-
公开(公告)号：CN108615358A
公开(公告)日：2018-10-02
申请号：CN201810409991.7
申请日：2018-05-02
Applicant: 安徽大学
Abstract: 本发明公开了一种道路拥堵检测方法及装置，方法包括：获取监控视频数据；对监控视频数据进行分类和预处理，得到处理后的数据；分别进行迭代训练，得到车道检测模型和车辆检测模型；得到待识别图像中的车辆信息；整合车道信息和车辆信息，得到目标图像；针对目标图像中的每一车道，计算待识别图像对应的车道占用率；根据待识别图像对应的车道占用率与预设阈值的对应关系，和预设阈值与拥堵等级的对应关系，获取待识别图像对应的拥堵等级。应用本发明实施例，可以使道路拥堵检测更加准确。
-
公开(公告)号：CN108039044A
公开(公告)日：2018-05-15
申请号：CN201711270260.0
申请日：2017-12-05
Applicant: 安徽大学
Abstract: 本发明公开了一种基于多尺度卷积神经网络的车辆智能排队的系统及方法，首先搜集样本数据并进行筛选；将筛选的图片进行增强，通过背景减法得到一组有关运动信息的数据；不同类型的图片分别送入外观、运动信息全卷积神经网络；将上述网络训练的两个模型特征融合和决策融合，得到最终的检测模型；将待检测图片输入到训练后的网络，获得各个通道上的车辆排队的车辆数，以及预测排队的时间；通过前方电子屏幕，实时引导车辆进入，排队时间相对较短的服务车道，提高通行效率。本发明将运动特征和外观特征很好的结合在一起。有利于对运动物体的准确检测，同时采用多尺度卷积神经网络，能有效的获取不同大小车型的特征，提高了模型结果的准确性。
-
公开(公告)号：CN108039044B
公开(公告)日：2021-06-01
申请号：CN201711270260.0
申请日：2017-12-05
Applicant: 安徽大学
Abstract: 本发明公开了一种基于多尺度卷积神经网络的车辆智能排队的系统及方法，首先搜集样本数据并进行筛选；将筛选的图片进行增强，通过背景减法得到一组有关运动信息的数据；不同类型的图片分别送入外观、运动信息全卷积神经网络；将上述网络训练的两个模型特征融合和决策融合，得到最终的检测模型；将待检测图片输入到训练后的网络，获得各个通道上的车辆排队的车辆数，以及预测排队的时间；通过前方电子屏幕，实时引导车辆进入，排队时间相对较短的服务车道，提高通行效率。本发明将运动特征和外观特征很好的结合在一起。有利于对运动物体的准确检测，同时采用多尺度卷积神经网络，能有效的获取不同大小车型的特征，提高了模型结果的准确性。
-
-
Search Results
3
records
(took 0.013 seconds)
