基于改进YOLOv5网络模型的车辆感知方法

    公开(公告)号:CN115171059A

    公开(公告)日:2022-10-11

    申请号:CN202210856506.7

    申请日:2022-07-20

    Applicant: 东南大学

    Inventor: 赵池航 诸雨 刘洋

    Abstract: 本发明公开了基于改进YOLOv5网络模型的车辆感知方法,包括:在现有成熟的YOLOv5模型基础上,通过对模型特征提取网络引入CA注意力机制模块,同时对模型添加一组锚框和检测层,构造了适用于高速公路场景下的车辆检测和车型分类模型。本发明通过深度学习网络的紧密结合,将其应用于高速公路车辆感知领域可以大大提高车型识别的准确率和实时性,对高速运营管理提供技术支持。

    基于交通冲突分析的ETC车道布设方案评价方法

    公开(公告)号:CN108986457B

    公开(公告)日:2020-12-11

    申请号:CN201810707735.6

    申请日:2018-07-02

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于交通冲突分析的ETC车道布设方案评价方法,包括如下步骤:1、确定影响收费站交通安全的因素和各因素的因素水平2、收集收费站的本身参数及收费站的交通流参数;3、利用VISSIM软件建立收费站仿真模型,将步骤2获取的参数作为仿真模型的输入参数;4、确定收费站仿真模型的输出参数、参数的权重、交通冲突指数λ的计算;5、设计正交试验法的试验方案;6、按照步骤5中设计的试验方案,修改收费站仿真模型的输入参数,获取输出参数,计算各试验交通冲突指数λ;7、通过极差分析法确定各因素对收费站交通安全影响程度,确定最佳ETC车道布设方案。该方法可以较为直接准确地评价影响收费站交通安全的因素,进而评价ETC车道布设方案。

    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

    公开(公告)号:CN111460996A

    公开(公告)日:2020-07-28

    申请号:CN202010244452.X

    申请日:2020-03-31

    Applicant: 东南大学

    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%。

    基于车辆侧翻侧滑虚拟试验的公路平曲线半径设计方案安全性评价方法

    公开(公告)号:CN106650057B

    公开(公告)日:2020-02-18

    申请号:CN201611114477.8

    申请日:2016-12-07

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于车辆侧翻侧滑虚拟试验的公路平曲线半径设计方案安全性评价方法,包括如下步骤:明确对目标路段进行评价所采用的控制函数使用adams/car构建驾驶员‑重型货车‑目标路段虚拟试验仿真平台;根据虚拟试验仿真平台,获取重型车辆目标路段上以设计速度v运行时的动力学指标,计算LTAr与LTRr的值;根据计算得到的LTAr与LTRr值,判断其是否符合控制函数F(r)的要求。本发明能够获得更加精确的车辆经过曲线时的运动状态,快速定量计算得到评价结果;能够应用于各个阶段的公路,应用广泛;对于设计、在建阶段的公路平曲线采用该方法能够摆脱对道路现实运行数据的依赖。

    一种基于手臂肤色区域质心坐标的驾驶员姿态检测方法

    公开(公告)号:CN109214370A

    公开(公告)日:2019-01-15

    申请号:CN201811269581.3

    申请日:2018-10-29

    Applicant: 东南大学

    Abstract: 本发明公开一种基于手臂肤色区域质心坐标的驾驶员姿态检测方法,首先采集驾驶员驾驶时的图像,提取驾驶员双手和/或双臂的质心坐标,其次将提取的坐标和驾驶员驾驶姿态类别作为训练样本,训练分类器得到驾驶员姿态检测模型;在检测时,提取待检测图像中驾驶员双手和/或双臂的质心坐标,作为驾驶员姿态检测模型的输入,进行分类识别,检测驾驶员的驾驶姿态。该方法可以快速建立和训练出驾驶员姿态检测模型,从而实现驾驶员姿态的快速检测。

Patent Agency Ranking