CN114898577A - 一种用于高峰期通路管理的道路智能管理系统与方法 - Google Patents

一种用于高峰期通路管理的道路智能管理系统与方法 Download PDF

Info

Publication number
CN114898577A
CN114898577A CN202210818496.8A CN202210818496A CN114898577A CN 114898577 A CN114898577 A CN 114898577A CN 202210818496 A CN202210818496 A CN 202210818496A CN 114898577 A CN114898577 A CN 114898577A
Authority
CN
China
Prior art keywords
road
module
traffic
image data
vehicle
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
Application number
CN202210818496.8A
Other languages
English (en)
Other versions
CN114898577B (zh
Inventor
张卫平
丁烨
张思琪
向荣
丁园
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Global Digital Group Co Ltd
Original Assignee
Global Digital Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Global Digital Group Co Ltd filed Critical Global Digital Group Co Ltd
Priority to CN202210818496.8A priority Critical patent/CN114898577B/zh
Publication of CN114898577A publication Critical patent/CN114898577A/zh
Application granted granted Critical
Publication of CN114898577B publication Critical patent/CN114898577B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
    • 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
    • G08G1/0125—Traffic data processing
    • 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
    • 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
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/07—Controlling traffic signals
    • G08G1/08—Controlling traffic signals according to detected number or speed of vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种用于高峰期通路管理的道路智能管理系统与方法，包括包括监视终端、控制终端和收集终端，监视终端包括若干个摄像头，用于安装在对应的道路路沿，拍摄对应道路的行车情况，收集终端安装在车辆内部用于获取并传输车辆数据；控制终端包括图像处理模块、决策模块和传输模块，图像处理模块用于接收来自摄像头的图像数据并进行分析处理，决策模块用于根据分析处理后的图像数据以及来自收集终端的车辆数据生成对应的决策指令，传输模块用于将对应的决策指令传输到对应的交通管理设施，实现对道路交通的管理操作。本发明使得车辆数据的准确度提高，进而使得决策准确性提高，有利于在高峰期智能地、准确地、高效地管理道路的行车情况。

Description

一种用于高峰期通路管理的道路智能管理系统与方法
技术领域
本发明涉及交通管理装置技术领域，具体涉及一种用于高峰期通路管理的道路智能管理系统与方法。
背景技术
道路管理系统近20年来在道路工程界出现的一个新研究领域。对于城市中错综复杂的道路布置，应尽快建设好对应的道路管理系统，运用现代管理科学的理论、系统的分析方法和计算机技术手段，为道路管理提供科学的数据和分析方法，以便有效地缓解交通压力，提高道路行车安全，达到降低整个社会的交通运输成本，节约社会资源的目的。
现在已经开发出了很多道路管理系统，经过我们大量的检索与参考，发现现有技术的道路管理系统有如公开号为CN105321339A、CN108492593A、EP3493123A1、US20160275404A1、JP2020135797A 所公开的系统，这些系统一般包括：多辆车辆，每一车辆包括信号发射模块，用于向辅助驾驶装置发射该车辆的当前速度以及对应的车牌号；多个辅助驾驶装置，用于接收该道路上所有车辆的信号发射模块发送的对应车辆的当前速度以及对应的车牌号；决策模块，用于收集所有的辅助驾驶装置所接收信号，并结合道路布置以及收集的所有辅助驾驶装置所接收的信号来对信号灯进行优化，以获得一决策结果，从而允许至少大部分车辆顺畅地通行；控制模块，与决策模块相连，用于根据决策结果对信号灯进行控制。但由于数据检测、传输和接收过程中存在不同的误差，使得车辆数据的准确度下降，进而使得决策准确性降低，不利于准确高效地管理道路的行车情况。
发明内容
本发明的目的在于，针对上述道路管理系统存在的不足，提出了一种用于高峰期通路管理的道路智能管理系统与方法。
本发明采用如下技术方案：
一种用于高峰期通路管理的道路智能管理系统，包括监视终端、控制终端和收集终端，所述监视终端包括若干个摄像头，用于安装在对应的道路路沿，拍摄对应道路的行车情况，所述收集终端安装在车辆内部用于获取并传输车辆数据；所述控制终端包括图像处理模块、决策模块和传输模块，所述图像处理模块用于接收来自摄像头的图像数据并进行分析处理，所述决策模块用于根据分析处理后的图像数据以及来自收集终端的车辆数据生成对应的决策指令，所述传输模块用于将对应的决策指令传输到对应的交通管理设施，实现对道路交通的管理操作；
所述图像处理模块包括测速子模块，所述测速子模块用于根据分析处理后的图像数据计算出对应的车辆的车速；
当道路处于交通高峰期时，所述测速子模块计算车速前对图像数据中的车辆进行检测，以便于进行追踪，检测时满足以下式子：
Figure 948358DEST_PATH_IMAGE001
；
其中，图像数据序列中第n+1帧、第n帧和第n−1帧的图像分别为
Figure 750092DEST_PATH_IMAGE002
、
Figure 970989DEST_PATH_IMAGE003
和
Figure 590189DEST_PATH_IMAGE004
，三帧对应像素点的灰度值记为
Figure 529326DEST_PATH_IMAGE005
、
Figure 259385DEST_PATH_IMAGE006
和
Figure 334788DEST_PATH_IMAGE007
，
Figure 256DEST_PATH_IMAGE008
、
Figure 551323DEST_PATH_IMAGE009
；
对图像
Figure 960438DEST_PATH_IMAGE010
进行阈值处理得到二值化图像
Figure 890348DEST_PATH_IMAGE011
：
Figure 851351DEST_PATH_IMAGE012
；
其中，T表示可调阈值，
Figure 248571DEST_PATH_IMAGE013
；
Figure 586011DEST_PATH_IMAGE014
为图像数据内被检测区域中像素的总数，
Figure 901586DEST_PATH_IMAGE015
为光照的抑制函数，A 可设为整帧图像。
Figure 643277DEST_PATH_IMAGE016
表示为T的添加项，指整帧图像中光照的变化情况；
Figure 168936DEST_PATH_IMAGE017
；
其中，
Figure 654275DEST_PATH_IMAGE018
为可调的光照抑制基准系数，
Figure 824356DEST_PATH_IMAGE019
表示所述摄像头的CCD成像尺寸，
Figure 861583DEST_PATH_IMAGE020
表示
Figure 484325DEST_PATH_IMAGE018
的调节系数，
Figure 163568DEST_PATH_IMAGE021
；
根据
Figure 188156DEST_PATH_IMAGE022
进行连通性分析得到含有完整运动车辆的图像，实现检测和追踪。
可选的，所述测速子模块包括图像数据补全单元和测速单元，所述图像数据补全单元用于将图像数据进行补全和优化，所述测速单元用于根据补全和优化后的图像数据计算车辆的车速；
所述图像数据补全单元用于将图像数据进行补全和优化时，满足以下式子：
预设连续帧之间存在线性运动得：
Figure 537229DEST_PATH_IMAGE023
；
其中，x表示中间帧
Figure 506322DEST_PATH_IMAGE024
中的像素位置，
Figure 596113DEST_PATH_IMAGE024
表示给定的两个输入帧
Figure 740786DEST_PATH_IMAGE025
和
Figure 119815DEST_PATH_IMAGE026
使用运动信息预测的中间帧；
Figure 717150DEST_PATH_IMAGE027
和
Figure 472616DEST_PATH_IMAGE028
表示x处双向的运动矢量；
构建双向运动网络使用
Figure 471796DEST_PATH_IMAGE025
和
Figure 162672DEST_PATH_IMAGE026
估算
Figure 371936DEST_PATH_IMAGE029
和
Figure 540880DEST_PATH_IMAGE030
；
双向运动网络的参考特征图
Figure 394567DEST_PATH_IMAGE031
通过下式得到：
Figure 646557DEST_PATH_IMAGE032
；
其中，
Figure 952904DEST_PATH_IMAGE033
是从参考点到目标点的运动矢量场；
Figure 50173DEST_PATH_IMAGE034
表示目标特征图；
利用参考特征图的算式，根据两个输入帧的特征
Figure 761296DEST_PATH_IMAGE035
和
Figure 793974DEST_PATH_IMAGE036
以及向上采样的双边运动场
Figure 977831DEST_PATH_IMAGE037
和
Figure 488578DEST_PATH_IMAGE038
的第
Figure 316856DEST_PATH_IMAGE039
级进行估计，确定双边成本量
Figure 645069DEST_PATH_IMAGE040
：
Figure 926009DEST_PATH_IMAGE041
其中，X表示中间帧的像素位置，d表示位移矢量
Figure 630660DEST_PATH_IMAGE042
；
对两个输入帧之间
Figure 313445DEST_PATH_IMAGE043
和
Figure 687926DEST_PATH_IMAGE044
进行运动近似处理，得到前馈双边运动
Figure 315216DEST_PATH_IMAGE045
和
Figure 433345DEST_PATH_IMAGE046
：
Figure 95271DEST_PATH_IMAGE047
Figure 903302DEST_PATH_IMAGE048
再将反向双边运动
Figure 158834DEST_PATH_IMAGE049
和
Figure 939708DEST_PATH_IMAGE050
近似为：
Figure 331506DEST_PATH_IMAGE051
Figure 313369DEST_PATH_IMAGE052
使用动态局部混合滤波器对
Figure 180831DEST_PATH_IMAGE053
和
Figure 906341DEST_PATH_IMAGE054
、
Figure 152646DEST_PATH_IMAGE055
和
Figure 430044DEST_PATH_IMAGE056
、
Figure 129009DEST_PATH_IMAGE057
和
Figure 517265DEST_PATH_IMAGE058
进行帧的合成，满足以下式子：
Figure 883656DEST_PATH_IMAGE059
；
其中，将输入帧
Figure 932953DEST_PATH_IMAGE060
、
Figure 775007DEST_PATH_IMAGE061
、中间候选以及上下文映射输入到融合滤波器，融合滤波器对每个像素进行融合即可得到
Figure 576741DEST_PATH_IMAGE062
。
可选的，所述决策模块包括分析对比子模块和交通方案匹配子模块，所述分析对比子模块用于将分析处理后的图像数据和收集终端的车辆数据进行对比，得到对比结果，所述交通方案匹配子模块用于根据对比结果在预设的数据库中匹配对应的交通方案。
可选的，所述交通方案匹配子模块包括索引读取单元和选取单元，所述索引读取单元用于读取对比结果中对应的索引，所述选取单元用于根据读取到的索引在数据库中对索引相关的交通方案进行选取。
可选的，所述传输模块包括路口交通灯传输子模块和缓冲段交通灯传输子模块，所述路口交通灯传输子模块用于将对应交通方案的控制指令传输至高峰期道路路口处的交通灯，所述缓冲段交通灯传输子模块用于将将对应交通方案的控制指令传输至高峰期道路中预设的缓冲段的交通灯，所述缓冲段是对应道路中在高峰期启用的用于缓冲拥堵情况和塞车情况的路段。
一种用于高峰期通路管理的道路智能管理方法，应用于如上述的一种用于高峰期通路管理的道路智能管理系统，所述管理方法包括以下步骤：
S1，获取来自道路上摄像头的实时图像，对实时图像进行分析处理，得到图像中所有车辆的车速数据和车距数据；
S2，直接获取来自收集终端的各辆汽车的车辆数据；
S3，将图像中所有车辆的平均车速与车辆数据中的平均车速进行对比分析，得到数据分析结果；
S4，根据数据分析结果，在预设的数据库中选择对应的交通方案实现管理；
S5，将交通方案对应的控制指令发送至对应的交通管理设施，以便于实现控制。
本发明所取得的有益效果是：
1、将通过监控终端得到的数据与通过收集终端得到的数据进行对比，得到准确的数据再作出决策，完成快速准确地匹配控制指令，进而实现对道路交通设施的控制，从而实现准确高效的分析、决策、控制和管理；
2、在通过监控终端获取图像信息时，先对图像进行处理，使得系统能更准确、更快速地检测到图像中的所有车辆，并追踪到所有车辆，以便于提高计算车速的精度和检测车距的精度；
3、出于对摄像头参数的考虑引入调节系数，对光照的抑制函数作进一步优化，使得检测跟踪效果更准确，进一步提高了系统整体的准确性和效率；
4、对图像数据进行补全和优化，使得系统识别图像时更加流畅和准确，一方面提高图像的分辨率和质量，另一方面大大地提高了对车辆检测追踪的质量，从而使得本系统的数据准确，以至于决策、控制和管理均准确和高效。
为使能更进一步了解本发明的特征及技术内容，请参阅以下有关本发明的详细说明与附图，然而所提供的附图仅用于提供参考与说明，并非用来对本发明加以限制。
附图说明
图1为本发明整体结构框架示意图；
图2为本发明系统在检测追踪图像中车辆的处理流程示意图；
图3为本发明系统将图像数据进行补全时的方法流程示意图；
图4为本发明一种用于高峰期通路管理的道路智能管理方法的方法流程示意图；
图5为本发明一种用于高峰期通路管理的道路智能管理系统的应用效果图。
具体实施方式
以下是通过特定的具体实施例来说明本发明的实施方式，本领域技术人员可由本说明书所公开的内容了解本发明的优点与效果。本发明可通过其他不同的具体实施例加以施行或应用，本说明书中的各项细节也可基于不同观点与应用，在不背离本发明的精神下进行各种修饰与变更。另外，本发明的附图仅为简单示意说明，并非依实际尺寸描绘，事先声明。以下实施方式将进一步详细说明本发明的相关技术内容，但所公开的内容并非用以限制本发明的保护范围。
实施例一。
本实施例提供了一种用于高峰期通路管理的道路智能管理系统。结合图1所示，一种用于高峰期通路管理的道路智能管理系统，包括监视终端、控制终端和收集终端，所述监视终端包括若干个摄像头，用于安装在对应的道路路沿，拍摄对应道路的行车情况，所述收集终端安装在车辆内部用于获取并传输车辆数据；所述控制终端包括图像处理模块、决策模块和传输模块，所述图像处理模块用于接收来自摄像头的图像数据并进行分析处理，所述决策模块用于根据分析处理后的图像数据以及来自收集终端的车辆数据生成对应的决策指令，所述传输模块用于将对应的决策指令传输到对应的交通管理设施，实现对道路交通的管理操作；
所述图像处理模块包括测速子模块，所述测速子模块用于根据分析处理后的图像数据计算出对应的车辆的车速；
当道路处于交通高峰期时，所述测速子模块计算车速前对图像数据中的车辆进行检测，以便于进行追踪，检测时满足以下式子：
Figure 797637DEST_PATH_IMAGE063
；
其中，结合图2，图像数据序列中第n+1帧、第n帧和第n−1帧的图像分别为
Figure 416838DEST_PATH_IMAGE064
、
Figure 355975DEST_PATH_IMAGE065
和
Figure 961400DEST_PATH_IMAGE066
，三帧对应像素点的灰度值记为
Figure 161437DEST_PATH_IMAGE067
、
Figure 92484DEST_PATH_IMAGE068
和
Figure 112392DEST_PATH_IMAGE069
，
Figure 787087DEST_PATH_IMAGE070
、
Figure 982576DEST_PATH_IMAGE071
；图像
Figure 412421DEST_PATH_IMAGE072
是指：上述图像数据经过处理后得到的图像，具体处理方式为：通过
Figure 323220DEST_PATH_IMAGE073
处理得到；
对图像
Figure 536027DEST_PATH_IMAGE074
进行阈值处理得到二值化图像
Figure 445077DEST_PATH_IMAGE075
：
Figure 717927DEST_PATH_IMAGE076
；
其中，T表示可调阈值，
Figure 712427DEST_PATH_IMAGE077
；
Figure 728925DEST_PATH_IMAGE078
为图像数据内被检测区域中像素的总数，
Figure 633427DEST_PATH_IMAGE079
为光照的抑制函数，A 可设为整帧图像。
Figure 670653DEST_PATH_IMAGE080
表示为T的添加项，指整帧图像中光照的变化情况；
Figure 558975DEST_PATH_IMAGE081
；
其中，
Figure 113584DEST_PATH_IMAGE082
为可调的光照抑制基准系数，
Figure 997226DEST_PATH_IMAGE083
表示所述摄像头的CCD成像尺寸，
Figure 80720DEST_PATH_IMAGE084
表示
Figure 315392DEST_PATH_IMAGE082
的调节系数，
Figure 676622DEST_PATH_IMAGE085
；
根据
Figure 290137DEST_PATH_IMAGE086
进行连通性分析得到含有完整运动车辆的图像，实现检测和追踪。
可选的，所述测速子模块包括图像数据补全单元和测速单元，所述图像数据补全单元用于将图像数据进行补全和优化，所述测速单元用于根据补全和优化后的图像数据计算车辆的车速；
所述图像数据补全单元用于将图像数据进行补全和优化时，满足以下式子：
预设连续帧之间存在线性运动得：
Figure 934745DEST_PATH_IMAGE087
；
其中，x表示中间帧
Figure 532080DEST_PATH_IMAGE088
中的像素位置，
Figure 287546DEST_PATH_IMAGE088
表示给定的两个输入帧
Figure 21147DEST_PATH_IMAGE089
和
Figure 243181DEST_PATH_IMAGE090
使用运动信息预测的中间帧；
Figure 921287DEST_PATH_IMAGE091
和
Figure 621390DEST_PATH_IMAGE092
表示x处双向的运动矢量；
构建双向运动网络使用
Figure 209497DEST_PATH_IMAGE089
和
Figure 868011DEST_PATH_IMAGE090
估算
Figure 233746DEST_PATH_IMAGE093
和
Figure 471961DEST_PATH_IMAGE094
；
双向运动网络的参考特征图
Figure 180154DEST_PATH_IMAGE095
通过下式得到：
Figure 9569DEST_PATH_IMAGE096
；
其中，
Figure 537634DEST_PATH_IMAGE097
是从参考点到目标点的运动矢量场；
Figure 845118DEST_PATH_IMAGE098
表示目标特征图；
利用参考特征图的算式，根据两个输入帧的特征
Figure 798031DEST_PATH_IMAGE099
和
Figure 267189DEST_PATH_IMAGE100
以及向上采样的双边运动场
Figure 282550DEST_PATH_IMAGE101
和
Figure 987201DEST_PATH_IMAGE102
的第
Figure 684634DEST_PATH_IMAGE103
级进行估计，确定双边成本量
Figure 324694DEST_PATH_IMAGE104
：
Figure 92930DEST_PATH_IMAGE105
其中，X表示中间帧的像素位置，d表示位移矢量
Figure 335693DEST_PATH_IMAGE106
；
对两个输入帧之间
Figure 138564DEST_PATH_IMAGE107
和
Figure 215104DEST_PATH_IMAGE108
进行运动近似处理，得到前馈双边运动
Figure 736215DEST_PATH_IMAGE109
和
Figure 923614DEST_PATH_IMAGE110
：
Figure 440046DEST_PATH_IMAGE111
Figure 421908DEST_PATH_IMAGE112
再将反向双边运动
Figure 630648DEST_PATH_IMAGE113
和
Figure 480793DEST_PATH_IMAGE114
近似为：
Figure 992677DEST_PATH_IMAGE115
Figure 879861DEST_PATH_IMAGE116
使用动态局部混合滤波器对
Figure 234619DEST_PATH_IMAGE117
和
Figure 498241DEST_PATH_IMAGE118
、
Figure 864632DEST_PATH_IMAGE119
和
Figure 312931DEST_PATH_IMAGE120
、
Figure 30351DEST_PATH_IMAGE121
和
Figure 832085DEST_PATH_IMAGE122
进行帧的合成，满足以下式子：
Figure 177616DEST_PATH_IMAGE123
；
其中，将输入帧
Figure 672182DEST_PATH_IMAGE124
、
Figure 614249DEST_PATH_IMAGE125
、中间候选以及上下文映射输入到融合滤波器，融合滤波器对每个像素进行融合即可得到
Figure 344307DEST_PATH_IMAGE126
。
结合图3，上述关于中间帧的生成方法按照以下步骤实现：
A1，预测六个双边运动:两个来自双边运动网络，另外四个通过光流近似；
A2，在双边运动网络中，开发双边成本量以方便匹配过程；
A3，提取上下文地图来利用丰富的上下文信息；
A4，使用六个双边运动扭曲两个输入帧和相应的上下文映射，产生六对扭曲的帧和上下文映射；
A5，六个扭曲的帧由混合滤波器叠加以生成中间帧。
可选的，所述决策模块包括分析对比子模块和交通方案匹配子模块，所述分析对比子模块用于将分析处理后的图像数据和收集终端的车辆数据进行对比，得到对比结果，所述交通方案匹配子模块用于根据对比结果在预设的数据库中匹配对应的交通方案。预设的数据库包含在上述一种用于高峰期通路管理的道路智能管理系统内，用于存储各个交通方案。
具体的，进行对比的数据可以是但不限于车速，本实施例以车速作为例子进行说明。进行对比时，判断由图像分析得到的所有车辆的平均车速与来自收集终端的所有车辆的平均车速之差是否大于预设阈值，若是，则重新分析图像并重新获取收集终端的车辆数据，若否，则计算由图像分析得到的平均车速与来自收集终端的平均车速的平均值作为图像中所有车辆的实际平均车速。交通方案匹配子模块根据实际平均车速在预设的数据库中匹配对应的交通方案。预设的数据库中预先存储有不同实际平均车速对应的交通方案。
可选的，所述交通方案匹配子模块包括索引读取单元和选取单元，所述索引读取单元用于读取对比结果中对应的索引，所述选取单元用于根据读取到的索引在数据库中对索引相关的交通方案进行选取。
具体的，当实际平均车速确定时，分析对比子模块还会对实际车速信息添加对应的索引，该索引根据实际平均车速的值来确定，预设的数据库中的不同交通方案均存在唯一的且与对应实际车速相关的索引，选取单元则通过索引完成快速配对。
可选的，所述传输模块包括路口交通灯传输子模块和缓冲段交通灯传输子模块，所述路口交通灯传输子模块用于将对应交通方案的控制指令传输至高峰期道路路口处的交通灯，所述缓冲段交通灯传输子模块用于将将对应交通方案的控制指令传输至高峰期道路中预设的缓冲段的交通灯，所述缓冲段是对应道路中在高峰期启用的用于缓冲拥堵情况和塞车情况的路段。
其中，缓冲段可以是但不限于预设在需要管理的道路的初段、中段和末端，管理者可根据对应道路的管理经验进行预先设置即可。缓冲段处的交通灯用于限制车速，即作为车速提示灯，以便于使得经过缓冲段的所有车辆一直处于移动状态，且不停顿。需要注意的是，道路中的塞车常常是因为车多且发生局部的停顿而造成的，当高峰期时，车龙短暂的停顿都会导致出现更多的变道、混乱和事故，引发后续较长时间的塞车。所以利用缓冲段进行调控，有利于对应的道路在高峰期保持通路。
结合图4，本实施例还公开一种用于高峰期通路管理的道路智能管理方法，应用于如上述的一种用于高峰期通路管理的道路智能管理系统，所述管理方法包括以下步骤：
S1，获取来自道路上摄像头的实时图像，对实时图像进行分析处理，得到图像中所有车辆的车速数据和车距数据；
S2，直接获取来自收集终端的各辆汽车的车辆数据；
S3，将图像中所有车辆的平均车速与车辆数据中的平均车速进行对比分析，得到数据分析结果；
S4，根据数据分析结果，在预设的数据库中选择对应的交通方案实现管理；
S5，将交通方案对应的控制指令发送至对应的交通管理设施，以便于实现控制。
实施例二。
本实施例包含了实施例一的全部内容，提供了一种用于高峰期通路管理的道路智能管理系统，所述选取单元包括第一选取子单元和第二选取子单元，所述第一选取子单元用于读取实际平均车速的索引并根据索引选择数据库中对应的交通方案数据包，所述第二选取子单元用于在对应的交通方案数据包中选择对应的控制指令。
具体的，预设的数据库中存储有若干个交通方案数据包，每个交通方案数据包均含有唯一的对应实际平均车速的索引，每个交通方案数据包中包括不同的子方案，每个子方案中含有对应的控制指令。
结合图5，例如：预设的数据库中包括三个交通方案数据包，对应三个实际平均车速的区间，第一区间：小于等于20km/h，第二区间：大于20且小于等于60km/h，第三区间：大于60 km/h，第一区间的索引为A，第二区间的索引为B，第三区间的索引为C，三个交通方案数据包：第一数据包的索引为B、第二数据包的索引为A，第三数据包的索引为C，所以当图像中所有车辆的实际平均车速在第二区间时，第一选择子单元根据索引B匹配到第一数据包。然后第二选取子单元根据该图像中的所有车辆之间的平均车距选择不同的控制指令。第一数据包涉及控制缓冲段的交通灯，其包含两种控制指令：第一控制指令表示平均车距大于5m则控制缓冲段的交通灯限速至50km/h，第二控制指令表示平均车距小于5m则控制缓冲段的交通灯限速至20km/h。
其中，图像中的所有车辆之间的平均车距通过图像识别得到，计算平均车距
Figure 419711DEST_PATH_IMAGE127
时满足以下算式：
Figure 350758DEST_PATH_IMAGE128
其中，
Figure 777191DEST_PATH_IMAGE129
表示图像中所有车辆之间车距的数量；
Figure 717465DEST_PATH_IMAGE130
表示第i组车之间的车距，由图像识别得到；n表示无效数据的个数；
Figure 772009DEST_PATH_IMAGE131
。
以上所公开的内容仅为本发明的优选可行实施例，并非因此局限本发明的保护范围，所以凡是运用本发明说明书及附图内容所做的等效技术变化，均包含于本发明的保护范围内，此外，随着技术发展其中的元素是可以更新的。

Claims (6)

1.一种用于高峰期通路管理的道路智能管理系统，其特征在于，包括监视终端、控制终端和收集终端，所述监视终端包括若干个摄像头，用于安装在对应的道路路沿，拍摄对应道路的行车情况，所述收集终端安装在车辆内部用于获取并传输车辆数据；所述控制终端包括图像处理模块、决策模块和传输模块，所述图像处理模块用于接收来自摄像头的图像数据并进行分析处理，所述决策模块用于根据分析处理后的图像数据以及来自收集终端的车辆数据生成对应的决策指令，所述传输模块用于将对应的决策指令传输到对应的交通管理设施，实现对道路交通的管理操作；
所述图像处理模块包括测速子模块，所述测速子模块用于根据分析处理后的图像数据计算出对应的车辆的车速；
当道路处于交通高峰期时，所述测速子模块计算车速前对图像数据中的车辆进行检测，以便于进行追踪，检测时满足以下式子：
Figure 984173DEST_PATH_IMAGE001
；
其中，图像数据序列中第n+1帧、第n帧和第n−1帧的图像分别为
Figure 698051DEST_PATH_IMAGE002
、
Figure 149892DEST_PATH_IMAGE003
和
Figure 220135DEST_PATH_IMAGE004
，三帧对应像素点的灰度值记为
Figure 565666DEST_PATH_IMAGE005
、
Figure 794653DEST_PATH_IMAGE006
和
Figure 733790DEST_PATH_IMAGE007
，
Figure 463849DEST_PATH_IMAGE008
、
Figure 804831DEST_PATH_IMAGE009
；
对图像
Figure 470299DEST_PATH_IMAGE010
进行阈值处理得到二值化图像
Figure 755787DEST_PATH_IMAGE011
：
Figure 164902DEST_PATH_IMAGE012
；
其中，T表示可调阈值，
Figure 360392DEST_PATH_IMAGE013
；
Figure 321394DEST_PATH_IMAGE014
为图像数据内被检测区域中像素的总数，
Figure 235124DEST_PATH_IMAGE015
为光照的抑制函数，A 可设为整帧图像，
Figure 41406DEST_PATH_IMAGE016
表示为T的添加项，指整帧图像中光照的变化情况；
Figure 354051DEST_PATH_IMAGE017
；
其中，
Figure 361321DEST_PATH_IMAGE018
为可调的光照抑制基准系数，
Figure 621401DEST_PATH_IMAGE019
表示所述摄像头的CCD成像尺寸，
Figure 372319DEST_PATH_IMAGE020
表示
Figure 276822DEST_PATH_IMAGE018
的调节系数，
Figure 845206DEST_PATH_IMAGE021
；
根据
Figure 467948DEST_PATH_IMAGE022
进行连通性分析得到含有完整运动车辆的图像，实现检测和追踪。
2.如权利要求1所述的一种用于高峰期通路管理的道路智能管理系统，其特征在于，所述测速子模块包括图像数据补全单元和测速单元，所述图像数据补全单元用于将图像数据进行补全和优化，所述测速单元用于根据补全和优化后的图像数据计算车辆的车速；
所述图像数据补全单元用于将图像数据进行补全和优化时，满足以下式子：
预设连续帧之间存在线性运动得：
Figure 756979DEST_PATH_IMAGE023
；
其中，x表示中间帧
Figure 906200DEST_PATH_IMAGE024
中的像素位置，
Figure 255273DEST_PATH_IMAGE024
表示给定的两个输入帧
Figure 365311DEST_PATH_IMAGE025
和
Figure 317087DEST_PATH_IMAGE026
使用运动信息预测的中间帧；
Figure 476409DEST_PATH_IMAGE027
和
Figure 261962DEST_PATH_IMAGE028
表示x处双向的运动矢量；
构建双向运动网络使用
Figure 718351DEST_PATH_IMAGE029
和
Figure 614763DEST_PATH_IMAGE030
估算
Figure 348364DEST_PATH_IMAGE031
和
Figure 429453DEST_PATH_IMAGE032
；
双向运动网络的参考特征图
Figure 920608DEST_PATH_IMAGE033
通过下式得到：
Figure 479765DEST_PATH_IMAGE034
；
其中，
Figure 333452DEST_PATH_IMAGE035
是从参考点到目标点的运动矢量场；
Figure 54283DEST_PATH_IMAGE036
表示目标特征图；
利用参考特征图的算式，根据两个输入帧的特征
Figure 626210DEST_PATH_IMAGE037
和
Figure 595915DEST_PATH_IMAGE038
以及向上采样的双边运动场
Figure 694321DEST_PATH_IMAGE039
和
Figure 726999DEST_PATH_IMAGE040
的第
Figure 520643DEST_PATH_IMAGE041
级进行估计，确定双边成本量
Figure 421603DEST_PATH_IMAGE042
：
Figure 984302DEST_PATH_IMAGE043
其中，X表示中间帧的像素位置，d表示位移矢量
Figure 453461DEST_PATH_IMAGE044
；
对两个输入帧之间
Figure 859035DEST_PATH_IMAGE045
和
Figure 704631DEST_PATH_IMAGE046
进行运动近似处理，得到前馈双边运动
Figure 387416DEST_PATH_IMAGE047
和
Figure 886531DEST_PATH_IMAGE048
：
Figure 389187DEST_PATH_IMAGE049
Figure 775825DEST_PATH_IMAGE050
再将反向双边运动
Figure 437750DEST_PATH_IMAGE051
和
Figure 248711DEST_PATH_IMAGE052
近似为：
Figure 504243DEST_PATH_IMAGE053
Figure 285118DEST_PATH_IMAGE054
使用动态局部混合滤波器对
Figure 942495DEST_PATH_IMAGE055
和
Figure 924358DEST_PATH_IMAGE056
、
Figure 526240DEST_PATH_IMAGE057
和
Figure 251751DEST_PATH_IMAGE058
、
Figure 763635DEST_PATH_IMAGE059
和
Figure 775453DEST_PATH_IMAGE060
进行帧的合成，满足以下式子：
Figure 739998DEST_PATH_IMAGE061
；
其中，将输入帧
Figure 266270DEST_PATH_IMAGE062
、
Figure 632660DEST_PATH_IMAGE063
、中间候选以及上下文映射输入到融合滤波器，融合滤波器对每个像素进行融合即可得到
Figure 80959DEST_PATH_IMAGE064
。
3.如权利要求2所述的一种用于高峰期通路管理的道路智能管理系统，其特征在于，所述决策模块包括分析对比子模块和交通方案匹配子模块，所述分析对比子模块用于将分析处理后的图像数据和收集终端的车辆数据进行对比，得到对比结果，所述交通方案匹配子模块用于根据对比结果在预设的数据库中匹配对应的交通方案。
4.如权利要求3所述的一种用于高峰期通路管理的道路智能管理系统，其特征在于，所述交通方案匹配子模块包括索引读取单元和选取单元，所述索引读取单元用于读取对比结果中对应的索引，所述选取单元用于根据读取到的索引在数据库中对索引相关的交通方案进行选取。
5.如权利要求4所述的一种用于高峰期通路管理的道路智能管理系统，其特征在于，所述传输模块包括路口交通灯传输子模块和缓冲段交通灯传输子模块，所述路口交通灯传输子模块用于将对应交通方案的控制指令传输至高峰期道路路口处的交通灯，所述缓冲段交通灯传输子模块用于将对应交通方案的控制指令传输至高峰期道路中预设的缓冲段的交通灯，所述缓冲段是对应道路中在高峰期启用的用于缓冲拥堵情况和塞车情况的路段。
6.一种用于高峰期通路管理的道路智能管理方法，其应用于如权利要求5所述的一种用于高峰期通路管理的道路智能管理系统，其特征在于，所述管理方法包括以下步骤：
S1，获取来自道路上摄像头的实时图像，对实时图像进行分析处理，得到图像中所有车辆的车速数据和车距数据；
S2，直接获取来自收集终端的各辆汽车的车辆数据；
S3，将图像中所有车辆的平均车速与车辆数据中的平均车速进行对比分析，得到数据分析结果；
S4，根据数据分析结果，在预设的数据库中选择对应的交通方案实现管理；
S5，将交通方案对应的控制指令发送至对应的交通管理设施，以便于实现控制。
CN202210818496.8A 2022-07-13 2022-07-13 一种用于高峰期道路管理的道路智能管理系统与方法 Active CN114898577B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210818496.8A CN114898577B (zh) 2022-07-13 2022-07-13 一种用于高峰期道路管理的道路智能管理系统与方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210818496.8A CN114898577B (zh) 2022-07-13 2022-07-13 一种用于高峰期道路管理的道路智能管理系统与方法

Publications (2)

Publication Number Publication Date
CN114898577A true CN114898577A (zh) 2022-08-12
CN114898577B CN114898577B (zh) 2022-09-20

Family

ID=82729935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210818496.8A Active CN114898577B (zh) 2022-07-13 2022-07-13 一种用于高峰期道路管理的道路智能管理系统与方法

Country Status (1)

Country Link
CN (1) CN114898577B (zh)

Citations (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1272666A (zh) * 2000-06-09 2000-11-08 清华大学 基于图象序列分析的驾驶员桩考过程自动测试系统
US6714324B1 (en) * 1999-04-27 2004-03-30 Pentax Corporation Film scanner
CN1719888A (zh) * 2005-08-08 2006-01-11 北京中星微电子有限公司 实现视频逐行到隔行转换的装置和转换方法
CN101207707A (zh) * 2007-12-18 2008-06-25 上海广电集成电路有限公司 一种基于运动补偿的帧频提升系统和方法
JP2009033386A (ja) * 2007-07-26 2009-02-12 Fujifilm Corp 撮影装置及び撮影方法
CN101404773A (zh) * 2008-11-25 2009-04-08 江苏大学 一种基于dsp的图像编码方法
CN101996410A (zh) * 2010-12-07 2011-03-30 北京交通大学 动态背景下的运动目标检测方法及系统
CN102082896A (zh) * 2011-03-04 2011-06-01 中山大学 液晶显示设备的视频处理方法
CN104104960A (zh) * 2013-04-03 2014-10-15 华为技术有限公司 多级双向运动估计方法及设备
US20150054941A1 (en) * 2013-08-26 2015-02-26 Nuflare Technology, Inc. Image capturing device and inspection apparatus and inspection method
CN104408752A (zh) * 2014-12-11 2015-03-11 西安电子科技大学 一种基于混合色调映射算法的高动态范围图像压缩方法
CN105517671A (zh) * 2015-05-25 2016-04-20 北京大学深圳研究生院 一种基于光流法的视频插帧方法及系统
CN205388826U (zh) * 2016-03-09 2016-07-20 郑永春 车辆识别摄像头
CN105830428A (zh) * 2013-12-19 2016-08-03 株式会社理光 目标检测设备、移动体设备控制系统及其程序
CN106791277A (zh) * 2016-12-27 2017-05-31 重庆峰创科技有限公司 一种视频监控中的车辆追踪方法
CN107730920A (zh) * 2017-10-23 2018-02-23 淮阴工学院 一种基于道钉灯的动态可变车道控制方法
US20180070105A1 (en) * 2016-09-07 2018-03-08 Qualcomm Incorporated Sub-pu based bi-directional motion compensation in video coding
CN107925775A (zh) * 2015-09-02 2018-04-17 联发科技股份有限公司 基于双向预测光流技术的视频编解码的运动补偿方法及装置
CN108174174A (zh) * 2017-12-29 2018-06-15 暴风集团股份有限公司 Vr视频显示方法、装置及终端
CN108288388A (zh) * 2018-01-30 2018-07-17 深圳源广安智能科技有限公司 一种智能交通监控系统
CN109104609A (zh) * 2018-09-12 2018-12-28 浙江工业大学 一种融合hevc压缩域和像素域的镜头边界检测方法
CN109587395A (zh) * 2018-11-23 2019-04-05 福建工程学院 一种基于图像处理和虚拟增强的防止眩光的系统及其实现方法
CN109891875A (zh) * 2016-11-08 2019-06-14 索尼公司 图像传送设备、图像传送方法、程序和运动图像生成系统
CN111210462A (zh) * 2019-12-30 2020-05-29 视联动力信息技术股份有限公司 一种报警方法及装置
CN112042199A (zh) * 2018-02-14 2020-12-04 华为技术有限公司 自适应插值滤波器
CN112991369A (zh) * 2021-03-25 2021-06-18 湖北工业大学 基于双目视觉的行驶车辆外廓尺寸检测方法
CN113538949A (zh) * 2021-09-16 2021-10-22 环球数科集团有限公司 城市景点停车分流数据处理方法、系统及存储装置
CN113613003A (zh) * 2021-08-30 2021-11-05 北京市商汤科技开发有限公司 视频压缩、解压缩方法及装置、电子设备和存储介质
CN113804916A (zh) * 2021-09-17 2021-12-17 河海大学 一种基于最大流速先验信息的频域时空图像测速法
CN114155707A (zh) * 2021-05-31 2022-03-08 浙江柯瑞普科技有限公司 一种智能交通安全行驶视觉警示系统和方法
CN114286100A (zh) * 2020-09-28 2022-04-05 华为技术有限公司 帧间预测方法及装置

Patent Citations (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6714324B1 (en) * 1999-04-27 2004-03-30 Pentax Corporation Film scanner
CN1272666A (zh) * 2000-06-09 2000-11-08 清华大学 基于图象序列分析的驾驶员桩考过程自动测试系统
CN1719888A (zh) * 2005-08-08 2006-01-11 北京中星微电子有限公司 实现视频逐行到隔行转换的装置和转换方法
JP2009033386A (ja) * 2007-07-26 2009-02-12 Fujifilm Corp 撮影装置及び撮影方法
CN101207707A (zh) * 2007-12-18 2008-06-25 上海广电集成电路有限公司 一种基于运动补偿的帧频提升系统和方法
CN101404773A (zh) * 2008-11-25 2009-04-08 江苏大学 一种基于dsp的图像编码方法
CN101996410A (zh) * 2010-12-07 2011-03-30 北京交通大学 动态背景下的运动目标检测方法及系统
CN102082896A (zh) * 2011-03-04 2011-06-01 中山大学 液晶显示设备的视频处理方法
CN104104960A (zh) * 2013-04-03 2014-10-15 华为技术有限公司 多级双向运动估计方法及设备
US20150054941A1 (en) * 2013-08-26 2015-02-26 Nuflare Technology, Inc. Image capturing device and inspection apparatus and inspection method
CN105830428A (zh) * 2013-12-19 2016-08-03 株式会社理光 目标检测设备、移动体设备控制系统及其程序
CN104408752A (zh) * 2014-12-11 2015-03-11 西安电子科技大学 一种基于混合色调映射算法的高动态范围图像压缩方法
CN105517671A (zh) * 2015-05-25 2016-04-20 北京大学深圳研究生院 一种基于光流法的视频插帧方法及系统
CN107925775A (zh) * 2015-09-02 2018-04-17 联发科技股份有限公司 基于双向预测光流技术的视频编解码的运动补偿方法及装置
CN205388826U (zh) * 2016-03-09 2016-07-20 郑永春 车辆识别摄像头
US20180070105A1 (en) * 2016-09-07 2018-03-08 Qualcomm Incorporated Sub-pu based bi-directional motion compensation in video coding
CN109891875A (zh) * 2016-11-08 2019-06-14 索尼公司 图像传送设备、图像传送方法、程序和运动图像生成系统
CN106791277A (zh) * 2016-12-27 2017-05-31 重庆峰创科技有限公司 一种视频监控中的车辆追踪方法
CN107730920A (zh) * 2017-10-23 2018-02-23 淮阴工学院 一种基于道钉灯的动态可变车道控制方法
CN108174174A (zh) * 2017-12-29 2018-06-15 暴风集团股份有限公司 Vr视频显示方法、装置及终端
CN108288388A (zh) * 2018-01-30 2018-07-17 深圳源广安智能科技有限公司 一种智能交通监控系统
CN112042199A (zh) * 2018-02-14 2020-12-04 华为技术有限公司 自适应插值滤波器
CN109104609A (zh) * 2018-09-12 2018-12-28 浙江工业大学 一种融合hevc压缩域和像素域的镜头边界检测方法
CN109587395A (zh) * 2018-11-23 2019-04-05 福建工程学院 一种基于图像处理和虚拟增强的防止眩光的系统及其实现方法
CN111210462A (zh) * 2019-12-30 2020-05-29 视联动力信息技术股份有限公司 一种报警方法及装置
CN114286100A (zh) * 2020-09-28 2022-04-05 华为技术有限公司 帧间预测方法及装置
CN112991369A (zh) * 2021-03-25 2021-06-18 湖北工业大学 基于双目视觉的行驶车辆外廓尺寸检测方法
CN114155707A (zh) * 2021-05-31 2022-03-08 浙江柯瑞普科技有限公司 一种智能交通安全行驶视觉警示系统和方法
CN113613003A (zh) * 2021-08-30 2021-11-05 北京市商汤科技开发有限公司 视频压缩、解压缩方法及装置、电子设备和存储介质
CN113538949A (zh) * 2021-09-16 2021-10-22 环球数科集团有限公司 城市景点停车分流数据处理方法、系统及存储装置
CN113804916A (zh) * 2021-09-17 2021-12-17 河海大学 一种基于最大流速先验信息的频域时空图像测速法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LAWRENCE O’GORMAN等: "Orthographic Perspective Mappings for Consistent Wide-Area Motion Feature Maps From Multiple Cameras", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 *
卢宗庆: "运动图像分析中的光流计算方法研究", 《中国优秀博士学位论文全文数据库信息科技辑》 *
陈扬: "运动车辆清晰视频抓拍系统的研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *

Also Published As

Publication number Publication date
CN114898577B (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
CN101510356B (zh) 视频检测系统及其数据处理装置、视频检测方法
US5509082A (en) Vehicle movement measuring apparatus
CN104751634B (zh) 高速公路隧道行车图像采集信息的综合应用方法
CN112613509B (zh) 一种铁路货车车厢号识别抓拍方法及系统
CN101508300B (zh) 自动识别道路限速标志的车辆智能方法
JP7272365B2 (ja) 移動体追跡システム、移動体追跡方法及びプログラム
KR101845943B1 (ko) 단일카메라를 이용한 다차로상의 차량번호인식 시스템 및 방법
JP2018072893A (ja) 画像処理装置、警告装置、画像処理システム、画像処理方法
KR20190134018A (ko) 딥러닝 기반 영상 처리 기술이 탑재된 지능형 cctv를 활용한 주차 관제 방법 및 시스템
CN116434159A (zh) 一种基于改进YOLO V7和Deep-Sort的交通流量统计方法
JP2018195237A (ja) 画像処理システム、画像処理方法、情報処理装置及び記録媒体
CN114724063B (zh) 一种基于深度学习的公路交通事件检测方法
CN114511519A (zh) 一种基于图像处理的列车车底螺栓丢失检测方法
CN114694078A (zh) 一种基于多目标跟踪的交通行为判定方法
CN114898577B (zh) 一种用于高峰期道路管理的道路智能管理系统与方法
JP3235322U (ja) 交通方向転換量調査レポート自動生成システム
CN114973156B (zh) 一种基于知识蒸馏的夜间渣土车检测方法
CN107730890B (zh) 一种基于实时场景下车流车速预测的智能交通方法
KR102301932B1 (ko) 듀얼 카메라의 관심영역에 열화상 블렌딩 기법을 이용한 교통신호 제어시스템
JP4830457B2 (ja) ナビゲーション装置、ナビゲーション方法、ナビゲーションシステム及び渋滞情報案内プログラム
CN115223144A (zh) 一种基于云端数据的无人驾驶矿车传感器数据筛选方法及装置
JP2000322686A (ja) 車両のナンバプレート認識装置
KR101471519B1 (ko) 누적 차영상 레이블링을 이용한 이동체 검출 장치 및 방법
JP2012203722A (ja) 地物選定システム、地物選定プログラム及び地物選定方法
CN113761981A (zh) 一种自动驾驶视觉感知方法、装置及存储介质

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