公开(公告)号：CN118262301A

公开(公告)日：2024-06-28

申请号：CN202410479297.8

申请日：2024-04-19

申请人： 南京大学

发明人： 沈庆宏 ,  李宏宇 ,  高恒 ,  袁杰

IPC分类号： G06V20/54 ,  G06V20/40 ,  G06V20/56 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明提出了一种基于智能算法的交通异常检测优化策略，首先，利用高斯混合背景建模对交通视频进行背景建模，采用YOLOv8‑NAS智能算法网络对车辆进行检测。接下来，采用DeepSort对车辆轨迹进行跟踪，结合帧差法提取道路掩码，以消除旁道和停车场对静止车辆检测的干扰。通过YOLOv8‑NAS智能算法分析静止车辆的检测结果，判断是否发生了交通异常，并确定异常发生的时间和位置。最后，对异常情况进行分类，将其细分为交通拥堵、车辆熄火和车辆碰撞等类别。

公开(公告)号：CN118429922A

公开(公告)日：2024-08-02

申请号：CN202410479278.5

申请日：2024-04-19

申请人： 南京大学

发明人： 沈庆宏 ,  高恒 ,  李宏宇 ,  袁杰

IPC分类号： G06V20/56 ,  G06N3/0464 ,  G06N3/045 ,  G06V10/40 ,  G06V10/82

摘要： 本发明涉及自动驾驶技术领域，尤其是一种解决非结构化道路车道检测准确率低下问题的适应性多任务神经网络系统。该系统能够统一处理结构化与非结构化道路数据，根据道路场景自适应地进行车道检测或自由空间估计。具体而言，系统通过多任务学习框架共享底层特征提取层，同时训练两个任务分支：一是针对结构化道路的车道线检测任务，二是针对非结构化道路的自由空间估计任务。系统根据输入数据类型和道路场景自适应地调整特征提取权重，有效捕获不同道路场景的关键特征。此外，模型还采用了条件分支机制，根据道路类型标签选择性激活相应任务分支，确保在不同道路环境下输出准确的结果。本发明实现了对各类道路环境的高效处理，显著提升了自动驾驶车辆在复杂道路条件下的行驶安全性。