-
公开(公告)号：CN111626199A
公开(公告)日：2020-09-04
申请号：CN202010458362.0
申请日：2020-05-27
Applicant: 多伦科技股份有限公司 , 南京邮电大学
Abstract: 本发明公开了一种面向大型多人车厢场景的异常行为分析方法，包括步骤如下：利用人体姿态估计算法对车厢内监控视频进行数据提取，得到单人或多人空间骨架节点序列；训练单人行为识别网络，该网络对输入的单人空间骨架节点序列进行识别，判断该人是否存在跌倒的异常行为；训练多人行为识别网络，该网络通过对输入的多人空间骨架节点序列进行识别，进而判断是否存在异常行为；4）对多人行为识别网络的输出结果进行信息融合以对多人行为做进一步判断，根据单人和多人行为识别结果。本发明有效的解决了以卷积神经网络和循环神经网络等模型为代表的深度学习方法不能将视频中的空间和时序信息有效结合起来的问题，提高了异常行为识别的准确度。
-
公开(公告)号：CN111626199B
公开(公告)日：2023-08-08
申请号：CN202010458362.0
申请日：2020-05-27
Applicant: 多伦科技股份有限公司 , 南京邮电大学
IPC: G06V40/20 , G06V20/52 , G06V20/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种面向大型多人车厢场景的异常行为分析方法，包括步骤如下：利用人体姿态估计算法对车厢内监控视频进行数据提取，得到单人或多人空间骨架节点序列；训练单人行为识别网络，该网络对输入的单人空间骨架节点序列进行识别，判断该人是否存在跌倒的异常行为；训练多人行为识别网络，该网络通过对输入的多人空间骨架节点序列进行识别，进而判断是否存在异常行为；4）对多人行为识别网络的输出结果进行信息融合以对多人行为做进一步判断，根据单人和多人行为识别结果。本发明有效的解决了以卷积神经网络和循环神经网络等模型为代表的深度学习方法不能将视频中的空间和时序信息有效结合起来的问题，提高了异常行为识别的准确度。
-
公开(公告)号：CN111580526B
公开(公告)日：2022-11-22
申请号：CN202010458075.X
申请日：2020-05-27
Applicant: 多伦科技股份有限公司
IPC: G05D1/02
Abstract: 本发明公开了一种面向固定车辆编队场景的协同驾驶方法，包括步骤如下：将固定车辆编队，编队为、、、…、，并标记为车队车首；获取目标车队中各自动驾驶车辆的位置，并按照步骤1中编队的顺序进行车辆先后编排；分别接收车队中各车辆采集到的路况信息；根据各车辆所采集到的路况信息，利用深度Q网络算法计算损失函数及寻找最优策略，并输出最优的驾驶指令；将除首车外的各辆车所采集到的车道路况信息分别与前一序号的自动驾驶车辆所采集到的车道路况信息进行比对。本发明方法能够提高不同行驶环境下车辆对环境及车道信息获取的准确度，通过数据比较判决的方法，来降低车队中单个自动驾驶车辆特殊情况下获得错误信息的概率。
-
公开(公告)号：CN111583654B
公开(公告)日：2022-07-12
申请号：CN202010458074.5
申请日：2020-05-27
Applicant: 多伦科技股份有限公司
IPC: G08G1/01 , G08G1/0968
Abstract: 本发明公开了一种预防交叉口堵车的方法，包括步骤如下：1）对交叉口群进行界定；2）利用排队论模型判断交叉口是否堵车；3）基于移动闭塞模型建立速度引导模型；4）根据上述速度引导模型得到当前车辆最佳行驶速度，并将其回传至当前车辆的车载终端。本发明的方法解决了在路口处驾驶员对于速度判定失误的问题，有效防止因为行驶速度带来的堵车问题。
-
公开(公告)号：CN111626198A
公开(公告)日：2020-09-04
申请号：CN202010458064.1
申请日：2020-05-27
Applicant: 多伦科技股份有限公司
Abstract: 本发明公开了一种自动驾驶场景下基于Body Pix的行人运动检测方法，包括步骤如下：获取车辆前方一帧图像作为当前帧图像；使用Body Pix对获取的图像进行处理；获取连续帧图像，并对连续帧图像进行处理分析；预测行人运动轨迹；预测行人意图。本发明采用长短期记忆网络关联时空上下文信息预测行人运动轨迹，从而对自动驾驶决策系统做出有效反馈。
-
Patent Agency Ranking
公开(公告)号：CN111625457A
公开(公告)日：2020-09-04
申请号：CN202010458203.0
申请日：2020-05-27
Applicant: 多伦科技股份有限公司
Abstract: 本发明公开了一种基于改进的DQN算法的虚拟自动驾驶测试优化方法，包括：生成能够激活神经元的测试输入，分析深度神经网络逻辑的不同部分，生成真实驾驶场景的图像数据；对卷积神经网络的激活函数进行改进，构建一种分段的激活函数；采用Gabor滤波器代替卷积神经网络中的可训练的滤波器，将上述生成的真实驾驶场景的图像数据和Gabor滤波器进行卷积，得到多个不同方向的图像特征，将得到的图像特征输入卷积神经网络中，经过计算后，得到一个新的特征图；利用Q-Learning算法来训练更新卷积神经网络的网络权重，得到训练模型，从而生成各种天气场景下的路况图像数据。本发明的方法在路试的基础上进一步地提高软件测试充分性，达到提高系统可靠性和安全性的目的。
-
公开(公告)号：CN111580526A
公开(公告)日：2020-08-25
申请号：CN202010458075.X
申请日：2020-05-27
Applicant: 多伦科技股份有限公司
IPC: G05D1/02
Abstract: 本发明公开了一种面向固定车辆编队场景的协同驾驶方法，包括步骤如下：将固定车辆编队，编队为 、、、…、，并标记为车队车首；获取目标车队中各自动驾驶车辆的位置，并按照步骤1中编队的顺序进行车辆先后编排；分别接收车队中各车辆采集到的路况信息；根据各车辆所采集到的路况信息，利用深度Q网络算法计算损失函数及寻找最优策略，并输出最优的驾驶指令；将除首车外的各辆车所采集到的车道路况信息分别与前一序号的自动驾驶车辆所采集到的车道路况信息进行比对。本发明方法能够提高不同行驶环境下车辆对环境及车道信息获取的准确度，通过数据比较判决的方法，来降低车队中单个自动驾驶车辆特殊情况下获得错误信息的概率。
-
公开(公告)号：CN111583654A
公开(公告)日：2020-08-25
申请号：CN202010458074.5
申请日：2020-05-27
Applicant: 多伦科技股份有限公司
IPC: G08G1/01 , G08G1/0968
Abstract: 本发明公开了一种预防交叉口堵车的方法，包括步骤如下：1）对交叉口群进行界定；2）利用排队论模型判断交叉口是否堵车；3）基于移动闭塞模型建立速度引导模型；4）根据上述速度引导模型得到当前车辆最佳行驶速度，并将其回传至当前车辆的车载终端。本发明的方法解决了在路口处驾驶员对于速度判定失误的问题，有效防止因为行驶速度带来的堵车问题。
-
公开(公告)号：CN109949387B
公开(公告)日：2023-07-07
申请号：CN201910220637.4
申请日：2019-03-22
Applicant: 南京邮电大学 , 南京邮电大学盐城大数据研究院有限公司
Abstract: 一种基于深度学习的风景图像后期制作方法，首先利用全卷积神经网络对原始图片进行标记，区分图片中各图像部分并进行识别，获取原图像的语义分割图像D；然后根据语义分割图像D记录各分割区域的关键坐标并生成对应的图像蒙板，再将图像蒙板与原图像相乘获取分割后的系列图像{x}；系列图像{x}根据图像的处理目标和识别标签交由对应的系统模块处理，各系统模块根据处理目标调整图像的参数和重绘，汇总各系统模块输出的图像获取图像集{y}；再对图像集{y}进行参数平滑和边缘优化处理；最后通过图像相加的方式合并处理完毕的各区域图像获取最终处理图像。本发明通过设计通用的面向风景图像智能后期制作的系统架构，实现对各类风景图像的自动后期制作。
-
公开(公告)号：CN109949387A
公开(公告)日：2019-06-28
申请号：CN201910220637.4
申请日：2019-03-22
Applicant: 南京邮电大学 , 南京邮电大学盐城大数据研究院有限公司
Abstract: 一种基于深度学习的风景图像后期制作方法，首先利用全卷积神经网络对原始图片进行标记，区分图片中各图像部分并进行识别，获取原图像的语义分割图像D；然后根据语义分割图像D记录各分割区域的关键坐标并生成对应的图像蒙板，再将图像蒙板与原图像相乘获取分割后的系列图像{x}；系列图像{x}根据图像的处理目标和识别标签交由对应的系统模块处理，各系统模块根据处理目标调整图像的参数和重绘，汇总各系统模块输出的图像获取图像集{y}；再对图像集{y}进行参数平滑和边缘优化处理；最后通过图像相加的方式合并处理完毕的各区域图像获取最终处理图像。本发明通过设计通用的面向风景图像智能后期制作的系统架构，实现对各类风景图像的自动后期制作。
-
-
-
-
-
-
-
-
-
Search Results
387
records
(took 0.053 seconds)
