-
公开(公告)号：CN115880557A
公开(公告)日：2023-03-31
申请号：CN202310187660.4
申请日：2023-03-02
IPC分类号： G06V10/80 , G06V10/44 , G06V10/42 , G06V20/70 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
摘要： 本发明涉及计算机技术领域，尤其涉及一种基于深度学习的路面裂缝提取方法和装置。该方法包括：获取待提取的路面图像；将待提取的路面图像输入到训练好的裂缝提取模型中，得到待提取的路面图像的路面裂缝提取结果，裂缝提取模型是利用标签路面图像对预设的深度学习网络进行训练得到的，深度学习网络包括编码网络、一级特征融合网络、解码网络和二级特征融合网络，编码网络加强路面图像的上下文特征，一级特征融合网络将由编码网络输出的特征中不同感受野的特征进行特征融合，解码网络将编码网络和一级特征融合网络输出的特征进行特征融合，二级特征融合网络将解码网络和一级特征融合网络输出的特征进行特征融合，以得到路面裂缝提取结果。
-
公开(公告)号：CN115880557B
公开(公告)日：2023-05-30
申请号：CN202310187660.4
申请日：2023-03-02
IPC分类号： G06V10/80 , G06V10/44 , G06V10/42 , G06V20/70 , G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
摘要： 本发明涉及计算机技术领域，尤其涉及一种基于深度学习的路面裂缝提取方法和装置。该方法包括：获取待提取的路面图像；将待提取的路面图像输入到训练好的裂缝提取模型中，得到待提取的路面图像的路面裂缝提取结果，裂缝提取模型是利用标签路面图像对预设的深度学习网络进行训练得到的，深度学习网络包括编码网络、一级特征融合网络、解码网络和二级特征融合网络，编码网络加强路面图像的上下文特征，一级特征融合网络将由编码网络输出的特征中不同感受野的特征进行特征融合，解码网络将编码网络和一级特征融合网络输出的特征进行特征融合，二级特征融合网络将解码网络和一级特征融合网络输出的特征进行特征融合，以得到路面裂缝提取结果。
-
公开(公告)号：CN117372901A
公开(公告)日：2024-01-09
申请号：CN202311309053.7
申请日：2023-10-10
申请人： 福建省高速公路科技创新研究院有限公司 , 福建罗宁高速公路有限公司
摘要： 本发明涉及道路破损标线识别技术领域，尤其为一种基于无人机视角的道路破损标线识别方法，包括：采用数据标注软件构建无人机视角道路标线破损数据集；将原始图像采用马赛克增强的方式，扩建道路标线破损数据集；构建深度学习模型，模型包括主干网络、特征融合层、预测分类器，进一步输入特征融合层，特征融合层采用特征金字塔网络和路径聚合网络充分融合主干网络提取的不同层特征图，充分利用图像的高分辨率与低分辨率的特征信息，增强模型特征提取能力。本发明，能够准确识别道路标线破损，提高破损标线识别准确率，解决传统图像处理方法存在识别误差大、漏识别多的问题。
-
公开(公告)号：CN117672007B
公开(公告)日：2024-04-26
申请号：CN202410152160.1
申请日：2024-02-03
申请人： 福建省高速公路科技创新研究院有限公司 , 莆田莆永高速公路有限责任公司
摘要： 本发明涉及道路安全技术领域，尤其为一种基于雷视融合的道路施工区域安全预警系统，包括数据采集端和数据处理端；数据采集端包括两台高清摄像头和一台毫米波雷达，两台高清摄像头具体为前视摄像头和后视摄像头，数据处理端包括时空标定模块、车道分析模块和预警模块。本发明通过识别摄像头图像，提取图像中车道数量、位置等静态信息，融合雷达数据，提升车辆运行状态感知能力；利用视频识别车道，自动定位预警车道范围、预警施工区域，减少因设备安装操作失误导致的错误预警或无法预警的情况发生，同时，通过融合视频和雷达车辆数据，提高车辆位置、类型、速度等信息的识别准确率，进一步提高车辆识别准确率，提高施工区域安全预警能力。
-
公开(公告)号：CN117217260A
公开(公告)日：2023-12-12
申请号：CN202311063532.5
申请日：2023-08-23
申请人： 福建省高速公路科技创新研究院有限公司 , 莆田莆永高速公路有限责任公司
IPC分类号： G06N3/0455 , G06N3/0442 , G06N3/09 , G06N3/0464 , G06F18/27 , G08G1/01 , G06F123/02
摘要： 本发明公开了一种基于残差分解循环神经网络的交通流量预测方法，包括：获取连续时刻的道路占用率数据集，其中，连续时刻的道路占用率数据集包括训练集和测试集；构建残差分解循环神经网络模型，将训练集输入所述残差分解循环神经网络模型进行训练，得到训练好的残差分解循环神经网络模型；将测试集输入训练好的残差分解循环神经网络模型，得到交通流量时间序列预测趋势。本发明从自回归法和滑动平均法两个角度对输入的道路占有率时间序列进行建模，同时考虑了过往时间点的直接观测值和自身残差对序列未来走向的影响，并可以通过堆叠网络深度同时考虑高阶残差的潜在影响。
-
公开(公告)号：CN117672007A
公开(公告)日：2024-03-08
申请号：CN202410152160.1
申请日：2024-02-03
申请人： 福建省高速公路科技创新研究院有限公司 , 莆田莆永高速公路有限责任公司
摘要： 本发明涉及道路安全技术领域，尤其为一种基于雷视融合的道路施工区域安全预警系统，包括数据采集端和数据处理端；数据采集端包括两台高清摄像头和一台毫米波雷达，两台高清摄像头具体为前视摄像头和后视摄像头，数据处理端包括时空标定模块、车道分析模块和预警模块。本发明通过识别摄像头图像，提取图像中车道数量、位置等静态信息，融合雷达数据，提升车辆运行状态感知能力；利用视频识别车道，自动定位预警车道范围、预警施工区域，减少因设备安装操作失误导致的错误预警或无法预警的情况发生，同时，通过融合视频和雷达车辆数据，提高车辆位置、类型、速度等信息的识别准确率，进一步提高车辆识别准确率，提高施工区域安全预警能力。
-
公开(公告)号：CN117558128A
公开(公告)日：2024-02-13
申请号：CN202311506933.3
申请日：2023-11-13
申请人： 福建省高速公路科技创新研究院有限公司
IPC分类号： G08G1/01 , G08G1/04 , G08G1/042 , G08G1/052 , G06N3/048 , G06N3/0464 , G01S13/91 , G01S13/89
摘要： 本发明公开了一种基于仿真毫米波雷达的高速路侧感知识别方法，包括：建立虚拟仿真场景模型，研究毫米波雷达回波的产生方法，特别是将其与BART相结合，提供了有用和准确的数据。通过对仿真数据的分析，对毫米波雷达探测目标特定位置信息的性能进行了评估。通过对仿真系统产生的RDM进行图像处理操作，构造了一个简单的交通道路车辆分类数据集。并且设计了一个卷积神经网络，验证了仿真数据的有效性。以马尔可夫模型为样本，通过预测仿真数据的径向距离、径向速度、水平距离和水平速度四个特征值来预测目标轨迹。本发明可为高速路侧部署毫米波雷达的研究提供有用和准确的数据，有助于拓展毫米波雷达在交通领域的应用研究。
-
公开(公告)号：CN117523662A
公开(公告)日：2024-02-06
申请号：CN202311500360.3
申请日：2023-11-13
申请人： 福建省高速公路科技创新研究院有限公司
IPC分类号： G06V40/20 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/08 , G06N3/0442
摘要： 本发明公开了一种基于多尺度时空残差图卷积神经网络的动作识别方法，包括：基于人体动作视频获取人体关节点数据和人体骨骼数据；构建基于图卷积网络的多输入分支架构，将人体关节点数据和人体骨骼数据输入基于图卷积网络的多输入分支架构得到融合特征图；构建基于多尺度时空残差图卷积神经网络，将融合特征图输入多尺度时空残差图卷积神经网络得到动作识别结果。本发明针对人体骨架特征，在数据预处理阶段，将人体关节点数据和人体骨骼数据进行早期融合。在网络结构上，采用分层残差架构，聚合空间图卷积和时间卷积生成的时空特征形成时空残差图卷积模块，从而有效获得空间和时间域中的短期和长期依赖性，并在一定程度上降低网络参数量。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.097 秒)
