CN116246233A - 车载货物监控方法、装置、计算机设备及存储介质 - Google Patents

车载货物监控方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN116246233A
CN116246233A CN202310524111.1A CN202310524111A CN116246233A CN 116246233 A CN116246233 A CN 116246233A CN 202310524111 A CN202310524111 A CN 202310524111A CN 116246233 A CN116246233 A CN 116246233A
Authority
CN
China
Prior art keywords
monitored
image
area
goods
cargo
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
CN202310524111.1A
Other languages
English (en)
Inventor
陈世喆
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.)
Shenzhen Yishi Huolala Technology Co Ltd
Original Assignee
Shenzhen Yishi Huolala 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 Shenzhen Yishi Huolala Technology Co Ltd filed Critical Shenzhen Yishi Huolala Technology Co Ltd
Priority to CN202310524111.1A priority Critical patent/CN116246233A/zh
Publication of CN116246233A publication Critical patent/CN116246233A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/24—Reminder alarms, e.g. anti-loss alarms
    • 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

本申请提供了车载货物监控方法、装置、计算机设备及存储介质。所述车载货物监控的方法，包括：间隔地获取设置在货车车厢内的摄像机拍摄的图像；通过相邻间隔时间点的图像判断车厢内货物是否发生移动，如果是，则发出提示信息。本申请实施例的车载货物监控方法如果发现车厢内货物发生了位移，则发出提示信息，提醒货车司机安全驾驶或下车查看货物，重新摆放货物，避免了货物的进一步损坏和遗失，大大降低了客户投诉率，提升了客户的体验。

Description

车载货物监控方法、装置、计算机设备及存储介质
技术领域
本申请涉及货车监测技术领域，尤其涉及一种车载货物监控方法、装置、计算机设备及存储介质。
背景技术
随着经济的快速发展，在物流行业中，货车运输占较大的比重。货车货运数量在大幅增长的同时，也带来了一系列的安全问题，如加速度过快或加速带转向等激烈驾驶行为，可以导致货物的损坏或丢失。
为进一步对货物的损坏或丢失确定责任方，通常利用司机手机陀螺仪、GPS数据计算司机加速度、偏向加速度来判断司机是否具有激烈驾驶行为，但这并不能实锤货损、货丢责任方。而另一些方案则通过在车厢安装摄像机、留存货运途中的监控视频作为追责证据，这虽然可以清楚查看货运途中的货物情况，但视频时间往往长达多个小时，仅靠人工查看很难快速、精确定位到事发时间段。且存储所有监控视频对存储空间要求很高，此外若存储在云端服务器则还要考虑端侧设备流量消耗大、网络信号差等问题。且这些方式都是事后追查，不能在当时对司机进行警示和提醒。
针对现存方法存在的问题，急需提供一种可警示提醒货物位移的车载货物监控方法、装置、计算机设备及存储介质。
发明内容
本申请的目的在于提供一种可警示提醒货物位移的车载货物监控方法、装置、计算机设备及存储介质，旨在解决上述技术问题之一。
第一方面，一种车载货物监控的方法，包括：间隔地获取设置在货车车厢内的摄像机拍摄的图像；通过相邻间隔时间点的所述图像判断所述车厢内货物是否发生移动，如果是，则发出提示信息。
优选地，上述通过相邻间隔时间点的所述图像判断所述车厢内货物是否发生移动的步骤具体为：确定所述图像中的待监控区域；获取所述待监控区域的图像；通过相邻间隔时间点的所述待监控区域的图像差异判断所述车厢内货物是否发生移动；所述确定所述图像中的待监控区域具体为：根据所述摄像机的安装位置和货物摆放位置在所述图像内手动划定待监控区域；或使用深度学习图像分割方法在所述图像内自动划定待监控区域；所述待监控区域为用掩膜图表示的待监控区域；或所述待监控区域为用多边形轮廓表示的待监控区域；所述待监控区域为货箱区域或货物区域。
另一优选地，上述通过相邻间隔时间点的所述图像判断所述车厢内货物是否发生移动的步骤具体为：确定所述图像的待监控货物；用目标追踪方法跟踪获取后续所述图像的所述待监控货物；通过相邻间隔时间点的所述待监控货物位置差异判断所述待监控货物是否发生移动。
优选地，上述通过相邻间隔时间点的所述待监控区域的图像差异判断所述车厢内货物是否发生移动的步骤具体为：设置第一差异阈值；对比相邻间隔时间点所述待监控区域的图像差异获得图像差异值；判断当前所述图像差异值是否大于所述第一差异阈值：如果是，则表示货物发生位移；
所述对比相邻间隔时间点所述待监控区域的图像差异获得图像差异值具体为：获取相邻第一时间点和第二时间点的所述待监控区域图像各像素的像素值，对所述第一时间点的所述待监控区域图像所有像素的像素值进行求和或求平均获得第一像素值，对应地对所述第二时间点的所述待监控区域图像所有像素的像素值进行求和或求平均获得第二像素值；所述第一像素值和所述第二像素值相减获得图像差异值；所述像素值为RGB像素值或灰度像素值或YUV像素值；
或所述对比相邻间隔时间点所述待监控区域的图像差异获得图像差异值具体为：用尺度不变特征变换方法获取相邻第一时间点和第二时间点的所述待监控区域图像各像素的局部特征值，对所述第一时间点的所述待监控区域图像所有像素的局部特征值进行求和或求平均获得第一特征值，对应地对所述第二时间点的所述待监控区域图像所有像素的局部特征值进行求和或求平均获得第二特征值；所述第一特征值和所述第二特征值相减获得图像差异值。
优选地，上述通过相邻间隔时间点的所述待监控区域的图像差异判断所述车厢内货物是否发生移动的步骤具体为：设置像素阈值和数量阈值；获取相邻第一时间点和第二时间点的所述待监控区域图像各像素的像素值；相邻第一时间点和第二时间点的所述待监控区域相同位置的像素值相减获得像素差值；统计所述像素差值大;于所述像素阈值的数量；判断所述数量是否大于所述数量阈值，如果是，则表示货物发生位移。
优选地，上述判断当前所述图像差异值是否大于所述第一差异阈值：如果是，则表示货物发生位移的步骤具体为：判断当前所述图像差异值是否大于所述第一差异阈值：如果是，进一步判断之前连续的图像差异值是否越来越大；如果是，则表示货物发生位移。
优选地，上述发出提示信息的步骤之后还包括获取发生位移的货物位置、所述货物发生位移前后时间的连续图像的步骤；
所述获取发生位移的货物位置、所述货物发生位移前后时间的连续图像的步骤具体包括：设置第二差异阈值；设置区域阈值；用尺度不变特征变换方法获取相邻第一时间点和第二时间点的所述待监控区域图像各像素的局部特征值；相邻第一时间点和第二时间点的所述待监控区域图像的同一位置的局部特征值相减获得特征差值；所述特征差值大于所述第二差异阈值的设置为1，所述特征差值小于所述第二差异阈值的设置为0，获得差异掩膜图；在所述差异掩膜图内获取所述特征差值为1的连通区域；判断所述连通区域是否大于所述区域阈值：如果是，所述连通区域为发生位移的货物位置，将所述发生位移的货物位置、所述货物发生位移前后时间的连续图像发送给货车司机并发送云端服务器留存。
优选地，上述货物发生位移的步骤之后还包括监控货物是否丢失的步骤；所述监控货物是否丢失的步骤具体包括：设置重叠阈值；获取确定货物发生位移时间点之后的连续待监控区域图像；用目标追踪方法获取货物区域；计算所述货物区域和所述待监控区域的重叠面积；所述重叠面积除以所述待监控区域面积获得重叠度值；判断所述重叠度值是否小于所述重叠阈值，如果是，则表示货物丢失，向司机和客户发送报警消息，同时将货物发生位移时间点之后连续的待监控区域图像发送云端服务器留存。
第二方面，本申请实施例提供了一种车载货物监控装置，图像获取模块，用于间隔地获取设置在货车车厢内的摄像机拍摄的图像；移动判断模块，用于通过相邻间隔时间点的所述图像判断所述车厢内货物是否发生移动，如果是，则发出提示信息。
第三方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的车载货物监控的方法的步骤。
第四方面，本申请实施例提供了一种计算机设备，包括：一个或多个处理器；存储器；以及一个或多个计算机程序，所述处理器和所述存储器通过总线连接，其中所述一个或多个计算机程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述处理器执行所述计算机程序时实现如上所述的车载货物监控的方法的步骤。
本申请实施例的车载货物监控方法，先间隔地获取设置在货车车厢内的摄像机拍摄的图像，再通过相邻间隔时间点的图像判断车厢内货物是否发生移动，如果是，则发出提示信息。具体地，摄像机可以根据需要安装在车箱内壁顶部靠近驾驶舱位置，俯拍车厢内区域；也可以安装于车箱内壁两侧或车箱内壁顶部靠近车箱门处。
本申请实施例的车载货物监控方法是通过间隔地获取设置在货车车厢内的摄像机拍摄的图像，再通过相邻间隔时间点的图像判断车厢内货物是否发生移动，如果是，则发出提示信息。提示信息可以是语音、文字、视频，具体文案可以针对不同的司机和客户设置不同内容等，可以向司机或服务器后端或客户端发出提示信息，进而提醒货车司机安全驾驶或下车查看货物。与现有技术通过保存车厢内所有图像、当货物出现位移时也无法报警提醒司机相比，本申请实施例可及时发现运输过程中货物的位移，并能发出提示信息，提醒货车司机调整驾驶行为或下车查看货物，重新摆放货物，避免了货物的进一步损坏和遗失，大大降低了客户投诉率，提升了客户的体验。
附图说明
图1是本申请一实施例提供的车载货物监控的方法的流程图；
图2是本申请一实施例提供的车载货物监控的通过相邻间隔时间点的图像判断车厢内货物是否发生移动的方法的流程图；
图3是本申请另一实施例提供的车载货物监控的通过相邻间隔时间点的图像判断车厢内货物是否发生移动的方法的流程图；
图4是本申请一实施例提供的车载货物监控的通过相邻间隔时间点的待监控区域的图像差异判断车厢内货物是否发生移动的方法的流程图；
图5是本申请一实施例提供的车载货物监控的对比相邻间隔时间点待监控区域的图像差异获得图像差异值的方法的流程图；
图6是本申请另一实施例提供的车载货物监控的对比相邻间隔时间点待监控区域的图像差异获得图像差异值的方法的流程图；
图7是本申请另一实施例提供的车载货物监控的通过相邻间隔时间点的待监控区域的图像差异判断车厢内货物是否发生移动的方法的流程图；
图8是本申请一实施例提供的车载货物监控的获取发生位移的货物位置、货物发生位移前后时间的连续图像的方法的流程图；
图9是本申请一实施例提供的车载货物监控的监控货物是否丢失的方法的流程图；
图10是本申请一实施例提供的车载货物监控装置的结构示意图；
图11是本申请一实施例提供的计算机设备的具体结构框图。
具体实施方式
为了使本申请的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
为了说明本申请的技术方案，下面通过具体实施例来进行说明。
为了使本申请的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
为了说明本申请的技术方案，下面通过具体实施例来进行说明。
请参阅图1，是本申请一实施例提供的车载货物监控的方法的流程图，本申请实施例提供了一种车载货物监控的方法，包括：
S101、间隔地获取设置在货车车厢内的摄像机拍摄的图像；
S102、通过相邻间隔时间点的图像判断车厢内货物是否发生移动，如果是，则发出提示信息。
本申请实施例的车载货物监控方法，具体地，摄像机可以根据需要安装在车箱内壁顶部靠近驾驶舱位置，俯拍车厢内区域；也可以安装于车箱内壁两侧或车箱内壁顶部靠近车箱门处。摄像机数量可以是一个或均匀分布的多个，取决于摄像机覆盖范围和车厢区域大小。摄像机可以是红外摄像机、白光摄像机或者白天可见光、晚上红外光的自由切换摄像机。
间隔地获取图像，因摄像机获得的视频片段是由连续的图像组成，帧率较高，一般大于25帧/s，即每秒视频至少由连续的25张以上图像组成。可以根据需要设置间隔时间的时长，如可以将间隔时间设置为1秒，即如果在第一秒中获取了这一秒中的第3帧图像，则在下一秒中也获取那一秒中的第3帧图像，这样可以确保，每间隔1秒获取一次图像。当然也可以根据需要设置不同的间隔时间。
最后通过相邻间隔时间点的图像差异判断车厢内货物是否发生移动，如果是发出提示信息。即如果相邻间隔时间点的图像差异较大，则可以判断为货物发生了位移，进而发出提示信息。正常行驶中货箱内货物不会有大幅度移动的，当货物移动时很容易发生碰撞导致损坏或掉落到车外，因此当识别到货箱内货物移动时，即判断货物有碰撞损坏风险，从而发出提示信息。
本申请实施例的车载货物监控方法，先间隔地获取设置在货车车厢内的摄像机拍摄的图像，再通过相邻间隔时间点的图像判断车厢内货物是否发生移动，如果是，则发出提示信息。具体地，摄像机可以根据需要安装在车箱内壁顶部靠近驾驶舱位置，俯拍车厢内区域；也可以安装于车箱内壁两侧或车箱内壁顶部靠近车箱门处。
本申请实施例的车载货物监控方法是通过间隔地获取设置在货车车厢内的摄像机拍摄的图像，再通过相邻间隔时间点的图像判断车厢内货物是否发生移动，如果是，则发出提示信息。提示信息可以是语音、文字、视频，具体文案可以针对不同的司机和客户设置不同内容等，可以向司机或服务器后端或客户端发出提示信息，进而提醒货车司机安全驾驶或下车查看货物。与现有技术通过保存车厢内所有图像、当货物出现位移时也无法报警提醒司机相比，本申请实施例可及时发现运输过程中货物的位移，并能发出提示信息，提醒货车司机调整驾驶行为或下车查看货物，重新摆放货物，避免了货物的进一步损坏和遗失，大大降低了客户投诉率，提升了客户的体验。
请参阅图2，是本申请一实施例提供的车载货物监控的通过相邻间隔时间点的图像判断车厢内货物是否发生移动的方法的流程图，本申请一实施例提供的车载货物监控的通过相邻间隔时间点的图像判断车厢内货物是否发生移动的方法，包括以下步骤：
S201、确定图像中的待监控区域；
S202、获取待监控区域的图像；
S203、通过相邻间隔时间点的待监控区域的图像差异判断车厢内货物是否发生移动；
待监控区域为货箱区域或货物区域。
因摄像机内图像通常包括了待监控区域和非待监控区域，先在摄像机图像内确定待监控区域，通过相邻间隔时间点的待监控区域的图像差异判断车厢内货物是否发生移动，与直接对比相邻图像相比，能更精准地判断货物是否发生位移。待监控区域可以根据需要设置为货箱区域或货物区域。
较佳地，确定图像中的待监控区域具体为：根据摄像机的安装位置和货物摆放位置在图像内手动划定待监控区域。因为摄像机固定安装，所以拍摄的内视图像中待监控区域几乎不变，可以在摄像机开机工作时根据摄像机的安装位置和货物摆放位置在图像内手动划定待监控区域，并将该待监控区域信息保存供后续使用。当待监控区域改变后或每隔一段时间重新手动划定待监控区域。手动划定待监控区域操作简单，方便可靠。
另一较佳地，确定图像中的待监控区域具体为：使用深度学习图像分割方法在图像内自动划定待监控区域。深度学习图像分割方法是现有技术一种方法，该方法通过大量的图像数据深度学习后，可在图像内自动划定待监控区域。通过深度学习图像分割方法在图像内自动划定待监控区域，不需要手动划定待监控区域，更智能化，节省了人工操作，提高了效率和准确性。
具体地，待监控区域可以用掩膜（mask）图表示的待监控区域；当然也可以用多边形轮廓表示的待监控区域。掩膜（mask）图即为0-1二值化的二维矩阵，属于待监控区域的值为1，其他区域值为0。多边形轮廓是将待监控区域的外轮廓抽象成顺时针or逆时针的多边形轮廓顶点序列。掩膜（mask）图和多边形轮廓本领域公知技术。
请参阅图3，是本申请另一实施例提供的车载货物监控的通过相邻间隔时间点的图像判断车厢内货物是否发生移动的方法的流程图，本申请另一实施例提供的车载货物监控的通过相邻间隔时间点的图像判断车厢内货物是否发生移动的方法，包括以下步骤：
S301、确定图像的待监控货物；
S302、用目标追踪方法跟踪获取后续图像的待监控货物；
S303、通过相邻间隔时间点的待监控货物位置差异判断待监控货物是否发生移动。
本申请实施例先确定图像的待监控货物，摄像机固定安装后，可以通过手动圈选或其他现有技术的方式确定待监控货物，然后用目标追踪方法跟踪获取后续图像的待监控货物，最后通过相邻间隔时间点的待监控货物位置差异判断待监控货物是否发生移动，这种方式效率高，可以精确地监控具体货物是否移动。
请参阅图4，是本申请一实施例提供的车载货物监控的通过相邻间隔时间点的待监控区域的图像差异判断车厢内货物是否发生移动的方法的流程图，本申请一实施例提供的车载货物监控的通过相邻间隔时间点的待监控区域的图像差异判断车厢内货物是否发生移动的方法，包括以下步骤：
S401、设置第一差异阈值；
S402、对比相邻间隔时间点待监控区域的图像差异获得图像差异值；
S403、判断当前图像差异值是否大于第一差异阈值：如果是，则表示货物发生位移。
第一差异阈值可以根据实际需要设置。即如果当前相邻间隔时间点待监控区域的图像差异值大于第一差异阈值时，被认为货物发生了位移，此时向货车司机发出提示信息。提示信息，提示信息可以是语音、文字、视频，具体文案可以针对不同的司机和客户设置不同内容等。
请参阅图5，是本申请一实施例提供的车载货物监控的对比相邻间隔时间点待监控区域的图像差异获得图像差异值的方法的流程图，本申请一实施例提供的车载货物监控的对比相邻间隔时间点待监控区域的图像差异获得图像差异值的方法，包括以下步骤：
S501、获取相邻第一时间点和第二时间点的待监控区域图像各像素的像素值；
S502、对第一时间点的待监控区域图像所有像素的像素值进行求和或求平均获得第一像素值；
S503、对应地对第二时间点的待监控区域图像所有像素的像素值进行求和或求平均获得第二像素值；
S504、第一像素值和第二像素值相减获得图像差异值；
像素值为RGB像素值或灰度像素值或YUV像素值。
本申请实施例的通过对相邻时间的待监控区域图像的第一像素值和第二像素值的差值获得图像差异值，第一像素值为对第一时间点的待监控区域图像所有像素的像素值进行求和或求平均获得，第二像素值为对第二时间点的待监控区域图像所有像素的像素值进行求和或求平均获得。像素值为RGB像素值或灰度像素值或YUV像素值。
像素是指在由一个数字序列表示的图像中的一个最小单位，指由图像的小方格组成的，这些小方块都有一个明确的位置和被分配的色彩数值，小方格颜色和位置就决定该图像所呈现出来的样子。RGB即是代表红、绿、蓝三个颜色，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，这个标准几乎包括了人类视力所能感知的所有颜色，是运用最广的颜色系统之一。灰度即用黑色为基准色，不同的饱和度的黑色来显示图像。YUV颜色编码方法，是一种颜色编码方法。常使用在各个视频处理组件中。 YUV在对照片或视频编码时，考虑到人类的感知能力，允许降低色度的带宽。YUV是编译true-color颜色空间（color space）的种类，“Y”表示明亮度（Luminance或Luma），也就是灰阶值，“U”和“V”表示的则是色度（Chrominance或Chroma），作用是描述影像色彩及饱和度，用于指定像素的颜色。
具体地，当第一像素值为第一时间点的待监控区域图像所有像素的像素值进行求和获得时，对应地，第二像素值也为第二时间点的待监控区域图像所有像素的像素值进行求和获得。当第一像素值为第一时间点的待监控区域图像所有像素的像素值进行求平均获得时，对应地，第二像素值也为第二时间点的待监控区域图像所有像素的像素值进行求平均获得。
请参阅图6，是本申请另一实施例提供的车载货物监控的对比相邻间隔时间点待监控区域的图像差异获得图像差异值的方法的流程图，本申请另一实施例提供的车载货物监控的对比相邻间隔时间点待监控区域的图像差异获得图像差异值的方法，包括以下步骤：
S601、用尺度不变特征变换方法获取相邻第一时间点和第二时间点的待监控区域图像各像素的局部特征值；
S602、对第一时间点的待监控区域图像所有像素的局部特征值进行求和或求平均获得第一特征值；
S603、对应地对第二时间点的待监控区域图像所有像素的局部特征值进行求和或求平均获得第二特征值；
S604、第一特征值和第二特征值相减获得图像差异值。
本申请实施例的通过对相邻时间的待监控区域图像的第一特征值和第二特征值的差值获得图像差异值，第一特征值为对第一时间点的待监控区域图像所有像素的局部特征值进行求和或求平均获得，第二特征值为对第二时间点的待监控区域图像所有像素的局部特征值进行求和或求平均获得。
像素是指在由一个数字序列表示的图像中的一个最小单位，指由图像的小方格组成的，这些小方块都有一个明确的位置和被分配的色彩数值，小方格颜色和位置就决定该图像所呈现出来的样子。
局部特征值具体可以用现有技术的尺度不变特征变换（Scale-invariantfeature transform，SIFT）方法或现有技术深度学习方法提取局部特征值。
具体地，当第一像素值为对第一时间点的待监控区域图像所有像素的局部特征值进行求和获得时，对应地第二像素值为对第二时间点的待监控区域图像所有像素的局部特征值进行求和获得。当第一像素值为对第一时间点的待监控区域图像所有像素的局部特征值进行求平均获得时，对应地第二像素值为对第二时间点的待监控区域图像所有像素的局部特征值进行求平均获得。
请参阅图7，是本申请另一实施例提供的车载货物监控的通过相邻间隔时间点的待监控区域的图像差异判断车厢内货物是否发生移动的方法的流程图，本申请另一实施例提供的车载货物监控的通过相邻间隔时间点的待监控区域的图像差异判断车厢内货物是否发生移动的方法，包括以下步骤：
S701、设置像素阈值和数量阈值；
S702、获取相邻第一时间点和第二时间点的待监控区域图像各像素的像素值；
S703、相邻第一时间点和第二时间点的待监控区域相同位置的像素值相减获得像素差值；
S704、统计像素差值大于像素阈值的数量；
S705、判断数量是否大于数量阈值，如果是，则表示货物发生位移。
本申请实施例通过统计相邻第一时间点和第二时间点的待监控区域相同位置的像素差值的数量、并判断数量是否大于数量阈值进而确定货物是否发生位移。当数量大于数量阈值时，说明相邻第一时间点和第二时间点的待监控区域的图像差异较大，进而确定货物发生了位移。
较佳地，判断当前图像差异值是否大于第一差异阈值：如果是，判断当前图像差异值是否大于第一差异阈值：如果是，则表示货物发生位移的步骤具体为：
判断当前图像差异值是否大于第一差异阈值：如果是，进一步判断之前连续的图像差异值是否越来越大；如果是，则表示货物发生位移。
因为货物没有移动时，相邻间隔时间点待监控区域的图像差异很小，相应图像差异值也会很小；有时候货物只是在某个时间点稍稍振动了下，之前的其他时间点并没有位移；而当货物位移时，通常是逐步位移的过程，所以只是通过当前相邻间隔时间点图像差异值判断货物是否移动，会出现误判的情况。本申请实施例在当前图像差异值大于第一差异阈值时，进一步判断之前连续间隔时间点的待监控区域的图像差异值是否越来越大；如果是越来越大，说明相邻间隔时间点待监控区域的图像差异具有增大的趋势，才认定为货物位移，这样可以避免对货物位移的误判，大大提高了判断和报警的准确性。
较佳地，发出提示信息的步骤之后还包括获取发生位移的货物位置、货物发生位移前后时间的连续图像的步骤，请参阅图8，是本申请一实施例提供的车载货物监控的获取发生位移的货物位置、货物发生位移前后时间的连续图像的方法，包括以下步骤：
S801、设置第二差异阈值；
S802、设置区域阈值；
S803、用尺度不变特征变换方法获取相邻第一时间点和第二时间点的待监控区域图像各像素的局部特征值；
S804、相邻第一时间点和第二时间点的待监控区域图像的同一位置的局部特征值相减获得特征差值；
S805、特征差值大于第二差异阈值的设置为1，特征差值小于第二差异阈值的设置为0，获得差异掩膜图；
S806、在差异掩膜图内获取特征差值为1的连通区域；
S807、判断连通区域是否大于区域阈值：如果是，连通区域为发生位移的货物位置，将发生位移的货物位置、货物发生位移前后时间的连续图像发送给货车司机并发送云端服务器留存。
尺度不变特征变换（Scale-invariant feature transform，SIFT）方法为现有技术获得像素局部特征值的方法。相邻第一时间点和第二时间点的待监控区域图像的同一位置的局部特征值相减获得特征差值；再将特征差值大于第二差异阈值的设置为1，特征差值小于第二差异阈值的设置为0，进而获得差异掩膜图（mask图），在差异掩膜图内获取特征差值为1的连通区域；然后判断该连通区域是否大于区域阈值，如果是则说明货物发生位移较大，连通区域为发生位移的货物位置，即向司机发送货物发生位移的报警的同时，还可以将发生位移的货物位置和货物发生位移前后时间的连续图像发送给货车司机并发送云端服务器留存，以方便司机查看发生位移的货物位置、货物发生位移前后时间的连续图像，保存到云端服务器，方便后续查询或取证。货物发生位移前后时间可以根据需要设置，可以是货物发生位移前的一分钟和货物发生位移后的一分钟，当然也可以根据需要设置为其他时长。
第二差异阈值和区域阈值的大小可以根据实际需要设置。
本申请实施例只需要保存发生较大位移的货物位置，不需要如现有技术那样保存所有的摄像机录像视频，因而本申请实施例不需要人工翻看查找就可精确定位到货物位移的时间段和发生位移的货物位置，节省了服务器存储空间，避免了大量数据的无线网络传输，大大提高了效率，并节省了人力。
较佳地，货物发生位移的步骤之后还包括监控货物是否丢失的步骤。请参阅图9，是本申请一实施例提供的车载货物监控的监控货物是否丢失的方法的流程图，本申请一实施例提供的车载货物监控的监控货物是否丢失的方法，包括以下步骤：
S901、设置重叠阈值；
S902、获取确定货物发生位移时间点之后的连续待监控区域图像；
S903、用目标追踪方法获取货物区域；
S904、计算货物区域和待监控区域的重叠面积；
S905、重叠面积除以待监控区域面积获得重叠度值；
S906、判断重叠度值是否小于重叠阈值，如果是，则表示货物丢失，向司机和客户发送报警消息，同时将货物发生位移时间点之后连续的待监控区域图像发送云端服务器留存。
重叠阈值可以根据需要设置为小数：如0.1、0.15等。
目标追踪方法，属于本领域常用技术，如SiamRPN、SiameseFC、KCF等算法实现。
本申请实施例用目标追踪方法获取货物区域；计算货物区域和待监控区域的重叠面积；重叠面积除以待监控区域面积获得重叠度值；判断重叠度值是否小于重叠阈值，如果是，说明货物丢失，此时向司机和客户发送报警消息，同时将货物发生位移时间点之后连续的待监控区域图像发送云端服务器留存。以方便司机和客户知道货物已丢失，司机可以及时停车查看是否可以找回丢失货物。保存到云端服务器，方便后续查询或取证。
本申请实施例只需要上传保存货物发生位移时间点之后连续的待监控区域图像，不需要如现有技术那样保存所有的摄像机录像视频，本申请实施例不需要人工翻看查找，节省了服务器存储空间，避免了大数据的无线网络传输，大大提高了效率，并节省了人力。
请参阅图10，一种车载货物监控装置10，包括：
图像获取模块11，用于间隔地获取设置在货车车厢内的摄像机拍摄的图像；
移动判断模块12，用于通过相邻间隔时间点的所述图像判断所述车厢内货物是否发生移动，如果是，则发出提示信息。
本申请一实施例提供的车载货物监控装置10与本申请上述实施例提供的车载货物监控的方法属于同一构思，其具体实现过程详见说明书全文，此处不再赘述。
本申请一实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如本申请上述实施例提供的车载货物监控的方法的步骤。
图11示出了本申请一实施例提供的计算机设备的具体结构框图，一种计算机设备100包括：一个或多个处理器101、存储器102、以及一个或多个计算机程序，其中处理器101和存储器102通过总线连接，一个或多个计算机程序被存储在存储器102中，并且被配置成由一个或多个处理器101执行，处理器101执行计算机程序时实现如本申请如上所述实施例提供的车载货物监控的方法的步骤。
计算机设备可以是台式计算机、移动终端等，移动终端包括手机、平板电脑、笔记本电脑、个人数字助理等。
本申请实施例的车载货物监控方法，先间隔地获取设置在货车车厢内的摄像机拍摄的图像，再通过相邻间隔时间点的图像判断车厢内货物是否发生移动，如果是，则发出提示信息。具体地，摄像机可以根据需要安装在车箱内壁顶部靠近驾驶舱位置，俯拍车厢内区域；也可以安装于车箱内壁两侧或车箱内壁顶部靠近车箱门处。
本申请实施例的车载货物监控方法是通过间隔地获取设置在货车车厢内的摄像机拍摄的图像，再通过相邻间隔时间点的图像判断车厢内货物是否发生移动，如果是，则发出提示信息。提示信息可以是语音、文字、视频，具体文案可以针对不同的司机和客户设置不同内容等，可以向司机或服务器后端或客户端发出提示信息，进而提醒货车司机安全驾驶或下车查看货物。与现有技术通过保存车厢内所有图像、当货物出现位移时也无法报警提醒司机相比，本申请实施例可及时发现运输过程中货物的位移，并能发出提示信息，提醒货车司机调整驾驶行为或下车查看货物，重新摆放货物，避免了货物的进一步损坏和遗失，大大降低了客户投诉率，提升了客户的体验。
应该理解的是，本申请各实施例中的各个步骤并不是必然按照步骤标号指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM (DRAM)、同步DRAM (SDRAM)、双数据率SDRAM (DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (11)

1.一种车载货物监控的方法，其特征在于，包括：
间隔地获取设置在货车车厢内的摄像机拍摄的图像；
通过相邻间隔时间点的所述图像判断所述车厢内货物是否发生移动，如果是，则发出提示信息。
2.如权利要求1所述的车载货物监控的方法，其特征在于，
所述通过相邻间隔时间点的所述图像判断所述车厢内货物是否发生移动的步骤具体为：
确定所述图像中的待监控区域或货物区域；
获取所述待监控区域或货物区域的图像；
通过相邻间隔时间点的所述待监控区域的图像差异判断所述车厢内货物是否发生移动；
所述确定所述图像中的待监控区域具体为：根据所述摄像机的安装位置和货物摆放位置在所述图像内手动划定待监控区域；或使用深度学习图像分割方法在所述图像内自动划定待监控区域；
所述待监控区域为用掩膜图表示的待监控区域；或所述待监控区域为用多边形轮廓表示的待监控区域；
所述待监控区域为货箱区域或货物区域。
3.如权利要求1所述的车载货物监控的方法，其特征在于，
所述通过相邻间隔时间点的所述图像判断所述车厢内货物是否发生移动的步骤具体为：
确定所述图像的待监控货物；
用目标追踪方法跟踪获取后续所述图像的所述待监控货物；
通过相邻间隔时间点的所述待监控货物位置差异判断所述待监控货物是否发生移动。
4.如权利要求2所述的车载货物监控的方法，其特征在于，所述通过相邻间隔时间点的所述待监控区域的图像差异判断所述车厢内货物是否发生移动的步骤具体为：
设置第一差异阈值；
对比相邻间隔时间点所述待监控区域的图像差异获得图像差异值；
判断当前所述图像差异值是否大于所述第一差异阈值：如果是，则表示货物发生位移；
所述对比相邻间隔时间点所述待监控区域的图像差异获得图像差异值具体为：获取相邻第一时间点和第二时间点的所述待监控区域的图像各像素的像素值，对所述第一时间点的所述待监控区域的图像所有像素的像素值进行求和或求平均获得第一像素值，对应地对所述第二时间点的所述待监控区域的图像所有像素的像素值进行求和或求平均获得第二像素值；所述第一像素值和所述第二像素值相减获得图像差异值；所述像素值为RGB像素值或灰度像素值或YUV像素值； 或所述对比相邻间隔时间点所述待监控区域的图像差异获得图像差异值具体为：用尺度不变特征变换方法获取相邻第一时间点和第二时间点的所述待监控区域的图像各像素的局部特征值，对所述第一时间点的所述待监控区域的图像所有像素的局部特征值进行求和或求平均获得第一特征值，对应地对所述第二时间点的所述待监控区域的图像所有像素的局部特征值进行求和或求平均获得第二特征值；所述第一特征值和所述第二特征值相减获得图像差异值。
5.如权利要求2所述的车载货物监控的方法，其特征在于，所述通过相邻间隔时间点的所述待监控区域的图像差异判断所述车厢内货物是否发生移动的步骤具体为：
设置像素阈值和数量阈值；
获取相邻第一时间点和第二时间点的所述待监控区域的图像各像素的像素值；
相邻第一时间点和第二时间点的所述待监控区域相同位置的像素值相减获得像素差值；
统计所述像素差值大于所述像素阈值的数量；
判断所述数量是否大于所述数量阈值，如果是，则表示货物发生位移。
6.如权利要求4所述的车载货物监控的方法，其特征在于，所述判断当前所述图像差异值是否大于所述第一差异阈值：如果是，则表示货物发生位移的步骤具体为：
判断当前所述图像差异值是否大于所述第一差异阈值：如果是，进一步判断之前连续的图像差异值是否越来越大；如果是，则表示货物发生位移。
7.如权利要求6所述的车载货物监控的方法，其特征在于，
所述发出提示信息的步骤之后还包括获取发生位移的货物位置、所述货物发生位移前后时间的连续图像的步骤；
所述获取发生位移的货物位置、所述货物发生位移前后时间的连续图像的步骤具体包括：
设置第二差异阈值；
设置区域阈值；
用尺度不变特征变换方法获取相邻第一时间点和第二时间点的所述待监控区域的图像各像素的局部特征值；
相邻第一时间点和第二时间点的所述待监控区域的图像的同一位置的局部特征值相减获得特征差值；
所述特征差值大于所述第二差异阈值的设置为1，所述特征差值小于所述第二差异阈值的设置为0，获得差异掩膜图；
在所述差异掩膜图内获取所述特征差值为1的连通区域；
判断所述连通区域是否大于所述区域阈值：如果是，所述连通区域为发生位移的货物位置，将所述发生位移的货物位置、所述货物发生位移前后时间的连续图像发送给货车司机并发送云端服务器留存。
8.如权利要求7所述的车载货物监控的方法，其特征在于，
所述货物发生位移的步骤之后还包括监控货物是否丢失的步骤；
所述监控货物是否丢失的步骤具体包括：
设置重叠阈值、并获得所述待监控区域的面积；
获取确定货物发生位移时间点之后的连续待监控区域的图像；
用目标追踪方法获取货物区域；
计算所述货物区域和所述待监控区域的重叠面积；
所述重叠面积除以所述待监控区域面积获得重叠度值；
判断所述重叠度值是否小于所述重叠阈值，如果是，则表示货物丢失，向司机和客户发送报警消息，同时将货物发生位移时间点之后连续的待监控区域的图像发送云端服务器留存。
9.一种车载货物监控装置，包括：
图像获取模块，用于间隔地获取设置在货车车厢内的摄像机拍摄的图像；
移动判断模块，用于通过相邻间隔时间点的所述图像判断所述车厢内货物是否发生移动，如果是，则发出提示信息。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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至8任一项所述的车载货物监控的方法的步骤。
11.一种计算机设备，包括：
一个或多个处理器；
存储器；以及
一个或多个计算机程序，所述处理器和所述存储器通过总线连接，其中所述一个或多个计算机程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的车载货物监控的方法的步骤。
CN202310524111.1A 2023-05-11 2023-05-11 车载货物监控方法、装置、计算机设备及存储介质 Pending CN116246233A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310524111.1A CN116246233A (zh) 2023-05-11 2023-05-11 车载货物监控方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310524111.1A CN116246233A (zh) 2023-05-11 2023-05-11 车载货物监控方法、装置、计算机设备及存储介质

Publications (1)

Publication Number Publication Date
CN116246233A true CN116246233A (zh) 2023-06-09

Family

ID=86629929

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310524111.1A Pending CN116246233A (zh) 2023-05-11 2023-05-11 车载货物监控方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN116246233A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100246975A1 (en) * 2007-09-28 2010-09-30 Hitachi Software Engineering Co., Ltd. Method and apparatus for determining if imaging object is still
CN103083005A (zh) * 2011-11-01 2013-05-08 北京瓦力网络科技有限公司 一种心率检测的方法
CN205961321U (zh) * 2016-08-13 2017-02-15 深圳市南油储运有限公司 一种货物配送监控系统
US20180260964A1 (en) * 2017-03-09 2018-09-13 Shanghai Xiaoyi Technology Co., Ltd. System and method for detecting moving object in an image
US20190043206A1 (en) * 2017-08-03 2019-02-07 Qisda Corporation Object displacement detection method for detecting object displacement by means of difference image dots
CN113361989A (zh) * 2021-05-07 2021-09-07 深圳依时货拉拉科技有限公司 货物识别方法、计算机设备和货物监控系统
CN113516018A (zh) * 2021-04-22 2021-10-19 深圳市睿联技术股份有限公司 目标检测方法、安防设备及可读存储介质
CN115830507A (zh) * 2022-12-12 2023-03-21 中国联合网络通信集团有限公司 货物管理方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100246975A1 (en) * 2007-09-28 2010-09-30 Hitachi Software Engineering Co., Ltd. Method and apparatus for determining if imaging object is still
CN103083005A (zh) * 2011-11-01 2013-05-08 北京瓦力网络科技有限公司 一种心率检测的方法
CN205961321U (zh) * 2016-08-13 2017-02-15 深圳市南油储运有限公司 一种货物配送监控系统
US20180260964A1 (en) * 2017-03-09 2018-09-13 Shanghai Xiaoyi Technology Co., Ltd. System and method for detecting moving object in an image
US20190043206A1 (en) * 2017-08-03 2019-02-07 Qisda Corporation Object displacement detection method for detecting object displacement by means of difference image dots
CN113516018A (zh) * 2021-04-22 2021-10-19 深圳市睿联技术股份有限公司 目标检测方法、安防设备及可读存储介质
CN113361989A (zh) * 2021-05-07 2021-09-07 深圳依时货拉拉科技有限公司 货物识别方法、计算机设备和货物监控系统
CN115830507A (zh) * 2022-12-12 2023-03-21 中国联合网络通信集团有限公司 货物管理方法和装置

Similar Documents

Publication Publication Date Title
US10782654B2 (en) Detection of driving actions that mitigate risk
US10853671B2 (en) Convolutional neural network system for object detection and lane detection in a motor vehicle
US8199971B2 (en) Object detection system with improved object detection accuracy
US11302191B2 (en) Method and apparatus for calculating parking occupancy
CN107844761B (zh) 交通标志的检测方法及装置
CN110532903B (zh) 一种交通灯图像处理的方法和设备
CN112172663A (zh) 一种基于开车门的危险报警方法及相关设备
CN113515985B (zh) 自助过磅系统、过磅检测方法、设备及存储介质
CN114067295A (zh) 一种车辆装载率的确定方法、装置及车辆管理系统
CN111582272A (zh) 双行车牌识别方法、装置、设备及计算机可读存储介质
US20180272940A1 (en) On-vehicle display control device, on-vehicle display system, on-vehicle display control method, and program
US9600894B2 (en) Image processing apparatus and computer-readable storage medium
CN112446241A (zh) 用于获得目标对象的特征信息的方法、装置及电子设备
CN116246233A (zh) 车载货物监控方法、装置、计算机设备及存储介质
Alpar Corona segmentation for nighttime brake light detection
CN116091899B (zh) 车辆跟踪方法、系统、装置、电子设备及可读存储介质
CN110619645B (zh) 一种桥吊下集装箱拖架的自动识别与定位装置及方法
CN111368728A (zh) 安全监测方法、装置、计算机设备和存储介质
CN114399671A (zh) 目标识别方法及装置
CN116109711A (zh) 一种驾驶辅助方法、装置和电子设备
US10863106B1 (en) Systems and methods for LED flickering and banding detection
CN113220137A (zh) 移动电子设备辅助使用系统、车辆及相应的方法和介质
CN115776610B (zh) 用于货运车辆货物监控的摄像头拍摄控制方法和装置
CN117644815B (zh) 基于智能车灯系统的盲区告警方法、装置、设备和系统
CN115861624B (zh) 摄像头被遮挡的检测方法、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