-
公开(公告)号：CN117392659A
公开(公告)日：2024-01-12
申请号：CN202311694304.8
申请日：2023-12-12
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
IPC: G06V20/62 , G06V10/82 , G06N3/0464 , G06N3/06 , G06V10/762 , G06N5/04 , G06N3/045 , G06V20/70
Abstract: 本发明提出一种基于无参数注意力机制优化的车辆车牌定位方法，属于智能交通技术领域。包括以下步骤：S1.获取车辆行驶数据，在车辆行驶数据中获得车辆图像，并标注车辆车牌位置；S2.对车辆图像进行分辨率统一处理，形成训练数据集；S3.构建定位模型网络结构，并对模型训练；S4.将车辆图像数据输入至定位模型中，输出车牌的位置。解决现有技术中存在输出精度差和效率低的技术问题。本发明引入了SimAM无参数注意力机制模块，有助于提供强大的推理性能，同时保持识别精度。通过该措施，保证了模型在进行优化精简的时候，没有出现显著地性能下降，既保证了模型的推理速度，又保证了模型的推理性能。
-
公开(公告)号：CN117392658A
公开(公告)日：2024-01-12
申请号：CN202311694289.7
申请日：2023-12-12
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
IPC: G06V20/62 , G06V10/56 , G06V10/764 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/06 , G06V10/80
Abstract: 本发明提出基于注意力机制优化的轻量化车辆车牌颜色识别方法，属于智能交通技术领域。包括以下步骤：S1.获取车辆行驶数据，在车辆行驶数据中获得车辆图像，并标注车辆车牌位置；S2.根据车辆车牌颜色为车辆车牌位置的标注框设定标签；S3.对车辆图像进行分辨率统一处理，形成训练数据集；S4.构建车辆车牌颜色识别网络结构，生成车辆车牌颜色识别模型，并对模型训练；S5.将车辆图像数据输入至车辆车牌颜色识别中，输出车牌颜色。本发明优化了识别模型，引入了无参数注意力机制，避免了模型优化过程中的性能损失，解决了现有技术中存在数据采集繁琐、推理资源占用大、缺乏高精度颜色量化的技术问题。
-
公开(公告)号：CN113409361B
公开(公告)日：2023-04-18
申请号：CN202110922602.2
申请日：2021-08-12
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
IPC: G06T7/246 , G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种多目标跟踪方法、装置、计算机及存储介质，属于人工智能技术领域。具体包括，首先将视频输入至融合检测关联模块中，进行降采样处理获得特征图，将特征图输入至差异计算网络中，获得差异特征；其次，用深度学习中多任务学习方法得到目标类别、目标位置信息和同一目标在不同视频帧中相同的trackID；根据连续帧中目标运动轨迹信息，用轨迹预测模块预测当前帧目标可能出现的位置，为融合检测关联模块提供参考。最后，输出多目标跟踪信息。解决了解决现有技术中存在的目标跟踪效率低、目标容易丢失、目标ID易变化的技术问题，提高了多目标跟踪的效率以及避免目标跟踪的丢失。
-
Patent Agency Ranking
公开(公告)号：CN114429524B
公开(公告)日：2022-09-23
申请号：CN202210357382.8
申请日：2022-04-07
Applicant: 深圳市城市交通规划设计研究中心股份有限公司 , 中山大学
Abstract: 本发明公开了一种单目视觉下的三维目标检测模型的构建方法及检测方法，所述方法包括：获取带标注的训练图像集；将训练图像集作为训练数据，训练获得基于CenterNet网络的三维目标检测模型，其中，三维目标检测模型的特征提取网络包括多个特征提取模块，至少一个特征提取模块包括池化模块、注意模块以及第一融合模块，池化模块包括并列的全局最大池化层、全局平均池化层和随机池化层，注意模块包括分别与全局最大池化层、全局平均池化层和随机池化层的输出侧连接的三个子注意模块，子注意模块包括激活函数层及批处理归一化层，第一融合模块将三个子注意模块的输出融合。本发明可以简化三维目标检测网络结构，降低三维目标检测模型的训练成本。
-
公开(公告)号：CN114429524A
公开(公告)日：2022-05-03
申请号：CN202210357382.8
申请日：2022-04-07
Applicant: 深圳市城市交通规划设计研究中心股份有限公司 , 中山大学
Abstract: 本发明公开了一种单目视觉下的三维目标检测模型的构建方法及检测方法，所述方法包括：获取带标注的训练图像集；将训练图像集作为训练数据，训练获得基于CenterNet网络的三维目标检测模型，其中，三维目标检测模型的特征提取网络包括多个特征提取模块，至少一个特征提取模块包括池化模块、注意模块以及第一融合模块，池化模块包括并列的全局最大池化层、全局平均池化层和随机池化层，注意模块包括分别与全局最大池化层、全局平均池化层和随机池化层的输出侧连接的三个子注意模块，子注意模块包括激活函数层及批处理归一化层，第一融合模块将三个子注意模块的输出融合。本发明可以简化三维目标检测网络结构，降低三维目标检测模型的训练成本。
-
公开(公告)号：CN113724298A
公开(公告)日：2021-11-30
申请号：CN202111279353.6
申请日：2021-11-01
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
Abstract: 本发明公开了一种多点位感知融合方法及装置、计算机可读存储介质，方法包括：将感知区域进行空间网格划分，将多个点位对应感知区域的重叠区域所在网格进行标记，确定每个重叠区域对应的点位数量；获取多个点位的目标检测信息，根据目标检测信息确定各点位感知到的跟踪目标所在的网格；基于重叠区域所在网格和跟踪目标所在的网格，确定出现在重叠区域的跟踪目标；遍历每个重叠区域，判断重叠区域对应的点位数量是否大于或等于3；若是，则分别计算重叠区域内来源于不同点位的任意两个跟踪目标的重合度，生成重合度矩阵；基于重合度矩阵进行目标聚类，将聚类为同一组的跟踪目标的编号合并。本发明将多点位感知下的重复目标合并，提升目标跟踪效率。
-
公开(公告)号：CN112883948A
公开(公告)日：2021-06-01
申请号：CN202110489926.1
申请日：2021-05-06
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
Abstract: 本发明提供了一种语义分割与边缘检测模型建立及护栏异常监测方法，涉及护栏监测技术领域。本发明所述的语义分割与边缘检测模型建立方法，包括：获取不同视角下不同道路的监控图像，根据所述监控图像构建监控道路数据集；设置损失函数；根据所述监控道路数据集和所述损失函数对预设的卷积神经网络进行训练输出语义分割图和边缘检测图，直到所述损失函数满足预设条件时，根据训练完成的所述卷积神经网络建立语义分割与边缘检测模型。本发明所述的技术方案，通过对语义分割和边缘检测两通道相互融合促进的网络进行训练建立语义分割与边缘检测模型，提高语义分割的精细度和边缘检测的准确度，从而能够根据模型对异常护栏进行有效的识别监测。
-
公开(公告)号：CN112507902A
公开(公告)日：2021-03-16
申请号：CN202011473808.3
申请日：2020-12-15
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
Abstract: 本发明公开了一种交通标志异常检测方法、计算机设备及存储介质，所述交通标志异常检测方法包括：获取待检测图像；基于预设的目标检测算法检测所述待检测图像中的交通标志，获得交通标志检测结果；获取基准交通标志区域；将所述交通标志检测结果与所述基准交通标志区域进行对比，获得所述交通标志检测结果与所述基准交通标志区域的相似度；基于所述相似度，进行交通标志异常判断。本发明可实时进行交通标志异常判断，及时消除因交通标志异常带来的交通隐患。
-
-
-
-
-
-
-
Search Results
48
records
(took 0.04 seconds)
