-
公开(公告)号：CN101794383B
公开(公告)日：2012-10-10
申请号：CN201010122692.9
申请日：2010-03-12
申请人： 清华大学
摘要： 基于隐马尔科夫模型(HMM)的拥塞交通场景的视频车辆检测方法，属于基于视频的智能交通车辆检测领域。本发明利用基于虚拟线圈的方法和HMM，利用车流固有的特征来解决拥塞场景下的视频车辆检索问题。将区域内图像划分为车头、车身和路面三种状态；利用Haar小波变换和主成份分析(PCA)和多元判决分析(MDA)等进行特征提取；对模型进行训练；对状态序列进行修正，从而改善方法的检测效率；对得到的状态序列进行分析，通过寻找序列中的“车头-车身”段来达到车辆检测的目标。本发明利用HMM来描述车流的特征，解决了拥塞条件下车辆视频检测问题；整个方法实现容易，结构简单，很适合于实时应用。
-
公开(公告)号：CN101794383A
公开(公告)日：2010-08-04
申请号：CN201010122692.9
申请日：2010-03-12
申请人： 清华大学
摘要： 基于隐马尔科夫模型(HMM)的拥塞交通场景的视频车辆检测方法，属于基于视频的智能交通车辆检测领域。本发明利用基于虚拟线圈的方法和HMM，利用车流固有的特征来解决拥塞场景下的视频车辆检索问题。将区域内图像划分为车头、车身和路面三种状态；利用Haar小波变换和主成份分析(PCA)和多元判决分析(MDA)等进行特征提取；对模型进行训练；对状态序列进行修正，从而改善方法的检测效率；对得到的状态序列进行分析，通过寻找序列中的“车头-车身”段来达到车辆检测的目标。本发明利用HMM来描述车流的特征，解决了拥塞条件下车辆视频检测问题；整个方法实现容易，结构简单，很适合于实时应用。
-
公开(公告)号：CN103970072B
公开(公告)日：2016-06-29
申请号：CN201410225173.3
申请日：2014-05-26
申请人： 清华大学
IPC分类号： G05B19/406
摘要： 本发明涉及一种器械设备的工作状态检测方法，属于机械工程和信息技术交叉领域。本发明首先获取器械设备的工作状态流程图作为既定流程，并得到其变迁紧邻关系集合TAR1，再从器械设备的指令集中提取变迁紧邻关系集合TAR2，最终通过TAR1和TAR2的相似性判断器械设备是否有异常状态，若相似度小于1-Φ(Φ为器械设备的工作状态可容忍异常阈值)，则判定器械设备的工作状态异常，否则正常。本发明工作状态检测方法，指令和实际行为的对应比较简单，因此本方法的实现简单易行；本方法通过一般的计算机设备可以在几秒钟内计算出结果，因此对于器械设备的工作状态检测，可以实时而且精确。本方法可以同时实现对多个器械设备工作状态的检测。
-
公开(公告)号：CN103970072A
公开(公告)日：2014-08-06
申请号：CN201410225173.3
申请日：2014-05-26
申请人： 清华大学
IPC分类号： G05B19/406
摘要： 本发明涉及一种器械设备的工作状态检测方法，属于机械工程和信息技术交叉领域。本发明首先获取器械设备的工作状态流程图作为既定流程，并得到其变迁紧邻关系集合TAR1，再从器械设备的指令集中提取变迁紧邻关系集合TAR2，最终通过TAR1和TAR2的相似性判断器械设备是否有异常状态，若相似度小于1-Φ(Φ为器械设备的工作状态可容忍异常阈值)，则判定器械设备的工作状态异常，否则正常。本发明工作状态检测方法，指令和实际行为的对应比较简单，因此本方法的实现简单易行；本方法通过一般的计算机设备可以在几秒钟内计算出结果，因此对于器械设备的工作状态检测，可以实时而且精确。本方法可以同时实现对多个器械设备工作状态的检测。
-
-
-
搜索结果
4 条记录 (耗时 0.02 秒)