処理方法 |
CN103336959A (zh) * | 2013-07-19 | 2013-10-02 | 西安电子科技大学 | 一种基于gpu多核并行加速的车辆检测方法 |
CN104331907A (zh) * | 2014-11-10 | 2015-02-04 | 东南大学 | 一种基于orb特征检测测量载体速度的方法 |
CN108986472A (zh) * | 2017-05-31 | 2018-12-11 | 杭州海康威视数字技术股份有限公司 | 一种掉头车辆监控方法及装置 |
CN108280847A (zh) * | 2018-01-18 | 2018-07-13 | 维森软件技术(上海)有限公司 | 一种车辆运动轨迹估计方法 |
CN111192462A (zh) * | 2020-02-19 | 2020-05-22 | 辽宁艾特斯智能交通技术有限公司 | 一种超限信息采集方法、装置、系统及超限检测设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113096407A (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109829403B (zh) | 一种基于深度学习的车辆防碰撞预警方法及系统 | |
CN102765365B (zh) | 基于机器视觉的行人检测方法及行人防撞预警系统 | |
CN106652468B (zh) | 车辆道路前车违规检测和自车违规预警提醒装置及方法 | |
CN110992683B (zh) | 一种基于动态图像感知的交叉口盲区预警方法及系统 | |
Sun et al. | A real-time precrash vehicle detection system | |
US7046822B1 (en) | Method of detecting objects within a wide range of a road vehicle | |
CN107031623A (zh) | 一种基于车载盲区相机的道路预警方法 | |
CN108388871B (zh) | 一种基于车身回归的车辆检测方法 | |
KR102131716B1 (ko) | 차량번호인식 기술을 활용한 영상감시 방법 | |
CN101105893A (zh) | 一种车辆视频识别测速方法 | |
CN113370977A (zh) | 一种基于视觉的智能车辆前向碰撞预警方法及系统 | |
EP2717219B1 (en) | Object detection device, object detection method, and object detection program | |
JP2006184276A (ja) | 視覚検知による全天候障害物衝突防止装置とその方法 | |
CN109633621A (zh) | 一种车载环境感知系统数据处理方法 | |
CN108108680A (zh) | 一种基于双目视觉的后方车辆识别与测距方法 | |
CN115657002A (zh) | 基于交通毫米波雷达的车辆运动状态估计方法 | |
CN112766273A (zh) | 一种车牌识别方法 | |
CN113096407B (zh) | 一种限高通道车辆防撞方法及装置 | |
CN113706901A (zh) | 高速公路隧道入口段事故智慧防控与预警系统 | |
CN108256418A (zh) | 一种基于红外成像的行人预警方法及系统 | |
CN116639131A (zh) | 一种深度学习的电动汽车智能辅助驾驶方法 | |
CN113205687B (zh) | 一种基于视频监控的酒驾车辆轨迹识别系统 | |
CN109190591A (zh) | 一种基于摄像头的前车识别预警装置及识别预警方法 | |
CN115497303A (zh) | 一种复杂检测条件下的高速公路车速检测方法及系统 | |
CN110414357B (zh) | 一种基于车辆类型识别的前方车辆定位方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |