一种基于道路监控视频的道路交通标线缺失检测方法

    公开(公告)号:CN118865328A

    公开(公告)日:2024-10-29

    申请号:CN202411104014.8

    申请日:2024-08-13

    Abstract: 本发明涉及图像识别技术领域,具体公开了一种基于道路监控视频的道路交通标线缺失检测方法,包括:获取道路监控视频;采用图像语义分割算法从道路监控视频中分割出车道线区域;采用图像目标识别算法从车道线区域中识别出不连续标线;判断不连续标线是否属于正常标线;若不连续标线不属于正常标线,则代表不连续标线存在缺失;若不连续标线属于正常标线,则将不连续标线拆分为多个局部标线,并判断各个局部标线是否为连续标线;当局部标线不为连续标线时,代表该局部标线存在缺失。本发明可以避免由于公路养护不及时造成的部分道路标线缺失情况,从而为上级部门提供一种道路交通标线养护的监管手段,提高道路标线养护的及时性。

    一种不按规定线路行驶的重点车辆交通违法行为判定方法

    公开(公告)号:CN104200659A

    公开(公告)日:2014-12-10

    申请号:CN201410433546.6

    申请日:2014-08-28

    Abstract: 本发明公开了一种不按规定线路行驶的重点车辆交通违法行为判定方法,其通过公路卡口设备生成目标重点车辆通行记录集;根据重点车辆上报路线从公路网图层中筛选出上报路线对应的道路要素,生成初始计划路线GIS图层,再获取交点生成初始计划路线必经点GIS图层;利用GIS系统对通行记录集进行地图展示,经缓冲区分析和歧义点剔除后建立路径自动计算流程,生成车辆的实际路线轨迹GIS图层,由初始计划路线必经点GIS图层,结合道路网的空间拓扑关系,生成新的计划路线GIS图层;在路网数据集上以不同颜色叠加该计划路线GIS图层和实际路线轨迹GIS图层,系统自动判断路线匹配度。本发明通过卡口通行信息形成行车轨迹来判断车辆是否按规定路线行驶,无需安装GPS设备。

    一种融合新能源汽车特征的车牌图像字符分类识别方法

    公开(公告)号:CN115131776B

    公开(公告)日:2023-05-12

    申请号:CN202210377036.6

    申请日:2022-04-12

    Abstract: 发明提供一种融合新能源汽车特征的车牌图像字符分类识别方法,其主动自适应我国汽车号牌规格种类繁杂特点,在减少车牌图像识别运算时间的同时,提高了对包括新能源汽车车牌在内的车牌图像识别结果的准确性、针对性。本发明的技术方案中,将现有的所有的车牌类型按照规格参数进行分类,得到标准化类型;将待分析汽车号牌的图像数据,处理为灰度图后,构造字符投影图,将字符投影图分别按照每种标准化类型进行字符切割,得到待分析数据;将待分析数据在标准化类型对应的字符集合中进行检索,检索成功率最高的标准化类型即为待分析汽车号牌对应的正确的车牌类型,检索结果即为待分析汽车号牌的车牌号码。

    确定车辆通行起始位置位于目标区域的方法

    公开(公告)号:CN115273476A

    公开(公告)日:2022-11-01

    申请号:CN202210948631.0

    申请日:2022-08-09

    Abstract: 本申请关于一种确定车辆通行起始位置位于目标区域的方法,涉及智能交通控制技术领域。该方法包括:预设目标区域和目标时间段;确定目标区域内卡口设备;提取目标区域内车辆通行记录,确定目标车辆;获取在全国范围的目标时间段内与目标车辆对应的通行记录;得到通行特征计算结果;预设条件以定义车辆停止状态;提取被判定为起点的通行记录,得到起点计算结果;将起点计算结果与卡口设备备案信息关联,得到分析结果,分析结果用于指示目标车辆的通行起始位置。本发明技术方案不但能主动辨别指定区域的途经车辆和出发车辆,并能基于车辆通行记录对车辆行驶和停止状态进行综合研判,为各辖区精准区分重点关注地区的途经车辆和出发车辆提供有力支持。

    一种融合卡口和GPS数据的车辆轨迹定位方法

    公开(公告)号:CN111123333B

    公开(公告)日:2022-05-03

    申请号:CN201911398575.2

    申请日:2019-12-30

    Abstract: 本发明提供一种融合卡口和GPS数据的车辆轨迹定位方法,其面对复杂地况也能够计算出更准确的匹配结果,且计算效率能够满足任何场景下的在线匹配实时性要求。本发明的技术方案,基于地图匹配算法获得初始车辆轨迹之后,通过卡口的过车数据对初始车辆轨迹进行纠错,获得更精确的车辆轨迹定位数据;将地图划分为不同的区块,将纠错后获得的车辆轨迹定位数据作为训练数据,对训练数据同样基于地图区块进行区块划分,同时根据不同的区块分别建立不同的区块轨迹定位模型后,通过训练数据进行训练,获得精准的区块轨迹定位模型;一旦模型训练好建立之后,输入实时数据可进行车辆轨迹的快速定位。

    一种基于深度学习的车牌检测方法

    公开(公告)号:CN109271991B

    公开(公告)日:2022-03-22

    申请号:CN201811037178.8

    申请日:2018-09-06

    Abstract: 本发明提供一种基于深度学习的车牌识别方法,其可以自适应地获得不同场景下的车牌特征信息,同时提高了车牌识别的准确率。本发明将车牌固有的颜色属性加入YOLO模型中构建一个具有泛化能力强、检测以及定位准确率高的车牌检测模型,对输入的卡口监控设备拍摄的过车图片进行检测,得到车牌的区域位置;接着使用Radon变换对倾斜的车牌区域进行校正,同时利用颜色和边缘等线索对车牌区域进行微调,最后将微调后的车牌区域送入加入车牌编码规则约束的CRNN网络对车牌号码进行识别。

Patent Agency Ranking