-
公开(公告)号：CN111126144A
公开(公告)日：2020-05-08
申请号：CN201911143276.4
申请日：2019-11-20
Applicant: 浙江工业大学
Abstract: 本发明涉及一种基于机器学习的车辆轨迹异常检测方法，尤其涉及在车辆通过十字路口时的轨迹运用机器学习进行轨迹异常检测的方法。本发明方法通过输入车辆运行轨迹数据集，并使用机器学习的方法训练得到异常检测模型，并以此为依据进行车辆轨迹异常检测，判断待测车辆轨迹是否可靠，通过对车辆轨迹点的规范化处理，同时结合机器学习的中多元逻辑回归的方法完成异常判断模型θ的训练；它实现了根据异常判断模型θ判断轨迹是否异常，不仅准确率达到要求，同时运用矩阵点积和简易的多元逻辑回归算法，它实现了轨迹异常判断耗时非常少，效率高，非常适用于获取车辆轨迹后实行车辆轨迹异常检测步骤，对车辆目标检测具有重大意义。
-
公开(公告)号：CN111027447A
公开(公告)日：2020-04-17
申请号：CN201911228925.0
申请日：2019-12-04
Applicant: 浙江工业大学
Abstract: 本发明公布了一种基于深度学习的道路溢出实时检测方法，它包括有以下步骤：1)相机预置位设置以及相机标定；2)卷积神经网络模型初始化；3)获取实时视频流；4)检查相机工作状态；5)使用卷积神经网络模型对兴趣区域进行车辆目标检测；6)进行基于IoU匹配的车辆多目标跟踪；7)道路溢出分析；8)道路溢出事件上报并设置睡眠状态。本发明提出一种道路溢出实时检测方法，用深度卷积神经网络CNN进行车辆目标检测，并结合基于IoU匹配的跟踪算法进行车辆多目标跟踪，可以准确而快速地进行道路溢出检测。
-
公开(公告)号：CN110929676A
公开(公告)日：2020-03-27
申请号：CN201911228884.5
申请日：2019-12-04
Applicant: 浙江工业大学
Abstract: 本发明公布了一种基于深度学习的违章掉头实时检测方法，包括有以下步骤：1)相机预置位设置以及相机标定；2)卷积神经网络模型初始化；3)获取实时视频流；4)检查相机工作状态；5)使用卷积神经网络模型进行车辆目标检测；6)进行车辆目标跟踪；7)车辆跟踪目标状态转换；8)违章掉头分析；9)违章掉头上报。本发明提出一种基于深度学习的违章掉头实时检测方法，具有对环境变化较强的鲁棒性，实现了实时的检测效果以及较高的违章掉头识别精度，并简化了取证工作，极大降低人力资源成本。
-
公开(公告)号：CN110458139A
公开(公告)日：2019-11-15
申请号：CN201910765421.6
申请日：2019-08-19
Applicant: 浙江工业大学
Abstract: 本发明公开了基于行人身体子区域颜色直方图的行人重识别预匹配方法，包括如下步骤：步骤1.1：给定待匹配图像Pd，以及查找集中的任意一张图像Pc；步骤1.2：通过Openpose算法得到图像Pd和Pc中的行人骨架；步骤1.3：根据骨架将图像Pd、Pc中的行人分为左右躯干以及上下腿部这四部分；步骤2.1：分别计算子图像HSV颜色直方图；步骤3.1：计算子图像的相似度；步骤3.2：计算图像Pd与图像Pc距离；步骤4.1：给定阈值T，若D(Pd,Pc)＜T，认定图像为相似；本发明的优点是：利用计算机视觉以及图像过处理领域简单有效的方法在行人重识别之前做了行人预识别的工作。
-
公开(公告)号：CN110059073A
公开(公告)日：2019-07-26
申请号：CN201910201466.0
申请日：2019-03-18
Applicant: 浙江工业大学
Abstract: 一种基于子图同构的web数据自动可视化方法，包括以下步骤：第一步：构建服务数据可视化建模与匹配方法的架构；第二步：定义元数据树MDT；第三步：读取调用的REST API所返回的JSON数据，将JSON数据集ds作为建模算法的输入，对ds进行树形结构建模；第四步：通过剪枝的方法，保留基本的数据结构信息；第五步：对可视化图形进行分类；第六步：先用降维方法对MDT进行降维操作，生成元结构树MST，再进行匹配查询，调用基于子图同构的匹配方法查找MST中与VT的各个StructModel匹配的片段，并根据Mapping信息进行数据映射生成可视化图形。本发明将模型进行自动化匹配，以实现数据的自动可视化。
-
Patent Agency Ranking
公开(公告)号：CN109165643A
公开(公告)日：2019-01-08
申请号：CN201810955796.4
申请日：2018-08-21
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于深度学习的车牌识别方法，包括如下步骤：步骤1：训练一个用于车牌字符检测的深度卷积神经网络模型M；构建车牌字符标签集合B；步骤2：将定位得到的车牌图像I输入到车牌字符检测网络M，输出候选车牌字符集合H；步骤3：对步骤2得到的候选车牌字符集合H，按候选车牌字符最小外接矩形的左上角横坐标hi.x由小到大将H重排序，得到集合C；步骤4：对步骤3得到的集合C进一步执行筛选操作，步骤6：对步骤5得到的集合E，按序遍历集合E；步骤7：返回由步骤6得到车牌识别结果L。本发明的有益效果是：有效抑制了车牌字符粘连、断裂、形变，车牌污损，车牌倾斜和车牌上残留阴影等情况的影响。
-
公开(公告)号：CN109165607A
公开(公告)日：2019-01-08
申请号：CN201810998664.X
申请日：2018-08-29
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于深度学习的驾驶员手持电话检测方法，包括如下步骤：给定训练图像集合Ct＝{Ti|i＝1,2,3,...,n}，n为训练图像数量，集合中每张图像Ti已贴好标签；将数据集Ct合放入Yolov2中进行训练，获得训练模型W；输入测试图像P，用训练模型W进行测试，得到检测结果m个矩形检测框Kj；测试图像P进行Lab颜色空间的分离,得到L通道图像PL、a通道图像Pa以及b通道图像Pb；本发明的有益效果是：利用深度学习做驾驶员手持电话的检测并用传统图像处理的形态学方式进行驾驶员定位，能够准确的判断驾驶员是否手持电话这一行为。
-
公开(公告)号：CN106529434A
公开(公告)日：2017-03-22
申请号：CN201610938465.0
申请日：2016-10-25
Applicant: 浙江工业大学
IPC: G06K9/00
CPC classification number: G06K9/00724 , G06K9/00771 , G06K2209/21
Abstract: 一种基于计算机视觉的鱼目标实时检测跟踪方法，包括以下步骤：1)以鲫鱼作为生物检测对象对其进行实时监测；2)手动获取目标鱼的初始轮廓及跟踪该鱼的视野范围；3)目标鱼轮廓的提取和匹配跟踪；3.1)根据前一时刻目标鱼轮廓计算新的注意力区域；3.2)根据目标鱼注意力区域搜索目标鱼的轮廓；3.2.1)目标鱼注意力区域内聚类并找到目标鱼类别；3.2.2)对聚类检测到的鱼目标作进一步匹配跟踪。本发明的优势：本发明的群目标跟踪算法不但可以对区域范围内鱼目标进行实时性地跟踪，而且当跟踪目标发生交互阻塞时，依然可以准确跟踪目标，从而有效地避免身份丢失和交换。
-
公开(公告)号：CN103150164B
公开(公告)日：2015-10-07
申请号：CN201310070582.6
申请日：2013-03-06
Applicant: 浙江工业大学
IPC: G06F9/44
Abstract: 本发明专利实现了一种事务规则驱动的敏捷SOWF架构方法，包括以下步骤：（1）将业务活动封装成具有相对独立业务功能的事务服务；（2）基于XML语言定义事务规则模版，包括结构规则、数据规则、事件规则，用于限定事务服务的交互规则和交互方法；（3）实现了基于事务规则驱动的SOWF架构，包括事务规则定义层、工作流引擎层、事务服务层、业务活动层。（4）在事务规则驱动下动态组合事务服务，构建灵活的软件业务系统。该方法克服了现有SOWF重写过程模型的缺点，缩短了开发周期，具有快速响应业务需求变化的能力。
-
公开(公告)号：CN120028173A
公开(公告)日：2025-05-23
申请号：CN202510164491.1
申请日：2025-02-13
Applicant: 浙江工业大学
IPC: G01N3/56
Abstract: 本发明涉及电梯用曳引复合钢带摩擦磨损技术领域，尤其为一种复合钢带摩擦磨损试验装置及试验方法，包括整体支架、浮动加载支架、中心传动装置、蜗轮蜗杆传动装置以及钢带固定装置；整体支架立柱内侧和底架上侧固定有导轨，浮动加载支架通过与滑块固定从而实现在立柱导轨上纵向移动；中心传动装置设有步进电机、曳引轮、传动轴和轴承座，传动轴和电机轴之间通过联轴器连接；蜗轮蜗杆传动装置位于中心传动装置下端，并通过螺旋杆和固定在整体支架下端的螺旋座配合传动，使整体支架两侧立柱横向移动，实现对钢带不同包角的调节。钢带通过钢带夹板固定并与拉力传感器连接、拉力传感器通过挂钩螺丝固定于浮动加载支架两侧横向安装板上。
-
-
-
-
-
-
-
-
-
Search Results
167
records
(took 0.024 seconds)
