-
公开(公告)号：CN113657147B
公开(公告)日：2023-12-26
申请号：CN202110746820.5
申请日：2021-07-01
Applicant: 哈尔滨工业大学
IPC: G06V20/13 , G06V20/52 , G06V10/44 , G06V10/774 , G06V10/46
Abstract: 本发明提出了一种针对大尺寸施工场地的施工人员统计方法，如下：利用无人机对大尺寸施工场地进行拍摄以获取图像序列，使用图像拼接方法对图像序列进行拼接形成施工场地全景图像；利用行人识别数据集对施工人员检测器进行预训练后，使用无人机拍摄的施工人员数据集进行迁移训练，及对施工车辆数据集进行施工车辆检测器的训练，然后将两个检测器进行集成形成人员车辆检测器；使用重叠的滑动窗口对全景图像进行裁剪形成子图像，使用施工人员车辆检测器对子图像进行检测，将检测到的施工人员和车辆局部坐标转换成全景图像下的整体坐标，对结果过滤后进行施工人员数量和位置的统计。本发明提升了公路工程现场施工人员统计的准确度和稳定性。
-
公开(公告)号：CN113658244A
公开(公告)日：2021-11-16
申请号：CN202110741113.7
申请日：2021-07-01
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种桥梁区域通航船舶三维几何尺寸辨识方法，如下：在桥梁通航跨梁底跨中部位设置摄像机以采集通航船舶图像信息，根据辨识距离要求在距离摄像机平面合理位置的航道两侧设置标定浮筒；利用采集到的通航船舶图像制作船舶检测数据集并使用深度卷积网络训练船舶检测器以获取船舶粗略位置，结合形态学运算和轮廓提取技术获取船舶精确轮廓；使用射影变换方程对通航船舶所在空间进行建模，确定船舶三维几何尺寸同图像中船舶轮廓的转换关系，从而计算出通航船舶的三维几何尺寸。本方法实现了使用一个摄像头就可以精确计算通航船舶的三维几何尺寸，降低设备成本的同时保证了尺寸辨识的精度。
-
公开(公告)号：CN111160131A
公开(公告)日：2020-05-15
申请号：CN201911272536.8
申请日：2019-12-12
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于计算机视觉的施工车辆精准智能辨识方法，是为了解决现有的施工车辆辨识成本高、精度低等缺点而提出的，包括：采集的施工现场的车辆高空鸟瞰图像作为原始数据，使用旋转矩形框进行人工标注，建立施工车辆精准智能辨识数据集；根据旋转矩形框的几何特性，设计对应的深度卷积神经网络结构和目标函数，使用数据集训练网络，将待辨识图像输入网络后得到精准辨识结果。本发明便捷、准确，较大幅度地提升了施工现场车辆辨识的准确性，适用于土木工程施工现场安全管理与监督领域。
-
公开(公告)号：CN109284754A
公开(公告)日：2019-01-29
申请号：CN201811295296.9
申请日：2018-11-01
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于计算机视觉的桥梁区域船舶智能定位与几何轮廓自动辨识方法，是为了解决现有的桥梁区域船舶智能定位与几何轮廓自动辨识成本过高以及相应智能算法的缺点而提出的，包括：整理网络上海量的船舶图片作为原始数据，对输入的图像进行降采样，根据人工经验使用矩形框对降采样后的图像中的船舶区域进行标记，获得用于表示矩形框位置和大小的数据；将训练集输入至深度卷积神经网络中进行迁移训练；训练过程中使用的损失函数为多目标优化函数，优化算法为自适应矩估计优化算法；将待识别的桥梁区域船舶通行视频提取关键帧重采样后输入至训练好的神经网络中，得到以矩形框为表示的定位结果；将矩形框定位结果由BGR色彩空间转换到HSV空间，使用形态学运算寻找船舶几何轮廓，得到几何轮廓自动辨识结果。本发明适用于桥梁工程健康监测以及防船撞领域。
-
公开(公告)号：CN119989213A
公开(公告)日：2025-05-13
申请号：CN202510029986.3
申请日：2025-01-08
IPC: G06F18/2433 , G06F18/2131 , G06F30/23 , G06F30/13 , G06N3/006 , G06F111/10 , G06F119/14 , G06F123/02
Abstract: 一种32米简支箱梁局部损伤辨识方法，涉及桥梁健康监测技术领域。建立列车‑轨道‑桥梁的多体动力学模型，提取桥梁各关键断面的应变响应作为算法验证的数据集，基于板元分析法将关键断面划分为不同的板元构件，通过小波变换将车致应变信号转换为小波时频图，将时频图中的小波系数和作为损伤特征的潜在指标，使用粒子群算法选出最优频率区间，最优频率区间的小波系数和对不同基线工况的过车不敏感而只对桥梁的损伤大小敏感，通过比较损伤指标是否超出基线工况的置信边界来识别和量化损伤，从而实现关键断面不同板元构件的损伤辨识。
-
Patent Agency Ranking
公开(公告)号：CN118820746B
公开(公告)日：2025-04-08
申请号：CN202410829387.5
申请日：2024-06-25
Applicant: 哈尔滨工业大学
IPC: G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F17/16 , G06F17/18
Abstract: 本发明公开了一种基于多通道时空图卷积网络的多类型监测数据空间有向关联表征方法，所述方法包括如下步骤：一、收集大跨径斜拉桥健康监测数据，执行数据预处理去除随机效应，获取长期趋势数据；二、对每个传感器的长期趋势数据进行标准化，创建数据集；三、以有向图的形式对多类型结构健康监测数据进行时空关联建模；四、建立多通道时空图卷积网络模型；五、设计多通道时空图卷积网络损失函数；六、对多通道时空图卷积网络模型进行训练，训练完成后，输出各一阶映射矩阵获取多类监测数据的空间有向关联表征。本发明解决了现有桥梁结构状态评估工作涉及数据量过少、数据类型单一的缺点，实现了海量监测数据的有效利用。
-
公开(公告)号：CN118365582A
公开(公告)日：2024-07-19
申请号：CN202410289947.2
申请日：2024-03-14
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/096
Abstract: 本发明提出了一种基于视觉大模型蒸馏的桥梁表观裂缝提取方法，属于桥梁表观病害智能提取领域，包括：收集通用目标分割数据集和桥梁裂缝分割数据集，形成蒸馏数据集和表观裂缝提取数据集；建立与视觉大模型SAM进行蒸馏的轻量化裂缝提取编码器；采用蒸馏数据集进行蒸馏，蒸馏目标为视觉大模型SAM和轻量化裂缝提取编码器生成的图像嵌入差别最小；在轻量化裂缝提取编码器后增加裂缝提取解码器，形成桥梁表观裂缝提取模型；使用组合损失函数对桥梁表观裂缝提取模型进行训练；利用训练好的模型进行桥梁表观裂缝图像的裂缝提取。本发明显著地降低了模型的参数量和运行时间，即能准确又能快速的对裂缝进行提取。
-
公开(公告)号：CN113657144B
公开(公告)日：2024-02-27
申请号：CN202110741122.6
申请日：2021-07-01
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种桥梁区域通航船舶的快速检测和跟踪方法，解决了现有桥区通航船舶辨识所需设备昂贵、计算代价大的问题，如下：在对应航道的桥梁关键位置布设监控相机，采集航道监控视频并在视频中标注航道或者河岸位置；对关键帧使用稀疏表示算法对监控图像中水面部分进行处理，得到船舶疑似位置；并利用训练好的船舶判别器对疑似船舶进行确认；建立通航船舶在桥区的像素运动方程，并对所有帧使用运动方程进行船舶位置的预测，同时使用关键帧的船舶确认结果修正运动方程，从而可以对桥区多个通航船舶进行检测和追踪。本发明便捷、准确，提升了桥梁区域船舶定位的准确度和稳定性，有效提升检测效率。
-
公开(公告)号：CN113689331B
公开(公告)日：2023-06-23
申请号：CN202110817433.6
申请日：2021-07-20
Applicant: 中国铁路设计集团有限公司 , 哈尔滨工业大学
Abstract: 本发明提出了一种复杂背景下的全景图像拼接方法，如下：在RGB颜色空间用高斯混合模型对原始图像进行建模，去除图像背景像素；对完成背景去除的图像构建多尺度空间，检测图像的局部特征点；采用快速最近邻搜索匹配算法对相邻图像之间的局部特征点进行初步匹配；采用随机采样一致性算法对误匹配的特征点进行筛选，以特征点经过单应性变换与匹配特征点之间距离的平方等于4.0为筛选阈值，获取准确匹配结果；根据单应性矩阵对相邻图像进行位置变换拼接图像；采用直接平均融合法处理图像间的重叠区域，生成全景图像。本方法能够实现复杂背景下的全景图像拼接，消除了大视差图像中背景区域对全景图像拼接的干扰，极大地降低了全景图像获取成本。
-
公开(公告)号：CN113689331A
公开(公告)日：2021-11-23
申请号：CN202110817433.6
申请日：2021-07-20
Applicant: 中国铁路设计集团有限公司 , 哈尔滨工业大学
Abstract: 本发明提出了一种复杂背景下的全景图像拼接方法，如下：在RGB颜色空间用高斯混合模型对原始图像进行建模，去除图像背景像素；对完成背景去除的图像构建多尺度空间，检测图像的局部特征点；采用快速最近邻搜索匹配算法对相邻图像之间的局部特征点进行初步匹配；采用随机采样一致性算法对误匹配的特征点进行筛选，以特征点经过单应性变换与匹配特征点之间距离的平方等于4.0为筛选阈值，获取准确匹配结果；根据单应性矩阵对相邻图像进行位置变换拼接图像；采用直接平均融合法处理图像间的重叠区域，生成全景图像。本方法能够实现复杂背景下的全景图像拼接，消除了大视差图像中背景区域对全景图像拼接的干扰，极大地降低了全景图像获取成本。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.024 seconds)
