CN117218609A - 一种基于环视摄像头的摩托车危险行为检测方法及系统 - Google Patents
一种基于环视摄像头的摩托车危险行为检测方法及系统 Download PDFInfo
- Publication number
- CN117218609A CN117218609A CN202311166507.XA CN202311166507A CN117218609A CN 117218609 A CN117218609 A CN 117218609A CN 202311166507 A CN202311166507 A CN 202311166507A CN 117218609 A CN117218609 A CN 117218609A
- Authority
- CN
- China
- Prior art keywords
- dangerous driving
- driving behavior
- detected
- motorcycle
- behavior detection
- 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 23
- 230000006399 behavior Effects 0.000 claims abstract description 178
- 238000001514 detection method Methods 0.000 claims abstract description 122
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 3
- 206010039203 Road traffic accident Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及交通行为检测，具体涉及一种基于环视摄像头的摩托车危险行为检测方法及系统，构建轻量化模型及摩托车危险驾驶行为数据集，并利用摩托车危险驾驶行为数据集对轻量化模型进行模型训练；获取视频数据，对视频数据划定感兴趣区域和待检测区域；利用训练好的轻量化模型对待检测区域内的待检测目标进行危险驾驶行为检测，得到第一危险驾驶行为检测结果；对视频数据中的待检测目标进行跟踪检测，得到跟踪轨迹；基于抓拍条件对跟踪轨迹进行图像保存，得到多个抓拍图像；根据多个抓拍图像中的信号灯状态进行危险驾驶行为检测，得到第二危险驾驶行为检测结果；本发明提供的技术方案能够克服不能准确、高效地对摩托车危险驾驶行为进行检测的缺陷。
Description
技术领域
本发明涉及交通行为检测，具体涉及一种基于环视摄像头的摩托车危险行为检测方法及系统。
背景技术
由于摩托车骑行速度快、驾驶路线灵活等原因，选择摩托车出行的民众越来越多，摩托车保有量在近几年出现快速增长。
摩托车具有加减速度快、极限速度高、可以穿梭狭小空隙的特点，正是因为这些特点造成摩托车驾驶员具有较大的驾驶随意性，导致摩托车出现交通违章、交通事故的比例相对于机动车高很多。而如何有效监管摩托车危险驾驶行为，降低摩托车出现交通违章、交通事故的比例，成为当前摩托车管理的难点。
目前，还不能对摩托车危险驾驶行为进行准确、高效的检测，这给摩托车管理工作带来较大程度的不便。
发明内容
(一)解决的技术问题
针对现有技术所存在的上述缺点，本发明提供了一种基于环视摄像头的摩托车危险行为检测方法及系统，能够有效克服现有技术所存在的不能准确、高效地对摩托车危险驾驶行为进行检测的缺陷。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种基于环视摄像头的摩托车危险行为检测方法，包括以下步骤：
S1、构建轻量化模型及摩托车危险驾驶行为数据集，并利用摩托车危险驾驶行为数据集对轻量化模型进行模型训练；
S2、获取视频数据，对视频数据划定感兴趣区域和待检测区域；
S3、利用训练好的轻量化模型对待检测区域内的待检测目标进行危险驾驶行为检测，得到第一危险驾驶行为检测结果；
S4、对视频数据中的待检测目标进行跟踪检测，得到跟踪轨迹；
S5、基于抓拍条件对跟踪轨迹进行图像保存，得到多个抓拍图像；
S6、根据多个抓拍图像中的信号灯状态进行危险驾驶行为检测，得到第二危险驾驶行为检测结果；
S7、综合第一危险驾驶行为检测结果和第二危险驾驶行为检测结果，得到摩托车危险驾驶行为检测数据。
优选地，S1中构建轻量化模型及摩托车危险驾驶行为数据集，并利用摩托车危险驾驶行为数据集对轻量化模型进行模型训练，包括：
对摩托车危险驾驶行为数据集的图像通道和图像尺寸进行预处理，并基于预处理后的摩托车危险驾驶行为数据集训练教师学生模型；
搭建轻量化模型的网络结构，利用教师学生模型和预处理后的摩托车危险驾驶行为数据集对轻量化模型进行模型训练；
其中，轻量化模型的网络结构包括特征提取模块、特征融合模块和检测结果输出模块。
优选地，S2中获取视频数据，对视频数据划定感兴趣区域和待检测区域，包括：
基于机动车车道特征点在视频数据中划定感兴趣区域，并在感兴趣区域内进行目标检测，确定待检测目标；
在感兴趣区域内基于待检测目标划定待检测区域。
优选地，S3中利用训练好的轻量化模型对待检测区域内的待检测目标进行危险驾驶行为检测，得到第一危险驾驶行为检测结果，包括：
当感兴趣区域内出现待检测目标时，截取包含待检测区域的截取图像，并对截取图像进行预处理；
利用训练好的轻量化模型对预处理后的截取图像中的人和头盔数量进行检测；
根据人和头盔数量的对比结果，同时对未佩戴头盔行为和违规载人行为进行判断，得到第一危险驾驶行为检测结果。
优选地，S3中利用训练好的轻量化模型对待检测区域内的待检测目标进行危险驾驶行为检测，得到第一危险驾驶行为检测结果，还包括：
当感兴趣区域内出现待检测目标时，截取包含待检测区域的截取图像，并对截取图像进行预处理；
利用训练好的轻量化模型对预处理后的截取图像中的摩托车进行跟踪检测，并确定摩托车行驶方向；
根据摩托车行驶方向与感兴趣区域设定行驶方向的对比结果，对逆向行驶行为进行判断，得到第一危险驾驶行为检测结果。
优选地，S4中对视频数据中的待检测目标进行跟踪检测，得到跟踪轨迹，包括：
采用目标跟踪算法对感兴趣区域内的各待检测目标进行跟踪检测，得到多个初始跟踪轨迹；
对各待检测目标与多个初始跟踪轨迹进行匹配，确定跟踪轨迹。
优选地，所述采用目标跟踪算法对感兴趣区域内的各待检测目标进行跟踪检测，得到多个初始跟踪轨迹，包括：
采用目标跟踪算法对感兴趣区域内的各待检测目标进行跟踪检测，当跟踪检测过程中断时，基于摩托车驾驶员特征信息进行匹配；
成功匹配后继续进行跟踪检测，直至跟踪检测完成，得到多个初始跟踪轨迹。
优选地，所述对各待检测目标与多个初始跟踪轨迹进行匹配，确定跟踪轨迹，包括：
基于车牌信息计算各待检测目标与多个初始跟踪轨迹之间的重叠率，并将重叠率大于预设阈值的初始跟踪轨迹作为待检测目标对应的跟踪轨迹。
优选地，S6中根据多个抓拍图像中的信号灯状态进行危险驾驶行为检测，得到第二危险驾驶行为检测结果，包括：
根据多个抓拍图像中的信号灯状态，以及摩托车与车道停止线之间的位置关系，对闯红灯行为进行判断，得到第二危险驾驶行为检测结果。
一种基于环视摄像头的摩托车危险行为检测系统，包括轻量化模型训练模块、区域划定模块、第一危险驾驶行为检测模块、跟踪检测模块、抓拍图像获取模块、第二危险驾驶行为检测模块和摩托车危险驾驶行为检测结果输出模块；
轻量化模型训练模块，构建轻量化模型及摩托车危险驾驶行为数据集，并利用摩托车危险驾驶行为数据集对轻量化模型进行模型训练；
区域划定模块，获取视频数据，对视频数据划定感兴趣区域和待检测区域；
第一危险驾驶行为检测模块，利用训练好的轻量化模型对待检测区域内的待检测目标进行危险驾驶行为检测，得到第一危险驾驶行为检测结果；
跟踪检测模块，对视频数据中的待检测目标进行跟踪检测，得到跟踪轨迹；
抓拍图像获取模块，基于抓拍条件对跟踪轨迹进行图像保存，得到多个抓拍图像；
第二危险驾驶行为检测模块，根据多个抓拍图像中的信号灯状态进行危险驾驶行为检测，得到第二危险驾驶行为检测结果；
摩托车危险驾驶行为检测结果输出模块，综合第一危险驾驶行为检测结果和第二危险驾驶行为检测结果，得到摩托车危险驾驶行为检测数据。
(三)有益效果
与现有技术相比，本发明所提供的一种基于环视摄像头的摩托车危险行为检测方法及系统，具有以下有益效果：
1)构建轻量化模型及摩托车危险驾驶行为数据集，并利用摩托车危险驾驶行为数据集对轻量化模型进行模型训练，获取视频数据，对视频数据划定感兴趣区域和待检测区域，利用训练好的轻量化模型对待检测区域内的待检测目标进行危险驾驶行为检测，得到第一危险驾驶行为检测结果，从而能够利用训练好的轻量化模型准确、高效地对未佩戴头盔行为、违规载人行为、逆向行驶行为等摩托车危险驾驶行为进行检测；
2)对视频数据中的待检测目标进行跟踪检测，得到跟踪轨迹，基于抓拍条件对跟踪轨迹进行图像保存，得到多个抓拍图像，根据多个抓拍图像中的信号灯状态进行危险驾驶行为检测，得到第二危险驾驶行为检测结果，通过对待检测目标进行跟踪检测得到跟踪轨迹，并基于跟踪轨迹获取抓拍图像，从而能够根据抓拍图像中的信号灯状态准确、高效地对闯红灯行为等摩托车危险驾驶行为进行检测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的流程示意图；
图2为本发明中利用训练好的轻量化模型得到第一危险驾驶行为检测结果的流程示意图；
图3为本发明中根据抓拍图像中的信号灯状态得到第二危险驾驶行为检测结果的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种基于环视摄像头的摩托车危险行为检测方法，如图1和图2所示，①构建轻量化模型及摩托车危险驾驶行为数据集，并利用摩托车危险驾驶行为数据集对轻量化模型进行模型训练，具体包括：
对摩托车危险驾驶行为数据集的图像通道和图像尺寸进行预处理，并基于预处理后的摩托车危险驾驶行为数据集训练教师学生模型；
搭建轻量化模型的网络结构，利用教师学生模型和预处理后的摩托车危险驾驶行为数据集对轻量化模型进行模型训练；
其中，轻量化模型的网络结构包括特征提取模块、特征融合模块和检测结果输出模块。
②获取视频数据，对视频数据划定感兴趣区域和待检测区域，具体包括：
基于机动车车道特征点在视频数据中划定感兴趣区域，并在感兴趣区域内进行目标检测，确定待检测目标；
在感兴趣区域内基于待检测目标划定待检测区域。
③利用训练好的轻量化模型对待检测区域内的待检测目标进行危险驾驶行为检测，得到第一危险驾驶行为检测结果。
1)利用训练好的轻量化模型对待检测区域内的待检测目标进行危险驾驶行为检测，得到第一危险驾驶行为检测结果，包括：
当感兴趣区域内出现待检测目标时，截取包含待检测区域的截取图像，并对截取图像进行预处理；
利用训练好的轻量化模型对预处理后的截取图像中的人和头盔数量进行检测；
根据人和头盔数量的对比结果，同时对未佩戴头盔行为和违规载人行为进行判断，得到第一危险驾驶行为检测结果。
2)利用训练好的轻量化模型对待检测区域内的待检测目标进行危险驾驶行为检测，得到第一危险驾驶行为检测结果，还包括：
当感兴趣区域内出现待检测目标时，截取包含待检测区域的截取图像，并对截取图像进行预处理；
利用训练好的轻量化模型对预处理后的截取图像中的摩托车进行跟踪检测，并确定摩托车行驶方向；
根据摩托车行驶方向与感兴趣区域设定行驶方向的对比结果，对逆向行驶行为进行判断，得到第一危险驾驶行为检测结果。
上述技术方案，构建轻量化模型及摩托车危险驾驶行为数据集，并利用摩托车危险驾驶行为数据集对轻量化模型进行模型训练，获取视频数据，对视频数据划定感兴趣区域和待检测区域，利用训练好的轻量化模型对待检测区域内的待检测目标进行危险驾驶行为检测，得到第一危险驾驶行为检测结果，从而能够利用训练好的轻量化模型准确、高效地对未佩戴头盔行为、违规载人行为、逆向行驶行为等摩托车危险驾驶行为进行检测。
如图1和图3所示，④对视频数据中的待检测目标进行跟踪检测，得到跟踪轨迹，具体包括：
采用目标跟踪算法对感兴趣区域内的各待检测目标进行跟踪检测，得到多个初始跟踪轨迹；
对各待检测目标与多个初始跟踪轨迹进行匹配，确定跟踪轨迹。
1)采用目标跟踪算法对感兴趣区域内的各待检测目标进行跟踪检测，得到多个初始跟踪轨迹，包括：
采用目标跟踪算法对感兴趣区域内的各待检测目标进行跟踪检测，当跟踪检测过程中断时，基于摩托车驾驶员特征信息进行匹配；
成功匹配后继续进行跟踪检测，直至跟踪检测完成，得到多个初始跟踪轨迹。
2)对各待检测目标与多个初始跟踪轨迹进行匹配，确定跟踪轨迹，包括：
基于车牌信息计算各待检测目标与多个初始跟踪轨迹之间的重叠率，并将重叠率大于预设阈值的初始跟踪轨迹作为待检测目标对应的跟踪轨迹。
⑤基于抓拍条件对跟踪轨迹进行图像保存，得到多个抓拍图像。
⑥根据多个抓拍图像中的信号灯状态进行危险驾驶行为检测，得到第二危险驾驶行为检测结果，具体包括：
根据多个抓拍图像中的信号灯状态，以及摩托车与车道停止线之间的位置关系，对闯红灯行为进行判断，得到第二危险驾驶行为检测结果。
上述技术方案，对视频数据中的待检测目标进行跟踪检测，得到跟踪轨迹，基于抓拍条件对跟踪轨迹进行图像保存，得到多个抓拍图像，根据多个抓拍图像中的信号灯状态进行危险驾驶行为检测，得到第二危险驾驶行为检测结果，通过对待检测目标进行跟踪检测得到跟踪轨迹，并基于跟踪轨迹获取抓拍图像，从而能够根据抓拍图像中的信号灯状态准确、高效地对闯红灯行为等摩托车危险驾驶行为进行检测。
⑦综合第一危险驾驶行为检测结果和第二危险驾驶行为检测结果，得到摩托车危险驾驶行为检测数据。
本申请技术方案中，还公开了一种基于环视摄像头的摩托车危险行为检测系统，包括轻量化模型训练模块、区域划定模块、第一危险驾驶行为检测模块、跟踪检测模块、抓拍图像获取模块、第二危险驾驶行为检测模块和摩托车危险驾驶行为检测结果输出模块；
轻量化模型训练模块，构建轻量化模型及摩托车危险驾驶行为数据集，并利用摩托车危险驾驶行为数据集对轻量化模型进行模型训练；
区域划定模块，获取视频数据，对视频数据划定感兴趣区域和待检测区域；
第一危险驾驶行为检测模块，利用训练好的轻量化模型对待检测区域内的待检测目标进行危险驾驶行为检测，得到第一危险驾驶行为检测结果；
跟踪检测模块，对视频数据中的待检测目标进行跟踪检测，得到跟踪轨迹；
抓拍图像获取模块，基于抓拍条件对跟踪轨迹进行图像保存，得到多个抓拍图像；
第二危险驾驶行为检测模块，根据多个抓拍图像中的信号灯状态进行危险驾驶行为检测，得到第二危险驾驶行为检测结果；
摩托车危险驾驶行为检测结果输出模块，综合第一危险驾驶行为检测结果和第二危险驾驶行为检测结果，得到摩托车危险驾驶行为检测数据。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于环视摄像头的摩托车危险行为检测方法，其特征在于：包括以下步骤：
S1、构建轻量化模型及摩托车危险驾驶行为数据集，并利用摩托车危险驾驶行为数据集对轻量化模型进行模型训练；
S2、获取视频数据，对视频数据划定感兴趣区域和待检测区域；
S3、利用训练好的轻量化模型对待检测区域内的待检测目标进行危险驾驶行为检测，得到第一危险驾驶行为检测结果；
S4、对视频数据中的待检测目标进行跟踪检测，得到跟踪轨迹；
S5、基于抓拍条件对跟踪轨迹进行图像保存，得到多个抓拍图像；
S6、根据多个抓拍图像中的信号灯状态进行危险驾驶行为检测，得到第二危险驾驶行为检测结果；
S7、综合第一危险驾驶行为检测结果和第二危险驾驶行为检测结果，得到摩托车危险驾驶行为检测数据。
2.根据权利要求1所述的基于环视摄像头的摩托车危险行为检测方法，其特征在于：S1中构建轻量化模型及摩托车危险驾驶行为数据集，并利用摩托车危险驾驶行为数据集对轻量化模型进行模型训练，包括：
对摩托车危险驾驶行为数据集的图像通道和图像尺寸进行预处理，并基于预处理后的摩托车危险驾驶行为数据集训练教师学生模型；
搭建轻量化模型的网络结构，利用教师学生模型和预处理后的摩托车危险驾驶行为数据集对轻量化模型进行模型训练；
其中，轻量化模型的网络结构包括特征提取模块、特征融合模块和检测结果输出模块。
3.根据权利要求2所述的基于环视摄像头的摩托车危险行为检测方法，其特征在于：S2中获取视频数据，对视频数据划定感兴趣区域和待检测区域，包括：
基于机动车车道特征点在视频数据中划定感兴趣区域，并在感兴趣区域内进行目标检测，确定待检测目标；
在感兴趣区域内基于待检测目标划定待检测区域。
4.根据权利要求3所述的基于环视摄像头的摩托车危险行为检测方法，其特征在于：S3中利用训练好的轻量化模型对待检测区域内的待检测目标进行危险驾驶行为检测，得到第一危险驾驶行为检测结果，包括：
当感兴趣区域内出现待检测目标时，截取包含待检测区域的截取图像，并对截取图像进行预处理；
利用训练好的轻量化模型对预处理后的截取图像中的人和头盔数量进行检测；
根据人和头盔数量的对比结果，同时对未佩戴头盔行为和违规载人行为进行判断，得到第一危险驾驶行为检测结果。
5.根据权利要求4所述的基于环视摄像头的摩托车危险行为检测方法，其特征在于：S3中利用训练好的轻量化模型对待检测区域内的待检测目标进行危险驾驶行为检测，得到第一危险驾驶行为检测结果，还包括：
当感兴趣区域内出现待检测目标时，截取包含待检测区域的截取图像，并对截取图像进行预处理；
利用训练好的轻量化模型对预处理后的截取图像中的摩托车进行跟踪检测，并确定摩托车行驶方向；
根据摩托车行驶方向与感兴趣区域设定行驶方向的对比结果，对逆向行驶行为进行判断，得到第一危险驾驶行为检测结果。
6.根据权利要求3所述的基于环视摄像头的摩托车危险行为检测方法，其特征在于：S4中对视频数据中的待检测目标进行跟踪检测，得到跟踪轨迹，包括：
采用目标跟踪算法对感兴趣区域内的各待检测目标进行跟踪检测，得到多个初始跟踪轨迹；
对各待检测目标与多个初始跟踪轨迹进行匹配，确定跟踪轨迹。
7.根据权利要求6所述的基于环视摄像头的摩托车危险行为检测方法，其特征在于：所述采用目标跟踪算法对感兴趣区域内的各待检测目标进行跟踪检测，得到多个初始跟踪轨迹，包括：
采用目标跟踪算法对感兴趣区域内的各待检测目标进行跟踪检测，当跟踪检测过程中断时，基于摩托车驾驶员特征信息进行匹配；
成功匹配后继续进行跟踪检测，直至跟踪检测完成，得到多个初始跟踪轨迹。
8.根据权利要求7所述的基于环视摄像头的摩托车危险行为检测方法，其特征在于：所述对各待检测目标与多个初始跟踪轨迹进行匹配，确定跟踪轨迹，包括：
基于车牌信息计算各待检测目标与多个初始跟踪轨迹之间的重叠率，并将重叠率大于预设阈值的初始跟踪轨迹作为待检测目标对应的跟踪轨迹。
9.根据权利要求6所述的基于环视摄像头的摩托车危险行为检测方法，其特征在于：S6中根据多个抓拍图像中的信号灯状态进行危险驾驶行为检测，得到第二危险驾驶行为检测结果，包括：
根据多个抓拍图像中的信号灯状态，以及摩托车与车道停止线之间的位置关系，对闯红灯行为进行判断，得到第二危险驾驶行为检测结果。
10.一种基于权利要求1所述的基于环视摄像头的摩托车危险行为检测系统，其特征在于：包括轻量化模型训练模块、区域划定模块、第一危险驾驶行为检测模块、跟踪检测模块、抓拍图像获取模块、第二危险驾驶行为检测模块和摩托车危险驾驶行为检测结果输出模块；
轻量化模型训练模块，构建轻量化模型及摩托车危险驾驶行为数据集，并利用摩托车危险驾驶行为数据集对轻量化模型进行模型训练；
区域划定模块，获取视频数据，对视频数据划定感兴趣区域和待检测区域；
第一危险驾驶行为检测模块，利用训练好的轻量化模型对待检测区域内的待检测目标进行危险驾驶行为检测，得到第一危险驾驶行为检测结果；
跟踪检测模块，对视频数据中的待检测目标进行跟踪检测，得到跟踪轨迹；
抓拍图像获取模块，基于抓拍条件对跟踪轨迹进行图像保存，得到多个抓拍图像；
第二危险驾驶行为检测模块，根据多个抓拍图像中的信号灯状态进行危险驾驶行为检测，得到第二危险驾驶行为检测结果；
摩托车危险驾驶行为检测结果输出模块，综合第一危险驾驶行为检测结果和第二危险驾驶行为检测结果，得到摩托车危险驾驶行为检测数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311166507.XA CN117218609A (zh) | 2023-09-11 | 2023-09-11 | 一种基于环视摄像头的摩托车危险行为检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311166507.XA CN117218609A (zh) | 2023-09-11 | 2023-09-11 | 一种基于环视摄像头的摩托车危险行为检测方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117218609A true CN117218609A (zh) | 2023-12-12 |
Family
ID=89041879
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311166507.XA Pending CN117218609A (zh) | 2023-09-11 | 2023-09-11 | 一种基于环视摄像头的摩托车危险行为检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117218609A (zh) |
-
2023
- 2023-09-11 CN CN202311166507.XA patent/CN117218609A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112069643B (zh) | 一种自动驾驶仿真场景生成方法及装置 | |
| US11836985B2 (en) | Identifying suspicious entities using autonomous vehicles | |
| CN112700470B (zh) | 一种基于交通视频流的目标检测和轨迹提取方法 | |
| CN109345829B (zh) | 无人车的监控方法、装置、设备及存储介质 | |
| CN108460968A (zh) | 一种基于车联网获取交通路况信息的方法及装置 | |
| CN106503622A (zh) | 一种车辆反跟踪方法及装置 | |
| CN110738150B (zh) | 相机联动抓拍方法、装置以及计算机存储介质 | |
| CN110032947B (zh) | 一种监控事件发生的方法及装置 | |
| CN103359020A (zh) | 一种机动车驾驶培训或考试监控方法和系统 | |
| 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 | |
| CN111341120A (zh) | 一种车辆逆行检测方法、系统及车辆 | |
| CN113255439B (zh) | 一种障碍物识别方法、装置、系统、终端及云端 | |
| CN106529401A (zh) | 一种车辆反跟踪方法、装置及系统 | |
| CN106092123A (zh) | 一种视频导航方法及装置 | |
| CN105574502A (zh) | 一种自助发卡机违章行为自动检测方法 | |
| CN111209880A (zh) | 车辆行为识别方法、装置 | |
| CN112560546B (zh) | 抛洒行为检测方法、装置及存储介质 | |
| CN115909223A (zh) | 一种wim系统信息与监控视频数据匹配的方法和系统 | |
| Huang et al. | Traffic congestion level prediction based on recurrent neural networks | |
| CN113221724B (zh) | 车辆抛洒物检测方法及系统 | |
| CN109300313B (zh) | 违法行为的检测方法、相机及服务器 | |
| WO2024098992A1 (zh) | 倒车检测方法及装置 | |
| CN113591643A (zh) | 一种基于计算机视觉的地下交通工具进出站检测系统及方法 | |
| CN113177509A (zh) | 一种倒车行为识别方法及装置 | |
| CN117218609A (zh) | 一种基于环视摄像头的摩托车危险行为检测方法及系统 |
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 |