-
公开(公告)号：CN110894704A
公开(公告)日：2020-03-20
申请号：CN201911120174.0
申请日：2019-11-15
Applicant: 东南大学 , 江苏现代路桥有限责任公司
Abstract: 本发明公布了一种基于无人机的公路路面病害的定位方法，包括：集成了高分辨率视频采集器、5G移动通信终端、北斗卫星定位导航模块的无人机系统；对路面高分辨率影像数据、无人机飞行高度数据、无人机位置信息的获取；依靠5G移动通信技术的检测数据的传输、利用基于改进DPM的路面病害检测模型对路面病害进行检测与定位。本发明的有益效果在于：有效解决了当前路面病害数据获取方法存在的自动化程度低，获取成本高、速度慢以及路面病害检测及定位方法存在的检测效率低、检测精确度波动大、定位过程工作量大、定位自动化程度低等缺点；实用性强，可广泛用于高速公路、国道、其他低等级公路以及城市道路的路面病害检测及定位。
-
公开(公告)号：CN109977786A
公开(公告)日：2019-07-05
申请号：CN201910156046.5
申请日：2019-03-01
Applicant: 东南大学
Abstract: 本发明公开了一种基于视频及肤色区域距离的驾驶员姿态检测方法，该方法通过提取多个样本视频中采样图像的肤色区域，计算肤色区域的质心坐标，将质心坐标转换为特征距离来表征每张图像的特征值，采用聚类算法将一段视频对应的多幅图像的特征值融合为一个特征值；构建BP神经网络，将融合后的特征值和对应的驾驶姿态类别作为训练样本输入BP神经网络，训练得到驾驶员姿态检测模型；在检测时，采集待检测的驾驶员驾驶时的视频，对待检测视频按照上述步骤中的方法计算特征值，计算结果作为驾驶员姿态检测模型的输入，输出为待检测视频的驾驶姿态类别。该方法可以有效提高驾驶人姿态的检测率并实现对驾驶员驾驶行为的识别分类，最终实现对营运驾驶过程的实时预警。
-
公开(公告)号：CN110894704B
公开(公告)日：2024-11-19
申请号：CN201911120174.0
申请日：2019-11-15
Applicant: 东南大学 , 江苏现代路桥有限责任公司
Abstract: 本发明公布了一种基于无人机的公路路面病害的定位方法，包括：集成了高分辨率视频采集器、5G移动通信终端、北斗卫星定位导航模块的无人机系统；对路面高分辨率影像数据、无人机飞行高度数据、无人机位置信息的获取；依靠5G移动通信技术的检测数据的传输、利用基于改进DPM的路面病害检测模型对路面病害进行检测与定位。本发明的有益效果在于：有效解决了当前路面病害数据获取方法存在的自动化程度低，获取成本高、速度慢以及路面病害检测及定位方法存在的检测效率低、检测精确度波动大、定位过程工作量大、定位自动化程度低等缺点；实用性强，可广泛用于高速公路、国道、其他低等级公路以及城市道路的路面病害检测及定位。
-
Patent Agency Ranking
公开(公告)号：CN114170695A
公开(公告)日：2022-03-11
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
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：CN111460996B
公开(公告)日：2022-02-15
申请号：CN202010244452.X
申请日：2020-03-31
Applicant: 东南大学
IPC: G06V20/52 , G06V20/62 , G06V30/148 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于极限学习深度网络融合模型的货车车辆号牌识别方法，包括以下步骤：采用高速公路监控相机获取货车图像，对货车图像采用可变形部件模型、进行货车车辆号牌定位，基于比例分割方法对定位得到的货车车辆号牌进行字符分割，构建货车车辆号牌字符图像集；对车辆号牌字符图像进行特征提取；对车辆号牌字符图像进行特征提取；对车辆号牌字符图像进行特征提取；构建基于极限学习深度网络融合模型；采用训练好的基于极限学习的深层网络融合模型对输入车辆号牌图像进行货车车辆号牌的识别分类。优点是：本发明的性能优于传统的HOG+SVM以及极限学习InceptionV3模型、极限学习XceptionV3模型和极限学习NASNet模型，其识别率达到98.18％。
-
公开(公告)号：CN109977786B
公开(公告)日：2021-02-09
申请号：CN201910156046.5
申请日：2019-03-01
Applicant: 东南大学
Abstract: 本发明公开了一种基于视频及肤色区域距离的驾驶员姿态检测方法，该方法通过提取多个样本视频中采样图像的肤色区域，计算肤色区域的质心坐标，将质心坐标转换为特征距离来表征每张图像的特征值，采用聚类算法将一段视频对应的多幅图像的特征值融合为一个特征值；构建BP神经网络，将融合后的特征值和对应的驾驶姿态类别作为训练样本输入BP神经网络，训练得到驾驶员姿态检测模型；在检测时，采集待检测的驾驶员驾驶时的视频，对待检测视频按照上述步骤中的方法计算特征值，计算结果作为驾驶员姿态检测模型的输入，输出为待检测视频的驾驶姿态类别。该方法可以有效提高驾驶人姿态的检测率并实现对驾驶员驾驶行为的识别分类，最终实现对营运驾驶过程的实时预警。
-
公开(公告)号：CN111428735A
公开(公告)日：2020-07-17
申请号：CN202010194482.4
申请日：2020-03-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于迁移学习深层网络融合模型的货车品牌类型识别分类方法，包括：采用基于边缘方向直方图的可变形部件模型对货车图像进行货车车脸检测；构建Inception V3-MMD网络模型，并基于车脸图像获取车辆品牌特征向量FI；构建Xception-MMD网络模型，并基于车脸图像获取车辆品牌特征向量FX；构建DenseNet-201-MMD网络模型，并基于车脸图像获取车辆品牌特征向量FD；得到车辆品牌融合特征向量FC；构建基于最大均值差异迁移学习的深层网络融合模型的输出层，并根据获取的车型融合特征向量FC对货车品牌进行识别分类。本发明将迁移学习理论与深度学习紧密结合，从而可以更精准的实现多种类型货车车辆品牌的分类，可对高速公路场景中货车智慧收费系统提供技术支持。
-
公开(公告)号：CN110070727A
公开(公告)日：2019-07-30
申请号：CN201910302132.2
申请日：2019-04-16
Applicant: 东南大学
Abstract: 本发明公开了一种无匝道的高速公路治超劝返系统，包括：两车道预检系统、无人值守高速公路入口和无人值守高速公路出口。本发明能够有效减少由于路面不平及车辆重心不稳引起的称重偏差，且有效劝返超重货车，使非超重货车正常通行，且为治超部门和高速公路收费系统提供在线实时服务。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.016 seconds)
