公开(公告)号：CN119190018B

公开(公告)日：2025-04-01

申请号：CN202411399795.8

申请日：2024-10-09

Applicant: 无锡学院

Inventor： 孙家栋 ,  王泉 ,  龙鹏燕 ,  苏秀娥 ,  施珮 ,  李富

IPC: B60W30/18 ,  B60W50/00 ,  G06V20/56 ,  G06V10/30 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于V2X的路口盲区辅助驾驶方法及系统，涉及智能辅助驾驶技术领域，包括，通过车载传感器采集多模态数据并进行预处理，对预处理后的多模态数据进行特征提取，构成模态特征向量；基于多模态特征向量，采用深度学习模型进行综合感知，识别路口盲区内的障碍物位置；实时监测路口盲区内的障碍物位置变化，预测障碍物的未来运动轨迹；根据障碍物的未来运动轨迹，评估车辆通过路口的风险等级；通过V2X通信接收实时交通信息，结合实时交通信息与风险等级，生成驾驶决策。本发明通过实时监测障碍物位置变化、预测运动轨迹和评估风险与V2X通信的结合，最终生成了更加安全、高效的驾驶决策。

公开(公告)号：CN118711147A

公开(公告)日：2024-09-27

申请号：CN202411090235.4

申请日：2024-08-09

Applicant: 无锡学院

Inventor： 阚希 ,  刘旭 ,  周舟 ,  张永宏 ,  王泉 ,  朱灵龙 ,  曹燚 ,  吴昊 ,  娄琼丹 ,  朱雪金 ,  龙鹏燕

IPC: G06V20/54 ,  G06V20/40 ,  G06V10/25 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/94 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/082 ,  G08G1/01

Abstract: 本发明公开了一种基于深度学习的车辆闯红灯监测方法和系统，所述方法包括以下步骤：通过高清摄像头采集交通路口实时监控视频；对实时监控视频进行检测区域划分；通过深度神经网络对划分后的检测区域进行检测；基于划分区域的检测结果对车辆是否闯红灯进行判断。所述系统包括：车辆实时视频采集模块，目标路口区域划分模块，基于深度神经网络的车辆检测模块，红灯显示期间关键帧获取模块，闯红灯行为判断模块，报警模块，信息存储模块和电子设备部署装置。本发明能够对闯红灯的车辆进行识别，并根据车牌照片自动提取车牌信息完成数据存储与报警。

公开(公告)号：CN118967356A

公开(公告)日：2024-11-15

申请号：CN202410944334.8

申请日：2024-07-15

Applicant: 无锡学院

Inventor： 孙家栋 ,  王梦楠 ,  黄丽琴 ,  龙鹏燕 ,  刘耀辉 ,  徐宜俊 ,  施佩 ,  席博 ,  李子恒 ,  朱希瑞

IPC: G06Q50/06 ,  G06Q50/08

Abstract: 本发明公开了一种基于物联网的电气设备管理方法及系统，涉及物联网技术领域。在该方法中，确定各个建筑类型在各个管理时间段对应的主要电气设备集合；获取各个主要电气设备在各个管理时间段内的多个第一历史能耗；基于各个第一历史能耗和各个建筑类型，得到各个主要电气设备集合在各个管理时间段对应的能耗阈值；获取各个主要电气设备集合在各个管理时间段内的第一当前平均能耗；当各个第一当前平均能耗大于各个能耗阈值时，从各个主要电气设备中确定异常电气设备；确定异常电气设备对应的异常用电情况，并基于异常用电情况对异常电气设备进行管理。实施本申请的技术方案，可以精准高效地对能耗异常的电气设备进行管理。

公开(公告)号：CN118711147B

公开(公告)日：2025-04-04

申请号：CN202411090235.4

申请日：2024-08-09

Applicant: 无锡学院

Inventor： 阚希 ,  刘旭 ,  周舟 ,  张永宏 ,  王泉 ,  朱灵龙 ,  曹燚 ,  吴昊 ,  娄琼丹 ,  朱雪金 ,  龙鹏燕

IPC: G06V20/54 ,  G06V20/40 ,  G06V10/25 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/94 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/082 ,  G08G1/01

Abstract: 本发明公开了一种基于深度学习的车辆闯红灯监测方法和系统，所述方法包括以下步骤：通过高清摄像头采集交通路口实时监控视频；对实时监控视频进行检测区域划分；通过深度神经网络对划分后的检测区域进行检测；基于划分区域的检测结果对车辆是否闯红灯进行判断。所述系统包括：车辆实时视频采集模块，目标路口区域划分模块，基于深度神经网络的车辆检测模块，红灯显示期间关键帧获取模块，闯红灯行为判断模块，报警模块，信息存储模块和电子设备部署装置。本发明能够对闯红灯的车辆进行识别，并根据车牌照片自动提取车牌信息完成数据存储与报警。

公开(公告)号：CN119190018A

公开(公告)日：2024-12-27

申请号：CN202411399795.8

申请日：2024-10-09

Applicant: 无锡学院

Inventor： 孙家栋 ,  王泉 ,  龙鹏燕 ,  苏秀娥 ,  施珮 ,  李富

IPC: B60W30/18 ,  B60W50/00 ,  G06V20/56 ,  G06V10/30 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于V2X的路口盲区辅助驾驶方法及系统，涉及智能辅助驾驶技术领域，包括，通过车载传感器采集多模态数据并进行预处理，对预处理后的多模态数据进行特征提取，构成模态特征向量；基于多模态特征向量，采用深度学习模型进行综合感知，识别路口盲区内的障碍物位置；实时监测路口盲区内的障碍物位置变化，预测障碍物的未来运动轨迹；根据障碍物的未来运动轨迹，评估车辆通过路口的风险等级；通过V2X通信接收实时交通信息，结合实时交通信息与风险等级，生成驾驶决策。本发明通过实时监测障碍物位置变化、预测运动轨迹和评估风险与V2X通信的结合，最终生成了更加安全、高效的驾驶决策。