CN116977894A - 一种车辆信息识别方法、系统、存储介质和电子设备 - Google Patents
一种车辆信息识别方法、系统、存储介质和电子设备 Download PDFInfo
- Publication number
- CN116977894A CN116977894A CN202310740529.6A CN202310740529A CN116977894A CN 116977894 A CN116977894 A CN 116977894A CN 202310740529 A CN202310740529 A CN 202310740529A CN 116977894 A CN116977894 A CN 116977894A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- camera
- view
- vehicle information
- vertical angle
- 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 33
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 238000012937 correction Methods 0.000 claims description 22
- 238000006073 displacement reaction Methods 0.000 claims description 13
- 230000003287 optical effect Effects 0.000 claims description 8
- 239000003086 colorant Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- 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
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/625—License plates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
- G06T2207/10021—Stereoscopic video; Stereoscopic image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Processing (AREA)
Abstract
本发明涉及车辆识别技术领域,尤其涉及一种车辆信息识别方法、系统、存储介质和电子设备,方法包括:在预设检测区域内识别到车辆时,利用摄像装置采集车辆在预设检测区域内的行驶视频;根据行驶视频,拼接得到车辆在摄像机的垂直角度上的拼接侧面图;对车辆的拼接侧面图进行识别,得到车辆的车辆信息。使用单相机处理数据同时获取车头车身图像,在拥堵、加塞、倒车等一系列的复杂场景下,在车辆数据匹配准确率能够达到百分之百。
Description
技术领域
本发明涉及车辆识别技术领域,尤其涉及一种车辆信息识别方法、系统、存储介质和电子设备。
背景技术
根据2019年取消省界收费站相关标准出台,实现不停车快捷收费,为配合收费站达到相关技术标准,实现的收费车型分类技术主要有通过纯视频检测的方式、通过外接超声波检测仪和通过外接激光雷达三种方式。但是这三种方式中,检测到的车头图片和车身图片都是两张单独的图片,需要通过相应的逻辑,使车头数据和车身数据相结合,变成一整辆车的数据,进行打包上传。
通常车头和车身通过顺序匹配就可以完成数据打包的操作,不过现实场景都是比较复杂的。会出现车头漏拍、车身漏拍、不按规定排队等种种问题,我们就无法完全根据顺序、时间、特征进行匹配。
往往是根据这三种方式,分配不同的权重、综合考虑完成匹配工作。通过时间匹配,在车道中,车头抓拍率在99%左右,一但漏拍,后面的数据都会错位。
通过特征匹配,如图1和图2所示,车头和车身没有明显的交集,只能通过车身颜色来判断,如果车道中排队的车辆连续有相同颜色的车辆,很难确认如何匹配,特别是轿车的收费车道,白车和黑车的数量非常大。
通过顺序匹配,同样存在漏拍的问题,更有甚者,有些收费车道还存在加塞、拥堵等问题。因为抓拍相机的抓拍位置和车身相机的识别位置中间有8~10米间距,可以容纳下一辆轿车,导致抓拍图像的顺序和车身识别图像的顺序不一样,如图3所示。
在这样拥堵、加塞、倒车等一系列的复杂场景下,通过时间、特征、顺序以及车尾车牌纠正队列等方式,目前成功匹配率可以达到99%以上,但仍然不能100%解决问题。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供了一种车辆信息识别方法、系统、存储介质和电子设备。
本发明的一种车辆信息识别方法的技术方案如下:
在预设检测区域内识别到车辆时,利用摄像装置采集所述车辆在所述预设检测区域内的行驶视频;
根据所述行驶视频,拼接得到所述车辆在摄像机的垂直角度上的拼接侧面图;
对所述车辆的拼接侧面图进行识别,得到所述车辆的车辆信息。
本发明的一种车辆信息识别方法的有益效果如下:
使用单相机处理数据同时获取车头车身图像,在拥堵、加塞、倒车等一系列的复杂场景下,在车辆数据匹配准确率能够达到百分之百。
在上述方案的基础上,本发明的一种车辆信息识别方法还可以做如下改进。
进一步,根据所述行驶视频,拼接得到所述车辆在摄像机的垂直角度上的拼接侧面图,包括:
利用视频校正方法,将行驶视频中的每帧图像校正为在摄像机的垂直角度上的校正图像;
基于多个校正图像,拼接得到所述车辆在摄像机的垂直角度上的拼接侧面图。
进一步,基于多个校正图像,拼接得到所述车辆在摄像机的垂直角度上的拼接侧面图,包括:
利用光流金字塔方式,计算得到车辆在每个校正图像中的位移宽度,将所述车辆在所述预设检测区域内的位移宽度进行拼接,得到所述拼接侧面图。
进一步,车辆信息包括车牌号、车牌颜色、车辆品牌、车辆车型、轴数和轴型。
本发明的一种车辆信息识别系统的技术方案如下:
包括采集模块、获取模块和识别模块;
所述采集模块用于:在预设检测区域内识别到车辆时,利用摄像装置采集所述车辆在所述预设检测区域内的行驶视频;
所述获取模块用于:根据所述行驶视频,拼接得到所述车辆在摄像机的垂直角度上的拼接侧面图;
所述识别模块用于:对所述车辆的拼接侧面图进行识别,得到所述车辆的车辆信息。
本发明的一种车辆信息识别系统的有益效果如下:
使用单相机处理数据同时获取车头车身图像,在拥堵、加塞、倒车等一系列的复杂场景下,在车辆数据匹配准确率能够达到百分之百。
在上述方案的基础上,本发明的一种车辆信息识别系统还可以做如下改进。
进一步,所述获取模块包括校正模块和拼接模块;
所述校正模块用于:利用视频校正方法,将行驶视频中的每帧图像校正为在摄像机的垂直角度上的校正图像;
所述拼接模块用于:基于多个校正图像,拼接得到所述车辆在摄像机的垂直角度上的拼接侧面图。
进一步,所述拼接模块具体用于:
利用光流金字塔方式,计算得到车辆在每个校正图像中的位移宽度,将所述车辆在所述预设检测区域内的位移宽度进行拼接,得到所述拼接侧面图。
进一步,车辆信息包括车牌号、车牌颜色、车辆品牌、车辆车型、轴数和轴型。
本发明的一种存储介质,所述存储介质中存储有指令,当计算机读取所述指令时,使所述计算机执行上述任一项所述的一种车辆信息识别方法。
本发明的一种电子设备,包括处理器和上述的存储介质,所述处理器执行所述存储介质中的指令。
附图说明
通过阅读参照以下附图所作的对非限制性实施例的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为特征匹配的实例图之一;
图2为特征匹配的实例图之一;
图3为用于说明抓拍图像的顺序和车身识别图像的顺序不一样的示例图;
图4为本发明实施例的一种车辆信息识别方法的流程示意图;
图5为车辆行驶进预设检测区域的示意图;
图6为投影变换示意图之一;
图7为投影变换示意图之二;
图8为拼接效果示意图之一;
图9为拼接效果示意图之二;
图10为拼接效果示意图之三;
图11为本发明实施例的一种车辆信息识别系统的结构示意图。
具体实施方式
如图4所示,本发明实施例的一种车辆信息识别方法,包括如下步骤:
S1、在预设检测区域内识别到车辆时,利用摄像装置采集车辆在预设检测区域内的行驶视频,其中,摄像装置具体为摄像头。
如图5所示,当车辆驶入预设检测区域时,车头抓拍摄像机识别到车牌,开始进行视频图像变换处理并车辆跟踪,直至车辆驶出预设检测区域。
S2、根据行驶视频,拼接得到车辆在摄像机的垂直角度上的拼接侧面图;
S3、对车辆的拼接侧面图进行识别,得到车辆的车辆信息。
车辆在摄像机的垂直角度,指摄像机正对车辆侧面的方向上。
本发明使用单相机处理数据同时获取车头车身图像,在拥堵、加塞、倒车等一系列的复杂场景下,在车辆数据匹配准确率能够达到百分之百。
可选地,在上述技术方案中,S2中,根据行驶视频,拼接得到车辆在摄像机的垂直角度上的拼接侧面图,包括:
S21、利用视频校正方法,将行驶视频中的每帧图像校正为在摄像机的垂直角度上的校正图像;
S22、基于多个校正图像,拼接得到车辆在摄像机的垂直角度上的拼接侧面图。具体实现过程如下:
S200、首先根据现场人工标点或者视频图像中车辆运动标点计算出一个变换矩阵。
S201、在设备安装时,单相机会被固定在一个位置,其视频图像照射区域是不变的,因此可以通过在现场人工放四个参照物,使这四个参照物与道路行驶的方向平行并组成一个正方形。通过这四个参照物在相机中找到所在的像素位置。可以在相机图像中形成一个四边形。
通过人工标点的方式较为准确,其次是通过单相机图像对道路中通过的同一车辆在不同位置获取车身上下两个特征点,确保特征点是存在车身侧面这一平面中,因为车侧的两个特征点在行驶不同位置时其现实环境中距离的地面高度是不会变的,只是顺着道路的方向前进或后退,因此根据两幅图像中的标点像素位置可以连接成四边形,这个四边形是相机图像中平行于道路行驶方向的平面。
假设如果我们的相机垂直与道路行驶方向拍摄车身,此时通过特征点获取的四边形会是正方形或长方形的,在车辆移动时,车身特征点的y轴基本是不会变的。因为要在之后对车辆的行驶进行跟踪。所以先把测拍车身的图像进行平面变换转成垂直拍摄车身的图像。通过标点获取的四边形的坐标以及假设的垂直拍摄车身的坐标可以通过平面单应性的原理获取到将倾斜的平面矩阵转为水平和垂直的平面矩阵的单应性矩阵,再通过单应性矩阵对图像进行2d投影变换可以获得转换后的图像,如图6和图7所示。然后对视频车辆跟踪,最终生成跟踪车辆的拼接侧面图。
可选地,在上述技术方案中,S22中,基于在摄像机的垂直角度上的图像,拼接得到车辆在摄像机的垂直角度上的拼接侧面图,包括:
S220、利用光流金字塔方式,计算得到车辆在每个校正图像中的位移宽度,将车辆在预设检测区域内的位移宽度进行拼接,得到拼接侧面图,如图8至图10所示。
可选地,在上述技术方案中,车辆信息包括车牌号、车牌颜色、车辆品牌、车辆车型、轴数和轴型。
其中,对车辆的拼接侧面图进行识别,得到车辆的车辆信息的具体过程如下:
对车辆的驶入和驶出的检测方式采用相机车牌检测和背景建模的混合检测,相机对每帧图像使用yolov5推理获取到车牌时,开始对每一帧使用上述方式检测位移宽度进行拼接并获取到一张车牌抓拍大图
通过背景建模检测到固定区域没有运动物体时既是车辆驶出,将驶入驶出之间的图像拼接获取到车身图,在对车身图用yolov5推理获取到车辆轴数等信息,对车牌拍大图推理可以获取到是否是危化品等信息.因为每抓拍一张车牌图对应一张车身拼接图,所以车头和车身是一一对应的,不会匹配出错.
当车辆驶出被检测区域时,停止视频数据处理,并将整合的车辆侧面图像以及车牌抓拍图像使用深度学习网络进行推理,得到车辆轴数、车身位置、收费车型、车辆品牌、年款、颜色、是否是危化品车辆等数据。
最终将数据和分析结果一起上传到FTP服务器进行保存,并发送到Web页面进行展示。
本发明通过斜向照射车道的单独相机,进行透视变换,完成车辆拼接侧向融合的方法。采用1路视频方式,在固定点位进行3维视觉测量技术,提供车型精确分类的数字视频车型检测器。通过单路相机进行的图像融合数据,具有车头信息(包括但不限于车牌号、车牌颜色、车辆品牌)及车身信息(包括但不限于车辆车型、轴数、轴型),有益效果如下:
1)采用1路视频同时采集车牌和车身的方式,对于车辆分割匹配不会出现匹配错误。并且车身拼接图像可以同时出现车牌和车身形成完整证据链,相对于其它现有技术减少了相机降低了使用成本,同时减少了施工因布线开槽带来的施工难度。
2)通过该系统的检测,最终提供完整的车头和车身图像,对于事后稽查和结果验证都提供了强有力的依据。
3)该系统可以和目前任何现有的抓拍摄像机融合使用,为收费站升级提供可能,不需要额外采购新的抓拍相机,在原有相机上即可升级使用。
在上述各实施例中,虽然对步骤进行了编号S1、S2等,但只是本申请给出的具体实施例,本领域的技术人员可根据实际情况调整S1、S2等的执行顺序,此也在本发明的保护范围内,可以理解,在一些实施例中,可以包含如上述各实施方式中的部分或全部。
如图11所示,本发明实施例的一种车辆信息识别系统200,包括采集模块210、获取模块220和识别模块230;
采集模块210用于:在预设检测区域内识别到车辆时,利用摄像装置采集车辆在预设检测区域内的行驶视频;
获取模块220用于:根据行驶视频,拼接得到车辆在摄像机的垂直角度上的拼接侧面图;
识别模块230用于:对车辆的拼接侧面图进行识别,得到车辆的车辆信息。
本发明的一种车辆信息识别系统200使用单相机处理数据同时获取车头车身图像,在拥堵、加塞、倒车等一系列的复杂场景下,在车辆数据匹配准确率能够达到百分之百。
可选地,在上述技术方案中,获取模块220包括校正模块和拼接模块;
校正模块用于:利用视频校正方法,将行驶视频中的每帧图像校正为在摄像机的垂直角度上的校正图像;
拼接模块用于:基于多个校正图像,拼接得到车辆在摄像机的垂直角度上的拼接侧面图。
可选地,在上述技术方案中,拼接模块具体用于:
利用光流金字塔方式,计算得到车辆在每个校正图像中的位移宽度,将车辆在预设检测区域内的位移宽度进行拼接,得到拼接侧面图。
可选地,在上述技术方案中,车辆信息包括车牌号、车牌颜色、车辆品牌、车辆车型、轴数和轴型。
上述关于本发明的一种车辆信息识别系统200中的各参数和各个单元模块实现相应功能的步骤,可参考上文中关于一种车辆信息识别方法的实施例中的各参数和步骤,在此不做赘述。
本发明实施例的一种存储介质,存储介质中存储有指令,当计算机读取指令时,使计算机执行上述任一项的一种车辆信息识别方法。
本发明实施例的一种电子设备,包括处理器和上述的存储介质,处理器执行存储介质中的指令。其中,电子设备可以选用电脑、手机等。
所属技术领域的技术人员知道,本发明可以实现为系统、方法或计算机程序产品。
因此,本公开可以具体实现为以下形式,即:可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等),还可以是硬件和软件结合的形式,本文一般称为“电路”、“模块”或“系统”。此外,在一些实施例中,本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式,该计算机可读介质中包含计算机可读的程序代码。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是一一但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM),只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种车辆信息识别方法,其特征在于,包括:
在预设检测区域内识别到车辆时,利用摄像装置采集所述车辆在所述预设检测区域内的行驶视频;
根据所述行驶视频,拼接得到所述车辆在摄像机的垂直角度上的拼接侧面图;
对所述车辆的拼接侧面图进行识别,得到所述车辆的车辆信息。
2.根据权利要求1所述的一种车辆信息识别方法,其特征在于,根据所述行驶视频,拼接得到所述车辆在摄像机的垂直角度上的拼接侧面图,包括:
利用视频校正方法,将行驶视频中的每帧图像校正为在摄像机的垂直角度上的校正图像;
基于多个校正图像,拼接得到所述车辆在摄像机的垂直角度上的拼接侧面图。
3.根据权利要求2所述的一种车辆信息识别方法,其特征在于,基于多个校正图像,拼接得到所述车辆在摄像机的垂直角度上的拼接侧面图,包括:
利用光流金字塔方式,计算得到车辆在每个校正图像中的位移宽度,将所述车辆在所述预设检测区域内的位移宽度进行拼接,得到所述拼接侧面图。
4.根据权利要求1至3任一项所述的一种车辆信息识别方法,其特征在于,车辆信息包括车牌号、车牌颜色、车辆品牌、车辆车型、轴数和轴型。
5.一种车辆信息识别系统,其特征在于,包括采集模块、获取模块和识别模块;
所述采集模块用于:在预设检测区域内识别到车辆时,利用摄像装置采集所述车辆在所述预设检测区域内的行驶视频;
所述获取模块用于:根据所述行驶视频,拼接得到所述车辆在摄像机的垂直角度上的拼接侧面图;
所述识别模块用于:对所述车辆的拼接侧面图进行识别,得到所述车辆的车辆信息。
6.根据权利要求5所述的一种车辆信息识别系统,其特征在于,所述获取模块包括校正模块和拼接模块;
所述校正模块用于:利用视频校正方法,将行驶视频中的每帧图像校正为在摄像机的垂直角度上的校正图像;
所述拼接模块用于:基于多个校正图像,拼接得到所述车辆在摄像机的垂直角度上的拼接侧面图。
7.根据权利要求6所述的一种车辆信息识别系统,其特征在于,所述拼接模块具体用于:
利用光流金字塔方式,计算得到车辆在每个校正图像中的位移宽度,将所述车辆在所述预设检测区域内的位移宽度进行拼接,得到所述拼接侧面图。
8.根据权利要求5至7任一项所述的一种车辆信息识别系统,其特征在于,车辆信息包括车牌号、车牌颜色、车辆品牌、车辆车型、轴数和轴型。
9.一种存储介质,其特征在于,所述存储介质中存储有指令,当计算机读取所述指令时,使所述计算机执行如权利要求1至4中任一项所述的一种车辆信息识别方法。
10.一种电子设备,其特征在于,包括处理器和权利要求9所述的存储介质,所述处理器执行所述存储介质中的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310740529.6A CN116977894A (zh) | 2023-06-21 | 2023-06-21 | 一种车辆信息识别方法、系统、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310740529.6A CN116977894A (zh) | 2023-06-21 | 2023-06-21 | 一种车辆信息识别方法、系统、存储介质和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116977894A true CN116977894A (zh) | 2023-10-31 |
Family
ID=88484045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310740529.6A Pending CN116977894A (zh) | 2023-06-21 | 2023-06-21 | 一种车辆信息识别方法、系统、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116977894A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108550143A (zh) * | 2018-04-03 | 2018-09-18 | 长安大学 | 一种基于rgb-d相机的车辆长宽高尺寸的测量方法 |
CN111860384A (zh) * | 2020-07-27 | 2020-10-30 | 上海福赛特智能科技有限公司 | 一种车型识别方法 |
CN112966582A (zh) * | 2021-02-26 | 2021-06-15 | 北京卓视智通科技有限责任公司 | 车型三维识别方法、装置、系统、电子设备及存储介质 |
-
2023
- 2023-06-21 CN CN202310740529.6A patent/CN116977894A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108550143A (zh) * | 2018-04-03 | 2018-09-18 | 长安大学 | 一种基于rgb-d相机的车辆长宽高尺寸的测量方法 |
CN111860384A (zh) * | 2020-07-27 | 2020-10-30 | 上海福赛特智能科技有限公司 | 一种车型识别方法 |
CN112966582A (zh) * | 2021-02-26 | 2021-06-15 | 北京卓视智通科技有限责任公司 | 车型三维识别方法、装置、系统、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
金国栋等: "《无人机侦察技术与应用》", 30 November 2020, 西北工业大学出版社, pages: 135 - 138 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110174093B (zh) | 定位方法、装置、设备和计算机可读存储介质 | |
US10984261B2 (en) | Systems and methods for curb detection and pedestrian hazard assessment | |
US10990836B2 (en) | Method and apparatus for recognizing object, device, vehicle and medium | |
CN111046743B (zh) | 一种障碍物信息标注方法、装置、电子设备和存储介质 | |
US20160232410A1 (en) | Vehicle speed detection | |
CN110758477B (zh) | 基于二维码识别的列车定位方法及系统 | |
CN110634306A (zh) | 车辆位置的确定方法及装置、存储介质、计算设备 | |
CN112753038B (zh) | 识别车辆变道趋势的方法和装置 | |
KR102082254B1 (ko) | 차량 인식 시스템 | |
CN114419098A (zh) | 基于视觉变换的运动目标轨迹预测方法及装置 | |
Vu et al. | Traffic sign detection, state estimation, and identification using onboard sensors | |
CN111160132B (zh) | 障碍物所在车道的确定方法、装置、电子设备和存储介质 | |
CN111951598B (zh) | 一种车辆跟踪监测方法、装置及系统 | |
CN113192217A (zh) | 逃费检测方法、装置、计算机设备和介质 | |
CN111951328A (zh) | 一种物体位置检测方法、装置、设备和存储介质 | |
US11557089B1 (en) | System and method for determining a viewpoint of a traffic camera | |
CN116977894A (zh) | 一种车辆信息识别方法、系统、存储介质和电子设备 | |
CN113469045B (zh) | 无人集卡的视觉定位方法、系统、电子设备和存储介质 | |
CN114141055B (zh) | 一种智能泊车系统的泊车位检测装置和检测方法 | |
CN114693722A (zh) | 一种车辆行驶行为检测方法、检测装置及检测设备 | |
JP5964093B2 (ja) | 車両サイズ測定装置、車両サイズ測定方法、およびプログラム | |
KR102448944B1 (ko) | 영상의 원근 왜곡을 보정하여 차량객체의 속도를 측정하는 속도측정방법 및 속도측정장치 | |
CN116824869B (zh) | 车路云一体化交通融合感知测试方法、装置、系统及介质 | |
CN118038409A (zh) | 车辆可行驶区域检测方法、装置、电子设备及存储介质 | |
CN117746370A (zh) | 地面标志检测方法、智能设备及存储介质 |
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 |