CN114049773A - 一种施工人员安全风险评估预警方法及系统 - Google Patents
一种施工人员安全风险评估预警方法及系统 Download PDFInfo
- Publication number
- CN114049773A CN114049773A CN202111300140.7A CN202111300140A CN114049773A CN 114049773 A CN114049773 A CN 114049773A CN 202111300140 A CN202111300140 A CN 202111300140A CN 114049773 A CN114049773 A CN 114049773A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- early warning
- safety risk
- construction
- influence field
- 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.)
- Granted
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
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
-
- 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
Abstract
本发明涉及一种施工人员安全风险评估及预警方法,包括如下步骤:步骤一、在视频数据中识别施工车辆和施工人员;步骤二:将识别目标与数据库比对,获得识别车辆的具体信息,并计算车辆内轮差;步骤三:根据采集到的数据,确定车辆前部视野盲区的长度及车辆影响场的面积;步骤四:对车辆目标进行带车辆影响场范围的跟踪,对施工人员进行带影响场的跟踪;步骤五:检测施工车辆车辆影响场与施工人员影响场重叠程度,最后作出安全风险等级的判定。本发明基于车辆影响场重叠程度来判断施工人员的安全风险程度,并进行相应程度的预警,可以为施工场地提供实时监控及安全预警,避免施工过程中发生安全事故,可提高施工人员的安全性和整个施工场地的施工效率。
Description
技术领域
本发明属于交通安全领域,具体涉及一种施工人员安全风险评估预警方法及系统。
背景技术
随着工业化的不断加快和经济的不断发展,建筑行业也正在快速发展,吸引的从业人员越来越多,伴随而来的施工安全风险也越来越大,项目施工安全管理也变得越来越重要。目前对于车辆的安全评估和交叉口安全风险评估已有一定的成果,但是针对施工场地的安全风险评估研究尚需进一步深入。目前急需一种适用于施工场地的,依据车辆影响场的施工人员安全风险评估预警系统,将有助于提高施工场地的安全性,减少施工场地因施工车辆而导致的工程事故,对于施工场地的安全管理具有理论和现实意义。
发明内容
本发明是要解决上述技术问题,进而提供了一种施工人员安全风险评估预警方法及系统。
本发明涉及一种施工人员安全风险评估预警方法,其特征在于,包括如下步骤:
步骤一:在视频数据中识别施工车辆和施工人员;
步骤二:将识别目标与数据库比对,获得识别车辆的具体信息,并计算车辆内轮差;
步骤三:根据采集到的数据,确定车辆前部视野盲区的长度及车辆影响场的面积;
步骤四:对车辆目标进行带车辆影响场范围的跟踪,对施工人员进行带影响场的跟踪;
步骤五:检测施工车辆影响场与施工人员影响场重叠程度,最后作出安全风险等级的判定。
步骤二中,车辆的具体信息包括车辆高度h、车辆长度l、车辆宽度w、驾驶座离地面的距离h1、驾驶座靠背与前挡风玻璃下沿的距离s、挡风玻璃下沿与驾驶座高度差t、轴距z、轮距d和最小转弯半径r。
根据轴距z、轮距d和最小转弯半径r,计算车辆内轮差。
根据车辆高度h、车辆长度l、车辆宽度w、挡风玻璃下沿与驾驶座高度差t、驾驶座靠背与前挡风玻璃下沿的距离s和驾驶座离地面的距离h1,,确定车辆前部视野盲区的长度L。
步骤三中,以车辆内轮差为影响场的短轴,车辆前部视野盲区长度为影响场的长轴,由此确定车辆影响场的面积。
步骤五中,安全风险等级的判定原则为:
若两类范围边缘没有重叠,则判定为安全;
若在相邻两帧中,上一帧两类范围边缘没有重叠,下一帧两类范围边缘重叠,则判定为临界安全;
若在相邻两帧中,上一帧两类范围边缘已经重叠,下一帧两类范围继续重叠且距离有所缩短,则判定为不安全。
预警子系统根据安全风险评估结果发出相应的预警。
本发明还涉及一种施工人员安全风险评估及预警系统,所述系统包括三个子系统,分别为数据采集子系统、安全风险评估子系统和预警子系统;数据采集系统,采用高清摄像头和监控系统来获取施工场地的实时视频资料;安全风险评估子系统,包括目标识别模块、计算模块、目标跟踪模块和安全风险评估模块;预警子系统,包括指示灯报警器模块和蜂鸣报警器模块。
有益效果
本发明基于车辆影响场重叠程度来判断施工人员的安全风险程度,并进行相应程度的预警,可以为施工场地提供实时监控及安全预警,避免施工过程中发生安全事故,可提高施工人员的安全性和整个施工场地的施工效率。
附图说明
图1为本发明的实施流程示意图。
图2为本发明的目标识别模块实施流程图。
图3为本发明的车辆内轮差示意图。
图4为本发明的车辆前方视野盲区长度示意图。
图5为本发明的装载车辆前方视野盲区长度示意图。
图6a为本发明的车辆影响场示意图。
图6b为本发明的安全风险等级为"安全"的效果图。
图6c为本发明的安全风险等级为"临界安全"的效果图。
图6d为本发明的安全风险等级为"不安全"的效果图。
具体实施方式
结合附图具体说明本实施方式。
本发明的施工人员安全风险评估及预警系统,包括三个子系统,分别为数据采集子系统、安全风险评估子系统和预警子系统;
数据采集系统,采用高清摄像头和监控系统来获取施工场地的实时视频资料。
安全风险评估子系统,包括目标识别模块、计算模块、目标跟踪模块和安全风险评估模块。
预警子系统,包括预警子系统,包括指示灯报警器模块和蜂鸣报警器模块。
本发明的施工人员安全风险评估及预警方法,包括如下步骤。
步骤一:在视频数据中识别施工车辆和施工人员;
对数据采集子系统获取的视频资料进行目标识别,识别出施工车辆和施工人员;对数据采集系统获得的视频资料进行灰度化和模糊去噪,对视频资料进行预处理,提高检测的准确性。
参照图2,建立施工人员和施工车辆的相关数据集,收集施工人员和具有代表性的施工车辆的图片,在数据预处理之后采用labelImg软件进行数据集标注,标出感兴趣的区域,标注时将施工车辆按照类型进行划分,生成YOLO格式的标注文件。将图片分成训练集和验证集,整理成标准的数据集文件。采用YOLOv3-spp网络进行施工车辆和施工人员的识别,识别施工车辆的具体类型。
使用建立的数据集进行网络训练,得到训练之后的参数,之后可以对视频资料进行施工车辆和施工人员的识别。
步骤二:将识别目标与数据库比对,获得识别车辆的具体信息,并计算车辆内轮差。
建立关于施工车辆的信息库,包括车辆高度h、车辆长度l、车辆宽度w、驾驶座离地面的距离h1、驾驶座靠背与前挡风玻璃下沿的距离s、挡风玻璃下沿与驾驶座高度差t、轴距z、轮距d、最小转弯半径r等信息。将识别的车辆与车辆信息数据库进行匹配,获得识别车辆的具体信息。
根据轴距z、轮距d和最小转弯半径r,计算车辆内轮差;
由于施工现场的施工车辆大部分是大体积、大重量的车辆,车辆长度较长,大型车辆在转弯时前后车轮的轨迹存在着较大差距,存在视野盲区。本发明考虑车辆内轮差作为车辆影响区的短轴。结合图3计算车辆的内轮差R,即前后轮的转弯半径之差。OC为最小转弯半径r,CD为轴距z,AD为后轮距d,在三角形OCD中,已知CD和OC的长度,根据公式(1):
CD2+OD2=OC2 (1)
得出OD的长度,见公式(2):
根据公式(3)计算出OA的长度:
OA=OD-d (3)
在三角形OAB中,已计算出OA,已知AB=z,根据公式(4)计算出OB的长度:
通过OB和OA相减就可以得出内轮差R,见公式(5):
R=OB-OA (5)
由于施工车辆具体参数存在一定差异,因此车辆影响场的范围也不尽相同,需要对车辆类型进行匹配,进而确定目标车辆的内轮差。
步骤三:根据采集到的数据,确定车辆前部视野盲区的长度及车辆影响场的面积。
根据车辆高度h、车辆长度l、车辆宽度w、挡风玻璃下沿与驾驶座高度差t、驾驶座靠背与前挡风玻璃下沿的距离s和驾驶座离地面的距离h1,确定车辆前部视野盲区的长度L;
与施工车辆相关的事故大多是由于车辆存在视野盲区,驾驶员不能及时、全面地了解车辆周围的情况。而施工车辆由于体积大的缘故,所以视野盲区也较大,车辆的前后左右都存在盲区,左右侧的视野盲区由于考虑了车辆的内轮差,所以在此步骤主要考虑车辆的前部视野,计算出施工车辆前部视野盲区的长度。
结合图4计算渣土车此类车的前方视野盲区长度。已知驾驶座靠背与前挡风玻璃下沿的距离为BC,长度为s,驾驶座离地面的距离为DE,长度为h1,考虑到驾驶员坐姿靠前,取DE为0.7倍的h1,驾驶员的坐姿净高为AD,长度为p,平均在55~65cm,考虑到挡风玻璃下沿与驾驶座存在高度差CD,设为t,依据车辆的类型而定。在三角形ABC中,AC的长度等于AD减去t。在三角形AEF中,AE的长度等于AD加上DE。则依据相似三角形原理,在相似三角形ABC和三角形AFE中:
据公式(6)可以算出车辆前方视野盲区的长度L,即FE的长度。
结合图5可以计算出装载车此类车前方视野盲区长度。已知装载车的车辆高度为GH,驾驶员驾驶员眼睛离地面高度为AD,为驾驶座的离地面高度加上驾驶员的平均坐高高度。铲斗的高度为CD,铲斗平放置地面时铲斗的最高点距离驾驶座的水平距离为EC,AE的延长线交DH为点I,则依据相似三角形原理,与公式(6)同理,可以计算出铲斗放置地面时驾驶员的前方视野盲区长度。
但是一般的事故大多发生在装载车的行进过程中。在装载车的行进过程中,铲斗距离地面有一定的高度,即为图5中的FE,一般为50cm,AF延长与DH相交于点J。所以在本发明中,对于装载车类型的施工车辆,计算其前方视野盲区的长度时,需要考虑铲斗的离地高度EF。在相似三角形AFB和三角形AJD中,与公式(6)同理,可以计算出铲斗离地一定高度时该类型车辆前方视野盲区长度。
确定车辆影响场的面积,以车辆内轮差为影响场的短轴,车辆前部视野盲区长度为影响场的长轴,由此确定车辆影响场的面积;
本发明提出的车辆影响场采用了施工车辆内轮差和车辆前方视野盲区长度来确定影响场的范围,综合考虑了施工车辆的结构和视野特点。
如图6a所示,以内轮差作为影响场的短轴,车辆前部视野盲区长度作为影响场的长轴,以车辆的中心点作为车辆影响场圆心,画出影响场范围,确定车辆影响场面积;
步骤四:对车辆目标进行带车辆影响场范围的跟踪,对施工人员进行带影响场的跟踪。
首先,依据检测的施工车辆类型和计算的车辆影响场的面积,结合YOLOv3网络识别出来的施工车辆和施工人员目标检测框,搭配DeepSORT网络进行目标跟踪。跟踪地同时将车辆影响场范围和施工人员的影响场范围投影标注在目标周围的地面上,并且跟随跟踪目标进行移动,施工人员的影响场范围,即容易受到外界影响的范围,确定为半径为一米的圆形。
通过目标检测与跟踪,获得了车辆在图像中的坐标,该坐标是以图像坐标为基础的,要实现车辆影响场的投影,需要通过相应的坐标变换,将二维图像坐标转化为基于地面的二维地面坐标。该标定是在不同平面的两个二维坐标系之间的转化问题,可以采用齐次坐标转换的思路求解坐标转换矩阵。设图像坐标系向地面坐标系转换的齐次坐标转换关系为:
其中:
将上式展开,为:
将与图像坐标(b,c)对应的齐次坐标系(b,c,1)代入上式可得:
由齐次坐标(y1,y2,y3)可以得到二维地面坐标(b’,c’):
给定若干已知的两套坐标系下对应的点(b,c)和(b’,c’),就可以求出对应的参数。可以采用Halcon中的函数来实现这个过程。
计算图像中任意两点之间的距离,并借此确定出施工车辆的中心点,并且将地面坐标中车辆影响场的范围边界和施工人员影响场范围投影坐标转换成图像坐标中对应目标的影响场范围边界坐标。以此来实现带影响场的目标跟踪。
步骤五:检测施工车辆车辆影响场与施工人员影响场重叠程度,最后作出安全风险等级的判定。
使用目标跟踪模块的结果检测施工车辆车辆影响场与施工人员影响场重叠程度,确定施工人员安全风险等级。
时刻计算施工人员范围中心点与车辆影响场中心点的距离,在检测到两个范围边缘重叠时记录二者中心点的距离,在下一帧把计算出来的中心点距离与上一帧的中心点距离进行比较,如果小于上一帧的中心点距离,属于相交状态,即不安全;如果大于上一帧的中心点距离,属于相离状态,即安全;如果两个中心点距离相等,则再把下一帧的中心点距离与此帧的中心点距离进行对比,直到不是等于关系。当施工人员与车辆影响场处于相离状态时,判定为安全状态,如图6b所示;当施工人员与车辆影响场处于相切状态时,判定为临界安全状态,如图6c所示;当施工人员与车辆影响场处于相交状态时,判定为不安全状态,如图6d所示;
所述预警子系统过程如下:
当安全风险评估模块输出结果为安全时,不给预警子系统发送信号;当安全风险评估模块输出结果为临界安全时,发送信号给预警子系统,打开指示灯报警器;当安全风险评估模块输出结果为不安全时,发送信号给预警子系统,打开指示灯报警器和蜂鸣报警器,以达到警示效果。
本发明类比磁场的影响范围,定义了车辆影响场概念,给出了影响场长、短轴的标定方法,量化了车辆影响场范围,根据人、车影响场重叠变化,划定了不同级别的安全风险,并且给出了相应的预警方案。
实施例
为证明效果,本实施例按照以下步骤实施:
假设对一段视频资料进行该方法的理论效果展示,验证本发明的有益效果:
对视频资料中的施工车辆和施工人员进行识别,然后根据施工车辆类型确定车辆的影响场。假设已知车辆最小转弯半径为5925mm,轴距为3300mm,后轮距为2250mm,通过步骤三可以计算出内轮差:
在三角形OCD中,已知CD长为3300mm,OC长为5925mm,根据公式(12):
得出OD的长度:
根据公式(13)计算出OA的长度:
OA=OD-d=4920-2250=2670mm (13)
在三角形OAB中,已计算出OA,已知AB=z=3300mm,根据公式(14)计算出OB的长度:
通过OB和OA相减就可以得出内轮差R,见式(15):
R=OB-OA=1575mm (15)
已知车辆长度为8515mm,宽度为3030mm,高度为3515mm,驾驶座靠背与前挡风玻璃下沿的距离为BC,长度为1072mm,取0.7倍为750mm,驾驶座离地面的距离为DE,长度为2144mm,驾驶员的坐姿净高为AD,长度为600mm,挡风玻璃下沿与驾驶座存在高度差CD,设为226mm,通过步骤四可以计算出车辆前方视野盲区的长度:
在三角形AEF中,AC的长度等于AD减去CD,为374mm,AE的长度等于AD加上DE,为2744mm。则依据相似三角形原理,在相似三角形ABC和三角形AFE中:
计算出FE为5502mm,减去驾驶座靠背与前挡风玻璃下沿的距离,得到车辆前方视野盲区为4431mm。进而得出车辆影响场范围,长轴为4431mm,短轴为1575mm的椭圆形区域。再后续的跟踪任务中结合车辆影响场范围标定和施工人员的范围标定,该范围平行于地面,然后进行带影响场跟踪。当施工车辆与施工人员相距较远时,预警子系统没有反应,当检测到车辆影响场范围与施工人员影响场重叠时,指示灯报警器开始工作,当两者的距离进一步缩小时,蜂鸣报警器开始和指示灯报警器共同工作。
本发明还可有其它多种实施例,在不背离本发明精神及其实质的情况下,本领域技术人员当可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (7)
1.一种施工人员安全风险评估预警方法,其特征在于,包括如下步骤:
步骤一、在视频数据中识别施工车辆和施工人员;
步骤二:将识别目标与数据库比对,获得识别车辆的具体信息,并计算车辆内轮差;
步骤三:根据采集到的数据,确定车辆前部视野盲区的长度及车辆影响场的面积;
步骤四:对车辆目标进行带车辆影响场范围的跟踪,对施工人员进行带影响场的跟踪;
步骤五:检测施工车辆影响场与施工人员影响场重叠程度,最后作出安全风险等级的判定。
2.根据权利要求1所述的施工人员安全风险评估预警方法,其特征在于,步骤二中,车辆的具体信息包括车辆高度h、车辆长度l、车辆宽度w、驾驶座离地面的距离h1、驾驶座靠背与前挡风玻璃下沿的距离s、挡风玻璃下沿与驾驶座高度差t、轴距z、轮距d和最小转弯半径r。
3.根据权利要求1所述的施工人员安全风险评估预警方法,其特征在于,步骤二中,根据轴距z、轮距d和最小转弯半径r,计算车辆内轮差。
4.根据权利要求1所述的施工人员安全风险评估预警方法,其特征在于,步骤二中,根据车辆高度h、车辆长度l、车辆宽度w、挡风玻璃下沿与驾驶座高度差t、驾驶座靠背与前挡风玻璃下沿的距离s和驾驶座离地面的距离h1,,确定车辆前部视野盲区的长度L。
5.根据权利要求1所述的施工人员安全风险评估预警方法,其特征在于,步骤三中,以车辆内轮差为影响场的短轴,车辆前部视野盲区长度为影响场的长轴,确定车辆影响场的面积。
6.根据权利要求1所述的施工人员安全风险评估预警方法,其特征在于,步骤五中,安全风险等级的判定的原则为:
若两类范围边缘没有重叠,则判定为安全;
若在相邻两帧中,上一帧两类范围边缘没有重叠,下一帧两类范围边缘重叠,则判定为临界安全;
若在相邻两帧中,上一帧两类范围边缘已经重叠,下一帧两类范围继续重叠且距离有所缩短,则判定为不安全。
预警子系统根据安全风险评估结果发出相应的预警。
7.一种采用权利要求1至6任一方法的施工人员安全风险评估预警系统,其特征在于,所述装置包括三个子系统,分别为数据采集子系统、安全风险评估子系统和预警子系统;数据采集系统,采用高清摄像头和监控系统来获取施工场地的实时视频资料;安全风险评估子系统,包括目标识别模块、计算模块、目标跟踪模块和安全风险评估模块;预警子系统,包括指示灯报警器模块和蜂鸣报警器模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111300140.7A CN114049773B (zh) | 2021-11-04 | 2021-11-04 | 一种施工人员安全风险评估预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111300140.7A CN114049773B (zh) | 2021-11-04 | 2021-11-04 | 一种施工人员安全风险评估预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114049773A true CN114049773A (zh) | 2022-02-15 |
CN114049773B CN114049773B (zh) | 2022-10-25 |
Family
ID=80207251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111300140.7A Active CN114049773B (zh) | 2021-11-04 | 2021-11-04 | 一种施工人员安全风险评估预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114049773B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114694284A (zh) * | 2022-03-24 | 2022-07-01 | 北京金和网络股份有限公司 | 特种车辆驾驶员身份验证方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107128245A (zh) * | 2017-04-10 | 2017-09-05 | 江苏车视杰电子有限公司 | 一种车辆盲区预警系统 |
CN107176098A (zh) * | 2017-07-10 | 2017-09-19 | 辽宁工业大学 | 一种内轮差盲区自动监测预警装置及控制方法 |
CN108845327A (zh) * | 2018-08-13 | 2018-11-20 | 河南城建学院 | 一种大货车视野盲区障碍物的智能检测及提醒系统 |
CN110059574A (zh) * | 2019-03-23 | 2019-07-26 | 浙江交通职业技术学院 | 一种车辆盲区检测方法 |
CN110509847A (zh) * | 2019-08-30 | 2019-11-29 | 重庆工程职业技术学院 | 车辆转弯盲区预警方法及系统 |
CN110733420A (zh) * | 2019-11-08 | 2020-01-31 | 汪家琳 | 汽车盲区鬼探头近距离突发危险应急防护装置 |
CN112951000A (zh) * | 2021-04-02 | 2021-06-11 | 华设设计集团股份有限公司 | 大型车辆盲区双向预警系统 |
CN113022432A (zh) * | 2021-04-01 | 2021-06-25 | 成都大学 | 一种针对外部环境的半挂车盲区轨迹预警方法及装置 |
CN113421458A (zh) * | 2021-06-16 | 2021-09-21 | 吉林大学 | 一种重型商用车驾驶员动态盲区的检测方法 |
-
2021
- 2021-11-04 CN CN202111300140.7A patent/CN114049773B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107128245A (zh) * | 2017-04-10 | 2017-09-05 | 江苏车视杰电子有限公司 | 一种车辆盲区预警系统 |
CN107176098A (zh) * | 2017-07-10 | 2017-09-19 | 辽宁工业大学 | 一种内轮差盲区自动监测预警装置及控制方法 |
CN108845327A (zh) * | 2018-08-13 | 2018-11-20 | 河南城建学院 | 一种大货车视野盲区障碍物的智能检测及提醒系统 |
CN110059574A (zh) * | 2019-03-23 | 2019-07-26 | 浙江交通职业技术学院 | 一种车辆盲区检测方法 |
CN110509847A (zh) * | 2019-08-30 | 2019-11-29 | 重庆工程职业技术学院 | 车辆转弯盲区预警方法及系统 |
CN110733420A (zh) * | 2019-11-08 | 2020-01-31 | 汪家琳 | 汽车盲区鬼探头近距离突发危险应急防护装置 |
CN113022432A (zh) * | 2021-04-01 | 2021-06-25 | 成都大学 | 一种针对外部环境的半挂车盲区轨迹预警方法及装置 |
CN112951000A (zh) * | 2021-04-02 | 2021-06-11 | 华设设计集团股份有限公司 | 大型车辆盲区双向预警系统 |
CN113421458A (zh) * | 2021-06-16 | 2021-09-21 | 吉林大学 | 一种重型商用车驾驶员动态盲区的检测方法 |
Non-Patent Citations (4)
Title |
---|
周明等: "重型货车右转弯事故的原因分析与对策研究", 《汽车实用技术》 * |
王清洲等: "货车右转视线盲区形成机制及交叉口安全性研究", 《中国安全科学学报》 * |
葛如海等: "大型车辆右侧盲区碰撞预警方法研究", 《重庆理工大学学报(自然科学)》 * |
陆静怡等: "大型车辆拐弯防撞人预警装置", 《智能计算机与应用》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114694284A (zh) * | 2022-03-24 | 2022-07-01 | 北京金和网络股份有限公司 | 特种车辆驾驶员身份验证方法及装置 |
CN114694284B (zh) * | 2022-03-24 | 2024-03-22 | 北京金和网络股份有限公司 | 特种车辆驾驶员身份验证方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114049773B (zh) | 2022-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105844222B (zh) | 基于视觉的前方车辆碰撞预警系统及方法 | |
CN106256606B (zh) | 一种基于车载双目相机的车道偏离预警方法 | |
CN107025432B (zh) | 一种高效的车道线检测跟踪方法及系统 | |
CN205992300U (zh) | 用于提供利用人行横道识别结果的引导信息的电子装置 | |
CN101608924B (zh) | 一种基于灰度估计和级联霍夫变换的车道线检测方法 | |
US9359009B2 (en) | Object detection during vehicle parking | |
CN103204123A (zh) | 一种车辆行人检测跟踪预警装置及其预警方法 | |
CN103630122B (zh) | 一种单目视觉车道线检测方法及其测距方法 | |
CN103325255B (zh) | 基于摄影测量技术进行区域交通状况检测的方法 | |
CN109064495A (zh) | 一种基于Faster R-CNN与视频技术的桥面车辆时空信息获取方法 | |
CN110065494A (zh) | 一种基于车轮检测的车辆防碰撞方法 | |
CN109572555A (zh) | 一种应用于无人车的遮挡信息显示方法和系统 | |
CN201825037U (zh) | 高速公路车辆的车道偏离报警装置 | |
CN105956527A (zh) | 用于无人驾驶车的障碍物检测结果评估方法和装置 | |
US10996070B2 (en) | Route guidance apparatus and method | |
CN107229906A (zh) | 一种基于可变部件模型算法的汽车超车预警方法 | |
CN110491156A (zh) | 一种感知方法、装置及系统 | |
CN108528337B (zh) | 一种基于视频投影的内轮差智能预警系统及预警方法 | |
CN108458746A (zh) | 一种基于多类型传感器自适应融合方法 | |
CN109263557A (zh) | 车辆盲区侦测方法 | |
CN114049773B (zh) | 一种施工人员安全风险评估预警方法及系统 | |
CN112896159A (zh) | 行车安全预警方法及系统 | |
CN114023107A (zh) | 预防城市渣土车右转过程与非机动车发生冲突的方法、系统及其存储介质 | |
CN106980810A (zh) | 一种基于敏感区图像轮廓递增的超高车辆接近检测方法 | |
CN111104824A (zh) | 车道偏离的检测方法、电子设备及计算机可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |