公开(公告)号：CN117475345A

公开(公告)日：2024-01-30

申请号：CN202311025357.0

申请日：2023-08-14

申请人： 东南大学

发明人： 赵池航 ,  李旋 ,  覃晓明 ,  解兴鹏 ,  马欣怡

IPC分类号： G06V20/40 ,  G06V20/54 ,  G06V10/40 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/0985

摘要： 本发明公开了基于深度学习融合网络的高速公路场景中车辆重识别方法，包括：获取图像信息，构建高速公路场景下车辆重识别数据集；针对数据集特征，构建用于车辆重识别的ResNet50‑VRHS、ShuffleNetV2‑VRHS、DenseNet121‑VRHS和DNFM‑RDS融合网络模型；进行模型训练并优化参数，优选DNFM‑RDS融合网络模型进行高速公路场景下的车辆重识别。本发明的有益效果在于：能够有效对高速公路场景下的车辆进行重识别，在损失一定检测速度的情况下提高车辆检测精度，为后续实现高速公路场景监控视频中多目标车辆定位跟踪提供基础。

公开(公告)号：CN115393588A

公开(公告)日：2022-11-25

申请号：CN202211008106.7

申请日：2022-08-22

申请人： 东南大学

发明人： 赵池航 ,  马欣怡 ,  郑有凤 ,  吴宇航 ,  苏子钧 ,  纪强

IPC分类号： G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06V10/80 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/00 ,  G06Q50/26

摘要： 本发明公开了一种基于语义分割网络的高速公路沥青路面病害分割方法，包括：构建高速公路沥青路面图像病害数据集；替换FCN骨干网络为Densenet121和Densenet201，构建用于公路沥青路面病害分割的FCN‑D121‑PDS、FCN‑D201‑PDS网络模型；替换Deeplabv3+骨干网络为Mobilenet和DRN，构建用于公路沥青路面病害分割的DL‑D‑PDS、DL‑M‑PDS网络模型；进行模型训练并优化参数，优选FCN‑D121‑PDS、FCN‑D201‑PDS、DL‑D‑PDS、DL‑M‑PDS网络模型进行高速公路沥青路面病害分割；改进Deeplabv3+网络结构，进一步构建DL‑M1‑PDS、DL‑M2‑PDS公路沥青路面病害分割网络并进行网络优选。本发明提出的基于语义分割网络的高速公路沥青路面病害分割方法，具有较好的公路沥青路面病害的细节信息分割能力，能够提高路面病害分割精度与平均交并比，对高速公路养护智能化发展提供技术支持。

公开(公告)号：CN117078718A

公开(公告)日：2023-11-17

申请号：CN202311020638.7

申请日：2023-08-14

申请人： 东南大学

发明人： 赵池航 ,  李旋 ,  覃晓明 ,  解兴鹏 ,  马欣怡

IPC分类号： G06T7/246 ,  G06T7/207 ,  G06V20/54 ,  G06V10/82 ,  G06V10/40 ,  G06V10/74 ,  G06N3/0464

摘要： 本发明公开了基于DeepSORT的高速公路场景中多目标车辆跟踪方法，包括：首先，构建用于评估高速公路场景中多目标车辆跟踪模型的性能的数据集；其次，构建用于高速公路场景中车辆检测的Faster‑RCNN‑VDHS模型、YOLOV5s‑VDHS模型；再次，运动预测与状态估计，通过统计目标对象在之前帧的运动行为和参数来建模估计目标将在未来帧可能到达的位置；然后，构建用于车辆重识别的DNFM‑RDS模型、ResNet50‑VRHS模型、DenseNet121‑VRHS模型和ShuffleNetV2‑VRHS模型，用于提取目标检测框的运动特征和表观特征，并根据特征之间的相似度构建代价矩阵；最后，进行目标车辆关联匹配。本发明的有益效果在于：能够有效的对高速公路场景下的多目标车辆进行跟踪，提高高速公路系统监控的效率，从而促进智慧高速系统的发展。

公开(公告)号：CN116994229A

公开(公告)日：2023-11-03

申请号：CN202310739481.7

申请日：2023-06-20

申请人： 东南大学

发明人： 赵池航 ,  邓文浩 ,  张子怡 ,  马欣怡

IPC分类号： G06V20/59 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464

摘要： 本发明提出了一种基于卷积神经网络融合模型的货车驾驶员姿态行为识别方法，包括：构建货车驾驶员姿态行为标准图像数据集；构建用于货车驾驶员姿态行为感知识别的四个模型，并通过对比实验得出RetinaNet‑DPBR的性能最优；使用RetinaNet‑DPBR对标准图像数据集进行驾驶姿态行为区域裁剪与提取；构建基于卷积神经网络的货车驾驶员姿态行为识别模型VGG16‑DPBR，获取一维特征向量FV；构建基于卷积神经网络的货车驾驶员姿态行为识别模型Xception‑DPBR，获取一维特征向量FX；构建基于卷积神经网络的货车驾驶员姿态行为识别模型MobileNetV2‑DPBR，获取一维特征向量FM；将特征向量FV、FX、FM融合，构建卷积神经网络融合模型FCNN‑DPBR，可以更精准地识别货车驾驶员姿态行为，对驾驶员在驾驶途中的安全性提供一定的技术保障。

公开(公告)号：CN116524481A

公开(公告)日：2023-08-01

申请号：CN202210943795.4

申请日：2022-08-08

申请人： 东南大学

发明人： 赵池航 ,  苏子钧 ,  化丽茹 ,  吴宇航 ,  马欣怡

IPC分类号： G06V20/62 ,  G06V30/19 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

摘要： 本发明公布了基于卷积神经网络模型的字符非分割模式车牌识别方法，包括：基于异常天气状况下的高速整车图像，对车牌区域进行检测并构建高速公路车牌图像集；研究字符非分割模式车牌识别框架，优选基于CB损失函数的多分类字符非分割模式车牌识别框架进行模型构造；构建卷积神经网络模型进行车牌的特征提取，优选InceptionV3‑LPR‑CB、ResNet50‑LPR‑CB、ResNeXt‑LPR‑CB和SENet‑LPR‑CB卷积神经网络模型完成车辆号牌的识别。本发明的有益效果在于：构建符合真实高速场景且适用于神经网络学习的车牌图像集，提供非分割模式下的车辆号牌识别框架，同时选用结构合理的卷积神经网络模型，完成对车辆号牌的自动识别，提升了车牌识别的准确率与速度的同时，也给车辆号牌识别提供了有效的新思路。

公开(公告)号：CN116524480A

公开(公告)日：2023-08-01

申请号：CN202210943681.X

申请日：2022-08-08

申请人： 东南大学

发明人： 赵池航 ,  化丽茹 ,  苏子钧 ,  吴宇航 ,  马欣怡

IPC分类号： G06V20/62 ,  G06V20/54 ,  G06V10/82 ,  G06V30/19 ,  G06V10/80 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048

摘要： 本发明公开了一种基于深度学习融合网络的字符非分割模式车牌识别方法，包括以下步骤：对高速整车图像的车牌区域进行检测并构建高速公路车牌图像集；基于基于CTC损失函数与ResNet50‑LPR卷积神经网络block1、block3、block5这三层输出的车辆号牌图像特征向量进行串联融合，构建融合模型FResNet50；基于车牌识别的注意力编码方式，在FResNet50融合模型后添加注意力编码模块，完成FResNet50‑Attention深度学习融合网络模型的构建；使用高速公路车牌图像集对构建好的FResNet50‑Attention卷积神经网络模型进行训练，最终完成对车辆号牌的识别。本发明的识别性能优于单一的ResNet50‑LPR卷积神经网络和传统融合方式下的FResNet50卷积神经网络融合模型，其对于整副车牌的识别准确率达到了93.224％。

公开(公告)号：CN116403179A

公开(公告)日：2023-07-07

申请号：CN202310354520.1

申请日：2023-04-04

申请人： 东南大学 ,  河北交通职业技术学院

发明人： 赵池航 ,  解兴鹏 ,  李旋 ,  石鑫 ,  薛善光 ,  苏子钧 ,  吴宇航 ,  马欣怡

IPC分类号： G06V20/56 ,  G01S17/931 ,  G06V10/80 ,  G07C5/00 ,  G07C5/08

摘要： 本发明公布了基于雷视多源数据深度融合的车辆全息感知及风险行为识别系统，包括：集成了路侧激光雷达、视频感知器及高清抓拍相机融合的雷视融合车辆信息感知层；基于边缘计算服务器的车辆全息识别与风险行为辨识边缘计算层；基于智慧门架协同与融合运算的云端中心处理服务器层；集成了车辆全息感知、高精度车辆轨迹追踪、车辆风险识别以及统计分析的应用软件层。发明的有益效果在于：能够将激光雷达信息与视频图像信息融合，实现复杂公路场景下车辆风险行为识别，并根据风险行为识别结果获取对应车辆全息感知数据，对全路段风险行为区域统计分析及风险车辆追踪，为道路安全监测系统提供高精度、高可靠性的车辆信息感知及风险行为识别的功能。

公开(公告)号：CN115393642A

公开(公告)日：2022-11-25

申请号：CN202211007992.1

申请日：2022-08-22

申请人： 东南大学

发明人： 赵池航 ,  吴加伦 ,  郑有凤 ,  马欣怡 ,  苏子钧 ,  吴宇航 ,  纪强

IPC分类号： G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G01N21/88

摘要： 本发明公开了一种基于目标检测的高速公路沥青路面病害检测方法，包括：获取图像信息，构建高速公路沥青路面病害数据集；标注数据集，构建训练样本集和测试样本集；针对数据集特征，构建用于公路沥青路面病害检测的FR‑PDD、Yolov5s‑PDD和SSD‑PDD网络模型；进行模型训练并优化参数，优选FR‑PDD、Yolov5s‑PDD以及SSD‑PDD网络模型进行高速公路沥青路面病害检测。本发明的有益效果在于：能够有效对高速公路沥青路面病害进行检测，具有较好的平均识别精度与实时性，可对高速公路养护智能化发展提供技术支持。

公开(公告)号：CN115019067A

公开(公告)日：2022-09-06

申请号：CN202210660148.2

申请日：2022-06-10

申请人： 东南大学

发明人： 赵池航 ,  马欣怡 ,  苏子钧 ,  吴宇航

IPC分类号： G06V10/56 ,  G06V10/80 ,  G06V10/764 ,  G06V10/774 ,  G06V10/34 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06T7/90

摘要： 本发明公开了一种基于深度学习融合模型的车辆颜色识别方法，包括：构建高速公路车脸图像数据集；采用YUV‑FM‑Retinex方法对高速公路车脸图像数据进行图像增强；构建基于深度学习的车辆颜色识别模型VCR‑VGG16，获取一维特征向量FV；构建基于深度学习的车辆颜色识别模型VCR‑Xception，获取一维特征向量FX；构建基于深度学习的车辆颜色识别模型VCR‑DenseNet201，获取一维特征向量FD；将特征向量FV、FX、FD融合，构建基于深度学习车辆颜色识别融合模型VCR‑FDCNN进行车辆颜色识别。本发明提出图像增强预处理方法并构建深度学习融合模型，从而可以更精准的实现车辆颜色的识别，可对高速公路场景的车辆信息感知提供技术支持。

公开(公告)号：CN118552745A

公开(公告)日：2024-08-27

申请号：CN202410609563.4

申请日：2024-05-16

申请人： 东南大学

发明人： 赵池航 ,  张子怡 ,  苏子钧 ,  马欣怡

IPC分类号： G06V10/44 ,  G06N3/0464 ,  G06V10/764 ,  G06V10/25

摘要： 本发明公开了一种基于双分支分类网络的高速公路场景中多车辆及多目标部件区域匹配方法，包括构建高速场景中多车辆及多目标部件区域匹配数据集；构建用于高速公路场景中多车辆及多目标部件区域匹配的ResNet50‑M‑TCR‑ES模型；构建用于高速公路场景中多车辆及多目标部件区域匹配的双分支DB‑ResNet50‑M‑TCR‑ES模型；进行对比实验，选取用于高速公路场景中多车辆及多目标部件区域的性能最好的模型DB‑ResNet50‑M‑TCR‑ES。本发明提出高速场景中多车辆及多目标部件区域匹配数据集的构建方法，构建基于特征提取网络与双分支分类网络的高速公路场景中多车辆及多目标部件区域匹配方法，从而实现全天候多车辆与多目标部件信息的高精度及高效率感知，提升高速公路门架ETC系统感知的性能。