基于车辆全息感知与OBU信息融合的智慧收费系统

    公开(公告)号:CN114170695A

    公开(公告)日:2022-03-11

    申请号:CN202111407558.8

    申请日:2021-11-24

    Abstract: 本发明公布了基于车辆全息感知与OBU信息融合的智慧收费系统,包括:集成了激光雷达、视频感知器、RSU、交易检测设备的车辆全息与OBU融合系统的信息感知层;基于边缘计算服务器的车辆全息识别与检索边缘计算层;基于智慧门架协同与融合运算的云端中心处理服务器层;集成了ETC收费及稽查功能的应用软件层。本发明的有益效果在于:能够将车辆全息信息与OBU信息融合,获取高速公路场景中过路车辆全息信息以及车辆OBU与门架RSU的交易情况,并根据多源信息检索到未交易成功的车辆,能够实现门架间的智慧协同及融合运算,以减少ETC收费的逃、漏费率,并实现逃费车辆稽查功能,为公路收费管理提供良好的基础保障。

    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:CN111460996B

    公开(公告)日:2022-02-15

    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%。

    一种高速公路桥梁机电系统状态信息化矩阵的构建方法

    公开(公告)号:CN113792261A

    公开(公告)日:2021-12-14

    申请号:CN202111127861.2

    申请日:2021-09-26

    Applicant: 东南大学

    Abstract: 本发明公开了一种高速公路桥梁机电系统状态信息化矩阵的构建方法,包括:确定高速公路桥梁机电系统的功能结构和物理结构;通过高速公路数据采集与监控系统采集前端电气参数,构建原始电气量数据集;基于高速公路桥梁机电系统结构和数据记录标准化格式,采用正则表达式匹配及字符分割聚类,并根据电气量参数类型对数据排序,构建信息化矩阵,采用迭代的方法规范数据格式;将参数与状态分离为两个矩阵,并采用灰度图像表达参数和状态矩阵。本发明将高速公路桥梁机电配电组采集的电气信息转换为时间序列的信息化矩阵法,以便于对高速公路桥梁机电系统故障进行分类和预测,可对高速公路场景中桥梁机电系统的管养提供技术支持。

    基于深层稀疏记忆模型的高速公路机电系统故障分类方法

    公开(公告)号:CN113743537A

    公开(公告)日:2021-12-03

    申请号:CN202111127850.4

    申请日:2021-09-26

    Applicant: 东南大学

    Abstract: 本发明公开了基于深层稀疏记忆模型的高速公路机电系统故障分类方法,包括:获取高速公路机电系统的数据采集与监控系统SCADA所采数据,进行数据预处理;构建基于双层栈式稀疏自编码器+SVM的跳闸故障检测模型,对高速公路机电系统电气量参数进行特征提取和故障检测,输出故障时刻;构建改进FSS‑LSTM网络模型,对系统的故障时刻数据进行故障状态分类,输出故障类。本发明通过稀疏学习和深度神经网络的紧密结合,提高分类效率,并且更精准的实现多种故障的分类,对高速公路场景中机电系统的运维提供技术支持。

    一种基于视频及肤色区域距离的驾驶员姿态检测方法

    公开(公告)号:CN109977786B

    公开(公告)日:2021-02-09

    申请号:CN201910156046.5

    申请日:2019-03-01

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于视频及肤色区域距离的驾驶员姿态检测方法,该方法通过提取多个样本视频中采样图像的肤色区域,计算肤色区域的质心坐标,将质心坐标转换为特征距离来表征每张图像的特征值,采用聚类算法将一段视频对应的多幅图像的特征值融合为一个特征值;构建BP神经网络,将融合后的特征值和对应的驾驶姿态类别作为训练样本输入BP神经网络,训练得到驾驶员姿态检测模型;在检测时,采集待检测的驾驶员驾驶时的视频,对待检测视频按照上述步骤中的方法计算特征值,计算结果作为驾驶员姿态检测模型的输入,输出为待检测视频的驾驶姿态类别。该方法可以有效提高驾驶人姿态的检测率并实现对驾驶员驾驶行为的识别分类,最终实现对营运驾驶过程的实时预警。

    基于物联网的重大物件运输状态感知系统

    公开(公告)号:CN111507670A

    公开(公告)日:2020-08-07

    申请号:CN202010348371.4

    申请日:2020-04-28

    Abstract: 本发明公布了基于物联网的重大物件运输状态感知系统,包括:以北斗定位系统、惯性导航稳定平台等传感器构建重大物件运输信息感知层;以5G-DTU等设备构建重大物件运输信息物联网传输层;以关系型数据库Oracle构建重大物件运输信息云端数据存储层;采用C/S开发架构,完成重大物件运输感知系统应用程序的开发。本发明的有益效果在于:可实现重大物件运输状态实时跟踪、运输过程可视化管控、异常事件历史记录查询以及系统数据维护管理等系统功能。能够有效解决感知信息单一的问题,填补对于运输物件动态信息感知研究的空白,为重大物件运输信息感知提供了技术支撑,同时,也为后续重大物件运输中姿态信息感知的进一步研究提供了重要的参考价值。

    一种基于迁移学习深层网络融合模型的货车品牌分类方法

    公开(公告)号:CN111428735A

    公开(公告)日:2020-07-17

    申请号:CN202010194482.4

    申请日:2020-03-19

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于迁移学习深层网络融合模型的货车品牌类型识别分类方法,包括:采用基于边缘方向直方图的可变形部件模型对货车图像进行货车车脸检测;构建Inception V3-MMD网络模型,并基于车脸图像获取车辆品牌特征向量FI;构建Xception-MMD网络模型,并基于车脸图像获取车辆品牌特征向量FX;构建DenseNet-201-MMD网络模型,并基于车脸图像获取车辆品牌特征向量FD;得到车辆品牌融合特征向量FC;构建基于最大均值差异迁移学习的深层网络融合模型的输出层,并根据获取的车型融合特征向量FC对货车品牌进行识别分类。本发明将迁移学习理论与深度学习紧密结合,从而可以更精准的实现多种类型货车车辆品牌的分类,可对高速公路场景中货车智慧收费系统提供技术支持。

Patent Agency Ranking