-
公开(公告)号：CN114998618A
公开(公告)日：2022-09-02
申请号：CN202210037164.6
申请日：2022-01-13
申请人： 山东高速股份有限公司 , 东南大学
IPC分类号： G06V10/56 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764
摘要： 本发明公布了基于卷积神经网络模型的货车颜色识别方法，包括：基于车辆号牌及车辆对称性，定位货车车脸区域；基于货车车辆结构及颜色特征，构建货车车辆图像集；构建不同颜色空间下的卷积神经网络模型，优选CNN‑LAB模型进行货车颜色识别。本发明的有益效果在于：能够有效提取货车颜色特征区域，构建适用于神经网络学习的货车车辆颜色图像集，并选用合适的颜色空间模型与卷积神经网络，实现货车的颜色识别，为车辆属性识别丰富了维度，对于车辆识别有着重要的作用。
-
公开(公告)号：CN117475345A
公开(公告)日：2024-01-30
申请号：CN202311025357.0
申请日：2023-08-14
申请人： 东南大学
IPC分类号： G06V20/40 , G06V20/54 , G06V10/40 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/0985
摘要： 本发明公开了基于深度学习融合网络的高速公路场景中车辆重识别方法，包括：获取图像信息，构建高速公路场景下车辆重识别数据集；针对数据集特征，构建用于车辆重识别的ResNet50‑VRHS、ShuffleNetV2‑VRHS、DenseNet121‑VRHS和DNFM‑RDS融合网络模型；进行模型训练并优化参数，优选DNFM‑RDS融合网络模型进行高速公路场景下的车辆重识别。本发明的有益效果在于：能够有效对高速公路场景下的车辆进行重识别，在损失一定检测速度的情况下提高车辆检测精度，为后续实现高速公路场景监控视频中多目标车辆定位跟踪提供基础。
-
公开(公告)号：CN114445712A
公开(公告)日：2022-05-06
申请号：CN202210113377.2
申请日：2022-01-29
申请人： 东南大学
IPC分类号： G06V20/10 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/40 , G06V10/774 , G06V10/82 , G06V10/762
摘要： 本发明公开了基于改进YOLOv5模型的高速公路路面病害识别方法，包括：在现有成熟的YOLOv5模型基础上，通过对模型特征提取网路进行改进，同时对模型的锚框（anchor）进行重新设计，构造了适用于高速公路路面病害识别的目标检测模型。本发明通过深度学习网络的紧密结合，将其应用于高速公路路面病害识别领域可以大大提高病害识别的效率，对高速公路养护的提供技术支持。
-
公开(公告)号：CN117078718A
公开(公告)日：2023-11-17
申请号：CN202311020638.7
申请日：2023-08-14
申请人： 东南大学
摘要： 本发明公开了基于DeepSORT的高速公路场景中多目标车辆跟踪方法，包括：首先，构建用于评估高速公路场景中多目标车辆跟踪模型的性能的数据集；其次，构建用于高速公路场景中车辆检测的Faster‑RCNN‑VDHS模型、YOLOV5s‑VDHS模型；再次，运动预测与状态估计，通过统计目标对象在之前帧的运动行为和参数来建模估计目标将在未来帧可能到达的位置；然后，构建用于车辆重识别的DNFM‑RDS模型、ResNet50‑VRHS模型、DenseNet121‑VRHS模型和ShuffleNetV2‑VRHS模型，用于提取目标检测框的运动特征和表观特征，并根据特征之间的相似度构建代价矩阵；最后，进行目标车辆关联匹配。本发明的有益效果在于：能够有效的对高速公路场景下的多目标车辆进行跟踪，提高高速公路系统监控的效率，从而促进智慧高速系统的发展。
-
公开(公告)号：CN111366098A
公开(公告)日：2020-07-03
申请号：CN202010216531.X
申请日：2020-03-25
申请人： 东南大学 , 河北省交通规划设计院 , 河南万里交通科技集团无损检测加固技术有限公司
摘要： 本发明公布了一种高速公路路面病害三维信息感知系统，包括：集成了激光器、3D相机、北斗定位系统、路权相机、距离测量仪的传感器系统；集成了协调控制系统、路面三维信息高速采集模型和控制面板软件的高速数据采集与状态检测系统；集成了点云数据存储结构、北斗数据存储机构、路权相机数据存储结构、预设数据存储结构的路面三维数据存储系统。本发明的有益效果在于：能够有效降低人工检测造成的劳动强度大，以及主观性高、漏检率低的问题，同时能够解决二维路面病害检测对轮胎痕迹、阴影和光照不均匀等因素敏感以及无法获取路面病害深度信息所造成的路面病害检测率低的问题，为公路检测、养护提供良好的基础保障。
-
公开(公告)号：CN114445708A
公开(公告)日：2022-05-06
申请号：CN202210110447.9
申请日：2022-01-29
申请人： 东南大学
IPC分类号： G06V20/10 , G06N3/04 , G06N3/08 , G06K9/62 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82
摘要： 本发明公开了基于改进Faster R‑CNN的高速公路路面三维病害识别方法，包括：利用路面三维信息检测车采集存储高速公路路面三维图像并进行数据预处理，构建东南大学高速公路路面病害三维图像数据集；在常规Faster R‑CNN模型基础上，通过对模型特征提取网路进行改进，构造了适用于高速公路路面三维病害识别的目标检测模型。本发明通过深度学习网络的紧密结合，将其应用于高速公路路面病害识别领域可以大大提高病害识别的效率，对高速公路养护的提供技术支持。
-
公开(公告)号：CN111366098B
公开(公告)日：2021-10-19
申请号：CN202010216531.X
申请日：2020-03-25
申请人： 东南大学 , 河北省交通规划设计院 , 河南万里交通科技集团无损检测加固技术有限公司
摘要： 本发明公布了一种高速公路路面病害三维信息感知系统，包括：集成了激光器、3D相机、北斗定位系统、路权相机、距离测量仪的传感器系统；集成了协调控制系统、路面三维信息高速采集模型和控制面板软件的高速数据采集与状态检测系统；集成了点云数据存储结构、北斗数据存储机构、路权相机数据存储结构、预设数据存储结构的路面三维数据存储系统。本发明的有益效果在于：能够有效降低人工检测造成的劳动强度大，以及主观性高、漏检率低的问题，同时能够解决二维路面病害检测对轮胎痕迹、阴影和光照不均匀等因素敏感以及无法获取路面病害深度信息所造成的路面病害检测率低的问题，为公路检测、养护提供良好的基础保障。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.05 秒)
