公开(公告)号：CN116704462A

公开(公告)日：2023-09-05

申请号：CN202310664170.9

申请日：2023-06-06

Applicant: 长安大学

Inventor： 王伟 ,  唐心瑶 ,  赵春辉 ,  周楷 ,  尹达 ,  席刘钢 ,  刘佳欣 ,  张旭

IPC: G06V20/56 ,  G06V10/22 ,  G06V10/774

Abstract: 本申请涉及一种单目路侧相机视角下基于Hourglass网络的地平线检测方法，该方法能够更快速的获取实时地平线信息，同时可以有效的规避因噪声对地平线检测算法的干扰；此外，使用Hourglass能够有效快速的对输入图像进行多尺度特征提取和融合，进而实现对交通等复杂场景中地平线信息的提取。

公开(公告)号：CN118351574A

公开(公告)日：2024-07-16

申请号：CN202410563439.9

申请日：2024-05-08

Applicant: 长安大学

Inventor： 王伟 ,  尹达 ,  席刘钢 ,  徐悦 ,  段可然 ,  沈振海 ,  崔华 ,  刘佳欣 ,  张旭

IPC: G06V40/10 ,  G06V20/64 ,  G06V20/52 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明属于智能交通技术领域，公开了一种改进SMOKE的路测视角下的行人三维实时检测方法及装置，该方法包括根据需求确定行人三维信息，行人三维信息确认后进行图片采集，之后对采集的图片进行标定和数据筛选，生成行人三维检测数据集，根据三维检测数据集对行人三维检测网络模型进行优化检测精度，所述行人三维检测网络模型对行人进行实时监测；行人三维检测网络模型为改进的SMOKE的目标检测检测模型，包括数据增广、GC注意力机制模块、损失函数和形变卷积，解决路测相机无法直接获取行人空间形态的技术问题，行人三维检测数据集相比于以往的三维标签数据具有更少的约束参数，有利于提高网络检测速度和降低网络检测难度。

公开(公告)号：CN119478848A

公开(公告)日：2025-02-18

申请号：CN202410839337.5

申请日：2024-06-26

Applicant: 长安大学

Inventor： 王伟 ,  席刘钢 ,  尹达 ,  兰静波 ,  沈振海 ,  向婉妮 ,  刘佳欣 ,  张旭

IPC: G06V20/54 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明属于智能交通技术领域，公开了一种改进CenterNet的路侧视角下的车辆三维形态检测方法及装置，该方法包括使用路侧相机对路侧相机进行拍摄，获取路侧相机的相机参数和相机坐标下的地平面方程，将拍摄的图片输入到车辆三维检测网络模型，得到热力图、中心点偏移、关键点偏移和消失点，再转换到相机坐标系下的三维坐标，获得车辆三维形态，使得车辆的三维形态检测可以在实时场景中应用，有助于提高检测速度，为智能交通系统提供快速响应能力，解决现有的车辆检测方法通常依赖模版匹配、多传感器融合以及复杂的深度学习网络，在成本效益、精度和实时性存在一定的局限性以及大多数检测技术通过车载摄像头获取信息，与路侧相机相比感知范围较小的技术问题。

公开(公告)号：CN118015243A

公开(公告)日：2024-05-10

申请号：CN202410154824.8

申请日：2024-02-04

Applicant: 长安大学

Inventor： 王伟 ,  向婉妮 ,  崔华 ,  沈振海 ,  席刘钢 ,  刘佳欣 ,  尹达 ,  张旭 ,  刘姝含

IPC: G06V10/20 ,  G06V10/82 ,  G06V20/54 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80

Abstract: 本发明公开了一种基于YOLOv5轻量级道路病害检测方法，具体包括以下步骤：步骤1，获取道路病害数据集；步骤2，对道路病害数据集进行预处理，将预处理后的道路病害数据集按比例划分为训练集、验证集和测试集；步骤3，构建基于YOLOv5网络的检测模型；所述的基于YOLOv5网络的检测模型包括依次相连的Backbone、Neck和Head；基于YOLOv5轻量级道路病害检测模型以YOLOv5网络为基础，对模型中backbone与neck两部分做适合于道路病害检测的改进；YOLOv5网络通过控制深度和宽度两个因子以改变模型复杂度；采用depth_multiple系数以控制模型的深度，在Bottleneck层中使depth_multiple系数可以控制卷积层的卷积核个数，从而调整模型的深度，通过调整这两个因子的大小，可以改变模型的复杂度和检测精度。

公开(公告)号：CN116824206A

公开(公告)日：2023-09-29

申请号：CN202310439035.4

申请日：2023-04-21

Applicant: 长安大学

Inventor： 王伟 ,  唐心瑶 ,  周楷 ,  赵春辉 ,  尹达 ,  席刘钢 ,  刘佳欣 ,  张旭 ,  刘昌法 ,  曾嘉怡 ,  翁康怡

IPC: G06V10/764 ,  G06V10/25 ,  G06V10/774 ,  G06V10/42 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于CenterNet的DM码关键点检测模型构建方法和检测方法，首先对DM码进行多尺度、多角度拍摄获取图像集，标注图像DM码类型信息以及四个角点的位置信息，然后基于CenterNet目标检测网络进行改进，将检测头设计为适用于DM码关键点检测的形式，设计DM码几何约束的损失函数进一步优化DM码关键点学习，同时在训练过程的数据增强中使用透视变换模拟相机视角变化，训练获得检测模型，以能直接获取图像中DM码的4个关键点位置信息，从而精确定位DM码。本发明能更加准确定位DM码关键点，提升检测多边形与DM码的贴合程度，减少由于非精确定位带来的后处理部分计算量，降低了处理时间。