-
公开(公告)号：CN110532946A
公开(公告)日：2019-12-03
申请号：CN201910803615.0
申请日：2019-08-28
Applicant: 长安大学
Abstract: 一种基于卷积神经网络识别绿通车车辆轴型的方法，包括以下步骤：步骤1，获取绿通车图像；步骤2，制定绿通车图像有效性判定标准；步骤3，采用数据增强的方法增加训练样本的数量；步骤4，数据增强后，使用目标检测算法YOLOv2框架进行整轴检测；步骤5，根据车辆轴组类型和轮组类型将车辆轴型进行分类；步骤6，分别使用AlexNet、VGG-16、ResNet-152三种卷积神经网络在训练集上对车轴类型分类进行训练；步骤7，对需要识别的绿通车车辆轴型进行判定。本发明以实现绿通车车辆轴型准确识别为目标，将目标检测算法、非均衡数据集处理等与卷积神经网络模型相结合，使用判定标准挑选的图像可作为后续分类识别实验卷积神经网络模型的训练样本，避免训练样本水平过差问题。
-
公开(公告)号：CN106236503B
公开(公告)日：2019-07-23
申请号：CN201610703170.5
申请日：2016-08-22
Applicant: 长安大学
IPC: A61H1/02
Abstract: 本发明属于临床康复医学领域，具体是肌电驱动的上肢可穿戴外骨骼系统及控制方法。本发明通过神经肌电信号采集模块采集人体的上臂神经肌电信号；再通过主控板对采集到的神经肌电信号依次进行放大、滤波和归一化处理；再通过神经肌电信号处理模块将处理后的神经肌电信号进行再处理和分析，得到控制信号，并将控制信号发送给主控板；再通过上肢可穿戴外骨骼系统接收控制信号，并根据该信号进行动作。肌电驱动的上肢可穿戴外骨骼系统基于人体神经康复信号主动控制，能够根据检测到穿戴者肌肉组织的肌电信号，捕捉穿戴者运动意图，由肌电驱动的上肢可穿戴外骨骼系统提供所需动力辅助穿戴者实现运动目的。
-
公开(公告)号：CN107390573A
公开(公告)日：2017-11-24
申请号：CN201710509586.8
申请日：2017-06-28
Applicant: 长安大学
IPC: G05B19/042 , G06F3/01 , A61G5/10 , A61G5/00
Abstract: 本发明属于智能轮椅控制技术领域，具体是一套基于手势控制的智能轮椅系统及控制方法。摄像头视频采集模块采集手势图像，手势检测模块接收来自摄像头视频采集模块采集到的手势图像，检测分析并提取出图像中的手势信息，手势识别模块接收来自手势检测模块的手势信息，并识别手势信息；手势信息无线传输模块接收手势识别模块识别后的手势信息并将该手势信息传回给智能轮椅的控制器；智能轮椅的控制器，接收手势信息，并按照手势信息对智能轮椅进行控制。本发明使人们能够通过手势来控制轮椅动作，具有方便、可靠的特点。
-
公开(公告)号：CN107374917A
公开(公告)日：2017-11-24
申请号：CN201710509587.2
申请日：2017-06-28
Applicant: 长安大学
IPC: A61H3/00
CPC classification number: A61H3/008 , A61H2201/5007 , A61H2201/5058 , A61H2203/0487
Abstract: 本发明公开了电动的体重减重机构及运动控制方法，电动的体重减重机构，包括机械结构：用于支撑人体和可以运动的底盘平台；信号采集模块：用于将人体压力信息转换为电压信号，将电动机转动转换为电压信号；上位机处理模块：用于接收电压信号并将其转换为人体压力数据，将电动机电压信号转换为转速；数据分析模块：对上位机处理模块获得数据进行计算分析调整支撑体的高度，以及需要运动的速度，并可以通过人为手动调节需要的状态。本发明能够帮助患者完成步态训练，风险数据，方便快捷地恢复步行能力。
-
公开(公告)号：CN106530245A
公开(公告)日：2017-03-22
申请号：CN201610959951.0
申请日：2016-10-27
Applicant: 长安大学
CPC classification number: G06T5/009 , G06T5/50 , G06T2207/10048 , G06T2207/20028
Abstract: 本发明公开了一种无人机载隧道火灾红外图像分频段增强方法，1：利用无人机载红外热成像仪拍摄隧道火灾图像；2：将红外火灾图像转换到灰度空间得到灰度图；3：利用红外火灾图像的灰度图进行自适应双边滤波得到低频分量，即基本层；4：由灰度图减去低频分量，得到高频分量，即细节层；5：将基本层通过Naka-Rushton方程处理得到适宜人眼观看的基本层；6：将细节层通过改进的gamma处理得到增强后的细节层；7：将适宜人眼观看的基本层和增强后的细节层相加合成得到增强后的图像；8：将增强后的图像进行直方图均衡化即得到最终处理结果。在火焰整个燃烧过程中，本发明方法都能够有更好的自适应性，对图像进行细节加强处理。
-
Patent Agency Ranking
公开(公告)号：CN106127105A
公开(公告)日：2016-11-16
申请号：CN201610415465.2
申请日：2016-06-13
Applicant: 长安大学
CPC classification number: G06K9/00637 , G06T2207/30184
Abstract: 本发明公开了一种基于快速随机Radon变换的无人机视觉巡线方法，首先利用无人机图像采集设备，获得要处理的高压线图像，并将获得的降质图像转为灰度图；然后对获得的灰度图提取边缘；然后进行基于角度限定参数判决的Radon变换，将竖直方向检测到的线去掉；最后采用加入双阈值取值范围的随机Radon图像检测算法进行判决，得到输电直线。本发明基于高压输电线是暗目标且近似水平的线状特征，利用基于角度限定的多尺度线状目标强化方法对目标进行优化，然后对筛选后结果进行一定角度范围内的Radon变换，并在Radon变换中通过限定阈值的取值范围来达到准确识别高压电线的结果。
-
公开(公告)号：CN105096271A
公开(公告)日：2015-11-25
申请号：CN201510505156.X
申请日：2015-08-17
Applicant: 长安大学
Abstract: 本发明公开了一种基于改进梯度相似度核的雾霾天气下交通图像检测方法，首先获取雾霾天气下交通图像；然后将步骤1得到的RGB颜色空间的交通图像转换到Lab颜色空间；接着对步骤2得到的Lab颜色空间的交通图像进行滤波处理；最后将步骤3处理后的Lab颜色空间的交通图像转换到RGB颜色空间，输出处理后的雾霾天气下交通图像。本发明既满足了雾霾天气状况下图像的滤波效果，又有效地保持了图像的边缘信息，对后续的交通图像处理及信息提取尤为重要。
-
公开(公告)号：CN111652345B
公开(公告)日：2023-04-07
申请号：CN202010478815.6
申请日：2020-05-29
Applicant: 长安大学
Abstract: 本发明公开了一种基于空时联合优化的车队刹车控制方法，主要通过基于多目标的粒子群算法优化车辆控制律参数，解决当前没有针对时延条件下，减少刹车后车间距以及缩短刹车时长而进行优化设计的问题。具体实现步骤为：(1)初始化粒子群；(2)通过时滞微分方程穿越性判断与四阶龙格库塔法，求解每个粒子的刹车后车间距与刹车时长；(3)以最小刹车间距为目标进行一次优化；(4)以一次优化所得刹车后车间距为约束条件，以最短刹车时长为目标进行二次优化。本发明能够在时延条件下保证刹车后车间距大于等于安全间距，并在此基础上，减少刹车后车间距以及缩短刹车时长，因此本发明能够提高未来智能交通系统中道路的道路容量与管理效率。
-
公开(公告)号：CN114448804A
公开(公告)日：2022-05-06
申请号：CN202210264391.2
申请日：2022-03-17
Applicant: 长安大学
IPC: H04L41/0853 , H04L41/08 , H04L41/0894 , H04L41/122 , H04L41/142
Abstract: 本发明公开了一种基于信息交互连通时长优化的服务功能链映射系统和方法。本发明在计算过程中考虑车辆节点移动对信息交互连通时长的影响，设计服务组件节点的排序方法，按照序列通过对节点映射中的节点属性、节点计算单元、结构以及链路容量进行可行判断，优先选择最大信息交互连通时长的物理网络节点进行映射，该方法能以较低的计算复杂度实现最大化信息交互连通时长的组件映射。该方法能够体现车辆移动性对服务功能链映射后信息交互连通时长的影响，以及增加动态环境中服务的可行时长，进而提升交通系统中的服务效果；仿真结果表明，本发明能够以较低的复杂度在交通系统中映射出服务可行时长提升的物理网络子图。
-
公开(公告)号：CN110675624B
公开(公告)日：2021-10-19
申请号：CN201910889278.1
申请日：2019-09-19
Applicant: 长安大学
Abstract: 一种高风险路段的行车风险控制方法，包括以下步骤：步骤1，选取单元长度的路段，计算得到事故集中的高风险路段；步骤2，将高风险路段上的交通流分为两种状态；步骤3，将高风险区分为预警段和高风险路段两个功能区段；步骤4，根据步骤3所示的预警段与高风险段的空间布局，得到信息发布设备布设位置。本发明首先对研究对象选取合适的路段单元长度，结合动态分段的移动步长法划分几个不同的组合，接下来采用Relim算法挖掘各个组合中的频繁项集，将交通事故次数和伤亡人数进行当量化处理，得到长度短且事故集中的交通事故高风险路段，再对所找出的高风险路段中的事故影响因素进行关联规则挖掘。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.023 seconds)
