公开(公告)号：CN118711147B

公开(公告)日：2025-04-04

申请号：CN202411090235.4

申请日：2024-08-09

Applicant: 无锡学院

Inventor： 阚希 ,  刘旭 ,  周舟 ,  张永宏 ,  王泉 ,  朱灵龙 ,  曹燚 ,  吴昊 ,  娄琼丹 ,  朱雪金 ,  龙鹏燕

IPC: G06V20/54 ,  G06V20/40 ,  G06V10/25 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/94 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/082 ,  G08G1/01

Abstract: 本发明公开了一种基于深度学习的车辆闯红灯监测方法和系统，所述方法包括以下步骤：通过高清摄像头采集交通路口实时监控视频；对实时监控视频进行检测区域划分；通过深度神经网络对划分后的检测区域进行检测；基于划分区域的检测结果对车辆是否闯红灯进行判断。所述系统包括：车辆实时视频采集模块，目标路口区域划分模块，基于深度神经网络的车辆检测模块，红灯显示期间关键帧获取模块，闯红灯行为判断模块，报警模块，信息存储模块和电子设备部署装置。本发明能够对闯红灯的车辆进行识别，并根据车牌照片自动提取车牌信息完成数据存储与报警。

公开(公告)号：CN118918148B

公开(公告)日：2025-03-18

申请号：CN202411411710.3

申请日：2024-10-11

Applicant: 无锡学院

Inventor： 王泉 ,  叶广飞 ,  陈祺东 ,  张永宏 ,  李东明 ,  娄琼丹 ,  阚希 ,  曹燚 ,  吴昊 ,  张帆

IPC: G06T7/246 ,  G06N3/0464 ,  G06N3/082 ,  G06V10/25 ,  G06V10/82 ,  G06V20/17

Abstract: 一种面向无人机视角的交通跟踪检测系统。属于目标跟踪技术领域，具体涉及面向智能交通和无人机视角下的轻量级目标检测和跟踪技术领域。系统包括目标检测模块、目标运动轨迹匹配模块和目标运动轨迹输出模块；目标检测模块：对视频帧图片进行处理，得出跟踪目标对应的检测框和每个检测框对应的置信度得分；目标运动轨迹匹配模块：根据置信度得分对检测框进行划分，划分后将检测框与预测轨迹进行匹配；目标运动轨迹输出模块：当目标运动轨迹匹配模块中将同一帧检测框连续3次与预测轨迹匹配成功后，将所述预测轨迹作为确认态轨迹输出。其解决了以往无人机对于目标的追迹中由于存在小尺寸目标、复杂背景以及遮挡情况而导致的追踪精度低的问题。

公开(公告)号：CN119202819A

公开(公告)日：2024-12-27

申请号：CN202411208624.2

申请日：2024-08-30

Applicant: 无锡学院 ,  江南大学

Inventor： 娄琼丹 ,  邓赵红 ,  王泉 ,  阚希

IPC: G06F18/241 ,  G06F18/23213 ,  G06F18/27 ,  G06N5/04 ,  G06N7/02 ,  G06F18/213

Abstract: 本发明涉及机器学习和数据挖掘领域，具体涉及一种基于模糊规则的长尾多标记分类方法。该方法包括训练阶段和使用阶段两部分。训练阶段包括基于模糊规则的特征变换、基于模糊规则的标记平衡学习、基于模糊规则的标记耦合学习。基于模糊规则的特征变换将多标记的原始特征映射到高维的模糊特征空间，为后续构建模糊特征与标记(尤其是尾标记)之间的映射关系提供了丰富的隐含知识。基于模糊规则的标记平衡学习在为模糊特征空间与标记空间构建映射函数(即损失函数)时，能自适应地为不同标记的学习过程进行加权，以此来减小尾标记的决策偏差。基于模糊规则的标记耦合学习通过为任意两个标记构造耦合来分析它们之间的共现关系。

公开(公告)号：CN118918148A

公开(公告)日：2024-11-08

申请号：CN202411411710.3

申请日：2024-10-11

Applicant: 无锡学院

Inventor： 王泉 ,  叶广飞 ,  陈祺东 ,  张永宏 ,  李东明 ,  娄琼丹 ,  阚希 ,  曹燚 ,  吴昊 ,  张帆

IPC: G06T7/246 ,  G06N3/0464 ,  G06N3/082 ,  G06V10/25 ,  G06V10/82 ,  G06V20/17

Abstract: 一种面向无人机视角的交通跟踪检测系统。属于目标跟踪技术领域，具体涉及面向智能交通和无人机视角下的轻量级目标检测和跟踪技术领域。系统包括目标检测模块、目标运动轨迹匹配模块和目标运动轨迹输出模块；目标检测模块：对视频帧图片进行处理，得出跟踪目标对应的检测框和每个检测框对应的置信度得分；目标运动轨迹匹配模块：根据置信度得分对检测框进行划分，划分后将检测框与预测轨迹进行匹配；目标运动轨迹输出模块：当目标运动轨迹匹配模块中将同一帧检测框连续3次与预测轨迹匹配成功后，将所述预测轨迹作为确认态轨迹输出。其解决了以往无人机对于目标的追迹中由于存在小尺寸目标、复杂背景以及遮挡情况而导致的追踪精度低的问题。

公开(公告)号：CN118711147A

公开(公告)日：2024-09-27

申请号：CN202411090235.4

申请日：2024-08-09

Applicant: 无锡学院

Inventor： 阚希 ,  刘旭 ,  周舟 ,  张永宏 ,  王泉 ,  朱灵龙 ,  曹燚 ,  吴昊 ,  娄琼丹 ,  朱雪金 ,  龙鹏燕

IPC: G06V20/54 ,  G06V20/40 ,  G06V10/25 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/94 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/082 ,  G08G1/01

Abstract: 本发明公开了一种基于深度学习的车辆闯红灯监测方法和系统，所述方法包括以下步骤：通过高清摄像头采集交通路口实时监控视频；对实时监控视频进行检测区域划分；通过深度神经网络对划分后的检测区域进行检测；基于划分区域的检测结果对车辆是否闯红灯进行判断。所述系统包括：车辆实时视频采集模块，目标路口区域划分模块，基于深度神经网络的车辆检测模块，红灯显示期间关键帧获取模块，闯红灯行为判断模块，报警模块，信息存储模块和电子设备部署装置。本发明能够对闯红灯的车辆进行识别，并根据车牌照片自动提取车牌信息完成数据存储与报警。