公开(公告)号：CN118711144A

公开(公告)日：2024-09-27

申请号：CN202410703165.9

申请日：2024-06-03

Applicant: 东南大学

Inventor： 赵池航 ,  张蓝戈 ,  黄雅欣

IPC: G06V20/54 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06V20/70 ,  G06N3/045

Abstract: 本发明公开了一种基于改进卷积神经网络的营运公路交通标志感知方法，包括：构建营运公路场景交通标志图像数据集；根据营运公路场景交通标志图像数据集，构建用于营运公路场景交通标志检测的Faster R‑CNN‑DTS‑OH模型、SSD‑DTS‑OH模型、EfficientDet‑DTS‑OH模型、YOLOv5‑DTS‑OH模型，用于获取检测框坐标；基于获取的检测框数据，构建营运公路交通标志分类数据集；根据营运公路交通标志分类数据集，构建用于营运公路场景交通标志分类的YOLOv5‑FBN‑CTS‑OH模型、YOLOv7‑FBN‑CTS‑OH模型、YOLOv8‑FBN‑CTS‑OH模型、YOLOv5‑RFB‑PPM‑CTS‑OH模型、YOLOv7‑RFB‑PPM‑CTS‑OH模型和YOLOv8‑RFB‑PPM‑CTS‑OH模型，用于获取到营运公路场景交通标志分类结果。本发明构建的营运公路场景交通标志检测和识别模型有助于交通管理部门进行道路设施的维护，提高驾驶人员在营运公路场景当中的安全性，减少交通事故的发生。

公开(公告)号：CN118711143A

公开(公告)日：2024-09-27

申请号：CN202410703161.0

申请日：2024-06-03

Applicant: 东南大学

Inventor： 赵池航 ,  王珺珺 ,  邓文浩

IPC: G06V20/54 ,  G06V10/46 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06T7/277 ,  G06T7/20

Abstract: 本发明公开了一种基于改进DeepSort框架的隧道场景中车辆跟踪方法，包括：设计用于提取关键特征信息的通道空间融合注意力机制CA；构建基于通道空间融合注意力机制CA的隧道场景中车辆检测模型YOLOv5‑AM‑VD‑TS；运动预测与状态估计；设计用于提高网络特征提取能力的通道注意力机制SE；构建隧道场景中车辆重识别模型IResNet50‑VRI‑TS；目标车辆关联匹配：将目标关联问题转换为求解最优匹配的问题，对帧与帧之间各个目标进行最优匹配；构建基于改进DeepSort框架的隧道场景中车辆跟踪模型DTM‑YAVT‑IVT，进行车辆跟踪。本发明针对车辆检测模型和重识别模型现存问题进行改进，提高了隧道监控系统的实时性和准确性，对智慧交通系统发展具有重要意义。

公开(公告)号：CN118587543A

公开(公告)日：2024-09-03

申请号：CN202410727408.2

申请日：2024-06-06

Applicant: 东南大学

Inventor： 赵池航 ,  解兴鹏 ,  李旋 ,  邓文浩

IPC: G06V10/80 ,  G06V10/774 ,  G06V10/40 ,  G06V10/46 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于投票体素融合网络的高速公路场景中三维点云车辆检测方法，包括如下步骤：S1、构建高速公路场景中的三维点云车辆检测数据集KITTI‑Car‑Weather，包括常规、雾天、雨天和雪天；S2、针对数据集特征和检测任务要求，构建用于公路场景中三维点云车辆检测的FN‑DHV‑VDHS网络模型；S3、模型训练及参数优化，构建多天气条件的实验结果评价指标，分别对基于体素网络融合深度霍夫投票的公路场景中三维点云车辆检测方法的检测平均精准度、检测速度和鲁棒性进行评估。本发明构建的模型性能和鲁棒性优于其他常用的车辆检测网络，在公路场景中车辆检测平均精准度达到(93.86,84.49,83.40)，检测帧率达到20.5Hz。在多天气条件下的相对腐蚀误差只有73.29％。

公开(公告)号：CN113743537B

公开(公告)日：2024-07-09

申请号：CN202111127850.4

申请日：2021-09-26

Applicant: 东南大学

Inventor： 赵池航 ,  刘洋 ,  钱子晨

IPC: G06F18/2411 ,  G06F18/10 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/084 ,  G06F18/23

Abstract: 本发明公开了基于深层稀疏记忆模型的高速公路机电系统故障分类方法，包括：获取高速公路机电系统的数据采集与监控系统SCADA所采数据，进行数据预处理；构建基于双层栈式稀疏自编码器+SVM的跳闸故障检测模型，对高速公路机电系统电气量参数进行特征提取和故障检测，输出故障时刻；构建改进FSS‑LSTM网络模型，对系统的故障时刻数据进行故障状态分类，输出故障类。本发明通过稀疏学习和深度神经网络的紧密结合，提高分类效率，并且更精准的实现多种故障的分类，对高速公路场景中机电系统的运维提供技术支持。

公开(公告)号：CN116524481A

公开(公告)日：2023-08-01

申请号：CN202210943795.4

申请日：2022-08-08

Applicant: 东南大学

Inventor： 赵池航 ,  苏子钧 ,  化丽茹 ,  吴宇航 ,  马欣怡

IPC: G06V20/62 ,  G06V30/19 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公布了基于卷积神经网络模型的字符非分割模式车牌识别方法，包括：基于异常天气状况下的高速整车图像，对车牌区域进行检测并构建高速公路车牌图像集；研究字符非分割模式车牌识别框架，优选基于CB损失函数的多分类字符非分割模式车牌识别框架进行模型构造；构建卷积神经网络模型进行车牌的特征提取，优选InceptionV3‑LPR‑CB、ResNet50‑LPR‑CB、ResNeXt‑LPR‑CB和SENet‑LPR‑CB卷积神经网络模型完成车辆号牌的识别。本发明的有益效果在于：构建符合真实高速场景且适用于神经网络学习的车牌图像集，提供非分割模式下的车辆号牌识别框架，同时选用结构合理的卷积神经网络模型，完成对车辆号牌的自动识别，提升了车牌识别的准确率与速度的同时，也给车辆号牌识别提供了有效的新思路。

公开(公告)号：CN116524480A

公开(公告)日：2023-08-01

申请号：CN202210943681.X

申请日：2022-08-08

Applicant: 东南大学

Inventor： 赵池航 ,  化丽茹 ,  苏子钧 ,  吴宇航 ,  马欣怡

IPC: G06V20/62 ,  G06V20/54 ,  G06V10/82 ,  G06V30/19 ,  G06V10/80 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048

Abstract: 本发明公开了一种基于深度学习融合网络的字符非分割模式车牌识别方法，包括以下步骤：对高速整车图像的车牌区域进行检测并构建高速公路车牌图像集；基于基于CTC损失函数与ResNet50‑LPR卷积神经网络block1、block3、block5这三层输出的车辆号牌图像特征向量进行串联融合，构建融合模型FResNet50；基于车牌识别的注意力编码方式，在FResNet50融合模型后添加注意力编码模块，完成FResNet50‑Attention深度学习融合网络模型的构建；使用高速公路车牌图像集对构建好的FResNet50‑Attention卷积神经网络模型进行训练，最终完成对车辆号牌的识别。本发明的识别性能优于单一的ResNet50‑LPR卷积神经网络和传统融合方式下的FResNet50卷积神经网络融合模型，其对于整副车牌的识别准确率达到了93.224％。

公开(公告)号：CN116403179A

公开(公告)日：2023-07-07

申请号：CN202310354520.1

申请日：2023-04-04

Applicant: 东南大学 ,  河北交通职业技术学院

Inventor： 赵池航 ,  解兴鹏 ,  李旋 ,  石鑫 ,  薛善光 ,  苏子钧 ,  吴宇航 ,  马欣怡

IPC: G06V20/56 ,  G01S17/931 ,  G06V10/80 ,  G07C5/00 ,  G07C5/08

Abstract: 本发明公布了基于雷视多源数据深度融合的车辆全息感知及风险行为识别系统，包括：集成了路侧激光雷达、视频感知器及高清抓拍相机融合的雷视融合车辆信息感知层；基于边缘计算服务器的车辆全息识别与风险行为辨识边缘计算层；基于智慧门架协同与融合运算的云端中心处理服务器层；集成了车辆全息感知、高精度车辆轨迹追踪、车辆风险识别以及统计分析的应用软件层。发明的有益效果在于：能够将激光雷达信息与视频图像信息融合，实现复杂公路场景下车辆风险行为识别，并根据风险行为识别结果获取对应车辆全息感知数据，对全路段风险行为区域统计分析及风险车辆追踪，为道路安全监测系统提供高精度、高可靠性的车辆信息感知及风险行为识别的功能。

公开(公告)号：CN114170695B

公开(公告)日：2023-06-06

申请号：CN202111407558.8

申请日：2021-11-24

Applicant: 山东高速股份有限公司 ,  东南大学

Inventor： 崔建 ,  康传刚 ,  马晓刚 ,  陈雪珲 ,  曹蓉 ,  赵池航 ,  化丽茹 ,  李昊 ,  刘洋 ,  苏子钧 ,  吴宇航

IPC: G07B15/06

Abstract: 本发明公布了基于车辆全息感知与OBU信息融合的智慧收费系统，包括：集成了激光雷达、视频感知器、RSU、交易检测设备的车辆全息与OBU融合系统的信息感知层；基于边缘计算服务器的车辆全息识别与检索边缘计算层；基于智慧门架协同与融合运算的云端中心处理服务器层；集成了ETC收费及稽查功能的应用软件层。本发明的有益效果在于：能够将车辆全息信息与OBU信息融合，获取高速公路场景中过路车辆全息信息以及车辆OBU与门架RSU的交易情况，并根据多源信息检索到未交易成功的车辆，能够实现门架间的智慧协同及融合运算，以减少ETC收费的逃、漏费率，并实现逃费车辆稽查功能，为公路收费管理提供良好的基础保障。

公开(公告)号：CN115964483A

公开(公告)日：2023-04-14

申请号：CN202210857806.7

申请日：2022-07-20

Applicant: 东南大学

Inventor： 赵池航 ,  许朦升 ,  刘洋 ,  冯玉荣

IPC: G06F16/35 ,  G06F18/2431 ,  G06N3/04 ,  G06N3/084 ,  G06N20/00 ,  G06Q50/26

Abstract: 本发明公开了一种基于神经网络的高速公路养护大数据分类决策方法，包括：研究分析了高速公路养护系统中的大数据分析技术；基于机器学习高速公路养护数据处理方法，采用NLP词袋模型对高速公路中文本类的数据进行规格化处理，通过对文本类数据进行词频统计之后得到词频特征，将其词袋化之后转化成数值形式，采用自编码器模型对数据进行降维处理；采用人工标签将养护建议分为三类，构建了用于高速公路养护大数据分类决策的梯度提升决策树分类模型，将对分类决策的影响因素从传统仅考虑路面使用性能增加到同时考虑路面使用性能、车道数两种基础数据以及历史养护数据。本发明对路面养护数据进行处理和分类决策，对高速公路养护决策系统提供技术支持。

公开(公告)号：CN115731436A

公开(公告)日：2023-03-03

申请号：CN202211154277.0

申请日：2022-09-21

Applicant: 东南大学

Inventor： 赵池航 ,  吴宇航 ,  李昊 ,  苏子钧 ,  马欣怡

IPC: G06V10/80 ,  G06V10/774 ,  G06V10/74 ,  G06V20/56 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习融合模型的高速公路车辆图像检索方法，包括如下步骤：S1、采用基于Faster‑RCNN的目标检测切割模型构建车辆检索图像数据集；S2、采用DenseNet121、ResNet50与VGG16网络作为检索网络，构建多种不同的基于单特征多网络融合深度学习模型车辆图像检索模型与多网络多特征融合深度学习模型车辆图像检索模型进行图像检索；S3、构建基于深度学习融合模型的实验结果评价指标，分别对基于深度学习融合模型的高速公路车辆图像检索方法的检索精确度与检索时效性进行评估。本发明构建的模型性能优于单网络模型，在高速公路场景中检索正确率均高于97％，且平均检索时间并未明显增加。