公开(公告)号：CN114925746B

公开(公告)日：2023-08-01

申请号：CN202210407781.0

申请日：2022-04-19

Applicant: 淮阴工学院

Inventor： 高尚兵 ,  胡序洋 ,  李杰 ,  李少凡 ,  张骏强 ,  张秦涛 ,  张莹莹 ,  张海艳 ,  于永涛 ,  张正伟 ,  张浩 ,  朱全银

IPC: G06V20/58 ,  G06V10/40 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明涉及一种基于Air‑Net的目标检测方法，采用全新模型结构设计，通过特征提取网络模块、特征统一融合与分配模块、目标检测模块的依次构建与串联，获得待训练模型，并结合各道路捕获样本图像，训练获得以道路捕获样本图像为输入，道路捕获样本图像中属于各指定移动目标类型的各目标对象为输出的目标检测模型；进而应用目标检测模型，实现对道路捕获图像中各目标对象的检测；整个设计方案克服了现有技术鲁棒性差、过程复杂、检测时间较长的问题，具有利用Air‑Net模型架构、结构简单、参数量较少的优点，并且通过统一特征融合与分配模块融合多尺度车辆特征信息，并分配到目标检测模块中，能够充分利用现有特征。

公开(公告)号：CN116311156A

公开(公告)日：2023-06-23

申请号：CN202310162664.7

申请日：2023-02-24

Applicant: 淮阴工学院

Inventor： 高尚兵 ,  赵可钒 ,  张秦涛 ,  胡序洋 ,  张海艳 ,  王媛媛 ,  于永涛 ,  张浩淼 ,  王腾 ,  蒋东山

IPC: G06V20/58 ,  G06V10/774 ,  G06V10/82 ,  G06V10/40 ,  G06V10/80 ,  G06V10/776 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于SML‑YOLOV5的行驶途中被遮挡车辆的识别方法及装置，对预先获取的交通车辆原始图像进行预处理，分为训练图像和测试图像；构建基于SML‑YOLOV5的车辆目标识别网络，包括主干网络模块、NECK模块以及YoloHead目标检测头模块；将事先分配好的训练图像输入到目标识别网络进行训练；将测试图像输入到训练好的目标识别网络中，进行评估。本发明提出的基于SML‑YOLOV5的车辆目标识别网络结构简单，采用轻量级网络的方式进行特征提取，并采用深度可分离卷积来降低参数量，能够实现道路图像中实时的车辆的准确识别，且识别准确率较高；本发明通过重组通道网络和空间注意力机制的方法，对于复杂环境中的被遮挡车辆的检测，可以保证较高的检测准确性和快速性。

公开(公告)号：CN116189154A

公开(公告)日：2023-05-30

申请号：CN202211562929.4

申请日：2022-12-07

Applicant: 淮阴工学院

Inventor： 高尚兵 ,  张莹莹 ,  李少凡 ,  张秦涛 ,  刘宇 ,  王腾 ,  胡序洋 ,  李杰 ,  张海艳 ,  于坤 ,  王媛媛 ,  陈晓兵

IPC: G06V20/59 ,  G06V10/764 ,  G06V10/42 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于双分支并行双向交互神经网络的驾驶员行为识别方法，将ViT引入到网络中对全局信息进行编码，在一定程度上提高检测精度，网络由两个并行分支组成，第一个分支基于轻量级的CNN结构，第二个分支基于ViT结构。考虑到CNNBranch和ViTBranch特征之间的不对称性，通过双向特征交互模块BiFIM在两个分支之间进行不同维度特征的交互以同时关注局部特征和全局特征，最后将两个分支的特征融合并对驾驶员行为进行检测。本发明在自建的多视角驾驶员数据集上展开，验证集准确率达到97.18％，参数量为38.22MB，MAdds为271.20M，轻量级BiViTNet提高了驾驶员分心行为识别的准确率，可辅助驾驶员安全行车，减少交通事故的发生。

公开(公告)号：CN115457367A

公开(公告)日：2022-12-09

申请号：CN202211156147.0

申请日：2022-09-22

Applicant: 淮阴工学院

Inventor： 高尚兵 ,  胡序洋 ,  李杰 ,  李少凡 ,  张骏强 ,  张秦涛 ,  张莹莹 ,  张海艳 ,  于永涛 ,  张正伟 ,  张浩 ,  陈晓兵

IPC: G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06V10/80 ,  G06V10/52 ,  G06V10/774 ,  G06V10/776

Abstract: 本发明提供了一种基于Light‑Net的轻量级目标检测方法及系统，首先对预先获取的待检测图像，进行预处理，并划分为训练集和测试集；构建Light‑Net网络模型，包括由六个DW特征提取模块构成的主干网络、一个循环特征融合网络模块以及三个目标检测模块；将预处理之后的训练集输入到Light‑Net网络模型中进行训练；将预处理之后的测试集输入到训练好的模型中，评估模型的性能。本发明构建的Light‑Net模型架构结构简单，形成的环状结构能够尽可能的将有效的特征保存在网络中，额外的反馈连接能够将循环特征融合网络模块中的有效信息以及错误信息回传到主干网络中，指导主干网络的参数调整；且能采用较少参数实现图像中目标的准确识别。

公开(公告)号：CN115147817A

公开(公告)日：2022-10-04

申请号：CN202210686565.4

申请日：2022-06-17

Applicant: 淮阴工学院

Inventor： 高尚兵 ,  李少凡 ,  张莹莹 ,  陈浩霖 ,  张海艳 ,  朱全银 ,  李翔 ,  胡序洋 ,  李杰 ,  张秦涛 ,  刘宇

IPC: G06V20/59 ,  G06V40/20 ,  G06V10/82 ,  G06V10/764 ,  G06V10/46 ,  G06V10/25 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种姿态引导的实例感知网络的驾驶员分心行为识别方法，利用人体检测器检测到人体框，利用人体姿态估计获取具有辨识性的手部相关区域；将人体和手部区域的特征作为实例级别的特征，提出一种实例感知模块充分获取不同层级的上下文语义信息；利用手部相关特征构建双通道交互模块来对关键空间信息进行表征的同时，对视觉特征进行优化；组建成一个多分支的深度神经网络，最后将不同分支的结果进行融合。发明提出的姿态引导的实例感知网络，在一定程度上降低了环境的干扰，准确度高，能辅助驾驶员安全行车，减少交通事故的发生。

公开(公告)号：CN114925746A

公开(公告)日：2022-08-19

申请号：CN202210407781.0

申请日：2022-04-19

Applicant: 淮阴工学院

Inventor： 高尚兵 ,  胡序洋 ,  李杰 ,  李少凡 ,  张骏强 ,  张秦涛 ,  张莹莹 ,  张海艳 ,  于永涛 ,  张正伟 ,  张浩 ,  朱全银

IPC: G06K9/62 ,  G06V10/40 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明涉及一种基于Air‑Net的目标检测方法，采用全新模型结构设计，通过特征提取网络模块、特征统一融合与分配模块、目标检测模块的依次构建与串联，获得待训练模型，并结合各道路捕获样本图像，训练获得以道路捕获样本图像为输入，道路捕获样本图像中属于各指定移动目标类型的各目标对象为输出的目标检测模型；进而应用目标检测模型，实现对道路捕获图像中各目标对象的检测；整个设计方案克服了现有技术鲁棒性差、过程复杂、检测时间较长的问题，具有利用Air‑Net模型架构、结构简单、参数量较少的优点，并且通过统一特征融合与分配模块融合多尺度车辆特征信息，并分配到目标检测模块中，能够充分利用现有特征。