CN114973664A - 一种基于机器视觉的城市交通在线智能监测预警管理系统 - Google Patents

一种基于机器视觉的城市交通在线智能监测预警管理系统 Download PDF

Info

Publication number
CN114973664A
CN114973664A CN202210537716.XA CN202210537716A CN114973664A CN 114973664 A CN114973664 A CN 114973664A CN 202210537716 A CN202210537716 A CN 202210537716A CN 114973664 A CN114973664 A CN 114973664A
Authority
CN
China
Prior art keywords
road surface
crossroad
area
foreign matter
lane
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
Application number
CN202210537716.XA
Other languages
English (en)
Inventor
刘国才
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.)
Baoyin Xinke Information Technology Hubei Co ltd
Original Assignee
Baoyin Xinke Information Technology Hubei 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 Baoyin Xinke Information Technology Hubei Co ltd filed Critical Baoyin Xinke Information Technology Hubei Co ltd
Priority to CN202210537716.XA priority Critical patent/CN114973664A/zh
Publication of CN114973664A publication Critical patent/CN114973664A/zh
Pending legal-status Critical Current

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
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/535—Filtering based on additional data, e.g. user or group profiles
    • 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
    • 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
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
    • 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
    • H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Multimedia (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Software Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开一种基于机器视觉的城市交通在线智能监测预警管理系统，本发明通过在各十字路口布设的高清摄像头对各十字路口中各行驶车道设定区域和各禁行区域进行监控，获得各十字路口中各行驶车道设定区域的路面异物和路面标识磨损相关信息，并获得各禁行区域的违规人员和违规车辆的相关信息，对相关信息进行分析，根据分析结果进行相应的语音预警提醒，实现对各十字路口路面状况的实时监控，能够最大程度地保障路面通行安全，并且提高了交通监测的灵活性和高效性，减少交通管理人员的工作量，进而满足交通管理监测管理的复杂性、规模性和时效性的要求，明显提高城市交通监测预警管理的质量。

Description

一种基于机器视觉的城市交通在线智能监测预警管理系统
技术领域
本发明涉及城市交通监测管理领域，涉及到一种基于机器视觉的城市交通在线智能监测预警管理系统。
背景技术
随着科技和基建技术的兴起，交通运输得到空前发展，一方面给人们的生活出行带来了极大便利，另一方面也存在着诸多安全隐患。近几年来，交通事故发生次数明显提高，给人们的生命财产安全造成威胁，其中十字路口是交通事故的高频发生地，因此，对城市交通进行监测预警管理具有重要的意义。
目前，现有技术中对交通监测管理的方式主要采用人工监管，即通过交通管理人员在路面实时指挥和观看监控录像的方式对路面交通进行监测管理，维护交通秩序。该方式虽然简单，但是存在着弊端：
1、交通管理人员在交通巡查范围内视野有限，不能及时发现路面异物和路面标识磨损等异常路面状况，并且对路面异物及路面标识磨损分析的准确性和可靠性不高，从而无法最大程度地保障路面通行安全。
2、当前方式通过交通管理人员指挥路面交通、监测违规人员及车辆，从而使得当前方式存在工作量大、灵活性差的缺点，不能满足交通管理监测管理的复杂性、规模性和时效性的要求，进而影响城市交通监测预警管理的质量。
发明内容
针对上述问题，本发明提出了一种基于机器视觉的城市交通在线智能监测预警管理系统，实现对城市交通监测预警管理功能。
本发明解决其技术问题采用的技术方案是：
本发明提供一种基于机器视觉的城市交通在线智能监测预警管理系统，包括：
交通区域划分模块用于统计待监测交通区域内十字路口的数量，并将待监测交通区域内的各十字路口按照设定的顺序分别编号为1,2,...,i,...,n；
存储数据库用于存储各十字路口中各行驶车道的标准设定区域图像、标准路面标识关键部位图像和标准路面标识整体图像，并存储各设定路面标识的标准关键部位面积和标准总面积；
行驶车道路面异物信息获取模块用于采集各十字路口中各行驶车道设定区域的图像，获得各十字路口中各行驶车道设定区域的各路面异物类型和各路面异物图像面积；
行驶车道路面异物信息分析模块用于对各十字路中各行驶车道设定区域的各路面异物类型和各路面异物图像面积进行分析，并根据分析结果进行相应的处理；
行驶车道路面标识信息采集模块用于对各十字路口中各行驶车道设定区域的图像进行预处理，获得各十字路口中各行驶车道的路面标识关键部位磨损面积和路面标识总磨损面积；
行驶车道路面标识信息分析模块用于对各十字路口中各行驶车道的路面标识关键部位磨损面积和路面标识总磨损面积进行分析，得到各十字路口中各行驶车道的路面标识磨损度系数，并进行相应的处理；
禁行区域违规信息获取模块用于采集各十字路口中各禁行区域的视频录像，获得各十字路口中各禁行区域的各违规人员服装类型、各违规车辆车型、各违规车辆车牌号和各违规车辆违规行为类型；
禁行区域违规信息分析模块用于对各十字路口中各禁行区域的各违规人员服装类型、各违规车辆车型、各违规车辆车牌号和各违规车辆违规行为类型进行分析，并根据分析结果进行相应的处理。
在上述实施例的基础上，所述行驶车道路面异物信息获取模块中获得各十字路口中各行驶车道设定区域的各路面异物类型和各路面异物图像面积的具体方法为：
通过高清摄像头采集各十字路口中各行驶车道设定区域的图像，将各十字路口中各行驶车道设定区域的图像分别与存储数据库中存储的各十字路口中各行驶车道的标准设定区域图像进行比对，若某十字路口中某行驶车道设定区域的图像与对应十字路口中对应行驶车道的标准设定区域图像不同，则该十字路口中该行驶车道设定区域存在路面异物，并将该十字路口中该行驶车道记为异物车道，统计各十字路口中各异物车道，并将各十字路口中各异物车道依次编号为Xki，i表示第i个十字路口的编号，i＝1,2,...,n，k表示第k个异物车道的编号，k＝1,2,...,p；
根据各十字路口中各行驶车道设定区域的图像，筛选出各十字路口中各异物车道的图像，获取各十字路口中各异物车道的各路面异物图片，将各十字路口中各异物车道的各路面异物图片分别与预设的各类型路面异物对应的图片进行匹配，得到各十字路口中各异物车道的各路面异物图片与各类型路面异物图片的匹配度，筛选各十字路口中各异物车道的各路面异物图片对应匹配度最高的类型路面异物图片，并记为各十字路口中各异物车道的各路面异物类型，提取各十字路口中各异物车道的各路面异物图片对应的图像轮廓，得到各十字路口中各异物车道的各路面异物图像面积。
在上述实施例的基础上，所述行驶车道路面异物信息分析模块中各十字路中各行驶车道设定区域的各路面异物类型和各路面异物图像面积的具体分析步骤为：
F1:将各十字路口中各异物车道的各路面异物类型与预设的各危险路面异物类型进行比对，若某十字路口中某异物车道的某路面异物类型与预设的某危险路面异物类型相同，则该十字路口中该异物车道的该路面异物类型为危险异物类型，统计各十字路口中各异物车道内处于危险异物类型的各路面异物，将其记为各十字路口中各异物车道的各危险异物；
F2:根据各十字路口中各行驶车道设定区域的图像得到各十字路口中各异物车道的各危险异物图像，将各十字路口中各异物车道的各危险异物图像面积与对应预设的危险异物图像面积阈值进行比较，若某十字路口中某异物车道的某危险异物图像面积大于对应预设的危险异物图像面积阈值，将该十字路口中该异物车道记为标记异物车道，统计各十字路口中各标记异物车道的编号，将各十字路口中各标记异物车道的编号发送给交通管理中心。
在上述实施例的基础上，所述行驶车道路面标识信息采集模块中获得各十字路口中各行驶车道的路面标识关键部位磨损面积和路面标识总磨损面积的具体方法为：
通过高清摄像头采集各十字路口中各行驶车道路面标识的图像，并对各十字路口中各行驶车道路面标识的图像进行预处理，得到各十字路口中各行驶车道路面标识关键部位图像和各十字路口中各行驶车道路面标识整体图像；
将各十字路口中各行驶车道路面标识关键部位图像与存储数据库中存储的各十字路口中各行驶车道的标准路面标识关键部位图像进行对比，分析得到各十字路口中各行驶车道路面标识关键部位磨损面积，并将其记为
Figure BDA0003647108680000051
将各十字路口中各行驶车道路面标识整体图像与存储数据库中存储的各十字路口中各行驶车道的标准路面标识整体图像进行对比，分析得到各十字路口中各行驶车道路面标识总磨损面积，并将其记为
Figure BDA0003647108680000052
在上述实施例的基础上，所述行驶车道路面标识信息分析模块中分析各十字路口中各行驶车道路面标识磨损度系数的具体步骤为：
A1:提取各十字路口中各行驶车道路面标识关键部位磨损面积和路面标识总磨损面积，并提取存储数据库中存储的各设定路面标识的标准关键部位面积和标准总面积，筛选出各十字路口中各行驶车道设定路面标识的标准关键部位面积和各十字路口中各行驶车道设定路面标识标准总面积，分别记为
Figure BDA0003647108680000061
和
Figure BDA0003647108680000062
A2：将上述参数代入公式
Figure BDA0003647108680000063
得到各十字路口中各行驶车道路面标识磨损度系数
Figure BDA0003647108680000064
j表示第j个行驶车道的编号，j＝1,2,...,m，α1表示关键部位磨损面积权重因子，α2表示总磨损面积权重因子；
A3：将各十字路口中各行驶车道路面标识磨损度系数与预设的行驶车道路面标识磨损度系数进行比较，若某十字路口中某行驶车道路面标识磨损度系数大于预设的路面标识磨损度系数，将该十字路口中该行驶车道记为路面标识磨损车道，筛选各十字路口中路面标识磨损车道的编号，将各十字路口中路面标识磨损车道的编号发送给交通管理中心。
在上述实施例的基础上，所述禁行区域违规信息获取模块中获得各十字路口中各禁行区域的各违规人员服装类型、各违规车辆车型、各违规车辆车牌号和各违规车辆违规行为类型的具体方法为：
根据各十字路口中各禁行区域的视频录像，获得各十字路口中各禁行区域的各人员位置，若某十字路口中某禁行区域的某人员位置在对应十字路口中对应禁行区域内，则该十字路口中该禁行区域的该人员为违规人员，将该十字路口中该禁行区域的该违法人员的服装图片与各设定服装类型图片进行比较，得到该十字路口中该禁行区域的该违法人员的服装图片与各设定服装类型图片的相似度，筛选出该十字路口中该禁行区域的该违法人员的服装图片对应相似度最大的设定服装类型图片，获得该十字路口中该禁行区域的该违法人员的服装类型，统计各十字路口中各禁行区域各违法人员的服装类型；
根据各十字路口中各禁行区域的视频录像，获得各十字路口中各禁行区域的各车辆轮廓，将各十字路口中各禁行区域的各车辆轮廓与各十字路口中各禁行区域轮廓进行匹配，若某十字路口中某禁行区域的某车辆轮廓与其对应的十字路口中对应的禁行区域轮廓存在重合区域，则该十字路口中该禁行区域的该车辆为违规车辆，并获得该十字路口中该禁行区域的违规车辆车型、违规车辆车牌号和违规车辆违规行为类型，统计各十字路口中各禁行区域的违规车辆车型、违规车辆车牌号和违规车辆违规行为类型。
在上述实施例的基础上，所述禁行区域违规信息分析模块中对各十字路口中各禁行区域的各违规人员服装类型进行分析和处理的具体步骤为：
将各十字路口中各禁行区域的各违规人员服装类型与预设的各特殊人员服装类型进行匹配，若某十字路口中某禁行区域的某违规人员服装类型与预设的各特殊人员服装类型均不同，则通过该十字路口中该禁行区域对应的语音终端进行语音预警提醒。
在上述实施例的基础上，所述禁行区域违规信息分析模块中各十字路口中各禁行区域的各违规车辆车型、各违规车辆车牌号和各违规车辆违规行为类型具体分析步骤为:
将各十字路口中各禁行区域的各违规车辆车型与预设的各特殊车辆车型进行匹配，若某十字路口中某禁行区域的某违规车辆车型与预设的各特殊车辆车型均不匹配，则将该十字路口中该禁行区域的该违规车辆车牌号和该违规车辆违规行为类型发送至交通管理中心，并通过该十字路口中该禁行区域进行相应的语音预警提醒。
相对于现有技术，本发明所述的一种基于机器视觉的城市交通在线智能监测预警管理系统以下有益效果：
本发明提供的一种基于机器视觉的城市交通在线智能监测预警管理系统，通过在各十字路口布设的高清摄像头采集各十字路口中各行驶车道的图像，获得各十字路口中各行驶车道路面的异物信息和标识信息，并进行相应的分析处理，从而实现对各十字路口各行驶车道的路面状况进行实时监控，进而及时发现路面异物和路面标识磨损等异常路面状况，能够对路面异物及路面标识磨损进行准确、可靠的分析，最大程度地保障路面通行安全。
本发明提供的一种基于机器视觉的城市交通在线智能监测预警管理系统，通过高清摄像头对各十字路口中各禁行区域内的人员和车辆进行实时监控，获得各十字路口中各禁行区域的违规人员信息和违规车辆信息，并将违规人员信息和违规车辆信息与对应特殊人员信息和车辆信息进行分析，根据分析结果进行相应的处理，从而提高了交通监测的灵活性和高效性，并且减少了交通管理人员的工作量，进而满足交通管理监测管理的复杂性、规模性和时效性的要求，提高城市交通监测预警管理的质量。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的系统模块连接图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。
请参阅图1所示，本发明提供一种基于机器视觉的城市交通在线智能监测预警管理系统，包括交通区域划分模块、存储数据库、行驶车道路面异物信息获取模块、行驶车道路面异物信息分析模块、行驶车道路面标识信息采集模块、行驶车道路面标识信息分析模块、禁行区域违规信息获取模块和禁行区域违规信息分析模块。
所述交通区域划分模块分别与行驶车道路面异物信息获取模块、行驶车道路面标识信息采集模块和禁行区域违规信息获取模块连接，行驶车道路面异物信息获取模块与行驶车道路面异物信息分析模块连接，行驶车道路面标识信息采集模块与行驶车道路面标识信息分析模块连接，禁行区域违规信息获取模块和禁行区域违规信息分析模块连接，存储数据库分别与行驶车道路面异物信息获取模块、行驶车道路面标识信息采集模块和行驶车道路面标识信息分析模块连接。
所述交通区域划分模块用于统计待监测交通区域内十字路口的数量，并将待监测交通区域内的各十字路口按照设定的顺序分别编号为1,2,...,i,...,n。
所述存储数据库用于存储各十字路口中各行驶车道的标准设定区域图像、标准路面标识关键部位图像和标准路面标识整体图像，并存储各设定路面标识的标准关键部位面积和标准总面积。
行驶车道路面异物信息获取模块用于采集各十字路口中各行驶车道设定区域的图像，获得各十字路口中各行驶车道设定区域的各路面异物类型和各路面异物图像面积。
作为一种优先方案，所述行驶车道路面异物信息获取模块中获得各十字路口中各行驶车道设定区域的各路面异物类型和各路面异物图像面积的具体方法为：
通过高清摄像头采集各十字路口中各行驶车道设定区域的图像，将各十字路口中各行驶车道设定区域的图像分别与存储数据库中存储的各十字路口中各行驶车道的标准设定区域图像进行比对，若某十字路口中某行驶车道设定区域的图像与对应十字路口中对应行驶车道的标准设定区域图像不同，则该十字路口中该行驶车道设定区域存在路面异物，并将该十字路口中该行驶车道记为异物车道，统计各十字路口中各异物车道，并将各十字路口中各异物车道依次编号为Xki，i表示第i个十字路口的编号，i＝1,2,...,n，k表示第k个异物车道的编号，k＝1,2,...,p；
根据各十字路口中各行驶车道设定区域的图像，筛选出各十字路口中各异物车道的图像，获取各十字路口中各异物车道的各路面异物图片，将各十字路口中各异物车道的各路面异物图片分别与预设的各类型路面异物对应的图片进行匹配，得到各十字路口中各异物车道的各路面异物图片与各类型路面异物图片的匹配度，筛选各十字路口中各异物车道的各路面异物图片对应匹配度最高的类型路面异物图片，并记为各十字路口中各异物车道的各路面异物类型，提取各十字路口中各异物车道的各路面异物图片对应的图像轮廓，得到各十字路口中各异物车道的各路面异物图像面积。
所述行驶车道路面异物信息分析模块用于对各十字路中各行驶车道设定区域的各路面异物类型和各路面异物图像面积进行分析，并根据分析结果进行相应的处理。
作为一种优选方案，所述行驶车道路面异物信息分析模块中各十字路中各行驶车道设定区域的各路面异物类型和各路面异物图像面积的具体分析步骤为：
F1:将各十字路口中各异物车道的各路面异物类型与预设的各危险路面异物类型进行比对，若某十字路口中某异物车道的某路面异物类型与预设的某危险路面异物类型相同，则该十字路口中该异物车道的该路面异物类型为危险异物类型，统计各十字路口中各异物车道内处于危险异物类型的各路面异物，将其记为各十字路口中各异物车道的各危险异物；
F2:根据各十字路口中各行驶车道设定区域的图像得到各十字路口中各异物车道的各危险异物图像，将各十字路口中各异物车道的各危险异物图像面积与对应预设的危险异物图像面积阈值进行比较，若某十字路口中某异物车道的某危险异物图像面积大于对应预设的危险异物图像面积阈值，将该十字路口中该异物车道记为标记异物车道，统计各十字路口中各标记异物车道的编号，将各十字路口中各标记异物车道的编号发送给交通管理中心。
作为一种优选方案，上述中各危险路面异物类型包括但不限于：石块、砖瓦、玻璃、零件和金属碎片。
行驶车道路面标识信息采集模块用于对各十字路口中各行驶车道设定区域的图像进行预处理，获得各十字路口中各行驶车道的路面标识关键部位磨损面积和路面标识总磨损面积。
进一步地，所述行驶车道路面标识信息采集模块中获得各十字路口中各行驶车道的路面标识关键部位磨损面积和路面标识总磨损面积的具体方法为：
通过高清摄像头采集各十字路口中各行驶车道路面标识的图像，并对各十字路口中各行驶车道路面标识的图像进行预处理，得到各十字路口中各行驶车道路面标识关键部位图像和各十字路口中各行驶车道路面标识整体图像；
将各十字路口中各行驶车道路面标识关键部位图像与存储数据库中存储的各十字路口中各行驶车道的标准路面标识关键部位图像进行对比，分析得到各十字路口中各行驶车道路面标识关键部位磨损面积，并将其记为
Figure BDA0003647108680000121
将各十字路口中各行驶车道路面标识整体图像与存储数据库中存储的各十字路口中各行驶车道的标准路面标识整体图像进行对比，分析得到各十字路口中各行驶车道路面标识总磨损面积，并将其记为
Figure BDA0003647108680000131
作为一种优选方案，上述获得各十字路口中各行驶车道路面标识关键部位磨损面积的具体步骤为：
将各十字路口中各行驶车道路面标识关键部位图像与存储数据库中存储的各十字路口中各行驶车道的标准路面标识关键部位图像进行对比，获得各十字路口中各行驶车道路面标识关键部位图像与存储数据库中存储的各十字路口中各行驶车道标准路面标识关键部位图像的不重合面积，并将其记为各十字路口中各行驶车道关键部位不重合面积，通过各十字路口中各行驶车道路面标识的图像判断各十字路口中各行驶车道路面标识关键部位表面是否存在异物，若各十字路口中各行驶车道路面标识关键部位表面无异物，则其对应的各十字路口中各行驶车道关键部位不重合面积为各十字路口中各行驶车道路面标识关键部位磨损面积，若某十字路口中某行驶车道路面标识关键部位表面有异物，则其对应十字路口中对应行驶车道关键部位不重合面积减去各十字路口中各行驶车道路面标识关键部位表面对应的异物图像面积后的面积为各十字路口中各行驶车道路面标识关键部位磨损面积，并将其记为
Figure BDA0003647108680000132
作为一种优选方案，上述中路面标识关键部位为路面标识中具有指向性的部位。
所述行驶车道路面标识信息分析模块用于对各十字路口中各行驶车道的路面标识关键部位磨损面积和路面标识总磨损面积进行分析，得到各十字路口中各行驶车道的路面标识磨损度系数，并进行相应的处理。
进一步地，所述行驶车道路面标识信息分析模块中分析各十字路口中各行驶车道路面标识磨损度系数的具体步骤为：
A1:提取各十字路口中各行驶车道路面标识关键部位磨损面积和路面标识总磨损面积，并提取存储数据库中存储的各设定路面标识的标准关键部位面积和标准总面积，筛选出各十字路口中各行驶车道设定路面标识的标准关键部位面积和各十字路口中各行驶车道设定路面标识标准总面积，分别记为
Figure BDA0003647108680000141
和
Figure BDA0003647108680000142
A2：将上述参数代入公式
Figure BDA0003647108680000143
得到各十字路口中各行驶车道路面标识磨损度系数
Figure BDA0003647108680000144
j表示第j个行驶车道的编号，j＝1,2,...,m，α1表示关键部位磨损面积权重因子，α2表示总磨损面积权重因子；
A3：将各十字路口中各行驶车道路面标识磨损度系数与预设的行驶车道路面标识磨损度系数进行比较，若某十字路口中某行驶车道路面标识磨损度系数大于预设的路面标识磨损度系数，将该十字路口中该行驶车道记为路面标识磨损车道，筛选各十字路口中路面标识磨损车道的编号，将各十字路口中路面标识磨损车道的编号发送给交通管理中心。
需要说明的是，本发明通过在各十字路口布设的高清摄像头采集各十字路口中各行驶车道的图像，获得各十字路口中各行驶车道的路面异物信息和路面标识信息，并进行相应的分析处理，从而实现对各十字路口各行驶车道的路面状况进行实时监控，及时发现路面异物和路面标识磨损等异常路面状况，对路面异物及路面标识磨损进行准确、可靠的分析，最大程度地保障路面通行安全。
所述禁行区域违规信息获取模块用于采集各十字路口中各禁行区域的视频录像，获得各十字路口中各禁行区域的各违规人员服装类型、各违规车辆车型、各违规车辆车牌号和各违规车辆违规行为类型。
进一步地，所述禁行区域违规信息获取模块中获得各十字路口中各禁行区域的各违规人员服装类型、各违规车辆车型、各违规车辆车牌号和各违规车辆违规行为类型的具体方法为：
根据各十字路口中各禁行区域的视频录像，获得各十字路口中各禁行区域的各人员位置，若某十字路口中某禁行区域的某人员位置在对应十字路口中对应禁行区域内，则该十字路口中该禁行区域的该人员为违规人员，将该十字路口中该禁行区域的该违法人员的服装图片与各设定服装类型图片进行比较，得到该十字路口中该禁行区域的该违法人员的服装图片与各设定服装类型图片的相似度，筛选出该十字路口中该禁行区域的该违法人员的服装图片对应相似度最大的设定服装类型图片，获得该十字路口中该禁行区域的该违法人员的服装类型，统计各十字路口中各禁行区域各违法人员的服装类型；
根据各十字路口中各禁行区域的视频录像，获得各十字路口中各禁行区域的各车辆轮廓，将各十字路口中各禁行区域的各车辆轮廓与各十字路口中各禁行区域轮廓进行匹配，若某十字路口中某禁行区域的某车辆轮廓与其对应的十字路口中对应的禁行区域轮廓存在重合区域，则该十字路口中该禁行区域的该车辆为违规车辆，并获得该十字路口中该禁行区域的违规车辆车型、违规车辆车牌号和违规车辆违规行为类型，统计各十字路口中各禁行区域的违规车辆车型、违规车辆车牌号和违规车辆违规行为类型。
作为一种优选方案，上述获得各十字路口中各禁行区域的违规车辆车型的具体方法为：
根据各十字路口中各禁行区域的视频录像，获得各十字路口中各禁行区域内各违规车辆的图片，将各十字路口中各禁行区域内各违规车辆的图片与各设定车辆车型图片进行比较，得到各十字路口中各禁行区域内各违规车辆的图片与各设定车辆车型图片的匹配度，筛选出匹配度最大的设定车辆车型图片，获得各十字路口中各禁行区域的违规车辆车型。
作为一种优选方案，上述获得各十字路口中各禁行区域的违规车辆车牌号的具体方法为：
根据各十字路口中各禁行区域的视频录像，获得各十字路口中各禁行区域内各违规车辆的图片，获取各十字路口中各禁行区域内各违规车辆车牌号图片，利用车牌识别技术提取各十字路口中各禁行区域内各违规车辆车牌号。
进一步地，上述各十字路口中各禁行区域的违规车辆违规行为类型包括压线和违停。
所述禁行区域违规信息分析模块用于对各十字路口中各禁行区域的各违规人员服装类型、各违规车辆车型、各违规车辆车牌号和各违规车辆违规行为类型进行分析，并根据分析结果进行相应的处理。
进一步地，所述禁行区域违规信息分析模块中对各十字路口中各禁行区域的各违规人员服装类型进行分析和处理的具体步骤为：
将各十字路口中各禁行区域的各违规人员服装类型与预设的各特殊人员服装类型进行匹配，若某十字路口中某禁行区域的某违规人员服装类型与预设的各特殊人员服装类型均不同，则通过该十字路口中该禁行区域对应的语音终端进行语音预警提醒。
作为一种优选方案，上述各特殊人员服装类型包括警务人员、消防人员、工程人员和救护人员的服装类型。
进一步地，所述禁行区域违规信息分析模块中各十字路口中各禁行区域的各违规车辆车型、各违规车辆车牌号和各违规车辆违规行为类型具体分析步骤为:
将各十字路口中各禁行区域的各违规车辆车型与预设的各特殊车辆车型进行匹配，若某十字路口中某禁行区域的某违规车辆车型与预设的各特殊车辆车型均不匹配，则将该十字路口中该禁行区域的该违规车辆车牌号和该违规车辆违规行为类型发送至交通管理中心，并通过该十字路口中该禁行区域进行相应的语音预警提醒。
作为一种优选方案，上述各特殊车辆车型包括执行任务的警车、消防车、工程救险车和救护车的车型。
需要说明的是，本发明通过高清摄像头对各十字路口中各禁行区域内的人员和车辆进行实时监控，获得各十字路口中各禁行区域的违规人员信息和违规车辆信息，并将违规人员信息和违规车辆信息与对应特殊人员信息和车辆信息进行分析，根据分析结果进行相应的处理，提高交通监测的灵活性和高效性，减少交通管理人员的工作量，满足交通管理监测管理的复杂性、规模性和时效性的要求，提高城市交通监测预警管理的质量。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (8)

1.一种基于机器视觉的城市交通在线智能监测预警管理系统，其特征在于，包括：
交通区域划分模块用于统计待监测交通区域内十字路口的数量，并将待监测交通区域内的各十字路口按照设定的顺序分别编号为1,2,...,i,...,n；
存储数据库用于存储各十字路口中各行驶车道的标准设定区域图像、标准路面标识关键部位图像和标准路面标识整体图像，并存储各设定路面标识的标准关键部位面积和标准总面积；
行驶车道路面异物信息获取模块用于采集各十字路口中各行驶车道设定区域的图像，获得各十字路口中各行驶车道设定区域的各路面异物类型和各路面异物图像面积；
行驶车道路面异物信息分析模块用于对各十字路中各行驶车道设定区域的各路面异物类型和各路面异物图像面积进行分析，并根据分析结果进行相应的处理；
行驶车道路面标识信息采集模块用于对各十字路口中各行驶车道设定区域的图像进行预处理，获得各十字路口中各行驶车道的路面标识关键部位磨损面积和路面标识总磨损面积；
行驶车道路面标识信息分析模块用于对各十字路口中各行驶车道的路面标识关键部位磨损面积和路面标识总磨损面积进行分析，得到各十字路口中各行驶车道的路面标识磨损度系数，并进行相应的处理；
禁行区域违规信息获取模块用于采集各十字路口中各禁行区域的视频录像，获得各十字路口中各禁行区域的各违规人员服装类型、各违规车辆车型、各违规车辆车牌号和各违规车辆违规行为类型；
禁行区域违规信息分析模块用于对各十字路口中各禁行区域的各违规人员服装类型、各违规车辆车型、各违规车辆车牌号和各违规车辆违规行为类型进行分析，并根据分析结果进行相应的处理。
2.根据权利要求1所述的一种基于机器视觉的城市交通在线智能监测预警管理系统，其特征在于：所述行驶车道路面异物信息获取模块中获得各十字路口中各行驶车道设定区域的各路面异物类型和各路面异物图像面积的具体方法为：
通过高清摄像头采集各十字路口中各行驶车道设定区域的图像，将各十字路口中各行驶车道设定区域的图像分别与存储数据库中存储的各十字路口中各行驶车道的标准设定区域图像进行比对，若某十字路口中某行驶车道设定区域的图像与对应十字路口中对应行驶车道的标准设定区域图像不同，则该十字路口中该行驶车道设定区域存在路面异物，并将该十字路口中该行驶车道记为异物车道，统计各十字路口中各异物车道，并将各十字路口中各异物车道依次编号为
Figure FDA0003647108670000021
i表示第i个十字路口的编号，i＝1,2,...,n，k表示第k个异物车道的编号，k＝1,2,...,p；
根据各十字路口中各行驶车道设定区域的图像，筛选出各十字路口中各异物车道的图像，获取各十字路口中各异物车道的各路面异物图片，将各十字路口中各异物车道的各路面异物图片分别与预设的各类型路面异物对应的图片进行匹配，得到各十字路口中各异物车道的各路面异物图片与各类型路面异物图片的匹配度，筛选各十字路口中各异物车道的各路面异物图片对应匹配度最高的类型路面异物图片，并记为各十字路口中各异物车道的各路面异物类型，提取各十字路口中各异物车道的各路面异物图片对应的图像轮廓，得到各十字路口中各异物车道的各路面异物图像面积。
3.根据权利要求1所述的一种基于机器视觉的城市交通在线智能监测预警管理系统，其特征在于：所述行驶车道路面异物信息分析模块中各十字路中各行驶车道设定区域的各路面异物类型和各路面异物图像面积的具体分析步骤为：
F1:将各十字路口中各异物车道的各路面异物类型与预设的各危险路面异物类型进行比对，若某十字路口中某异物车道的某路面异物类型与预设的某危险路面异物类型相同，则该十字路口中该异物车道的该路面异物类型为危险异物类型，统计各十字路口中各异物车道内处于危险异物类型的各路面异物，将其记为各十字路口中各异物车道的各危险异物；
F2:根据各十字路口中各行驶车道设定区域的图像得到各十字路口中各异物车道的各危险异物图像，将各十字路口中各异物车道的各危险异物图像面积与对应预设的危险异物图像面积阈值进行比较，若某十字路口中某异物车道的某危险异物图像面积大于对应预设的危险异物图像面积阈值，将该十字路口中该异物车道记为标记异物车道，统计各十字路口中各标记异物车道的编号，将各十字路口中各标记异物车道的编号发送给交通管理中心。
4.根据权利要求1所述的一种基于机器视觉的城市交通在线智能监测预警管理系统，其特征在于：所述行驶车道路面标识信息采集模块中获得各十字路口中各行驶车道的路面标识关键部位磨损面积和路面标识总磨损面积的具体方法为：
通过高清摄像头采集各十字路口中各行驶车道路面标识的图像，并对各十字路口中各行驶车道路面标识的图像进行预处理，得到各十字路口中各行驶车道路面标识关键部位图像和各十字路口中各行驶车道路面标识整体图像；
将各十字路口中各行驶车道路面标识关键部位图像与存储数据库中存储的各十字路口中各行驶车道的标准路面标识关键部位图像进行对比，分析得到各十字路口中各行驶车道路面标识关键部位磨损面积，并将其记为
Figure FDA0003647108670000041
将各十字路口中各行驶车道路面标识整体图像与存储数据库中存储的各十字路口中各行驶车道的标准路面标识整体图像进行对比，分析得到各十字路口中各行驶车道路面标识总磨损面积，并将其记为
Figure FDA0003647108670000042
5.根据权利要求1所述的一种基于机器视觉的城市交通在线智能监测预警管理系统，其特征在于：所述行驶车道路面标识信息分析模块中分析各十字路口中各行驶车道路面标识磨损度系数的具体步骤为：
A1:提取各十字路口中各行驶车道路面标识关键部位磨损面积和路面标识总磨损面积，并提取存储数据库中存储的各设定路面标识的标准关键部位面积和标准总面积，筛选出各十字路口中各行驶车道设定路面标识的标准关键部位面积和各十字路口中各行驶车道设定路面标识标准总面积，分别记为
Figure FDA0003647108670000051
和
Figure FDA0003647108670000052
A2：将上述参数代入公式
Figure FDA0003647108670000053
得到各十字路口中各行驶车道路面标识磨损度系数
Figure FDA0003647108670000054
j表示第j个行驶车道的编号，j＝1,2,...,m，α1表示关键部位磨损面积权重因子，α2表示总磨损面积权重因子；
A3：将各十字路口中各行驶车道路面标识磨损度系数与预设的行驶车道路面标识磨损度系数进行比较，若某十字路口中某行驶车道路面标识磨损度系数大于预设的路面标识磨损度系数，将该十字路口中该行驶车道记为路面标识磨损车道，筛选各十字路口中路面标识磨损车道的编号，将各十字路口中路面标识磨损车道的编号发送给交通管理中心。
6.根据权利要求1所述的一种基于机器视觉的城市交通在线智能监测预警管理系统，其特征在于：所述禁行区域违规信息获取模块中获得各十字路口中各禁行区域的各违规人员服装类型、各违规车辆车型、各违规车辆车牌号和各违规车辆违规行为类型的具体方法为：
根据各十字路口中各禁行区域的视频录像，获得各十字路口中各禁行区域的各人员位置，若某十字路口中某禁行区域的某人员位置在对应十字路口中对应禁行区域内，则该十字路口中该禁行区域的该人员为违规人员，将该十字路口中该禁行区域的该违法人员的服装图片与各设定服装类型图片进行比较，得到该十字路口中该禁行区域的该违法人员的服装图片与各设定服装类型图片的相似度，筛选出该十字路口中该禁行区域的该违法人员的服装图片对应相似度最大的设定服装类型图片，获得该十字路口中该禁行区域的该违法人员的服装类型，统计各十字路口中各禁行区域各违法人员的服装类型；
根据各十字路口中各禁行区域的视频录像，获得各十字路口中各禁行区域的各车辆轮廓，将各十字路口中各禁行区域的各车辆轮廓与各十字路口中各禁行区域轮廓进行匹配，若某十字路口中某禁行区域的某车辆轮廓与其对应的十字路口中对应的禁行区域轮廓存在重合区域，则该十字路口中该禁行区域的该车辆为违规车辆，并获得该十字路口中该禁行区域的违规车辆车型、违规车辆车牌号和违规车辆违规行为类型，统计各十字路口中各禁行区域的违规车辆车型、违规车辆车牌号和违规车辆违规行为类型。
7.根据权利要求1所述的一种基于机器视觉的城市交通在线智能监测预警管理系统，其特征在于：所述禁行区域违规信息分析模块中对各十字路口中各禁行区域的各违规人员服装类型进行分析和处理的具体步骤为：
将各十字路口中各禁行区域的各违规人员服装类型与预设的各特殊人员服装类型进行匹配，若某十字路口中某禁行区域的某违规人员服装类型与预设的各特殊人员服装类型均不同，则通过该十字路口中该禁行区域对应的语音终端进行语音预警提醒。
8.根据权利要求1所述的一种基于机器视觉的城市交通在线智能监测预警管理系统，其特征在于：所述禁行区域违规信息分析模块中各十字路口中各禁行区域的各违规车辆车型、各违规车辆车牌号和各违规车辆违规行为类型具体分析步骤为:
将各十字路口中各禁行区域的各违规车辆车型与预设的各特殊车辆车型进行匹配，若某十字路口中某禁行区域的某违规车辆车型与预设的各特殊车辆车型均不匹配，则将该十字路口中该禁行区域的该违规车辆车牌号和该违规车辆违规行为类型发送至交通管理中心，并通过该十字路口中该禁行区域进行相应的语音预警提醒。
CN202210537716.XA 2022-05-17 2022-05-17 一种基于机器视觉的城市交通在线智能监测预警管理系统 Pending CN114973664A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210537716.XA CN114973664A (zh) 2022-05-17 2022-05-17 一种基于机器视觉的城市交通在线智能监测预警管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210537716.XA CN114973664A (zh) 2022-05-17 2022-05-17 一种基于机器视觉的城市交通在线智能监测预警管理系统

Publications (1)

Publication Number Publication Date
CN114973664A true CN114973664A (zh) 2022-08-30

Family

ID=82983212

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210537716.XA Pending CN114973664A (zh) 2022-05-17 2022-05-17 一种基于机器视觉的城市交通在线智能监测预警管理系统

Country Status (1)

Country Link
CN (1) CN114973664A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116797943A (zh) * 2022-11-28 2023-09-22 佩齐睿鸿文化科技(武汉)有限公司 基于大数据分析的图片资源处理方法、系统及存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105679023A (zh) * 2016-02-19 2016-06-15 李彦玮 一种基于无人机的高速公路违章监测系统
CN107710298A (zh) * 2015-09-03 2018-02-16 欧姆龙株式会社 违章者检测装置及具备其的违章者检测系统
CN109164443A (zh) * 2018-08-27 2019-01-08 南京微达电子科技有限公司 基于雷达及图像分析的铁路线路异物检测方法及系统
US20200117928A1 (en) * 2018-10-12 2020-04-16 Toyota Jidosha Kabushiki Kaisha Traffic violation vehicle identification system, server and non-transitory recording medium in which vehicle control program is recorded
CN111783700A (zh) * 2020-07-06 2020-10-16 中国交通通信信息中心 一种路面异物自动识别预警方法和系统
CN112233421A (zh) * 2020-10-15 2021-01-15 胡歆柯 一种基于机器视觉的城市智慧交通监控智能系统
CN112766115A (zh) * 2021-01-08 2021-05-07 广州紫为云科技有限公司 基于交通出行场景违章智能的分析方法、系统及存储介质
CN112818864A (zh) * 2021-02-02 2021-05-18 南京乐之飞科技有限公司 一种基于机器视觉和图像处理分析技术的智慧交通路面公共安全在线监测云平台
CN113111773A (zh) * 2021-04-10 2021-07-13 山东沂蒙交通发展集团有限公司 一种基于深度学习的路面障碍物智能识别设备
CN113378628A (zh) * 2021-04-27 2021-09-10 阿里云计算有限公司 一种道路障碍物区域检测方法
CN113422938A (zh) * 2021-08-23 2021-09-21 深圳市旗扬特种装备技术工程有限公司 人工智能的道路事件监控方法、装置、系统及存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107710298A (zh) * 2015-09-03 2018-02-16 欧姆龙株式会社 违章者检测装置及具备其的违章者检测系统
CN105679023A (zh) * 2016-02-19 2016-06-15 李彦玮 一种基于无人机的高速公路违章监测系统
CN109164443A (zh) * 2018-08-27 2019-01-08 南京微达电子科技有限公司 基于雷达及图像分析的铁路线路异物检测方法及系统
US20200117928A1 (en) * 2018-10-12 2020-04-16 Toyota Jidosha Kabushiki Kaisha Traffic violation vehicle identification system, server and non-transitory recording medium in which vehicle control program is recorded
CN111783700A (zh) * 2020-07-06 2020-10-16 中国交通通信信息中心 一种路面异物自动识别预警方法和系统
CN112233421A (zh) * 2020-10-15 2021-01-15 胡歆柯 一种基于机器视觉的城市智慧交通监控智能系统
CN112766115A (zh) * 2021-01-08 2021-05-07 广州紫为云科技有限公司 基于交通出行场景违章智能的分析方法、系统及存储介质
CN112818864A (zh) * 2021-02-02 2021-05-18 南京乐之飞科技有限公司 一种基于机器视觉和图像处理分析技术的智慧交通路面公共安全在线监测云平台
CN113111773A (zh) * 2021-04-10 2021-07-13 山东沂蒙交通发展集团有限公司 一种基于深度学习的路面障碍物智能识别设备
CN113378628A (zh) * 2021-04-27 2021-09-10 阿里云计算有限公司 一种道路障碍物区域检测方法
CN113422938A (zh) * 2021-08-23 2021-09-21 深圳市旗扬特种装备技术工程有限公司 人工智能的道路事件监控方法、装置、系统及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116797943A (zh) * 2022-11-28 2023-09-22 佩齐睿鸿文化科技(武汉)有限公司 基于大数据分析的图片资源处理方法、系统及存储介质
CN116797943B (zh) * 2022-11-28 2024-04-26 山西税源财税法大数据集团有限公司 基于大数据分析的图片资源处理方法、系统及存储介质

Similar Documents

Publication Publication Date Title
CN103824452B (zh) 一种轻量级的基于全景视觉的违章停车检测装置
CN101179710B (zh) 铁路道口智能视频监控装置
CN102903239B (zh) 交通路口车辆左右违章转向检测方法和系统
CN109493609A (zh) 一种便携式未礼让行人自动识别抓拍的装置和方法
CN107067730B (zh) 基于卡口设备的网约车人车不一致监测方法
CN110838230B (zh) 一种移动视频监控方法、监控中心及系统
CN115035491A (zh) 一种基于联邦学习的驾驶行为路况预警方法
CN112071084A (zh) 一种利用深度学习判断违章停车的方法和系统
CN113903008A (zh) 基于深度学习和轨迹跟踪的匝道出口车辆违法识别方法
CN111783700B (zh) 一种路面异物自动识别预警方法和系统
CN113450573A (zh) 基于无人机图像识别的交通监测方法和交通监测系统
CN112651293A (zh) 一种公路违法设摊事件视频检测方法
CN114973664A (zh) 一种基于机器视觉的城市交通在线智能监测预警管理系统
CN114494998B (zh) 一种车辆数据智能分析方法及系统
CN116631187B (zh) 一种案件现场勘查信息智能采集分析系统
CN112735143A (zh) 一种实时车辆布控实现方法、装置及存储介质
CN110633609B (zh) 基于人脸对象位置分析的定位平台
CN114693722B (zh) 一种车辆行驶行为检测方法、检测装置及检测设备
CN112633163B (zh) 一种基于机器学习算法实现非法运营车辆检测的检测方法
CN114743168A (zh) 基于深度学习的行车风险源识别评估方法及系统
CN111027365B (zh) 基于人脸对象位置分析的定位方法
CN103680148A (zh) 一种出租车识别方法
CN113076821A (zh) 一种事件的检测方法及装置
CN113177443A (zh) 一种基于图像视觉的智能识别道路交通违章的方法
CN113255422A (zh) 一种基于深度学习的工序衔接目标识别管理方法及系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220830

RJ01 Rejection of invention patent application after publication