JP7268076B2 - 車両再識別の方法、装置、機器及び記憶媒体 - Google Patents
車両再識別の方法、装置、機器及び記憶媒体 Download PDFInfo
- Publication number
- JP7268076B2 JP7268076B2 JP2021050599A JP2021050599A JP7268076B2 JP 7268076 B2 JP7268076 B2 JP 7268076B2 JP 2021050599 A JP2021050599 A JP 2021050599A JP 2021050599 A JP2021050599 A JP 2021050599A JP 7268076 B2 JP7268076 B2 JP 7268076B2
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- image
- camera
- preselected
- time
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- 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
-
- 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
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- 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
- 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
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- 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
-
- 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
Description
再識別要求にプリセット時間帯が含まれている場合、複数の車両の画像は、プリセット時間帯にプリセット領域内のカメラによって撮影された車両画像であることが理解できる。
まず、具体的な実施例を用いて、第1の画像から第1の画像を取得する第1の特徴について説明する。
第1の画像は少なくとも一つのフレームであり、具体的な実施において、少なくとも一つのフレームの第1の画像に基づいて、第2のニューラルネットワークモデルを用いて第1の車両のグローバル特徴を取得することは、以下のa1~a2を含むことが理解できる。
この方式では、取得した第1の車両の第1の車両ヘッド向きの精度が高い。
本実施例では、第1の画像に従って、第1の車両の第1の車両ヘッド向きを取得する具体的な実施例について説明した。
以上、本願に係る方法を説明したが、以下、具体的な実施例を用いて、本願に係る装置について説明する。
Claims (19)
- 端末機器からの再識別要求を受信することであって、前記再識別要求は、第1のカメラによって撮影された第1の車両の第1の画像と前記第1のカメラの情報を含むことと、
前記第1の画像に基づいて、前記第1の車両の第1の特徴と前記第1の車両の第1の車両ヘッド向きを取得することと、
前記第1の特徴、画像データベースにおける複数の車両の画像から抽出された複数の第2の特徴、前記第1の車両ヘッド向き及び前記第1のカメラの情報に基づいて、前記複数の車両の画像から前記第1の車両の第2の画像を決定することと、
前記第2の画像を端末機器に送信することと、を含み、
前記複数の車両の画像から前記第1の車両の第2の画像を決定することは、
前記第1の特徴、及び複数の車両の画像に基づいて抽出された複数の第2の特徴に基づいて、前記複数の車両の画像から予備選択車両の画像を決定することであって、前記予備選択車両の画像に基づいて抽出された第2の特徴と前記第1の特徴の類似度がプリセット類似度以上であることと、
前記予備選択車両の車両ヘッド向き、前記第1の車両ヘッド向き、前記第1のカメラの情報、及び前記予備選択車両の画像を撮影したカメラの情報に基づいて、前記予備選択車両の画像から前記第1の車両の第2の画像を決定することと、を含み、
前記再識別要求は、前記第1の画像の撮影時間をさらに含み、
前記予備選択車両の画像から前記第1の車両の第2の画像を決定することは、ターゲット撮影時間が前記第1の画像のターゲット撮影時間よりも遅い予備選択車両の画像に対して、
第1の操作を実行し、前記第1の操作は、第iの基準車両の車両ヘッド向き、第iの基準カメラの情報、第iの予備選択車両の画像を撮影する第iの予備選択カメラの情報に基づいて、第iの基準車両が第iの予備選択カメラに現れるか否かを決定することと、そうであると、第iの基準車両が第iの予備選択カメラに現れたときの第iの予測車両ヘッド向きを取得することと、第iの予測車両ヘッド向きが第iの予備選択車両の車両ヘッド向きと同じ場合、第iの予備選択車両の画像は前記第1の車両の第2の画像であると決定することとを含み、初期時、i=1の場合、第1の基準車両は前記第1の車両であり、第1の基準カメラは前記第1のカメラであり、前記第iの基準車両の画像のターゲット撮影時間は、第iの予備選択車両の画像のターゲット撮影時間より早く、そして、第iの予備選択車両の画像のターゲット撮影時間との時間間隔が最も短いことを含み、
カメラが1つの時間帯に複数フレームの車両の画像を撮影した場合、前記時間帯に撮影された第1のフレームの車両の画像の撮影時間を車両の画像のターゲット撮影時間として定義するか、または前記時間帯に撮影された最後フレームの車両の画像の撮影時間を車両の画像のターゲット撮影時間として定義する、車両再識別方法。 - 前記再識別要求は、第1のカメラによって撮影された第1の車両の複数フレームの第1の画像を含み、前記第1の画像に基づいて、前記第1の車両の第1の車両ヘッド向きを取得することは、
各フレームの第1の画像に対して、当該第1の画像に基づいて、当該第1の画像での前記第1の車両の車両ヘッド向きを取得することと、
各第1の画像での前記第1の車両の車両ヘッド向きに基づいて、前記第1の車両の第1の車両ヘッド向きを取得することと、を含む、請求項1に記載の車両再識別方法。 - 当該第1の画像での前記第1の車両の車両ヘッド向きを取得することは、
当該第1の画像に基づいて、第1のニューラルネットワークモデルを用いて当該第1の画像での前記第1の車両の車両ヘッド向きを取得することを含む、請求項2に記載の車両再識別方法。 - 前記予備選択車両の画像から前記第1の車両の第2の画像を決定することは、さらに、ターゲット撮影時間が前記第1の画像のターゲット撮影時間よりも遅い予備選択車両の画像に対して、
第2の操作を実行し、前記第2の操作は、巡回されなかった、ターゲット撮影時間が前記第1の画像のターゲット撮影時間よりも遅い予備選択車両の画像がある場合は、iに1を加えることと、及び第iの予備選択車両の画像が第2の画像であると決定された場合は、第iの予備選択車両を第i+1の基準車両とし、そうでない場合は、前記第iの基準車両を第i+1の基準車両とすることとを含むことと、
ターゲット撮影時間が前記第1の画像のターゲット撮影時間よりも遅い全ての予備選択車両の画像を巡回するまで、前記第1の操作と前記第2の操作を繰り返すことと、を含む、請求項1に記載の車両再識別方法。 - 前記再識別要求は、前記第1の画像の撮影時間をさらに含み、前記予備選択車両の画像から前記第1の車両の第2の画像を決定することは、ターゲット撮影時間が前記第1の画像のターゲット撮影時間の前の予備選択車両の画像について、
第3の操作を実行し、前記第3の操作は、第jの基準車両の車両ヘッド向き、第j基準カメラの情報、第jの予備選択車両の画像を撮影する第jの予備選択カメラの情報に基づいて、第jの基準車両が第jの予備選択カメラに現れるか否かを決定することと、そうであると、第jの基準車両が第jの予備選択カメラに現れるときの第jの予測車両ヘッド向きを取得することと、第jの予測車両ヘッド向きが第jの予備選択車両の車両ヘッド向きと同じ場合、第jの予備選択車両の画像は前記第1の車両の第2の画像であると決定することとを含み、初期時、j=1の場合、第1の基準車両は前記第1の車両であり、第1の基準カメラは前記第1のカメラであり、前記第jの基準車両の画像のターゲット撮影時間は、第jの予備選択車両の画像のターゲット撮影時間よりも遅く、且つ、第jの予備選択車両の画像のターゲット撮影時間との時間間隔が最も短いことと、
第4の操作を実行し、前記第4の操作は、巡回されなかった、ターゲット撮影時間が前記第1の画像のターゲット撮影時間よりも早い予備選択車両の画像がある場合は、jに1を加えることと、及び第jの予備選択車両の画像が第2の画像であると決定された場合は、第jの予備選択車両を第j+1の基準車両とし、そうでない場合は、前記第jの基準車両を第j+1の基準車両とすることとを含むことと、
ターゲット撮影時間が前記第1の画像のターゲット撮影時間よりも早い予備選択車両の画像を全て巡回するまで、前記第3の操作と前記第4の操作を繰り返すことと、を含む、請求項1に記載の車両再識別方法。 - 前記第1の車両の第1の特徴は前記第1の車両のグローバル特徴であり、前記第1の画像に基づいて、前記第1の車両の第1の特徴を取得することは、
前記第1の画像に基づいて、第2のニューラルネットワークモデルを用いて前記第1の車両のグローバル特徴を取得することを含む、請求項1~請求項3のいずれか1項に記載の車両再識別方法。 - 前記第1の特徴は、前記第1の車両のグローバルサブ特徴と特徴点サブ特徴を融合した特徴であり、前記第1の画像に基づいて、前記第1の車両の第1の特徴を取得することは、
前記第1の画像に基づいて、第2のニューラルネットワークモデルを用いて前記第1の車両のグローバルサブ特徴を取得することと、
前記第1の画像に基づいて、第3のニューラルネットワークモデルを用いて前記第1の車両の特徴点サブ特徴を取得することと、
前記グローバルサブ特徴と前記特徴点サブ特徴を融合して、前記第1の車両の第1の特徴を得ることと、を含む、請求項1~請求項3のいずれか1項に記載の車両再識別方法。 - カメラの情報は、当該カメラの地理位置と当該カメラのレンズの向きを含む、請求項1~請求項3のいずれか1項に記載の車両再識別方法。
- 端末機器からの再識別要求を受信することに用いられる送受信モジュールであって、前記再識別要求は、第1のカメラによって撮影された第1の車両の第1の画像と前記第1のカメラの情報を含む送受信モジュールと、
前記第1の画像に基づいて、前記第1の車両の第1の特徴と前記第1の車両の第1の車両ヘッド向きを取得するための処理モジュールと、を含み、
前記処理モジュールは、前記第1の特徴、画像データベースにおける複数の車両の画像に基づいて抽出された複数の第2の特徴、前記第1の車両ヘッド向き及び前記第1のカメラの情報に基づいて、前記複数の車両の画像から前記第1の車両の第2の画像を決定することに用いられ、
前記送受信モジュールは、さらに、前記第2の画像を端末機器に送信することに用いられ、
前記処理モジュールは、
前記第1の特徴に基づいて、複数の車両の画像に基づいて抽出された複数の第2の特徴、前記複数の車両の画像から予備選択車両の画像を決定し、前記予備選択車両の画像に基づいて抽出された第2の特徴と前記第1の特徴の類似度がプリセット類似度以上であることと、
前記予備選択車両の車両ヘッド向き、前記第1の車両ヘッド向き、前記第1のカメラの情報、及び前記予備選択車両の画像を撮影したカメラの情報に基づいて、前記予備選択車両の画像から前記第1の車両の第2の画像を決定することに用いられ、
前記再識別要求は、前記第1の画像の撮影時間をさらに含み、
前記処理モジュールは、ターゲット撮影時間が前記第1の画像のターゲット撮影時間よりも遅い予備選択車両の画像に対して、
第1の操作を実行し、前記第1の操作は、第iの基準車両の車両ヘッド向き、第iの基準カメラの情報、第iの予備選択車両の画像を撮影する第iの予備選択カメラの情報に基づいて、第iの基準車両が第iの予備選択カメラに現れるか否かを決定することと、そうであると、第iの基準車両が第iの予備選択カメラに現れたときの第iの予測車両ヘッド向きを取得することと、第iの予測車両ヘッド向きが第iの予備選択車両の車両ヘッド向きと同じ場合、第iの予備選択車両の画像は前記第1の車両の第2の画像であると決定することとを含み、初期時、i=1の場合、第1の基準車両は前記第1の車両であり、第1の基準カメラは前記第1のカメラであり、前記第iの基準車両の画像のターゲット撮影時間は、第iの予備選択車両の画像のターゲット撮影時間より早く、且つ、第iの予備選択車両の画像のターゲット撮影時間との時間間隔が最も短いことに用いられ、
カメラが1つの時間帯に複数フレームの車両の画像を撮影した場合、前記時間帯に撮影された第1のフレームの車両の画像の撮影時間を車両の画像のターゲット撮影時間として定義するか、または前記時間帯に撮影された最後フレームの車両の画像の撮影時間を車両の画像のターゲット撮影時間として定義する、車両再識別装置。 - 前記再識別要求は、第1のカメラによって撮影された第1の車両の複数フレームの第1の画像を含み、前記処理モジュールは、
各フレームの第1の画像に対して、当該第1の画像に基づいて、当該第1の画像での前記第1の車両の車両ヘッド向きを取得することと、
各第1の画像での前記第1の車両の車両ヘッド向きに基づいて、前記第1の車両の第1の車両ヘッド向きを取得することに用いられる、請求項9に記載の車両再識別装置。 - 前記処理モジュールは、
当該第1の画像に基づいて、第1のニューラルネットワークモデルを用いて当該第1の画像での前記第1の車両の車両ヘッド向きを取得することに用いられる、請求項9に記載の車両再識別装置。 - 前記処理モジュールは、さらに、ターゲット撮影時間が前記第1の画像のターゲット撮影時間よりも遅い予備選択車両の画像に対して、
第2の操作を実行し、前記第2の操作は、巡回されなかった、ターゲット撮影時間が前記第1の画像のターゲット撮影時間よりも遅い予備選択車両の画像がある場合は、iに1を加えることと、及び第iの予備選択車両の画像が第2の画像である場合は、第iの予備選択車両を第i+1の基準車両とし、そうでない場合は、前記第iの基準車両を第i+1の基準車両とすることを含むことと、
ターゲット撮影時間が前記第1の画像のターゲット撮影時間よりも遅い予備選択車両の画像を全て巡回するまで、前記第1の操作と前記第2の操作を繰り返すこととに用いられる、請求項9に記載の車両再識別装置。 - 前記再識別要求は、前記第1の画像の撮影時間をさらに含み、前記処理モジュールは、ターゲット撮影時間が前記第1の画像のターゲット撮影時間よりも早い予備選択車両の画像について、
第3の操作を実行し、前記第3の操作は、第jの基準車両の車両ヘッド向き、第j基準カメラの情報、第jの予備選択車両の画像を撮影する第jの予備選択カメラの情報に基づいて、第jの基準車両が第jの予備選択カメラに現れるか否かを決定することと、そうであると、第jの基準車両が第jの予備選択カメラに現れるときの第jの予測車両ヘッド向きを取得することと、第jの予測車両ヘッド向きが第jの予備選択車両の車両ヘッド向きと同じ場合、第jの予備選択車両の画像は前記第1の車両の第2の画像であると決定することとを含み、初期時、j=1の場合、第1の基準車両は前記第1の車両であり、第1の基準カメラは前記第1のカメラであり、前記第jの基準車両の画像のターゲット撮影時間は、第jの予備選択車両の画像のターゲット撮影時間よりも遅く、且つ、第jの予備選択車両の画像のターゲット撮影時間との時間間隔が最も短いことと、
第4の操作を実行し、前記第4の操作は、巡回されなかった、ターゲット撮影時間が前記第1の画像のターゲット撮影時間よりも早い予備選択車両の画像がある場合は、jに1を加えることと、及び第jの予備選択車両の画像が第2の画像である場合は、第jの予備選択車両を第j+1の基準車両とし、そうでない場合は、前記第jの基準車両を第j+1の基準車両とすることとを含むことと、
ターゲット撮影時間が前記第1の画像のターゲット撮影時間よりも早い予備選択車両の画像を全て巡回するまで、前記第3の操作と前記第4の操作を繰り返すこととに用いられる、請求項9に記載の車両再識別装置。 - 前記第1の特徴は前記第1の車両のグローバル特徴であり、前記処理モジュールは、
前記第1の画像に基づいて、第2のニューラルネットワークモデルを用いて前記第1の車両のグローバル特徴を取得することに用いられる、請求項9~請求項11のいずれか1項に記載の車両再識別装置。 - 前記第1の特徴は、前記第1の車両のグローバルサブ特徴と特徴点サブ特徴を融合した特徴であり、前記第1の画像に基づいて、前記第1の車両の第1の特徴を取得することは、
前記第1の画像に基づいて、第2のニューラルネットワークモデルを用いて前記第1の車両のグローバルサブ特徴を取得することと、
前記第1の画像に基づいて、第3のニューラルネットワークモデルを用いて前記第1の車両の特徴点サブ特徴を取得することと、
前記グローバルサブ特徴と前記特徴点サブ特徴を融合して、前記第1の車両の第1の特徴を得ることに用いられる、請求項9~請求項11のいずれか1項に記載の車両再識別装置。 - カメラの情報は、当該カメラの地理位置と当該カメラのレンズの向きを含む、請求項9~請求項11のいずれか1項に記載の車両再識別装置。
- 少なくとも1つのプロセッサ、及び
前記少なくとも1つのプロセッサと通信的に接続されるメモリ、を含み、
前記メモリには、前記少なくとも1つのプロセッサによって実行可能な命令が記憶されており、前記命令が前記少なくとも1つのプロセッサによって実行されることにより、前記少なくとも1つのプロセッサは請求項1~請求項8のいずれか1項に記載の車両再識別方法を実行することができる、電子機器。 - コンピュータ命令を記憶している非一時的なコンピュータ可読記憶媒体であって、前記コンピュータ命令は、コンピュータに請求項1~請求項8のいずれか1項に記載の車両再識別方法を実行させるためのものである、ことを特徴とする非一時的なコンピュータ可読記憶媒体。
- コンピュータプログラムであって、前記コンピュータプログラムがプロセッサで実行されると、コンピュータに請求項1~請求項8のいずれか1項に記載の車両再識別方法を実行させる、コンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010613125.7A CN111723768B (zh) | 2020-06-30 | 2020-06-30 | 车辆重识别的方法、装置、设备和存储介质 |
CN202010613125.7 | 2020-06-30 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021103565A JP2021103565A (ja) | 2021-07-15 |
JP7268076B2 true JP7268076B2 (ja) | 2023-05-02 |
Family
ID=72570428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021050599A Active JP7268076B2 (ja) | 2020-06-30 | 2021-03-24 | 車両再識別の方法、装置、機器及び記憶媒体 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11694436B2 (ja) |
EP (1) | EP3812963B1 (ja) |
JP (1) | JP7268076B2 (ja) |
KR (1) | KR20210037623A (ja) |
CN (1) | CN111723768B (ja) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111629151B (zh) * | 2020-06-12 | 2023-01-24 | 北京字节跳动网络技术有限公司 | 视频合拍方法、装置、电子设备及计算机可读介质 |
CN112530169A (zh) * | 2020-10-29 | 2021-03-19 | 泰州市出彩网络科技有限公司 | 自适应潮汐车道变换系统 |
CN112289040B (zh) * | 2020-11-25 | 2022-08-19 | 浙江大华技术股份有限公司 | 一种车辆行驶方向识别的方法、装置及存储介质 |
CN112990217A (zh) * | 2021-03-24 | 2021-06-18 | 北京百度网讯科技有限公司 | 针对车辆的图像识别方法、装置、电子设备和介质 |
CN113569912A (zh) * | 2021-06-28 | 2021-10-29 | 北京百度网讯科技有限公司 | 车辆识别方法、装置、电子设备及存储介质 |
CN113435333A (zh) * | 2021-06-28 | 2021-09-24 | 深圳市商汤科技有限公司 | 一种数据处理方法、装置、计算机设备和存储介质 |
US20230298350A1 (en) * | 2022-03-15 | 2023-09-21 | Genetec Inc. | Vehicle identification system |
CN115588239B (zh) * | 2022-11-22 | 2023-04-18 | 浙江莲荷科技有限公司 | 交互行为识别方法、装置、设备及存储介质 |
CN115641559B (zh) * | 2022-12-23 | 2023-06-02 | 深圳佑驾创新科技有限公司 | 一种环视摄像头组的目标匹配方法、装置及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019024771A1 (zh) | 2017-07-31 | 2019-02-07 | 阿里巴巴集团控股有限公司 | 车险图像处理方法、装置、服务器及系统 |
JP2019106193A (ja) | 2019-01-22 | 2019-06-27 | 株式会社 ディー・エヌ・エー | 情報処理装置、情報処理プログラム、及び、情報処理方法 |
JP2020065200A (ja) | 2018-10-18 | 2020-04-23 | パナソニックi−PROセンシングソリューションズ株式会社 | 車両等検知システムおよび車両等検知方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229468B (zh) * | 2017-06-28 | 2020-02-21 | 北京市商汤科技开发有限公司 | 车辆外观特征识别及车辆检索方法、装置、存储介质、电子设备 |
CN107622229B (zh) | 2017-08-29 | 2021-02-02 | 中山大学 | 一种基于融合特征的视频车辆重识别方法与系统 |
CN110363193B (zh) * | 2019-06-12 | 2022-02-25 | 北京百度网讯科技有限公司 | 车辆重识别方法、装置、设备和计算机存储介质 |
CN110458086A (zh) * | 2019-08-07 | 2019-11-15 | 北京百度网讯科技有限公司 | 车辆重识别方法及装置 |
CN110795580B (zh) * | 2019-10-23 | 2023-12-08 | 武汉理工大学 | 基于时空约束模型优化的车辆重识别方法 |
CN111160174B (zh) * | 2019-12-19 | 2023-07-25 | 深圳市捷顺科技实业股份有限公司 | 网络训练方法、车头朝向识别方法、装置及终端设备 |
CN111275983B (zh) * | 2020-02-14 | 2022-11-01 | 阿波罗智联(北京)科技有限公司 | 车辆追踪方法、装置、电子设备和计算机可读存储介质 |
-
2020
- 2020-06-30 CN CN202010613125.7A patent/CN111723768B/zh active Active
-
2021
- 2021-02-01 US US17/164,681 patent/US11694436B2/en active Active
- 2021-02-03 EP EP21155041.3A patent/EP3812963B1/en active Active
- 2021-02-04 KR KR1020210016168A patent/KR20210037623A/ko not_active Application Discontinuation
- 2021-03-24 JP JP2021050599A patent/JP7268076B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019024771A1 (zh) | 2017-07-31 | 2019-02-07 | 阿里巴巴集团控股有限公司 | 车险图像处理方法、装置、服务器及系统 |
JP2020065200A (ja) | 2018-10-18 | 2020-04-23 | パナソニックi−PROセンシングソリューションズ株式会社 | 車両等検知システムおよび車両等検知方法 |
JP2019106193A (ja) | 2019-01-22 | 2019-06-27 | 株式会社 ディー・エヌ・エー | 情報処理装置、情報処理プログラム、及び、情報処理方法 |
Also Published As
Publication number | Publication date |
---|---|
US20210192214A1 (en) | 2021-06-24 |
EP3812963A3 (en) | 2021-08-04 |
CN111723768B (zh) | 2023-08-11 |
US11694436B2 (en) | 2023-07-04 |
EP3812963A2 (en) | 2021-04-28 |
CN111723768A (zh) | 2020-09-29 |
KR20210037623A (ko) | 2021-04-06 |
JP2021103565A (ja) | 2021-07-15 |
EP3812963B1 (en) | 2023-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7268076B2 (ja) | 車両再識別の方法、装置、機器及び記憶媒体 | |
US11961297B2 (en) | Terminal device, information processing device, object identifying method, program, and object identifying system | |
CN111553282B (zh) | 用于检测车辆的方法和装置 | |
WO2020228643A1 (zh) | 交互控制方法、装置、电子设备及存储介质 | |
US11288887B2 (en) | Object tracking method and apparatus | |
JP2021101365A (ja) | 測位方法、測位装置及び電子機器 | |
US11380035B2 (en) | Method and apparatus for generating map | |
CN113591573A (zh) | 多任务学习深度网络模型的训练及目标检测方法、装置 | |
CN111767853A (zh) | 车道线检测方法和装置 | |
CN112668428A (zh) | 车辆变道的检测方法、路侧设备、云控平台和程序产品 | |
CN110798681B (zh) | 成像设备的监测方法、装置和计算机设备 | |
CN113378605A (zh) | 多源信息融合方法及装置、电子设备和存储介质 | |
CN115147809B (zh) | 一种障碍物检测方法、装置、设备以及存储介质 | |
CN114429631B (zh) | 三维对象检测方法、装置、设备以及存储介质 | |
CN112183484B (zh) | 一种图像处理方法、装置、设备以及存储介质 | |
CN110689575B (zh) | 图像采集器标定方法、装置、设备和介质 | |
CN112381877A (zh) | 定位融合、室内定位方法、装置、设备及介质 | |
CN112307872A (zh) | 用于检测目标对象的方法的和装置 | |
WO2021118560A1 (en) | Scene lock mode for capturing camera images | |
CN111476063A (zh) | 目标跟踪方法、装置、存储介质和电子设备 | |
CN113587916B (zh) | 实时稀疏视觉里程计、导航方法以及系统 | |
WO2024000558A1 (zh) | 目标跟踪方法、目标跟踪系统和电子设备 | |
CN110751205A (zh) | 物体关联方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210324 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220303 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220322 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220622 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221011 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230105 |
|
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: 20230411 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230420 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7268076 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |