CN114973691A - 不良驾驶行为记录系统 - Google Patents
不良驾驶行为记录系统 Download PDFInfo
- Publication number
- CN114973691A CN114973691A CN202210592815.8A CN202210592815A CN114973691A CN 114973691 A CN114973691 A CN 114973691A CN 202210592815 A CN202210592815 A CN 202210592815A CN 114973691 A CN114973691 A CN 114973691A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- module
- information
- induction coil
- photographing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
- G08G1/054—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed photographing overspeeding vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- 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
- G08G1/02—Detecting movement of traffic to be counted or controlled using treadles built into the road
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种不良驾驶行为记录系统,包括:至少四个车辆拍照模块;车牌识别模块:根据获取的车辆照片识别车辆照片中的车辆牌照信息;车道对比模块,根据车辆照片信息并结合车辆照片信息来自于对应的车辆拍照模块,判断车辆是否存在变道行为;报告及通知模块,用于将违章车辆违章行为统计,并将违章行为的信息上报给公安交通信息管理平台,同时进行司机违章行为的信息的记录和处罚。本发明在使用过程中,能够在车辆到达预设路段后对车辆行为进行拍照,根据前后两组获得牌照信息和车道信息,来判断车辆该路段区间内是否存在违法变道行为,并自动对车辆驾驶者的违法行为进行记录,减少了工作量,提高了效率,而且判断的准确性高。
Description
技术领域
本发明涉及不良驾驶行为记录系统技术领域,具体地,涉及不良驾驶行为记录系统。
背景技术
随着汽车保有量的上升,交通参与者的素质良莠不齐,难免出现众多的交通违章行为,其中违章变道、碾压实线是导致交通事故的重要来源之一。
目前图像拍摄系统是对违法行为监控的重要手段,但是,图像拍摄系统采集的图片背景复杂,为了更好的拍摄到违法行为,一般会采取扩大拍摄区域的方式,拍摄区域过大,图像中有可能出现两辆及以上车辆,导致系统无法识别,人工对车辆的拍照进行识别时,就存在识别有误的问题,需要对拍摄的违法行为进行手动记录,相对较为麻烦。而且现在拍摄系统只能拍摄的是某个点违法,不能拍摄到区间的违法变道。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种不良驾驶行为记录系统。
根据本发明提供的一种不良驾驶行为记录系统,包括:
至少四个车辆拍照模块:每一车道至少对应一车辆拍照模块,所述车辆拍照模块,用于计算车辆的速度,并根据车辆速度计算所述车辆到达拍照区域的时间点,根据计算的时间点对车辆进行拍照,其中,车辆照片中的信息至少包括车辆牌照信息和拍摄相机的位置信息;
车牌识别模块:根据获取的车辆照片识别车辆照片中的车辆牌照信息;
车道对比模块,根据车辆牌照信息并结合车辆照片摄像模块对应的车道信息,判断车辆是否存在变道行为;
报告及通知模块,用于将违章车辆违章行为统计,并将违章行为的信息上报给公安交通信息管理平台,同时进行司机违章行为的信息的记录和处罚。
3、可选地,所述车辆拍照模块包括至少两个地感线圈组和一个拍照子模块,其中,每一地感线圈组分别包括第一地感线圈和第二地感线圈:
所述第一地感线圈和第二地感线圈设置在同一车道内,且所述第一地感线圈和第二地感线圈之间的最大距离小于等于车辆的长度;
第一地感线圈和第二地感线圈先后触发,获得两次触发时间间隔,通过两个地感线圈的距离和时间间隔计算车辆速度;
拍照子模块,设置在靠近所述第二地感线圈且远离所述第一地感线圈的拍照区域,相邻车辆拍照模块之间的距离均在车辆拍照模块可以达到的拍摄区间内,且每一所述车辆拍照模块对应一车道,当所述车辆经过所述第二地感线圈后,根据计算的车辆速度计算车辆到达拍照区域的时间点,根据计算的时间点触发拍照子模块对车辆进行拍照。
可选地,还包括:
显示交互模块,通过相邻两辆车的车速和两车触发所述第二地感线圈时间计算出车距并显示给驾驶人员。
可选地,所述公安交通信息管理平台包括:
车速判定模块,根据车辆行驶速度,获得龟速和超速车辆的车辆牌照信息;
堵车预测模块:根据车速和相邻车辆之间的车距预判车辆堵车情况;
车辆故障判断模块,根据同一车辆通过相邻两所述车辆拍照模块的时长,判断车辆是否出现抛锚状况。
可选地,所述公安交通信息管理平台还包括:
效果评价模块:定期对存储在公安交通信息管理平台的存储信息进行审核,对不良驾驶行为记录系统的工作效果进行评估反馈。
可选地,所述车牌识别模块采用卷积神经网络,并把拍摄到的车辆照片初步处理,根据图像灰度,把灰度一样且面积较大的图像处理掉,然后进行扫描,来定位图片中的车牌,最后将车辆牌照由图像转换为数字信号。
与现有技术相比,本发明具有如下的有益效果:
本发明提供的一种不良驾驶行为记录系统,在使用过程中,能够在车辆到达预设路段后对车辆行为进行拍照,根据前后两组获得牌照信息和车道信息,来判断车辆该路段区间内是否存在违法变道行为,并自动对车辆驾驶者的违法行为进行记录,减少了工作量,提高了效率,而且判断的准确性高。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明提供的蝴蝶状的不良驾驶行为记录系统结构示意图;
图2为本发明提供的第一肋骨状的不良驾驶行为记录系统的结构示意图;
图3为本发明提供的第二肋骨状的不良驾驶行为记录系统的结构示意图。
图中:1、车辆拍照模块;101、第一地感线圈;102、第二地感线圈;103、拍照子模块;2、车牌识别模块;3、车道对比模块;4、报告及通知模块;5、车辆。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
在对本实施例进行介绍说明之前,先对本申请的应用场景进行说明,因为本申请针对的是道路上的实线路段(禁止变道),不仅是针对隧道或者桥梁中的实线路段,个别路段距离很长,甚至长达十几公里,可以装配适当数量的车辆拍照模块。图3是单向四车道设置图,拍摄间的距离可以根据需要设置。每一个摄像头获得图像(车牌信息),都可以和同一车道上一个摄像头获得图像(车牌信息)进行对比。若后面摄像头获得车牌信息而同车道上一个摄像头没有获得车牌信息,就是该车辆在这前后两个摄像头之间的路段违规变更车道。
如图1所示,本发明中的不良驾驶行为记录系统可以包括:
至少四个车辆拍照模块1:每一车道至少对应一车辆拍照模块1,车辆拍照模块1,用于计算车辆5的速度,并根据车辆速度计算车辆5到达拍照区域的时间点,根据计算的时间点对车辆5进行拍照,其中车辆5的照片中的信息至少包括车辆牌照信息和车道信息(每个摄像对应相应的车道和位置);如右图2和图3所示,在实际应用中,车辆拍照模块1包括至少两个地感线圈组和一个拍照子模块103,其中,每一地感线圈组分别包括第一地感线圈和第二地感线圈:
第一地感线圈和第二地感线圈设置在同一车道内,且第一地感线圈101和第二地感线圈102之间的最大距离小于等于车辆的长度;
第一地感线圈101和第二地感线圈102先后触发,获得两次触发时间间隔,通过两个地感线圈的距离和时间间隔计算车辆速度;
拍照子模块,设置在靠近第二地感线圈102且远离第一地感线圈101的拍照区域,相邻车辆拍照模块1之间的距离均在车辆拍照模块1可以达到的拍摄区间内,且每一车道对应至少两个拍照模块1,当车辆5经过第二地感线圈102后,根据计算的车辆速度计算车辆5到达拍照区域的时间点,根据计算的时间点触发拍照子模块103对车辆进行拍照。本系统能获得车速和车辆准确位置,其他系统为了获得车辆照片,把照相机取景面很宽,容易导致多辆汽车进入画面,无法准确识别。
可以理解的是,四个车辆拍照模块1可以分别放置在实线车道两端,在车辆5 进入到该车道时,对车辆5进行拍照,在车辆5到达车道另一端时,当然,车辆5 可以是在行驶过程中变更了车道,也可以还是在原车道上,车辆拍照模块1对实线车道的另一端的车辆5进行拍照,车辆拍照模块1的数量也可以根据需要选择多个,可以理解的是,也就使根据车道的短长来确定车辆拍照模块1的数量,其中,第一地感线圈101和第二地感线圈102装配在车道的表面下,拍照子模块103可跟据需要选择各种摄像头,譬如夜视摄像头,摄像头安装在拍摄车道正上方,以便获得车道信息,摄像头要保证只能获得本车道信息,不能拍摄到其他车道画面.优势是获得图像在保证像素的情况下,占用内存最少。
借助于上述的车辆拍照模块1包括第一地感线圈101和第二地感线圈102的构造,还可以设计车速计算模块:根据第一地感线圈101和第二地感线圈102感应到车辆5的时间差与第一地感线圈101和第二地感线圈102之间的距离计算车辆5的移动速度,并将计算的车辆5的移动速度发送到报告及通知模块4。
车牌识别模块2:根据车辆照片识别车辆照片中的车辆牌照信息。
在实际应用中,车牌识别模块2采用卷积神经网络,并把拍摄到的车辆照片初步处理,初步处理根据图像灰度,把灰度一样且面积较大的图像处理掉,然后进行扫描,来定位图片中的车牌,最后将车辆牌照由图像转换为数字信号;
可以理解的是,一般图像处理是直接扫描,定位车牌,本专利是先去除大面积的一样灰度,如玻璃、颜色一样车体等,即因为车牌和车体的灰度不一致,可以将不属于灰度值范围的大面积的图片消除掉,这样容易定位车牌号然后再扫描识别车牌号,这样可以大大的提高了车辆牌照的识别速度。
车道对比模块3,根据车辆照片信息并结合车辆照片信息来自于对应的车辆拍照模块,判断车辆是否存在变道行为。
在实际应用中,假如存在四个实线车道,一般情况下,车辆拍照模块1不会将所在车道拍摄出来,一个摄像镜头拍摄一个车道,通过车辆拍照信息并判断车辆照片是否来自于同一车道上的车辆拍照模块1,前面摄像镜头获得车道信息和车辆信息与后面摄像头拍摄到车道信息和车辆信息对比,判断车辆是否在同一车道内(是否变更车道)。
报告及通知模块4,用于将章车辆违章行为统计,并将违章行为的信息上报给公安交通信息管理平台,同时进行司机违章行为的信息的记录和处罚。
可以理解的是,公安交通信息管理平台还可以将司机违章行为的信息和处罚发送给驾驶员,发送方式一般是通过短信发送到对应的车主手机上。
在实际应用中,公安交通信息管理平台包括:
车速判定模块,根据车辆行驶速度,获得龟速和超速车辆的车辆牌照信息;
堵车预测模块:根据车速和相邻车辆之间的车距预判车辆堵车情况;
车辆故障判断模块,根据同一车辆通过相邻两车辆拍照模块的时长,判断车辆是否出现抛锚状况。
可选地,公安交通信息管理平台还包括:
效果评价模块:定期对存储在公安交通信息管理平台的存储信息进行审核,对不良驾驶行为记录系统的工作效果进行评估反馈
在实际应用中,为了以实现对系统工作效果的评估反馈,使系统保持较高的可靠性进行工作,公安交通信息管理平台包括:
效果评价模块:定期对存储在公安交通信息管理平台的存储信息进行审核,对不良驾驶行为记录系统的工作效果进行评估反馈。
为了可以实时显示与前车的距离,还设置了显示交互模块,通过车速和两车触发时间计算出车距并在道路显示屏进行显示,对于视野效果不好的地段,如隧道,等具有重要意义。
利用该系统实现司机不良驾驶行为的信息收集,可以实现信息共享,符合异地执法的需求,在任何地方发生违反当地交通规范的行为后,均可以进行违法行为的追究。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (6)
1.一种不良驾驶行为记录系统,其特征在于,包括:
至少四个车辆拍照模块:每一车道至少对应一车辆拍照模块,所述车辆拍照模块,用于计算车辆的速度,并根据车辆速度计算所述车辆到达拍照区域的时间点,根据计算的时间点对车辆进行拍照,其中,车辆照片中的信息至少包括车辆牌照信息和拍摄相机的位置信息;
车牌识别模块:根据获取的车辆照片识别车辆照片中的车辆牌照信息;
车道对比模块,根据车辆牌照信息并结合拍摄模块所对应的车辆车道信息,判断车辆是否存在变道行为;
报告及通知模块,用于将违章车辆违章行为统计,并将违章行为的信息上报给公安交通信息管理平台,同时进行司机违章行为的信息的记录和处罚。
2.根据权利要求1所述的不良驾驶行为记录系统,其特征在于:所述车辆拍照模块包括至少两个地感线圈组和一个拍照子模块,其中,每一地感线圈组分别包括第一地感线圈和第二地感线圈:
所述第一地感线圈和第二地感线圈设置在同一车道内,且所述第一地感线圈和第二地感线圈之间的最大距离小于等于车辆的长度;
第一地感线圈和第二地感线圈先后触发,获得两次触发时间间隔,通过两个地感线圈的距离和时间间隔计算车辆速度;
拍照子模块,设置在靠近所述第二地感线圈且远离所述第一地感线圈的拍照区域,相邻车辆拍照模块之间的距离均在车辆拍照模块可以达到的拍摄区间内,且每一所述车辆拍照模块对应一车道,当所述车辆经过所述第二地感线圈后,根据计算的车辆速度计算车辆到达拍照区域的时间点,根据计算的时间点触发拍照子模块对车辆进行拍照。
3.根据权利要求2所述的不良驾驶行为记录系统,其特征在于:还包括:
显示交互模块,通过相邻两辆车的车速和两车触发所述第二地感线圈时间计算出车距并显示给驾驶人员。
4.根据权利要求1所述的不良驾驶行为记录系统,其特征在于,所述公安交通信息管理平台包括:
车速判定模块,根据车辆行驶速度,获得龟速和超速车辆的车辆牌照信息;
堵车预测模块:根据车速和相邻车辆之间的车距预判车辆堵车情况;
车辆故障判断模块,根据同一车辆通过相邻两所述车辆拍照模块的时长,判断车辆是否出现抛锚状况。
5.根据权利要求2所述的不良驾驶行为记录系统,其特征在于,所述公安交通信息管理平台还包括:
效果评价模块:定期对存储在公安交通信息管理平台的存储信息进行审核,对不良驾驶行为记录系统的工作效果进行评估反馈。
6.根据权利要求1所述的不良驾驶行为记录系统,其特征在于,所述车牌识别模块采用卷积神经网络,并把拍摄到的车辆照片初步处理,根据图像灰度,把灰度一样且面积较大的图像处理掉,然后进行扫描,来定位图片中的车牌,最后将车辆牌照由图像转换为数字信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210592815.8A CN114973691A (zh) | 2022-05-27 | 2022-05-27 | 不良驾驶行为记录系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210592815.8A CN114973691A (zh) | 2022-05-27 | 2022-05-27 | 不良驾驶行为记录系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114973691A true CN114973691A (zh) | 2022-08-30 |
Family
ID=82957019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210592815.8A Pending CN114973691A (zh) | 2022-05-27 | 2022-05-27 | 不良驾驶行为记录系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114973691A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101533557A (zh) * | 2009-03-02 | 2009-09-16 | 上海高德威智能交通系统有限公司 | 交通信息检测方法和交通信息检测装置 |
CN201436639U (zh) * | 2009-06-02 | 2010-04-07 | 东莞市大一软件科技有限公司 | 一种超速电子警察系统 |
CN203552464U (zh) * | 2013-11-11 | 2014-04-16 | 长安大学 | 一种公路交织区交通冲突事件自动检测系统 |
KR20150101850A (ko) * | 2014-02-27 | 2015-09-04 | 울산대학교 산학협력단 | 차량 단속 확인 장치 및 방법 |
CN108665712A (zh) * | 2018-07-02 | 2018-10-16 | 大连海事大学 | 一种车辆越线违章行为监测方法及系统 |
CN111028503A (zh) * | 2018-10-09 | 2020-04-17 | 杭州海康威视系统技术有限公司 | 一种车辆变道监测方法及装置 |
CN111612013A (zh) * | 2019-02-26 | 2020-09-01 | 浙江远图互联科技股份有限公司 | 一种基于深度神经网络的停车系统及其工作流程 |
-
2022
- 2022-05-27 CN CN202210592815.8A patent/CN114973691A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101533557A (zh) * | 2009-03-02 | 2009-09-16 | 上海高德威智能交通系统有限公司 | 交通信息检测方法和交通信息检测装置 |
CN201436639U (zh) * | 2009-06-02 | 2010-04-07 | 东莞市大一软件科技有限公司 | 一种超速电子警察系统 |
CN203552464U (zh) * | 2013-11-11 | 2014-04-16 | 长安大学 | 一种公路交织区交通冲突事件自动检测系统 |
KR20150101850A (ko) * | 2014-02-27 | 2015-09-04 | 울산대학교 산학협력단 | 차량 단속 확인 장치 및 방법 |
CN108665712A (zh) * | 2018-07-02 | 2018-10-16 | 大连海事大学 | 一种车辆越线违章行为监测方法及系统 |
CN111028503A (zh) * | 2018-10-09 | 2020-04-17 | 杭州海康威视系统技术有限公司 | 一种车辆变道监测方法及装置 |
CN111612013A (zh) * | 2019-02-26 | 2020-09-01 | 浙江远图互联科技股份有限公司 | 一种基于深度神经网络的停车系统及其工作流程 |
Non-Patent Citations (1)
Title |
---|
许伟;王耀青;: "电子警察前端系统设计与实现", 信息技术 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8284996B2 (en) | Multiple object speed tracking system | |
AU2009338673B2 (en) | Method and system for conclusively capturing a violation of the speed limit on a section of a road | |
EP0631683B1 (en) | An object monitoring system | |
CN102542806B (zh) | 高速公路行驶车辆遮挡号牌实时监测系统及其控制方法 | |
CN101123039A (zh) | 基于数字摄像机的闯红灯检测系统及方法 | |
CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
CN108133599A (zh) | 一种渣土车视频识别方法及系统 | |
CN108932849B (zh) | 一种记录多台机动车低速行驶违法行为的方法及装置 | |
KR102332517B1 (ko) | 영상감시 제어장치 | |
CN111192462A (zh) | 一种超限信息采集方法、装置、系统及超限检测设备 | |
WO2016113973A1 (ja) | 交通違反管理システムおよび交通違反管理方法 | |
CN108932850B (zh) | 一种记录机动车低速行驶违法行为的方法及装置 | |
KR100692241B1 (ko) | 차량의 무인과속 감시방법 및 무인과속 감시시스템 | |
CN109300313B (zh) | 违法行为的检测方法、相机及服务器 | |
CN110070725A (zh) | 占用公交专用道占道抓拍一体机及抓拍方法 | |
CN108805994B (zh) | 一种计时停车系统及方法 | |
CN114973691A (zh) | 不良驾驶行为记录系统 | |
CN103337168A (zh) | 一种车辆数据采集方法、装置及系统 | |
CN113593247B (zh) | 停车管理系统 | |
CN115798067A (zh) | 基于大功率rsu的电子车牌识别系统及其识别方法 | |
CN110400466B (zh) | 一种基于双鉴的交通监控方法及系统 | |
KR102055602B1 (ko) | Avm을 이용한 이동식 주정차 단속 시스템 | |
CN113496597A (zh) | 一种基于激光测速的超速抓拍方法、系统及存储介质 | |
KR200406413Y1 (ko) | 차량 무인 과속감시시스템 | |
RU107380U1 (ru) | Система контроля соблюдения правил дорожного движения транспортными средствами и устройством видеофиксации нарушений |
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 |