CN114022848B - 一种隧道自动照明的控制方法及系统 - Google Patents
一种隧道自动照明的控制方法及系统 Download PDFInfo
- Publication number
- CN114022848B CN114022848B CN202210000398.3A CN202210000398A CN114022848B CN 114022848 B CN114022848 B CN 114022848B CN 202210000398 A CN202210000398 A CN 202210000398A CN 114022848 B CN114022848 B CN 114022848B
- Authority
- CN
- China
- Prior art keywords
- tunnel
- vehicle
- texture
- obtaining
- vehicles
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- H—ELECTRICITY
- H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
- H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
- H05B47/00—Circuit arrangements for operating light sources in general, i.e. where the type of light source is not relevant
- H05B47/10—Controlling the light source
- H05B47/105—Controlling the light source in response to determined parameters
- H05B47/115—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings
- H05B47/125—Controlling the light source in response to determined parameters by determining the presence or movement of objects or living beings by using cameras
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
- Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种隧道自动照明的控制方法及系统。通过监控组件获得三个监控图像,三个监控图像包括入口监控图像、出口监控图像、入口附近监控图像;分别基于入口监控图像、出口监控图像和入口附近监控图像,得到所述进入隧道车辆数量、离开隧道车辆数量和入口附近车辆数量;若进入隧道车辆数量大于0,控制隧道内的照明灯开启;若进入隧道车辆数量、离开隧道车辆数量和入口附近车辆数量满足第一条件,控制隧道内的照明灯开启。若进入隧道车辆数量、离开隧道车辆数量和入口附近车辆数量满足第二条件,控制隧道内的照明灯关闭。通过监控对隧道灯进行控制,大大减少了费用,延长了隧道灯的使用寿命。
Description
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种隧道自动照明的控制方法及系统。
背景技术
目前,车辆通过隧道时,需要隧道中照明,才不会造成事故。由于一般隧道所在处车辆来往少,如果全天24小时对车辆进行照明,浪费资源。而目前采取在隧道中控制车辆自动开关的一般是通过红外感应设备,当红外感应设备检测到车辆时将隧道灯开启,当红外感应设备未检测到车辆时将隧道灯关闭。如此频繁的开关灯,容易造成隧道灯的损坏。
发明内容
本发明的目的在于提供了一种隧道自动照明的控制方法,用以解决现有技术中存在的上述问题。
第一方面,本发明实施例提供了一种隧道自动照明的控制方法,包括:
通过监控组件获得三段监控视频;监控组件中包括第一监控设备、第二监控设备、第三监控设备,三段监控视频包括入口监控图像、出口监控图像和隧道附近监控图像;第一监控设备设置在隧道入口的位置,第二监控设备设置在隧道出口的位置,第三监控设备设置在隧道入口的前预设位置;所述入口监控图像由所述第一监控设备得到;所述出口监控图像由所述第二监控设备得到;所述隧道附近监控图像由所述第三监控设备得到;
基于所述三段监控视频,得到三个监控图像;三个监控图像包括入口监控图像、出口监控图像和隧道附近监控图像所述三个监控图像为入口监控图像、出口监控图像和隧道附近监控图像在同一时刻中的监控图像;
分别基于入口监控图像、出口监控图像和隧道附近监控图像,得到第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量;
若第一隧道车辆数量和第二隧道车辆数量满足第一条件,控制隧道内的照明灯开启;第一隧道车辆数量和第二隧道车辆数量满足第一条件具体为:第一隧道车辆数量与第二隧道车辆数量相减之差大于0;
若第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量满足第二条件,控制隧道内的照明灯开启;第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量满足第二条件具体为:第一隧道车辆数量与第二隧道车辆数量相减之差等于0,且,所述第三隧道车辆数量大于0;
若第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量满足第三条件,控制隧道内的照明灯关闭;第一隧道车辆数量、第二隧道车辆数量、第三隧道车辆数量满足第三条件具体为:第一隧道车辆数量与第二隧道车辆数量相减之差等于0,且,所述第三隧道车辆数量等于0。
可选的,所述分别基于入口监控图像、出口监控图像和隧道附近监控图像,得到所述第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量,包括:
获得标注数据;所述标注数据包括标注车辆几何特征和标注车窗纹理特征;所述标注车辆几何特征包括表示标注车辆中标注车窗位置;所述标注车窗位置包括标注车窗的中心点在标注车辆中的位置、标注车窗的高与标注车辆的高的比值和标注车窗的宽与标注车辆的宽的比值;
基于所述入口监控图像和所述标注数据,得到第一隧道车辆数量;
基于所述入口监控图像出口监控图像和所述标注数据,得到第二隧道车辆数量;
基于隧道附近监控图像和所述标注数据,得到第三隧道车辆数量。
可选的,所述基于所述入口监控图像和所述标注数据,得到第一隧道车辆数量,包括:
获得入口监控图像的纹理特征;
基于所述入口监控图像的纹理特征,得到第一数量纹理区域,所述第一数量纹理区域表示将入口监控图像划分为多个纹理区域;
基于所述多个纹理区域与所述标注数据中标注车窗纹理特征,得到第一数量车窗区域集合;
基于所述第一数量车窗区域集合,得到第一数量车辆集合区域集合;
基于所述第一数量车辆集合区域集合与所述标注车辆正面几何特征,得到第一数量车辆集合;
基于所述第一数量车辆集合和目标检测算法,得到第一车牌区域集合;
基于所述第一车牌区域集合和目标识别算法,得到第一数量车牌号集合;
基于第一数量车牌号集合与第一数据库中预先存储的车牌号,得到第一隧道车牌号集合;所述第一隧道车牌号集合为所述第一数量车牌号集合与第一数据库中预先存储的车牌号不相同车牌号的集合;所述第一数据库表示存储隧道中的车辆的车牌号;
将所述第一隧道车牌号集合中的车牌号存入第一数据库中;
基于所述第一隧道车牌号集合,得到第一隧道车辆数量;第一隧道车辆数量为所述第一数据库中车牌号的数量。
可选的,所述基于所述入口监控图像出口监控图像和所述标注数据,得到第二隧道车辆数量,包括:
获得出口监控图像的纹理特征;
基于所述出口监控图像的纹理特征,得到第二数量纹理区域,所述第二数量纹理区域表示将出口监控图像划分为多个纹理区域;
基于所述第二数量纹理区域与所述标注数据中标注车窗纹理特征,得到第二数量车窗区域;
基于所述第二数量车窗区域,得到第二数量车辆区域;
基于所述第二数量车辆区域与所述标注车辆背面几何特征,得到第二数量车辆;
基于所述第二数量车辆和目标检测算法,得到第二车牌区域;
基于所述第二车牌区域和目标识别算法,得到第二数量车牌号集合;
删除第一数据库中所述第二数量车牌号集合中的车牌号。
可选的,所述基于隧道附近监控图像和所述标注数据,得到第三隧道车辆数量,包括:
获得隧道附近监控图像的纹理特征;
基于所述隧道附近监控图像的纹理特征,得到第三数量纹理区域,所述第三数量纹理区域表示将出口监控图像划分为多个纹理区域;
基于所述第三数量纹理区域与所述标注数据中标注车窗纹理特征,得到第三数量车窗区域;
基于所述第三数量车窗区域,得到第三数量车辆区域;
基于所述第三数量车辆区域与所述标注车辆背面几何特征,得到第三数量车辆;
基于所述第三数量车辆和目标检测算法,得到第三车牌区域;
基于所述第三车牌区域和目标识别算法,得到第三数量车牌号集合;
基于第三数量车牌号集合与数据库中预先存储的车牌号,得到第三隧道车牌号集合;所述第三隧道车牌号集合为所述第三数量车牌号集合与第二数据库中预先存储的车牌号不相同车牌号的集合;
基于所述第三隧道车牌号集合,得到第三隧道车辆数量;第三隧道车辆数量为所述第三隧道车牌号集合中元素的数量。
可选的,所述基于所述多个纹理区域与所述标注数据中标注车窗纹理特征,得到第一数量车窗区域集合,包括:
基于多个纹理区域,得到第一纹理;所述第一纹理是多个纹理区域中的其中一个纹理区域的纹理;
基于所述第一纹理,得到第一纹理相似值;
所述第一纹理相似值具体通过下述公式计算方式获得:
若所述第一纹理相似值小于纹理阈值,得到第一数量车窗区域集合;
基于多个纹理区域,得到第二纹理;所述第二纹理是多个纹理区域中的其中一个纹理区域的纹理;
基于所述第二纹理,得到第二纹理相似值;
所述第二纹理相似值具体通过下述公式计算方式获得:
若所述第二纹理相似值小于纹理阈值,得到第二车窗区域;
通过多次获得多个纹理区域中的纹理,对应获得多个车窗区域;
基于所述多个车窗区域,得到第一数量车窗区域集合。
可选的,所述基于所述第一数量车窗区域集合,得到第一数量车辆集合区域集合,包括:
基于所述标注车辆几何特征和所述第一数量车窗区域集合的高,得到第一车窗区域的高;所述第一数量车窗区域集合为所述第一数量车窗区域集合中的车窗区域;
所述第一车窗区域的高具体通过下述公式计算方式获得:
基于所述标注车辆几何特征和所述第一数量车窗区域集合的宽,得到第一车窗区域的宽;
所述第一车窗区域的宽具体通过下述公式计算方式获得:
基于所述第一车窗区域的高、第一车窗区域的宽和所述标注车窗的中心点在标注车辆中的位置,得到第一车窗区域;
基于所述标注车辆几何特征和第二车窗区域的高,得到第二车辆区域的高;所述第二车窗区域为所述第一数量车窗区域集合中的车窗区域;
所述第二车辆区域的高具体通过下述公式计算方式获得:
基于所述标注车辆几何特征和所述第二车窗区域的宽,得到第二车辆区域的宽;
所述第二车辆区域的宽具体通过下述公式计算方式获得:
基于所述第二车辆区域的高、第二车辆区域的宽和所述标注车窗的中心点在标注车辆中的位置,得到第二车辆区域;
通过多个车窗区域,对应获得多个车辆区域;
基于所述多个车辆区域,得到第一数量车辆集合区域集合。
第二方面,本发明实施例提供了一种隧道自动照明的控制系统,包括:
采集模块:通过监控组件获得三段监控视频;监控组件中包括第一监控设备、第二监控设备、第三监控设备,三段监控视频包括入口监控图像、出口监控图像和隧道附近监控图像;第一监控设备设置在隧道入口的位置,第二监控设备设置在隧道出口的位置,第三监控设备设置在隧道入口的前预设位置;所述入口监控图像由所述第一监控设备得到;所述出口监控图像由所述第二监控设备得到;所述隧道附近监控图像由所述第三监控设备得到;基于所述三段监控视频,得到三个监控图像;三个监控图像包括入口监控图像、出口监控图像和隧道附近监控图像所述三个监控图像为入口监控图像、出口监控图像和隧道附近监控图像在同一时刻中的监控图像;
车辆识别模块:分别基于入口监控图像、出口监控图像和隧道附近监控图像,得到第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量;
隧道灯控制模块:若第一隧道车辆数量和第二隧道车辆数量满足第一条件,控制隧道内的照明灯开启;第一隧道车辆数量和第二隧道车辆数量满足第一条件具体为:第一隧道车辆数量与第二隧道车辆数量相减之差大于0;若第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量满足第二条件,控制隧道内的照明灯开启;第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量满足第二条件具体为:第一隧道车辆数量与第二隧道车辆数量相减之差等于0,且,所述第三隧道车辆数量大于0;若第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量满足第三条件,控制隧道内的照明灯关闭;第一隧道车辆数量、第二隧道车辆数量、第三隧道车辆数量满足第三条件具体为:第一隧道车辆数量与第二隧道车辆数量相减之差等于0,且,所述第三隧道车辆数量等于0。
可选的,所述分别基于入口监控图像、出口监控图像和隧道附近监控图像,得到所述第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量,包括:
获得标注数据;所述标注数据包括标注车辆几何特征和标注车窗纹理特征;所述标注车辆几何特征包括表示标注车辆中标注车窗位置;所述标注车窗位置包括标注车窗的中心点在标注车辆中的位置、标注车窗的高与标注车辆的高的比值和标注车窗的宽与标注车辆的宽的比值;
基于所述入口监控图像、出口监控图像、隧道附近监控图像和所述标注数据,分别得到第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数。
可选的,所述基于所述入口监控图像和所述标注数据,得到第一隧道车辆数量,包括:
获得入口监控图像的纹理特征;
基于所述入口监控图像的纹理特征,得到第一数量纹理区域,所述第一数量纹理区域表示将入口监控图像划分为多个纹理区域;
基于所述多个纹理区域与所述标注数据中标注车窗纹理特征,得到第一数量车窗区域集合;
基于所述第一数量车窗区域集合,得到第一数量车辆集合区域集合;
基于所述第一数量车辆集合区域集合与所述标注车辆正面几何特征,得到第一数量车辆集合;
基于所述第一数量车辆集合和目标检测算法,得到第一车牌区域集合;
基于所述第一车牌区域集合和目标识别算法,得到第一数量车牌号集合;
基于第一数量车牌号集合与第一数据库中预先存储的车牌号,得到第一隧道车牌号集合;所述第一隧道车牌号集合为所述第一数量车牌号集合与第一数据库中预先存储的车牌号不相同车牌号的集合;所述第一数据库表示存储隧道中的车辆的车牌号;
将所述第一隧道车牌号集合中的车牌号存入第一数据库中;
基于所述第一隧道车牌号集合,得到第一隧道车辆数量;第一隧道车辆数量为所述第一数据库中车牌号的数量。
相较于现有技术,本发明实施例达到了以下有益效果:
通过监控对隧道灯进行控制,大大减少了费用。在隧道前和隧道后设置了两个监控,在隧道前预设50米处设置了一个监控,三个监控一起控制隧道灯。同时在隧道前预设50米处设置的监控使得隧道灯不会频繁开关,从而造成隧道灯的损坏,延长了隧道灯的使用寿命。
附图说明
图1是本发明实施例提供的一种隧道自动照明的控制方法流程图。
图2是本发明实施例提供的一种隧道自动照明的控制方法中监控结构图。
图3是本发明实施例提供的一种电子设备的方框结构示意图。
图中标记:总线500;接收器501;处理器502;发送器503;存储器504;总线接口505。
具体实施方式
下面结合附图,对本发明作详细的说明。
实施例1
如图1所示,本发明实施例提供了一种隧道自动照明的控制方法,本实施例提供的隧道自动照明控制方法主要用于双洞单向隧道。所述方法包括:
S101:通过监控组件获得三段监控视频;监控组件中包括第一监控设备、第二监控设备、第三监控设备,三段监控视频包括入口监控图像、出口监控图像和隧道附近监控图像;第一监控设备设置在隧道入口的位置,第二监控设备设置在隧道出口的位置,第三监控设备设置在隧道入口的前预设位置;所述入口监控图像由所述第一监控设备得到;所述出口监控图像由所述第二监控设备得到;所述隧道附近监控图像由所述第三监控设备得到。
具体地,入口监控设备设置在隧道入口的位置,出口监控设备设置在隧道出口的位置,隧道附近监控设备设置在隧道入口的前预设50米位置;本实施例以50米为例。
S102:基于所述三段监控视频,得到三个监控图像;三个监控图像包括入口监控图像、出口监控图像和隧道附近监控图像所述三个监控图像为入口监控图像、出口监控图像和隧道附近监控图像在同一时刻中的监控图像。
S103:分别基于入口监控图像、出口监控图像和隧道附近监控图像,得到所述第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量。
S104:若第一隧道车辆数量和第二隧道车辆数量满足第一条件,控制隧道内的照明灯开启;第一隧道车辆数量和第二隧道车辆数量满足第一条件具体为:第一隧道车辆数量与第二隧道车辆数量相减之差大于0。
S105:若第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量满足第二条件,控制隧道内的照明灯开启;第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量满足第二条件具体为:第一隧道车辆数量与第二隧道车辆数量相减之差等于0,且,所述第三隧道车辆数量大于0。
S106:若第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量满足第三条件,控制隧道内的照明灯关闭;第一隧道车辆数量、第二隧道车辆数量、第三隧道车辆数量满足第三条件具体为:第一隧道车辆数量与第二隧道车辆数量相减之差等于0,且,所述第三隧道车辆数量等于0。
其中,通过图2中的监控结构识别车辆。如,在t0初始时刻第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量的初始数据为0,第一数据库中车牌号为NULL(空),表示没有车辆经过隧道。在t1时刻监控1识别到两辆车,第一隧道车辆数量为第一数据库中车牌号的车牌号数量加上识别到与第一数据库中存储的车牌号不同的个数,即0加上2为2,表示有两辆车进入隧道的车辆,第一数据库录入识别到的两辆车的车牌号。在t3时刻,监控2识别到t1时刻监控1识别到两辆车中的其中一辆车第二隧道车辆数量加1,表示离开的车辆数量,并且删除第一数据库中的离开车辆的车牌号,第一数据库中存储的车牌号为1。每当监控2识别到一辆车时,得到第一隧道车辆数量减去第二隧道车辆数量减之差。若相减之差等于0,判断第三隧道车辆数量。所述第三隧道车辆数量由监控3识别到的车辆数量,表示即将进入隧道的车辆。若第三隧道车辆数量为0,关闭隧道灯,若第三隧道车辆数量大于0,仍然开启隧道灯。便于识别隧道附近的车辆,使得不频繁关灯。在t4时刻时,第二隧道车辆数量归0,用于检测下一次离开的车辆数量。监控1识别到三辆车,第一隧道车辆数量为第一数据库中车牌号的车牌号数量加上识别到与第一数据库中存储的车牌号不同的个数,即1加上3为4。在下一次车辆进入时,得到进入车辆的数量,即隧道中车辆的数量。
可选的,所述分别基于入口监控图像、出口监控图像和隧道附近监控图像,得到所述第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量,包括:
获得标注数据;所述标注数据包括标注车辆几何特征和标注车窗纹理特征;所述标注车辆几何特征包括表示标注车辆中标注车窗位置;所述标注车窗位置包括标注车窗的中心点在标注车辆中的位置、标注车窗的高与标注车辆的高的比值和标注车窗的宽与标注车辆的宽的比值。
基于所述入口监控图像和所述标注数据,得到第一隧道车辆数量。
基于所述入口监控图像出口监控图像和所述标注数据,得到第二隧道车辆数量;
基于隧道附近监控图像和所述标注数据,得到第三隧道车辆数量。
通过以上方法,车窗纹理特征和车辆几何特征共同作用,得到更加准确的车辆区域。通过找到图像中与车窗纹理相同的纹理,得到车窗区域。由车窗区域通过一般车窗在车辆中的位置,得到车辆区域,快速准确的找到车辆区域,同时在车辆区域中识别车牌,使得车牌识别根据准确。
可选的,所述基于所述入口监控图像和所述标注数据,得到第一隧道车辆数量,包括:
获得入口监控图像的纹理特征。
基于所述入口监控图像的纹理特征,得到第一数量纹理区域,所述第一数量纹理区域表示将入口监控图像划分为多个纹理区域。
基于所述多个纹理区域与所述标注数据中标注车窗纹理特征,得到第一数量车窗区域集合;
基于所述第一数量车窗区域集合,得到第一数量车辆集合区域集合。
基于所述第一数量车辆集合区域集合与所述标注车辆正面几何特征,得到第一数量车辆集合。
基于所述第一数量车辆集合和目标检测算法,得到第一车牌区域集合。
基于所述第一车牌区域集合和目标识别算法,得到第一数量车牌号集合。
基于第一数量车牌号集合与第一数据库中预先存储的车牌号,得到第一隧道车牌号集合;所述第一隧道车牌号集合为所述第一数量车牌号集合与第一数据库中预先存储的车牌号不相同车牌号的集合;所述第一数据库表示存储隧道中的车辆的车牌号。
将所述第一隧道车牌号集合中的车牌号存入第一数据库中。
基于所述第一隧道车牌号集合,得到第一隧道车辆数量;第一隧道车辆数量为所述第一数据库中车牌号的数量。
可选的,所述基于所述入口监控图像出口监控图像和所述标注数据,得到第二隧道车辆数量,包括:
获得出口监控图像的纹理特征。
基于所述出口监控图像的纹理特征,得到第二数量纹理区域,所述第二数量纹理区域表示将出口监控图像划分为多个纹理区域。
基于所述第二数量纹理区域与所述标注数据中标注车窗纹理特征,得到第二数量车窗区域。
基于所述第二数量车窗区域,得到第二数量车辆区域。
基于所述第二数量车辆区域与所述标注车辆背面几何特征,得到第二数量车辆。
基于所述第二数量车辆和目标检测算法,得到第二车牌区域。
基于所述第二车牌区域和目标识别算法,得到第二数量车牌号集合。
删除第一数据库中所述第二数量车牌号集合中的车牌号。
可选的,所述基于隧道附近监控图像和所述标注数据,得到第三隧道车辆数量,包括:
获得隧道附近监控图像的纹理特征。
基于所述隧道附近监控图像的纹理特征,得到第三数量纹理区域,所述第三数量纹理区域表示将出口监控图像划分为多个纹理区域。
基于所述第三数量纹理区域与所述标注数据中标注车窗纹理特征,得到第三数量车窗区域。
基于所述第三数量车窗区域,得到第三数量车辆区域。
基于所述第三数量车辆区域与所述标注车辆背面几何特征,得到第三数量车辆。
基于所述第三数量车辆和目标检测算法,得到第三车牌区域。
基于所述第三车牌区域和目标识别算法,得到第三数量车牌号集合。
基于第三数量车牌号集合与数据库中预先存储的车牌号,得到第三隧道车牌号集合;所述第三隧道车牌号集合为所述第三数量车牌号集合与第二数据库中预先存储的车牌号不相同车牌号的集合。
基于所述第三隧道车牌号集合,得到第三隧道车辆数量;第三隧道车辆数量为所述第三隧道车牌号集合中元素的数量。
其中,本实施例中目标检测算法为Faster R-CNN算法,在第二数量车辆的区域中,利用目标检测算法,将第二数量车辆的区域中的特征与车牌的特征进行相似度计算,若所述相似度小于车牌阈值,得到第二车牌区域;所述相似度使用交叉熵计算得到,所述车牌阈值为1;获得车牌区域中的每个字的区域。使用目标识别算法识别每个字。所述目标识别算法是已经使用车牌中省份简写、英语字母、0-9数字的训练集训练好了的目标识别算法。本实施例使用的目标识别算法为手写字识别模型。
通过上述方法,在车辆区域检测车牌区域再进行分割识别的方法,能够精确的识别车牌的内容。
可选的,所述基于所述多个纹理区域与所述标注数据中标注车窗纹理特征,得到第一数量车窗区域集合,包括:
基于多个纹理区域,得到第一纹理;所述第一纹理是多个纹理区域中的其中一个纹理区域的纹理。
基于所述第一纹理,得到第一纹理相似值;
所述第一纹理相似值具体通过下述公式计算方式获得:
若所述第一纹理相似值小于纹理阈值,得到第一数量车窗区域集合。
基于多个纹理区域,得到第二纹理;所述第二纹理是多个纹理区域中的其中一个纹理区域的纹理。
基于所述第二纹理,得到第二纹理相似值;
所述第二纹理相似值具体通过下述公式计算方式获得:
若所述第二纹理相似值小于纹理阈值,得到第二车窗区域。
通过多次获得多个纹理区域中的纹理,对应获得多个车窗区域。
基于所述多个车窗区域,得到第一数量车窗区域集合。
其中,本实施例中纹理阈值为1。通过LBP算法提取一张图片的纹理信息,得到纹理特征图像。对纹理特征图像中不同的纹理区域进行分割,通过对每个纹理区域的纹理特征与车窗的纹理特征进行比较,找到和车窗纹理相同的纹理区域,得到图片的纹理特征。
通过上述方法,由于在监控所拍的图像是车道中的车辆,而车辆中比较特别的是车窗的纹理不容易受到外界光照、腐蚀和磨损所造成的影响。车窗的纹理特征能够更容易的识别出车窗所在区域,方便检测车辆。
可选的,所述基于所述第一数量车窗区域集合,得到第一数量车辆集合区域集合,包括:
基于所述标注车辆几何特征和所述第一数量车窗区域集合的高,得到第一车窗区域的高;所述第一数量车窗区域集合为所述第一数量车窗区域集合中的车窗区域。
所述第一车窗区域的高具体通过下述公式计算方式获得:
基于所述标注车辆几何特征和所述第一数量车窗区域集合的宽,得到第一车窗区域的宽。
所述第一车窗区域的宽具体通过下述公式计算方式获得:
基于所述第一车窗区域的高、第一车窗区域的宽和所述标注车窗的中心点在标注车辆中的位置,得到第一车窗区域;
基于所述标注车辆几何特征和第二车窗区域的高,得到第二车辆区域的高;所述第二车窗区域为所述第一数量车窗区域集合中的车窗区域。
所述第二车辆区域的高具体通过下述公式计算方式获得:
基于所述标注车辆几何特征和所述第二车窗区域的宽,得到第二车辆区域的宽。
所述第二车辆区域的宽具体通过下述公式计算方式获得:
基于所述第二车辆区域的高、第二车辆区域的宽和所述标注车窗的中心点在标注车辆中的位置,得到第二车辆区域。
通过多个车窗区域,对应获得多个车辆区域。
基于所述多个车辆区域,得到第一数量车辆集合区域集合。
实施例2
基于上述的隧道自动照明的控制方法,本发明实施例还提供了一种隧道自动照明的控制系统,所述系统包括采集模块、车辆识别模块和隧道灯控制模块:
其中,采集模块用于通过监控组件获得三个监控图像。监控组件中包括第一监控设备、第二监控设备、第三监控设备,三个监控图像包括通过监控组件获得三段监控视频;监控组件中包括第一监控设备、第二监控设备、第三监控设备,三段监控视频包括入口监控图像、出口监控图像和隧道附近监控图像;第一监控设备设置在隧道入口的位置,第二监控设备设置在隧道出口的位置,第三监控设备设置在隧道入口的前预设位置;所述入口监控图像由所述第一监控设备得到;所述出口监控图像由所述第二监控设备得到;所述隧道附近监控图像由所述第三监控设备得到;基于所述三段监控视频,得到三个监控图像;三个监控图像包括入口监控图像、出口监控图像和隧道附近监控图像所述三个监控图像为入口监控图像、出口监控图像和隧道附近监控图像在同一时刻中的监控图像。
在采集模块采集图像之后,在车辆识别模块中进行车辆识别。
其中,车辆识别模块用于分别获取第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量。分别基于入口监控图像、出口监控图像和隧道附近监控图像,得到所述第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量。
判断车辆识别模块中识别到的车辆满足隧道灯开关的哪个条件从而进行隧道灯开关。
其中隧道灯控制模块用于控制隧道内的照明灯开启和关闭。若第一隧道车辆数量和第二隧道车辆数量满足第一条件,控制隧道内的照明灯开启;第一隧道车辆数量和第二隧道车辆数量满足第一条件具体为:第一隧道车辆数量与第二隧道车辆数量相减之差大于0;若第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量满足第二条件,控制隧道内的照明灯开启;第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量满足第二条件具体为:第一隧道车辆数量与第二隧道车辆数量相减之差等于0,且,所述第三隧道车辆数量大于0;若第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量满足第三条件,控制隧道内的照明灯关闭;第一隧道车辆数量、第二隧道车辆数量、第三隧道车辆数量满足第三条件具体为:第一隧道车辆数量与第二隧道车辆数量相减之差等于0,且,所述第三隧道车辆数量等于0。
在此关于上述实施例中的系统,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本发明实施例还提供了一种电子设备,如图3所示,包括存储器504、处理器502及存储在存储器504上并可在处理器502上运行的计算机程序,所述处理器502执行所述程序时实现前文所述一种隧道自动照明的控制方法的任一方法的步骤。
其中,在图3中,总线架构(用总线500来代表),总线500可以包括任意数量的互联的总线和桥,总线500将包括由处理器502代表的一个或多个处理器和存储器504代表的存储器的各种电路链接在一起。总线500还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进进一步描述。总线接口505在总线500和接收器501和发送器503之间提供接口。接收器501和发送器503可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。处理器502负责管理总线500和通常的处理,而存储器504可以被用于存储处理器502在执行操作时所使用的数据。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种隧道自动照明的控制方法的任一方法的步骤以及上述的所涉及的数据。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (6)
1.一种隧道自动照明的控制方法,其特征在于,包括:
通过监控组件获得三段监控视频;监控组件中包括第一监控设备、第二监控设备、第三监控设备,三段监控视频包括入口监控图像、出口监控图像和隧道附近监控图像;第一监控设备设置在隧道入口的位置,第二监控设备设置在隧道出口的位置,第三监控设备设置在隧道入口的前预设位置;所述入口监控图像由所述第一监控设备得到;所述出口监控图像由所述第二监控设备得到;所述隧道附近监控图像由所述第三监控设备得到;
基于所述三段监控视频,得到三个监控图像;三个监控图像包括入口监控图像、出口监控图像和隧道附近监控图像所述三个监控图像为入口监控图像、出口监控图像和隧道附近监控图像在同一时刻中的监控图像;
分别基于入口监控图像、出口监控图像和隧道附近监控图像,得到第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量;
若第一隧道车辆数量和第二隧道车辆数量满足第一条件,控制隧道内的照明灯开启;第一隧道车辆数量和第二隧道车辆数量满足第一条件具体为:第一隧道车辆数量与第二隧道车辆数量相减之差大于0;
若第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量满足第二条件,控制隧道内的照明灯开启;第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量满足第二条件具体为:第一隧道车辆数量与第二隧道车辆数量相减之差等于0,且,所述第三隧道车辆数量大于0;
若第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量满足第三条件,控制隧道内的照明灯关闭;第一隧道车辆数量、第二隧道车辆数量、第三隧道车辆数量满足第三条件具体为:第一隧道车辆数量与第二隧道车辆数量相减之差等于0,且,所述第三隧道车辆数量等于0;
所述分别基于入口监控图像、出口监控图像和隧道附近监控图像,得到所述第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量,包括:
获得标注数据;所述标注数据包括标注车辆几何特征和标注车窗纹理特征;所述标注车辆几何特征包括表示标注车辆中标注车窗位置;所述标注车窗位置包括标注车窗的中心点在标注车辆中的位置、标注车窗的高与标注车辆的高的比值和标注车窗的宽与标注车辆的宽的比值;
基于所述入口监控图像和所述标注数据,得到第一隧道车辆数量;
基于所述入口监控图像出口监控图像和所述标注数据,得到第二隧道车辆数量;
基于隧道附近监控图像和所述标注数据,得到第三隧道车辆数量;
所述基于隧道附近监控图像和所述标注数据,得到第三隧道车辆数量,包括:
获得隧道附近监控图像的纹理特征;
基于所述隧道附近监控图像的纹理特征,得到第三数量纹理区域,所述第三数量纹理区域表示将出口监控图像划分为多个纹理区域;
基于所述第三数量纹理区域与所述标注数据中标注车窗纹理特征,得到第三数量车窗区域;
基于所述第三数量车窗区域,得到第三数量车辆区域;
基于所述第三数量车辆区域与所述标注车辆背面几何特征,得到第三数量车辆;
基于所述第三数量车辆和目标检测算法,得到第三车牌区域;
基于所述第三车牌区域和目标识别算法,得到第三数量车牌号集合;
基于第三数量车牌号集合与数据库中预先存储的车牌号,得到第三隧道车牌号集合;所述第三隧道车牌号集合为所述第三数量车牌号集合与第二数据库中预先存储的车牌号不相同车牌号的集合;
基于所述第三隧道车牌号集合,得到第三隧道车辆数量;第三隧道车辆数量为所述第三隧道车牌号集合中元素的数量。
2.根据权利要求1所述的隧道自动照明的控制方法,其特征在于,所述基于所述入口监控图像和所述标注数据,得到第一隧道车辆数量,包括:
获得入口监控图像的纹理特征;
基于所述入口监控图像的纹理特征,得到第一数量纹理区域;所述第一数量纹理区域表示将入口监控图像划分为多个纹理区域;
基于所述多个纹理区域与所述标注数据中标注车窗纹理特征,得到第一数量车窗区域集合;
所述基于所述多个纹理区域与所述标注数据中标注车窗纹理特征,得到第一数量车窗区域集合,包括:
基于多个纹理区域,得到第一纹理;所述第一纹理是多个纹理区域中的其中一个纹理区域的纹理;
基于所述第一纹理,得到第一纹理相似值;
所述第一纹理相似值具体通过下述公式计算方式获得:
若所述第一纹理相似值小于纹理阈值,得到第一车窗区域;
基于多个纹理区域,得到第二纹理;所述第二纹理是多个纹理区域中的其中一个纹理区域的纹理;
基于所述第二纹理,得到第二纹理相似值;
所述第二纹理相似值具体通过下述公式计算方式获得:
若所述第二纹理相似值小于纹理阈值,得到第二车窗区域;
通过多次获得多个纹理区域中的纹理,对应获得多个车窗区域;
基于所述多个车窗区域,得到第一数量车窗区域集合;
基于所述第一数量车窗区域集合,得到第一数量车辆集合区域集合;
基于所述第一数量车辆集合区域集合与所述标注车辆正面几何特征,得到第一数量车辆集合;
基于所述第一数量车辆集合和目标检测算法,得到第一车牌区域集合;
基于所述第一车牌区域集合和目标识别算法,得到第一数量车牌号集合;
基于第一数量车牌号集合与第一数据库中预先存储的车牌号,得到第一隧道车牌号集合;所述第一隧道车牌号集合为所述第一数量车牌号集合与第一数据库中预先存储的车牌号不相同车牌号的集合;所述第一数据库表示存储隧道中的车辆的车牌号;
将所述第一隧道车牌号集合中的车牌号存入第一数据库中;
基于所述第一隧道车牌号集合,得到第一隧道车辆数量;第一隧道车辆数量为所述第一数据库中车牌号的数量。
3.根据权利要求1所述的隧道自动照明的控制方法,其特征在于,所述基于所述入口监控图像出口监控图像和所述标注数据,得到第二隧道车辆数量,包括:
获得出口监控图像的纹理特征;
基于所述出口监控图像的纹理特征,得到第二数量纹理区域,所述第二数量纹理区域表示将出口监控图像划分为多个纹理区域;
基于所述第二数量纹理区域与所述标注数据中标注车窗纹理特征,得到第二数量车窗区域;
基于所述第二数量车窗区域,得到第二数量车辆区域;
基于所述第二数量车辆区域与所述标注车辆背面几何特征,得到第二数量车辆;
基于所述第二数量车辆和目标检测算法,得到第二车牌区域;
基于所述第二车牌区域和目标识别算法,得到第二数量车牌号集合;
删除第一数据库中所述第二数量车牌号集合中的车牌号。
4.根据权利要求2所述的隧道自动照明的控制方法,其特征在于,所述基于所述第一数量车窗区域集合,得到第一数量车辆集合区域集合,包括:
基于所述标注车辆几何特征和所述第一数量车窗区域集合的高,得到第一车辆区域的高;所述第一数量车窗区域集合为所述第一数量车窗区域集合中的车窗区域;
所述第一车辆区域的高具体通过下述公式计算方式获得:
基于所述标注车辆几何特征和所述第一数量车窗区域集合的宽,得到第一车辆区域的宽;
所述第一车辆区域的宽具体通过下述公式计算方式获得:
基于所述第一车辆区域的高、第一车窗区域的宽和所述标注车窗的中心点在标注车辆中的位置,得到第一车窗区域;
基于所述标注车辆几何特征和第二车窗区域的高,得到第二车辆区域的高;所述第二车窗区域为所述第一数量车窗区域集合中的车窗区域;
所述第二车辆区域的高具体通过下述公式计算方式获得:
基于所述标注车辆几何特征和所述第二车窗区域的宽,得到第二车辆区域的宽;
所述第二车辆区域的宽具体通过下述公式计算方式获得:
基于所述第二车辆区域的高、第二车辆区域的宽和所述标注车窗的中心点在标注车辆中的位置,得到第二车辆区域;
通过多个车窗区域,对应获得多个车辆区域;
基于所述多个车辆区域,得到第一数量车辆集合区域集合。
5.一种隧道自动照明的控制系统,其特征在于,包括:
采集模块:通过监控组件获得三段监控视频;监控组件中包括第一监控设备、第二监控设备、第三监控设备,三段监控视频包括入口监控图像、出口监控图像和隧道附近监控图像;第一监控设备设置在隧道入口的位置,第二监控设备设置在隧道出口的位置,第三监控设备设置在隧道入口的前预设位置;所述入口监控图像由所述第一监控设备得到;所述出口监控图像由所述第二监控设备得到;所述隧道附近监控图像由所述第三监控设备得到;基于所述三段监控视频,得到三个监控图像;三个监控图像包括入口监控图像、出口监控图像和隧道附近监控图像所述三个监控图像为入口监控图像、出口监控图像和隧道附近监控图像在同一时刻中的监控图像;
车辆识别模块:分别基于入口监控图像、出口监控图像和隧道附近监控图像,得到第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量;
隧道灯控制模块:若第一隧道车辆数量和第二隧道车辆数量满足第一条件,控制隧道内的照明灯开启;第一隧道车辆数量和第二隧道车辆数量满足第一条件具体为:第一隧道车辆数量与第二隧道车辆数量相减之差大于0;若第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量满足第二条件,控制隧道内的照明灯开启;第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量满足第二条件具体为:第一隧道车辆数量与第二隧道车辆数量相减之差等于0,且,所述第三隧道车辆数量大于0;若第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量满足第三条件,控制隧道内的照明灯关闭;第一隧道车辆数量、第二隧道车辆数量、第三隧道车辆数量满足第三条件具体为:第一隧道车辆数量与第二隧道车辆数量相减之差等于0,且,所述第三隧道车辆数量等于0;
所述分别基于入口监控图像、出口监控图像和隧道附近监控图像,得到所述第一隧道车辆数量、第二隧道车辆数量和第三隧道车辆数量,包括:
获得标注数据;所述标注数据包括标注车辆几何特征和标注车窗纹理特征;所述标注车辆几何特征包括表示标注车辆中标注车窗位置;所述标注车窗位置包括标注车窗的中心点在标注车辆中的位置、标注车窗的高与标注车辆的高的比值和标注车窗的宽与标注车辆的宽的比值;
基于所述入口监控图像和所述标注数据,得到第一隧道车辆数量;
基于所述入口监控图像出口监控图像和所述标注数据,得到第二隧道车辆数量;
基于隧道附近监控图像和所述标注数据,得到第三隧道车辆数量;
所述基于隧道附近监控图像和所述标注数据,得到第三隧道车辆数量,包括:
获得隧道附近监控图像的纹理特征;
基于所述隧道附近监控图像的纹理特征,得到第三数量纹理区域,所述第三数量纹理区域表示将出口监控图像划分为多个纹理区域;
基于所述第三数量纹理区域与所述标注数据中标注车窗纹理特征,得到第三数量车窗区域;
基于所述第三数量车窗区域,得到第三数量车辆区域;
基于所述第三数量车辆区域与所述标注车辆背面几何特征,得到第三数量车辆;
基于所述第三数量车辆和目标检测算法,得到第三车牌区域;
基于所述第三车牌区域和目标识别算法,得到第三数量车牌号集合;
基于第三数量车牌号集合与数据库中预先存储的车牌号,得到第三隧道车牌号集合;所述第三隧道车牌号集合为所述第三数量车牌号集合与第二数据库中预先存储的车牌号不相同车牌号的集合;
基于所述第三隧道车牌号集合,得到第三隧道车辆数量;第三隧道车辆数量为所述第三隧道车牌号集合中元素的数量。
6.根据权利要求5所述的隧道自动照明的控制系统,其特征在于,所述基于所述入口监控图像和所述标注数据,得到第一隧道车辆数量,包括:
获得入口监控图像的纹理特征;
基于所述入口监控图像的纹理特征,得到第一数量纹理区域;所述第一数量纹理区域表示将入口监控图像划分为多个纹理区域;
基于所述多个纹理区域与所述标注数据中标注车窗纹理特征,得到第一数量车窗区域集合;
所述基于所述多个纹理区域与所述标注数据中标注车窗纹理特征,得到第一数量车窗区域集合,包括:
基于多个纹理区域,得到第一纹理;所述第一纹理是多个纹理区域中的其中一个纹理区域的纹理;
基于所述第一纹理,得到第一纹理相似值;
所述第一纹理相似值具体通过下述公式计算方式获得:
若所述第一纹理相似值小于纹理阈值,得到第一车窗区域;
基于多个纹理区域,得到第二纹理;所述第二纹理是多个纹理区域中的其中一个纹理区域的纹理;
基于所述第二纹理,得到第二纹理相似值;
所述第二纹理相似值具体通过下述公式计算方式获得:
若所述第二纹理相似值小于纹理阈值,得到第二车窗区域;
通过多次获得多个纹理区域中的纹理,对应获得多个车窗区域;
基于所述多个车窗区域,得到第一数量车窗区域集合;基于所述第一数量车窗区域集合,得到第一数量车辆集合区域集合;
基于所述第一数量车辆集合区域集合与所述标注车辆正面几何特征,得到第一数量车辆集合;
基于所述第一数量车辆集合和目标检测算法,得到第一车牌区域集合;
基于所述第一车牌区域集合和目标识别算法,得到第一数量车牌号集合;
基于第一数量车牌号集合与第一数据库中预先存储的车牌号,得到第一隧道车牌号集合;所述第一隧道车牌号集合为所述第一数量车牌号集合与第一数据库中预先存储的车牌号不相同车牌号的集合;所述第一数据库表示存储隧道中的车辆的车牌号;
将所述第一隧道车牌号集合中的车牌号存入第一数据库中;
基于所述第一隧道车牌号集合,得到第一隧道车辆数量;第一隧道车辆数量为所述第一数据库中车牌号的数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210000398.3A CN114022848B (zh) | 2022-01-04 | 2022-01-04 | 一种隧道自动照明的控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210000398.3A CN114022848B (zh) | 2022-01-04 | 2022-01-04 | 一种隧道自动照明的控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114022848A CN114022848A (zh) | 2022-02-08 |
CN114022848B true CN114022848B (zh) | 2022-04-12 |
Family
ID=80069475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210000398.3A Active CN114022848B (zh) | 2022-01-04 | 2022-01-04 | 一种隧道自动照明的控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114022848B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116347718B (zh) * | 2023-05-31 | 2023-09-12 | 四川智慧高速科技有限公司 | 隧道自动调光系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113096126A (zh) * | 2021-06-03 | 2021-07-09 | 四川九通智路科技有限公司 | 基于图像识别深度学习的道路病害检测系统及方法 |
CN113752940A (zh) * | 2021-09-13 | 2021-12-07 | 东风柳州汽车有限公司 | 进出隧道车灯控制方法、设备、存储介质及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7245766B2 (en) * | 2000-05-04 | 2007-07-17 | International Business Machines Corporation | Method and apparatus for determining a region in an image based on a user input |
EP2960811A1 (en) * | 2014-06-26 | 2015-12-30 | Thomson Licensing | Method and device for analyzing a database comprising a large number of video images |
CN111553205B (zh) * | 2020-04-12 | 2022-11-15 | 西安电子科技大学 | 无车牌信息车辆重识别方法、系统、介质、视频监控系统 |
CN111586944B (zh) * | 2020-05-29 | 2022-09-06 | 北京交科公路勘察设计研究院有限公司 | 基于etc门架系统的公路隧道智能照明控制系统及方法 |
CN113823094B (zh) * | 2021-11-17 | 2022-02-18 | 四川九通智路科技有限公司 | 一种基于车流量大数据的隧道实时监控管理系统及方法 |
-
2022
- 2022-01-04 CN CN202210000398.3A patent/CN114022848B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113096126A (zh) * | 2021-06-03 | 2021-07-09 | 四川九通智路科技有限公司 | 基于图像识别深度学习的道路病害检测系统及方法 |
CN113752940A (zh) * | 2021-09-13 | 2021-12-07 | 东风柳州汽车有限公司 | 进出隧道车灯控制方法、设备、存储介质及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114022848A (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11455805B2 (en) | Method and apparatus for detecting parking space usage condition, electronic device, and storage medium | |
US20210213961A1 (en) | Driving scene understanding | |
CN110163176B (zh) | 车道线变化位置识别方法、装置、设备和介质 | |
CN110879950A (zh) | 多级目标分类及交通标志检测方法和装置、设备、介质 | |
CN106169244A (zh) | 利用人行横道识别结果的引导信息提供装置及方法 | |
WO2021073267A1 (zh) | 基于图像识别的行人闯红灯检测方法、装置及相关设备 | |
JP2012173879A (ja) | 信号機検出装置及びプログラム | |
CN111382735B (zh) | 夜间车辆检测方法、装置、设备及存储介质 | |
CN109977776A (zh) | 一种车道线检测方法、装置及车载设备 | |
CN113160575A (zh) | 一种非机动车辆及驾驶人的交通违法行为检测方法及系统 | |
Naufal et al. | Preprocessed mask RCNN for parking space detection in smart parking systems | |
CN103150547A (zh) | 车辆跟踪方法及装置 | |
CN114022848B (zh) | 一种隧道自动照明的控制方法及系统 | |
CN112785850A (zh) | 车辆变道未打灯的识别方法及装置 | |
CN104866838B (zh) | 一种基于视觉的前方车辆自动检测方法 | |
CN113903180B (zh) | 一种高速公路检测车辆超速的方法及系统 | |
Bichkar et al. | Traffic sign classification and detection of Indian traffic signs using deep learning | |
US20160132742A1 (en) | Image recognition device, image recognition method, program, and recording medium | |
Greer et al. | Patterns of vehicle lights: Addressing complexities of camera-based vehicle light datasets and metrics | |
CN112017065A (zh) | 车辆定损理赔方法、装置及计算机可读存储介质 | |
CN115482672B (zh) | 车辆逆行检测的方法、装置、终端设备及存储介质 | |
CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
CN114495509A (zh) | 基于深度神经网络监控隧道运行状态的方法 | |
JP4972596B2 (ja) | 交通流計測装置 | |
CN113449629A (zh) | 基于行车视频的车道线虚实识别装置、方法、设备及介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |