CN116189444A - 一种车辆动态信息自动识别方法 - Google Patents

一种车辆动态信息自动识别方法 Download PDF

Info

Publication number
CN116189444A
CN116189444A CN202310204312.3A CN202310204312A CN116189444A CN 116189444 A CN116189444 A CN 116189444A CN 202310204312 A CN202310204312 A CN 202310204312A CN 116189444 A CN116189444 A CN 116189444A
Authority
CN
China
Prior art keywords
vehicle
information
module
dynamic
judging
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
CN202310204312.3A
Other languages
English (en)
Inventor
冯璋
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.)
Chelianyun Shenzhen Technology Co ltd
Original Assignee
Chelianyun Shenzhen Technology 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 Chelianyun Shenzhen Technology Co ltd filed Critical Chelianyun Shenzhen Technology Co ltd
Priority to CN202310204312.3A priority Critical patent/CN116189444A/zh
Publication of CN116189444A publication Critical patent/CN116189444A/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
    • G08G1/017—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
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本发明公开了一种车辆动态信息自动识别方法，涉及动态车辆监控技术领域，包括以下步骤，S1、车辆监控：对车辆进行姿态检测以及轨迹跟踪监控，得到车辆的位置；S2、信息采集：在车辆所处的车道环境下采集车辆的运动信息，运动信息包括速度以及加速度，车辆监控系统对动态车辆的行驶信息进行采集，并将采集信息初步判断后上传；S3、信息处理；S4、预测分析。本发明通过综合分析车辆的位置、速度、加速度以及车道线的位置来判断车辆当前的驾驶行为，实现异常驾驶行为的检测，能够对异常变道、起火、碰撞等在途车辆的危险状态进行精准识别，技术成果提升明显，为高速公路交通安全预警、管控以及事故应急救援奠定了基础，现实意义显著。

Description

一种车辆动态信息自动识别方法
技术领域
本发明涉及动态车辆监控技术领域，具体涉及一种车辆动态信息自动识别方法。
背景技术
仓储在物流供应链中起着至关重要的作用，正确、高效的出库、入库、盘库以及库存管理，将会极大地降低管理费用，保证服务质量。为提高仓储的作业效率和管理水平，目前大多数企业已经引入计算机数据技术进行作业管理，通过扫描条形码、二维码和电子标签等进行信息采集，再结合门禁系统，能实现对仓储流程和空间的智能化管理。针对现有技术存在以下问题：
1、现有的车辆动态信息自动识别方法,不便于对车辆情况进行判断，因此不能对行驶车辆有效的监管，容易产生的生命危险、财产损失；
2、现有的车辆动态信息自动识别方法,识别效果差，误识别情况多，识别效率低，不便于精准查找车辆所属人信息，及时联系。
发明内容
为解决上述技术问题，本发明所采用的技术方案是：
一种车辆动态信息自动识别方法，包括以下步骤，
S1、车辆监控：对车辆进行姿态检测以及轨迹跟踪监控，得到车辆的位置；
S2、信息采集：在车辆所处的车道环境下采集车辆的运动信息，运动信息包括速度以及加速度，车辆监控系统对动态车辆的行驶信息进行采集，并将采集信息初步判断后上传；
S3、信息处理：以车辆的位置信息、运动信息以及车辆所处的车道环境为依据，判断车辆的异常驾驶行为，对车辆的运动状态进行预测，得到车辆运动预测位置，计算预测位置与检测位置之间的马氏距离，判断马氏距离是否小于设定阈值，若是，则车辆的运动状态关联成功，并将预测位置作为车辆的位置；
S4、预测分析：采用实例分割网络模型对车辆的位置信息、运动信息以及车辆所处的车道环境进行分析判断，得到车辆的异常驾驶行为；异常驾驶行为包括异常变道以及停车。
本发明技术方案的进一步改进在于：S2信息打包将接收的车辆采集信息上传至违章判断系统中，通过违章判断系统判断车辆是否存在违章，若存在违章则通过车辆追踪系统定位车辆和联系车辆所属人，违章判断系统包括信息接收模块和数据发送模块，信息接收模块接收采集数据的打包文件并将各项数据智能判断，审核是否具有违章行为，若不存在则结束进程，若存在违章行为则通过数控发送模块将拍摄模块采集到的车辆图片信息上传至车辆追踪系统车辆追踪系统包括图像过滤模块、信息摘取模块、车辆显示模块和定位追踪模块，车辆追踪系统以云端数据库为基础，在云端数据库中追踪车辆信息。
本发明技术方案的进一步改进在于：采集车辆的视频信息，并提取视频信息中的特征信息，基于视频信息进行碰撞区域预测分析，得到碰撞预测区域。
本发明技术方案的进一步改进在于：对特征信息在时空上进行序列化建模，筛选出车辆行驶状态信息，对图片过滤处理，将图片冗余背景模糊，信息摘取模块提取图片中有效信息，有效信息包括车辆品牌、车辆型号、车辆规格以及车牌号，若是车牌号被遮挡则提取精细提取车辆编码、车架号，车辆显示模块包括显示设备，显示设备与云端数据库联网同步，通过信息摘取模块不断从云端数据库中筛选符合条件的车辆，并通过显示设备显示，在摘取车辆完成后，自动对摘取车辆通过定位追踪模块进行定位，获得在监控路段行驶的车辆所属人信息。
本发明技术方案的进一步改进在于：S3判断车辆行驶状态信息对应的数值是否大于正常行驶状态信息的最大阈值，若是，则车辆发生了碰撞，若否，则车辆没有发生碰撞，特征信息包括车辆坐标点数值、运动方向角、运动速度以及运动加速度；行驶状态信息包括速度、加速度以及轨迹突变。
由于采用了上述技术方案，本发明相对现有技术来说，取得的技术进步是：
1、本发明提供一种车辆动态信息自动识别方法，通过信息采集的作用下，在车辆所处的车道环境下采集车辆的运动信息，运动信息包括速度以及加速度，车辆监控系统对动态车辆的行驶信息进行采集，通过综合分析车辆的位置、速度、加速度以及车道线的位置来判断车辆当前的驾驶行为，实现异常驾驶行为的检测，能够对异常变道、起火、碰撞等在途车辆的危险状态进行精准识别，技术成果提升明显，为高速公路交通安全预警、管控以及事故应急救援奠定了基础，现实意义显著。
2、本发明提供一种车辆动态信息自动识别方法，通过信息处理的作用下，并将信息打包发送给违章判断系统进行再次判断，违章判断系统智能检测判断，确定车辆是否违规追踪，方案更为细化智能，识别的效率也更高，能够对车辆信息筛选摘除，采用排除法结合定位技术对车辆不断排除，精准查找车辆所属人信息，及时联系，避免危险发生，杜绝安全隐患。
3、本发明提供一种车辆动态信息自动识别方法，通过预测分析的作用下，采用实例分割网络模型对车辆的位置信息、运动信息以及车辆所处的车道环境进行分析判断，能够对动态车辆信息有效识别，精准判断，自动对违规车辆信息检索追踪，采用联网共享功能，车辆监管更为智能化，更加高效，有效杜绝危险发生，及时制止违规行为，约束行车规范，有利于车辆的安全行驶，适合推广。
附图说明
图1为本发明的一种车辆动态信息自动识别方法的流程结构示意图。
具体实施方式
下面结合实施例对本发明做进一步详细说明：
实施例1
如图1所示，本发明提供了一种车辆动态信息自动识别方法,包括以下步骤，
S1、车辆监控：对车辆进行姿态检测以及轨迹跟踪监控，得到车辆的位置；
S2、信息采集：在车辆所处的车道环境下采集车辆的运动信息，运动信息包括速度以及加速度，车辆监控系统对动态车辆的行驶信息进行采集，并将采集信息初步判断后上传；
S3、信息处理：以车辆的位置信息、运动信息以及车辆所处的车道环境为依据，判断车辆的异常驾驶行为，对车辆的运动状态进行预测，得到车辆运动预测位置，计算预测位置与检测位置之间的马氏距离，判断马氏距离是否小于设定阈值，若是，则车辆的运动状态关联成功，并将预测位置作为车辆的位置；
S4、预测分析：采用实例分割网络模型对车辆的位置信息、运动信息以及车辆所处的车道环境进行分析判断，得到车辆的异常驾驶行为；异常驾驶行为包括异常变道以及停车。
在本实施案例中，过综合分析车辆的位置、速度、加速度以及车道线的位置来判断车辆当前的驾驶行为，实现异常驾驶行为的检测，能够对异常变道、起火、碰撞等在途车辆的危险状态进行精准识别，技术成果提升明显，为高速公路交通安全预警、管控以及事故应急救援奠定了基础，现实意义显著。
实施例2
如图1所示，在实施例1的基础上，本发明提供一种技术方案：优选的，S2信息打包将接收的车辆采集信息上传至违章判断系统中，通过违章判断系统判断车辆是否存在违章，若存在违章则通过车辆追踪系统定位车辆和联系车辆所属人，违章判断系统包括信息接收模块和数据发送模块，信息接收模块接收采集数据的打包文件并将各项数据智能判断，审核是否具有违章行为，若不存在则结束进程，若存在违章行为则通过数控发送模块将拍摄模块采集到的车辆图片信息上传至车辆追踪系统车辆追踪系统包括图像过滤模块、信息摘取模块、车辆显示模块和定位追踪模块，车辆追踪系统以云端数据库为基础，在云端数据库中追踪车辆信息，采集车辆的视频信息，并提取视频信息中的特征信息，基于视频信息进行碰撞区域预测分析，得到碰撞预测区域，对特征信息在时空上进行序列化建模，筛选出车辆行驶状态信息，对图片过滤处理，将图片冗余背景模糊，信息摘取模块提取图片中有效信息，有效信息包括车辆品牌、车辆型号、车辆规格以及车牌号，若是车牌号被遮挡则提取精细提取车辆编码、车架号，车辆显示模块包括显示设备，显示设备与云端数据库联网同步，通过信息摘取模块不断从云端数据库中筛选符合条件的车辆，并通过显示设备显示，在摘取车辆完成后，自动对摘取车辆通过定位追踪模块进行定位，获得在监控路段行驶的车辆所属人信息；S3判断车辆行驶状态信息对应的数值是否大于正常行驶状态信息的最大阈值，若是，则车辆发生了碰撞，若否，则车辆没有发生碰撞，特征信息包括车辆坐标点数值、运动方向角、运动速度以及运动加速度；行驶状态信息包括速度、加速度以及轨迹突变。
在本实施例中，方案更为细化智能，识别的效率也更高，能够对车辆信息筛选摘除，采用排除法结合定位技术对车辆不断排除，精准查找车辆所属人信息，及时联系，避免危险发生，杜绝安全隐患，能够对动态车辆信息有效识别，精准判断，自动对违规车辆信息检索追踪，采用联网共享功能，车辆监管更为智能化，更加高效，有效杜绝危险发生，及时制止违规行为，约束行车规范，有利于车辆的安全行驶，适合推广。
下面具体说一下该一种车辆动态信息自动识别方法的工作原理。
如图1所示，对车辆进行姿态检测以及轨迹跟踪监控，得到车辆的位置，在车辆所处的车道环境下采集车辆的运动信息，运动信息包括速度以及加速度，车辆监控系统对动态车辆的行驶信息进行采集，并将采集信息初步判断后上传，信息打包将接收的车辆采集信息上传至违章判断系统中，通过违章判断系统判断车辆是否存在违章，若存在违章则通过车辆追踪系统定位车辆和联系车辆所属人，违章判断系统包括信息接收模块和数据发送模块，信息接收模块接收采集数据的打包文件并将各项数据智能判断，审核是否具有违章行为，若不存在则结束进程，若存在违章行为则通过数控发送模块将拍摄模块采集到的车辆图片信息上传至车辆追踪系统车辆追踪系统包括图像过滤模块、信息摘取模块、车辆显示模块和定位追踪模块，车辆追踪系统以云端数据库为基础，在云端数据库中追踪车辆信息，采集车辆的视频信息，并提取视频信息中的特征信息，基于视频信息进行碰撞区域预测分析，得到碰撞预测区域，对特征信息在时空上进行序列化建模，筛选出车辆行驶状态信息，对图片过滤处理，将图片冗余背景模糊，信息摘取模块提取图片中有效信息，有效信息包括车辆品牌、车辆型号、车辆规格以及车牌号，若是车牌号被遮挡则提取精细提取车辆编码、车架号，车辆显示模块包括显示设备，显示设备与云端数据库联网同步，通过信息摘取模块不断从云端数据库中筛选符合条件的车辆，并通过显示设备显示，在摘取车辆完成后，自动对摘取车辆通过定位追踪模块进行定位，获得在监控路段行驶的车辆所属人信息，综合分析车辆的位置、速度、加速度以及车道线的位置来判断车辆当前的驾驶行为，实现异常驾驶行为的检测，能够对异常变道、起火、碰撞等在途车辆的危险状态进行精准识别，技术成果提升明显，为高速公路交通安全预警、管控以及事故应急救援奠定了基础，现实意义显著，以车辆的位置信息、运动信息以及车辆所处的车道环境为依据，判断车辆的异常驾驶行为，对车辆的运动状态进行预测，得到车辆运动预测位置，计算预测位置与检测位置之间的马氏距离，判断马氏距离是否小于设定阈值，若是，则车辆的运动状态关联成功，并将预测位置作为车辆的位置，判断车辆行驶状态信息对应的数值是否大于正常行驶状态信息的最大阈值，若是，则车辆发生了碰撞，若否，则车辆没有发生碰撞，特征信息包括车辆坐标点数值、运动方向角、运动速度以及运动加速度；行驶状态信息包括速度、加速度以及轨迹突变，方案更为细化智能，识别的效率也更高，能够对车辆信息筛选摘除，采用排除法结合定位技术对车辆不断排除，精准查找车辆所属人信息，及时联系，避免危险发生，杜绝安全隐患，采用实例分割网络模型对车辆的位置信息、运动信息以及车辆所处的车道环境进行分析判断，得到车辆的异常驾驶行为；异常驾驶行为包括异常变道以及停车，采用联网共享功能，车辆监管更为智能化，更加高效，有效杜绝危险发生，及时制止违规行为，约束行车规范，有利于车辆的安全行驶，适合推广。
上文一般性的对本发明做了详尽的描述，但在本发明基础上，可以对之做一些修改或改进，这对于技术领域的一般技术人员是显而易见的。因此，在不脱离本发明思想精神的修改或改进，均在本发明的保护范围之内。

Claims (5)

1.一种车辆动态信息自动识别方法，包括以下步骤，其特征在于：
S1、车辆监控：对车辆进行姿态检测以及轨迹跟踪监控，得到车辆的位置；
S2、信息采集：在车辆所处的车道环境下采集车辆的运动信息，运动信息包括速度以及加速度，车辆监控系统对动态车辆的行驶信息进行采集，并将采集信息初步判断后上传；
S3、信息处理：以车辆的位置信息、运动信息以及车辆所处的车道环境为依据，判断车辆的异常驾驶行为，对车辆的运动状态进行预测，得到车辆运动预测位置，计算预测位置与检测位置之间的马氏距离，判断马氏距离是否小于设定阈值，若是，则车辆的运动状态关联成功，并将预测位置作为车辆的位置；
S4、预测分析：采用实例分割网络模型对车辆的位置信息、运动信息以及车辆所处的车道环境进行分析判断，得到车辆的异常驾驶行为；异常驾驶行为包括异常变道以及停车。
2.根据权利要求1所述的一种车辆动态信息自动识别方法，其特征在于：S2信息打包将接收的车辆采集信息上传至违章判断系统中，通过违章判断系统判断车辆是否存在违章，若存在违章则通过车辆追踪系统定位车辆和联系车辆所属人，违章判断系统包括信息接收模块和数据发送模块，信息接收模块接收采集数据的打包文件并将各项数据智能判断，审核是否具有违章行为，若不存在则结束进程，若存在违章行为则通过数控发送模块将拍摄模块采集到的车辆图片信息上传至车辆追踪系统车辆追踪系统包括图像过滤模块、信息摘取模块、车辆显示模块和定位追踪模块，车辆追踪系统以云端数据库为基础，在云端数据库中追踪车辆信息。
3.根据权利要求2所述的一种车辆动态信息自动识别方法，其特征在于：采集车辆的视频信息，并提取视频信息中的特征信息，基于视频信息进行碰撞区域预测分析，得到碰撞预测区域。
4.根据权利要求2所述的一种车辆动态信息自动识别方法，其特征在于：对特征信息在时空上进行序列化建模，筛选出车辆行驶状态信息，对图片过滤处理，将图片冗余背景模糊，信息摘取模块提取图片中有效信息，有效信息包括车辆品牌、车辆型号、车辆规格以及车牌号，若是车牌号被遮挡则提取精细提取车辆编码、车架号，车辆显示模块包括显示设备，显示设备与云端数据库联网同步，通过信息摘取模块不断从云端数据库中筛选符合条件的车辆，并通过显示设备显示，在摘取车辆完成后，自动对摘取车辆通过定位追踪模块进行定位，获得在监控路段行驶的车辆所属人信息。
5.根据权利要求1所述的一种车辆动态信息自动识别方法，其特征在于：S3判断车辆行驶状态信息对应的数值是否大于正常行驶状态信息的最大阈值，若是，则车辆发生了碰撞，若否，则车辆没有发生碰撞，特征信息包括车辆坐标点数值、运动方向角、运动速度以及运动加速度；行驶状态信息包括速度、加速度以及轨迹突变。
CN202310204312.3A 2023-03-06 2023-03-06 一种车辆动态信息自动识别方法 Pending CN116189444A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310204312.3A CN116189444A (zh) 2023-03-06 2023-03-06 一种车辆动态信息自动识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310204312.3A CN116189444A (zh) 2023-03-06 2023-03-06 一种车辆动态信息自动识别方法

Publications (1)

Publication Number Publication Date
CN116189444A true CN116189444A (zh) 2023-05-30

Family

ID=86442228

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310204312.3A Pending CN116189444A (zh) 2023-03-06 2023-03-06 一种车辆动态信息自动识别方法

Country Status (1)

Country Link
CN (1) CN116189444A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117636270A (zh) * 2024-01-23 2024-03-01 南京理工大学 基于单目摄像头的车辆抢道事件识别方法及设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117636270A (zh) * 2024-01-23 2024-03-01 南京理工大学 基于单目摄像头的车辆抢道事件识别方法及设备
CN117636270B (zh) * 2024-01-23 2024-04-09 南京理工大学 基于单目摄像头的车辆抢道事件识别方法及设备

Similar Documents

Publication Publication Date Title
CN112885144B (zh) 一种施工作业区车辆撞入事件预警方法及系统
WO2019153193A1 (zh) 一种出租车运营监测方法、设备、存储介质和系统
CN112785798B (zh) 面向电力变电站工程建设项目施工人员的行为分析方法
CN104809887B (zh) 一种高速公路上车辆逆行检测方法与自动报警装置
CN110866427A (zh) 一种车辆行为检测方法及装置
CN102164270A (zh) 具有异常事件发掘功能的智能视频监控方法及系统
CN107067730B (zh) 基于卡口设备的网约车人车不一致监测方法
CN109189019A (zh) 一种机车乘务员值乘标准化监控系统
CN111597962B (zh) 仓储物料防盗报警方法、装置及电子设备
CN110298300B (zh) 一种检测车辆违章压线的方法
CN110895662A (zh) 车辆超载报警方法、装置、电子设备及存储介质
KR102356666B1 (ko) 다중로그 데이터 기반의 공공안전 위험상황 감지, 예측, 대응 방법 및 장치
CN113676702B (zh) 基于视频流的目标追踪监测方法、系统、装置及存储介质
CN115527340A (zh) 一种基于无人机与监控摄像的智慧工地安全监测系统及方法
EP2858057A1 (en) System for traffic behaviour surveillance
CN104318769A (zh) 一种违章车辆监测报警系统及方法
CN104282154A (zh) 一种车辆超载监控系统及方法
CN116189444A (zh) 一种车辆动态信息自动识别方法
CN113011263B (zh) 一种矿井监控方法、装置、终端设备及介质
CN112749630A (zh) 一种道路路况智能视频监控方法及系统
CN114494998B (zh) 一种车辆数据智能分析方法及系统
CN111985295A (zh) 一种电动自行车行为识别方法、系统、工控机及摄像头
CN111881952A (zh) 基于预警大数据的驾驶员倾向性分析方法
CN117022323A (zh) 一种智能驾驶车辆行为分析与预测系统及方法
CN115311735A (zh) 一种异常行为智能识别预警方法

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