-
公开(公告)号：CN119919896A
公开(公告)日：2025-05-02
申请号：CN202510009903.4
申请日：2025-01-03
Applicant: 东南大学
Abstract: 本发明公开了基于时间空间融合网络的高速公路场景中车辆跟踪方法，包括：构建高速公路场景下的车辆跟踪数据集；针对特定场景下检测和跟踪的联合解码结构，构建了自注意力新目标检测查询模块，通过缩小检测查询范围，提高检测跟踪精度。针对遮挡问题，在跟踪模型中增加了排斥损失；构建空间引导的跨时间特征聚合模块，利用帧间轨迹差值学习震动引起的随机运动变化规律，考虑同一时刻不同轨迹中车辆的遮挡情况，构建自适应衰退记忆力，自适应更新长期记忆的衰退速率。本发明能够有效对高速公路场景震动和遮挡车辆进行跟踪，解决跟踪过程中存在的车辆漏检问题，提高车辆跟踪精度，为后续实现高速公路场景中多目标车辆跟踪提供基础。
-
公开(公告)号：CN119649133A
公开(公告)日：2025-03-18
申请号：CN202411789193.3
申请日：2024-12-06
Applicant: 东南大学
IPC: G06V10/764 , G06V10/26 , G06T5/50 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了基于深度学习融合模型的公路路面病害感知方法，包括：构建了东南大学公路路面病害图像集；构建用于高速场景中路面病害像素级语义分割的DL‑M‑PDS模型；进行路面病害图像像素级分割信息与原图像融合；构建用于高速公路场景中路面病害感知的FCNN‑PDP模型；进行消融实验，选取用于高速公路场景中路面病害感知性能最好的模型FCNN‑PDP。本发明提出高速场景中公路面病害图像数据集的构建方法，构建基于YOLOv8目标检测网络和DeepLabv3语义分割网络高速场景中路面病害感知方法，从而实现高速公路路面病害的高精度实时检测。
-
公开(公告)号：CN118506334A
公开(公告)日：2024-08-16
申请号：CN202410656867.6
申请日：2024-05-24
Applicant: 东南大学
IPC: G06V20/59 , G06V40/20 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于优化多源线性融合网络的驾驶姿态行为识别方法，包括：构建驾驶姿态行为标准图像数据集RSF‑DPB和ASU‑DPB；研究用于加强网络关键特征提取能力的MCA模块和缩小特征类内距和扩大特征类间距的OLE损失；构建基于优化方法的驾驶姿态行为识别模型A‑ResNet50‑OLE‑DPB，获取一维特征向量FR；构建基于优化方法的驾驶姿态行为识别模型A‑Xception‑OLE‑DPB，获取一维特征向量FX；构建基于优化方法的驾驶姿态行为识别模型A‑FasterNet‑OLE‑DPB，获取一维特征向量FF；将特征向量FR、FX、FF融合，构建优化多源线性融合网络A‑MFN‑OLE‑DPB，在构建的RSF‑DPB和ASU‑DPB数据集上的精度分别达到了98.23％和93.50％，这为提高网络对驾驶姿态行为的识别精度提供了一种可行方法。
-
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
Applicant: 东南大学
IPC: G06V20/40 , G06V20/54 , G06V10/40 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/0985
Abstract: 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：CN116805138A
公开(公告)日：2023-09-26
申请号：CN202310753313.3
申请日：2023-06-25
Applicant: 东南大学
IPC: G06F30/27 , G06Q10/04 , G06Q10/0639 , G06F18/25 , G06F18/214 , G06F18/24 , G06N3/048 , G06N3/0442 , G06N5/01 , G06N20/00
Abstract: 本发明公开了基于先验循环神经网络的高速公路沥青路面使用性能预测方法，包括：构建高速公路路面养护信息矩阵；对高速公路沥青路面使用性能衰变特点与影响因素进行分析，并选取相关特征；构建经典循环神经网络模型RNN‑EAPPP；构建长短时神经网络模型LSTM‑EAPPP；构建门控循环单元神经网络模型GRU‑EAPPP；构建先验经典循环神经网络模型PK‑RNN‑EAPPP；构建先验长短时神经网络模型PK‑LSTM‑EAPPP；构建先验门控循环单元神经网络模型PK‑GRU‑EAPPP；进行对比实验，选取性能最好的模型PK‑GRU‑EAPPP。本发明提出高速公路路面养护信息矩阵构建方法并构建用于高速公路沥青路面使用性能预测模型，对道路养护的数字化、智能化发展具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN115393588A
公开(公告)日：2022-11-25
申请号：CN202211008106.7
申请日：2022-08-22
Applicant: 东南大学
Abstract: 本发明公开了一种基于语义分割网络的高速公路沥青路面病害分割方法，包括：构建高速公路沥青路面图像病害数据集；替换FCN骨干网络为Densenet121和Densenet201，构建用于公路沥青路面病害分割的FCN‑D121‑PDS、FCN‑D201‑PDS网络模型；替换Deeplabv3+骨干网络为Mobilenet和DRN，构建用于公路沥青路面病害分割的DL‑D‑PDS、DL‑M‑PDS网络模型；进行模型训练并优化参数，优选FCN‑D121‑PDS、FCN‑D201‑PDS、DL‑D‑PDS、DL‑M‑PDS网络模型进行高速公路沥青路面病害分割；改进Deeplabv3+网络结构，进一步构建DL‑M1‑PDS、DL‑M2‑PDS公路沥青路面病害分割网络并进行网络优选。本发明提出的基于语义分割网络的高速公路沥青路面病害分割方法，具有较好的公路沥青路面病害的细节信息分割能力，能够提高路面病害分割精度与平均交并比，对高速公路养护智能化发展提供技术支持。
-
公开(公告)号：CN114445709A
公开(公告)日：2022-05-06
申请号：CN202210110628.1
申请日：2022-01-29
Applicant: 东南大学
IPC: G06V20/10 , G06N20/00 , G06N3/04 , G06N3/08 , G06K9/62 , G06V10/774 , G06V10/82 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种基于深度强化学习融合模型的团雾图像识别方法，包括：采用旋转、翻转、裁剪、擦除、平移等方法对高速公路气象图像数据进行在线强化；构建基于强化学习的VGG16气象分类网络模型，获取分类特征向量Fv；构建基于强化学习的InceptionV3气象分类网络模型，获取分类特征向量FI；构建基于强化学习的MobileNetV2气象分类网络模型，获取分类特征向量FM；构建基于深度强化学习气象图像分类融合模型RL‑FDNN，特征向量Fv、FI、FM并联后的概率均值作为的深层网络融合模型的输出层，对团雾信息进行识别分类。本发明将强化学习理论与深度学习紧密结合，从而可以更精准的实现团雾的识别，可对高速公路场景的气候环境感知提供技术支持。
-
公开(公告)号：CN113379656A
公开(公告)日：2021-09-10
申请号：CN202110545689.6
申请日：2021-05-19
Applicant: 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
Abstract: 本发明公开了一种高速公路路面点云智能拼接方法，设计两块有起伏的点云拼接板；对同一高速公路路面通过三维扫描获取三幅点云数据，其中第一幅点云数据与第二幅点云数据存在重叠区域，第三幅点云数据与第二幅点云数据存在重叠区域，在两个重叠区域处各放置一块点云拼接板；提取三幅点云数据中的拼接板部分数据，计算点云数据之间的转换矩阵；利用转换矩阵将三幅点云数据智能拼接成一幅覆盖行车道范围的整体点云数据。本发明解决了二维检测技术精度低以及单个点云数据不能覆盖行车道范围的问题，提高后期路面灾害的提取效率，具有广泛的应用前景和社会价值。
-
公开(公告)号：CN109949575B
公开(公告)日：2020-11-03
申请号：CN201910302135.6
申请日：2019-04-16
Applicant: 东南大学
Abstract: 本发明公开了一种高速公路货车智慧动态称重系统，包括：摄像机、动态称重传感器组、光幕、机柜、语音设备、LED显示屏和物联网传输端。本发明能够有效减少由于路面不平及车辆重心不稳引起的称重偏差，为货车智慧收费系统或货车治超劝返系统提供在线实时服务。
-
公开(公告)号：CN110060363A
公开(公告)日：2019-07-26
申请号：CN201910302067.3
申请日：2019-04-16
Applicant: 东南大学
Abstract: 本发明公开了一种基于“自由交通流”模式的高速公路货车预检计重智慧收费系统，包括：三车道货车预检系统、治超点和无人值守收费站；三车道货车预检系统由三个车道的第一智慧动态称重系统组成；第一智慧动态称重系统包括摄像机、动态称重传感器组、线圈、机柜、LED显示屏和物联网传输端；无人值守收费站由三个车道的第二智慧动态称重系统组成；第二智慧动态称重系统包括摄像机、动态称重传感器组、物联网传输端、光幕、LED显示屏和机柜。本发明能够有效减少由于路面不平及车辆重心不稳引起的称重偏差，为治超部门和高速公路收费系统提供在线实时服务。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.028 seconds)
