-
公开(公告)号：CN109887276A
公开(公告)日：2019-06-14
申请号：CN201910091138.X
申请日：2019-01-30
申请人： 北京同方软件股份有限公司
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：CN108304798A
公开(公告)日：2018-07-20
申请号：CN201810086477.4
申请日：2018-01-30
申请人： 北京同方软件股份有限公司
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：CN108230330A
公开(公告)日：2018-06-29
申请号：CN201810088021.1
申请日：2018-01-30
申请人： 北京同方软件股份有限公司
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：CN108230254A
公开(公告)日：2018-06-29
申请号：CN201710767714.9
申请日：2017-08-31
申请人： 北京同方软件股份有限公司
CPC分类号： G06T5/002 , G06K9/00798 , G06T5/50 , G06T7/246 , G06T7/80 , G06T2207/20221
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：CN108345894A
公开(公告)日：2018-07-31
申请号：CN201710045525.0
申请日：2017-01-22
申请人： 北京同方软件股份有限公司
摘要： 一种基于深度学习和熵模型的交通事件检测方法，涉及智能交通技术领域。本发明基于深度学习和熵模型的交通事件检测方法的步骤为：1）训练用于交通事件分类的卷积神经网络模型：2）根据所述的卷积神经网络模型对输入的视频流图像或视频子段进行事件类别分类：3)根据所述事件分类结果，计算一段事件内的熵值：4）根据所述熵值，判断是否发生交通事件。同现有技术相比，本发明根据不同事件概率与熵值大小、稳定性的正反比关系，计算可信度参数。从视频图像的全局和局部特征入手，分析图像的突变情况，借助CNN的优点和方法以及熵值模型检测突变的特性，检测交通事件的发生，对于具有突变性质的交通事件，有着速度快、检测准的特点。
-
-
-
-
搜索结果
5 条记录 (耗时 0.035 秒)
