-
公开(公告)号：CN109229011A
公开(公告)日：2019-01-18
申请号：CN201810901613.0
申请日：2018-08-09
Applicant: 南京信息工程大学
CPC classification number: B60Q1/12 , B60Q1/122 , G06K9/00798
Abstract: 本发明公开一种基于车道线检测的车头灯转向控制系统和方法，包括：车载摄像机、车道线检测模块、弯道曲率半径计算模块、车头灯转角计算模块、车速传感器、转向控制模块和车头灯转向控制机构。车载摄像机实时采集道路图像，车道线检测模块对采集到的图像进行相应处理提取出车道线信息，弯道曲率半径计算模块根据车道线信息计算出弯道曲率半径，车头灯转角计算模块根据弯道曲率半径及车速传感器采集的车速数据计算出车头灯的水平和垂直的转角，并通过转向控制模块对车头灯进行转向控制，使得车头灯能够适应道路走向。将其作为车辆弯道行驶安全的辅助系统，对驾驶员具有良好的辅助作用，能够极大地提高夜间弯道行驶的安全性和可靠性。
-
公开(公告)号：CN110837778A
公开(公告)日：2020-02-25
申请号：CN201910968292.0
申请日：2019-10-12
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于骨架关节点序列的交警指挥手势识别方法，首先，采集不同视角、不同场景及不同速度下交警指挥手势的视频片段；其次，基于改进的目标检测算法检测出含有交警的图像，输出包含交警的目标框与坐标信息的多帧交警指挥动作图像；然后，通过姿态估计算法提取交警关节点信息，按时间顺序组合形成关节点序列；最后，使用时空图卷积模型对得到的交警指挥交通时的身体关节点序列进行处理，从而识别交警指挥手势动作类别。本发明能够实现复杂场景下交警指挥手势的稳定、准确、快速识别。
-
公开(公告)号：CN110321813A
公开(公告)日：2019-10-11
申请号：CN201910525062.7
申请日：2019-06-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于行人分割的跨域行人重识别方法，该方法分为三个阶段，第一阶段：将源域图片和目标域图片输入到行人分割模型中，通过GAN网络生成具有源域内容和目标域风格的图片；第二阶段：将生成的新图片输入到CNN网络，提取图片间的特征距离，使用TriHard loss训练模型；第三阶段：加载训练好的行人重识别模型，提取目标域的行人图片特征。给定待检索的行人图片，检索最匹配的行人图片并输出。本发明设计训练得到一个新的行人重识别模型，训练源域内容图片，并在目标域数据集测试，有效减小不同数据集之间风格差异对跨域行人重识别模型性能的影响，网络性能好，模型泛化能力强。
-
公开(公告)号：CN112149720A
公开(公告)日：2020-12-29
申请号：CN202010940542.2
申请日：2020-09-09
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种细粒度车辆类型识别方法，提出了标签平滑和Cross‑X学习鲁棒的细粒度车辆图像特征方法，通过利用不同车辆图像之间，不同网络层之间的关系以及最大化模型的预测多样性，联合处理每个车辆图像的特定部分特征，提高了模型学习的效率，网络的泛化能力得到了增强，有效地提高了细粒度车辆类型识别的准确度。
-
公开(公告)号：CN106971196A
公开(公告)日：2017-07-21
申请号：CN201710120494.0
申请日：2017-03-02
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于代价敏感的核稀疏表示分类器的消防车识别方法，属于消防车自动识别方法技术领域。该方法是先提取出训练样本的HOG特征和颜色特征，再通过一个映射函数把HOG特征映射为一个更高阶的特征向量，得到基础矩阵；再提取出检测样本的HOG特征和颜色特征，使用基于代价敏感的核稀疏表示模型重构测试样本特征，最后求出该模型的最优解，完成消防车的识别。本发明在提取颜色特征的过程中，使用了一种基于不变量的独立于光照条件的颜色描述方法，这种方法在实际使用中有很好的鲁棒性。本发明使用一种代价敏感的核稀疏表示模型来结合HOG特征和颜色特征，结果较为稳定。
-
Patent Agency Ranking
公开(公告)号：CN110321813B
公开(公告)日：2023-06-20
申请号：CN201910525062.7
申请日：2019-06-18
Applicant: 南京信息工程大学
IPC: G06V40/10 , G06V10/26 , G06V10/74 , G06V10/774 , G06V10/82
Abstract: 本发明公开了基于行人分割的跨域行人重识别方法，该方法分为三个阶段，第一阶段：将源域图片和目标域图片输入到行人分割模型中，通过GAN网络生成具有源域内容和目标域风格的图片；第二阶段：将生成的新图片输入到CNN网络，提取图片间的特征距离，使用TriHard loss训练模型；第三阶段：加载训练好的行人重识别模型，提取目标域的行人图片特征。给定待检索的行人图片，检索最匹配的行人图片并输出。本发明设计训练得到一个新的行人重识别模型，训练源域内容图片，并在目标域数据集测试，有效减小不同数据集之间风格差异对跨域行人重识别模型性能的影响，网络性能好，模型泛化能力强。
-
公开(公告)号：CN112069868A
公开(公告)日：2020-12-11
申请号：CN202010595050.4
申请日：2020-06-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于卷积神经网络的无人机实时车辆检测方法，包括步骤如下：(1)制作数据集；(2)聚类出9个锚框；(3)搭建浅层神经网络；(4)添加注意力机制；(5)加入张量自适应模块；(6)在嵌入式设备中训练与测试。本发明构建了一个浅层神经网络，参数量较少，在Jetson tx2适用于无人机的嵌入式设备中运行并且满足实时性的要求；在卷积层之间加入CBAM注意力机制，有利于卷积网络对特征的提取；基于特征金字塔网络进行特征融合后，引入自适应张量选择模块，使网络能够根据目标的语义信息选择最合适的检测张量，进一步提升模型检测的准确性。
-
公开(公告)号：CN110837778B
公开(公告)日：2023-08-18
申请号：CN201910968292.0
申请日：2019-10-12
Applicant: 南京信息工程大学
IPC: G06V40/20 , G06V10/82 , G06V10/40 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于骨架关节点序列的交警指挥手势识别方法，首先，采集不同视角、不同场景及不同速度下交警指挥手势的视频片段；其次，基于改进的目标检测算法检测出含有交警的图像，输出包含交警的目标框与坐标信息的多帧交警指挥动作图像；然后，通过姿态估计算法提取交警关节点信息，按时间顺序组合形成关节点序列；最后，使用时空图卷积模型对得到的交警指挥交通时的身体关节点序列进行处理，从而识别交警指挥手势动作类别。本发明能够实现复杂场景下交警指挥手势的稳定、准确、快速识别。
-
公开(公告)号：CN112071075B
公开(公告)日：2022-10-14
申请号：CN202010595381.8
申请日：2020-06-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种逃逸车辆重识别方法，包括步骤如下：(1)构建目标摄像头拓扑网络，预测关联摄像头轨迹；(2)基于视角感知的度量学习，在S‑view同视角和D‑view跨视角样本中学习两种不同深度度量；(3)基于双路径自适应注意力下车辆重识别；双路径包括全局路径和局部路径，步骤(2)S‑view同视角和D‑view跨视角特征空间中分别进行双路径车辆重识别，全局路径提取图片全局特征，局部路径用于全局特征补充。本发明通过构建可疑车辆摄像头拓扑网络，得到时序最优的重点监控区域；利用深度度量学习应用不同的损失函数，加入自适应注意力模型，进行重识别任务并得到车辆的行走轨迹，提高了逃逸车辆重识别的准确度。
-
公开(公告)号：CN112071075A
公开(公告)日：2020-12-11
申请号：CN202010595381.8
申请日：2020-06-28
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种逃逸车辆重识别方法，包括步骤如下：(1)构建目标摄像头拓扑网络，预测关联摄像头轨迹；(2)基于视角感知的度量学习，在S‑view同视角和D‑view跨视角样本中学习两种不同深度度量；(3)基于双路径自适应注意力下车辆重识别；双路径包括全局路径和局部路径，步骤(2)S‑view同视角和D‑view跨视角特征空间中分别进行双路径车辆重识别，全局路径提取图片全局特征，局部路径用于全局特征补充。本发明通过构建可疑车辆摄像头拓扑网络，得到时序最优的重点监控区域；利用深度度量学习应用不同的损失函数，加入自适应注意力模型，进行重识别任务并得到车辆的行走轨迹，提高了逃逸车辆重识别的准确度。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.029 seconds)
