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。

    基于局部可变形部件模型融合特征的驾驶姿态识别方法

    公开(公告)号:CN109117719B

    公开(公告)日:2020-04-14

    申请号:CN201810710828.4

    申请日:2018-07-02

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于局部可变形部件模型融合特征的驾驶姿态识别方法。本发明的方法包括如下步骤:(1)采用视频传感器获取驾驶员姿态图像,并定义驾驶姿态局部核心区域;(2)采用线性判别式分析分别确定每一个驾驶姿态局部核心区域的组件数,构建驾驶姿态局部核心区域检测的局部可变形部件模型;(3)分别构建驾驶姿态局部核心区域的局部可变形部件模型的得分模型,该模型的计算结果作为驾驶姿态局部核心区域的局部特征向量;(4)采用串行融合规则构建驾驶员姿态的局部可变形部件模型融合特征向量;(5)采用基于RBF核的支持向量机对驾驶员姿态进行识别。本发明能够有效地对驾驶员的驾驶姿态进行检测和识别。

    基于局部可变形部件模型融合特征的驾驶姿态识别方法

    公开(公告)号:CN109117719A

    公开(公告)日:2019-01-01

    申请号:CN201810710828.4

    申请日:2018-07-02

    Applicant: 东南大学

    Abstract: 本发明公开了一种基于局部可变形部件模型融合特征的驾驶姿态识别方法。本发明的方法包括如下步骤:(1)采用视频传感器获取驾驶员姿态图像,并定义驾驶姿态局部核心区域;(2)采用线性判别式分析分别确定每一个驾驶姿态局部核心区域的组件数,构建驾驶姿态局部核心区域检测的局部可变形部件模型;(3)分别构建驾驶姿态局部核心区域的局部可变形部件模型的得分模型,该模型的计算结果作为驾驶姿态局部核心区域的局部特征向量;(4)采用串行融合规则构建驾驶员姿态的局部可变形部件模型融合特征向量;(5)采用基于RBF核的支持向量机对驾驶员姿态进行识别。本发明能够有效地对驾驶员的驾驶姿态进行检测和识别。

    一种基于人-车-路-货多风险源的货运安全评价模型

    公开(公告)号:CN106228499A

    公开(公告)日:2016-12-14

    申请号:CN201610529822.8

    申请日:2016-07-06

    Applicant: 东南大学

    CPC classification number: G06Q50/30

    Abstract: 本发明公开了一种基于人-车-路-货多风险源的货运安全评价模型,包括以下步骤:构建货运安全感知系统,获取驾驶人、车辆、道路(环境)和货物信息;采用事故致因理论分析货运车辆事故致因因素,定义人、车、路和货四类风险源的属性集,并采用事故树分析方法对属性集进行分析和筛选;根据筛选后的属性集,采用层次分析法构建货运安全风险指标体系,并确定驾驶人、车辆、路(环境)和货物信息各因素对于事故发生的权重;依据建立的货运风险综合评价指标体系及各评价指标权重,采用模糊评价理论构建货运安全风险评价模型。本发明可为公路货物运输安全工作提供智能化预警的技术支撑。

Patent Agency Ranking