一种确定车辆行驶方向的方法
    1.
    发明公开

    公开(公告)号:CN118470988A

    公开(公告)日:2024-08-09

    申请号:CN202410529123.8

    申请日:2024-04-29

    摘要: 本发明公开了一种确定车辆行驶方向的方法,首先,利用声音记录仪采集车辆噪声信号,设置时间窗口并计算各时间窗口内车辆的平均噪声功率;然后,选取最大平均噪声功率和最小平均噪声功率,按照从最小平均噪声功率到最大平均噪声功率依次线性增加的方式将平均噪声功率划分为多个等级,计算各级平均噪声功率;选择低阶和高阶观测平均噪声衡量功率,根据车辆平均噪声功率时序图分别确定低阶、高阶观测平均噪声衡量功率开始和结束时刻,并计算高阶与低阶观测平均噪声衡量功率的开始时间差、低阶与高阶观测平均噪声衡量功率的结束时间差;最后,根据声音记录仪的麦克风方向到声音记录仪近邻的外行车道内法线的角度方向、高阶与低阶观测平均噪声衡量功率的开始时间差、低阶与高阶观测平均噪声衡量功率的结束时间差判断车辆行驶方向。通过单个声音记录仪采集车辆噪声即可确定行驶方向,计算简单,不受天气能见度影响。

    一种确定车辆类型和行驶方向的方法

    公开(公告)号:CN118351697A

    公开(公告)日:2024-07-16

    申请号:CN202410529128.0

    申请日:2024-04-29

    摘要: 本发明公开了一种确定车辆类型和行驶方向的方法,包括第1步,在公共道路旁边的路基上通过声音记录仪采集车辆噪声信号,声音记录仪近邻的外行车道内法线到声音记录仪的麦克风方向的角度为顺时针或逆时针30°~60°;第2步,以声音记录仪近邻的外行车道内法线为参照标记车辆行驶方向,同时标记车辆类型;第3步,计算车辆噪声信号的梅尔频谱,将车辆噪声信号转换为噪声梅尔频谱图;第4步,构建由若干张噪声梅尔频谱图组成的数据集,每张噪声梅尔频谱图都标记了车辆类型和行驶方向;第5步,选取训练数据、验证数据和深度学习神经网络;第6步,对深度学习神经网络进行训练,将训练后的深度学习神经网络用于识别车辆类型和行驶方向。该方法利用单个声音记录仪采集车辆噪声信号,实现了车辆类型和行驶方向的同时识别,不受环境能见度影响,更具隐蔽性。

    一种识别车型的方法
    4.
    发明授权

    公开(公告)号:CN111523401B

    公开(公告)日:2022-10-04

    申请号:CN202010246028.9

    申请日:2020-03-31

    摘要: 本发明一种识别车型的方法,涉及用于识别图形的方法,是基于车辆可见光和红外图像的深度学习神经网络车型识别的方法,利用深度学习神经网络的卷积层、批量归一化层和赤化层全连接层的深度学习神经网络标准化模块结构,并采用相同尺寸的不同车型可见光和红外图像对深度学习神经网络训练和测试,克服了注重车辆可见光图像特征而忽略红外图像特征和注重车辆红外图像特征而忽略可见光图像特征两种方法以及使用车辆可见光图像和红外图像特征而没有使用深度学习神经网络的方法造成的车型识别准确率不高的缺陷。

    包含特定背景图像的车辆目标图像数据库建立方法

    公开(公告)号:CN110008360B

    公开(公告)日:2020-11-03

    申请号:CN201910278860.4

    申请日:2019-04-09

    IPC分类号: G06F16/51 G06N3/04 G06N3/08

    摘要: 本发明包含特定背景图像的车辆目标图像数据库建立方法的技术方案,涉及道路车辆的交通控制系统,先采集制作特定背景图像,后制作只包含单一车辆图像的车辆目标图像,再将只包含单一车辆的车辆目标图像嵌入到特定背景图像中形成包含特定背景图像的车辆目标图像,重复上述步骤,制备出满足深度学习神经网络对图像数据库的需求并使用深度学习神经网络进行验证的包含特定背景图像的车辆目标图像数据库,克服了现有技术中,存在于不同光照及天气条件下多个时段内进行摄录视频及拍照图像采集车辆目标图像样本,再经过裁剪和左右镜像化变换所制备的车辆目标图像数据库,不能适应不同背景和车辆车型的不断增加和更新,制作费用高且时间长的缺陷。

    包含特定背景图像的车辆目标图像数据库建立方法

    公开(公告)号:CN110008360A

    公开(公告)日:2019-07-12

    申请号:CN201910278860.4

    申请日:2019-04-09

    IPC分类号: G06F16/51 G06N3/04 G06N3/08

    摘要: 本发明包含特定背景图像的车辆目标图像数据库建立方法的技术方案,涉及道路车辆的交通控制系统,先采集制作特定背景图像,后制作只包含单一车辆图像的车辆目标图像,再将只包含单一车辆的车辆目标图像嵌入到特定背景图像中形成包含特定背景图像的车辆目标图像,重复上述步骤,制备出满足深度学习神经网络对图像数据库的需求并使用深度学习神经网络进行验证的包含特定背景图像的车辆目标图像数据库,克服了现有技术中,存在于不同光照及天气条件下多个时段内进行摄录视频及拍照图像采集车辆目标图像样本,再经过裁剪和左右镜像化变换所制备的车辆目标图像数据库,不能适应不同背景和车辆车型的不断增加和更新,制作费用高且时间长的缺陷。

    基于纳米颗粒SEM图像亮度提取的图像亮度校正方法

    公开(公告)号:CN109472748A

    公开(公告)日:2019-03-15

    申请号:CN201811257701.8

    申请日:2018-10-26

    IPC分类号: G06T5/00

    CPC分类号: G06T5/007

    摘要: 本发明基于纳米颗粒SEM图像亮度提取的图像亮度校正方法,涉及一般的图像数据处理,该方法是基于纳米颗粒SEM图像进行整体的亮度提取进而对该图像全部区域的不均匀亮度进行校正,特别是在纳米颗粒SEM图像中某一个边界部分区域出现高亮度,而在其另外一个边界部分区域出现较暗亮度的情况下,显示出纳米颗粒SEM图像各个像素点的平均亮度,并实现纳米颗粒SEM图像的全部区域亮度均匀化,克服了由于纳米颗粒SEM图像中高亮度和较暗亮度经常分别出现在图像不同外围边界,现有技术则无法实现纳米颗粒SEM图像周围边界部分进行插值,造成所得到的纳米颗粒SEM图像的亮度不均匀的缺陷。

    刻蚀顶端非掺杂本征层非对称金属膜垂直腔面发射激光器

    公开(公告)号:CN101202420A

    公开(公告)日:2008-06-18

    申请号:CN200710056523.8

    申请日:2007-01-23

    摘要: 本发明涉及一种刻蚀顶端非掺杂本征层非对称金属膜垂直腔面发射激光器和制备方法。它包括布拉格反射镜,高阻层,电极,衬底,量子阱有源区。上表面刻蚀的圆形金属反射膜、金属膜导线以及金属膜与上电极的接触层和上电极;在衬底的下表面有圆形金属反射膜、下表面金属膜导线、下表面电极。本发明引入非掺杂的本征层中刻出电流孔径,结合上表面与衬底表面刻蚀金属膜非对称结构实现电流和光场限制,发挥了金属膜的电极和反射镜功效,简化垂直腔面发射激光器列阵集成化工艺,并且降低了分布布拉格反射镜的对数,限制电流扩散区域,提高注入电流的光电耦合效率,本征高阻层和芯片一次生长完成,避免质子轰击或分别氧化工艺,有利于集成化。

    基于纳米颗粒SEM图像亮度提取的图像亮度校正方法

    公开(公告)号:CN109472748B

    公开(公告)日:2021-01-26

    申请号:CN201811257701.8

    申请日:2018-10-26

    IPC分类号: G06T5/00

    摘要: 本发明基于纳米颗粒SEM图像亮度提取的图像亮度校正方法,涉及一般的图像数据处理,该方法是基于纳米颗粒SEM图像进行整体的亮度提取进而对该图像全部区域的不均匀亮度进行校正,特别是在纳米颗粒SEM图像中某一个边界部分区域出现高亮度,而在其另外一个边界部分区域出现较暗亮度的情况下,显示出纳米颗粒SEM图像各个像素点的平均亮度,并实现纳米颗粒SEM图像的全部区域亮度均匀化,克服了由于纳米颗粒SEM图像中高亮度和较暗亮度经常分别出现在图像不同外围边界,现有技术则无法实现纳米颗粒SEM图像周围边界部分进行插值,造成所得到的纳米颗粒SEM图像的亮度不均匀的缺陷。