CN114038190A - 基于ai摄像头的地铁车厢拥挤度检测方法及模组 - Google Patents
基于ai摄像头的地铁车厢拥挤度检测方法及模组 Download PDFInfo
- Publication number
- CN114038190A CN114038190A CN202111308462.6A CN202111308462A CN114038190A CN 114038190 A CN114038190 A CN 114038190A CN 202111308462 A CN202111308462 A CN 202111308462A CN 114038190 A CN114038190 A CN 114038190A
- Authority
- CN
- China
- Prior art keywords
- carriage
- camera
- subway
- congestion degree
- 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.)
- 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
-
- 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
-
- 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
- G08G1/0145—Measuring and analyzing of parameters relative to traffic conditions for specific applications for active traffic flow control
-
- 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
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Circuit Arrangement For Electric Light Sources In General (AREA)
Abstract
本申请涉及一种基于AI摄像头的地铁车厢拥挤度检测方法及模组。地铁车厢拥挤度检测方法包括以下步骤:地铁各个车厢内的AI摄像头采集对应车厢内的图像,并将各AI摄像头采集的图像进行拼接,得到检测图像;于检测图像上进行车厢区域划分,并标注对应车厢编号;识别各个车厢编号对应区域的拥挤状态,并发送给下一站台的地面列车自动监控设备;地面列车自动监控设备将与各个车厢编号对应的车厢的拥挤状态发送到各车厢对应的屏蔽门光带显示设备上显示,从而避免乘客盲目在拥挤状态的车厢等待,提高乘车体验。且由于本申请能够在不整改地铁车厢的基础上,实现对车厢乘客拥挤度的有效监控,最大程度上的促使各个车厢客流量均匀化,提高运输效率。
Description
技术领域
本申请涉及一种拥挤度检测方法,特别是涉及一种基于AI摄像头的地铁车厢拥挤度检测方法及模组。
背景技术
不同于高铁、火车等交通工具所采用的持座有序乘车机制,地铁所采用的是无序乘车机制,当地铁到达各个站点,乘客随机通过各个屏蔽门上下车,这很容易造成车厢客流量不均匀的情况,一些车厢客流量稀少,而一些车厢则非常拥挤,一定程度上降低了运输效率,且影响乘客的乘车体验,对此,目前还没有有效的解决方案。
发明内容
本申请实施例提供一种基于AI摄像头的地铁车厢拥挤度检测方法及模组,解决乘客无法预知各个些车厢拥挤程度而导致影响乘客乘车体验的问题。
为解决上述技术问题,本申请是这样实现的:
第一方面,提供一种基于AI摄像头的地铁车厢拥挤度检测方法,其包括以下步骤:地铁各个车厢内的AI摄像头采集对应车厢内的图像,并将各AI摄像头采集的图像进行拼接,得到检测图像;于检测图像上进行车厢区域划分,并标注对应车厢编号;识别各个车厢编号对应区域的拥挤状态,并发送给下一站台的地面列车自动监控设备;地面列车自动监控设备将与各个车厢编号对应的车厢的拥挤状态发送到各车厢对应的屏蔽门光带显示设备上显示。
在第一方面的第一种可能实现方式中,AI摄像头采集图像之前包括以下步骤:检测地铁车厢是否符合拥挤度检测启动条件,若是,则启动地铁各个车厢内的OLED车窗上的AI摄像头采集对应车厢内的图像。
在第一方面的第二种可能实现方式中,还包括以下步骤:将AI摄像头集成于各个车厢的OLED车窗上。
第二方面,提供一种基于AI摄像头的地铁车厢拥挤度检测模组,其包括:采集模块,其包括集成于各个车厢内的AI摄像头,采集模块设置为将各AI摄像头采集的图像进行拼接,并在拼接图像上进行车厢区域划分,标注对应车厢编号;识别模块,与采集模块连接,识别模块设置为识别各个车厢编号对应区域的拥挤状态,处理模块,与识别模块和地面列车自动监控设备连接,处理模块设置为将各车厢的拥挤度状态发送至地面列车自动监控设备。
在第二方面的第一种可能实现方式中,还包括:检测模块,其与采集模块连接,检测模块根据检测地铁车厢是否符合拥挤度检测启动条件而控制采集模块。
在第二方面的第二种可能实现方式中,AI摄像头是集成于各个车厢的OLED车窗上的。
结合第二方面的第二种可能实现方式,在第二方面的第三种可能实现方式中,每个车厢内的每个OLED车窗上分别集成有AI摄像头,使对应车厢内的全部AI摄像头形成冗余。
结合第二方面的第二种可能实现方式,在第二方面的第四种可能实现方式中,AI摄像头使用的寿命周期与OLED车窗的维护更换寿命周期相持平。
结合第二方面的第二种可能实现方式,在第二方面的第五种可能实现方式中,OLED车窗上具有黑色油墨区域,黑色油墨区域上具有AI摄像头安装区域,AI摄像头设置于OLED车窗的中空层内且位于AI摄像头安装区域,AI摄像头与OLED车窗的车窗控制机箱连接。
结合第二方面的第二种可能实现方式,在第二方面的第六种可能实现方式中,OLED车窗包括内层玻璃、铝间隔条、外层玻璃和窗框,内层玻璃通过铝间隔条与外层玻璃连接,窗框包覆内层玻璃、铝间隔条和外层玻璃,AI摄像头设置在内层玻璃上。
本申请与现有技术相比具有的优点有:
本申请的基于AI摄像头的地铁车厢拥挤度检测方法及模组,其利用OLED车窗集成AI摄像头采集各车厢内的图像,得到检测图像,并在检测图像上进行各车厢区域划分标注车厢编号,然后再识别各车厢编号对应的拥挤状态并发送到列车运行的下一站台的地面ATS设备上,并由地面ATS设备将各车厢的拥挤状态发送到各车厢对应的屏蔽门光带显示设备上显示,从而避免乘客盲目在拥挤状态的车厢等待,提高乘车体验。由于本申请能够在不整改地铁车厢的基础上,实现对车厢乘客拥挤度的有效监控,以提示乘客合理安排乘坐车厢,最大程度上的促使各个车厢客流量均匀化,提高运输效率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是本申请一实施例的基于AI摄像头的地铁车厢拥挤度检测方法的步骤流程示意图;
图2是本申请一实施例的基于AI摄像头的地铁车厢拥挤度检测模组的示意图;
图3是本申请一实施例的OLED车窗和车窗控制机箱的示意图;
图4是本申请一实施例的AI摄像头集成于OLED车窗内的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
对于地铁而言,由于乘客随机通过各个屏蔽门上下车,这很容易造成车厢客流量不均匀的情况,一些车厢客流量稀少,而一些车厢则非常拥挤,一定程度上降低了运输效率,且影响乘客的乘车体验。
本申请的基于AI摄像头的地铁车厢拥挤度检测方法及模组,其通过AI摄像头采集各个车厢内的图像而获得各个车厢的拥挤状态,并将其显示在各对应车厢处的屏蔽门光带显示设备上显示,从而避免乘客盲目在拥挤状态的车厢等待,提高乘车体验。
请参阅图1,其是本申请一实施例的基于AI摄像头的地铁车厢拥挤度检测方法的步骤流程示意图。如图所示,基于AI摄像头的地铁车厢拥挤度检测方法S包括以下步骤S1至步骤S4。首先,在步骤S1中,采集各个车厢内的图像。地铁各个车厢内的AI摄像头采集对应车厢内的图像,并将各AI摄像头采集的图像进行拼接,得到检测图像。具体的,在地铁每个车厢的各个车窗上集成一个AI摄像头,多个AI摄像头同时采集对应车厢内的图像,然后将这些图像拼接得到一个完整的图像,也即检测图像。
然后,在步骤S2中,对检测图像进行车厢编号。于检测图像上进行车厢区域划分,并标注对应车厢编号,如此便于乘客观看检测图像时能够区分相应车厢的位置及其拥挤状态。接着,在步骤S3中,识别拥挤状态,并发送给地面设备。识别各个车厢编号对应区域的拥挤状态,并发送给下一站台的地面列车自动监控设备。具体的,将检测图像输入到拥挤度识别模型中进行识别,获得各车厢编号对应的拥挤状态,再将各车厢的拥挤状态发送到列车运行的下一站台的地面ATS设备上。
最后,在步骤S4中,显示各车厢的拥挤状态。地面列车自动监控设备将与各个车厢编号对应的车厢的拥挤状态发送到各车厢对应的屏蔽门光带显示设备上显示。具体的,地面ATS设备接收到各车厢的拥挤状态之后,再将其发送到各车厢对应的屏蔽门光带显示设备上显示,使得乘客在屏蔽门前等车时可以由屏蔽门光带显示设备上显示的信息得知该车厢拥挤状态,从而提高乘车体验。
在本实施例中,AI摄像头采集图像之前包括以下步骤:检测是否达到启动条件。检测地铁车厢是否符合拥挤度检测启动条件,启动条件包括但不限于是达到检测时间节点或者列车处于运行状态等,若是,则启动地铁各个车厢内的OLED车窗上的AI摄像头采集对应车厢内的图像,接着执行上述步骤S1至步骤S4至步骤S4,但不以此为限。
请参阅图2至图4,图2是本申请一实施例的基于AI摄像头的地铁车厢拥挤度检测模组的示意图,图3是本申请一实施例的OLED车窗和车窗控制机箱的示意图,图4是本申请一实施例的AI摄像头集成于OLED车窗内的示意图。如图所示,基于AI摄像头的地铁车厢拥挤度检测模组1包括采集模块2、识别模块3和处理模块4。采集模块2包括集成于各个车厢内的AI摄像头21。在本实施例中,AI摄像头21是集成于各个车厢的OLED车窗5上的。如图3所示,OLED车窗5上具有黑色油墨区域501,黑色油墨区域501上具有AI摄像头安装区域502,AI摄像头21设置于OLED车窗5的中空层内且位于AI摄像头安装区域502,AI摄像头21与OLED车窗5的车窗控制机箱6连接。
承上所述,复参阅图4所示,OLED车窗5包括内层玻璃51、铝间隔条52、外层玻璃53和窗框54。内层玻璃51通过铝间隔条52与外层玻璃53连接,窗框54包覆内层玻璃51、铝间隔条52和外层玻璃53,AI摄像头21设置在内层玻璃51上。在本实施例中,每个车厢内的每个OLED车窗5上分别集成有AI摄像头21,使对应车厢内的全部AI摄像头21形成冗余,以提高系统的可靠性。AI摄像头21使用的寿命周期与OLED车窗5的维护更换寿命周期相持平,这样可以成倍数提高AI摄像头的使用寿命周期。
复参阅图2所示,采集模块2设置为将各AI摄像头21采集的图像进行拼接,并在拼接图像上进行车厢区域划分,标注对应车厢编号。识别模块3与采集模块2连接。识别模块3在接收到采集模块2的拼接图像后,对各个车厢编号对应区域的拥挤状态进行识别,获得各车厢对应的拥挤度状态。处理模块4与识别模块3和地面列车自动监控设备(图中未示出)连接。处理模块4接收各车厢对应的拥挤度状态信息之后,将其发送给列车下一站台的地面ATS设备上,并由地面ATS设备将各车厢的拥挤度状态发送至各车厢对应的屏蔽门显示设备上显示。
本实施例的基于AI摄像头的地铁车厢拥挤度检测模组1利用OLED车窗5集成AI摄像头21采集各车厢内的图像,再利用采集模块2将各车厢内的图像进行画面去重拼接得到检测图像,并在检测图像上进行各车厢区域划分标注车厢编号,然后通过识别模块3识别检测图像的拥挤度,获得各车厢编号对应的拥挤状态,再将各车厢的拥挤状态发送到列车运行的下一站台的地面ATS设备上,并由地面ATS设备将各车厢的拥挤状态发送到各车厢对应的屏蔽门光带显示设备上显示,从而避免乘客盲目在拥挤状态的车厢等待,提高乘车体验。
由于本实施例的基于AI摄像头的地铁车厢拥挤度检测模组1能够在不整改地铁车厢的基础上,实现对车厢乘客拥挤度的有效监控,以提示乘客合理安排乘坐车厢,最大程度上的促使各个车厢客流量均匀化,提高运输效率。同时,由于地铁的一节车厢有8-10块车窗,AI摄像头21的数量可以得到很大的提高,且不需要额外开辟安装空间不会影响车体的美观,车窗玻璃具备高可靠性、高IP防护等级的性能,又能最大程度保护摄像头。
在本实施例中,复参阅图2所示,基于AI摄像头21的地铁车厢拥挤度检测模组1还包括检测模块7。检测模块7与采集模块2连接,检测模块7根据检测地铁车厢是否符合拥挤度检测启动条件而控制采集模块2,具体而言,若检测模块7检测地铁车厢符合拥挤度检测启动条件,则控制采集模块2启动,通过各AI摄像头21对车厢内进行图像的采集与拼接。
综上所述,本申请提供了一种基于AI摄像头的地铁车厢拥挤度检测方法及模组,其利用OLED车窗集成AI摄像头采集各车厢内的图像,得到检测图像,并在检测图像上进行各车厢区域划分标注车厢编号,然后再识别各车厢编号对应的拥挤状态并发送到列车运行的下一站台的地面ATS设备上,并由地面ATS设备将各车厢的拥挤状态发送到各车厢对应的屏蔽门光带显示设备上显示,从而避免乘客盲目在拥挤状态的车厢等待,提高乘车体验。
由于本申请能够在不整改地铁车厢的基础上,实现对车厢乘客拥挤度的有效监控,以提示乘客合理安排乘坐车厢,最大程度上的促使各个车厢客流量均匀化,提高运输效率。同时,由于地铁的一节车厢有8-10块车窗,AI摄像头的数量可以得到很大的提高,且不需要额外开辟安装空间不会影响车体的美观,车窗玻璃具备高可靠性、高IP防护等级的性能,又能最大程度保护摄像头。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
Claims (10)
1.一种基于AI摄像头的地铁车厢拥挤度检测方法,其特征在于,包括以下步骤:
地铁各个车厢内的AI摄像头采集对应车厢内的图像,并将各所述AI摄像头采集的所述图像进行拼接,得到检测图像;
于所述检测图像上进行车厢区域划分,并标注对应车厢编号;
识别各个所述车厢编号对应区域的拥挤状态,并发送给下一站台的地面列车自动监控设备;
所述地面列车自动监控设备将与各个所述车厢编号对应的车厢的拥挤状态发送到各所述车厢对应的屏蔽门光带显示设备上显示。
2.根据权利要求1所述的地铁车厢拥挤度检测方法,其特征在于,所述AI摄像头采集图像之前包括以下步骤:检测地铁车厢是否符合拥挤度检测启动条件,若是,则启动地铁各个车厢内的OLED车窗上的AI摄像头采集对应车厢内的图像。
3.根据权利要求1所述的地铁车厢拥挤度检测方法,其特征在于,还包括以下步骤:将所述AI摄像头集成于各个所述车厢的OLED车窗上。
4.一种基于AI摄像头的地铁车厢拥挤度检测模组,其特征在于,包括:
采集模块,其包括集成于各个车厢内的AI摄像头,所述采集模块设置为将各所述AI摄像头采集的图像进行拼接,并在拼接图像上进行车厢区域划分,标注对应车厢编号;
识别模块,与所述采集模块连接,所述识别模块设置为识别各个所述车厢编号对应区域的拥挤状态,
处理模块,与所述识别模块和地面列车自动监控设备连接,所述处理模块设置为将各所述车厢的拥挤度状态发送至所述地面列车自动监控设备。
5.根据权利要求4所述的基于AI摄像头的地铁车厢拥挤度检测模组,其特征在于,还包括:检测模块,其与所述采集模块连接,所述检测模块根据检测地铁车厢是否符合拥挤度检测启动条件而控制所述采集模块。
6.根据权利要求4所述的基于AI摄像头的地铁车厢拥挤度检测模组,其特征在于,所述AI摄像头是集成于各个所述车厢的OLED车窗上的。
7.根据权利要求6所述的基于AI摄像头的地铁车厢拥挤度检测模组,其特征在于,每个所述车厢内的每个所述OLED车窗上分别集成有所述AI摄像头,使对应所述车厢内的全部所述AI摄像头形成冗余。
8.根据权利要求6所述的基于AI摄像头的地铁车厢拥挤度检测模组,其特征在于,所述AI摄像头使用的寿命周期与所述OLED车窗的维护更换寿命周期相持平。
9.根据权利要求6所述的基于AI摄像头的地铁车厢拥挤度检测模组,其特征在于,所述OLED车窗上具有黑色油墨区域,所述黑色油墨区域上具有AI摄像头安装区域,所述AI摄像头设置于所述OLED车窗的中空层内且位于所述AI摄像头安装区域,所述AI摄像头与所述OLED车窗的车窗控制机箱连接。
10.根据权利要求6所述的基于AI摄像头的地铁车厢拥挤度检测模组,其特征在于,所述OLED车窗包括内层玻璃、铝间隔条、外层玻璃和窗框,所述内层玻璃通过所述铝间隔条与所述外层玻璃连接,所述窗框包覆所述内层玻璃、所述铝间隔条和所述外层玻璃,所述AI摄像头设置在所述内层玻璃上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111308462.6A CN114038190A (zh) | 2021-11-05 | 2021-11-05 | 基于ai摄像头的地铁车厢拥挤度检测方法及模组 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111308462.6A CN114038190A (zh) | 2021-11-05 | 2021-11-05 | 基于ai摄像头的地铁车厢拥挤度检测方法及模组 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114038190A true CN114038190A (zh) | 2022-02-11 |
Family
ID=80136488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111308462.6A Pending CN114038190A (zh) | 2021-11-05 | 2021-11-05 | 基于ai摄像头的地铁车厢拥挤度检测方法及模组 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114038190A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019120652A (ja) * | 2018-01-10 | 2019-07-22 | トヨタ自動車株式会社 | 車両用表示装置 |
KR20190103507A (ko) * | 2018-02-12 | 2019-09-05 | 김강민 | 지하철 혼잡도 알림 시스템 |
CN110458056A (zh) * | 2019-07-29 | 2019-11-15 | 交控科技股份有限公司 | 列车车厢拥挤度检测方法及装置 |
CN111874038A (zh) * | 2020-08-20 | 2020-11-03 | 江苏铁锚玻璃股份有限公司 | 基于地铁侧窗集成智能摄像头的地铁报站系统 |
CN112784689A (zh) * | 2020-12-31 | 2021-05-11 | 江苏铁锚玻璃股份有限公司 | 地铁侧窗集成ai摄像头结构及地铁票务清分方法 |
-
2021
- 2021-11-05 CN CN202111308462.6A patent/CN114038190A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019120652A (ja) * | 2018-01-10 | 2019-07-22 | トヨタ自動車株式会社 | 車両用表示装置 |
KR20190103507A (ko) * | 2018-02-12 | 2019-09-05 | 김강민 | 지하철 혼잡도 알림 시스템 |
CN110458056A (zh) * | 2019-07-29 | 2019-11-15 | 交控科技股份有限公司 | 列车车厢拥挤度检测方法及装置 |
CN111874038A (zh) * | 2020-08-20 | 2020-11-03 | 江苏铁锚玻璃股份有限公司 | 基于地铁侧窗集成智能摄像头的地铁报站系统 |
CN112784689A (zh) * | 2020-12-31 | 2021-05-11 | 江苏铁锚玻璃股份有限公司 | 地铁侧窗集成ai摄像头结构及地铁票务清分方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3664011B1 (en) | Systems and methods for vehicle condition inspection for shared vehicles | |
CN104228884B (zh) | 在铁路站场内实现车辆自动识别及追踪定位的方法及装置 | |
EP2030153B1 (en) | A validation engine | |
CN107967806A (zh) | 车辆套牌检测方法、装置、可读存储介质及电子设备 | |
CN105259304B (zh) | 一种车辆尾气污染物在线监测系统和方法 | |
CA2952156A1 (en) | Method and system for access control | |
KR20200035536A (ko) | 적외선 카메라와 적외선 조명을 이용한 버스전용차로 위반차량 단속 시스템 및 그 방법 | |
CN204945122U (zh) | 一种车辆尾气污染物监测系统 | |
CN103295416A (zh) | 车辆引导方法及系统 | |
CN103294997A (zh) | 一种基于静态图像的列车车号识别方法 | |
CN106671900A (zh) | 一种电动商用车的车载终端 | |
CN111757270A (zh) | 超员车辆识别方法及装置 | |
KR101205365B1 (ko) | 차량용 탑승자 정보 획득 시스템 및 방법 | |
CN114038190A (zh) | 基于ai摄像头的地铁车厢拥挤度检测方法及模组 | |
CN110766809B (zh) | 车辆、车载检票系统及车载检票系统的检票方法 | |
CN113965901A (zh) | 一种基于无线探针的高速公路隧道人员监控方法 | |
CN205854059U (zh) | 一种电动商用车的车载终端 | |
CN111415604A (zh) | 智能车厢信息显示系统及运行方法 | |
CN112651525B (zh) | 基于预约的绿通车辆检查方法、装置及设备 | |
JP4689818B2 (ja) | 乗車状況判定装置 | |
CN203217779U (zh) | 公共汽车信息采集和传输系统 | |
WO2015050413A1 (ko) | 차량용 블랙박스의 영상데이터와 gis 연동 서비스 방법 | |
CN212685544U (zh) | 车窗装置以及清客系统 | |
CN212302511U (zh) | 一种车号与箱号识别关联系统监测设备 | |
JP2023144233A (ja) | 車室内監視システム |
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: 20220211 |