-
公开(公告)号：CN115546776A
公开(公告)日：2022-12-30
申请号：CN202211143811.8
申请日：2022-09-20
Applicant: 东南大学 , 河北交通职业技术学院
Abstract: 本发明公布了基于卷积神经网络模型的字符分割模式车牌识别方法，包括：基于异常天气状况下的高速整车图像，构建高速公路车牌图像集；基于图像比例的方法，对车牌字符进行分割；构建不同字符集的分类卷积神经网络模型，优选Inceptionv3‑LPCR、ResNet50‑LPCR、ResNeXt‑LPCR和MNASNet‑LPCR模型完成车辆号牌识别。本发明的有益效果在于：能够有效对车牌的字符进行分割，构建符合真实高速场景且适用于神经网络学习的车牌图像集，同时选用结构合理的卷积神经网络，完成对车辆牌照的自动识别，提升了车牌识别的准确率与速度，对于车辆的识别有着重要的作用。
-
公开(公告)号：CN109214370B
公开(公告)日：2021-03-19
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。
-
公开(公告)号：CN110070727B
公开(公告)日：2022-01-18
申请号：CN201910302132.2
申请日：2019-04-16
Applicant: 东南大学
Abstract: 本发明公开了一种无匝道的高速公路治超劝返系统，包括：两车道预检系统、无人值守高速公路入口和无人值守高速公路出口。本发明能够有效减少由于路面不平及车辆重心不稳引起的称重偏差，且有效劝返超重货车，使非超重货车正常通行，且为治超部门和高速公路收费系统提供在线实时服务。
-
公开(公告)号：CN113326865A
公开(公告)日：2021-08-31
申请号：CN202110406035.5
申请日：2021-04-15
Applicant: 东南大学 , 河北省交通规划设计院 , 河南万里交通科技集团无损检测加固技术有限公司
Abstract: 本发明公开了一种基于深度学习的高速公路路面病害三维信息检测系统，包括路面信息感知层、数据存储层和综合服务层。本发明能够实时检测判断路面病害类型，实时获取路面信息感知层的三维点云图像及相关信息，对这些信息进行存储、查询、分类，并在电子地图上显示其对应的位置，同时能够完成路面状态发布，为公路路面养护人员提供极大地便利。
-
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％。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN116524481A
公开(公告)日：2023-08-01
申请号：CN202210943795.4
申请日：2022-08-08
Applicant: 东南大学
Abstract: 本发明公布了基于卷积神经网络模型的字符非分割模式车牌识别方法，包括：基于异常天气状况下的高速整车图像，对车牌区域进行检测并构建高速公路车牌图像集；研究字符非分割模式车牌识别框架，优选基于CB损失函数的多分类字符非分割模式车牌识别框架进行模型构造；构建卷积神经网络模型进行车牌的特征提取，优选InceptionV3‑LPR‑CB、ResNet50‑LPR‑CB、ResNeXt‑LPR‑CB和SENet‑LPR‑CB卷积神经网络模型完成车辆号牌的识别。本发明的有益效果在于：构建符合真实高速场景且适用于神经网络学习的车牌图像集，提供非分割模式下的车辆号牌识别框架，同时选用结构合理的卷积神经网络模型，完成对车辆号牌的自动识别，提升了车牌识别的准确率与速度的同时，也给车辆号牌识别提供了有效的新思路。
-
公开(公告)号：CN116524480A
公开(公告)日：2023-08-01
申请号：CN202210943681.X
申请日：2022-08-08
Applicant: 东南大学
IPC: G06V20/62 , G06V20/54 , G06V10/82 , G06V30/19 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 本发明公开了一种基于深度学习融合网络的字符非分割模式车牌识别方法，包括以下步骤：对高速整车图像的车牌区域进行检测并构建高速公路车牌图像集；基于基于CTC损失函数与ResNet50‑LPR卷积神经网络block1、block3、block5这三层输出的车辆号牌图像特征向量进行串联融合，构建融合模型FResNet50；基于车牌识别的注意力编码方式，在FResNet50融合模型后添加注意力编码模块，完成FResNet50‑Attention深度学习融合网络模型的构建；使用高速公路车牌图像集对构建好的FResNet50‑Attention卷积神经网络模型进行训练，最终完成对车辆号牌的识别。本发明的识别性能优于单一的ResNet50‑LPR卷积神经网络和传统融合方式下的FResNet50卷积神经网络融合模型，其对于整副车牌的识别准确率达到了93.224％。
-
公开(公告)号：CN114170695B
公开(公告)日：2023-06-06
申请号：CN202111407558.8
申请日：2021-11-24
Applicant: 山东高速股份有限公司 , 东南大学
IPC: G07B15/06
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。
-
公开(公告)号：CN111428735B
公开(公告)日：2021-06-25
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。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.019 seconds)
