基于结构森林和亚像素的受电弓磨耗预警系统及检测方法

    公开(公告)号:CN110567383A

    公开(公告)日:2019-12-13

    申请号:CN201910693615.X

    申请日:2019-07-30

    Abstract: 本发明提供一种基于结构森林和亚像素的受电弓磨耗预警系统及检测方法,该系统包括图像采集模块、图像预处理模块、结构森林快速边缘检测模块、亚像素检测模块、相机标定模块和判断模块;该方法为:图像采集模块采集图像输送至图像预处理模块对图像进行预处理,结构森林快速边缘检测模块和亚像素检测模块对预处理后的图像进行边缘检测,相机标定模块对图像进行相机标定和对比计算,判断模块判断受电弓磨耗是否超限。本发明涉及结构森林快速边缘检测算法忽略局部干扰信息,强化边界提取,具有很好的鲁棒性和高准确性;亚像素边缘检测算法,在整像素检测的基础上,明显提高系统检测精度;此预警系统可对受电弓实时监测,自动化程度高、效率高。

    疲劳驾驶检测的方向盘装置及其安全预警方法

    公开(公告)号:CN105894736A

    公开(公告)日:2016-08-24

    申请号:CN201610424835.9

    申请日:2016-06-15

    CPC classification number: G08B21/06 B60Q9/00 B62D1/04

    Abstract: 本发明公开了一种疲劳驾驶检测的方向盘装置及其安全预警方法。该装置包括数据采集模块、微处理器控制模块、数据传输模块、数据储存模块、数据分析模块和安全预警模块六大部分,其中,数据采集模块包括方向盘转角采集模块、车速采集模块、方向盘压力采集模块和眼动特征数据采集模块,采集的数据通过微处理器处理后传输给数据分析模块,分析模块对采集数据进行分析处理,搭建自适应监测模型,并进行实时差异分析,判断驾驶员当前驾驶状态,若出行疲劳驾驶状态则采取预警措施。本发明可实现对驾驶疲劳的判断,实用性高,可迅速感应驾驶疲劳,灵敏性高,检测结果可靠性、准确性高,且不用手动输入任何数据,可自动进行安全预警,智能性高。

    一种基于深度森林的目标跟踪方法

    公开(公告)号:CN109685823B

    公开(公告)日:2022-10-28

    申请号:CN201811580315.2

    申请日:2018-12-24

    Abstract: 本发明公开了一种基于深度森林的目标跟踪方法。该方法为:将目标图像与待匹配图像在水平方向上进行串联以组成样本图像,建立正负样本集;定义多粒度扫描层和级联森林层,将两者串联构建深度森林模型;对多粒度扫描层和级联森林层分别进行训练,在训练过程中,以测试准确性的增加值小于阈值作为训练停止条件来确定级联森林层的层数;以上一帧图像中的目标位置为基础定义局部搜索范围,按照离散尺度间隔提取候选图像并归一化,将第一帧目标图像与候选图像进行串联并输入深度森林模型,对深度森林模型输出的概率进行比较,以最高概率所对应的位置作为目标当前位置,从而实现目标跟踪。本发明提高了复杂环境下目标跟踪的稳定性,并具有较好的实时性。

    一种基于深度森林的目标跟踪方法

    公开(公告)号:CN109685823A

    公开(公告)日:2019-04-26

    申请号:CN201811580315.2

    申请日:2018-12-24

    CPC classification number: G06T7/20 G06T2207/10016 G06T2207/20081

    Abstract: 本发明公开了一种基于深度森林的目标跟踪方法。该方法为:将目标图像与待匹配图像在水平方向上进行串联以组成样本图像,建立正负样本集;定义多粒度扫描层和级联森林层,将两者串联构建深度森林模型;对多粒度扫描层和级联森林层分别进行训练,在训练过程中,以测试准确性的增加值小于阈值作为训练停止条件来确定级联森林层的层数;以上一帧图像中的目标位置为基础定义局部搜索范围,按照离散尺度间隔提取候选图像并归一化,将第一帧目标图像与候选图像进行串联并输入深度森林模型,对深度森林模型输出的概率进行比较,以最高概率所对应的位置作为目标当前位置,从而实现目标跟踪。本发明提高了复杂环境下目标跟踪的稳定性,并具有较好的实时性。

    基于计算机视觉的交叉口标志标线与信号灯智能感知方法

    公开(公告)号:CN107978165A

    公开(公告)日:2018-05-01

    申请号:CN201711322127.5

    申请日:2017-12-12

    Abstract: 本发明公开了一种基于计算机视觉的交叉口标志标线与信号灯智能感知方法,车载摄像头拍摄路况信息视频;分帧处理拍摄到的视频;对分帧图片预处理,排除非感兴趣区域;使用颜色特征和形状特征定位分割交通标志牌,并基于改进的SIFT算法检测并识别;基于圆形度和背景板信息提取交通信号灯;根据倒计时器与信号灯位置关系和其背景板特征分离信号灯倒计时器,使用SVM分类器识别倒计时器上的数字和箭头信号灯信息;用颜色直方图对色调H进行分布统计,识别交通信号灯颜色;提取车辆前方车道线,采用逆透视变换方法和设置 ROI 感兴趣区域消除透视形变的影响,模板匹配方法识别车道线类型;根据信号灯的安装方法,结合车道线标志牌底色和形状分离车道线标志牌,并基于改进的SIFT算法检测并识别。

Patent Agency Ranking