-
公开(公告)号：CN106845424B
公开(公告)日：2020-05-05
申请号：CN201710059678.0
申请日：2017-01-24
Applicant: 南京大学
Abstract: 基于深度卷积神经网络的路面遗留物检测方法，移动终端检测点作为道路摄像头，移动终端检测点通过摄像头获取图像信息，将深度学习引入路面事件识别并加以改进，以显著提高道路事件识别准确率。本发明利用卷积神经网络对获取的图像进行分析，解决移动摄像机与静止图像目标检测，将路面ROI区域划分为多个网络，构建路面—非路面识别模型，通过非路面网格反向识别高速公路路面遗留物、路面抛洒物等静态目标。本发明应用于路面遗留物、路面抛洒物等非实时性任务，充分利用移动互联网的特点与优势，以低成本实现区域高覆盖率路面遗留物等路面事件检测。
-
公开(公告)号：CN106710228B
公开(公告)日：2019-06-21
申请号：CN201611190443.7
申请日：2016-12-21
Applicant: 南京大学镇江高新技术研究院
Abstract: 一种客货分道交通参数监测系统的实现方法，包括：客货车分道行驶监测、车道的车速检测、车流量统计、车辆行驶状态监测和公路拥堵状态监测。对于客货车分道行驶监测是通过对固定车道的异种车辆检测实现的，在分类监测的前提下，对固定车道的相关车辆进行交通参数的实时监测。本发明实现的系统提供了一种低成本，高实用性的监控手段，实现了对高速公路上客货分道的监控及相应交通参数监测的人工智能化。
-
Patent Agency Ranking
公开(公告)号：CN106874863A
公开(公告)日：2017-06-20
申请号：CN201710059676.1
申请日：2017-01-24
Applicant: 南京大学
Abstract: 基于深度卷积神经网络的车辆违停逆行检测方法，用移动终端检测点作为道路摄像头，移动终端检测点通过摄像头获取图像信息，将深度学习引入路面事件识别并加以改进，以显著提高道路事件识别准确率。本发明利用卷积神经网络对获取的图像进行分析，将路面ROI区域划分为多个网络，构建路面—非路面识别模型，通过非路面网格反向识别高速公路非法停车、车辆逆向行驶等目标。本发明应用于路面违停检测、车辆逆行检测等非实时性任务，充分利用移动互联网的特点与优势，以低成本实现区域高覆盖率车辆违停和车辆逆行等路面事件检测。
-
公开(公告)号：CN106845424A
公开(公告)日：2017-06-13
申请号：CN201710059678.0
申请日：2017-01-24
Applicant: 南京大学
Abstract: 基于深度卷积神经网络的路面遗留物检测方法，移动终端检测点作为道路摄像头，移动终端检测点通过摄像头获取图像信息，将深度学习引入路面事件识别并加以改进，以显著提高道路事件识别准确率。本发明利用卷积神经网络对获取的图像进行分析，解决移动摄像机与静止图像目标检测，将路面ROI区域划分为多个网络，构建路面—非路面识别模型，通过非路面网格反向识别高速公路路面遗留物、路面抛洒物等静态目标。本发明应用于路面遗留物、路面抛洒物等非实时性任务，充分利用移动互联网的特点与优势，以低成本实现区域高覆盖率路面遗留物等路面事件检测。
-
公开(公告)号：CN106710228A
公开(公告)日：2017-05-24
申请号：CN201611190443.7
申请日：2016-12-21
Applicant: 南京大学镇江高新技术研究院
CPC classification number: G08G1/015 , G06K9/00711 , G06K9/00785 , G06K9/4671 , G06K9/6269 , G06K9/6286 , G06K2209/23 , G06T2207/10016 , G06T2207/20224 , G06T2207/30232 , G08G1/052 , G08G1/065
Abstract: 一种客货分道交通参数监测系统的实现方法，包括：客货车分道行驶监测、车道的车速检测、车流量统计、车辆行驶状态监测和公路拥堵状态监测。对于客货车分道行驶监测是通过对固定车道的异种车辆检测实现的，在分类监测的前提下，对固定车道的相关车辆进行交通参数的实时监测。本发明实现的系统提供了一种低成本，高实用性的监控手段，实现了对高速公路上客货分道的监控及相应交通参数监测的人工智能化。
-
公开(公告)号：CN118518715A
公开(公告)日：2024-08-20
申请号：CN202310130840.9
申请日：2023-02-17
Applicant: 南京大学
IPC: G01N27/00
Abstract: 本发明涉及一种混合物样品中单个样品的定量方法，包括：1)基于纳米孔道定量检测方法分别获取已知浓度的单独A组分的捕获率以及混合物样品中已知浓度的A组分的捕获率；2)对捕获率的获取方式进行校准；3)采用经校准后的获取方式获取混合物样品中A组分在不同浓度下的捕获率，获取混合物样品中A组分的浓度与捕获率的关系；4)获取混合物样品中所有组分的浓度与捕获率的标准曲线；5)基于标准曲线对混合物样品中未知浓度的某个单个样品进行定量。本发明相较于已报道的混合物样品定量方式既排除了一个分子进孔时对其它分子进孔效率的影响，也无需较多的测量时间和目标事件数量来保证方法的准确性。
-
公开(公告)号：CN106874863B
公开(公告)日：2020-02-07
申请号：CN201710059676.1
申请日：2017-01-24
Applicant: 南京大学
Abstract: 基于深度卷积神经网络的车辆违停逆行检测方法，用移动终端检测点作为道路摄像头，移动终端检测点通过摄像头获取图像信息，将深度学习引入路面事件识别并加以改进，以显著提高道路事件识别准确率。本发明利用卷积神经网络对获取的图像进行分析，将路面ROI区域划分为多个网络，构建路面—非路面识别模型，通过非路面网格反向识别高速公路非法停车、车辆逆向行驶等目标。本发明应用于路面违停检测、车辆逆行检测等非实时性任务，充分利用移动互联网的特点与优势，以低成本实现区域高覆盖率车辆违停和车辆逆行等路面事件检测。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
