CN115394089A - 一种车辆信息融合展示的方法、无感通行系统及存储介质 - Google Patents
一种车辆信息融合展示的方法、无感通行系统及存储介质 Download PDFInfo
- Publication number
- CN115394089A CN115394089A CN202210904174.5A CN202210904174A CN115394089A CN 115394089 A CN115394089 A CN 115394089A CN 202210904174 A CN202210904174 A CN 202210904174A CN 115394089 A CN115394089 A CN 115394089A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- virtual
- model
- image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000004927 fusion Effects 0.000 title claims abstract description 21
- 230000003068 static effect Effects 0.000 claims abstract description 99
- 238000013507 mapping Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims description 54
- 238000004458 analytical method Methods 0.000 claims description 16
- 230000015654 memory Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 230000001939 inductive effect Effects 0.000 abstract description 7
- 238000007500 overflow downdraw method Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 13
- 239000000284 extract Substances 0.000 description 11
- 230000006870 function Effects 0.000 description 5
- 230000001953 sensory effect Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 101100010712 Caenorhabditis elegans dyn-1 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G08G1/017—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
- 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
-
- 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
- G08G1/052—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
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明实施例涉及一种车辆信息融合展示的方法、无感通行系统及存储介质,用于解决现有技术中无法通过路侧设备进行车辆识别的问题。该车辆信息融合方法包括:采集车辆图像,并从车辆图像中提取车辆信息;其中车辆信息包括车辆静态信息和车辆动态信息;建立虚拟地图,将车辆信息映射至虚拟地图中,生成车辆信息对应的车辆模型和虚拟行驶轨迹,并在车辆模型上呈现车辆信息。
Description
技术领域
本发明涉及高速公路数字孪生技术领域,特别涉及一种车辆信息融合展示的方法、无感通行系统及存储介质。
背景技术
随着数字孪生技术的发展,越来越多的高速公路开始使用基于数字孪生技术的无感通行系统对过往车辆进行监控。无感通行系统通常安装于高速路口的收费站中,由于收费站管理人员需要远程对每辆车的扣费情况进行监管,对堵车情况进行监控。因此需要对整条路的状况进行全景视角观察,也需要对每辆车的经行路径进行查询。
收费站的无感通行系统除了道路,门架、路灯等地理信息外,最重要的信息是车辆的识别和跟踪。因此无感通行系统中的动态信息采集和识别非常重要。对车辆进行识别和跟踪,传统的方式是在横跨道路的门架上安装图像采集系统,对车辆的正前及正后方进行图像信息采集和车牌识别,然后根据采集设备的地理位置,车辆的通行时间等因素进行跟踪。然而对于收费站来说,其车道很多,路面宽度超宽,如某收费站,其单向有16个车道,双向有32个车道,路面宽度超过100米。出于美观、施工难度及维护等方面考虑,难以安装横跨100米宽度的门架。因此,在某些路段仅能在路侧进行检测设备安装,由于车辆的侧面没有悬挂车牌,如何通过路侧设备进行车辆识别是本方案的关键问题。
鉴于此,如何通过路侧设备进行车辆识别,成为了亟待解决的技术问题。
发明内容
本发明实施例提供了一种车辆信息融合展示的方法、无感通行系统及可读存储介质,用于解决现有技术中无法通过路侧设备进行车辆识别的问题。
第一方面,本申请提供了一种车辆信息融合展示的方法,该方法包括:
采集车辆图像,并从所述车辆图像中提取车辆信息;其中所述车辆信息包括车辆静态信息和车辆动态信息;
建立虚拟地图,将所述车辆信息映射至所述虚拟地图中,生成所述车辆信息对应的车辆模型和虚拟行驶轨迹,并在所述车辆模型上呈现所述车辆信息。
可选的,采集车辆图像,并从所述车辆图像中提取车辆信息,包括:
对采集到的所述车辆图像进行逐帧分析,提取所述车辆图像中的车辆静态信息;其中,所述车辆静态信息包括车辆车牌和车辆外观;
对所述车辆图像进行动态分析,提取所述车辆图像中的车辆动态信息;其中,所述车辆动态信息包括车辆速度、行驶方向、车辆位置和行驶时间。
可选的,对所述车辆图像进行动态分析,提取所述车辆图像中的车辆动态信息,包括:
根据所述车辆静态信息,对所述车辆图像中的车辆进行同一性判定;
按照同一性判定后确定的同一车辆,动态分析包含所述同一车辆的车辆图像,并根据所述同一车辆在所述车辆图像中的大小、方位和出现的时间,确定所述车辆对应的车辆动态信息。
可选的,建立虚拟地图,将所述车辆信息映射至所述虚拟地图中,生成所述车辆信息对应的车辆模型和虚拟行驶轨迹,包括:
根据所述车辆静态信息,生成对应的车辆模型;
根据所述车辆动态信息,生成所述车辆信息对应的行驶轨迹,按照所述行驶轨迹,在所述虚拟地图中映射对应的虚拟行驶轨迹。
可选的,按照所述行驶轨迹,在所述虚拟地图中映射对应的虚拟行驶轨迹,包括:
按照所述行驶轨迹进行轨迹跟踪,并根据所述车辆图像采集设备映射至所述虚拟地图中的位置,判断所述行驶轨迹在所述虚拟地图中的位置,在所述虚拟地图上建立与所述目标车辆对应的车辆模型,将所述行驶轨迹映射至所述虚拟地图上,形成所述虚拟行驶轨迹。
可选的,在所述车辆模型上呈现所述车辆信息,包括:
根据所述车辆静态信息,对车辆模型和虚拟行驶轨迹进行同一性分析,确定同一车辆模型关联的车辆静态信息和车辆动态信息;
将所述同一车辆模型关联的车辆静态信息去重融合,并呈现在所述车辆模型上;
根据同一车辆模型关联的车辆动态信息,按照时间上的先后关系融合所述同一车辆模型对应的虚拟行驶轨迹,生成所述同一车辆模型关联的车辆动态信息对应的完整的虚拟行驶轨迹。
可选的,根据所述车辆静态信息,对所述车辆模型和所述虚拟行驶轨迹进行同一性分析,确定同一车辆模型关联的车辆静态信息和车辆动态信息,包括:
根据所述车辆静态信息,确定所述车辆静态信息对应的车辆模型;
根据所述车辆静态信息对应的车辆图像的拍摄时间,和所述虚拟行驶轨迹,对不同时间下提取到的车辆静态信息对应的车辆模型进行匹配,确定对应于同一目标车辆的车辆模型作为所述同一车辆模型,将所述车辆静态信息和所述虚拟行驶轨迹对应的车辆动态信息关联至所述同一车辆模型上。
第二方面,本申请提供了一种无感通行系统,包括:
摄像单元,用于采集车辆图像,并从所述车辆图像中提取车辆信息;其中所述车辆信息包括车辆静态信息和车辆动态信息;
处理单元,用于建立虚拟地图,将所述车辆信息映射至所述虚拟地图中,生成所述车辆信息对应的车辆模型和虚拟行驶轨迹,并在所述车辆模型上呈现所述车辆信息。
可选的,摄像单元还用于:
对采集到的所述车辆图像进行逐帧分析,提取所述车辆图像中的车辆静态信息;其中,所述车辆静态信息包括车辆车牌和车辆外观;
对所述车辆图像进行动态分析,提取所述车辆图像中的车辆动态信息;其中,所述车辆动态信息包括车辆速度、行驶方向、车辆位置和行驶时间。
可选的,处理单元还用于:
根据所述车辆静态信息,对所述车辆图像中的车辆进行同一性判定;
按照同一性判定后确定的同一车辆,动态分析包含所述同一车辆的车辆图像,并根据所述同一车辆在所述车辆图像中的大小、方位和出现的时间,确定所述车辆对应的车辆动态信息。
可选的,处理单元还用于:
根据所述车辆静态信息,生成对应的车辆模型;
根据所述车辆动态信息,生成所述车辆信息对应的行驶轨迹,按照所述行驶轨迹,在所述虚拟地图中映射对应的虚拟行驶轨迹。
可选的,处理单元还用于:
按照所述行驶轨迹进行轨迹跟踪,并根据所述摄像单元映射至所述虚拟地图中的位置,判断所述行驶轨迹在所述虚拟地图中的位置,在所述虚拟地图上建立与所述目标车辆的车辆模型将所述行驶轨迹在映射至所述虚拟地图上,形成所述虚拟行驶轨迹。
可选的,处理单元还用于:
根据所述车辆静态信息,对车辆模型和虚拟行驶轨迹进行同一性分析,确定同一车辆模型关联的车辆静态信息和车辆动态信息;
将所述同一车辆模型关联的车辆静态信息去重融合,并呈现在所述车辆模型上;
根据同一车辆模型关联的车辆动态信息,按照时间上的先后关系融合所述同一车辆模型对应的虚拟行驶轨迹,生成所述同一车辆模型关联的车辆动态信息对应的完整的虚拟行驶轨迹。
可选的,处理单元还用于:
根据所述车辆静态信息,确定所述车辆静态信息对应的车辆模型;
根据所述车辆静态信息对应的车辆图像的拍摄时间,和所述虚拟行驶轨迹,对不同时间下提取到的车辆静态信息对应的车辆模型进行匹配,确定对应于同一目标车辆的车辆模型作为所述同一车辆模型,将所述车辆静态信息和所述虚拟行驶轨迹对应的车辆动态信息关联至所述同一车辆模型上。
第三方面,本申请提供一种车辆信息融合展示的装置,包括:
至少一个处理器,以及
与所述至少一个处理器连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令执行如第一方面中任一项所述的方法。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面中任一项所述的方法的步骤。
本申请实施例中的技术方案具有以下有益效果:采集车辆图像,并从车辆图像中提取车辆信息;其中车辆信息包括车辆静态信息和车辆动态信息;建立虚拟地图,将所述车辆信息映射至所述虚拟地图中,生成所述车辆信息对应的车辆模型和虚拟行驶轨迹,并在所述车辆模型上呈现所述车辆信息;从而将车辆图像采集设备采集的车辆图像对应的车辆信息进行融合,然后映射至虚拟地图中;在用户进行车辆识别时,即使路侧设备没有采集到车辆的车牌信息,也能在虚拟地图中根据位置寻找对应车辆的车辆模型,并从车辆模型上提取全部车辆信息。
附图说明
图1是本申请实施例提供的一种车辆信息融合展示的方法的流程图;
图2是本申请实施例提供的一种无感通行系统的结构示意图;
图3是本申请实施例提供的另一种无感通行系统的结构示意图;
图4是本申请实施例提供的另一种无感通行系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,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。
现有技术中,无感通行系统通常通过大视频平台来完成监控,即采用高清摄像头拼接的方式来实现监控。采用视频拼接的方式,由于高速公路比较长,属于细长型,每辆车在屏幕中占有的像素过小,且周围楼宇等非交通信息占画面的较大比例,通过肉眼在画面中紧跟高速行驶的某一辆车辆比较困难,很难起到对某一辆车的监管作用。而使用自动追踪识别系统追踪识别车辆则需要对车辆图像进行分析,获取车辆的车牌信息进行追踪,由于摄像设备在高速公路上的设置位置的限制,通常除了收费站附近能够设置门架安装摄像设备从正面进行图像采集和分析外,大多数路段仅有路侧能够设置摄像设备,而路侧的摄像设备由于其拍摄视野的问题,无法保证能够拍摄到路上车辆的车牌,也就无法进行识别追踪。
为此,本申请提供一种车辆信息融合展示的方法、无感通行系统及存储介质,用于解决无法通过路侧设备进行车辆识别的问题。请参见图1,本方法的总体思路如下:
101、采集车辆图像,并从车辆图像中提取车辆信息;其中车辆信息包括车辆静态信息和车辆动态信息;
102、建立虚拟地图,将车辆信息映射至虚拟地图中,生成车辆信息对应的车辆模型和虚拟行驶轨迹,并在车辆模型上呈现车辆信息。
在介绍上述方法之前,先介绍执行上述方法的无感通行系统,请参见图2,图2为本申请实施例提供的一种无感通行系统的结构示意图,其中包括摄像单元21和处理单元22,摄像单元21设置于道路门架上,采集道路上行驶的车辆图像,并从采集的车辆图像中提取车辆信息发送给处理单元22。
摄像单元21会实时采集车辆图像,并对车辆图像进行识别,提取其中的车辆信息1。先识别车辆图像中的车辆车牌为车牌A、车辆外观为甲品牌的白色轿车,然后根据该车辆相对于摄像单元21的视距位置,判断该车辆的行驶方向为自西向东行驶、车辆速度80km/h、车辆位置为(aa,aa)和行驶时间为AA时AA分AA秒。
摄像单元21在提取到车辆信息1后,将车辆信息1{车辆车牌为车牌A、车辆外观为甲品牌的白色轿车、车辆的行驶方向为自西向东行驶、车辆速度80km/h、车辆位置为(aa,aa)和行驶时间为AA时AA分AA秒}发送给处理单元22。处理单元22根据摄像单元21实际安装的位置,建立对应的虚拟地图,并根据车辆信息1在虚拟地图中生成对应的车辆模型,以及该车辆模型的行驶轨迹,并将车辆信息1以标签的形式加到车辆模型上,以便用户点击查看。
在实际应用中,摄像单元21并不一定带有数据处理功能,此时可以将采集的车辆图像直接发送给处理单元22进行处理并提取其中的车辆信息。同时由于摄像单元21所在的位置不同,拍摄的车辆图像中并不一定包含该车辆的全部车辆信息,此时处理单元22可以根据提取到的车辆信息自行生成对应的车辆模型和虚拟行驶轨迹,并根据其他的摄像单元21采集到的车辆图像中的车辆信息进行相互融合补足。
例如,请参见图3,图3为本申请实施例提供的另一种无感通行系统的结构示意图,其中无感通行系统分别在道路上方的门架上和道路侧边设置有摄像单元21,两个摄像单元21将采集到的图像发送给处理单元22进行处理。当车辆经过路侧的摄像单元21时,路侧摄像单元21将采集到的车辆图像发送给处理单元22进行识别提取,获得车辆信息为{车辆车牌未知、车辆外观为甲品牌的白色轿车、车辆的行驶方向为自西向东行驶、车辆速度80km/h、车辆位置为(aa,aa)和行驶时间为AA时AA分AA秒};而后该车辆又经过道路上方门架上的摄像单元21,道路上方门架上的摄像单元21将采集到的车辆图像发送给处理单元22进行识别提取,获得车辆信息为{车辆车牌为车牌A、车辆外观为甲品牌的白色轿车、车辆的行驶方向为自西向东行驶、车辆速度80km/h、车辆位置为(bb,aa)和行驶时间为AB时AB分AB秒}。处理单元22根据两个车辆信息分别生成对应的车辆模型和虚拟行驶轨迹,并映射至虚拟地图中。
然后,处理单元22计算生成的两个车辆模型之间的相似度,得到两个车辆模型之间的相似度为85%;处理单元22再计算生成的两个虚拟轨迹之间的匹配度,得到两个虚拟轨迹间的匹配度的92%;处理单元22将计算得到的车辆模型相似度、虚拟轨迹匹配度和预设的相似度阈值80%、匹配度阈值80%进行对比。由于车辆模型相似度85%大于相似度阈值80%,虚拟轨迹匹配度92%大于匹配度阈值80%,因此处理单元22确定,两个车辆模型为同一车辆的车辆模型,两个虚拟轨迹也是同一车辆对应的虚拟轨迹,进而确定车辆信息{车辆车牌未知、车辆外观为甲品牌的白色轿车、车辆的行驶方向为自西向东行驶、车辆速度80km/h、车辆位置为(aa,aa)和行驶时间为AA时AA分AA秒}和车辆信息{车辆车牌为车牌A、车辆外观为甲品牌的白色轿车、车辆的行驶方向为自西向东行驶、车辆速度80km/h、车辆位置为(bb,aa)和行驶时间为AB时AB分AB秒}为同一车辆在行驶过程中产生的车辆信息。
处理单元22将两个车辆信息进行融合,获得该车辆行驶在两个摄像单元21的拍摄范围中的车辆信息为{车辆车牌为车牌A、车辆外观为甲品牌的白色轿车、车辆的行驶方向为自西向东行驶、车辆速度80km/h、车辆位置为从(aa,aa)至(bb,aa)和行驶时间从AA时AA分AA秒至AB时AB分AB秒},并将融合后的车辆信息附加在对应的车辆模型上,以供用户查看。
在实际应用中,车辆静态信息还可能包括车辆标识(例如实习标、年检标等)、车辆类型(例如轿车、货车、皮卡车等)等静态信息;车辆动态信息还可能包括车辆相对位置、车辆GPS坐标等动态信息。
在本发明实施例中,通过摄像单元采集车辆图像,并从车辆图像中提取车辆信息;其中车辆信息包括车辆静态信息和车辆动态信息;建立虚拟地图,将车辆信息映射至虚拟地图中,生成车辆信息对应的车辆模型和虚拟行驶轨迹,并在车辆模型上呈现车辆信息;从而将摄像单元采集的车辆图像对应的车辆信息进行融合,然后映射至虚拟地图中;在用户进行车辆识别时,即使路侧设备没有采集到车辆的车牌信息,也能在虚拟地图中根据位置寻找对应车辆的车辆模型,并从车辆模型上提取全部车辆信息。
一种可能的实施方式,上述方法中采集车辆图像,并从车辆图像中提取车辆信息,包括:
对采集到的车辆图像进行逐帧分析,提取车辆图像中的车辆静态信息;其中,车辆静态信息包括车辆车牌和车辆外观;对车辆图像进行动态分析,提取车辆图像中的车辆动态信息;其中,车辆动态信息包括车辆速度、行驶方向、车辆位置和行驶时间。
如图2中的例子,摄像单元21对采集到的车辆图像进行逐帧分析,提取到车辆图像中的车辆车牌为{车牌A},车辆外观为{车辆外观为甲品牌的白色轿车}。然后再对采集到的车辆图像进行动态分析,根据车辆图像中车辆对应于摄像头的视距位置计算该车辆的车辆速度为{80km/h},判断行驶方向为{自西向东行驶},根据摄像单元21所在的位置和车辆图像中车辆对应于摄像头的视距位置确定车辆位置{(aa,aa)至(bb,aa)},根据车辆图像的拍摄时间计算行驶时间{AA时AA分AA秒至AB时AB分AB秒}。
在实际应用中,根据车辆图像中车辆对应于摄像头的视距位置计算该车辆的车辆速度的方法可以使用三次样条插值等插值方法,在该方法中曲线的切线方向为车辆行驶的方向,车辆两点的位置(经纬度)除以时间为车辆的行驶速度,具体计算公式为:其中dyn1为车辆速度信息,dynIDj为车辆的经纬度信息。
在本申请实施例中,摄像单元21在采集到车辆图像后,能够对车辆图像进行分析,提取其中车辆的车辆信息,从而根据车辆图像,获取其中车辆的动态信息和静态信息。
一种可能的实施方式,上述方法中的对车辆图像进行动态分析,提取车辆图像中的车辆动态信息,包括:
根据车辆静态信息,对车辆图像中的车辆进行同一性判定;按照同一性判定后确定的同一车辆,动态分析包含同一车辆的车辆图像,并根据同一车辆在车辆图像中的大小、方位和出现的时间,确定车辆对应的车辆动态信息。
如图3中的例子,摄像单元21提取两组车辆信,其中摄像单元21提取到的车辆静态信息为{车辆车牌未知、车辆外观为甲品牌的白色轿车}、车辆动态信息为{车辆速度80km/h、车辆位置为(aa,aa)和行驶时间为AA时AA分AA秒},而道路上方门架上的摄像单元21提取到的车辆静态信息为{车辆车牌为车牌A、车辆外观为甲品牌的白色轿车}、车辆动态信息为{车辆速度80km/h、车辆位置为(bb,aa)和行驶时间为AB时AB分AB秒}。然后处理单元22对两个车辆静态信息进行比对和同一性判定,确定两个车辆静态信息为同一车辆的车辆信息。最后处理单元22将两个车辆动态信息{车辆速度80km/h、车辆位置为(aa,aa)和行驶时间为AA时AA分AA秒}和{车辆速度80km/h、车辆位置为(bb,aa)和行驶时间为AB时AB分AB秒}进行融合,获得该车辆对应的车辆动态信息为{车辆的行驶方向为自西向东行驶、车辆速度80km/h、车辆位置为从(aa,aa)至(bb,aa)和行驶时间从AA时AA分AA秒至AB时AB分AB秒}。
在本申请实施例中,在摄像单元21提取到车辆信息后,会先进行同一性判定,确定车辆动态信息中属于同一车辆的部分,然后对同一车辆的车辆动态信息进行汇总分析,获取到该车辆对应的车辆动态信息。
一种可能的实施方式,在上述方法中的建立虚拟地图,将车辆信息映射至虚拟地图中,生成车辆信息对应的车辆模型和虚拟行驶轨迹,包括:
根据车辆静态信息,生成对应的车辆模型;
根据车辆动态信息,生成车辆信息对应的行驶轨迹,按照行驶轨迹,在虚拟地图中映射对应的虚拟行驶轨迹。
如图3中的例子,摄像单元21提取到车辆信息为{车辆车牌为车牌A、车辆外观为甲品牌的白色轿车、车辆的行驶方向为自西向东行驶、车辆速度80km/h、车辆位置为从(aa,aa)至(bb,aa)和行驶时间从AA时AA分AA秒至AB时AB分AB秒}。处理单元22根据摄像单元21所设置的位置,建立对应的虚拟地图;然后根据车辆静态信息{车辆车牌为车牌A、车辆外观为甲品牌的白色轿车},建立一个虚拟的车辆模型,并根据车辆动态信息{车辆的行驶方向为自西向东行驶、车辆速度80km/h、车辆位置为从(aa,aa)至(bb,aa)和行驶时间从AA时AA分AA秒至AB时AB分AB秒},在虚拟地图中,对车辆模型映射出一条对应的虚拟行驶轨迹。
在本申请实施例中,处理单元22根据摄像单元21提取的车辆信息生成对应的车辆模型和虚拟行驶轨迹,并根据摄像单元21实际设置的位置,生成虚拟地图,从而将车辆信息映射至虚拟地图中,并在车辆模型上全面展示车辆信息,方便了用户查看车辆信息。
一种可能的实施方式,上述方法中按照行驶轨迹,在虚拟地图中映射对应的虚拟行驶轨迹,包括:
按照行驶轨迹进行轨迹跟踪,并根据车辆图像采集设备映射至虚拟地图中的位置,判断行驶轨迹在虚拟地图中的位置,在虚拟地图上建立与目标车辆的车辆模型将行驶轨迹映射至虚拟地图上,形成虚拟行驶轨迹。
如上图3中的例子,摄像单元21提取到车辆动态信息后,处理单元22根据车辆动态信息{车辆的行驶方向为自西向东行驶、车辆速度80km/h、车辆位置为从(aa,aa)至(bb,aa)和行驶时间从AA时AA分AA秒至AB时AB分AB秒},生成该车辆的行驶轨迹为:在AA时AA分AA秒至AB时AB分AB秒中,车辆以80km/h的车速,自西向东从(aa,aa)行驶至(bb,aa)处。然后处理单元在虚拟地图中先生成车辆静态信息{车辆车牌为车牌A、车辆外观为甲品牌的白色轿车}对应的车辆模型,再以摄像单元21为参照物,将在AA时AA分AA秒至AB时AB分AB秒中,车辆以80km/h的车速,自西向东从(aa,aa)行驶至(bb,aa)处的行驶轨迹,映射至虚拟地图中,生成对应的虚拟行驶轨迹。
在本申请实施例中,处理单元22将会把车辆动态信息转化为对应的行驶轨迹,并映射至虚拟地图中,在虚拟地图中建立对应的车辆模型和虚拟行驶轨迹,从而让用户能够直接在虚拟地图中以图形化的界面查询并追踪车辆。
一种可能的实施方式,上述方法中的在车辆模型上呈现车辆信息,包括:
根据车辆静态信息,对车辆模型和虚拟行驶轨迹进行同一性分析,确定同一车辆模型关联的车辆静态信息和车辆动态信息;将同一车辆模型关联的车辆静态信息去重融合,并呈现在车辆模型上;根据同一车辆模型关联的车辆动态信息,按照时间上的先后关系融合同一车辆模型对应的虚拟行驶轨迹,生成同一车辆模型关联的车辆动态信息对应的完整的虚拟行驶轨迹。
如图3中的例子,处理单元22获取到两个车辆信息,分别为{车辆车牌未知、车辆外观为甲品牌的白色轿车、车辆速度80km/h、车辆位置为(aa,aa)和行驶时间为AA时AA分AA秒}和{车辆车牌为车牌A、车辆外观为甲品牌的白色轿车、车辆速度80km/h、车辆位置为(bb,aa)和行驶时间为AB时AB分AB秒}。然后将两个车辆信息分别在虚拟地图中生成对应的车辆模型和虚拟行驶轨迹。然后对两个车辆模型和虚拟行驶轨迹进行比对和同一性判断,判断为同一车辆关联的车辆静态信息和车辆动态信息。处理单元22将两个车辆静态信息进行去重融合,得到该车辆的完整车辆静态信息为{车辆车牌为车牌A、车辆外观为甲品牌的白色轿车};再按时间先后,融合车辆动态信息,得到该车辆的完整车辆动态信息为{车辆的行驶方向为自西向东行驶、车辆速度80km/h、车辆位置为从(aa,aa)至(bb,aa)和行驶时间从AA时AA分AA秒至AB时AB分AB秒}。最后,处理单元22按照完整车辆静态信息生成对应的车辆模型,根据完整车辆动态信息生成对应的虚拟行驶轨迹,并将车辆模型和虚拟行驶轨迹输入至虚拟地图中供用户查看。
一段时间后,处理单元22又获得两个车辆信息,分别为{车辆车牌为车牌B、车辆外观为甲品牌的黑色轿车、车辆速度80km/h、车辆位置为(cc,aa)和行驶时间为CC时CC分CC秒}和{车辆车牌为车牌C、车辆外观为甲品牌的黑色轿车、车辆速度80km/h、车辆位置为(cc,bb)和行驶时间为CC时CC分CC秒}。处理单元22对两个车辆信息进行同一性判定,由于车牌不同,且在同一时刻车辆所在位置也不相同,因此判定为不同车辆的车辆信息。然后根据两个车辆信息分别生成对应的两个车辆模型和两个行驶轨迹,并映射至虚拟地图中以供用户查看。
在本申请实施例中,处理单元22需要对车辆信息进行同一性判断,区分不同车辆的车辆信息,并对同一车辆的车辆信息进行融合,获得完整的车辆信息,将完整的车辆信息映射至虚拟地图中以供用户查阅,从而结合不同摄像单元,不同时刻采集的车辆信息,并融合为完整的车辆信息,即使部分摄像单元未能采集到完整的车辆信息,也不会影响用户追踪查看车辆的完整车辆信息。
一种可能的实施方式,上述方法中的根据车辆静态信息,对车辆模型和虚拟行驶轨迹进行同一性分析,确定同一车辆模型关联的车辆静态信息和车辆动态信息,包括:
根据车辆静态信息,确定车辆静态信息对应的车辆模型;根据车辆静态信息对应的车辆图像的拍摄时间,和虚拟行驶轨迹,对不同时间下提取到的车辆静态信息对应的车辆模型进行匹配,确定对应于同一目标车辆的车辆模型作为同一车辆模型,将车辆静态信息和虚拟行驶轨迹对应的车辆动态信息关联至同一车辆模型上。
如图3中的例子,处理单元22先根据车辆静态信息{车辆车牌为车牌A、车辆外观为甲品牌的白色轿车}、{车辆车牌未知、车辆外观为甲品牌的白色轿车}分别生成对应的车辆模型。然后根据车辆静态信息的在车辆图像中的时间,和虚拟行驶轨迹进行匹配,提取车辆静态信息{车辆车牌未知、车辆外观为甲品牌的白色轿车}的车辆图像的采集时刻为AA时AA分AA秒、此时车辆位置为(aa,aa),提取车辆静态信息{车辆车牌为车牌A、车辆外观为甲品牌的白色轿车}的车辆图像采集时刻为AB时AB分AB秒、此时车辆位置为(bb,aa),提取两个车辆静态信息的车辆图像的采集时刻不同,对应的车辆位置也不相同。再根据车辆的行驶速度80km/h,计算从AA时AA分AA秒到AB时AB分AB秒之间车辆行驶的距离,并与车辆位置(aa,aa)到车辆位置(bb,aa)之间的距离进行对比匹配,将车辆的行驶方向和车辆位置(aa,aa)到车辆位置(bb,aa)的方向进行匹配,进而确定两个车辆信息是同一车辆的车辆信息。
一段时间后,处理单元22对{车辆车牌为车牌B、车辆外观为甲品牌的黑色轿车、车辆速度80km/h、车辆位置为(cc,aa)和行驶时间为CC时CC分CC秒}和{车辆车牌为车牌C、车辆外观为甲品牌的黑色轿车、车辆速度80km/h、车辆位置为(cc,bb)和行驶时间为CC时CC分CC秒}进行同一性判断,由于两个车辆静态信息中的车辆车牌不一样,且在CC时CC分CC秒,两个车辆信息分别指向了两个车辆位置,因此判断两个车辆信息并非同一车辆的车辆信息。
在实际应用中,对于特定车辆的追踪,可以在获取到前一个摄像单元21提取的车辆信息后,按照摄像单元21的装设位置,计算该车辆出现在后续摄像单元21中的似然概率,并对似然概率进行排序后,按照似然概率从大到小的顺序对后续摄像头提取的车辆信息进行逐一匹配。例如:处理单元22获得车辆信息为{车牌号码staticID、车辆外观信息static1……staticn、行驶方向dyn1、车辆速度dyn2、车辆位置dynID},处理单元22为该车辆信息定义一个车辆ID为其中Vehi为车辆ID。然后按照摄像单元21的架设位置,预测后一个摄像单元21采集到的车辆信息为最后设定一个阈值ε,此时有公式如下:
该公式先匹配车辆车牌,若车辆车牌无法匹配,在用车辆预测位置、车辆静态信息等多维信息进行匹配,从而逐步匹配同一车辆的车辆信息。当匹配成功后,便认为匹配成功可能的为同一车辆的车辆信息,否则为其他车辆的车辆信息;当有多个车辆信息之间能够匹配成功,在按照匹配计算获得似然概率由大到小排序后,再进行匹配,从而加快匹配速度。
在本申请实施例中,处理单元22会对不同的车辆信息进行匹配对比,判断同一车辆的车辆信息并进行融合,从而让同一车辆的车辆信息更加完全;同时在车辆追踪时,对后续摄像单元21提取的车辆信息进行了态势感知和预测,可得到同一车辆在不同车辆信息中出现的似然概率,根据似然概率是否大于预设似然概率阈值判断两个车辆信息是否是同一车辆的车辆信息,并将似然概率大于预设似然概率阈值的车辆由大到小进行排序后,与当前待匹配的摄像头出现的车辆信息进行逐一匹配,这样大概率取似然概率最高的数个车辆信息即可完成匹配,而不需要进行全量匹配,该机制实现了不同车辆信息的优先匹配策略,可显著提升识别的实时性,降低计算消耗。
基于同一发明构思,本申请提供一种无感通行系统,请参见图4,包括:
摄像单元401,用于采集车辆图像,并从车辆图像中提取车辆信息;其中车辆信息包括车辆静态信息和车辆动态信息;
处理单元402,用于建立虚拟地图,将车辆信息映射至虚拟地图中,生成车辆信息对应的车辆模型和虚拟行驶轨迹,并在车辆模型上呈现车辆信息。
一种可能的实施方式,摄像单元401用于:
对采集到的车辆图像进行逐帧分析,提取车辆图像中的车辆静态信息;其中,车辆静态信息包括车辆车牌和车辆外观;对车辆图像进行动态分析,提取车辆图像中的车辆动态信息;其中,车辆动态信息包括车辆速度、行驶方向、车辆位置和行驶时间。
一种可能的实施方式,处理单元402用于:
根据车辆静态信息,对车辆图像中的车辆进行同一性判定;按照同一性判定后确定的同一车辆,动态分析包含同一车辆的车辆图像,并根据同一车辆在车辆图像中的大小、方位和出现的时间,确定车辆对应的车辆动态信息。
一种可能的实施方式,处理单元402用于:
根据车辆静态信息,生成对应的车辆模型;根据车辆动态信息,生成车辆信息对应的行驶轨迹,按照行驶轨迹,在虚拟地图中映射对应的虚拟行驶轨迹。
一种可能的实施方式,处理单元402用于:
按照行驶轨迹进行轨迹跟踪,并根据摄像单元401映射至虚拟地图中的位置,判断行驶轨迹在虚拟地图中的位置,在虚拟地图上建立与目标车辆的车辆模型将行驶轨迹映射至虚拟地图上,形成虚拟行驶轨迹。
一种可能的实施方式,处理单元402用于:
根据车辆静态信息,对车辆模型和虚拟行驶轨迹进行同一性分析,确定同一车辆模型关联的车辆静态信息和车辆动态信息;将同一车辆模型关联的车辆静态信息去重融合,并呈现在车辆模型上;根据同一车辆模型关联的车辆动态信息,按照时间上的先后关系融合同一车辆模型对应的虚拟行驶轨迹,生成同一车辆模型关联的车辆动态信息对应的完整的虚拟行驶轨迹。
一种可能的实施方式,处理单元402用于:
根据车辆静态信息,确定车辆静态信息对应的车辆模型;根据车辆静态信息对应的车辆图像的拍摄时间,和虚拟行驶轨迹,对不同时间下提取到的车辆静态信息对应的车辆模型进行匹配,确定对应于同一目标车辆的车辆模型作为同一车辆模型,将车辆静态信息和虚拟行驶轨迹对应的车辆动态信息关联至同一车辆模型上。
基于同一发明构思,本发明一实施例提供一种车辆信息融合展示的装置,包括:
至少一个处理器,处理器用于执行存储器中存储的计算机程序时实现本申请实施例提供的如上的车辆信息融合展示的步骤。
可选的,处理器具体可以是中央处理器、特定应用集成电路(英文:ApplicationSpecific Integrated Circuit,简称:ASIC),可以是一个或多个用于控制程序执行的集成电路。
可选的,该数据完整性保护的设备还包括与至少一个处理器连接的存储器,存储器可以包括只读存储器(英文:Read Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)和磁盘存储器。存储器用于存储处理器运行时所需的数据,即存储有可被至少一个处理器执行的指令,至少一个处理器通过执行存储器存储的指令,执行如上的图1所示的方法。其中,存储器的数量为一个或多个。
本申请实施例还提供一种计算机存储介质,其中,计算机存储介质存储有计算机指令,当计算机指令在计算机上运行时,使得计算机执行如上的车辆信息融合展示的方法的步骤。
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。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种车辆信息融合展示的方法,其特征在于,包括:
采集车辆图像,并从所述车辆图像中提取车辆信息;其中所述车辆信息包括车辆静态信息和车辆动态信息;
建立虚拟地图,将所述车辆信息映射至所述虚拟地图中,生成所述车辆信息对应的车辆模型和虚拟行驶轨迹,并在所述车辆模型上呈现所述车辆信息。
2.如权利要求1所述的方法,其特征在于,采集车辆图像,并从所述车辆图像中提取车辆信息,包括:
对采集到的所述车辆图像进行逐帧分析,提取所述车辆图像中的车辆静态信息;其中,所述车辆静态信息包括车辆车牌和车辆外观;
对所述车辆图像进行动态分析,提取所述车辆图像中的车辆动态信息;其中,所述车辆动态信息包括车辆速度、行驶方向、车辆位置和行驶时间。
3.如权利要求2所述的方法,其特征在于,对所述车辆图像进行动态分析,提取所述车辆图像中的车辆动态信息,包括:
根据所述车辆静态信息,对所述车辆图像中的车辆进行同一性判定;
按照同一性判定后确定的同一车辆,动态分析包含所述同一车辆的车辆图像,并根据所述同一车辆在所述车辆图像中的大小、方位和出现的时间,确定所述车辆对应的车辆动态信息。
4.如权利要求3所述的方法,其特征在于,建立虚拟地图,将所述车辆信息映射至所述虚拟地图中,生成所述车辆信息对应的车辆模型和虚拟行驶轨迹,包括:
根据所述车辆静态信息,生成对应的车辆模型;
根据所述车辆动态信息,生成所述车辆信息对应的行驶轨迹,按照所述行驶轨迹,在所述虚拟地图中映射对应的虚拟行驶轨迹。
5.如权利要求4所述的方法,其特征在于,按照所述行驶轨迹,在所述虚拟地图中映射对应的虚拟行驶轨迹,包括:
按照所述行驶轨迹进行轨迹跟踪,并根据车辆图像采集设备映射至所述虚拟地图中的位置,判断所述行驶轨迹在所述虚拟地图中的位置,在所述虚拟地图上建立与所述目标车辆的车辆模型将所述行驶轨迹映射至所述虚拟地图上,形成所述虚拟行驶轨迹。
6.如权利要求1所述的方法,其特征在于,在所述车辆模型上呈现所述车辆信息,包括:
根据所述车辆静态信息,对车辆模型和虚拟行驶轨迹进行同一性分析,确定同一车辆模型关联的车辆静态信息和车辆动态信息;
将所述同一车辆模型关联的车辆静态信息去重融合,并呈现在所述车辆模型上;
根据同一车辆模型关联的车辆动态信息,按照时间上的先后关系融合所述同一车辆模型对应的虚拟行驶轨迹,生成所述同一车辆模型关联的车辆动态信息对应的完整的虚拟行驶轨迹。
7.如权利要求6所述的方法,其特征在于,根据所述车辆静态信息,对所述车辆模型和所述虚拟行驶轨迹进行同一性分析,确定同一车辆模型关联的车辆静态信息和车辆动态信息,包括:
根据所述车辆静态信息,确定所述车辆静态信息对应的车辆模型;
根据所述车辆静态信息对应的车辆图像的拍摄时间,和所述虚拟行驶轨迹,对不同时间下提取到的车辆静态信息对应的车辆模型进行匹配,确定对应于同一目标车辆的车辆模型作为所述同一车辆模型,将所述车辆静态信息和所述虚拟行驶轨迹对应的车辆动态信息关联至所述同一车辆模型上。
8.一种无感通行系统,其特征在于,包括:
摄像单元,用于采集车辆图像,并从所述车辆图像中提取车辆信息;其中所述车辆信息包括车辆静态信息和车辆动态信息;
处理单元,用于建立虚拟地图,将所述车辆信息映射至所述虚拟地图中,生成所述车辆信息对应的车辆模型和虚拟行驶轨迹,并在所述车辆模型上呈现所述车辆信息。
9.一种车辆信息融合展示的装置,其特征在于,包括:
至少一个处理器,以及
与所述至少一个处理器连接的存储器;
其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令执行权利要求1-7中任一项所述的方法。
10.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的分布式网关配置的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210904174.5A CN115394089A (zh) | 2022-07-29 | 2022-07-29 | 一种车辆信息融合展示的方法、无感通行系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210904174.5A CN115394089A (zh) | 2022-07-29 | 2022-07-29 | 一种车辆信息融合展示的方法、无感通行系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115394089A true CN115394089A (zh) | 2022-11-25 |
Family
ID=84116664
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210904174.5A Pending CN115394089A (zh) | 2022-07-29 | 2022-07-29 | 一种车辆信息融合展示的方法、无感通行系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115394089A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117152666A (zh) * | 2023-10-18 | 2023-12-01 | 北京精英智通科技股份有限公司 | 一种机动车特征的分析校正识别方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107316463A (zh) * | 2017-07-07 | 2017-11-03 | 深圳市诺龙技术股份有限公司 | 一种车辆监控的方法和装置 |
CN111275983A (zh) * | 2020-02-14 | 2020-06-12 | 北京百度网讯科技有限公司 | 车辆追踪方法、装置、电子设备和计算机可读存储介质 |
CN111368692A (zh) * | 2020-02-28 | 2020-07-03 | 北京爱笔科技有限公司 | 信息融合方法及装置、停车位置定位方法及系统 |
CN111578964A (zh) * | 2020-04-13 | 2020-08-25 | 河北德冠隆电子科技有限公司 | 基于时空轨迹重构高精地图道路信息快速生成系统及方法 |
CN111784729A (zh) * | 2020-07-01 | 2020-10-16 | 杭州海康威视数字技术股份有限公司 | 一种对象跟踪方法、装置、电子设备及存储介质 |
CN112597830A (zh) * | 2020-12-11 | 2021-04-02 | 国汽(北京)智能网联汽车研究院有限公司 | 一种车辆追踪的方法、装置、设备及计算机存储介质 |
CN113902778A (zh) * | 2021-11-18 | 2022-01-07 | 云控智行科技有限公司 | 一种目标跟踪方法及装置 |
CN114724131A (zh) * | 2022-04-01 | 2022-07-08 | 北京明略昭辉科技有限公司 | 一种车辆追踪方法、装置、电子设备及存储介质 |
-
2022
- 2022-07-29 CN CN202210904174.5A patent/CN115394089A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107316463A (zh) * | 2017-07-07 | 2017-11-03 | 深圳市诺龙技术股份有限公司 | 一种车辆监控的方法和装置 |
CN111275983A (zh) * | 2020-02-14 | 2020-06-12 | 北京百度网讯科技有限公司 | 车辆追踪方法、装置、电子设备和计算机可读存储介质 |
CN111368692A (zh) * | 2020-02-28 | 2020-07-03 | 北京爱笔科技有限公司 | 信息融合方法及装置、停车位置定位方法及系统 |
CN111578964A (zh) * | 2020-04-13 | 2020-08-25 | 河北德冠隆电子科技有限公司 | 基于时空轨迹重构高精地图道路信息快速生成系统及方法 |
CN111784729A (zh) * | 2020-07-01 | 2020-10-16 | 杭州海康威视数字技术股份有限公司 | 一种对象跟踪方法、装置、电子设备及存储介质 |
CN112597830A (zh) * | 2020-12-11 | 2021-04-02 | 国汽(北京)智能网联汽车研究院有限公司 | 一种车辆追踪的方法、装置、设备及计算机存储介质 |
CN113902778A (zh) * | 2021-11-18 | 2022-01-07 | 云控智行科技有限公司 | 一种目标跟踪方法及装置 |
CN114724131A (zh) * | 2022-04-01 | 2022-07-08 | 北京明略昭辉科技有限公司 | 一种车辆追踪方法、装置、电子设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117152666A (zh) * | 2023-10-18 | 2023-12-01 | 北京精英智通科技股份有限公司 | 一种机动车特征的分析校正识别方法及系统 |
CN117152666B (zh) * | 2023-10-18 | 2024-02-09 | 北京精英智通科技股份有限公司 | 一种机动车特征的分析校正识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111179585B (zh) | 自动驾驶车辆的场地测试方法及装置 | |
US11836985B2 (en) | Identifying suspicious entities using autonomous vehicles | |
CN110717433A (zh) | 一种基于深度学习的交通违规分析方法及装置 | |
CN110032947B (zh) | 一种监控事件发生的方法及装置 | |
CN110188482B (zh) | 一种基于智能驾驶的测试场景创建方法及装置 | |
CN107301776A (zh) | 基于视频检测技术的车道路况处理及发布方法 | |
CN109615862A (zh) | 道路车辆交通运动状态参数动态获取方法及装置 | |
CN112991742B (zh) | 一种实时交通数据的可视化仿真方法及系统 | |
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 | |
CN112509325B (zh) | 一种基于视频深度学习的非现场违法自动甄别方法 | |
KR20210052031A (ko) | 딥러닝 기반 교통 흐름 분석 방법 및 시스템 | |
CN106412508A (zh) | 车辆违章压线智能监控方法和系统 | |
CN105374208A (zh) | 路况提醒和摄像头检测方法及其装置 | |
CN113255439B (zh) | 一种障碍物识别方法、装置、系统、终端及云端 | |
CN113505638A (zh) | 车流量的监测方法、监测装置及计算机可读存储介质 | |
CN115394089A (zh) | 一种车辆信息融合展示的方法、无感通行系统及存储介质 | |
WO2024098992A1 (zh) | 倒车检测方法及装置 | |
Malinovskiy et al. | Model‐free video detection and tracking of pedestrians and bicyclists | |
CN111291722A (zh) | 一种基于v2i技术的车辆重识别系统 | |
CN114693722B (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
CN115440071B (zh) | 一种自动驾驶违规停车检测方法 | |
CN110198439A (zh) | 用于自动测试adas相机的图像识别性能的方法和装置 | |
CN114241373A (zh) | 一种端到端的车辆行为检测方法、系统、设备及存储介质 | |
KR20230102871A (ko) | 다중객체추적 알고리즘을 활용한 드론 항공영상 기반 미시적 교통데이터 추출을 위한 장치 및 방법 | |
CN114511825A (zh) | 一种区域占用检测方法、装置、设备及存储介质 |
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 |