CN113610014A - 一种遮挡号牌超限货运车辆检测系统及方法 - Google Patents
一种遮挡号牌超限货运车辆检测系统及方法 Download PDFInfo
- Publication number
- CN113610014A CN113610014A CN202110917456.4A CN202110917456A CN113610014A CN 113610014 A CN113610014 A CN 113610014A CN 202110917456 A CN202110917456 A CN 202110917456A CN 113610014 A CN113610014 A CN 113610014A
- Authority
- CN
- China
- Prior art keywords
- truck
- vehicle
- overrun
- data
- running
- 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.)
- Withdrawn
Links
Images
Classifications
-
- 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
- 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
- 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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请一种遮挡号牌超限货运车辆检测系统及方法,所述方法的步骤为:采集货车某上坡路段的平均速度V1、货车外观特征图像、重量数据M;识别货车颜色并分割车辆的基本形状,使用Canny算子对图像边缘进行检测,获取货车的长宽高数据;根据货车的长宽高数据判定货车类型,并提取该类货车的最大重量数据Mmax,根据V1、M、Mmax构建超限判定模型,识别超限货车;根据超限车辆进行的行驶方向,调取沿线监测设施拍摄的图片,对车辆进行匹配,提取其未遮挡号牌时的车牌信息;根据获得的行驶路径和货车的历史行驶记录,预测超限货车的行驶路线。本申请通过构建综合判定指标能够对非法改装及未非法改装的超限货车进行判定,适用范围广。
Description
技术领域
本发明涉及车辆检测领域,具体为一种遮挡号牌超限货运车辆检测系统及方法。
背景技术
基于超限运输的暴利、货运市场的恶性竞争等情况,货运车辆超限现象时有发生。但是超限运输货运车辆在行驶过程中,不仅对交通安全造成影响,对道路设施也会造成危害。因此必须对超限货运车辆进行严加管控。
但是超限货运车辆还是屡禁不绝。现在,我国大部分地区对货运车辆的超限问题还是进行人为执法,此种方法效率低,人工成本高;部分地区设置不停车检测点,利用信息化手段对检测车辆超限问题,此种方法虽然节约了人力,但是监测点位有限,而且对于遮挡车牌的车辆无法精准判断车辆信息。
超限货运车辆还会利用遮挡号牌的方式逃避检测,现在有部分地区提出利用北斗车辆终端识别和治超动态检测系统相结合的方式,跟踪车辆轨迹,获取超限车辆信息。但此方法的前提是车辆北斗终端已入网,因此该方法检测范围覆盖不全面。
发明内容
本发明的一个目的就是提供一种遮挡号牌超限货运车辆检测方法,它可以用于遮挡号牌的超限车辆的检测。
本发明的目的是通过这样的技术方案实现的,具体步骤为:
1)数据采集:采集货车某上坡路段的平均速度V1,以及货车外观特征图像、重量数据M;
2)数据预处理:将步骤1)采集的货车外观特征图像与道路本身图像对比,识别货车颜色并分割车辆的基本形状,使用Canny算子对图像边缘进行检测,获取货车的长度、宽度、高度数据;
3)构建判定模型:根据货车的长度、宽度、高度数据判定货车类型,并提取该类货车的最大重量数据Mmax,根据货车上坡路段的平均速度V1、货车的重量数据M、该类货车的最大重量数据Mmax构建超限判定模型,识别超限货车;
4)车辆识别:根据超限车辆进行的行驶方向,推断其行驶路径,根据车辆的外观特征、行驶路径,调取行驶路径沿线监测设施拍摄的图片,对车辆进行匹配,提取其未遮挡号牌时的车牌信息;
5)预测车辆轨迹:根据步骤4)中获得的行驶路径数据和货车的历史行驶记录,预测超限货车的行驶路线。
进一步,步骤3)中构建判定模型的具体步骤为:
3-1)将步骤2)识别的货车的外观颜色、长度、宽度和高度数据,与数据库内的货车类型进行对比,并提取该类货车的最大重量数据Mmax;
3-2)构建超限判定指标ηm:
式(1)中,Mmax为待检测货车允许的最大重量数据,M为货车实际的重量,V1货车在某上坡路段的平均速度,Vmin为测速上坡路段的最低限速;
3-3)将超限判定指标η与预设阀值η1、η2比较;
若:ηm<η1则判定该货车超限;
若:η1<ηm<η2则判定该货车超限且货车车体存在改装;
若:ηm≥η2则判定该货车未超限。
进一步,步骤4)中车辆识别的具体步骤为:
4-1)根据超限货车的行驶方向,推断超限货车的行驶路径,根据超限货车的外观特征、行驶路径,调取行驶轨迹沿线其他监测设施拍摄的图片;
4-2)采用卷积神经网络对行驶轨迹沿线其他监测设施拍摄的图片进行识别,当超限货车外观与道路沿线无遮挡车辆外观相似度≥95%时,即为匹配成功,提取其未遮挡号牌时的车牌信息。
进一步,步骤5)中预测车辆轨迹的具体方法为:
5-1)对步骤4)中获得的行驶轨迹数据进行预处理,删除冗余数据和异常数据,利用中值滤波、均值滤波、卡尔曼滤波综合规整位置偏移数据,对于缺失数据,采用插值法进行不全;
5-2)将轨迹点匹配到道路路网上,并计算轨迹点与道路上Q点的具有最小的欧拉距离,则Q点为轨迹点匹配位置;
5-3)根据行驶数据和货车的历史行驶记录,预测超限货车的行驶路线;
5-4)在屏幕上显示车辆已经行驶的轨迹路线和预测轨迹路线,并用不同颜色表示。
本发明的另一个目的就是提供一种遮挡号牌超限货运车辆检测系统,它可以用于遮挡号牌的超限车辆的检测。
本发明的目的是通过这样的技术方案实现的,包括货车超限检测子系统和系统管理平台,所述货车超限检测子系统与所述管理平台之间数据交互。
进一步,所述货车超限检测子系统包括用于检测行驶车辆的重量信息动态称重模块;
以及用于采集货车外观特征图像的图像识别模块;
以及用于检测行驶货车上坡路段平均速度的速度测量模块;
以及用于处理采集数据并判定货车是否超限的处理器模块;
以及用于与系统管理平台数据交互的第一数据传输模块。
进一步,所述系统管理平台包括用于超限车辆外观图像和所述公路沿途其他图像检测装置传送的车辆图像对比,确定车辆未遮挡车牌时的信息和车辆行车轨迹点的货车跟踪模块;
以及用于将车辆定位子系统传输的位置信息或所述货车跟踪模块确定的车辆轨迹点与数字地图路网相匹配上,并将车辆轨迹数据显示在屏幕上轨迹可视化模块;
以及用于与所述货车超限检测子系统数据交互的第二数据传输模块。
由于采用了上述技术方案,本发明具有如下的优点:
1、本申请通过构建综合判定指标能够对非法改装及未非法改装的超限货车进行判定,适用范围广。
2、本申请通过货车爬坡路段的速度、及测速上坡路段的最低限速、及通过尺寸数据判定的货车允许的最大重量数据、及货车的实际载重构建综合判定指标,对货车的超限情况进行判定,判断的准确率高。
3、本发明对超限车辆的行驶轨迹进行跟踪预测,可以使交警部门执法更加便捷。
本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述,并且在某种程度上,基于对下文的考察研究对本领域技术人员而言将是显而易见的,或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要求书来实现和获得。
附图说明
本发明的附图说明如下。
图1为本发明的方法流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
在本发明实施例的描述中,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实施例和简化描述,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实施例的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。在本发明实施例的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明实施例中的具体含义。
实施例一:
一种遮挡号牌超限货运车辆检测方法,具体步骤为:
1)数据采集:采集货车某上坡路段的平均速度V1,以及货车外观特征图像、重量数据M;
2)数据预处理:将步骤1)采集的货车外观特征图像与道路本身图像对比,识别货车颜色并分割车辆的基本形状,使用Canny算子对图像边缘进行检测,获取货车的长度、宽度、高度数据;具体步骤为:
2-1)将货车外观特征图像进行灰度化处理:
式(2)中,Gray为灰度化后的值,R、G、B分别为RGB颜色系统中,红、绿、蓝三种颜色的值;
2-2)图像灰度化后对图像进行高斯滤波,高斯核为:
式(3)中,(x,y)为点坐标,在图像处理中可认为是整数,σ为标准差;
2-3)利用Canny算子对滤波后的图像进行边缘检测,获取货车的长度、宽度、高度数据。
3)构建判定模型:根据货车的长度、宽度、高度数据判定货车类型,并提取该类货车的最大重量数据Mmax,根据货车上坡路段的平均速度V1、货车的重量数据M、该类货车的最大重量数据Mmax构建超限判定模型,识别超限货车,具体步骤为:
3-1)将步骤2)识别的货车的外观颜色、长度、宽度和高度数据,与数据库内的货车类型进行对比,并提取该类货车的最大重量数据Mmax;
3-2)构建超限判定指标ηm:
式(4)中,Mmax为待检测货车允许的最大重量数据,M为货车实际的重量,V1货车在某上坡路段的平均速度,Vmin为测速上坡路段的最低限速;
3-3)将超限判定指标η与预设阀值η1=0、η2=0.3比较;
若:ηm<η1则判定该货车超限;
若:η1<ηm<η2则判定该货车超限且货车车体存在改装,货车的载重越重则爬坡速度越低,则ηm越小;
若:ηm≥η2则判定该货车未超限。
基于超限运输的暴利、货运市场的恶性竞争等情况,一部分货运车辆会通过加大车辆尺寸进行超载运输,超载运输会影响到车辆的轮胎、悬架、刹车系统以及动力系统,存在极大的安全隐患;现有超载检测系统仅仅通过识别车辆的长、宽、高数据对车辆进行分类,通过类别判定货车的最大载重量;但该方法针对改装后的货车类别识别存在错误,判定的货车最大载重量远大于其标定的载重,不能识别其是否超限;出于安装位置尺寸的限制及成本的限制,货车的非法改装仅仅是对车身尺寸进行改变,并不会对动力系统进行改进,因此,当货车超限运输后,因动力的限制在爬坡路段速度就会远低于正常的速度,本申请通过货车爬坡路段的速度、及测速上坡路段的最低限速、及通过尺寸数据判定的货车允许的最大重量数据、及货车的实际载重构建综合判定指标,对货车的超限情况进行判定,能对非法改装及未非法改装的超限货车进行判定。
4)车辆识别:根据超限车辆进行的行驶方向,推断其行驶路径,根据车辆的外观特征、行驶路径,调取行驶路径沿线监测设施拍摄的图片,对车辆进行匹配,提取其未遮挡号牌时的车牌信息;具体步骤为:
4-1)根据超限货车的行驶方向,推断超限货车的行驶路径,根据超限货车的外观特征、行驶路径,调取行驶轨迹沿线其他监测设施拍摄的图片;
4-2)货车在行驶过程中不可能一直将车牌遮挡住,因此,采用卷积神经网络对行驶轨迹沿线其他监测设施拍摄的图片进行识别,当超限货车外观与道路沿线无遮挡车辆外观相似度≥95%时,即为匹配成功,提取其未遮挡号牌时的车牌信息。
5)预测车辆轨迹:根据步骤4)中获得的行驶路径数据和货车的历史行驶记录,预测超限货车的行驶路线;具体方法为:
5-1)对步骤4)中获得的行驶轨迹数据进行预处理,删除冗余数据和异常数据,利用中值滤波、均值滤波、卡尔曼滤波综合规整位置偏移数据,对于缺失数据,采用插值法进行不全;
5-2)将轨迹点匹配到道路路网上,并计算轨迹点与道路上Q点的具有最小的欧拉距离,则Q点为轨迹点匹配位置;
5-3)根据行驶数据和货车的历史行驶记录,预测超限货车的行驶路线;
5-4)在屏幕上显示车辆已经行驶的轨迹路线和预测轨迹路线,并用不同颜色表示。
实施例二:
一种遮挡号牌超限货运车辆检测系统,其特征在于,包括货车超限检测子系统和系统管理平台,所述货车超限检测子系统与所述管理平台之间数据交互。
所述货车超限检测子系统包括用于检测行驶车辆的重量信息动态称重模块;
以及用于采集货车外观特征图像的图像识别模块;
以及用于检测行驶货车上坡路段平均速度的速度测量模块;
以及用于处理采集数据并判定货车是否超限的处理器模块;
以及用于与系统管理平台数据交互的第一数据传输模块。
所述系统管理平台包括用于超限车辆外观图像和所述公路沿途其他图像检测装置传送的车辆图像对比,确定车辆未遮挡车牌时的信息和车辆行车轨迹点的货车跟踪模块;
以及用于将车辆定位子系统传输的位置信息或所述货车跟踪模块确定的车辆轨迹点与数字地图路网相匹配上,并将车辆轨迹数据显示在屏幕上轨迹可视化模块;
以及用于与所述货车超限检测子系统数据交互的第二数据传输模块。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (7)
1.一种遮挡号牌超限货运车辆检测方法,其特征在于,具体步骤为:
1)数据采集:采集货车某上坡路段的平均速度V1,以及货车外观特征图像、重量数据M;
2)数据预处理:将步骤1)采集的货车外观特征图像与道路本身图像对比,识别货车颜色并分割车辆的基本形状,使用Canny算子对图像边缘进行检测,获取货车的长度、宽度、高度数据;
3)构建判定模型:根据货车的长度、宽度、高度数据判定货车类型,并提取该类货车的最大重量数据Mmax,根据货车上坡路段的平均速度V1、货车的重量数据M、该类货车的最大重量数据Mmax构建超限判定模型,识别超限货车;
4)车辆识别:根据超限车辆进行的行驶方向,推断其行驶路径,根据车辆的外观特征、行驶路径,调取行驶路径沿线监测设施拍摄的图片,对车辆进行匹配,提取其未遮挡号牌时的车牌信息;
5)预测车辆轨迹:根据步骤4)中获得的行驶路径数据和货车的历史行驶记录,预测超限货车的行驶路线。
3.如权利要求1所述的一种遮挡号牌超限货运车辆检测方法,其特征在于,步骤4)中车辆识别的具体步骤为:
4-1)根据超限货车的行驶方向,推断超限货车的行驶路径,根据超限货车的外观特征、行驶路径,调取行驶轨迹沿线其他监测设施拍摄的图片;
4-2)采用卷积神经网络对行驶轨迹沿线其他监测设施拍摄的图片进行识别,当超限货车外观与道路沿线无遮挡车辆外观相似度≥95%时,即为匹配成功,提取其未遮挡号牌时的车牌信息。
4.如权利要求1所述的一种遮挡号牌超限货运车辆检测方法,其特征在于,步骤5)中预测车辆轨迹的具体方法为:
5-1)对步骤4)中获得的行驶轨迹数据进行预处理,删除冗余数据和异常数据,利用中值滤波、均值滤波、卡尔曼滤波综合规整位置偏移数据,对于缺失数据,采用插值法进行不全;
5-2)将轨迹点匹配到道路路网上,并计算轨迹点与道路上Q点的具有最小的欧拉距离,则Q点为轨迹点匹配位置;
5-3)根据行驶数据和货车的历史行驶记录,预测超限货车的行驶路线;
5-4)在屏幕上显示车辆已经行驶的轨迹路线和预测轨迹路线,并用不同颜色表示。
5.一种遮挡号牌超限货运车辆检测系统,其特征在于,包括货车超限检测子系统和系统管理平台,所述货车超限检测子系统与所述管理平台之间数据交互。
6.如权利要求5所述的一种遮挡号牌超限货运车辆检测系统,其特征在于,所述货车超限检测子系统包括用于检测行驶车辆的重量信息动态称重模块;
以及用于采集货车外观特征图像的图像识别模块;
以及用于检测行驶货车上坡路段平均速度的速度测量模块;
以及用于处理采集数据并判定货车是否超限的处理器模块;
以及用于与系统管理平台数据交互的第一数据传输模块。
7.如权利要求6所述的一种遮挡号牌超限货运车辆检测系统,其特征在于,所述系统管理平台包括用于超限车辆外观图像和所述公路沿途其他图像检测装置传送的车辆图像对比,确定车辆未遮挡车牌时的信息和车辆行车轨迹点的货车跟踪模块;
以及用于将车辆定位子系统传输的位置信息或所述货车跟踪模块确定的车辆轨迹点与数字地图路网相匹配上,并将车辆轨迹数据显示在屏幕上轨迹可视化模块;
以及用于与所述货车超限检测子系统数据交互的第二数据传输模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110917456.4A CN113610014A (zh) | 2021-08-11 | 2021-08-11 | 一种遮挡号牌超限货运车辆检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110917456.4A CN113610014A (zh) | 2021-08-11 | 2021-08-11 | 一种遮挡号牌超限货运车辆检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113610014A true CN113610014A (zh) | 2021-11-05 |
Family
ID=78308144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110917456.4A Withdrawn CN113610014A (zh) | 2021-08-11 | 2021-08-11 | 一种遮挡号牌超限货运车辆检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113610014A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114821458A (zh) * | 2022-03-15 | 2022-07-29 | 武汉众智数字技术有限公司 | 一种车辆超重预警的方法 |
CN116958914A (zh) * | 2023-09-21 | 2023-10-27 | 广州一链通互联网科技有限公司 | 货运车辆的监控方法、系统及存储介质 |
CN117523505A (zh) * | 2023-10-30 | 2024-02-06 | 深圳市大道至简信息技术有限公司 | 一种基于视频判断真实车辆的方法 |
CN117649165A (zh) * | 2024-01-30 | 2024-03-05 | 南昌理工学院 | 一种运输安全管控方法及系统 |
-
2021
- 2021-08-11 CN CN202110917456.4A patent/CN113610014A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114821458A (zh) * | 2022-03-15 | 2022-07-29 | 武汉众智数字技术有限公司 | 一种车辆超重预警的方法 |
CN116958914A (zh) * | 2023-09-21 | 2023-10-27 | 广州一链通互联网科技有限公司 | 货运车辆的监控方法、系统及存储介质 |
CN117523505A (zh) * | 2023-10-30 | 2024-02-06 | 深圳市大道至简信息技术有限公司 | 一种基于视频判断真实车辆的方法 |
CN117649165A (zh) * | 2024-01-30 | 2024-03-05 | 南昌理工学院 | 一种运输安全管控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113610014A (zh) | 一种遮挡号牌超限货运车辆检测系统及方法 | |
CN111325978B (zh) | 一种高速公路车辆异常行为的全程监测警示系统和方法 | |
CN106530733A (zh) | 基于视频联动抓拍的远程桥梁超载执法系统 | |
CN107004347A (zh) | 驾驶判定装置和检测装置 | |
CN112687099B (zh) | 一种超载嫌疑车辆判定方法和装置 | |
CN114446059A (zh) | 一种车载监测路侧停车车辆的系统及方法 | |
CN113139410B (zh) | 路面检测方法、装置、设备及存储介质 | |
CN114076631A (zh) | 超载车辆识别方法、系统及设备 | |
CN107204118A (zh) | 称重信息匹配方法、装置和服务器 | |
CN112528208B (zh) | 一种无称重ai智能识别货车超载估算方法、装置及系统 | |
JP6678552B2 (ja) | 車種判別装置および車種判別方法 | |
CN109448384A (zh) | 一种高速公路危险交通行为识别方法 | |
CN113157774A (zh) | 一种车辆载货及承重监测方法及系统 | |
CN115512321A (zh) | 一种车辆限重信息识别方法、计算设备及存储介质 | |
CN113990077A (zh) | 一种车辆载荷及特征监测系统及方法 | |
CN117523449A (zh) | 一种煤矿井下辅助运输机器人车路协同定位系统及方法 | |
CN116631187A (zh) | 一种案件现场勘查信息智能采集分析系统 | |
CN115049992A (zh) | 基于大数据的物流监控系统及方法 | |
CN116026441A (zh) | 车辆载重量异常检测方法、装置、设备及存储介质 | |
CN114333320B (zh) | 基于rfid的车辆驾驶行为风险评估系统 | |
CN112990117B (zh) | 基于智能驾驶系统的安装数据处理方法及装置 | |
CN113496597B (zh) | 一种基于激光测速的超速抓拍方法、系统及存储介质 | |
CN109781229A (zh) | 车辆超载检测记录方法、装置、计算机设备及存储介质 | |
CN114078212A (zh) | 一种基于etc门架的精准车型识别方法与装置 | |
CN114463416A (zh) | 车辆变道检测方法、装置、电子设备和存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211105 |
|
WW01 | Invention patent application withdrawn after publication |