-
公开(公告)号：CN110309696B
公开(公告)日：2024-06-07
申请号：CN201811551883.X
申请日：2018-12-19
申请人： 北京同方软件有限公司
IPC分类号： G06V20/50 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
摘要： 基于深度学习及多聚类中心损失函数的摊贩物品分类方法，涉及人工智能以及计算机视觉技术领域。本发明方法步骤为：1）网络结构设计：整理摊贩物品样本，并对其进行类别标定。2）目标损失函数。3）模型预测：利用训练好的模型进行预测。同现有技术相比，本发明一方面进一步提高深度学习模型在复杂的摊贩物品分类中的性能，以及在训练样本不是很充足的情况下，避免模型过拟合；另一方面，充分利用类内、类间离散度信息，使模型有更好的泛化能力，进一步提升深度学习模型在摊贩物品分类中的性能。
-
公开(公告)号：CN108230254B
公开(公告)日：2021-07-27
申请号：CN201710767714.9
申请日：2017-08-31
申请人： 北京同方软件有限公司
摘要： 一种自适应场景切换的高速交通全车道线自动检测方法，涉及基于视频图像的目标识别、应用于高速公路交通场景下的视频监控数据的智能分析系统。本发明方法对高速监控设备视频信息进行采集、分析和控制，它的方法步骤为：1）视频数据的场景预处理：2）所有车辆的运动轨迹方向分析，即灭点估计：3）透视投影处理：4）建立车道模型：5）车辆跟踪处理：6）检测收敛迭代处理。同现有技术相比，本发明能在不依赖相机内外参数、所有天气条件、所有道路交通状况下，对高速公路上的各车道完成检测、分析和定位。
-
公开(公告)号：CN110633678A
公开(公告)日：2019-12-31
申请号：CN201910883883.8
申请日：2019-09-19
申请人： 北京同方软件有限公司 , 同方股份有限公司
摘要： 一种基于视频图像的快速高效的车流量计算方法，涉及基于视频图像的目标检测、应用于交通场景下的视频监控数据的智能事件分析系统以及交通参数计算系统。本发明通过安装在道路上的摄像机或者图像采集卡设备收集到车辆视频图像并对其进行处理分析，它的方法步骤为：一、生成路面区域及摄像机位置；二、生成原始采样图；三、透视变换；四、轻型稀疏卷积神经网络算法模型训练；五、上下行统计；六、模型预测。同现有技术相比，本发明能实现多场景下、不同天气情况下、不同路面状态下的快速交通流量计算，具有检测精度高、实时性好、效率高的特点。
-
公开(公告)号：CN110309696A
公开(公告)日：2019-10-08
申请号：CN201811551883.X
申请日：2018-12-19
申请人： 北京同方软件有限公司
摘要： 基于深度学习及多聚类中心损失函数的摊贩物品分类方法，涉及人工智能以及计算机视觉技术领域。本发明方法步骤为：1）网络结构设计：整理摊贩物品样本，并对其进行类别标定。2）目标损失函数。3）模型预测：利用训练好的模型进行预测。同现有技术相比，本发明一方面进一步提高深度学习模型在复杂的摊贩物品分类中的性能，以及在训练样本不是很充足的情况下，避免模型过拟合；另一方面，充分利用类内、类间离散度信息，使模型有更好的泛化能力，进一步提升深度学习模型在摊贩物品分类中的性能。
-
公开(公告)号：CN110633678B
公开(公告)日：2023-12-22
申请号：CN201910883883.8
申请日：2019-09-19
申请人： 北京同方软件有限公司 , 同方股份有限公司
IPC分类号： G06V20/40 , G06V10/774 , G06N3/08 , G08G1/01
摘要： 一种基于视频图像的快速高效的车流量计算方法，涉及基于视频图像的目标检测、应用于交通场景下的视频监控数据的智能事件分析系统以及交通参数计算系统。本发明通过安装在道路上的摄像机或者图像采集卡设备收集到车辆视频图像并对其进行处理分析，它的方法步骤为：一、生成路面区域及摄像机位置；二、生成原始采样图；三、透视变换；四、轻型稀疏卷积神经网络算法模型训练；五、上下行统计；六、模型预测。同现有技术相比，本发明能实现多场景下、不同天气情况下、不同路面状态下的快速交通流量计算，具有检测精度高、实时性好、效率高的特点。
-
公开(公告)号：CN110689093B
公开(公告)日：2020-04-21
申请号：CN201911254123.7
申请日：2019-12-10
申请人： 北京同方软件有限公司
摘要： 一种复杂场景下的图像目标精细分类方法，涉及图像精细分类领域。本发明的方法步骤为：（一）图像场景的数据预处理；（二）CTreeNet Block特征重标定；（三）CTreeNet Block与CNN融合；（四）网络结构模型的建立；（五）CTreeNet Block之间的损失计算。同现有技术相比，本发明通过CTreeNet网络结构，不仅显式地建模特征通道之间的相互依赖关系，还采用机器学习特征重标定策略，通过XGBoost算法思想来自动获取到每个特征通道的重要程度，然后依照这个重要程度去提升有用的特征并抑制对当前分类任务用处不大的特征，完成对复杂场景中目标的精细分类。
-
公开(公告)号：CN108230330B
公开(公告)日：2020-02-07
申请号：CN201810088021.1
申请日：2018-01-30
申请人： 北京同方软件有限公司
摘要： 一种快速的高速公路路面分割和摄像机定位的方法，涉及基于视频图像的目标检测、应用于高速公路交通场景下的视频监控数据的智能事件分析系统。本发明的方法步骤为：1）样本收集和模型训练；2）网络模型设计；3)模型损失函数；4)模型训练；5)模型预测。同现有技术相比，本发明能解决多场景下、不同天气情况下、不同路面状态下的高速路面定位分割问题；同时解决多场景下、不同天气情况下、不同路面状态下摄像机相对路面位置定位问题。
-
公开(公告)号：CN109887276B
公开(公告)日：2020-11-03
申请号：CN201910091138.X
申请日：2019-01-30
申请人： 北京同方软件有限公司
摘要： 基于前景提取与深度学习融合的夜间交通拥堵检测方法，涉及人工智能领域和计算机视觉领域。本发明的方法步骤为：1）前景提取：（1）对公路摄像头每隔N秒取一帧图像，一共取M帧。（2）对M帧图像分别做前景提取。（3）对获取的M帧前景进行时域结合，获取修正后的前景结果。2）目标检测：网络通过one‑stage的SSD目标检测方法获取夜间拥堵时图像特征，对M帧图像进行检测进而做出拥堵的判断。3）事件判定：如果M帧中大部分都是判定为拥堵则该场景就判定为拥堵，否则不判定为拥堵。同现有技术相比，本发明是基于视频前景提取和深度学习目标检测相结合的算法来判断夜间高速是否拥堵，能有效的判断夜间路面情况，实现对交通状况的实时监测。
-
公开(公告)号：CN108304798B
公开(公告)日：2020-09-29
申请号：CN201810086477.4
申请日：2018-01-30
申请人： 北京同方软件有限公司
摘要： 基于深度学习及运动一致性的街面秩序事件视频检测方法，涉及人工智能领域和计算机视觉领域。本发明的方法步骤为：1）算法框架：2）目标检测；3）运动一致性计算；4）事件判定。同现有技术相比，本发明通过设计目标检测深度学习网络，训练场景识别模型，并计算场景内的运动信息分析其行为状态，以视频智能分析领域中静态视频帧中目标检测技术和动态视频中目标行为分析技术相结合的方式，多条件联合判定事件，设计出店外经营事件和占道经营事件的检测系统，准确快速的完成事件的自动检测。
-
公开(公告)号：CN110689093A
公开(公告)日：2020-01-14
申请号：CN201911254123.7
申请日：2019-12-10
申请人： 北京同方软件有限公司
摘要： 一种复杂场景下的图像目标精细分类方法，涉及图像精细分类领域。本发明的方法步骤为：（一）图像场景的数据预处理；（二）CTreeNet Block特征重标定；（三）CTreeNet Block与CNN融合；（四）网络结构模型的建立；（五）CTreeNet Block之间的损失计算。同现有技术相比，本发明通过CTreeNet网络结构，不仅显式地建模特征通道之间的相互依赖关系，还采用机器学习特征重标定策略，通过XGBoost算法思想来自动获取到每个特征通道的重要程度，然后依照这个重要程度去提升有用的特征并抑制对当前分类任务用处不大的特征，完成对复杂场景中目标的精细分类。
-
-
-
-
-
-
-
-
-
搜索结果
16 条记录 (耗时 0.034 秒)
