-
公开(公告)号：CN111914320B
公开(公告)日：2024-02-02
申请号：CN202010508456.4
申请日：2020-06-06
Applicant: 同济大学
IPC: G06F30/13 , G06F30/20 , G06F30/27 , G06N3/0464
Abstract: 一种无现场故障样本下的基于深度学习的道岔故障诊断方法：它包括建立仿真模型：由道岔转辙机动作机理构建道岔动作仿真模型；仿真获取数据样本：分析道岔常见故障，基于道岔动作仿真模型得到不同故障状态下的道岔动作电流曲线，建立道岔故障样本集；建立故障诊断模型：采用深度学习的方法，构建道岔故障诊断模型，利用所述道岔故障样本集，对道岔故障模型进行训练；输入待检测图像到道岔故障诊断模型，得到诊断结果。此发明能在无现场故障样本下进行高识别率道岔故障诊断，提高道岔故障识别效率，保障行车安全。
-
公开(公告)号：CN116503903A
公开(公告)日：2023-07-28
申请号：CN202310364203.8
申请日：2023-04-06
Applicant: 同济大学
IPC: G06V40/10 , G06V40/20 , G06V10/44 , G06V10/774 , G06V10/82
Abstract: 本发明提供了一种针对交通行人姿态估计的对抗样本生成方法，该方法主要针对OpenPose姿态估计网络。该方法包括：获取待检测原始图片；将待检测图片输入到姿态估计网络，获取图片输出结果；设计对抗损失函数；计算姿态估计网络下待检测图片识别结果与设定的对抗样本标签值之间的损失值；利用该损失函数下的梯度信息计算对抗扰动；将原始图片和对抗扰动进行相加得到对抗样本。通过此发明可以生成对抗样本，暴露OpenPose姿态估计网络存在的安全漏洞和问题，对交通信息感知系统进行有效的安全效果验证。
-
公开(公告)号：CN111915061A
公开(公告)日：2020-11-10
申请号：CN202010639960.8
申请日：2020-07-06
Applicant: 同济大学
Abstract: 种道岔动作电流曲线预测方法及其故障判别方法，包括采集同一道岔连续N次正常动作曲线数据；对同一条道岔每一次动作产生的正常动作曲线提取m个时刻的电流值；对提取的正常动作曲线的同一时刻电流值进行处理，建立ARMA预测模型；基于预测模型计算道岔在第Y次(Y>N)同一时刻的电流曲线预测值；对应道岔曲线的m个时刻建立m个预测模型，得到第Y次的预测电流值；基于预测模型计算的结果绘制得到道岔动作电流曲线预测图；基于道岔动作电流预测曲线，利用相似度算法计算出道岔预测曲线的故障类型。可预测道岔下一阶段的工作状态，能够为维修提供有效的建议，完善微机监测系统的功能，提高维修效率的同时降低维修成本，提高系统的可靠性，保证行车安全。
-
公开(公告)号：CN111914320A
公开(公告)日：2020-11-10
申请号：CN202010508456.4
申请日：2020-06-06
Applicant: 同济大学
Abstract: 一种无现场故障样本下的基于深度学习的道岔故障诊断方法：它包括建立仿真模型：由道岔转辙机动作机理构建道岔动作仿真模型；仿真获取数据样本：分析道岔常见故障，基于道岔动作仿真模型得到不同故障状态下的道岔动作电流曲线，建立道岔故障样本集；建立故障诊断模型：采用深度学习的方法，构建道岔故障诊断模型，利用所述道岔故障样本集，对道岔故障模型进行训练；输入待检测图像到道岔故障诊断模型，得到诊断结果。此发明能在无现场故障样本下进行高识别率道岔故障诊断，提高道岔故障识别效率，保障行车安全。
-
公开(公告)号：CN111191611A
公开(公告)日：2020-05-22
申请号：CN201911425706.1
申请日：2019-12-31
Applicant: 同济大学
Abstract: 一种基于深度学习的交通标志标号识别方法。从监控摄像头实时捕捉标志标号所在场景图像；将原始待测场景图像输入训练好的标志标号检测网络，识别场景图像中的标志标号所在区域；将标志标号所在区域从原始图像中分割出来，输入训练好的字符识别网络，识别标志标号区域内的字符；对所有字符的边界框的左上角坐标进行排序和组合，得到标志标号的具体内容。本发明不需要对图像进行预处理，不需要从标志标号所在区域分割单个字符；使用两个基于深度学习的目标检测网络模型检测和识别场景图像中的标志标号内容，对于各种角度歪斜的交通标志标号、模糊的场景图像、光照较暗的场景图像等都具有较好的识别效果，且实时性好、准确率高。
-
Patent Agency Ranking
公开(公告)号：CN115359336A
公开(公告)日：2022-11-18
申请号：CN202210914923.2
申请日：2022-08-01
Applicant: 同济大学
IPC: G06V10/82 , G06N3/04 , G06N3/08 , G06V10/764 , G06F17/10
Abstract: 本发明提供了一种面向交通信息感知的目标隐身对抗样本生成方法，该方法主要针对YOLOv4目标检测网络。该方法包括：获取待检测原始图片；将待检测图片输入到YOLOv4目标检测网络；设计对抗损失函数；计算待检测图片在YOLOv4目标检测网络中的损失值；利用梯度算法计算对抗扰动；利用扰动截取方法将对抗扰动限制在目标区域；对抗样本为原始图片和对抗扰动进行相加。通过此发明可以生成对抗样本，暴露YOLOv4目标检测网络存在的安全漏洞和问题，对交通信息感知系统进行有效的安全效果验证。
-
公开(公告)号：CN114038056A
公开(公告)日：2022-02-11
申请号：CN202111276839.4
申请日：2021-10-29
Applicant: 同济大学
IPC: G06V40/20 , G06V20/40 , G06V10/46 , G06V10/774 , G06V10/764 , G06K9/62 , G06N20/00
Abstract: 本发明提供了一种跳跃式及下蹲式逃票行为识别方法，包括获取地铁闸机入口所在位置的监控视频，转化成图像帧；利用人体关键点检测算法对每一帧图像进行检测，获得每一帧图像的人体骨架数据；利用多目标跟踪算法对连续多帧图像中的行人进行多目标跟踪，得到每一个行人的人体骨架序列；对人体骨架序列的某一时刻的骨架数据，进行特征提取；搭建单帧行为的检测模型，将获得的人体骨架特征输入检测模型，得到行人的动作类别；重复步骤得到每一个时刻的动作类别与时间的序列曲线，依据该曲线检测逃票行为是否发生。通过此发明可以对地铁站内的跳跃式及下蹲式逃票行为进行识别，及时捕捉到乘客的逃票行为并进行制止，保证地铁秩序和安全运营。
-
公开(公告)号：CN108491855B
公开(公告)日：2021-10-26
申请号：CN201810126367.6
申请日：2018-02-08
Applicant: 同济大学
Abstract: 本发明提供了一种信号机故障识别方法，该方法包括：采集信号机点灯回路电流曲线；将所获取的信号机点灯回路电流曲线等时间分为Y段曲线D；利用距离算法计算曲线Di（i=1,2,…,Y）与曲线Dj（j=1,2,…,Y）的距离Jij，得到距离矩阵；根据距离矩阵判断此信号机点灯回路电流曲线类型。通过本发明解决了现有技术中，通过人工检查信号机故障，导致误报和漏报的问题，从而实现了信号机自动识别故障类别，提高检修效率及系统可靠性，保证行车安全。
-
公开(公告)号：CN110310255A
公开(公告)日：2019-10-08
申请号：CN201910439304.0
申请日：2019-05-24
Applicant: 同济大学
Abstract: 本发明提供了一种基于目标检测和图像处理的转辙机缺口检测方法，其中，该方法包括：采集列车经过道岔及转辙机带动道岔转换过程的转辙机缺口图像；建立目标检测网络并训练；将待测缺口图像输入训练好的目标检测网络，识别缺口图像中的目标区域，得到区域的边界框参数；根据区域的边界框参数对缺口图像进行预处理；对缺口图像进行缺口检测，包括缺口特征直线拟合、图像倾斜检测及矫正；根据所述缺口特征直线计算缺口值w。此发明可直接应用于各种类型转辙机，不需要针对不同类型转辙机设置不同的图像预处理参数，适用于复杂恶劣的运行工况，如缺口图像局部曝光过度、缺口图像倾斜，进一步提高缺口检测系统的准确率、鲁棒性和普适性。
-
公开(公告)号：CN108491855A
公开(公告)日：2018-09-04
申请号：CN201810126367.6
申请日：2018-02-08
Applicant: 同济大学
Abstract: 本发明提供了一种信号机故障识别方法，该方法包括：采集信号机点灯回路电流曲线；将所获取的信号机点灯回路电流曲线等时间分为Y段曲线D；利用距离算法计算曲线Di（i=1,2,…,Y）与曲线Dj（j=1,2,…,Y）的距离Jij，得到距离矩阵；根据距离矩阵判断此信号机点灯回路电流曲线类型。通过本发明解决了现有技术中，通过人工检查信号机故障，导致误报和漏报的问题，从而实现了信号机自动识别故障类别，提高检修效率及系统可靠性，保证行车安全。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.019 seconds)
