公开(公告)号：CN115761810A

公开(公告)日：2023-03-07

申请号：CN202211501857.2

申请日：2022-11-28

Applicant: 东南大学

Inventor： 李旭 ,  殷竟成 ,  朱建潇

IPC: G06V40/10 ,  G06V10/40 ,  G06V10/82 ,  G06N3/048

Abstract: 本发明公开了一种基于低参数注意力机制的遮挡行人检测方法，首先使用主干网络对输入图像进行特征提取，接着将主干网络输出的特征图送入基于条形感受野的低参数注意力模块(SRF‑Attention)，最后送入检测头获得检测结果。其中低参数注意力模块包含两个部分，条形感受野模块和坐标注意力模块。本发明的核心低参数注意力模块关注冗余背景信息的过滤和可见区域的突显，且具备良好的独立性和可迁移性，可以快速嵌入到不同的行人检测网络，对提升遮挡情况下的行人检测精度有明显帮助。

公开(公告)号：CN114821064A

公开(公告)日：2022-07-29

申请号：CN202210521072.5

申请日：2022-05-13

Applicant: 东南大学

Inventor： 李旭 ,  郭志峰 ,  徐启敏 ,  刘锡祥 ,  朱建潇

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06T3/40

Abstract: 本发明公开了一种基于多光谱图像融合的森林非结构化场景分割方法，该方法针对森林非结构化场景背景复杂、多光线和阴影干扰等情况，引入增强植被指数(EVI)数据，设计了并行双编码结构来提取RGB与EVI的特征，并在编码过程中形成多模态互补特征。此外，编码阶段还利用扩张卷积增加了网络的感受野，优化了特征提取过程。接着将解码特征与编码产生的融合特征二次融合，得到多光谱融合卷积神经网络，而后对该网络进行训练并输入RGB与EVI图像实现森林非结构化场景的语义分割。本发明有效解决了基于RGB图像的非结构化分割方法容易出现适应性差、误分割的问题，提高了森林非结构化场景语义分割的准确性和鲁棒性。

公开(公告)号：CN112131996B

公开(公告)日：2022-04-29

申请号：CN202010980622.0

申请日：2020-09-17

Applicant: 东南大学

Inventor： 李旭 ,  朱建潇 ,  赵琬婷 ,  徐启敏

IPC: G06V40/10 ,  G06V10/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于通道分离卷积的路侧图像多尺度行人快速检测方法，该方法克服了现在大多数行人检测模型难以对多尺度行人目标进行快速精准检测的难题，创新性的提出了基于通道分离卷积的检测网络，该网络首先通过样本相关的通道分离卷积操作，针对多尺度目标设定不同类别的卷积操作，缓解了样本不均衡条件下的精度差距，其次设计了尺度不敏感的感兴趣区域对齐结构，利用不同层级的特征图来对不同尺度的目标进行推理，避免了单一层级推理时的梯度竞争，最后，设计了尺度不敏感的损失函数用于提升多尺度行人目标位置的精确度，本发明设计的检测方法获得了准确度与实时性的双重提升，可以在路侧视角下实现快速、准确、可靠的行人检测。

公开(公告)号：CN111694010B

公开(公告)日：2022-03-25

申请号：CN202010459125.6

申请日：2020-05-27

Applicant: 东南大学

Inventor： 李旭 ,  金鹏 ,  朱建潇 ,  宋世奇

IPC: G01S17/86 ,  G01S17/89 ,  G01S17/931 ,  G06T7/80 ,  G06T7/90 ,  G06N3/08

Abstract: 一种基于视觉与激光雷达融合的路侧车辆识别方法，该方法针对路侧视角不同光照条件下车辆识别准确率低的问题，首先进行路侧环境感知系统传感器的标定，包括摄像机的自标定与传感器间的联合标定，为传感器信息融合奠定基础；其次，在数据层级和特征层级上融合图像信息与雷达点云数据，并搭建了基于视觉与激光雷达融合的路侧车辆识别网络模型CBYOLO；然后，利用路侧数据集训练CBYOLO网络；最后，使用训练好的CBYOLO网络进行路侧车辆识别。本发明提出的一种基于视觉与激光雷达融合的路侧车辆识别方法具有良好的环境适应能力和较高的准确率。

公开(公告)号：CN112131996A

公开(公告)日：2020-12-25

申请号：CN202010980622.0

申请日：2020-09-17

Applicant: 东南大学

Inventor： 李旭 ,  朱建潇 ,  赵琬婷 ,  徐启敏

IPC: G06K9/00 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于通道分离卷积的路侧图像多尺度行人快速检测方法，该方法克服了现在大多数行人检测模型难以对多尺度行人目标进行快速精准检测的难题，创新性的提出了基于通道分离卷积的检测网络，该网络首先通过样本相关的通道分离卷积操作，针对多尺度目标设定不同类别的卷积操作，缓解了样本不均衡条件下的精度差距，其次设计了尺度不敏感的感兴趣区域对齐结构，利用不同层级的特征图来对不同尺度的目标进行推理，避免了单一层级推理时的梯度竞争，最后，设计了尺度不敏感的损失函数用于提升多尺度行人目标位置的精确度，本发明设计的检测方法获得了准确度与实时性的双重提升，可以在路侧视角下实现快速、准确、可靠的行人检测。

公开(公告)号：CN110210389A

公开(公告)日：2019-09-06

申请号：CN201910469443.8

申请日：2019-05-31

Applicant: 东南大学

Inventor： 李旭 ,  倪培洲 ,  王培宇 ,  朱建潇

IPC: G06K9/00 ,  G06K9/62 ,  G01S17/66

Abstract: 本发明公开了一种面向道路交通场景的多目标识别跟踪方法。该方法结合道路交通现场环境及障碍物特点，通过激光雷达检测道路现场周围的动态障碍物，步骤如下：首先对激光雷达数据进行预处理，将其转换成一幅二值图像，其次运用背景差法提取动态障碍物并进行聚类分析，进而运用PointCNN算法进行分类识别并通过迭代最邻近算法获取障碍物的位姿变换，最后针对障碍物分类分别使用UKF进行跟踪。本发明提出的多目标识别跟踪方法具有良好的实时性、识别精度和跟踪精度，能够有效地实现对道路交通场景的安全监控。