-
公开(公告)号：CN118097570B
公开(公告)日：2024-09-20
申请号：CN202311541737.X
申请日：2023-11-14
Applicant: 北京交通大学
Abstract: 本发明提供一种像素级轨道交通场景理解方法及系统，属于轨道交通安全运营控制技术领域，使用轻量双分支融合骨干网络对输入图像进行连续下采样操作，提取图像特征；将骨干网络提取到的特征图输入双向特征金字塔池化网络，获得多尺度感受野和深层语义特征，利用多任务多尺度损失函数从像素和边缘角度进一步优化该方法的场景理解效果。本发明轻量双分支融合骨干网络可以更快更有效地提取图像特征，双向特征金字塔池化网络从多尺度角度提取了语义特征，多任务多尺度的损失函数从边缘与像素两个角度监督该方法的学习过程，优化了场景理解方法的效果，在不增加推理时间的前提下提高了模型的理解准确率。
-
公开(公告)号：CN112464701A
公开(公告)日：2021-03-09
申请号：CN202010870314.2
申请日：2020-08-26
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于轻量化特征融合SSD的人员是否佩戴口罩检测方法。该方法包括：收集、整理各个场景人员佩戴口罩与不佩戴口罩的图像，构建口罩检测图像数据集；构建以EfficientNet‑B3为骨干网络的特征提取模块，提取出三层特征图；对三层特征图通过Concat级联和归一化处理，得到轻量化特征融合SSD算法检测器的前三层特征图；对第三层特征图连续做卷积运算，得到轻量化特征融合SSD算法检测器的后三层特征图，对轻量化特征融合SSD算法检测器进行训练；对轻量化特征融合SSD算法检测器输入待检测图像，实时输出是否佩戴口罩结果。本发明的方法提高了小人脸的检测准确率，运行内存小、检测速度快、模型小，可以实时检测监控图像中众多小人脸是否佩戴口罩。
-
公开(公告)号：CN111582068A
公开(公告)日：2020-08-25
申请号：CN202010322202.3
申请日：2020-04-22
Applicant: 北京交通大学
Abstract: 本发明提供了一种人员口罩佩戴状态检测方法。该方法包括：利用一定数量的佩戴口罩和不佩戴口罩的人脸图像构建口罩佩戴训练数据集，使用口罩佩戴训练数据集训练SSD目标检测算法，得到口罩佩戴检测模型；利用一定数量的监测区域场景的图像构建监测区域场景的口罩佩戴训练数据集，利用口罩佩戴训练数据集训练所述口罩佩戴检测模型，得到适用于监测区域场景的训练好的口罩佩戴检测模型；将待检测的监测区域场景的图像输入训练好的口罩佩戴检测模型，输出图像中的人员口罩佩戴状态检测结果。本发明优化SSD网络的检测框长宽比和学习率，并使用迁移学习的手段优化口罩检测模型，结合Haar级联分类器，人员口罩佩戴状态的检测准确率可达到98.2％。
-
公开(公告)号：CN119598652A
公开(公告)日：2025-03-11
申请号：CN202411644839.9
申请日：2024-11-18
Applicant: 北京交通大学
Abstract: 本发明提供一种面向车轨协同的轨道交通线路监控传感器布设优化方法及系统，属于轨道交通系统监控优化技术领域。基于监控传感器感知算法对异常事件的感知准确率，确定车轨协同下监控传感器对异常事件的联合感知准确率；根据车轨协同下监控传感器对异常事件的联合感知准确率，计算轨旁监控传感器的布设间距和布设数量；根据感知准确率阈值允许的最大监控传感器布设间距，对区域交界处距离较近的轨旁监控传感器进行优化。本发明充分考虑了监控传感器感知边界、感知准确率、布设成本等因素，并针对区域交界处轨旁监控传感器太近而造成的资源浪费现象，在保证监控传感器对于线路异常事件高感知准确率的前提下有效降低了监控传感器布设成本，更加经济。
-
公开(公告)号：CN117496349A
公开(公告)日：2024-02-02
申请号：CN202311480411.0
申请日：2023-11-08
Applicant: 北京交通大学
IPC: G06V20/10 , G06V10/44 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种轨道扣件异常检测方法及系统，属于基于计算机的轨道扣件异常检测技术领域，使用高精度三维线扫激光采集设备扫描轨道扣件，采集配准成对的扣件深度图和灰度图；使用基于像元级的维度互补式图像融合方法，高效融合深度图与对应的灰度图，构建轨道扣件融合数据集；构建特征融合‑解耦模块，实现骨干网络的多维度特征融合和任务解耦；采用检测准确率指标引导的损失函数再权重方式，在训练过程中不断调整类别权重矩阵，从而实现轨道扣件异常检测。本发明提供基于多源数据融合的轨道扣件异常状态检测方法，可有效利用多源数据信息，解决了仅依靠二维视觉易受到表面锈蚀和污渍干扰所造成误判的问题，实现了轨道扣件异常状态的准确检测。
-
Patent Agency Ranking
公开(公告)号：CN116626706A
公开(公告)日：2023-08-22
申请号：CN202310535525.4
申请日：2023-05-12
Applicant: 北京交通大学
IPC: G01S17/931 , G06T3/40 , G06T7/13 , G01S17/894
Abstract: 本发明提供一种轨道交通隧道侵限检测方法及系统，属于轨道交通异物侵限检测技术领域，获取扫描轨道交通隧道场景，采集隧道点云数据；通过点云滤波对隧道点云数据进行预处理，得到不同距离下隧道截面点云数据；通过构造二维限界框和拟合缩放比例，构建动态三维隧道限界体；采用基于自适应阈值的匹配机制，将动态三维隧道限界体与隧道点云数据进行匹配，不与限界体匹配的点云即为侵限点云。本发明通过构建二维限界框和拟合缩放比例构建动态三维隧道限界体，同时利用自适应阈值匹配机制实现远距离隧道限界入侵的准确判断，解决了隧道内暗光导致的侵限检测精度低、检测距离短的问题。
-
公开(公告)号：CN109859120B
公开(公告)日：2021-03-02
申请号：CN201910015947.2
申请日：2019-01-08
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于多尺度残差网络的图像去雾方法。该方法包括：获取不同场景下的无雾图像，组成无雾图像数据集；提取无雾图像的深度信息，根据无雾图像的深度信息对无雾图像施加不同浓度的雾干扰，得到有雾图像，将根据无雾图像得到的所有有雾图像构成训练数据集；构建多尺度残差网络，在多尺度残差网络中输入训练数据集，对多尺度残差网络进行训练，得到训练完成的图像去雾模型；将待处理的有雾图像输入到训练完成的图像去雾模型，该图像去雾模型输出待处理的有雾图像对应的无雾图像。本发明的方法能够更好地处理不同浓度和不同尺度下的雾图，解决训练数据较少的问题，以较少的训练数据取得更好的效果，适用于不同浓度和不同尺度下的雾图。
-
公开(公告)号：CN120047726A
公开(公告)日：2025-05-27
申请号：CN202510048442.1
申请日：2025-01-13
Applicant: 北京交通大学
IPC: G06V10/764 , G06T7/11 , G06V10/26 , G06V10/774 , G06T3/4038 , G06T3/4046 , G06T5/50 , G06V10/82 , G06N3/0464 , G06N3/088 , G06F17/16 , G06F17/18
Abstract: 本发明提供一种无监督轨道异常检测方法及系统，属于基于计算机视觉的轨道监管技术领域，包括：采集俯拍视角的轨道图像；采用轨道关键部件区域分割模块实现像素级分割和背景简化，生成关键部件伪图像；采用自生成特征聚合网络提取伪图像中的多尺度特征，得到高维度特征向量矩阵；利用多元高斯拟合函数对高维度特征向量矩阵进行拟合，得到正常图像的最优参数；设计内外均衡的异常分数度量函数，计算正常图像的最优参数与测试图像的高维度特征向量矩阵的差异，计算异常分数实现异常图像判别和异常像素定位。本发明解决了标注数据类别有限导致的轨道巡检内容覆盖不全面的问题，实现了降低复杂背景因素干扰下的轨道未知类别异物检测。
-
公开(公告)号：CN118097570A
公开(公告)日：2024-05-28
申请号：CN202311541737.X
申请日：2023-11-14
Applicant: 北京交通大学
Abstract: 本发明提供一种像素级轨道交通场景理解方法及系统，属于轨道交通安全运营控制技术领域，使用轻量双分支融合骨干网络对输入图像进行连续下采样操作，提取图像特征；将骨干网络提取到的特征图输入双向特征金字塔池化网络，获得多尺度感受野和深层语义特征，利用多任务多尺度损失函数从像素和边缘角度进一步优化该方法的场景理解效果。本发明轻量双分支融合骨干网络可以更快更有效地提取图像特征，双向特征金字塔池化网络从多尺度角度提取了语义特征，多任务多尺度的损失函数从边缘与像素两个角度监督该方法的学习过程，优化了场景理解方法的效果，在不增加推理时间的前提下提高了模型的理解准确率。
-
公开(公告)号：CN111507235B
公开(公告)日：2024-05-28
申请号：CN202010285277.9
申请日：2020-04-13
Applicant: 北京交通大学
IPC: G06V20/40 , G06V20/52 , G06V10/30 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于视频的铁路周界异物入侵检测方法，用以解决克服铁路周界异物入侵检测方法消耗资源大、准确率不高的问题。所述铁路周界异物入侵检测方法，获取当前铁路周界监控视频图像并提取第N帧，采用KNN算法检测第N帧中的异物目标数n，并对满足预定条件的第i帧采用铁路场景YOLOv3模椟检测异物目标数m，再对m、n进行比较，输出检测目标数G＝m＝n或G＝α×m+β×n。本发明入侵异物检测方法消耗的计算机资源小，检测漏报率低、准确率高，提高了识别的精确性；同时，在与YOLOv3算法检测准确率相同的前提下，降低了计算机内存使用情况，更具有可应用性。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.02 seconds)
