公开(公告)号：CN109753949B

公开(公告)日：2022-08-12

申请号：CN201910097579.0

申请日：2019-01-31

Applicant: 南京邮电大学

Inventor： 季一木 ,  毕强 ,  刘尚东 ,  吴飞 ,  孙静 ,  焦志鹏 ,  王娜 ,  陈治宇 ,  田鹏浩

IPC: G06V20/58 ,  G06V10/764 ,  G06K9/62

Abstract: 本发明公开了一种基于深度学习的多视窗交通标志检测方法，首先通过仿射变换在不同的照明条件和方向上提供其他交通标志图片，然后利用扩充的数据集训练基于YOLO框架的交通标志检测模型，最后利用多视窗YOLO模型对输入图像进行分区域操作，对每个区域分别检测，并将检测结果进行融合，得到最终检测结果。本发明保证了需要进行交通标志检测的应用领域在进行交通标志检测时的准确性，不仅能提高交通安全性，同时也保证了交通运行效率，具有较高的研究意义。

公开(公告)号：CN109635793A

公开(公告)日：2019-04-16

申请号：CN201910097865.7

申请日：2019-01-31

Applicant: 南京邮电大学

Inventor： 王传栋 ,  王娜 ,  季一木 ,  刘尚东 ,  吴飞 ,  孙静 ,  焦志鹏 ,  毕强 ,  陈治宇 ,  田鹏浩

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06K9/00362 ,  G06N3/0454 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络的无人驾驶行人轨迹预测方法，包括处理样本数据、获取输入信息序列、构建并优化网络、测试及评估最优模型。将无人驾驶车辆上的视觉传感器采集到的实时视频，分割成以帧为单位的图像作为样本数据，将样本数据中即将通过斑马线的目标人群划分成三类，从样本中获取行人位置‑比例信息序列、行人骨架信息序列、视觉传感器自身运动序列，再将信息序列输入卷积神经网络进行训练，得到初步的预测模型，经过测试和评估，最终输出预测轨迹和动作类别。本发明采用卷积神经网络进行无人驾驶行人轨迹预测，可以有效降低无人驾驶车辆在道路行驶过程中碰撞行人发生的概率。

公开(公告)号：CN109753949A

公开(公告)日：2019-05-14

申请号：CN201910097579.0

申请日：2019-01-31

Applicant: 南京邮电大学

Inventor： 季一木 ,  毕强 ,  刘尚东 ,  吴飞 ,  孙静 ,  焦志鹏 ,  王娜 ,  陈治宇 ,  田鹏浩

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于深度学习的多视窗交通标志检测方法，首先通过仿射变换在不同的照明条件和方向上提供其他交通标志图片，然后利用扩充的数据集训练基于YOLO框架的交通标志检测模型，最后利用多视窗YOLO模型对输入图像进行分区域操作，对每个区域分别检测，并将检测结果进行融合，得到最终检测结果。本发明保证了需要进行交通标志检测的应用领域在进行交通标志检测时的准确性，不仅能提高交通安全性，同时也保证了交通运行效率，具有较高的研究意义。