-
公开(公告)号：CN114170695B
公开(公告)日：2023-06-06
申请号：CN202111407558.8
申请日：2021-11-24
申请人： 山东高速股份有限公司 , 东南大学
IPC分类号： G07B15/06
摘要： 本发明公布了基于车辆全息感知与OBU信息融合的智慧收费系统，包括：集成了激光雷达、视频感知器、RSU、交易检测设备的车辆全息与OBU融合系统的信息感知层；基于边缘计算服务器的车辆全息识别与检索边缘计算层；基于智慧门架协同与融合运算的云端中心处理服务器层；集成了ETC收费及稽查功能的应用软件层。本发明的有益效果在于：能够将车辆全息信息与OBU信息融合，获取高速公路场景中过路车辆全息信息以及车辆OBU与门架RSU的交易情况，并根据多源信息检索到未交易成功的车辆，能够实现门架间的智慧协同及融合运算，以减少ETC收费的逃、漏费率，并实现逃费车辆稽查功能，为公路收费管理提供良好的基础保障。
-
公开(公告)号：CN114170695A
公开(公告)日：2022-03-11
申请号：CN202111407558.8
申请日：2021-11-24
申请人： 山东高速股份有限公司 , 东南大学
IPC分类号： G07B15/06
摘要： 本发明公布了基于车辆全息感知与OBU信息融合的智慧收费系统，包括：集成了激光雷达、视频感知器、RSU、交易检测设备的车辆全息与OBU融合系统的信息感知层；基于边缘计算服务器的车辆全息识别与检索边缘计算层；基于智慧门架协同与融合运算的云端中心处理服务器层；集成了ETC收费及稽查功能的应用软件层。本发明的有益效果在于：能够将车辆全息信息与OBU信息融合，获取高速公路场景中过路车辆全息信息以及车辆OBU与门架RSU的交易情况，并根据多源信息检索到未交易成功的车辆，能够实现门架间的智慧协同及融合运算，以减少ETC收费的逃、漏费率，并实现逃费车辆稽查功能，为公路收费管理提供良好的基础保障。
-
公开(公告)号：CN116524481A
公开(公告)日：2023-08-01
申请号：CN202210943795.4
申请日：2022-08-08
申请人： 东南大学
摘要： 本发明公布了基于卷积神经网络模型的字符非分割模式车牌识别方法，包括：基于异常天气状况下的高速整车图像，对车牌区域进行检测并构建高速公路车牌图像集；研究字符非分割模式车牌识别框架，优选基于CB损失函数的多分类字符非分割模式车牌识别框架进行模型构造；构建卷积神经网络模型进行车牌的特征提取，优选InceptionV3‑LPR‑CB、ResNet50‑LPR‑CB、ResNeXt‑LPR‑CB和SENet‑LPR‑CB卷积神经网络模型完成车辆号牌的识别。本发明的有益效果在于：构建符合真实高速场景且适用于神经网络学习的车牌图像集，提供非分割模式下的车辆号牌识别框架，同时选用结构合理的卷积神经网络模型，完成对车辆号牌的自动识别，提升了车牌识别的准确率与速度的同时，也给车辆号牌识别提供了有效的新思路。
-
公开(公告)号：CN116524480A
公开(公告)日：2023-08-01
申请号：CN202210943681.X
申请日：2022-08-08
申请人： 东南大学
IPC分类号： G06V20/62 , G06V20/54 , G06V10/82 , G06V30/19 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048
摘要： 本发明公开了一种基于深度学习融合网络的字符非分割模式车牌识别方法，包括以下步骤：对高速整车图像的车牌区域进行检测并构建高速公路车牌图像集；基于基于CTC损失函数与ResNet50‑LPR卷积神经网络block1、block3、block5这三层输出的车辆号牌图像特征向量进行串联融合，构建融合模型FResNet50；基于车牌识别的注意力编码方式，在FResNet50融合模型后添加注意力编码模块，完成FResNet50‑Attention深度学习融合网络模型的构建；使用高速公路车牌图像集对构建好的FResNet50‑Attention卷积神经网络模型进行训练，最终完成对车辆号牌的识别。本发明的识别性能优于单一的ResNet50‑LPR卷积神经网络和传统融合方式下的FResNet50卷积神经网络融合模型，其对于整副车牌的识别准确率达到了93.224％。
-
公开(公告)号：CN116403179A
公开(公告)日：2023-07-07
申请号：CN202310354520.1
申请日：2023-04-04
申请人： 东南大学 , 河北交通职业技术学院
IPC分类号： G06V20/56 , G01S17/931 , G06V10/80 , G07C5/00 , G07C5/08
摘要： 本发明公布了基于雷视多源数据深度融合的车辆全息感知及风险行为识别系统，包括：集成了路侧激光雷达、视频感知器及高清抓拍相机融合的雷视融合车辆信息感知层；基于边缘计算服务器的车辆全息识别与风险行为辨识边缘计算层；基于智慧门架协同与融合运算的云端中心处理服务器层；集成了车辆全息感知、高精度车辆轨迹追踪、车辆风险识别以及统计分析的应用软件层。发明的有益效果在于：能够将激光雷达信息与视频图像信息融合，实现复杂公路场景下车辆风险行为识别，并根据风险行为识别结果获取对应车辆全息感知数据，对全路段风险行为区域统计分析及风险车辆追踪，为道路安全监测系统提供高精度、高可靠性的车辆信息感知及风险行为识别的功能。
-
公开(公告)号：CN115393642A
公开(公告)日：2022-11-25
申请号：CN202211007992.1
申请日：2022-08-22
申请人： 东南大学
IPC分类号： G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G01N21/88
摘要： 本发明公开了一种基于目标检测的高速公路沥青路面病害检测方法，包括：获取图像信息，构建高速公路沥青路面病害数据集；标注数据集，构建训练样本集和测试样本集；针对数据集特征，构建用于公路沥青路面病害检测的FR‑PDD、Yolov5s‑PDD和SSD‑PDD网络模型；进行模型训练并优化参数，优选FR‑PDD、Yolov5s‑PDD以及SSD‑PDD网络模型进行高速公路沥青路面病害检测。本发明的有益效果在于：能够有效对高速公路沥青路面病害进行检测，具有较好的平均识别精度与实时性，可对高速公路养护智能化发展提供技术支持。
-
公开(公告)号：CN115019067A
公开(公告)日：2022-09-06
申请号：CN202210660148.2
申请日：2022-06-10
申请人： 东南大学
IPC分类号： G06V10/56 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/34 , G06V10/82 , G06N3/04 , G06N3/08 , G06T7/90
摘要： 本发明公开了一种基于深度学习融合模型的车辆颜色识别方法，包括：构建高速公路车脸图像数据集；采用YUV‑FM‑Retinex方法对高速公路车脸图像数据进行图像增强；构建基于深度学习的车辆颜色识别模型VCR‑VGG16，获取一维特征向量FV；构建基于深度学习的车辆颜色识别模型VCR‑Xception，获取一维特征向量FX；构建基于深度学习的车辆颜色识别模型VCR‑DenseNet201，获取一维特征向量FD；将特征向量FV、FX、FD融合，构建基于深度学习车辆颜色识别融合模型VCR‑FDCNN进行车辆颜色识别。本发明提出图像增强预处理方法并构建深度学习融合模型，从而可以更精准的实现车辆颜色的识别，可对高速公路场景的车辆信息感知提供技术支持。
-
公开(公告)号：CN118861978A
公开(公告)日：2024-10-29
申请号：CN202410891860.2
申请日：2024-07-04
申请人： 东南大学
IPC分类号： G06F18/25 , G06F18/241 , G06F18/214 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/088
摘要： 本发明公开了一种基于单智能体结构大语言模型的高速公路门架场景中多源车辆信息匹配融合方法，包括：对高速公路门架场景中多源车辆信息感知数据进行挖掘和标注；构建高速公路门架场景中多源车辆信息匹配融合数据集；基于多源车辆信息匹配流程，构建用于高速公路门架场景中多源车辆信息匹配融合的大语言单智能体结构模型LLMSA‑MVIMF‑EGS；通过大语言单智能体结构模型LLMSA‑MVIMF‑EGS输出多源车辆信息匹配融合结果。本发明在大语言模型的基础上，针对具体的高速公路门架场景中多源车辆信息数据进行匹配训练，为高速公路门架ETC收费提供一定的技术支持。
-
公开(公告)号：CN115731436B
公开(公告)日：2023-09-26
申请号：CN202211154277.0
申请日：2022-09-21
申请人： 东南大学
IPC分类号： G06V10/80 , G06V10/774 , G06V10/74 , G06V20/56 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于深度学习融合模型的高速公路车辆图像检索方法，包括如下步骤：S1、采用基于Faster‑RCNN的目标检测切割模型构建车辆检索图像数据集；S2、采用DenseNet121、ResNet50与VGG16网络作为检索网络，构建多种不同的基于单特征多网络融合深度学习模型车辆图像检索模型与多网络多特征融合深度学习模型车辆图像检索模型进行图像检索；S3、构建基于深度学习融合模型的实验结果评价指标，分别对基于深度学习融合模型的高速公路车辆图像检索方法的检索精确度与检索时效性进行评估。本发明构建的模型性能优于单网络模型，在高速公路场景中检索正确率均高于97％，且平均检索时间并未明显增加。
-
公开(公告)号：CN109474757A
公开(公告)日：2019-03-15
申请号：CN201811432367.5
申请日：2018-11-28
申请人： 东南大学
摘要： 本发明涉及一种基于智能问答抗骚扰的电话秘书云服务实现方法，包括：（1）为机主电话配置电话秘书服务，电话秘书服务进程判断每一个拨入的来电号码，对于属于白名单的来电振铃通知机主，对于属于黑名单的来电拦截，而对于属于灰名单的来电启用机器人接听；（2）对于陌生来电，启用机器人与来电者进行智能问答，根据问答内容决定振铃还是进入灰名单；（3）对于灰名单中的来电，启用机器人与来电者进行智能问答后，根据对来电可疑度的再次判断，并结合机主设置，可直接挂断并将来电归为黑名单；（4）对于判断为属于黑名单的骚扰/诈骗类电话，除了直接挂断外，还可切换为训练/惩戒模式，让其成为问答机器人的一个训练工具。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.055 秒)
