CN114419485A - 基于摄像头的智能车速测量方法、系统、存储介质及计算机设备 - Google Patents
基于摄像头的智能车速测量方法、系统、存储介质及计算机设备 Download PDFInfo
- Publication number
- CN114419485A CN114419485A CN202111558421.2A CN202111558421A CN114419485A CN 114419485 A CN114419485 A CN 114419485A CN 202111558421 A CN202111558421 A CN 202111558421A CN 114419485 A CN114419485 A CN 114419485A
- Authority
- CN
- China
- Prior art keywords
- boundary
- camera
- roi
- target vehicle
- coordinate
- 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.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于摄像头的智能车速测量方法,通过对摄像头的监控画面的区域边界绘制,划定出所述监控画面中被测路段的ROI区域;获取所述摄像头的视频流数据,并检测跟踪所述视频流数据中所述ROI区域内的目标车辆;根据所述目标车辆的跟踪定位信息和ROI区域的边界信息,计算所述目标车辆的车速;其中,所述跟踪定位信息包括目标车辆在所述ROI区域内的起始坐标、结束坐标以及对应的坐标定位时间,所述边界信息包括ROI区域的边界位置和边界测量距离;若所述车速超过预设阈值,则生成告警信息。本发明还提供了一种基于摄像头的智能车速测量系统、存储介质及计算机设备。借此,本发明实现了智能化的自动测速,具有更好的应用性且降低了设备成本。
Description
技术领域
本发明涉及道路管理技术领域,尤其涉及一种基于摄像头的智能车速测量方法、系统、存储介质及计算机设备。
背景技术
在道路管理领域,需要通过对道路上行驶的车辆进行测速来识别车辆超速情况。
现有的测速方案往往需要依赖雷达等专用传感器,而采用这类专用传感器的覆盖范围小,投入成本高;有些方案算法实现复杂,需要依赖高性能的计算设备完成实时计算;并且某些不依赖测速雷达的现有方案,存在测速精度不高,复杂难用的问题,不能同时进行不同方向的车速测量;
此外,现有方案对摄像头安装位置有较多限制,例如雷达测速设备,一般需要在车流的正上方。
综上可知,现有的方法在实际使用上,存在着较多的问题,所以有必要加以改进。
发明内容
针对上述的缺陷,本发明的目的在于提供一种基于摄像头的智能车速测量方法,系统、存储介质及其计算机设备,实现了智能化的自动测速,具有更好的应用性且降低了设备成本。
为了实现上述目的,本发明提供一种基于摄像头的智能车速测量方法,包括步骤:
通过对摄像头的监控画面的区域边界绘制,划定出所述监控画面中被测路段的ROI区域;
获取所述摄像头的视频流数据,并检测跟踪所述视频流数据中所述ROI区域内的目标车辆;
根据所述目标车辆的跟踪定位信息和所述ROI区域的边界信息,计算所述目标车辆的车速;其中,所述跟踪定位信息包括所述目标车辆在所述ROI区域内的起始坐标、结束坐标以及对应的坐标定位时间,所述边界信息包括所述ROI区域的边界位置和边界测量距离;
若所述车速超过预设阈值,则生成告警信息。
一方面,所述根据所述目标车辆的跟踪定位信息和所述ROI区域的边界信息,计算所述目标车辆的车速的步骤包括:
若所述起始坐标和所述结束坐标分别处于所述ROI区域相对的对边界线上,则计算所述对边界线之间的实际测量距离与所述目标车辆的通行时间之间的比值,以求得所述目标车辆的车速。
另一方面,所述根据所述目标车辆的跟踪定位信息和所述ROI区域的边界信息,计算所述目标车辆的车速的步骤包括:
若所述起始坐标位于所述ROI区域之内,且所述结束坐标处于所述ROI区域的边界线上,则根据所述起始坐标、所述结束坐标、所述视频帧数据上所述ROI区域的图像像素点数、以及所述ROI区域的所述边界测量距离计算所述目标车辆的移动距离;
依据所述移动距离和所述移动间隔时间,计算所述目标车辆的车速。
可选的,设所述目标车辆的所述车速为V,所述起点坐标和所述结束坐标之间的所述移动距离为L,所述移动间隔时间为T;则:
V=L/T;
L=(begin_r+prlb)/2*prlb;
begin_r=prlb-tb*det;
det=(prlb-prla)/lab;
其中,begin_r为所述起始坐标所在位置的像素间距对应的现实距离,det为相邻像素间距之间实际距离的增量值,prlb为所述结束坐标所在边界临近的像素间距对应的现实距离,prla为所述结束坐标另一相对边界临近的像素间距对应的现实距离,lab为所述目标车辆移动方向上的所述ROI区域两对边之间相垂直的图像像素点数,tb为所述目标车辆到终点边界的垂线的图像像素点数。
可选的,设所述结束坐标所在边界为b边,所述b边相对的另一边界为a边,所述a边在所述视频帧数据的图像像素长度为la,所述b边在所述视频帧数据的图像像素长度为lb,所述a边和所述b边之间在所述视频帧数据中相邻像素之间的等差均值为avgr,则依据如下公式:
la/lb=prlb/prla;
avgr=S/X;
(prlb+prla)/2=avgr;计算求得prla和prlb;
其中,S为所述ROI区的所述a边和所述b边之间垂直的现实距离,X为所述a边和所述b边之间在所述视频帧数据上的像素点数。
可选的,所述通过对摄像头的监控画面的区域边界绘制,划定出所述监控画面中被测路段的ROI区域的步骤之后,还包括:
获取对所述ROI区域各个边界线现实测量的边界测量距离,并将所述边界测量距离与对应的所述边界线进行关联记录。
可选的,所述通过对摄像头的监控画面的区域边界绘制,划定出所述监控画面中被测路段的ROI区域的步骤具体包括:
获取摄像头固定拍摄的监控画面;
在所述监控画面上绘制四边形区域,并记录所述四边形区域的对角坐标;
根据所述对角坐标确定所述摄像头实时监控画面的ROI区域。
还提供了一种基于摄像头的智能车速测量系统,包括有:
区域划定单元,用于通过对摄像头的监控画面的区域边界绘制,划定出所述监控画面中被测路段的ROI区域;
检测跟踪单元,用于获取所述摄像头的视频流数据,并检测跟踪所述视频流数据中所述ROI区域内的目标车辆;
计算单元,用于根据所述目标车辆的跟踪定位信息和所述ROI区域的边界信息,计算所述目标车辆的车速;其中,所述跟踪定位信息包括所述目标车辆在所述ROI区域内的起始坐标、结束坐标以及对应的坐标定位时间,所述边界信息包括所述ROI区域的边界位置和边界测量距离;
告警单元,用于若所述车速超过预设阈值,则生成告警信息。
另外,还提供了一种存储介质和计算机设备,所述存储介质用于存储一种用于执行上述基于摄像头的智能车速测量方法的计算机程序。
所述计算机设备包括存储介质、处理器以及存储在所述存储介质上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的基于摄像头的智能车速测量方法。
本发明所述的基于摄像头的智能车速测量方法及其系统,通过预先在摄像头的监控画面中绘制出被测路段的ROI区域;获取摄像头的视频流数据,并检测跟踪所述视频流数据中的ROI区域的目标车辆;依据所述目标车辆的跟踪定位信息和ROI区域的边界信息,以计算出目标车辆的车速;当车速超过预设阈值时,生成告警信息。据此,本发明实现了智能化的自动测速,具有更好的应用性且降低了设备成本。
附图说明
图1为本发明一实施例提供的所述基于摄像头的智能车速测量方法的步骤流程图;
图2为本发明一实施例提供的所述基于摄像头的智能车速测量方法用于区域划定可选的步骤流程图;
图3为本发明一实施例提供的所述基于摄像头的智能车速测量方法用于检测跟踪可选的步骤流程图;
图4为本发明一实施例提供的所述基于摄像头的智能车速测量系统的结构示意框图;
图5为本发明一实施例提供的所述基于摄像头的智能车速测量系统的所述区域划定单元可选的结构示意框图;
图6为本发明一实施例提供的所述基于摄像头的智能车速测量系统的所述检测跟踪单元可选的结构示意框图;
图7为本发明所述基于摄像头的智能车速测量方法的一具体应用的监控画面示意图;
图8示出本发明所述基于摄像头的智能车速测量方法在所述监控画面中标定ROI区域的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
需要说明的,本说明书中针对“一个实施例”、“实施例”、“示例实施例”等的引用,指的是描述的该实施例可包括特定的特征、结构或特性,但是不是每个实施例必须包含这些特定特征、结构或特性。此外,这样的表述并非指的是同一个实施例。进一步,在结合实施例描述特定的特征、结构或特性时,不管有没有明确的描述,已经表明将这样的特征、结构或特性结合到其它实施例中是在本领域技术人员的知识范围内的。
此外,在说明书及后续的权利要求当中使用了某些词汇来指称特定组件或部件,所属领域中具有通常知识者应可理解,制造商可以用不同的名词或术语来称呼同一个组件或部件。本说明书及后续的权利要求并不以名称的差异来作为区分组件或部件的方式,而是以组件或部件在功能上的差异来作为区分的准则。在通篇说明书及后续的权利要求书中所提及的“包括”和“包含”为一开放式的用语,故应解释成“包含但不限定于”。以外,“连接”一词在此系包含任何直接及间接的电性连接手段。间接的电性连接手段包括通过其它装置进行连接。
图1示出本发明一实施例提供的基于摄像头的智能车速测量方法,所述智能车速测量方法具体由摄像头以及与所述摄像头通信连接的AI边缘计算机实现;AI(ArtificialIntelligence,人工智能)边缘计算设备是基于ARM处理器的计算机平台,具有AI算法模型运行加速功能,能高效完成目前流行的AI算法(例如YOLO)计算。所述方法的步骤如下:
S101:通过对摄像头的监控画面的区域边界绘制,划定出所述监控画面中被测路段的ROI(region of interest,感兴趣区域)区域。可选的,步骤S101之后,还包括:获取对所述ROI区域各个边界线现实测量的边界测量距离,并将所述边界测量距离与对应的所述边界线进行关联记录。其中,所述ROI区域为四边形结构,所述边界测量距离即为ROI区域的各个边界线经实地勘测而获得的距离。即本实施例通过在摄像头的监控画面上标定出ROI区域,同时进行实地测量,获得该ROI区域对应的边界测量距离,再将测量数据与对应的边界线进行关联记录;其中,边界测量距离即为实地勘测获得的距离。具体实施中,在绘制ROI区域时,利用道路宽度或其他参照物,使ROI区域对边与对应路面的实际距离接近或相同,也即绘制ROI区域时,以道路宽度或者道路边沿或者代理标线等作为参照物绘制ROI区域的边界线,使得四边形的ROI区域一对边对应道路路面的实际宽度,另一对边尽可能的接近道路路面边沿,所述ROI区域的绘制如图8所示,从而克服视频流图像中车辆近大远小的不利因素,大幅度提升车速计算的准确度。
参见图2,一可选的实施方式中,步骤S101具体包括:
S1011:获取摄像头固定拍摄的监控画面。
S1012:在所述监控画面上绘制四边形区域,并记录所述四边形区域的对角坐标。
S1013:根据所述对角坐标确定所述摄像头实时监控画面的ROI区域。
本实施例通过固定摄像头的拍摄角度,同时预先在摄像头的监控画面上绘制出四边形区域,并计算下该四边形区域的对角坐标;所述对角坐标具体是指监控画面上的坐标信息;此后,在摄像头后续的视频监控过程中,均依据这四个对角坐标确定出ROI区域。
S102:获取所述摄像头的视频流数据,并检测跟踪视频流数据中所述ROI区域内的目标车辆。本实施例在对目标车辆检测跟踪的过程中,持续输出相应的检测跟踪信息。
在目标车辆的检测识别及跟踪过程中,为每一目标车辆分别配置对应的车辆识别框,所述车辆识别框及检测识别结果信息跟随对应的目标车辆以显示于监控画面中;例如,所述车辆识别框上方设有标题信息栏以显示检测识别结果信息,如:“42:car”,第一个数字42为系统为车辆分配的“识别编码”,其用于跟踪车辆。在检测跟踪的过程中,同一车辆的编码相同。所述识别编码后的字母表示车的“类型名称”。当AI边缘计算设备成功完成某一车辆测速后,会在其车辆识别框上对于显示车速,例如:“42:car 42.94km/h”。若某一车辆超速,则将对应的车辆识别框进行颜色标识,如采用红色框表示车辆已经超过设定超速值,此时触发超声告警并上报给本地配置管理WEB或云端配置管理WEB上显示。可选的,检测识别结果信息包括目标车辆的识别编码、目标车辆的类型名称、目标车辆的车速以及目标车辆是否超速等信息。
参见图3,一种可选的实施方式中,步骤S102具体包括:
S1021:获取摄像头的视频流数据,并逐帧提取所述视频流数据中的帧图像。
S1022:根据对所述帧图像的图像识别,以检测识别ROI区域中的目标车辆。
S1023:通过比对连续帧图像之间的识别结果,分析获得所述目标车辆的跟踪定位信息。
具体实施时,以一个固定周期,例如100ms或200ms,抓取一个摄像头视频帧图像,进行AI车辆检测,记录所有识别成功车辆的方框位置及宽高。车辆的AI对象检测,需要基于车辆的识别算法模型,可采用YOLO(一种目标检测算法)算法进行训练获取,也可以通过现有技术开放的车辆识别算法模型来实现。
完成对目标车辆的识别后,可根据最新一帧画面内的各个车辆识别结果,与前一帧画面的车辆识别结果进行比较,通过位置远近及车辆图像相似度判定,识别出连续两个帧图像上的相同车辆,用相同的编号标记,同时更新跟踪车辆的最新位置。如果前一帧存在的车辆,本帧内消失了,则认为车辆跟踪停止。
本实施例判断是否同一辆车的比较算法:可采用车辆识别区域的直方图比较等算法,或者其他开源的图像相似度判断算法。结合车辆位置变化惯性预测,能实现较稳定的车辆跟踪,跟踪算法也可采用其他开放的算法,能完成车辆的跟踪即可。
S103:根据目标车辆的跟踪定位信息和ROI区域的边界信息,计算所述目标车辆的车速;其中,所述跟踪定位信息包括目标车辆在ROI区域内的起始坐标、结束坐标以及对应的坐标定位时间,所述边界信息包括ROI区域的边界位置和边界测量距离。具体根据目标车辆的移动距离与间隔时间的比值来计算目标车辆的车速,而所述间隔时间由摄像头捕获图像的系统时间所确定,所述移动距离则由起始坐标、结束坐标、坐标定位时间以及边界位置和边界测量距离进行推导计算而出。
S104:若所述车速超过预设阈值,则生成告警信息。可选的,步骤S104具体包括:若所述车速超过预设阈值,则截取对应的目标车辆的跟踪图片,并根据所述跟踪图片生成告警信息。具体的,当发现存在某一车辆超速时,将该车辆最后一个跟踪图片保存,并在跟踪图片上标注提示框及车速信息,生成告警消息上报。
本实施例预先在摄像头的监控画面中标定出被测路段的ROI区域,并根据摄像头采集的视频流数据进行检测跟踪,进而依据对目标车辆的跟踪定位信息以及所述ROI区域的边界信息,计算出对应车辆的车速;当车速超过预设阈值时,生成超速的告警信息。所述智能车速测量方法具体由摄像头和AI边缘计算设备实现,每一ROI区域部署有至少一摄像头,若干个摄像头通过网线持续将视频流发送到AI边缘计算设备,由AI边缘计算设备负责车辆的识别跟踪,并在AI边缘计算设备上计算出车速值,同时完成是否超速的判断。
一方面,步骤S103包括:
若所述起始坐标和结束坐标分别处于ROI区域相对的对边界线上,则计算所述对边界线之间的实际测量距离与目标车辆的通行时间之间的比值,以求得目标车辆的车速。例如,目标车辆在进入到ROI区域的一边界的时间为T1,从另一相对边界离开的时间为T2,所述ROI区域在两个相对边界之间的实际测量距离为L12,则计算该目标车辆的车速为L12/(T2-T1)。
另一方面,步骤S103包括:
若所述起始坐标位于ROI区域之内,且所述结束坐标处于ROI区域的边界线上,则根据所述起始坐标、结束坐标、所述视频帧数据上ROI区域的图像像素点数、以及所述ROI区域的边界测量距离计算目标车辆的移动距离;依据所述移动距离和所述移动间隔时间,计算所述目标车辆的车速。本实施例依据所述ROI区域的边界测量距离和目标车辆在ROI区域上的跟踪定位信息,计算推导出目标车辆在ROI区域中的移动距离,进而计算所述移动距离和移动间隔时间的比值,以求得目标车辆的车速。具体实施时,设所述目标车辆的所述车速为V,所述起点坐标和所述结束坐标之间的所述移动距离为L,所述移动间隔时间为T;则:
V=L/T;
L=(begin_r+prlb)/2*prlb;
begin_r=prlb-tb*det;
det=(prlb-prla)/lab;
其中,begin_r为起始坐标所在位置的像素间距对应的现实距离,det为相邻像素间距之间实际距离的增量值,prlb为结束坐标所在边界临近的像素间距对应的现实距离,prla为结束坐标另一相对边界临近的像素间距对应的现实距离,lab为目标车辆移动方向上的ROI区域两对边之间相垂直的图像像素点数,tb为所述目标车辆到终点边界的垂线的图像像素点数。其中,所述终点边界是指基于目标车辆行驶方向预测的所述目标车辆离开ROI区域时的边界线;参见图7,一具体应用中,参数lab为ROI区域一组对边a和b边之间相垂直的图像像素点数,参数tb即为目标车辆car2到b边的垂线的像素点数。
可选的,设所述结束坐标所在边界为b边,所述b边相对的另一边界为a边,所述a边在所述视频帧数据的图像像素长度为la,所述b边在所述视频帧数据的图像像素长度为lb,所述a边和所述b边之间在所述视频帧数据中相邻像素之间的等差均值为avgr,则依据如下公式:
la/lb=prlb/prla;
avgr=S/X;
(prlb+prla)/2=avgr;计算求得prla和prlb;
其中,S为所述ROI区的所述a边和所述b边之间垂直的现实距离,X为所述a边和所述b边之间在所述视频帧数据上的像素点数。
图7示出本发明所述基于摄像头的智能车速测量方法一具体应用的ROI区域,其中ROI区域为四边形区域,如图所示,图像分成5个区域(区域1、区域2、区域3、区域4以及中的ROI区域)。
根据车辆在不同区域之间的转移,可确定对应车辆的移动方向。若车辆的起始检测位置在区域4,结束检测位置在区域2,则认定该车辆是从左上向右下方向移动。图示的car2起始位置在ROI区域内,结束位置在区域3,认定该car2是从左下向右上移动,移动距离参照a边到b边的距离。即本实施例可实现在不同车流方向的区分,实现多方向的同时测速,例如能同时测量交叉方向上行驶的车辆的车速。
如图示,car1从区域1到区域3,在ROI区域的移动距离就等于a边到b边的实际垂直距离。此时,可通过计算所述对边界线之间的实际测量距离与目标车辆的通行时间之间的比值,以求得car1的车速。
在该ROI区域中,car2起始位置在ROI区域内,结束位置在区域3,移动的实际距离通过如下算法计算:
摄像头捕获的图像由固定间距的像素点组成,图像上的距离可以用两个点间的像素点数表示。由于ROI区域绘制时,确保了a边和b边与对应道路路面的实际距离(如宽度)相同,但在摄像头拍摄的图像里,两边的像素长度(分别标记为la,lb)是不同的,原因是b边更远,近大远小。
其中,la和lb的比值,与a边相邻的像素间距对应的实际距离(标记为prla)比b边相邻的像素间距对应的实际距离(prlb)成反比例;即la/lb=prlb/prla,b边在远处,那么从a边到b边的方向上,每两个像素点的间距代表的实际距离,是线性增长的,即a边到b边之间的像素点所对应的实际间距呈等差数列分布,每个像素间距上增加值是一个固定数值,该距离即为等差数列的均值,其计算公式为:
avgr=(a边到b边实际距离)/(a边到b边之间像素点数);
同时,等差数列头尾相加的二分之一即为该等差数列的均值,即:
(prlb+prla)/2=avgr;
综上得出两个方程如下:
la/lb=prlb/prla;
(prlb+prla)/2=avgr;
其中,la、lb、avgr为已知,则可求得与a边相邻像素间距对应的实际距离prla和与b边相邻像素间距对应的实际距离prlb成反比例。
进一步的,设car2到a边距离为ta像素,car2到b边记录为tb像素;a边到b边之间垂直距离表示为lab像素,
则像素间距代表实际距离的增量值为det=(prlb-prla)/lab;
car2起始位置的像素间距代表的实际距离为begin_r=prlb-tb*det;
car2到b边的实际距离为real_len=(begin_r+prlb)/2*prlb;
car2从跟踪起始位置到b边的时间已知,设为time;
因此,car2的速度为:speed=real_len/time。
显然,采用本发明的算法不仅可依据ROI区域的边界信息来计算目标车辆完整通过ROI区域时的车速,还可以应用于车辆在ROI区域内向ROI区域之外移动的车速进行测速。
图4示出本发明一实施例提供的基于摄像头的智能车速测量系统100,其包括有区域划定单元10、检测跟踪单元20、计算单元30以及告警单元40,其中:
区域划定单元10用于通过对摄像头的监控画面的区域边界绘制,划定出所述监控画面中被测路段的ROI区域;检测跟踪单元20用于获取摄像头的视频流数据,并检测跟踪所述视频流数据中ROI区域内的目标车辆;计算单元30用于根据所述目标车辆的跟踪定位信息和ROI区域的边界信息,计算目标车辆的车速;其中,所述跟踪定位信息包括所述目标车辆在ROI区域内的起始坐标、结束坐标以及对应的坐标定位时间,所述边界信息包括ROI区域的边界位置和边界测量距离;告警单元40用于若所述车速超过预设阈值,则生成告警信息。
具体实施中,本系统由摄像头和AI边缘计算设备实现,所述AI边缘计算设备可与云端配置管理WEB接口或者本地配置管理WEB接口连接,以使所述AI边缘计算设备将告警信息上报到云端配置管理WEB或本地配置管理WEB显示。其中,AI边缘计算设备通过网络与多个视频监控摄像头连接,以从视频监控摄像头上持续获取视频流数据,并在所述AI边缘计算设备上通过所述区域划定单元10、检测跟踪单元20、计算单元30以及告警单元40对视频流数据进行运算处理,以求得目标车辆的车速。本实施例可在本地配置管理WEB或云端配置管理WEB完成系统的初始配置。
本实施例需要预先在被测路段的道路旁或中央的上方架设测速用的摄像头,其安装位置尽可能高,让摄像头视野覆盖更大的路面范围,有利于提高测速准确度。本实施例可以灵活部署摄像头,无论拍摄车流是横向、纵向或斜方向,都能完成测速。部署之后,摄像头的监控角度固定不动,若需要变动则需要重新标定被测路段的ROI区域。
摄像头部署完成后,需要进行ROI区域和超速速度的配置,可通过本地配置管理WEB或云端配置管理WEB界面完成配置。配置的具体实施过程中,在浏览器打开管理WEB页面,通过截图功能,触发AI边缘计算设备抓取并上传一个摄像头拍摄的实时图片。用户基于图中的道路位置,手动绘制一个四边形的ROI区域。这个ROI区域的四个对角坐标在图片内的相对位置会被记录到AI边缘计算设备中,后续的测速依赖该设定。本实施例为确保ROI区域对边的实际长度尽可能相同,测速算法需基于此来提高精度,为此,所述ROI区域强制要求绘制四边形,且需要沿着被测路段的道路平行绘制;当然,特殊的路段可根据实地测量进行调整。完成ROI区域的绘制标定后,需要进一步设定ROI区域两个对边的实际距离,具体通过部署人员在被测路段上做标记,测量准确的实地距离。
本实施例基于标定的四边形ROI区域测速,能同时测量交叉路口两个方向上的车速,其适用面更广。适用于各种路面,所述ROI区域可在各种路面标定,不依赖路面的设施。例如在上坡,弯道,工厂内小路、有部分遮挡的路面等地方,都能方便的标定,实施车辆测速。
一方面,所述计算单元30用于:若所述起始坐标和结束坐标分别处于ROI区域相对的对边界线上,则计算所述对边界线之间的实际测量距离与目标车辆的通行时间之间的比值,以求得目标车辆的车速。
另一方面,所述计算单元30具体用于:若所述起始坐标位于ROI区域之内,且所述结束坐标处于ROI区域的边界线上,则根据所述起始坐标、结束坐标、视频帧数据上所述ROI区域的图像像素点数、以及所述ROI区域的边界测量距离计算所述目标车辆的移动距离;依据所述移动距离和移动间隔时间,计算目标车辆的车速。
具体实施时,设所述目标车辆的所述车速为V,所述起点坐标和结束坐标之间的移动距离为L,所述移动间隔时间为T;则:
V=L/T;
L=(begin_r+prlb)/2*prlb;
begin_r=prlb-tb*det;
det=(prlb-prla)/lab;
其中,begin_r为所述起始坐标所在位置的像素间距对应的现实距离,det为相邻像素间距之间实际距离的增量值,prlb为所述结束坐标所在边界临近的像素间距对应的现实距离,prla为所述结束坐标另一相对边界临近的像素间距对应的现实距离,lab为所述目标车辆移动方向上的所述ROI区域两对边之间相垂直的图像像素点数,tb为所述目标车辆到终点边界的垂线的图像像素点数。
可选的,设结束坐标所在边界为b边,所述b边相对的另一边界为a边,所述a边在所述视频帧数据的图像像素长度为la,所述b边在所述视频帧数据的图像像素长度为lb,所述a边和b边之间在视频帧数据中相邻像素之间的等差均值为avgr,则依据如下公式:
la/lb=prlb/prla;
avgr=S/X;
(prlb+prla)/2=avgr;计算求得prla和prlb;
其中,S为所述ROI区的所述a边和所述b边之间垂直的现实距离,X为所述a边和所述b边之间在所述视频帧数据上的像素点数。
一实施例中,还包括有测量记录单元,其用于获取对所述ROI区域各个边界线现实测量的边界测量距离,并将所述边界测量距离与对应的所述边界线进行关联记录。
参见图5,一种可选的实施方式中,区域划定单元10具体包括获取子单元11、绘制子单元12以及坐标确定子单元13,其中:
获取子单元11用于获取摄像头固定拍摄的监控画面;绘制子单元12用于在所述监控画面上绘制四边形区域,并记录所述四边形区域的对角坐标;坐标确定子单元13用于根据所述对角坐标确定所述摄像头实时监控画面的ROI区域。
参见图6,一种可选的实施方式中,检测跟踪单元20具体包括视频抽帧子单元21、图像识别子单元22以及跟踪分析子单元23,其中:
视频抽帧子单元21用于获取所述摄像头的视频流数据,并逐帧提取所述视频流数据中的帧图像;图像识别子单元22用于根据对所述帧图像的图像识别,以检测识别所述ROI区域中的目标车辆;跟踪分析子单元23用于通过比对连续帧图像之间的识别结果,分析获得所述目标车辆的跟踪定位信息。
可选的,所述告警单元40具体用于:若所述车速超过预设阈值,则截取对应的所述目标车辆的跟踪图片,并根据所述跟踪图片生成告警信息。
本发明基于普通的摄像头,不需要超声波雷达等额外设备,大幅度降低实施成本。并且测速摄像头容易部署,能适应各种高度、各种方位的安装。
通过内置的一套管理系统,能远程设定超速报警门限,自动抓拍记录超速车辆,大幅度减少维护人力投入;提供了远程标定路面的测速区域的方案,摄像头位置调整后,重新配置即可快速恢复使用。单人通过便携电脑设备,可以在测速区域测出测速ROI区域四边形两个对边之间的实际距离,输入系统,即可实现高精度测速。粗略的测试,只需要估计实际距离进行配置即可。
本发明利用道路宽度或其他参照物,使测速区域对边对应的实际距离接近相同,利用这个关系,通过数学计算,克服视频中车辆近大远小的不利因素,大幅度提升速度计算的准确度。
基于AI车辆识别及跟踪技术,实现同时对多个方向上的多个车辆分别跟踪。车辆进入测速ROI区域时或之后,开始车辆的跟踪,车辆离开ROI区域后,计算其移动距离及所用时间,得出速度。能准确区分不同的车辆,分别得出准确的车速,实用性高。基于AI识别技术,还可能实现只对某类车辆进行测速;能自动上报超速车辆图片、短视频及速度信息到云端或其他存储设备。
本发明还提供一种存储介质,用于存储如图1~图2所述基于摄像头的智能车速测量方法的计算机程序。例如计算机程序指令,当其被计算机执行时,通过该计算机的操作,可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令,可能被存储在固定的或可移动的存储介质中,和/或通过广播或其他信号承载媒体中的数据流而被传输和/或被存储在根据程序指令运行的计算机设备的存储介质中。在此,根据本申请的一个实施例包括如图3所示基于摄像头的智能车速测量系统的计算机设备,所述计算机设备优选包括用于存储计算机程序的存储介质和用于执行计算机程序的处理器,其中,当该计算机程序被该处理器执行时,触发该计算机设备执行基于前述多个实施例中的方法和/或技术方案。
需要注意的是,本申请可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中,本申请的软件程序可以通过处理器执行以实现上文步骤或功能。同样地,本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本申请的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
根据本发明的方法可以作为计算机实现方法在计算机上实现、或者在专用硬件中实现、或以两者的组合的方式实现。用于根据本发明的方法的可执行代码或其部分可以存储在计算机程序产品上。计算机程序产品的示例包括存储器设备、光学存储设备、集成电路、服务器、在线软件等。优选地,计算机程序产品包括存储在计算机可读介质上以便当所述程序产品在计算机上执行时执行根据本发明的方法的非临时程序代码部件。
在优选实施例中,计算机程序包括适合于当计算机程序在计算机上运行时执行根据本发明的方法的所有步骤的计算机程序代码部件。优选地,在计算机可读介质上体现计算机程序。
综上所述,本发明所述的基于摄像头的智能车速测量方法及其系统,通过预先在摄像头的监控画面中绘制出被测路段的ROI区域;获取摄像头的视频流数据,并检测跟踪所述视频流数据中的ROI区域的目标车辆;依据所述目标车辆的跟踪定位信息和ROI区域的边界信息,以计算出目标车辆的车速;当车速超过预设阈值时,生成告警信息。据此,本发明实现了智能化的自动测速,具有更好的应用性且降低了设备成本。
当然,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,熟悉本领域的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。
本发明还提供了A1、一种基于摄像头的智能车速测量方法,包括步骤:
通过对摄像头的监控画面的区域边界绘制,划定出所述监控画面中被测路段的ROI区域;
获取所述摄像头的视频流数据,并检测跟踪所述视频流数据中所述ROI区域内的目标车辆;
根据所述目标车辆的跟踪定位信息和所述ROI区域的边界信息,计算所述目标车辆的车速;其中,所述跟踪定位信息包括所述目标车辆在所述ROI区域内的起始坐标、结束坐标以及对应的坐标定位时间,所述边界信息包括所述ROI区域的边界位置和边界测量距离;
若所述车速超过预设阈值,则生成告警信息。
A2、根据A1所述的基于摄像头的智能车速测量方法,所述根据所述目标车辆的跟踪定位信息和所述ROI区域的边界信息,计算所述目标车辆的车速的步骤包括:
若所述起始坐标和所述结束坐标分别处于所述ROI区域相对的对边界线上,则计算所述对边界线之间的实际测量距离与所述目标车辆的通行时间之间的比值,以求得所述目标车辆的车速。
A3、根据A1所述的基于摄像头的智能车速测量方法,所述根据所述目标车辆的跟踪定位信息和所述ROI区域的边界信息,计算所述目标车辆的车速的步骤包括:
若所述起始坐标位于所述ROI区域之内,且所述结束坐标处于所述ROI区域的边界线上,则根据所述起始坐标、所述结束坐标、所述视频帧数据上所述ROI区域的图像像素点数、以及所述ROI区域的所述边界测量距离计算所述目标车辆的移动距离;
依据所述移动距离和所述移动间隔时间,计算所述目标车辆的车速。
A4、根据A3所述的基于摄像头的智能车速测量方法,设所述目标车辆的所述车速为V,所述起点坐标和所述结束坐标之间的所述移动距离为L,所述移动间隔时间为T;则:
V=L/T;
L=(begin_r+prlb)/2*prlb;
begin_r=prlb-tb*det;
det=(prlb-prla)/lab;
其中,begin_r为所述起始坐标所在位置的像素间距对应的现实距离,det为相邻像素间距之间实际距离的增量值,prlb为所述结束坐标所在边界临近的像素间距对应的现实距离,prla为所述结束坐标另一相对边界临近的像素间距对应的现实距离,lab为所述目标车辆移动方向上的所述ROI区域两对边之间相垂直的图像像素点数,tb为所述目标车辆到终点边界的垂线的图像像素点数。
A5、根据A4所述的基于摄像头的智能车速测量方法,设所述结束坐标所在边界为b边,所述b边相对的另一边界为a边,所述a边在所述视频帧数据的图像像素长度为la,所述b边在所述视频帧数据的图像像素长度为lb,所述a边和所述b边之间在所述视频帧数据中相邻像素之间的等差均值为avgr,则依据如下公式:
la/lb=prlb/prla;
avgr=S/X;
(prlb+prla)/2=avgr;计算求得prla和prlb;
其中,S为所述ROI区的所述a边和所述b边之间垂直的现实距离,X为所述a边和所述b边之间在所述视频帧数据上的像素点数。
A6、根据A1所述的基于摄像头的智能车速测量方法,所述通过对摄像头的监控画面的区域边界绘制,划定出所述监控画面中被测路段的ROI区域的步骤之后,还包括:
获取对所述ROI区域各个边界线现实测量的边界测量距离,并将所述边界测量距离与对应的所述边界线进行关联记录。
A7、根据A1所述的基于摄像头的智能车速测量方法,所述通过对摄像头的监控画面的区域边界绘制,划定出所述监控画面中被测路段的ROI区域的步骤具体包括:
获取摄像头固定拍摄的监控画面;
在所述监控画面上绘制四边形区域,并记录所述四边形区域的对角坐标;
根据所述对角坐标确定所述摄像头实时监控画面的ROI区域。
A8、根据A1所述的基于摄像头的智能车速测量方法,所述获取所述摄像头的视频流数据,并检测跟踪所述视频流数据中所述ROI区域内的目标车辆的步骤具体包括:
获取所述摄像头的视频流数据,并逐帧提取所述视频流数据中的帧图像;
根据对所述帧图像的图像识别,以检测识别所述ROI区域中的目标车辆;
通过比对连续帧图像之间的识别结果,分析获得所述目标车辆的跟踪定位信息。
A9、根据A1所述的基于摄像头的智能车速测量方法,所述若所述车速超过预设阈值,则生成告警信息的步骤具体包括:
若所述车速超过预设阈值,则截取对应的所述目标车辆的跟踪图片,并根据所述跟踪图片生成告警信息。
还提供了B10、一种基于摄像头的智能车速测量系统,包括有:
区域划定单元,用于通过对摄像头的监控画面的区域边界绘制,划定出所述监控画面中被测路段的ROI区域;
检测跟踪单元,用于获取所述摄像头的视频流数据,并检测跟踪所述视频流数据中所述ROI区域内的目标车辆;
计算单元,用于根据所述目标车辆的跟踪定位信息和所述ROI区域的边界信息,计算所述目标车辆的车速;其中,所述跟踪定位信息包括所述目标车辆在所述ROI区域内的起始坐标、结束坐标以及对应的坐标定位时间,所述边界信息包括所述ROI区域的边界位置和边界测量距离;
告警单元,用于若所述车速超过预设阈值,则生成告警信息。
B11、根据B10所述的基于摄像头的智能车速测量系统,所述计算单元用于:
若所述起始坐标和所述结束坐标分别处于所述ROI区域相对的对边界线上,则计算所述对边界线之间的实际测量距离与所述目标车辆的通行时间之间的比值,以求得所述目标车辆的车速。
B12、根据B10所述的基于摄像头的智能车速测量系统,所述计算单元用于:
若所述起始坐标位于所述ROI区域之内,且所述结束坐标处于所述ROI区域的边界线上,则根据所述起始坐标、所述结束坐标、所述视频帧数据上所述ROI区域的图像像素点数、以及所述ROI区域的所述边界测量距离计算所述目标车辆的移动距离;
依据所述移动距离和所述移动间隔时间,计算所述目标车辆的车速。
B13、根据B12所述的基于摄像头的智能车速测量系统,设所述目标车辆的所述车速为V,所述起点坐标和所述结束坐标之间的所述移动距离为L,所述移动间隔时间为T;则:
V=L/T;
L=(begin_r+prlb)/2*prlb;
begin_r=prlb-tb*det;
det=(prlb-prla)/lab;
其中,begin_r为所述起始坐标所在位置的像素间距对应的现实距离,det为相邻像素间距之间实际距离的增量值,prlb为所述结束坐标所在边界临近的像素间距对应的现实距离,prla为所述结束坐标另一相对边界临近的像素间距对应的现实距离,lab为所述目标车辆移动方向上的所述ROI区域两对边之间相垂直的图像像素点数,tb为所述目标车辆到终点边界的垂线的图像像素点数。
B14、根据B13所述的基于摄像头的智能车速测量系统,设所述结束坐标所在边界为b边,所述b边相对的另一边界为a边,所述a边在所述视频帧数据的图像像素长度为la,所述b边在所述视频帧数据的图像像素长度为lb,所述a边和所述b边之间在所述视频帧数据中相邻像素之间的等差均值为avgr,则依据如下公式:
la/lb=prlb/prla;
avgr=S/X;
(prlb+prla)/2=avgr;计算求得prla和prlb;
其中,S为所述ROI区的所述a边和所述b边之间垂直的现实距离,X为所述a边和所述b边之间在所述视频帧数据上的像素点数。
B15、根据B10所述的基于摄像头的智能车速测量系统,还包括有:
测量记录单元,用于获取对所述ROI区域各个边界线现实测量的边界测量距离,并将所述边界测量距离与对应的所述边界线进行关联记录。
B16、根据B10所述的基于摄像头的智能车速测量系统,所述区域划定单元具体包括:
获取子单元,用于获取摄像头固定拍摄的监控画面;
绘制子单元,用于在所述监控画面上绘制四边形区域,并记录所述四边形区域的对角坐标;
坐标确定子单元,用于根据所述对角坐标确定所述摄像头实时监控画面的ROI区域。
B17、根据B10所述的基于摄像头的智能车速测量系统,所述检测跟踪单元具体包括:
视频抽帧子单元,用于获取所述摄像头的视频流数据,并逐帧提取所述视频流数据中的帧图像;
图像识别子单元,用于根据对所述帧图像的图像识别,以检测识别所述ROI区域中的目标车辆;
跟踪分析子单元,用于通过比对连续帧图像之间的识别结果,分析获得所述目标车辆的跟踪定位信息。
B18、根据B10所述的基于摄像头的智能车速测量系统,所述告警单元具体用于:
若所述车速超过预设阈值,则截取对应的所述目标车辆的跟踪图片,并根据所述跟踪图片生成告警信息。
还提供了C19、一种存储介质,用于存储一种用于执行A1~A9中任意一种所述基于摄像头的智能车速测量方法的计算机程序。
还提供了D20、一种计算机设备,包括存储介质、处理器以及存储在所述存储介质上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现A1~A9任一项所述基于摄像头的智能车速测量方法。
Claims (10)
1.一种基于摄像头的智能车速测量方法,其特征在于,包括步骤:
通过对摄像头的监控画面的区域边界绘制,划定出所述监控画面中被测路段的ROI区域;
获取所述摄像头的视频流数据,并检测跟踪所述视频流数据中所述ROI区域内的目标车辆;
根据所述目标车辆的跟踪定位信息和所述ROI区域的边界信息,计算所述目标车辆的车速;其中,所述跟踪定位信息包括所述目标车辆在所述ROI区域内的起始坐标、结束坐标以及对应的坐标定位时间,所述边界信息包括所述ROI区域的边界位置和边界测量距离;
若所述车速超过预设阈值,则生成告警信息。
2.根据权利要求1所述的基于摄像头的智能车速测量方法,其特征在于,所述根据所述目标车辆的跟踪定位信息和所述ROI区域的边界信息,计算所述目标车辆的车速的步骤包括:
若所述起始坐标和所述结束坐标分别处于所述ROI区域相对的对边界线上,则计算所述对边界线之间的实际测量距离与所述目标车辆的通行时间之间的比值,以求得所述目标车辆的车速。
3.根据权利要求1所述的基于摄像头的智能车速测量方法,其特征在于,所述根据所述目标车辆的跟踪定位信息和所述ROI区域的边界信息,计算所述目标车辆的车速的步骤包括:
若所述起始坐标位于所述ROI区域之内,且所述结束坐标处于所述ROI区域的边界线上,则根据所述起始坐标、所述结束坐标、所述视频帧数据上所述ROI区域的图像像素点数、以及所述ROI区域的所述边界测量距离计算所述目标车辆的移动距离;
依据所述移动距离和所述移动间隔时间,计算所述目标车辆的车速。
4.根据权利要求3所述的基于摄像头的智能车速测量方法,其特征在于,设所述目标车辆的所述车速为V,所述起点坐标和所述结束坐标之间的所述移动距离为L,所述移动间隔时间为T;则:
V=L/T;
L=(begin_r+prlb)/2*prlb;
begin_r=prlb-tb*det;
det=(prlb-prla)/lab;
其中,begin_r为所述起始坐标所在位置的像素间距对应的现实距离,det为相邻像素间距之间实际距离的增量值,prlb为所述结束坐标所在边界临近的像素间距对应的现实距离,prla为所述结束坐标另一相对边界临近的像素间距对应的现实距离,lab为所述目标车辆移动方向上的所述ROI区域两对边之间相垂直的图像像素点数,tb为所述目标车辆到终点边界的垂线的图像像素点数。
5.根据权利要求4所述的基于摄像头的智能车速测量方法,其特征在于,设所述结束坐标所在边界为b边,所述b边相对的另一边界为a边,所述a边在所述视频帧数据的图像像素长度为la,所述b边在所述视频帧数据的图像像素长度为lb,所述a边和所述b边之间在所述视频帧数据中相邻像素之间的等差均值为avgr,则依据如下公式:
la/lb=prlb/prla;
avgr=S/X;
(prlb+prla)/2=avgr;计算求得prla和prlb;
其中,S为所述ROI区的所述a边和所述b边之间垂直的现实距离,X为所述a边和所述b边之间在所述视频帧数据上的像素点数。
6.根据权利要求1所述的基于摄像头的智能车速测量方法,其特征在于,所述通过对摄像头的监控画面的区域边界绘制,划定出所述监控画面中被测路段的ROI区域的步骤之后,还包括:
获取对所述ROI区域各个边界线现实测量的边界测量距离,并将所述边界测量距离与对应的所述边界线进行关联记录。
7.根据权利要求1所述的基于摄像头的智能车速测量方法,其特征在于,所述通过对摄像头的监控画面的区域边界绘制,划定出所述监控画面中被测路段的ROI区域的步骤具体包括:
获取摄像头固定拍摄的监控画面;
在所述监控画面上绘制四边形区域,并记录所述四边形区域的对角坐标;
根据所述对角坐标确定所述摄像头实时监控画面的ROI区域。
8.一种基于摄像头的智能车速测量系统,其特征在于,包括有:
区域划定单元,用于通过对摄像头的监控画面的区域边界绘制,划定出所述监控画面中被测路段的ROI区域;
检测跟踪单元,用于获取所述摄像头的视频流数据,并检测跟踪所述视频流数据中所述ROI区域内的目标车辆;
计算单元,用于根据所述目标车辆的跟踪定位信息和所述ROI区域的边界信息,计算所述目标车辆的车速;其中,所述跟踪定位信息包括所述目标车辆在所述ROI区域内的起始坐标、结束坐标以及对应的坐标定位时间,所述边界信息包括所述ROI区域的边界位置和边界测量距离;
告警单元,用于若所述车速超过预设阈值,则生成告警信息。
9.一种存储介质,其特征在于,用于存储一种用于执行权利要求1~7中任意一种所述基于摄像头的智能车速测量方法的计算机程序。
10.一种计算机设备,包括存储介质、处理器以及存储在所述存储介质上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1~7任一项所述基于摄像头的智能车速测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111558421.2A CN114419485A (zh) | 2021-12-17 | 2021-12-17 | 基于摄像头的智能车速测量方法、系统、存储介质及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111558421.2A CN114419485A (zh) | 2021-12-17 | 2021-12-17 | 基于摄像头的智能车速测量方法、系统、存储介质及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114419485A true CN114419485A (zh) | 2022-04-29 |
Family
ID=81268371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111558421.2A Withdrawn CN114419485A (zh) | 2021-12-17 | 2021-12-17 | 基于摄像头的智能车速测量方法、系统、存储介质及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114419485A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116884235A (zh) * | 2023-08-09 | 2023-10-13 | 广东省交通运输规划研究中心 | 基于撞线的视频车速检测方法、装置、设备以及存储介质 |
CN118015850A (zh) * | 2024-04-08 | 2024-05-10 | 云南省公路科学技术研究院 | 一种多目标车辆车速同步估算方法、系统、终端及介质 |
-
2021
- 2021-12-17 CN CN202111558421.2A patent/CN114419485A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116884235A (zh) * | 2023-08-09 | 2023-10-13 | 广东省交通运输规划研究中心 | 基于撞线的视频车速检测方法、装置、设备以及存储介质 |
CN116884235B (zh) * | 2023-08-09 | 2024-01-30 | 广东省交通运输规划研究中心 | 基于撞线的视频车速检测方法、装置、设备以及存储介质 |
CN118015850A (zh) * | 2024-04-08 | 2024-05-10 | 云南省公路科学技术研究院 | 一种多目标车辆车速同步估算方法、系统、终端及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10871783B2 (en) | Advanced path prediction | |
AU2015306477B2 (en) | Method and axle-counting device for contact-free axle counting of a vehicle and axle-counting system for road traffic | |
US8600116B2 (en) | Video speed detection system | |
CN104021676B (zh) | 基于车辆动态视频特征的车辆定位及车速测量方法 | |
CN111753797B (zh) | 一种基于视频分析的车辆测速方法 | |
CN108364466A (zh) | 一种基于无人机交通视频的车流量统计方法 | |
CN111047879A (zh) | 一种车辆超速检测方法 | |
KR20190087276A (ko) | 영상 기반 교통량 측정 시스템 및 그 방법 | |
CN114419485A (zh) | 基于摄像头的智能车速测量方法、系统、存储介质及计算机设备 | |
JP6419260B1 (ja) | 交通情報取得装置、交通情報取得システム、交通情報取得方法、および交通情報取得プログラム | |
CN112991769A (zh) | 基于视频的交通量调查方法和装置 | |
KR100532058B1 (ko) | 카메라 캘리브레이션을 이용한 교통정보 추출 방법 및 장치 | |
CN112037536A (zh) | 一种基于视频特征识别的车辆测速方法及装置 | |
KR102380599B1 (ko) | 교통 정보 분석 시스템 및 그에 관한 방법 | |
CN113160299B (zh) | 基于卡尔曼滤波的车辆视频测速方法和计算机可读存储介质 | |
KR102161972B1 (ko) | 객체 간 거리를 이용한 교통량 산출장치 | |
Angel et al. | Application of aerial video for traffic flow monitoring and management | |
CN117671972B (zh) | 一种面向慢行交通系统的车辆速度检测方法及装置 | |
Linjie et al. | Approach to obtaining traffic volume and speed based on video-extracted trajectories | |
CN110969875A (zh) | 一种用于道路交叉口交通管理的方法及系统 | |
CN115792911B (zh) | 一种基于毫米波雷达的障碍物监测识别方法 | |
US20230196914A1 (en) | Stop detection device and stop detection method | |
Mehrubeoglu et al. | Determination of vehicle speed in traffic video | |
JP2007265012A (ja) | フロントガラスの範囲検出装置、方法及びプログラム | |
CN116767311A (zh) | 一种铁路作业装置的作业移动距离检测方法、系统和介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220429 |