JP2020191081A - 駐車違反の検出方法及び装置、電子機器、コンピュータ読み取り可能な媒体 - Google Patents
駐車違反の検出方法及び装置、電子機器、コンピュータ読み取り可能な媒体 Download PDFInfo
- Publication number
- JP2020191081A JP2020191081A JP2020083182A JP2020083182A JP2020191081A JP 2020191081 A JP2020191081 A JP 2020191081A JP 2020083182 A JP2020083182 A JP 2020083182A JP 2020083182 A JP2020083182 A JP 2020083182A JP 2020191081 A JP2020191081 A JP 2020191081A
- Authority
- JP
- Japan
- Prior art keywords
- detection frame
- parking violation
- pixel
- road type
- area
- 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.)
- Granted
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
- G06V20/50—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- 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
- G06V10/443—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 by matching or filtering
- G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
- G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
-
- 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
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
- G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
-
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/08—Detecting or categorising vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Molecular Biology (AREA)
- Software Systems (AREA)
- Biodiversity & Conservation Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
Description
第1のニューラルネットワークにより、収集モジュールによって収集された画像内の種別が車両である検出フレームを取得し、前記検出フレームの座標情報を決定するステップと、
第2のニューラルネットワークにより、前記画像内の前記検出フレームに対応する領域が駐車違反領域であるか否かを判断するステップと、
駐車違反領域であると判断された場合、予め設定された時間内に、前記検出フレームの座標情報が変化するか否かを判断し、判断結果に基づいて、前記車両が駐車違反であるか否かを決定するステップと、を含む。
前記収集モジュールによって収集された画像を第2のニューラルネットワークに入力し、前記画像内の各画素に対応する道路種別を出力し、各画素座標と道路種別との対応関係を取得するステップと、
前記画像内の前記検出フレームに対応する領域内の各画素座標を取得し、各画素座標と道路種別との対応関係に基づいて、検出フレームにおける各画素の道路種別を取得するステップと、
検出フレームにおける各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するステップと、を含む。
前記画像内の前記検出フレーム領域に対応する部分のみを第2のニューラルネットワークに入力し、前記画像内の前記検出フレーム領域に対応する部分の各画素に対応する道路種別を出力するステップと、
検出フレームにおける各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するステップと、を含む。
検出フレームにおける各画素の道路種別に基づいて、道路種別のうちの違法道路種別に対応する画素数を取得するステップと、
道路種別のうちの違法道路種別に対応する画素数を予め設定された値と比較し、比較結果に基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するステップと、を含む。
第1のニューラルネットワークにより、収集モジュールによって収集された画像内の種別が車両である検出フレームを取得し、前記検出フレームの座標情報を決定するための車両位置決めモジュールと、
第2のニューラルネットワークにより、前記画像内の前記検出フレームに対応する領域が駐車違反領域であるか否かを判断するための駐車違反領域判定モジュールと、
駐車違反領域判定モジュールが駐車違反領域であると判断し、予め設定された時間内に、前記検出フレームの座標情報が変化するか否かを判断し、判断結果に基づいて、前記車両が駐車違反であるか否かを決定するための違法車両決定モジュールと、を含む。
前記収集モジュールによって収集された画像を第2のニューラルネットワークに入力し、前記画像内の各画素に対応する道路種別を出力し、各画素座標と道路種別との対応関係を取得するための道路種別決定ユニットと、
前記画像内の前記検出フレームに対応する領域内の各画素座標を取得し、各画素座標と道路種別との対応関係に基づいて、検出フレームにおける各画素の道路種別を取得するための取得ユニットと、
検出フレームにおける各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するための駐車違反領域判定ユニットと、を含む。
前記画像内の前記検出フレーム領域に対応する部分のみを第2のニューラルネットワークに入力し、前記画像内の前記検出フレーム領域に対応する部分の各画素に対応する道路種別を出力するための取得ユニットと、
検出フレームにおける各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するための駐車違反領域判定ユニットと、を含む。
検出フレームにおける各画素の道路種別に基づいて、道路種別のうちの違法道路種別に対応する画素数を取得するための計算サブユニットと、
道路種別のうちの違法道路種別に対応する画素数を予め設定された値と比較し、比較結果に基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するための駐車違反領域判定サブユニットと、を含む。
一つ又は複数のプロセッサと、
一つ又は複数のプログラムが記憶されている記憶装置と、を含み、前記一つ又は複数のプログラムが前記一つ又は複数のプロセッサにより実行される場合に、前記一つ又は複数のプロセッサが、上記の方法を実現する。
ステップS1、第1のニューラルネットワークにより、収集モジュールによって収集された画像内の種別が車両である検出フレームを取得し、検出フレームの座標情報を決定する。
ステップS201、カメラによって収集された画像を第2のニューラルネットワークに入力し、画像内の各画素に対応する道路種別を出力し、各画素座標と道路種別との対応関係を取得する。
ステップS2031、検出フレームにおける各画素の道路種別に基づいて、道路種別のうちの違法道路種別に対応する画素数を取得する。
ステップS211、画像内の検出フレーム領域に対応する部分のみを第2のニューラルネットワークに入力し、前記画像内の検出フレーム領域に対応する部分の各画素に対応する道路種別を出力する。
一つ又は複数のプロセッサと、
一つ又は複数のプログラムが記憶されている記憶装置と、を含み、一つ又は複数のプログラムが一つ又は複数のプロセッサにより実行される場合に、上記の任意の駐車違反の検出方法を実現する。
Claims (11)
- 駐車違反の検出方法であって、
第1のニューラルネットワークにより、収集モジュールによって収集された画像内の種別が車両である検出フレームを取得し、前記検出フレームの座標情報を決定するステップと、
第2のニューラルネットワークにより、前記画像内の前記検出フレームに対応する領域が駐車違反領域であるか否かを判断するステップと、
駐車違反領域であると判断された場合、予め設定された時間内に前記検出フレームの座標情報が変化するか否かを判断し、判断結果に基づいて、前記車両が駐車違反であるか否かを決定するステップと、を含む、
ことを特徴とする駐車違反の検出方法。 - 前記第2のニューラルネットワークにより、前記画像内の前記検出フレームに対応する領域が駐車違反領域であるか否かを判断するステップは、
前記収集モジュールによって収集された画像を第2のニューラルネットワークに入力し、前記画像内の各画素に対応する道路種別を出力し、各画素座標と道路種別との対応関係を取得するステップと、
前記画像内の前記検出フレームに対応する領域内の各画素座標を取得し、各画素座標と道路種別との対応関係に基づいて、検出フレーム内の各画素の道路種別を取得するステップと、
検出フレーム内の各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するステップと、を含む、
ことを特徴とする請求項1に記載の駐車違反の検出方法。 - 前記第2のニューラルネットワークにより、前記画像内の前記検出フレームに対応する領域が駐車違反領域であるか否かを判断するステップは、
前記画像内の前記検出フレーム領域に対応する部分のみを第2のニューラルネットワークに入力し、前記画像内の前記検出フレーム領域に対応する部分の各画素に対応する道路種別を出力するステップと、
検出フレーム内の各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するステップと、を含む、
ことを特徴とする請求項1に記載の駐車違反の検出方法。 - 前記検出フレーム内の各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するステップは、
検出フレーム内の各画素の道路種別に基づいて、道路種別のうちの違法道路種別に対応する画素数を取得するステップと、
道路種別のうちの違法道路種別に対応する画素数を予め設定された値と比較し、比較結果に基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するステップと、を含む、
ことを特徴とする請求項2又は3に記載の駐車違反の検出方法。 - 前記検出フレームの座標情報は、前記検出フレームの四つの原点座標を含む、
ことを特徴とする請求項1に記載の駐車違反の検出方法。 - 駐車違反の検出装置であって、
第1のニューラルネットワークにより、収集モジュールによって収集された画像内の種別が車両である検出フレームを取得し、前記検出フレームの座標情報を決定するための車両位置決めモジュールと、
第2のニューラルネットワークにより、前記画像内の前記検出フレームに対応する領域が駐車違反領域であるか否かを判断するための駐車違反領域判定モジュールと、
駐車違反領域判定モジュールが駐車違反領域であると判断された場合、予め設定された時間内に前記検出フレームの座標情報が変化するか否かを判断し、判断結果に基づいて、前記車両が駐車違反であるか否かを決定するための違法車両決定モジュールと、を含む、
ことを特徴とする駐車違反の検出装置。 - 前記駐車違反領域判定モジュールは、
前記収集モジュールによって収集された画像を第2のニューラルネットワークに入力し、前記画像内の各画素に対応する道路種別を出力し、各画素座標と道路種別との対応関係を取得するための道路種別決定ユニットと、
前記画像内の前記検出フレームに対応する領域内の各画素座標を取得し、各画素座標と道路種別との対応関係に基づいて、検出フレーム内の各画素の道路種別を取得するための取得ユニットと、
検出フレーム内の各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するための駐車違反領域判定ユニットと、を含む、
ことを特徴とする請求項6に記載の駐車違反の検出装置。 - 前記駐車違反領域判定モジュールは、
前記画像内の前記検出フレーム領域に対応する部分のみを第2のニューラルネットワークに入力し、前記画像内の前記検出フレーム領域に対応する部分の各画素に対応する道路種別を出力するための取得ユニットと、
検出フレーム内の各画素の道路種別と予め設定された規則とに基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するための駐車違反領域判定ユニットと、を含む、
ことを特徴とする請求項6に記載の駐車違反の検出装置。 - 前記駐車違反領域判定ユニットは、
検出フレーム内の各画素の道路種別に基づいて、道路種別のうちの違法道路種別に対応する画素数を取得するための計算サブユニットと、
道路種別のうちの違法道路種別に対応する画素数を予め設定された値と比較し、比較結果に基づいて、前記検出フレームが位置する領域が駐車違反領域であるか否かを判断するための駐車違反領域判定サブユニットと、を含む、
ことを特徴とする請求項7又は8に記載の駐車違反の検出装置。 - 電子機器であって、
一つ又は複数のプロセッサと、
一つ又は複数のプログラムが記憶されている記憶装置と、を含み、
前記一つ又は複数のプログラムが前記一つ又は複数のプロセッサにより実行される場合に、前記一つ又は複数のプロセッサが、請求項1〜5のいずれかに記載の方法を実現する、
ことを特徴とする電子機器。 - コンピュータプログラムが記憶されているコンピュータ読み取り可能な媒体であって、
前記コンピュータプログラムがプロセッサにより実行される場合に、請求項1〜5のいずれかに記載の方法が実現される、
ことを特徴とするコンピュータ読み取り可能な媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910412569.1A CN110135356A (zh) | 2019-05-17 | 2019-05-17 | 违章停车的检测方法及装置、电子设备、计算机可读介质 |
CN201910412569.1 | 2019-05-17 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020191081A true JP2020191081A (ja) | 2020-11-26 |
JP6975369B2 JP6975369B2 (ja) | 2021-12-01 |
Family
ID=67574851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020083182A Active JP6975369B2 (ja) | 2019-05-17 | 2020-05-11 | 駐車違反の検出方法及び装置、電子機器、コンピュータ読み取り可能な媒体 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11380104B2 (ja) |
JP (1) | JP6975369B2 (ja) |
KR (1) | KR102391840B1 (ja) |
CN (1) | CN110135356A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022093481A (ja) * | 2021-04-28 | 2022-06-23 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 車両の駐車違反の識別方法、装置、電子機器、記憶媒体及びコンピュータプログラム |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047872A (zh) * | 2019-11-29 | 2020-04-21 | 武汉虹信技术服务有限责任公司 | 一种基于智能分析的道路违停车辆管理系统及方法 |
CN111325171A (zh) * | 2020-02-28 | 2020-06-23 | 深圳市商汤科技有限公司 | 异常停车监测方法及相关产品 |
CN113538958A (zh) * | 2020-04-14 | 2021-10-22 | 深圳富泰宏精密工业有限公司 | 停车警示方法、车载装置及可读存储介质 |
CN112419733B (zh) * | 2020-10-16 | 2023-05-05 | 杭州智行星科技有限公司 | 一种用户不规范停车的检测方法、装置、设备和存储介质 |
CN112016534B (zh) * | 2020-10-26 | 2021-02-05 | 城云科技(中国)有限公司 | 车辆违停检测的神经网络的训练方法、检测方法和装置 |
CN112966572B (zh) * | 2021-02-19 | 2023-04-18 | 合肥海赛信息科技有限公司 | 一种基于视频分析的非机动车违停智能检测方法 |
CN113298962A (zh) * | 2021-05-15 | 2021-08-24 | 北京筑梦园科技有限公司 | 一种车辆信息识别装置及停车管理系统 |
CN113473077A (zh) * | 2021-05-31 | 2021-10-01 | 超级视线科技有限公司 | 一种基于多维度的路侧逆向停车的判断方法及系统 |
CN114530056B (zh) * | 2022-02-15 | 2023-05-02 | 超级视线科技有限公司 | 一种基于定位信息和图像信息的停车管理方法及系统 |
CN115049948B (zh) * | 2022-08-15 | 2022-11-22 | 深圳市万物云科技有限公司 | 基于神经网络模型的无人机巡检方法、装置及相关设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002190011A (ja) * | 2000-12-21 | 2002-07-05 | Nec Corp | 画像認識による停止車両検知システム及び停止車両検知方法 |
JP2017045211A (ja) * | 2015-08-26 | 2017-03-02 | 株式会社日立製作所 | 駐車監視支援システム及び方法 |
JP2018041176A (ja) * | 2016-09-05 | 2018-03-15 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 駐車位置特定方法、駐車位置学習方法、駐車位置特定システム、駐車位置学習装置およびプログラム |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101577747B1 (ko) | 2013-10-24 | 2015-12-15 | 주식회사 에스원 | 불법 주정차 감지 방법 및 시스템 |
US10296794B2 (en) * | 2016-12-20 | 2019-05-21 | Jayant Rtti | On-demand artificial intelligence and roadway stewardship system |
CN108509826B (zh) * | 2017-02-27 | 2022-03-01 | 千寻位置网络有限公司 | 一种遥感影像的道路识别方法及其系统 |
CN106935035B (zh) * | 2017-04-07 | 2019-07-23 | 西安电子科技大学 | 基于ssd神经网络的违章停车车辆实时检测方法 |
CN107730903A (zh) * | 2017-06-13 | 2018-02-23 | 银江股份有限公司 | 基于深度卷积神经网络的违章停车和抛锚车视觉检测系统 |
CN107609491B (zh) * | 2017-08-23 | 2020-05-26 | 中国科学院声学研究所 | 一种基于卷积神经网络的车辆违章停车检测方法 |
CN108216229B (zh) * | 2017-09-08 | 2020-01-10 | 北京市商汤科技开发有限公司 | 交通工具、道路线检测和驾驶控制方法及装置 |
DE102017130488A1 (de) * | 2017-12-19 | 2019-06-19 | Valeo Schalter Und Sensoren Gmbh | Verfahren zur Klassifizierung von Parklücken in einem Umgebungsbereich eines Fahrzeugs mit einem neuronalen Netzwerk |
KR101888381B1 (ko) | 2018-06-19 | 2018-08-14 | (주)서광시스템 | 검지영역 딥러닝 기반의 차량 단속 시스템 |
CN109255959A (zh) * | 2018-06-25 | 2019-01-22 | 北京筑梦园科技有限公司 | 一种车辆监管方法和系统 |
CN109345589A (zh) * | 2018-09-11 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 基于自动驾驶车辆的位置检测方法、装置、设备及介质 |
KR101970442B1 (ko) | 2018-12-04 | 2019-04-19 | 주식회사 넥스파시스템 | Fast R-CNN 기반 차량검출을 이용한 불법 주정차 단속 시스템 |
-
2019
- 2019-05-17 CN CN201910412569.1A patent/CN110135356A/zh active Pending
-
2020
- 2020-02-21 US US16/798,162 patent/US11380104B2/en active Active
- 2020-05-11 JP JP2020083182A patent/JP6975369B2/ja active Active
- 2020-05-12 KR KR1020200056365A patent/KR102391840B1/ko active IP Right Grant
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002190011A (ja) * | 2000-12-21 | 2002-07-05 | Nec Corp | 画像認識による停止車両検知システム及び停止車両検知方法 |
JP2017045211A (ja) * | 2015-08-26 | 2017-03-02 | 株式会社日立製作所 | 駐車監視支援システム及び方法 |
JP2018041176A (ja) * | 2016-09-05 | 2018-03-15 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 駐車位置特定方法、駐車位置学習方法、駐車位置特定システム、駐車位置学習装置およびプログラム |
Non-Patent Citations (1)
Title |
---|
桑原麻理恵, 外5名: ""ディープラーニングを活用した駐車場満空監視システムの開発"", パナソニック技報, vol. 第65巻, 第1号, JPN6021024671, 15 May 2019 (2019-05-15), pages 15 - 20, ISSN: 0004538611 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022093481A (ja) * | 2021-04-28 | 2022-06-23 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 車両の駐車違反の識別方法、装置、電子機器、記憶媒体及びコンピュータプログラム |
JP7270808B2 (ja) | 2021-04-28 | 2023-05-10 | ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド | 車両の駐車違反の識別方法、装置、電子機器、記憶媒体及びコンピュータプログラム |
Also Published As
Publication number | Publication date |
---|---|
CN110135356A (zh) | 2019-08-16 |
JP6975369B2 (ja) | 2021-12-01 |
US20200364467A1 (en) | 2020-11-19 |
KR20200132714A (ko) | 2020-11-25 |
KR102391840B1 (ko) | 2022-04-27 |
US11380104B2 (en) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6975369B2 (ja) | 駐車違反の検出方法及び装置、電子機器、コンピュータ読み取り可能な媒体 | |
CN105046235B (zh) | 车道线的识别建模方法和装置、识别方法和装置 | |
JP6969865B2 (ja) | ひび割れ解析装置、ひび割れ解析方法及びひび割れ解析プログラム | |
WO2018068653A1 (zh) | 点云数据处理方法、装置及存储介质 | |
US9171375B2 (en) | Multi-cue object detection and analysis | |
WO2017125063A1 (zh) | 违规车辆处理方法及装置 | |
CN105718872A (zh) | 两侧车道快速定位及检测车辆偏转角度的辅助方法及系统 | |
CN110348463B (zh) | 用于识别车辆的方法和装置 | |
CN110991215A (zh) | 车道线检测方法、装置、存储介质及电子设备 | |
CN110689043A (zh) | 一种基于多重注意力机制的车辆细粒度识别方法及装置 | |
Almagambetov et al. | Mobile standards-based traffic light detection in assistive devices for individuals with color-vision deficiency | |
CN111931683B (zh) | 图像识别方法、装置及计算机可读存储介质 | |
Xiang et al. | Lightweight fully convolutional network for license plate detection | |
JP2019192209A (ja) | ビデオ動画の人工知能のための学習対象イメージパッケージング装置及び方法 | |
CN110796230A (zh) | 卷积神经网络的训练及使用方法、设备及存储介质 | |
Kotha et al. | Potsense: Pothole detection on indian roads using smartphone sensors | |
Karkera et al. | Autonomous bot using machine learning and computer vision | |
CN109800684A (zh) | 一种视频中对象的确定方法及装置 | |
KR20160015091A (ko) | 교통신호제어 시스템의 보행자 검출 및 행동패턴 추적 방법 | |
CN111931650A (zh) | 目标检测模型构建及闯红灯追责方法、系统、终端及介质 | |
CN106339683A (zh) | 一种路考红绿灯识别方法及装置 | |
Sun et al. | Wide-view sidewalk dataset based pedestrian safety application | |
OBrien et al. | Detection of vehicle wheels from images using a pseudo‐wavelet filter for analysis of congested traffic | |
Walsh et al. | Near real-time social distance estimation in London | |
Li et al. | An efficient network for lane segmentation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200511 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210614 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210629 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210928 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211012 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211015 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6975369 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |