公开(公告)号：CN111131031A

公开(公告)日：2020-05-08

申请号：CN201911375100.1

申请日：2019-12-27

Applicant: 南京邮电大学

Inventor： 暴建民 ,  吴晨杰 ,  丁飞 ,  米冠宇 ,  任素菊

IPC: H04L12/715 ,  H04L29/08

Abstract: 一种基于移动性权重的VANET集群分簇优化方法，利用每个车辆的移动性信息，包括节点接连级别、平均速度和距离，分簇算法基于计算的权重值选择CH。为了确保和保持集群稳定性，引入了SeCH，以便在PCH即将离开时担任领导，定期检查和更新PCH和SeCH的速度差，以确保平稳过渡以满足VANET环境安全应用的严格要求。

公开(公告)号：CN112464750A

公开(公告)日：2021-03-09

申请号：CN202011253290.2

申请日：2020-11-11

Applicant: 南京邮电大学

Inventor： 暴建民 ,  米冠宇 ,  丁飞 ,  任素菊 ,  殷齐 ,  张登银

IPC: G06K9/00 ,  G06K9/32 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的车牌特征点检测方法，旨在解决现有技术中车牌特征点检测精度低的技术问题。其包括：获取道路视频，并将道路视频转换成道路图像数据；利用预先训练好的车牌特征点检测模型处理道路图像数据，通过模型前向推理获得车牌特征点检测结果；利用OpenCV工具将车牌特征点检测结果以标签的形式添加到道路图像数据中，并将带有标签的道路图像数据恢复成带有标签的道路视频，获得道路视频的车牌特征点检测结果；其中，所述车牌特征点检测模型采用融合注意力机制的高分辨率并行网络模型。本发明方法能够高效、准确的进行车牌特征点检测。

公开(公告)号：CN112464750B

公开(公告)日：2023-11-14

申请号：CN202011253290.2

申请日：2020-11-11

Applicant: 南京邮电大学

Inventor： 暴建民 ,  米冠宇 ,  丁飞 ,  任素菊 ,  殷齐 ,  张登银

IPC: G06V20/62 ,  G06V20/58 ,  G06V20/40 ,  G06V30/19 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于深度学习的车牌特征点检测方法，旨在解决现有技术中车牌特征点检测精度低的技术问题。其包括：获取道路视频，并将道路视频转换成道路图像数据；利用预先训练好的车牌特征点检测模型处理道路图像数据，通过模型前向推理获得车牌特征点检测结果；利用OpenCV工具将车牌特征点检测结果以标签的形式添加到道路图像数据中，并将带有标签的道路图像数据恢复成带有标签的道路视频，获得道路视频的车牌特征点检测结果；其中，所述车牌特征点检测模型采用融合注意力机制的高分辨率并行网络模型。本发明方法能够高效、准确的进行车牌特征点检测。

公开(公告)号：CN111131031B

公开(公告)日：2022-05-20

申请号：CN201911375100.1

申请日：2019-12-27

Applicant: 南京邮电大学

Inventor： 暴建民 ,  吴晨杰 ,  丁飞 ,  米冠宇 ,  任素菊

IPC: H04L45/00 ,  H04L67/10 ,  H04L67/12

Abstract: 一种基于移动性权重的VANET集群分簇优化方法，利用每个车辆的移动性信息，包括节点接连级别、平均速度和距离，分簇算法基于计算的权重值选择CH。为了确保和保持集群稳定性，引入了SeCH，以便在PCH即将离开时担任领导，定期检查和更新PCH和SeCH的速度差，以确保平稳过渡以满足VANET环境安全应用的严格要求。