-
公开(公告)号：CN113762143A
公开(公告)日：2021-12-07
申请号：CN202111035064.1
申请日：2021-09-05
Applicant: 东南大学
Abstract: 本发明公开了一种基于特征融合的遥感图像烟探测方法，本发明提出的基于特征融合的卷积神经网络主要包括三个部分：主干网络，全局特征分支和局部特征分支；其中主干网络被用作初步的特征提取器；全局特征分支的作用是提取重复纹理等全局特征；局部分支被用于提取局部关键区域内的显著特征；遥感图像中烟具有不同的形状、纹理和范围，兼顾全局特征和局部特征有利于烟的探测；本发明公开的遥感烟探测方法在一个公开遥感数据集上取得了最高的探测精度96.22％。
-
公开(公告)号：CN109409205B
公开(公告)日：2021-11-26
申请号：CN201811045108.7
申请日：2018-09-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于线间距特征点聚类的航拍视频公路车道线检测方法，包括以下步骤：读取视频帧；图像分割处理；从大量数据点中均衡、充分的提取出每条车道线的特征点；基于线间距的相似度度量方式构造相似度矩阵，对不同车道线的特征点聚类；对车道线建立三次B样条模型，利用改进的RANSAC算法对模型进行参数估计；车道线参数修正和预测。本发明对航拍高速公路视频中的高速公路边缘进行检测预处理，减小下一帧的处理时间，有效的去除这些高速公路以外的干扰像素点，对车道线特征点具有更好的聚类效果，能够得到更精确和更稳定的车道线拟合效果，且能够达到实时处理效果。
-
公开(公告)号：CN109409242B
公开(公告)日：2021-11-02
申请号：CN201811143567.9
申请日：2018-09-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于循环卷积神经网络的黑烟车检测方法，针对复杂的路面场景，设计采用长短时间记忆网络融合卷积神经网络提取的静态特征，保持高的捕获率的同时，能保证很低的误检率，稳定可靠。本发明基于前景面积进行过滤，小于一定面积的前景目标，减少了运算量和大量误检；通过引入卷积神经网络进行特征提取，通过自建的大量车尾样本数据集，能提高单帧图像的检测率，同时也保证了单帧静态图像静态特征的有效性；由于设计了长短时间记忆网络，通过组合连续帧的空间特征，挖掘连续车辆尾部图像的时空特征。在保证高检测率的同时，能够降低大量因为阴影等情况造成的误报，这样的方法大大提高了识别精度。
-
公开(公告)号：CN109325426B
公开(公告)日：2021-11-02
申请号：CN201811018281.8
申请日：2018-09-03
Applicant: 东南大学
Abstract: 本发明提供了一种基于三正交平面时空特征的黑烟车检测方法，包括：利用样本一致性背景模型SACON从道路监控视频中提取前景目标，并将图像划分成网格，记录前景目标所在的小方格；从每个前景目标小方格中分别提取时空纹理信息、时空颜色信息和时空形状信息；将时空纹理特征，时空颜色特征和时空形状特征分别输入三个训练好的反向传播神经网络BPNN分类器，通过对分类结果加权融合得到小方格的最终分类结果，结合每帧连通黑烟小方格的个数和连续多帧小方格的分布特点，对当前视频段是否有黑烟车做出判断。本发明能够基于视频分析对当前视频段是否有黑烟车做出判断，进一步提高识别率，降低阴影引起的误报。
-
公开(公告)号：CN109190455B
公开(公告)日：2021-08-13
申请号：CN201810789111.3
申请日：2018-07-18
Applicant: 东南大学
Abstract: 基于高斯混合和自回归滑动平均模型的黑烟车识别方法，包括如下步骤：（1）利用高斯混合模型从道路监控视频中检测车辆运动目标；（2）提取车辆关键区域的三种特征，包括Haar‑like特征，共生矩阵梯度方向直方图特征和局部二值模式傅里叶直方图特征；（3）利用自回归滑动平均模型对每种特征的连续多帧进行建模，得到三个不同模型；（4）对于新的车辆目标，将三个模型分别用于车辆关键区域提取到的三种特征的分类，结合不同特征的分类结果和连续多帧的综合分析，对当前视频段是否有黑烟车做出判断。本发明可以大大节省传统方法消耗的人力和财力，有利于证据的获取和保存，不影响正常交通，能有效的提高执法效率。
-
Patent Agency Ranking
公开(公告)号：CN109191492B
公开(公告)日：2021-07-27
申请号：CN201810754421.1
申请日：2018-07-11
Applicant: 东南大学
Abstract: 本发明公开了一种基于轮廓分析的智能视频黑烟车检测方法，包括如下步骤：(1)利用前景检测算法从道路监控视频中提取运动目标；(2)去除非车辆目标，并对车辆目标进行跟踪；(3)提取车辆目标后方的轮廓，计算基于轮廓的一系列静态特征和动态特征，融合形成一个特征向量；(4)利用SVM分类器对每帧所提特征向量进行分类，通过多帧的分析来识别黑烟车，并自动保留黑烟车的车牌、过车地点、过车时间等证据。能够弥补传统人工监控黑烟车效率低下的不足，降低误报率，有风天气下算法优势更明显。
-
公开(公告)号：CN109086682B
公开(公告)日：2021-07-27
申请号：CN201810754422.6
申请日：2018-07-11
Applicant: 东南大学
Abstract: 本发明公开了一种基于多特征融合的智能视频黑烟车检测方法，包括如下步骤：(1)利用前景检测算法从道路监控视频中提取运动目标，并识别车辆目标；(2)利用积分投影和滤波技术检测车辆尾部位置；(3)提取车尾部后方区域的统计特征、频域特征和一些手工特征，融合形成一个特征向量；(4)利用BP网络分类器对所提特征向量进行分类，识别黑烟帧，从而进一步识别黑烟车。本发明能够提高鲁棒性，更有效的检测黑烟车。
-
公开(公告)号：CN113112474A
公开(公告)日：2021-07-13
申请号：CN202110390047.3
申请日：2021-04-12
Applicant: 东南大学
Abstract: 本发明涉及一种面向道岔与非道岔轨道图像的钢轨定位方法，包括以下步骤：使用高清相机获得铁路轨道的二维图像，并将其转换为灰度图；对当前图像进行预处理，预处理方式包括高斯滤波和直方图均衡；通过直线检测算法提取图像中的所有直线段；将直线段离散为若干点，然后把这些点投影至图像的x轴；最后，采用双滑动窗口遍历图像中的投影数据，就识别出了图像中钢轨的位置。本发明可以快速区分道岔路段图像与非道岔路段图像，能够准确检测出钢轨在图像中的位置。
-
公开(公告)号：CN112132205A
公开(公告)日：2020-12-25
申请号：CN202010987920.2
申请日：2020-09-18
Applicant: 东南大学
Abstract: 本发明公开了一种基于卷积神经网络的遥感图像分类方法。本发明提出的卷积神经网络主要包括三个模块：主干网络模块，多尺度融合模块和分类头模块。其中主干网络模块把输入的RGB遥感图像变为不同分辨率的特征图；多尺度融合模块让主干网络产生的特征图之间进行多尺度融合，进一步提取各分辨率特征图中的语义信息；在分类头模块中，高分辨率的特征图被下采样至最低分辨率的特征图，然后将特征图送入池化层与分类器中，得到分类结果。本发明还在卷积神经网络中引入了空间和通道维度的注意力机制，使得分类结果更加准确。本发明公开的分类方法在一个名叫USTC_SmokeRS的公开遥感数据集上取得了迄今最高的分类精度95.25％。
-
公开(公告)号：CN111932921A
公开(公告)日：2020-11-13
申请号：CN202010493071.5
申请日：2020-06-03
Applicant: 东南大学
IPC: G08G1/0967 , H04N7/18 , G08B7/06 , G08C17/02
Abstract: 本发明提供一种高速公路交通事故预警预测系统通讯方法，在无需加装额外车载设备的前提下解决现有技术在闭环通讯和即时通讯方面的不足，极大地提升通讯效率。首先，在对高速公路行车环境进行全息感知的基础上，当检测到交通隐患或交通违法行为，建立检测设备与预警设备之间的即时通讯，通过声光电预警信号将预警信息发送给机动车驾驶人。机动车驾驶人收到声光电预警信号后对预警事件进行响应，其响应行为通过人工智能视觉检测设备转换成数字信号反馈给主控设备，从而实现在机动车驾驶人与预警预测系统之间建立起闭环式通讯过程。
-
-
-
-
-
-
-
-
-
Search Results
205
records
(took 0.019 seconds)
