基于C4.5的高速公路事故主次因分析及事故类型判断方法

    公开(公告)号:CN109035763A

    公开(公告)日:2018-12-18

    申请号:CN201810706364.X

    申请日:2018-07-02

    Applicant: 东南大学

    CPC classification number: G08G1/0104 G08G1/0137

    Abstract: 本发明公开了一种基于C4.5的高速公路事故主次因分析及事故类型判断方法,包括如下步骤:1、收集N条高速公路交通事故记录,包括事故发生时的道路条件、驾驶员情况、车辆情况等属性信息、事故类型;2、将属性信息进行符号化;由属性变量和事故类型构建样本集;3、N次事故的属性变量组成属性集合{Vi}作为输入,事故类型集合{Ci}作为输出,应用C4.5算法构建决策树,决策树的终端节点为事故类型,中间节点为属性;4、根据所建立决策树得到事故主次因素顺序。该方法综合考虑与事故相关的人‑车‑路‑环境指标,能够精准分析公路交通事故主次因,判断某些条件下最可能发生的事故类型,对公路交通管理部门采取防护措施具有指导意义。

    一种基于车载装饰品特征稀疏编码的车辆检索方法

    公开(公告)号:CN106682087A

    公开(公告)日:2017-05-17

    申请号:CN201611063148.5

    申请日:2016-11-28

    Applicant: 东南大学

    CPC classification number: G06F17/30247 G06K9/6249 G06K9/6255 G06K9/6269

    Abstract: 本发明公开了一种基于车载装饰品特征稀疏编码的车辆检索方法,包括获取车辆图像数据,并采用灰度共生矩阵特征及支持向量机检测图像中的车辆区域;获取的车辆图像中的车载装饰品区域图像;构建车载装饰品区域图像的超完备字典;求解待查询车辆所对应的车载装饰品区域图像的稀疏向量;重构待查询车载装饰品区域图像,并计算该重构图像与待查询车载装饰品区域图像之间的欧氏距离;更新待查询车载装饰品区域图像的稀疏向量,并根据大小排序该稀疏向量的元素,设定阈值,得到车载装饰品区域图像的检索结果。与现有技术相比,本发明以基于车载装饰品特征来进行车辆检索,大大增加了检索精度和可靠性,为有效解决违法车辆追踪问题提供了重要依据。

    一种基于级联集成分类器的车辆品牌类型识别方法

    公开(公告)号:CN105787437B

    公开(公告)日:2017-04-05

    申请号:CN201610077560.6

    申请日:2016-02-03

    Applicant: 东南大学

    Abstract: 本发明公开一种基于级联集成分类器的方法来识别车辆品牌类型,通过定位和分割车脸图像;分别采用梯度方向直方图和Contourlet变换提取车脸图像特征,构造车辆品牌类型识别的第一级集成分类器;采用多层神经网络作为第二级集成分类器的子分类器,并通过第一级、第二级集成分类器判断其所属车辆品牌类型的步骤,大大增加了识别系统的精度和可靠性,为有效地解决车辆套牌、交通肇事等交通问题提供了重要的参数依据。

    一种城市交通场景中基于时间空间图像的车辆计数方法

    公开(公告)号:CN106408575A

    公开(公告)日:2017-02-15

    申请号:CN201610805479.5

    申请日:2016-09-06

    Applicant: 东南大学

    CPC classification number: G06T2207/10016 G06T2207/30242

    Abstract: 本发明公开了一种城市交通场景中基于时间空间图像的车辆计数方法,首先提出了一种背景模型的初始化方法;对当前场景像素点交通状态进行判别;计算背景模型中像素点的置信度,并判断是否更新;然后根据当前交通状态用阈值自适应更新方法更新背景模型,运用基于像素的自适应分割方法检测前景;将虚拟检测直线上前景背景检测的结果累计保持形成时间空间图像;对时间空间图像进行形态学滤波处理,得到连通区域,统计连通区域的数量得到车辆的数量。本发明解决了复杂场景下对车辆计数的问题,使得计数更加准确,方法简单且检测速度快。

    一种基于自适应局部特征背景模型的车辆检测方法

    公开(公告)号:CN106056062A

    公开(公告)日:2016-10-26

    申请号:CN201610361751.5

    申请日:2016-05-27

    Applicant: 东南大学

    CPC classification number: G06K9/00771 G06K9/38

    Abstract: 本发明提供了一种基于自适应局部特征背景模型的车辆检测方法,首先在像素预定义的区域使用自适应的距离阈值计算纹理,通过最近计算的特征构建背景模型,输入视频帧和背景模型之间的差值通过自适应局部均值二值化模式的纹理特征进行计算,根据当前帧的输入像素的自适应局部均值二值模式特征和背景模型的自适应局部均值二值模式特征之间的汉明距离将像素点分为背景和前景,最后基于联合保守更新和随机采样的方法更新背景模型来适应不断变化的光照和动态背景。本发明可以有效解决背景模型在复杂交通场景中容易被突然或者逐渐变化的光照所污染的问题。

    一种基于动态交通流的长直公路周边区域噪声预测方法

    公开(公告)号:CN103778299A

    公开(公告)日:2014-05-07

    申请号:CN201410045592.9

    申请日:2014-02-08

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于动态交通流的长直公路周边区域噪声预测方法,其方法是通过精确定义车辆在公路路段的微观运行轨迹,建立车辆源排放模型,同时构建噪声传播模型,得到完整的一套噪声预测方法,本方法包括如下步骤:(1)将预测地点的动态交通流仿真车型分类,建立动态交通流仿真模型;(2)确定不同车型的参考辐射声级,同时考虑交通组成,距离衰减,声屏障插入损失计算噪声预测声级,并考虑路面粗糙度、坡度和路边地面类型对其修正。本发明方法在充分吸收其他学科相关研究思想的基础上,突破传统噪声预测方法的局限性,能够准确预报敏感区域的噪声声级。

    一种基于空间比例的驾驶人姿态特征提取方法

    公开(公告)号:CN102214296B

    公开(公告)日:2012-11-28

    申请号:CN201110150064.6

    申请日:2011-06-03

    Applicant: 东南大学

    Abstract: 一种基于空间比例的驾驶人姿态特征提取方法,包括步骤:1)采集车内驾驶人姿态图像,并进行预处理;2)提取驾驶人姿态图像中的肤色区域,并归一化;3)对经过归一化处理后的驾驶人姿态图像进行阈值处理,来识别肤色区域;4)经过阈值处理后的驾驶人姿态图像中只包括驾驶人体的肤色区域,提取驾驶人姿态图像中的肤色区域的边缘;5)求近似质心坐标;6)求得两肤色区域的近似质心之间的距离;7):求得驾驶人姿态特征。与现有技术相比,本技术方案以一种基于空间比例的驾驶人姿态特征提取方法来提取驾驶人信息,为以驾驶人为中心的新一代辅助驾驶系统可有效地解决交通事故、交通拥堵等交通问题提供了重要的参数依据。

    基于视频图像的驾驶员姿态自动识别方法

    公开(公告)号:CN102567743A

    公开(公告)日:2012-07-11

    申请号:CN201110428984.X

    申请日:2011-12-20

    Applicant: 东南大学

    Abstract: 基于视频图像的驾驶员姿态自动识别方法,通过安装在驾驶室侧方的CCD摄像机采集驾驶员操作方向盘、操作档位、吃东西和打电话等驾驶姿态图像,然后通过同态滤波处理、皮肤区域分割和Curvelet小波变换提取驾驶姿态特征向量来表征不同类的驾驶姿态,最后,采用支持向量机SVM对提取的驾驶姿态特征向量进行分类,从而实现操作方向盘、操作档位、吃东西和打电话等驾驶姿态的自动识别。本发明方法在不干扰驾驶员正常驾驶活动的前提下,可有效地检测驾驶员的不良驾驶行为,从而提高交通行车安全。

    一种基于空间比例的驾驶人姿态特征提取方法

    公开(公告)号:CN102214296A

    公开(公告)日:2011-10-12

    申请号:CN201110150064.6

    申请日:2011-06-03

    Applicant: 东南大学

    Abstract: 一种基于空间比例的驾驶人姿态特征提取方法,包括步骤:1)采集车内驾驶人姿态图像,并进行预处理;2)提取驾驶人姿态图像中的肤色区域,并归一化;3)对经过归一化处理后的驾驶人姿态图像进行阈值处理,来识别肤色区域;4)经过阈值处理后的驾驶人姿态图像中只包括驾驶人体的肤色区域,提取驾驶人姿态图像中的肤色区域的边缘;5)求近似质心坐标;6)求得两肤色区域的近似质心之间的距离;7):求得驾驶人姿态特征。与现有技术相比,本技术方案以一种基于空间比例的驾驶人姿态特征提取方法来提取驾驶人信息,为以驾驶人为中心的新一代辅助驾驶系统可有效地解决交通事故、交通拥堵等交通问题提供了重要的参数依据。

Patent Agency Ranking