CN114333329B - 停车检测方法、设备及存储介质 - Google Patents
停车检测方法、设备及存储介质 Download PDFInfo
- Publication number
- CN114333329B CN114333329B CN202210093666.0A CN202210093666A CN114333329B CN 114333329 B CN114333329 B CN 114333329B CN 202210093666 A CN202210093666 A CN 202210093666A CN 114333329 B CN114333329 B CN 114333329B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- window
- target vehicle
- detection
- parking
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请实施例公开了停车检测方法、设备及存储介质。所述方法包括:当检测到目标车辆驶入预设检测区域时,对目标车辆进行检测;若检测到目标车辆是停车状态,则检测目标车辆的车窗位置信息;根据目标车辆的车窗位置信息,对目标车辆内的用户进行身份识别。该技术方案可实时、准确地确定目标车辆是否为停车状态,提升了停车检测的精准度;在目标车辆处于停车状态时,对目标车辆内的用户进行身份识别,提高了车辆内用户身份验证的智能化和效率。
Description
技术领域
本发明涉及车辆检测技术领域,尤其涉及一种停车检测方法、设备及存储介质。
背景技术
在车辆出入管理场景中,需要对车辆状态(如是否为停车状态)进行检测。目前,通常是在检验通道上设置减速带与落位传感器以检测车辆状态,但这种检测方式存在较多问题,比如,减速带与落位传感器的成本较高,且通过减速带和落位传感器进行检测的实时性及准确性均较差。在将车辆检测技术应用于安防及安检领域时,若车辆状态的检测缺乏实时性和准确性,就会导致安防/安检出现错误。此外,由于落位传感器和用于安防/安检的人脸核验等设备之间的联动通信较困难,因此也会导致车辆检测技术对安防/安检的服务效果较差,从而无法满足智能化管理车辆出入的需求。
发明内容
本申请实施例的目的是提供一种停车检测方法、设备及存储介质,有利于解决现有的车辆停车检测方法对硬件成本要求高、以及检测精准度较低的问题。
为解决上述技术问题,本申请实施例是这样实现的:
一方面,本申请实施例提供一种停车检测方法,其特征在于,应用于停车检测设备;所述方法包括:
当检测到目标车辆驶入预设检测区域时,对所述目标车辆进行检测;
若检测到所述目标车辆是停车状态,则检测所述目标车辆的车窗位置信息;
根据所述车窗位置信息,对所述目标车辆内的用户进行身份识别。
另一方面,本申请实施例提供一种停车检测设备,包括探测装置、车窗检测装置和控制器,所述探测装置和所述车窗检测装置分别与所述控制器连接;其中:
所述探测装置,用于当检测到目标车辆驶入预设检测区域时,对所述目标车辆进行检测,并将检测结果传输至所述控制器;
所述控制器,用于在根据所述检测结果确定所述目标车辆是所述停车状态时,触发所述车窗检测装置执行车窗检测操作;
所述车窗检测装置,用于检测所述目标车辆的车窗位置信息,并将所述车窗位置信息传输至所述控制器;
所述控制器,还用于根据所述车窗位置信息,对所述目标车辆内的用户进行身份识别。
再一方面,本申请实施例提供一种停车检测设备,包括处理器和与所述处理器电连接的存储器,所述存储器存储有计算机程序,所述处理器用于从所述存储器调用并执行所述计算机程序以实现上述停车检测方法。
再一方面,本申请实施例提供一种存储介质,用于存储计算机程序,所述计算机程序能够被处理器执行以实现上述停车检测方法。
采用本申请实施例的技术方案,当检测到目标车辆驶入预设检测区域时,对目标车辆进行检测。若检测到目标车辆是停车状态,则检测目标车辆的车窗位置信息,进而根据车窗位置信息,对目标车辆内的用户进行身份识别。可见,该技术方案无需多个设备之间进行交互,仅通过停车检测设备即可实时、准确地确定目标车辆是否为停车状态,提升了停车检测的精准度;并且在目标车辆处于停车状态时,对目标车辆内的用户进行身份识别,从而实现了停车检测技术和用户身份识别技术的结合,使得车辆内的用户身份识别不再依赖于人力,提高了车辆内用户身份验证的智能化和效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是根据本申请一实施例的一种停车检测设备的示意性框图;
图2是根据本申请另一实施例的一种停车检测设备的示意性框图;
图3是根据本申请一实施例的一种停车检测设备的示意性流程图;
图4是根据本申请另一实施例的一种停车检测方法的示意性流程图;
图5是根据本申请一实施例的一种停车检测方法的示意性场景图;
图6是根据本申请一实施例的一种停车检测设备的示意性框图。
具体实施方式
本申请实施例的目的是提供一种停车检测方法、设备及存储介质,有利于解决现有的车辆停车检测方法对硬件成本要求高、以及检测精准度较低的问题。
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
图1是根据本申请一实施例提供的一种停车检测设备的示意性框图。如图1所示,该停车检测设备包括探测装置110、控制器120和车窗检测装置130,探测装置110和车窗检测装置130分别与控制器120连接;其中:
探测装置110,用于当检测到目标车辆驶入预设检测区域时,对目标车辆进行检测,并将检测结果传输至控制器120;
控制器120,用于在根据检测结果确定目标车辆是停车状态时,触发车窗检测装置130执行车窗检测操作;
车窗检测装置130,用于检测目标车辆的车窗位置信息,并将车窗位置信息传输至控制器120;
控制器120,用于根据车窗位置信息,对目标车辆内的用户进行身份识别。
本实施例中,探测装置110可以是探测雷达,如微波雷达、超声波雷达、激光雷达等。为便于对各种探测雷达的区分,以下分别对微波、超声波、激光和雷达进行说明。微波是指频率在300MHz(兆赫兹)-300GHz(千兆赫兹)之间的电磁波,具有易于集聚成束、高度定向性以及直线传播的特性,可用来在无阻挡的视线自由空间传输高频信号。超声波是一种波长极短的机械波,在空气中波长一般短于2cm(厘米),必须依靠介质进行传播,无法存在于真空(如太空)中。超声波在水中传播距离比空气中远,但因其波长短,在空气中则极易损耗、容易散射,不如可听声和次声波传得远。激光是原子受激辐射的光,故名“激光”,原子中的电子吸收能量后从低能级跃迁到高能级,再从高能级回落到低能级的时候,所释放的能量以光子的形式放出,被激发出来的光子束(激光),其中的光子光学特性高度一致。因此激光相比普通光源单色性、方向性好,亮度更高。雷达的意思为"无线电探测和测距",即用无线电的方法发现目标并测定它们的空间位置。因此,雷达也被称为“无线电定位”。雷达是利用电磁波探测目标的电子设备,通过发射电磁波对目标进行照射并接收其回波,获得目标至电磁波发射点的距离、距离变化率(径向速度)、方位、高度等信息。因此,本实施例可选地采用探测雷达来对目标车辆进行监测,可以准确地检测到目标车辆的车辆状态信息,如目标车辆是车辆行驶状态或者车辆静止状态。
采用本申请实施例提供的设备,当检测到目标车辆驶入预设检测区域时,通过探测装置对目标车辆进行检测。若检测到目标车辆是停车状态,则通过车窗监测装置检测目标车辆的车窗位置信息,进而通过控制器根据车窗位置信息,对目标车辆内的用户进行身份识别。可见,该技术方案无需多个设备之间进行交互,仅通过停车检测设备即可实时、准确地确定目标车辆是否为停车状态,提升了停车检测的精准度;并且在目标车辆处于停车状态时,停车检测设备能够对目标车辆内的用户进行身份识别,从而实现了停车检测技术和用户身份识别技术的结合,使得车辆内的用户身份识别不再依赖于人力,提高了车辆内用户身份验证的智能化和效率。
在一个实施例中,探测装置110,还用于检测目标车辆的车辆状态信息,车辆状态信息包括车辆行驶状态或车辆静止状态,并将检测到的车辆状态信息传输至控制器120;控制器120,还用于若连续多次检测到车辆状态为车辆静止状态,则确定目标车辆为停车状态;若连续多次检测到车辆状态为车辆行驶状态后,变为多个连续的车辆静止状态,则确定目标车辆为停车状态。
本实施例中,可通过探测装置110获取车辆状态信息,进而根据车辆状态信息,实时地判断目标车辆是否停车状态,从而能够在确定目标车辆为停车状态后,及时地对目标车辆内的用户进行身份识别。
在一个实施例中,探测装置110,还用于检测目标车辆的车辆状态信息,车辆状态信息包括车辆行驶状态或车辆静止状态,并将检测到的车辆状态信息传输至控制器120;控制器120,还用于若检测到车辆状态信息为车辆静止状态,则确定目标车辆为停车状态;若检测到车辆状态信息由车辆行驶状态变为车辆静止状态,则确定目标车辆为停车状态。
其中,可以按照预设检测方式(如检测频率、每两次相邻检测之间的时长等)对车辆状态信息进行连续多次检测。例如,探测装置110按照每秒一次的检测频率进行4次检测,即可检测到目标车辆的4个车辆状态信息。还例如,探测装置110每秒能够检测到40帧数据,取每10个数据的平均值作为一个车辆状态信息,即可每秒检测到目标车辆的4个车辆状态信息。
在获得探测装置110检测到的多个车辆状态信息后,根据该多个车辆状态信息判断目标车辆是否为停车状态,例如,若探测装置110每秒检测到目标车辆的4个车辆状态信息,若连续4次检测到车辆状态信息为车辆静止状态,则确定目标车辆为停车状态;还例如,若连续2次检测到车辆状态信息为车辆行驶状态后,变为2个连续的车辆静止状态,则确定目标车辆为停车状态。
本实施例中,通过探测装置连续多次检测目标车辆的车辆状态信息,进而根据多个车辆状态信息判断目标车辆是否为停车状态,能够确保检测到的车辆状态信息的准确性,从而提升对目标车辆状态的判断的准确度。
在一个实施例中,探测装置110包括探测雷达;探测雷达用于探测雷达波束;控制器120,还用于获取探测雷达探测的雷达波束;判断雷达波束的数据幅值是否大于或等于预设的探测雷达对应的波动阈值;若是,则确定车辆状态信息为车辆行驶状态;若否,则将数据幅值与预设底噪阈值进行比对,根据比对结果确定车辆状态信息;预设底噪阈值小于波动阈值。
本实施例中,在雷达波束的数据幅值小于探测雷达对应的波动阈值时,可能存在以下几种情况:目标车辆处于车辆静止状态;或者,目标车辆驶入预设检测区域、但尚未进入探测雷达的探测区域;或者,目标车辆已驶入预设检测区域、且将要进入停车状态(此时车辆尚未完全停下)。
对于目标车辆驶入预设检测区域、但尚未进入探测雷达的探测区域的情况,说明探测雷达的探测区域小于车辆检测设备对应的预设检测区域。这种情况下,可能会将车辆状态信息误判为车辆静止状态。对于目标车辆已驶入预设检测区域、且将要进入停车状态(此时车辆尚未完全停下)的情况,由于车辆行驶速度已较为缓慢,因此容易误判为车辆已经停下,从而将车辆状态信息误判为车辆静止状态。因此,需进一步将数据幅值和预设底噪阈值进行比对。
控制器120,还用于将数据幅值与预设底噪阈值进行比对,以判断数据幅值是否大于或等于预设底噪阈值;若比对结果为数据幅值大于或等于预设底噪阈值,则确定车辆状态信息为车辆行驶状态;若比对结果为数据幅值小于预设底噪阈值,则确定车辆状态信息为车辆静止状态。
本实施例中,预设底噪阈值可用于表征环境中不存在目标时的噪声值。因此,当数据幅值小于预设底噪阈值时,说明环境中不存在目标车辆,此时确定目标车辆的车辆状态信息为车辆静止状态。当数据幅值大于或等于预设底噪阈值时,此时说明环境中存在目标车辆,只是目标车辆尚未进入探测雷达的探测区域、或者进入探测区域但未完全停下,因此可确定目标车辆的车辆状态信息为车辆行驶状态。从而更加准确地确定出目标车辆的车辆状态信息,避免目标车辆尚未进入探测雷达的探测区域时或者进入探测区域但未完全停下时的误判情况。
图2是根据本申请另一实施例的一种停车检测设备的示意性框图。如图2所示,停车检测设备包括设备本体200、探测装置210、控制器220、车窗检测装置230、车牌检测装置240和身份识别装置250;车窗检测装置230包括车窗检测摄像头231和图像识别装置232;身份识别装置250包括人脸识别模块251和身份验证模块252;探测装置210、控制器220、车窗检测装置230、车牌检测装置240和身份识别装置250安装于设备本体200上。下面针对图2所示的停车检测设备,详细说明各个部件在停车检测方法中的作用。
在一个实施例中,车窗检测装置230包括车窗检测摄像头231和图像识别装置232;车窗检测摄像头231,用于拍摄目标车辆的车窗图像,车窗图像为包含目标车辆的车窗的图像,并将车窗图像传输至图像识别装置232;图像识别装置232,用于识别车窗图像中车窗的轮廓线;控制器220,还用于根据车窗的轮廓线,确定目标车辆的车窗位置信息。其中,车窗位置信息包括车窗相对于车窗检测摄像头231的拍摄中心的偏离信息。偏离信息包括偏离角度和/或偏离距离。可根据车窗轮廓线,确定车窗相对于车窗检测摄像头231的拍摄中心的偏离信息。
本实施例中,根据图像识别装置232识别车窗图像时,可利用预设的图像识别算法对车窗图像进行图像识别,进而根据图像识别结果确定目标车辆的车窗轮廓线。可选地,图像识别算法可以是yolov算法和/或图像直线检测算法。例如,车窗轮廓线包括车窗上、下、左、右四条边线,通过yolov算法可粗略地确定车窗图像上车窗轮廓线所对应的检测区域,然后通过图像直线检测算法确定出车窗轮廓线对应的检测区域的直线集,对直线集进行聚类,从而确定出直线集中的关键直线为车窗轮廓线。
本实施例中,若目标车辆的一侧分别包括两个车窗,即车窗图像中包括两个车窗,假设分别为第一车窗和第二车窗,则可以根据第一车窗的车窗轮廓线和第二车窗的车窗轮廓线,确定第一车窗和第二车窗之间的中心位置,进而确定该中心位置相对于车窗检测摄像头231的拍摄中心的偏离信息,即车窗位置信息。
此外,在确定车窗相对于车窗检测摄像头231的拍摄中心的偏离信息的同时,还可通过车窗检测装置230检测车窗是否开启。可选地,利用预设的图像识别算法,如yolov算法对车窗检测摄像头231拍摄的车窗图像进行识别,识别结果为车窗开启或车窗未开启两种结果。
在确定车窗位置信息,即车窗相对于车窗检测摄像头231的拍摄中心的偏离信息之后,为使得停车检测设备准确地对目标车辆内的用户进行身份识别,可控制停车检测设备移动至目标车辆的车窗检测位置处。可选地,车窗检测位置为以车窗为拍摄中心的拍摄位置,从而可根据车窗相对于车窗检测摄像头231的拍摄中心的偏离信息,控制停车检测设备移动至以车窗为拍摄中心的拍摄位置处。
例如,偏离信息为偏离距离,通过车窗检测摄像头231拍摄到的车窗图像可以确定,车窗图像上车窗相对于车窗检测摄像头231的拍摄中心向右偏离1厘米,进而可通过图像上偏离距离和实际距离的比例关系确定,当车窗图像上车窗相对于车窗检测摄像头231的拍摄中心向右偏离1厘米时,控制停车检测设备向右移动100米,以使停车检测设备移动至以车窗为拍摄中心的拍摄位置处。
本实施例中,通过确定车窗相对于车窗检测摄像头的拍摄中心的偏离信息,并根据精准的偏离信息,确定以车窗为拍摄中心的拍摄位置处为车窗检测位置,从而提升确定车窗检测位置的准确度。并且,通过控制停车检测设备移动至车窗检测位置,使得停车检测设备能够在合适的位置(即车窗检测位置)处进行用户身份识别,从而提升用户身份识别结果的准确度,避免停车检测设备的位置不合适时所导致的识别结果不准确的情况,如用户人脸未处于停车检测设备中人脸核验装置的正对位置时,会导致人脸核验装置获取到的人脸信息不完整。
在一个实施例中,停车检测设备上还安装有车牌检测装置240;车牌检测装置240,用于检测预设检测区域内是否出现车牌;在检测到预设检测区域内出现车牌时,触发探测装置210对目标车辆进行检测。
本实施例中,通过检测预设检测区域内是否出现车牌,并且仅在检测到出现车牌时,才会触发探测装置检测目标车辆的车辆状态信息,使得探测装置仅在预设检测区域内驶入目标车辆时才会执行探测动作,从而避免探测装置对车辆状态信息的频繁检测,且提升了停车检测的准确度。
在一个实施例中,停车检测设备还包括身份识别装置250;控制器220,还用于根据车窗位置信息,控制停车检测设备移动至目标车辆的车窗检测位置处;车窗检测位置包括以车窗为拍摄中心的拍摄位置;身份识别装置250,用于在车窗检测位置处,对目标车辆内的用户进行身份识别。
停车检测设备的设备本体200上设置有身份识别装置250,在设备本体200移动至以车窗为拍摄中心的拍摄位置处时,通过身份识别装置250对目标车辆内的用户进行身份识别,并在用户身份识别成功后,放行目标车辆。
在一个实施例中,身份识别装置250可包括人脸识别模块251和身份验证模块252,其中,身份验证模块252包括摄像头。在设备本体200移动至以车窗为拍摄中心的拍摄位置处时,通过人脸识别模块251对目标车辆内的用户进行人脸识别,得到人脸识别结果;同时,通过身份验证模块252验证用户的身份信息,比如验证用户的相关证件(如身份证、驾驶证等)上的身份信息,得到身份验证结果。若人脸识别结果与身份验证结果相匹配,则确定用户身份识别成功,即可放行目标车辆。
其中,人脸识别结果可包括用户的人脸信息,以及与人脸信息匹配的、网络侧中存储的用户的身份信息,如名字、身份证件号码以及家庭住址等信息。
可选地,通过身份验证模块252识别用户身份信息时,可通过身份验证模块252中的摄像头拍摄目标车辆内用户的身份证图像,进而对身份证图像进行分析,以获取到用户的身份信息,如身份证上的人脸信息、名字、身份证件号码以及家庭住址等信息。
可选地,人脸识别结果与身份验证结果相匹配可包括以下情况:人脸识别结果中的人脸信息与身份验证结果中的身份证上的人脸信息相匹配;和/或,人脸识别结果中用户的身份信息和身份验证结果中用户的身份信息相匹配。
本实施例中,控制设备本体移动至以车窗为拍摄中心的拍摄位置处,使得停车检测设备能够在合适的位置处进行用户身份识别,避免停车检测设备的位置不合适时所导致的识别结果不准确的情况,提高了车辆内身份验证的智能化,并且提升了用户身份识别结果的准确度。利用身份识别装置中的人脸识别模块和身份验证模块对目标车辆内的用户的身份信息进行双重验证,当确定人脸识别结果与身份验证结果相匹配时,放行目标车辆,提升了车辆安检的安全性。
以上为本申请实施例提供的停车检测设备,基于同样的思路,本申请实施例还提供一种停车检测方法。
图3是根据本申请一实施例的一种停车检测方法的示意性流程图,该方法应用于如图1所示的停车检测设备中。如图3所示,该方法包括以下步骤S302-S306:
S302,当检测到目标车辆驶入预设检测区域时,对目标车辆进行检测。
可选地,可通过探测装置对目标车辆进行检测,探测装置可以是探测雷达,如微波雷达、超声波雷达、激光雷达等。
S304,若检测到目标车辆是停车状态,则检测目标车辆的车窗位置信息。
本实施例中,可通过车窗检测装置检测目标车辆的车窗位置信息,车窗检测装置包括车窗检测摄像头,用于拍摄车窗图像。基于此,可通过对车窗图像进行分析,以确定目标车辆的车窗位置信息。车窗位置信息可包括车窗相对于车窗检测摄像头的拍摄中心的偏离信息。
S306,根据车窗位置信息,对目标车辆内的用户进行身份识别。
采用本申请实施例的技术方案,当检测到目标车辆驶入预设检测区域时,对目标车辆进行检测。若检测到目标车辆是停车状态,则检测目标车辆的车窗位置信息,进而根据车窗位置信息,对目标车辆内的用户进行身份识别。可见,该技术方案无需多个设备之间进行交互,仅通过停车检测设备即可实时、准确地确定目标车辆是否为停车状态,提升了停车检测的精准度;并且在目标车辆处于停车状态时,对目标车辆内的用户进行身份识别,从而实现了停车检测技术和用户身份识别技术的结合,使得车辆内的用户身份识别不再依赖于人力,提高了车辆内用户身份验证的智能化和效率。
在一个实施例中,在对目标车辆进行检测时,可检测目标车辆的车辆状态信息,其中,车辆状态信息包括车辆行驶状态或车辆静止状态。进而可根据检测到的车辆状态信息,判断目标车辆是否为停车状态:若检测到车辆状态为车辆静止状态,则确定目标车辆为停车状态;或者,若检测到车辆状态由车辆行驶状态变为车辆静止状态,则确定目标车辆为停车状态。
本实施例中,可通过探测装置检测目标车辆的车辆状态信息,进而根据车辆状态信息,实时地判断目标车辆是否停车状态,从而能够在确定目标车辆为停车状态后,及时地对目标车辆内的用户进行身份识别。
在一个实施例中,在通过探测装置获取车辆状态信息时,由于获取的车辆状态信息的次数较少,容易误判车辆状态信息,进而影响停车检测的精确度。例如,由于当已驶入预设检测区域的目标车辆的行驶速度较为缓慢,容易将车辆状态信息误判为车辆静止状态,因此,为了增强对目标车辆进行检测的准确度,可在对目标车辆进行检测时,连续多次检测目标车辆的车辆状态信息,其中,车辆状态信息包括车辆行驶状态或车辆静止状态。进而可根据检测到的多个车辆状态信息,判断目标车辆是否为停车状态:若连续多次检测到车辆状态信息为车辆静止状态,则确定目标车辆为停车状态;若连续多次检测到车辆状态信息为车辆行驶状态后,变为多个连续的车辆静止状态,则确定目标车辆为停车状态。
本实施例中,通过探测装置连续多次检测目标车辆的车辆状态信息,进而根据多个车辆状态信息判断目标车辆是否为停车状态,能够确保检测到的车辆状态信息的准确性,从而提升对目标车辆状态的判断的准确度。
在一个实施例中,检测目标车辆的车辆状态信息时,可先获取探测雷达所探测的雷达波束的数据幅值;进而判断数据幅值是否大于或等于预设的探测雷达对应的波动阈值;若是,则确定车辆状态信息为车辆行驶状态;若否,则进一步将数据幅值与预设底噪阈值进行比对,并根据比对结果确定车辆状态信息。其中,预设底噪阈值小于波动阈值。
本实施例中,在雷达波束的数据幅值小于探测雷达对应的波动阈值时,可能存在以下几种情况:目标车辆处于车辆静止状态;或者,目标车辆驶入预设检测区域、但尚未进入探测雷达的探测区域;或者,目标车辆已驶入预设检测区域、且将要进入停车状态(此时车辆尚未完全停下)。
对于目标车辆驶入预设检测区域、但尚未进入探测雷达的探测区域的情况,说明探测雷达的探测区域小于车辆检测设备对应的预设检测区域。这种情况下,可能会将车辆状态信息误判为车辆静止状态。对于目标车辆已驶入预设检测区域、且将要进入停车状态(此时车辆尚未完全停下)的情况,由于车辆行驶速度已较为缓慢,因此容易误判为车辆已经停下,从而将车辆状态信息误判为车辆静止状态。因此,需进一步将数据幅值和预设底噪阈值进行比对。
可选地,根据数据幅值与预设底噪阈值的比对结果确定车辆状态信息时,可先通过将数据幅值与预设底噪阈值进行比对来判断数据幅值是否大于或等于预设底噪阈值,若比对结果为数据幅值大于或等于预设底噪阈值,则确定车辆状态信息为车辆行驶状态。若比对结果为数据幅值小于预设底噪阈值,则确定车辆状态信息为车辆静止状态。
本实施例中,预设底噪阈值可用于表征环境中不存在目标时的噪声值。因此,当数据幅值小于预设底噪阈值时,说明环境中不存在目标车辆,此时确定目标车辆的车辆状态信息为车辆静止状态。当数据幅值大于或等于预设底噪阈值时,此时说明环境中存在目标车辆,只是目标车辆尚未进入探测雷达的探测区域、或者进入探测区域但未完全停下,因此可确定目标车辆的车辆状态信息为车辆行驶状态。从而更加准确地确定出目标车辆的车辆状态信息,避免目标车辆尚未进入探测雷达的探测区域时或者进入探测区域但未完全停下时的误判情况。
在一个实施例中,可通过以下步骤检测目标车辆的车窗位置信息:首先,拍摄目标车辆的车窗图像,其中,车窗图像为包含目标车辆的车窗的图像。其次,识别车窗图像中车窗的轮廓线。再次,根据车窗的轮廓线,确定目标车辆的车窗位置信息。从而能够提高确定车窗位置信息的准确性,便于根据车窗位置信息控制停车检测设备移动至目标车辆的车窗检测位置处,对目标车辆内的用户进行身份识别。
在一个实施例中,在对目标车辆进行检测之前,可先检测预设检测区域内是否出现车牌。若出现车牌,则确定检测到目标车辆驶入预设检测区域。
本实施例中,通过检测预设检测区域内是否出现车牌,并且仅在检测到出现车牌时,才会触发探测装置检测目标车辆的车辆状态信息,使得探测装置仅在预设检测区域内驶入目标车辆时才会执行探测动作,从而避免探测装置对车辆状态信息的频繁检测,且提升了停车检测的准确度。
在一个实施例中,为确保用户身份识别的准确度,根据车窗位置信息,控制停车检测设备移动至目标车辆的车窗检测位置处,进而在车窗检测位置处,对目标车辆内的用户进行身份识别;车窗检测位置包括以车窗为拍摄中心的拍摄位置。
本实施例中,控制停车检测设备移动至以车窗为拍摄中心的拍摄位置处,使得停车检测设备能够在合适的位置处进行用户身份识别,避免停车检测设备的位置不合适时所导致的识别结果不准确的情况,提高了车辆内身份验证的智能化,并且提升了用户身份识别结果的准确度。对目标车辆内的用户的身份信息进行双重验证,当确定人脸识别结果与身份验证结果相匹配时,放行目标车辆,提升了车辆安检的安全性。
图4是根据本申请另一实施例的一种停车检测方法的示意性流程图。图5是根据本申请一实施例的一种停车检测方法的示意性场景图,该场景中包括停车检测设备和预设检测区域54。本实施例中,停车检测方法应用于如图5所示的停车检测设备中,停车检测设备包括设备本体50,设备本体50上安装有探测雷达51,车牌检测装置52、车窗检测装置53,其中,车窗检测装置53包括车窗检测摄像头531。设备本体50位于预设检测区域54的左侧。
在详细介绍本实施例的停车检测方法之前,首先定义一种用于反映车辆状态信息的标识。假设用“1”表示车辆行驶状态,用“0”表示车辆静止状态,则预设的停车状态信息可以设置为10、1100、111000等,即,由“1”转变为“0”的过程也就相当于目标车辆由车辆行驶状态转变为车辆静止状态。停车状态信息的标识位越多,则停车状态信息的检测就更加准确。本实施例中,将以停车状态信息为“1100”为例进行说明。
需要说明的是,上述列举的车辆状态信息的标识仅是一种示例,在实际应用中,可选择任意形式的标识来反映车辆状态信息。如数字、字母、符号、图形等等。如图4所示,停车检测设备按照以下步骤S401-S412执行停车检测方法:
S401,通过车牌检测装置检测预设检测区域内是否出现车牌。
S402,在检测到出现出牌时,触发探测雷达启动检测动作;探测雷达探测预设检测区域内的目标车辆,输出雷达波束。
其中,探测雷达可选择微波多普勒雷达和/或超声波雷达。
S403,获取探测雷达所探测的雷达波束的数据幅值,判断该数据幅值是否大于或等于探测雷达对应的波动阈值;若是,则执行S404;若否,则执行S405。
S404,确定目标车辆的车辆状态信息为“1”。然后跳转至S407。
其中,“1”表示车辆行驶状态。
S405,判断雷达波束的数据幅值是否大于或等于预设底噪阈值;若是,则执行S404;若否,则执行S406。
其中,预设底噪阈值小于波动阈值。
S406,确定目标车辆的车辆状态信息为“0”。
其中,“0”表示车辆静止状态。
S407,通过探测雷达连续探测多次,并根据多次探测结果确定是否检测到停车状态信息“1100”。
该步骤中,可根据探测雷达在预设时长内的探测结果来确定是否检测到停车状态信息“1100”,例如,预设时长为20秒,则如果探测雷达在20秒连续检测到了以下标识:1、1、0、0,则说明探测雷达检测到了停车状态信息“1100”。
S408,若探测雷达检测到停车状态信息“1100”,则确定目标车辆处于停车状态,此时触发车窗检测装置检测车窗位置信息。
S409,利用车窗检测摄像头,拍摄目标车辆的车窗图像。
S410,利用预设的图像识别算法对车窗图像进行图像识别,根据图像识别结果确定目标车辆的车窗轮廓线。
其中,预设的图像识别算法可包括yolov算法和图像直线检测算法。yolov算法和图像直线检测算法的应用方式已在上述实施例中说明,此处不再赘述。
S411,根据车窗轮廓线,确定车窗相对于车窗检测摄像头的拍摄中心的偏离信息。
其中,偏离信息包括偏离角度和/或偏离距离。若车窗图像中包括两个车窗,则可以根据第一车窗的车窗轮廓线和第二车窗的车窗轮廓线,确定第一车窗和第二车窗的中心位置,进而将该中心位置相对于车窗检测摄像头的拍摄中心的偏离信息确定为车窗位置信息。
S412,根据偏离信息,控制设备本体移动至以车窗为拍摄中心的拍摄位置处,并在以车窗为拍摄中心的拍摄位置处对目标车辆内的用户进行身份识别。
可见,本实施例中,当车牌检测装置检测到出现车牌时,触发安装于设备本体上的探测雷达对目标车辆的车辆状态信息进行检测,并判断探测雷达是否探测到预设的停车状态信息,提升对停车状态检测的精准度。在确保目标车辆为停车状态时,通过控制设备本体移动至车窗检测位置,使得停车检测设备能够在合适的位置(即车窗检测位置)处进行用户身份识别,避免停车检测设备的位置不合适时所导致的识别结果不准确的情况,提高了车辆内用户身份识别的智能化,以及提升了身份识别的准确度。进一步地,利用身份识别装置中的人脸识别模块和身份验证模块对目标车辆内的用户的身份信息进行双重验证,当确定人脸识别结果与身份验证结果相匹配时,放行目标车辆,从而提升车辆安检的安全性和准确性。
综上,已经对本主题的特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作可以按照不同的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序,以实现期望的结果。在某些实施方式中,多任务处理和并行处理可以是有利的。
基于同样的思路,本申请实施例还提供一种停车检测设备,如图6所示。停车检测设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上的处理器601和存储器602,存储器602中可以存储有一个或一个以上存储应用程序或数据。其中,存储器602可以是短暂存储或持久存储。存储在存储器602的应用程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括对停车检测设备中的一系列计算机可执行指令。更进一步地,处理器601可以设置为与存储器602通信,在停车检测设备上执行存储器602中的一系列计算机可执行指令。停车检测设备还可以包括一个或一个以上电源603,一个或一个以上有线或无线网络接口604,一个或一个以上输入输出接口605,一个或一个以上键盘606。
具体在本实施例中,停车检测设备包括有存储器,以及一个或一个以上的程序,其中一个或者一个以上程序存储于存储器中,且一个或者一个以上程序可以包括一个或一个以上模块,且每个模块可以包括对停车检测设备中的一系列计算机可执行指令,且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令:
当检测到目标车辆驶入预设检测区域时,对所述目标车辆进行检测;
若检测到所述目标车辆是停车状态,则检测所述目标车辆的车窗位置信息;
根据所述车窗位置信息,对所述目标车辆内的用户进行身份识别。
采用本申请实施例的技术方案,当检测到目标车辆驶入预设检测区域时,对目标车辆进行检测。若检测到目标车辆是停车状态,则检测目标车辆的车窗位置信息,进而根据车窗位置信息,对目标车辆内的用户进行身份识别。可见,该技术方案无需多个设备之间进行交互,仅通过停车检测设备即可实时、准确地确定目标车辆是否为停车状态,提升了停车检测的精准度;并且在目标车辆处于停车状态时,对目标车辆内的用户进行身份识别,从而实现了停车检测技术和用户身份识别技术的结合,使得车辆内的用户身份识别不再依赖于人力,提高了车辆内用户身份验证的智能化和效率。
本申请实施例还提出了一种存储介质,该存储介质存储一个或多个计算机程序,该一个或多个计算机程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行上述停车检测方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商品或者设备不仅包括那些要素,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、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (12)
1.一种停车检测方法,其特征在于,应用于停车检测设备;所述方法包括:
当检测到目标车辆驶入预设检测区域时,对所述目标车辆进行检测;
若检测到所述目标车辆是停车状态,则检测所述目标车辆的车窗位置信息;
根据所述车窗位置信息,控制所述停车检测设备移动至所述目标车辆的车窗检测位置处,对所述目标车辆内的用户进行身份识别;
所述对所述目标车辆进行检测,包括:
检测所述目标车辆的车辆状态信息,所述车辆状态信息包括车辆行驶状态或车辆静止状态;
所述检测所述目标车辆的车辆状态信息,包括:
获取探测雷达针对所述目标车辆所探测的雷达波束的数据幅值;
判断所述数据幅值是否大于或等于预设的所述探测雷达对应的波动阈值;
若是,则确定所述车辆状态信息为所述车辆行驶状态;
若否,则将所述数据幅值与预设底噪阈值进行比对,根据比对结果确定所述车辆状态信息;所述预设底噪阈值小于所述波动阈值;所述预设底噪阈值用于表征所述预设检测区域中不存在所述目标车辆时的噪声值;
所述将所述数据幅值与预设底噪阈值进行比对,根据比对结果确定所述车辆状态信息,包括:
将所述数据幅值与所述预设底噪阈值进行比对,以判断所述数据幅值是否大于或等于所述预设底噪阈值;
若所述比对结果为所述数据幅值大于或等于所述预设底噪阈值,则确定所述车辆状态信息为所述车辆行驶状态;
若所述比对结果为所述数据幅值小于所述预设底噪阈值,则确定所述车辆状态信息为所述车辆静止状态。
2.根据权利要求1所述的方法,其特征在于,在所述检测所述目标车辆的车辆状态信息之后,还包括:
若连续多次检测到所述车辆状态信息为所述车辆静止状态,则确定所述目标车辆为所述停车状态;
若连续多次检测到所述车辆状态信息为所述车辆行驶状态后,变为多个连续的所述车辆静止状态,则确定所述目标车辆为所述停车状态。
3.根据权利要求1所述的方法,其特征在于,在所述检测所述目标车辆的车辆状态信息之后,还包括:
若检测到所述车辆状态信息为所述车辆静止状态,则确定所述目标车辆为所述停车状态;
若检测到所述车辆状态信息由所述车辆行驶状态变为所述车辆静止状态,则确定所述目标车辆为所述停车状态。
4.根据权利要求1所述的方法,其特征在于,所述检测所述目标车辆的车窗位置信息,包括:
拍摄所述目标车辆的车窗图像,所述车窗图像为包含所述目标车辆的车窗的图像;
识别所述车窗图像中所述车窗的轮廓线;
根据所述车窗的轮廓线,确定所述目标车辆的所述车窗位置信息。
5.根据权利要求4所述的方法,其特征在于,对所述目标车辆内的用户进行身份识别,包括:
在所述车窗检测位置处,对所述目标车辆内的用户进行身份识别,所述车窗检测位置包括以所述车窗为拍摄中心的拍摄位置。
6.根据权利要求1所述的方法,其特征在于,所述对所述目标车辆进行检测之前,还包括:
检测所述预设检测区域内是否出现车牌;
若是,则确定检测到所述目标车辆驶入所述预设检测区域。
7.一种停车检测设备,其特征在于,包括探测装置、车窗检测装置和控制器,所述探测装置和所述车窗检测装置分别与所述控制器连接;其中:
所述探测装置,用于当检测到目标车辆驶入预设检测区域时,对所述目标车辆进行检测,并将检测结果传输至所述控制器;
所述控制器,用于在根据所述检测结果确定所述目标车辆是停车状态时,触发所述车窗检测装置执行车窗检测操作;
所述车窗检测装置,用于检测所述目标车辆的车窗位置信息,并将所述车窗位置信息传输至所述控制器;
所述控制器,用于根据所述车窗位置信息,对所述目标车辆内的用户进行身份识别;
所述探测装置包括探测雷达;
所述探测雷达,用于探测所述目标车辆的雷达波束;
所述控制器,还用于获取所述探测雷达探测的雷达波束;判断所述雷达波束的数据幅值是否大于或等于预设的所述探测雷达对应的波动阈值;若是,则确定车辆状态信息为车辆行驶状态;若否,则将所述数据幅值与预设底噪阈值进行比对,根据比对结果确定所述车辆状态信息;所述预设底噪阈值小于所述波动阈值;所述预设底噪阈值用于表征所述预设检测区域中不存在所述目标车辆时的噪声值;
所述控制器,还用于将所述数据幅值与所述预设底噪阈值进行比对,以判断所述数据幅值是否大于或等于所述预设底噪阈值;若所述比对结果为所述数据幅值大于或等于所述预设底噪阈值,则确定所述车辆状态信息为所述车辆行驶状态;若所述比对结果为所述数据幅值小于所述预设底噪阈值,则确定所述车辆状态信息为车辆静止状态。
8.根据权利要求7所述的设备,其特征在于,所述车窗检测装置包括车窗检测摄像头和图像识别装置;
所述车窗检测摄像头,用于拍摄所述目标车辆的车窗图像,并将所述车窗图像传输至所述图像识别装置;所述车窗图像为包含所述目标车辆的车窗的图像;
所述图像识别装置,用于识别所述车窗图像中所述车窗的轮廓线;
所述控制器,还用于根据所述车窗的轮廓线,确定所述目标车辆的所述车窗位置信息。
9.根据权利要求7所述的设备,其特征在于,所述停车检测设备还包括身份识别装置;
所述控制器,还用于根据所述车窗位置信息,控制所述停车检测设备移动至所述目标车辆的车窗检测位置处;所述车窗检测位置包括以车窗为拍摄中心的拍摄位置;
所述身份识别装置,用于在所述车窗检测位置处,对所述目标车辆内的用户进行身份识别。
10.根据权利要求7所述的设备,其特征在于,所述停车检测设备上还安装有车牌检测装置;
所述车牌检测装置,用于检测所述预设检测区域内是否出现车牌;在检测到所述预设检测区域内出现车牌时,触发所述探测装置对所述目标车辆进行检测。
11.一种停车检测设备,其特征在于,包括处理器和与所述处理器电连接的存储器,所述存储器存储有计算机程序,所述处理器用于从所述存储器调用并执行所述计算机程序以实现权利要求1-6任意一项所述的停车检测方法。
12.一种存储介质,其特征在于,所述存储介质用于存储计算机程序,所述计算机程序能够被处理器执行以实现权利要求1-6任意一项所述的停车检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210093666.0A CN114333329B (zh) | 2022-01-26 | 2022-01-26 | 停车检测方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210093666.0A CN114333329B (zh) | 2022-01-26 | 2022-01-26 | 停车检测方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114333329A CN114333329A (zh) | 2022-04-12 |
CN114333329B true CN114333329B (zh) | 2023-09-29 |
Family
ID=81028067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210093666.0A Active CN114333329B (zh) | 2022-01-26 | 2022-01-26 | 停车检测方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114333329B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN205193907U (zh) * | 2015-11-04 | 2016-04-27 | 杭州朗米科技有限公司 | 一种人车双重验证闸机系统 |
CN106469309A (zh) * | 2015-08-14 | 2017-03-01 | 杭州海康威视数字技术股份有限公司 | 车辆监控的方法和装置、处理器、图像采集设备 |
CN106530819A (zh) * | 2017-01-03 | 2017-03-22 | 安徽嘉盛位联网络科技有限公司 | 一种车检器及检测方法 |
CN106683417A (zh) * | 2017-01-20 | 2017-05-17 | 深圳市顺锋铭科技有限公司 | 一种基于磁敏检测器的车位状态检测方法及磁敏检测器 |
CN107526076A (zh) * | 2016-06-21 | 2017-12-29 | 安研科技股份有限公司 | 车辆变动判断系统及其方法 |
CN107610481A (zh) * | 2017-08-31 | 2018-01-19 | 深圳先进技术研究院 | 停车检测方法、装置及终端设备和计算机可读存储介质 |
CN108710857A (zh) * | 2018-05-22 | 2018-10-26 | 深圳前海华夏智信数据科技有限公司 | 基于红外补光的人车识别方法及装置 |
CN109272772A (zh) * | 2018-08-20 | 2019-01-25 | 中国科学院深圳先进技术研究院 | 一种停车场车位检测方法、装置及终端设备 |
CN106448258B (zh) * | 2016-12-21 | 2019-10-25 | 迈锐数据(北京)有限公司 | 一种车位状态的检测方法及装置 |
CN110689725A (zh) * | 2019-09-03 | 2020-01-14 | 北京理工大学 | 用于道口综合检查的安保机器人系统及其处理方法 |
CN111444843A (zh) * | 2020-03-26 | 2020-07-24 | 中科海微(北京)科技有限公司 | 一种多模态驾驶员及车辆违法行为监测方法及系统 |
CN112215234A (zh) * | 2020-10-16 | 2021-01-12 | 神思电子技术股份有限公司 | 一种道路卡口车辆人员信息核查方法 |
CN112982233A (zh) * | 2021-04-12 | 2021-06-18 | 公安部第三研究所 | 一种伸展式人证核验设备 |
CN113657281A (zh) * | 2021-08-18 | 2021-11-16 | 新疆联海创智信息科技有限公司 | 一种非接触式人车证信息采集核验系统及方法 |
-
2022
- 2022-01-26 CN CN202210093666.0A patent/CN114333329B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106469309A (zh) * | 2015-08-14 | 2017-03-01 | 杭州海康威视数字技术股份有限公司 | 车辆监控的方法和装置、处理器、图像采集设备 |
CN205193907U (zh) * | 2015-11-04 | 2016-04-27 | 杭州朗米科技有限公司 | 一种人车双重验证闸机系统 |
CN107526076A (zh) * | 2016-06-21 | 2017-12-29 | 安研科技股份有限公司 | 车辆变动判断系统及其方法 |
CN106448258B (zh) * | 2016-12-21 | 2019-10-25 | 迈锐数据(北京)有限公司 | 一种车位状态的检测方法及装置 |
CN106530819A (zh) * | 2017-01-03 | 2017-03-22 | 安徽嘉盛位联网络科技有限公司 | 一种车检器及检测方法 |
CN106683417A (zh) * | 2017-01-20 | 2017-05-17 | 深圳市顺锋铭科技有限公司 | 一种基于磁敏检测器的车位状态检测方法及磁敏检测器 |
CN107610481A (zh) * | 2017-08-31 | 2018-01-19 | 深圳先进技术研究院 | 停车检测方法、装置及终端设备和计算机可读存储介质 |
CN108710857A (zh) * | 2018-05-22 | 2018-10-26 | 深圳前海华夏智信数据科技有限公司 | 基于红外补光的人车识别方法及装置 |
CN109272772A (zh) * | 2018-08-20 | 2019-01-25 | 中国科学院深圳先进技术研究院 | 一种停车场车位检测方法、装置及终端设备 |
CN110689725A (zh) * | 2019-09-03 | 2020-01-14 | 北京理工大学 | 用于道口综合检查的安保机器人系统及其处理方法 |
CN111444843A (zh) * | 2020-03-26 | 2020-07-24 | 中科海微(北京)科技有限公司 | 一种多模态驾驶员及车辆违法行为监测方法及系统 |
CN112215234A (zh) * | 2020-10-16 | 2021-01-12 | 神思电子技术股份有限公司 | 一种道路卡口车辆人员信息核查方法 |
CN112982233A (zh) * | 2021-04-12 | 2021-06-18 | 公安部第三研究所 | 一种伸展式人证核验设备 |
CN113657281A (zh) * | 2021-08-18 | 2021-11-16 | 新疆联海创智信息科技有限公司 | 一种非接触式人车证信息采集核验系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114333329A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11042720B2 (en) | Systems and methods to determine motion parameters using RFID tags | |
US11340332B2 (en) | Method and apparatus for processing radar data | |
Urazghildiiev et al. | Vehicle classification based on the radar measurement of height profiles | |
US8976059B2 (en) | Identification and removal of a false detection in a radar system | |
CN110058239A (zh) | 一种车载毫米波雷达装置及目标探测方法 | |
CN109559525A (zh) | 一种基于毫米波雷达的超速监控方法、装置和设备 | |
US11797098B2 (en) | Methods for recognizing human hand and hand gesture from human, and display apparatus | |
US20130214962A1 (en) | Apparatus and method for traffic lane detection | |
US20190107613A1 (en) | Radar detection methods and systems for identifying moving objects | |
CN112052878B (zh) | 一种雷达的遮挡识别的方法、装置及存储介质 | |
CN110531337A (zh) | 基于隶属度分析的目标可信度计算方法及装置 | |
US20120313808A1 (en) | Method and Apparatus for Mitigating an Effect of User Movement in Motion Detecting Radar | |
CN114333329B (zh) | 停车检测方法、设备及存储介质 | |
CN107076831A (zh) | 雷达传感器 | |
Sim et al. | Road structure classification through artificial neural network for automotive radar systems | |
KR101582404B1 (ko) | Uwb 레이더를 이용하여 목표물의 수를 카운팅 방법 및 장치 | |
US20220408400A1 (en) | System and method for facilitating localizing an external object | |
Zhang et al. | Range–Doppler‐based centralised framework for human target tracking in multistatic radar | |
CN114255600A (zh) | 停车检测方法、设备及存储介质 | |
CN113439274A (zh) | 身份识别方法、终端设备及计算机存储介质 | |
CN113820704A (zh) | 检测运动目标的方法、装置和电子设备 | |
KR20170054168A (ko) | 레이더 시스템의 씨파를 기반으로 하는 신호 처리 방법 및 그 장치 | |
CN115545133B (zh) | 井口人员一致性检测方法和装置 | |
KR102188567B1 (ko) | 3차원 레이저 스캐너를 이용한 도로 감시 시스템 | |
EP4321901A1 (en) | Target detection method and system |
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 |