CN114333296A - 一种基于机器视觉的交通量统计与分析系统 - Google Patents
一种基于机器视觉的交通量统计与分析系统 Download PDFInfo
- Publication number
- CN114333296A CN114333296A CN202111444031.2A CN202111444031A CN114333296A CN 114333296 A CN114333296 A CN 114333296A CN 202111444031 A CN202111444031 A CN 202111444031A CN 114333296 A CN114333296 A CN 114333296A
- Authority
- CN
- China
- Prior art keywords
- data
- traffic volume
- processing device
- image
- processing
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 110
- 238000000034 method Methods 0.000 claims description 39
- 238000013473 artificial intelligence Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 241001465754 Metazoa Species 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 5
- 241000283070 Equus zebra Species 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 238000011835 investigation Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Abstract
本发明公开了一种基于机器视觉的交通量统计与分析系统，包括图像摄取装置、图像处理装置、输入装置、数据处理装置和数据输出装置；图像摄取装置用于采集交通路网的图像数据，产生图像信号；图像处理装，用于对图像信号进行处理，生成数字信号；输入装置，用于输入附加指令参数，生成附加信号；数据处理装置，用于对数字信号和附加信号进行运算和机器视觉识别，生成处理结果；数据输出装置，用于将处理结果进行输出。本发明通过采集道路上来往目标图像，对目标进行精准分类、统计、分析。
Description
技术领域
本发明涉及人工智能、交通规划和道路监控技术领域，具体涉及一种基于机器视觉的交通量统计与分析系统。
背景技术
当前交通量的调查，主要有人工观测法、试验车移动调查法、车辆感应器测定法、仪器自动计测法、摄影法。
其中常用的有人工观测法、仪器自动计测法、摄影法。
一、人工观测法
人工观测是最原始的，如果观测人员的专业知识过硬，责任心强，坚定岗位，这种方法是最精确、最保守的一种方法；如果观测人员专业知识不过硬，常有错误划分车型及观测不认真，漏岗、甚至弄虚作假的现象发生，使得观测数据不准确。
人工观测适用于各种道路等级、各种工况条件下的交通量调查；需要投入大量的人力，获得结果质量参差不齐。
二、仪器自动计测法
仪器自动计测法即是采用交通流量调查设备来取代人工观测，根据仪器的不同，可分为气压式、地磁式、电磁式、红外线式、超声波(微波)式。
当前主要采用的是红外线式、超声波(微波)式。
1、红外线式
红外线式是利用红外线测出汽车两轮之间的距离，根据两轮之间的距离分辨车型，这种观测方法因为没有人为因素，观测的数量接近实际值，观测精度较高，使用自动观测仪，观测数据可直接导入交调程序，省去了手工输入的工作。
红外线式需要在观测路段埋设线圈来记录过往车辆台数，会对路面造成一定影响，外界对所发射的红外线有干扰时，数据可能失真，仅适用于特定等级的道路和工况下的交通量调查；同时对车型的分类是按照车轮间距离来划分的，虽然数量统计准确，但在车型分类上还是存在一定的误差。
2、超声波(微波)式
超声波(微波)式所依据的原理是“多普勒效应”。超声波(微波)遇到车辆立即被反射回来，形成回波差频信号。回波差频信号随目标远近变化，其精度是线性的，用此法可测车长。根据车长来判断车型分类并计数。
超声波(微波)式需要在观测道路的上方安装超声波(微波)发射器，不需损坏路面，且稳定性好、灵敏度高，适用于各种道路等级、各种工况条件下的交通量调查；不足之处是成本较高、且易受行人与非机动车的干扰。同时对车型的分类是按照车长来划分的，虽然数量统计准确，但在车型分类上还是存在一定的误差。
三、摄影法
摄影法是在拟测定断面处的路面上作标记后，利用设备对其作定时摄影，然后依托人工对视频或照片进行处理即可得到交通量值。
摄影法实测精度好，相较于人工观测法能节省现场实测人数，适用于各种道路等级、各种工况条件下的交通量调查；但数据还是依托于内业的人工标记和处理，成本高，内业需要人工多，资料处理工作量大，不利于大范围推广。
因此，交通强国建设对交通量统计与分析提出了更高的要求，有必要研究出一种基于机器视觉的交通量统计与分析方法，将人工智能引入到交通量统计与分析当中，获取准确的交通量数据，并根据条件进行分析和预测。
发明内容
针对现有技术中的上述不足，本发明提供了一种基于机器视觉的交通量统计与分析系统，通过图像摄取装置采集道路上的实时图像，通过图像处理装置生成数字信号，通过输入装置生成附加信号，通过数据处理装置处理数字信号、附加信号，以此来实现对目标的精准检测、统计、分析，并通过数据输出装置实现成果的输出与展示。
为了达到上述发明目的，本发明采用的技术方案为：
一种基于机器视觉的交通量统计与分析系统，包括：
图像摄取装置，用于采集交通路网的图像数据，产生图像信号；
图像处理装置，用于对所述图像摄取装置产生的图像信号进行处理，生成数字信号；
输入装置，用于输入附加指令参数，生成附加信号；
数据处理装置，用于对所述图像处理装置生成的数字信号和所述输入装置生成的附加信号进行运算和机器视觉识别，生成处理结果；
数据输出装置，用于将所述数据处理装置生成的处理结果进行输出。
进一步地，所述数据处理装置在处理数字信号时，先对数字信号进行标记，标记时间参数；然后对数字信号进行识别、判定，处理后获得一级数据，包括机动车、非机动车、行人、动物、环境；继续对一级数据进行识别、判定，处理后获得二级数据，如一级数据中的机动车，可获得二级数据，包括小型载货汽车、中型载货汽车、大型载货汽车、特大型载货汽车、拖挂车数据；继续对二级数据进行识别、判定，处理后获得三级数据，包括颜色、品牌、车牌号、归属地数据。
进一步地，所述数据处理装置在处理数字信号时，通过一级数据排除交通量统计中的干扰因素，仅采用机动车、非机动车数据；通过二级数据完成各类车型的分类和系数折算；再引入时间参数，根据预设参数完成交通量统计、交通量预测等自动统计与分析，并生成结果传输至数据输出装置；还根据统计与分析结果，为公路技术等级、建设规模和设计方案等提供预测数据、方案建议、决策依据。
进一步地，所述数据处理装置在处理数字信号时，叠加用户输入的附加信号，附加信号要求在交通量统计和预测时，叠加行人数据，数据处理装置通过人工智能处理和分析行人对道路交通量的影响，修正某个时间段内交通量的统计，优化交通量的预测参数，并对该处是否需要建立人行天桥或人行下穿通道提供预测建议或决策依据。
进一步地，所述数据处理装置在处理数字信号时，叠加用户输入的附加信号，附加信号要求分析行人的三级数据，数据处理装置则会通过人工智能处理和分析该道路断面通过行人的相关休息，结合时间参数分析其分布规律；根据这些分析结果，进一步可以对附近的交通信号灯、斑马线、照明设施、交安设施提出设置建议、优化建议，并提供对应的决策依据。
本发明具有以下有益效果：
1、本发明的实例能够精准的判定出采集图像中的机动车、非机动车、人类、动物，并分类统计、分析。
2、本发明的实例能够精准的判定出采集图像中的车辆类型，包括但不限于类型，颜色，品牌，车牌等信息。
3、本发明的实例能够精准的判定出采集图像中的人类类型，包括但不限于性别，年龄等信息。
4、本发明的实例能够精准的判定出采集图像中的天气类型，包括但不限于晴天、阴天、雨天等信息。
5、本发明的实例能够根据采集的数据，准确统计并计算出年平均日交通量、月平均日交通量、周平均日交通量、平均日交通量。
6、本发明的实例能够根据采集的数据，结合遗传算法、神经网络、数据挖掘、支持向量机、灰色理论等方法，建立不同的交通量预测模型，包括但不限于增长率模型、回归分析、类别生成率模型、时间序列，实现交通量预测的自动计算和分析。
7、本发明的实例能够支持用户输入附加条件，结合采集的数据，生成用户指定的分析结果，如行人对道路交通量的影响，并对该处是否建立人行天桥或人行下穿通道提供预测建议或决策依据。
8、本发明的实例通过人工智能，还能为公路技术等级、建设规模和设计方案等提供依据和建议。
附图说明
图1为根据本发明的一些实例提供的基于机器视觉的交通量统计与分析系统原理图。
图2为根据本发明的一些实例提供的基于机器视觉的交通量统计与分析系统详图。
图3为根据本发明的一些实例提供的基于机器视觉的数字信号分层分级处理图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
参照图1，本发明实施例提供了一种基于机器视觉的交通量统计与分析系统，包括：
图像摄取装置，用于采集交通路网的图像数据，产生图像信号；
图像处理装置，用于对所述图像摄取装置产生的图像信号进行处理，生成数字信号；
输入装置，用于输入附加指令参数，生成附加信号；
数据处理装置，用于对所述图像处理装置生成的数字信号和所述输入装置生成的附加信号进行运算和机器视觉识别，生成处理结果；
数据输出装置，用于将所述数据处理装置生成的处理结果进行输出。
在本发明的一个可选实施例中，图像摄取装置，所述图像摄取装置包括普通图像摄取装置和智能图像摄取装置，所述普通图像摄取装置由光源、镜头、相机组成；所述智能图像摄取装置由智能相机(手机、平板电脑等)构成；所述图像摄取装置采集图像，产生图像信号。
在本发明的一个可选实施例中，图像处理装置，所述图像处理装置包括普通图像处理装置和智能图像处理装置，所述普通图像处理装置由影像撷取卡与影像处理器组成；所述智能图像处理装置由智能相机(手机、平板电脑等)构成；所述图像处理装置与图像摄取装置连接，处理图像信号，生成数字信号。
具体而言，本发明利用残差网络(Residual Network)方式建立模型处理数字信号进行图像分类，根据图像信息中所反映的不同特征，识别出断面图片中的物体类型，包括机动车、非机动车、行人、动物、环境，把不同类型的目标区分开来并标记、存储，为一级数据。其中，动物、环境识别出来后，标记、统计，判定为预留参数，对于仅仅进行交通量统计和预测来说，是干扰因素；行人识别出来后，标记、统计，可用作后续分析，对于仅仅进行交通量统计和预测来说，是干扰因素；机动车、非机动车识别出来后，标记、统计，可用作后续分析，对于仅仅进行交通量统计和预测来说，是必要的、核心的参数。
对完成图像分类的一级数据，提取其中的机动车、非机动车、行人数据进行目标检测，结合交通量调查车型划分及车辆折算系数，完成机动车、非机动车的车型划分和系数折算，同时完成行人的性别判断，生成二级数据。其中交通量调查车型划分及车辆折算系数如表1所示。
表1
机动车、非机动车、行人数据在目标检测时，还会分别生成：①机动车：颜色、品牌、车牌号、归属地等信息；②非机动车：助力、人力、手推等驱动方式信息；③行人：青少年、成年、老年等年龄划分信息；为三级数据。
本发明利用二级数据，结合时间参数，可计算并输出年平均日交通量(AADT)，月平均日交通量(MADT)，周平均日交通量(WADT)，平均日交通量(ADT)等交通量统计；同时根据设定的算法完成交通量预测。
本发明在二级数据、三级数据引入附加信号，可得到个性化的分析结果和建议等。如用户输入需求：统计并分析单位时间内通过该断面的行人相关信息；则可得出结果：单位时间内，通过该断面的行人数为n，其中男子nm，女子nw，可推测每日通行人数为x＝n/t；行人n中，青少年占比i1％，成年i2％，老年i3％，青少年占比i1％满足一定条件，预测该道路行人中学生占多数；建议在上下学期间，加强交通管理，确保行人、车辆的有序通行和安全。
在本发明的一个可选实施例中，输入装置，所述输入装置独立于图像摄取装置、图像处理装置，可利用键盘、鼠标、麦克风等输入设备输入，也可集成于智能相机(手机、平板电脑等)，供用户输入特定的条件与参数，生成附加信号。
在本发明的一个可选实施例中，数据处理装置，所述数据处理装置与图像处理装置、输入装置连接，可采用主端电脑，也可集成于智能相机(手机、平板电脑等)，处理数字信号、附加信号，经各种运算后实现自动识别功能，并生成处理结果。
数据处理装置与图像处理装置、输入装置连接，优先处理数字信号，通过机器视觉和人工智能的方式完成自我学习、环境识别、目标识别，同时根据预设参数完成交通量统计，交通量预测等自动处理功能，再叠加附加信号，经各种规则运算后实现特定的统计与分析，并生成处理结果；若无叠加信号，则直接生成处理结果。
在本发明的一个可选实施例中，数据输出装置，所述数据输出装置与数据处理装置连接，可采用影像显示器、打印机等输出设备输出，也可集成于智能相机(手机、平板电脑等)，输出机器视觉自动处理的数据结果，输出加权用户输入条件后的计算与分析结果。
数据输出装置与数据处理装置连接，输出机器视觉自动处理的计算与分析结果，输出加权用户输入附加信号后的计算与分析结果。可根据统计与分析结果，为公路技术等级、建设规模和设计方案等提供预测数据、方案建议、决策依据。
请参阅图2，本发明实例提供了一种基于机器视觉的交通量统计与分析方法，其具体模块、作用和流程，包括：
图像摄取装置，可采用普通图像摄取装置和智能图像摄取装置，所述普通图像摄取装置由光源、镜头、相机等组成；所述智能图像摄取装置由智能相机(手机、平板电脑等)构成；图像摄取装置主要用作采集图像，产生图像信号；
图像处理装置，可采用普通图像处理装置和智能图像处理装置，所述普通图像处理装置由影像撷取卡与影像处理器组成；所述智能图像处理装置由智能相机(手机、平板电脑等)构成；图像处理装置与图像摄取装置连接，处理图像信号，按规则转换后，生成数字信号；
输入装置，独立于图像摄取装置、图像处理装置，可利用键盘、鼠标、麦克风等输入设备输入，也可集成于智能相机(手机、平板电脑等)，采集用户输入特定的条件与参数，生成附加信号；
数据处理装置，数据处理装置与图像处理装置、输入装置连接，可采用本地电脑、云端电脑等，也可集成于智能相机(手机、平板电脑等)，处理数字信号、附加信号，经各种运算后实现自动处理功能，并生成处理结果；
数据输出装置，数据输出装置与数据处理装置连接，可采用显示器、打印机等输出设备输出，也可集成于智能相机(手机、平板电脑等)，输出机器视觉自动处理的数据结果，输出加权用户输入条件后的计算与分析结果。
请参阅图3，本发明实例提供了一种基于机器视觉的交通量统计与分析方法，其数字信号分层分级处理方式，包括：
图像处理装置与图像摄取装置连接，处理图像信号，按规则转换后，生成数字信号；
数据处理装置与图像处理装置、输入装置连接，处理数字信号、附加信号，经各种运算后实现自动处理功能，并生成处理结果；
数据处理装置在处理数字信号时，先对数字信号进行标记，标记时间参数(t)；然后对数字信号进行识别、判定，处理后获得一级数据(A)，包括机动车(Aj)、非机动车(Af)、行人(Ar)、动物(Ad)、环境(Ah)等；继续对一级数据(A)进行识别、判定，处理后获得二级数据(B),如一级数据(A)中的机动车(Aj)，可获得二级数据(B)包括小型载货汽车、中型载货汽车、大型载货汽车、特大型载货汽车、拖挂车等数据；继续对二级数据(B)进行识别、判定，处理后获得三级数据(C),如二级数据(B)中的小型载货汽车(Aj-Bxz)，可获得三级数据(C)包括颜色(Aj-Bxz-Cys)、品牌(Aj-Bxz-Cpp)、车牌号(Aj-Bxz-Ccp)、归属地(Aj-Bxz-Cgs)等数据；
数据处理装置在处理数字信号时，通过一级数据(A)，即可排除交通量统计中的干扰因素，仅采用机动车(Aj)、非机动车(Af)数据即可；通过二级数据(B)，即可完成各类车型的分类和系数折算；再引入时间参数(t)，根据预设参数完成交通量统计、交通量预测等自动统计与分析，并生成结果传输至数据输出装置；还可根据统计与分析结果，为公路技术等级、建设规模和设计方案等提供预测数据、方案建议、决策依据。
数据处理装置在处理数字信号时，叠加用户输入的附加信号(k)，如附加信号(k)要求在交通量统计和预测时，叠加行人(Ar)数据，数据处理装置则会通过人工智能处理和分析行人对道路交通量的影响，修正某个时间段内交通量的统计，优化交通量的预测参数，并对该处是否需要建立人行天桥或人行下穿通道提供预测建议或决策依据；
数据处理装置在处理数字信号时，叠加用户输入的附加信号(k)，如附加信号(k)要求分析行人(Ar)的三级数据(C)，数据处理装置则会通过人工智能处理和分析该道路断面通过行人的相关休息，结合时间参数(t)分析其分布规律，如成年人在早晚占比高，则主要行人或许为通勤的上班族；如青少年在早晚占比高，则主要行人或许为学生；如老年人在早晚占比高，则主要行人或许为离退休人员；根据这些分析结果，进一步可以对附近的交通信号灯、斑马线、照明设施、交安设施等提出设置建议、优化建议，并提供对应的决策依据。
本发明中各功能模块均可集成于智能相机(手机、平板电脑等)实现，实现功能的一体化、集中化、智能化、便携化，同时大幅降低相关设备及功能的制造和使用成本。
本发明是参照根据本发明实施例的方法、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。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
Claims (5)
1.一种基于机器视觉的交通量统计与分析系统，其特征在于，包括：
图像摄取装置，用于采集交通路网的图像数据，产生图像信号；
图像处理装置，用于对所述图像摄取装置产生的图像信号进行处理，生成数字信号；
输入装置，用于输入附加指令参数，生成附加信号；
数据处理装置，用于对所述图像处理装置生成的数字信号和所述输入装置生成的附加信号进行运算和机器视觉识别，生成处理结果；
数据输出装置，用于将所述数据处理装置生成的处理结果进行输出。
2.根据权利要求1所述的基于机器视觉的交通量统计与分析系统，其特征在于，所述数据处理装置在处理数字信号时，先对数字信号进行标记，标记时间参数；然后对数字信号进行识别、判定，处理后获得一级数据，包括机动车、非机动车、行人、动物、环境；继续对一级数据进行识别、判定，处理后获得二级数据，如一级数据中的机动车，可获得二级数据，包括小型载货汽车、中型载货汽车、大型载货汽车、特大型载货汽车、拖挂车数据；继续对二级数据进行识别、判定，处理后获得三级数据，包括颜色、品牌、车牌号、归属地数据。
3.根据权利要求2所述的基于机器视觉的交通量统计与分析系统，其特征在于，所述数据处理装置在处理数字信号时，通过一级数据排除交通量统计中的干扰因素，仅采用机动车、非机动车数据；通过二级数据完成各类车型的分类和系数折算；再引入时间参数，根据预设参数完成交通量统计、交通量预测等自动统计与分析，并生成结果传输至数据输出装置；还根据统计与分析结果，为公路技术等级、建设规模和设计方案等提供预测数据、方案建议、决策依据。
4.根据权利要求3所述的基于机器视觉的交通量统计与分析系统，其特征在于，所述数据处理装置在处理数字信号时，叠加用户输入的附加信号，附加信号要求在交通量统计和预测时，叠加行人数据，数据处理装置通过人工智能处理和分析行人对道路交通量的影响，修正某个时间段内交通量的统计，优化交通量的预测参数，并对该处是否需要建立人行天桥或人行下穿通道提供预测建议或决策依据。
5.根据权利要求4所述的基于机器视觉的交通量统计与分析系统，其特征在于，所述数据处理装置在处理数字信号时，叠加用户输入的附加信号，附加信号要求分析行人的三级数据，数据处理装置则会通过人工智能处理和分析该道路断面通过行人的相关休息，结合时间参数分析其分布规律；根据这些分析结果，进一步可以对附近的交通信号灯、斑马线、照明设施、交安设施提出设置建议、优化建议，并提供对应的决策依据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111444031.2A CN114333296A (zh) | 2021-11-30 | 2021-11-30 | 一种基于机器视觉的交通量统计与分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111444031.2A CN114333296A (zh) | 2021-11-30 | 2021-11-30 | 一种基于机器视觉的交通量统计与分析系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114333296A true CN114333296A (zh) | 2022-04-12 |
Family
ID=81047961
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111444031.2A Pending CN114333296A (zh) | 2021-11-30 | 2021-11-30 | 一种基于机器视觉的交通量统计与分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114333296A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103050005A (zh) * | 2012-11-16 | 2013-04-17 | 北京交通大学 | 城市道路交通状态时空分析方法与系统 |
| CN107886739A (zh) * | 2017-10-16 | 2018-04-06 | 王宁 | 交通人流量自动采集分析系统 |
| CN108198416A (zh) * | 2017-12-28 | 2018-06-22 | 金交恒通有限公司 | 一种手机信令与路网大数据的融合方法及其应用与系统 |
| CN109426945A (zh) * | 2017-08-25 | 2019-03-05 | 无锡市明大交通科技咨询有限公司 | 一种面向移动互联网的交通秩序管理方法及系统 |
| CN109784260A (zh) * | 2019-01-08 | 2019-05-21 | 深圳英飞拓科技股份有限公司 | 一种基于视频结构化的区域流量实时统计方法与系统 |
| CN110111565A (zh) * | 2019-04-18 | 2019-08-09 | 中国电子科技网络信息安全有限公司 | 一种基于实时视频流下的人车流量统计系统与方法 |
| CN112381859A (zh) * | 2020-11-20 | 2021-02-19 | 公安部第三研究所 | 实现针对视频图像数据进行智能解析识别处理的系统、方法、装置、处理器及存储介质 |
-
2021
- 2021-11-30 CN CN202111444031.2A patent/CN114333296A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103050005A (zh) * | 2012-11-16 | 2013-04-17 | 北京交通大学 | 城市道路交通状态时空分析方法与系统 |
| CN109426945A (zh) * | 2017-08-25 | 2019-03-05 | 无锡市明大交通科技咨询有限公司 | 一种面向移动互联网的交通秩序管理方法及系统 |
| CN107886739A (zh) * | 2017-10-16 | 2018-04-06 | 王宁 | 交通人流量自动采集分析系统 |
| CN108198416A (zh) * | 2017-12-28 | 2018-06-22 | 金交恒通有限公司 | 一种手机信令与路网大数据的融合方法及其应用与系统 |
| CN109784260A (zh) * | 2019-01-08 | 2019-05-21 | 深圳英飞拓科技股份有限公司 | 一种基于视频结构化的区域流量实时统计方法与系统 |
| CN110111565A (zh) * | 2019-04-18 | 2019-08-09 | 中国电子科技网络信息安全有限公司 | 一种基于实时视频流下的人车流量统计系统与方法 |
| CN112381859A (zh) * | 2020-11-20 | 2021-02-19 | 公安部第三研究所 | 实现针对视频图像数据进行智能解析识别处理的系统、方法、装置、处理器及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 彭智: "智能交通系统中基于机器视觉的交通流量统计研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》, no. 02, pages 034 - 1174 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| González et al. | Automatic traffic signs and panels inspection system using computer vision | |
| CN109284674B (zh) | 一种确定车道线的方法及装置 | |
| De Charette et al. | Real time visual traffic lights recognition based on spot light detection and adaptive traffic lights templates | |
| CN105654732A (zh) | 一种基于深度图像的道路监控系统及方法 | |
| Hadjidemetriou et al. | Vision-and entropy-based detection of distressed areas for integrated pavement condition assessment | |
| CN114565895B (zh) | 一种基于智慧社会的安防监控系统及方法 | |
| CN110532961A (zh) | 一种基于多尺度注意机制网络模型的语义交通信号灯检测方法 | |
| CN110826412B (zh) | 高速公路能见度检测系统和方法 | |
| CN108831183A (zh) | 基于机器视觉的停车场管理系统 | |
| Tourani et al. | Vehicle counting method based on digital image processing algorithms | |
| CN106295605A (zh) | 红绿灯检测与识别方法 | |
| CN112927303B (zh) | 一种基于车道线的自动驾驶车载相机位姿估计方法及系统 | |
| CN106570440A (zh) | 基于图像分析的人数统计方法和人数统计装置 | |
| CN109934096B (zh) | 基于特征时序相关性的自动驾驶视觉感知优化方法 | |
| CN115424217A (zh) | 基于ai视觉的车辆智能识别方法、装置和电子设备 | |
| CN116901089B (zh) | 一种多角度视距的机器人控制方法及系统 | |
| Guerrieri et al. | Traffic flow variables estimation: An automated procedure based on moving observer method. potential application for autonomous vehicles | |
| CN113378659A (zh) | 一种占道经营识别方法 | |
| CN114333296A (zh) | 一种基于机器视觉的交通量统计与分析系统 | |
| CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
| Baduge et al. | Assessment of crack severity of asphalt pavements using deep learning algorithms and geospatial system | |
| JP3235322U (ja) | 交通方向転換量調査レポート自動生成システム | |
| CN114882451A (zh) | 一种图像处理方法、装置、设备及介质 | |
| Ghanta et al. | A Hessian-based methodology for automatic surface crack detection and classification from pavement images | |
| Justin et al. | Vehicle detection and counting method based on digital image processing in Python |
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 |