-
公开(公告)号：CN117392658B
公开(公告)日：2024-06-18
申请号：CN202311694289.7
申请日：2023-12-12
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
IPC: G06V20/62 , G06V10/56 , G06V10/764 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/06 , G06V10/80
Abstract: 本发明提出基于注意力机制优化的轻量化车辆车牌颜色识别方法，属于智能交通技术领域。包括以下步骤：S1.获取车辆行驶数据，在车辆行驶数据中获得车辆图像，并标注车辆车牌位置；S2.根据车辆车牌颜色为车辆车牌位置的标注框设定标签；S3.对车辆图像进行分辨率统一处理，形成训练数据集；S4.构建车辆车牌颜色识别网络结构，生成车辆车牌颜色识别模型，并对模型训练；S5.将车辆图像数据输入至车辆车牌颜色识别中，输出车牌颜色。本发明优化了识别模型，引入了无参数注意力机制，避免了模型优化过程中的性能损失，解决了现有技术中存在数据采集繁琐、推理资源占用大、缺乏高精度颜色量化的技术问题。
-
公开(公告)号：CN117152974A
公开(公告)日：2023-12-01
申请号：CN202311435083.2
申请日：2023-11-01
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
IPC: G08G1/065 , G06T7/20 , G06N3/0464 , G06V10/20 , G06V10/762 , G06V10/764 , G06V10/82 , G06V20/40
Abstract: 本发明公开了一种全自动轨迹自适应分析的交通流量高精计算方法，属于交通流量检测技术领域。解决了现有技术中交通流量计算方法在复杂真实交通环境难以自动精准配置虚拟检测区域的问题；本发明借助城市监控视频数据通过基于YOLOv5目标检测神经网络和DeepSort多目标跟踪算法的检测跟踪模块对在线或离线视频进行逐帧分析提取交通车辆检测跟踪信息，基于核密度估计算法构建了多边形配置区域自动生成方法，基于有效性函数对轨迹队列进行有效性动态分析，得到有效轨迹存入车流统计队列，提取出交通流量数据显示交通现状。本发明实现了在摄像头遮挡导致多边形配置区域偏移情况下高精度检测车流量，可以应用于复杂交通环境中检测车辆流量。
-
公开(公告)号：CN117392659A
公开(公告)日：2024-01-12
申请号：CN202311694304.8
申请日：2023-12-12
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
IPC: G06V20/62 , G06V10/82 , G06N3/0464 , G06N3/06 , G06V10/762 , G06N5/04 , G06N3/045 , G06V20/70
Abstract: 本发明提出一种基于无参数注意力机制优化的车辆车牌定位方法，属于智能交通技术领域。包括以下步骤：S1.获取车辆行驶数据，在车辆行驶数据中获得车辆图像，并标注车辆车牌位置；S2.对车辆图像进行分辨率统一处理，形成训练数据集；S3.构建定位模型网络结构，并对模型训练；S4.将车辆图像数据输入至定位模型中，输出车牌的位置。解决现有技术中存在输出精度差和效率低的技术问题。本发明引入了SimAM无参数注意力机制模块，有助于提供强大的推理性能，同时保持识别精度。通过该措施，保证了模型在进行优化精简的时候，没有出现显著地性能下降，既保证了模型的推理速度，又保证了模型的推理性能。
-
公开(公告)号：CN117392658A
公开(公告)日：2024-01-12
申请号：CN202311694289.7
申请日：2023-12-12
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
IPC: G06V20/62 , G06V10/56 , G06V10/764 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/06 , G06V10/80
Abstract: 本发明提出基于注意力机制优化的轻量化车辆车牌颜色识别方法，属于智能交通技术领域。包括以下步骤：S1.获取车辆行驶数据，在车辆行驶数据中获得车辆图像，并标注车辆车牌位置；S2.根据车辆车牌颜色为车辆车牌位置的标注框设定标签；S3.对车辆图像进行分辨率统一处理，形成训练数据集；S4.构建车辆车牌颜色识别网络结构，生成车辆车牌颜色识别模型，并对模型训练；S5.将车辆图像数据输入至车辆车牌颜色识别中，输出车牌颜色。本发明优化了识别模型，引入了无参数注意力机制，避免了模型优化过程中的性能损失，解决了现有技术中存在数据采集繁琐、推理资源占用大、缺乏高精度颜色量化的技术问题。
-
公开(公告)号：CN114429524B
公开(公告)日：2022-09-23
申请号：CN202210357382.8
申请日：2022-04-07
Applicant: 深圳市城市交通规划设计研究中心股份有限公司 , 中山大学
Abstract: 本发明公开了一种单目视觉下的三维目标检测模型的构建方法及检测方法，所述方法包括：获取带标注的训练图像集；将训练图像集作为训练数据，训练获得基于CenterNet网络的三维目标检测模型，其中，三维目标检测模型的特征提取网络包括多个特征提取模块，至少一个特征提取模块包括池化模块、注意模块以及第一融合模块，池化模块包括并列的全局最大池化层、全局平均池化层和随机池化层，注意模块包括分别与全局最大池化层、全局平均池化层和随机池化层的输出侧连接的三个子注意模块，子注意模块包括激活函数层及批处理归一化层，第一融合模块将三个子注意模块的输出融合。本发明可以简化三维目标检测网络结构，降低三维目标检测模型的训练成本。
-
Patent Agency Ranking
公开(公告)号：CN114429524A
公开(公告)日：2022-05-03
申请号：CN202210357382.8
申请日：2022-04-07
Applicant: 深圳市城市交通规划设计研究中心股份有限公司 , 中山大学
Abstract: 本发明公开了一种单目视觉下的三维目标检测模型的构建方法及检测方法，所述方法包括：获取带标注的训练图像集；将训练图像集作为训练数据，训练获得基于CenterNet网络的三维目标检测模型，其中，三维目标检测模型的特征提取网络包括多个特征提取模块，至少一个特征提取模块包括池化模块、注意模块以及第一融合模块，池化模块包括并列的全局最大池化层、全局平均池化层和随机池化层，注意模块包括分别与全局最大池化层、全局平均池化层和随机池化层的输出侧连接的三个子注意模块，子注意模块包括激活函数层及批处理归一化层，第一融合模块将三个子注意模块的输出融合。本发明可以简化三维目标检测网络结构，降低三维目标检测模型的训练成本。
-
公开(公告)号：CN119882483A
公开(公告)日：2025-04-25
申请号：CN202510011835.5
申请日：2025-01-06
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
Abstract: 一种基于AI智能体的自动驾驶仿真微观行为交互方法及系统，涉及自动驾驶仿真领域。为了解决现有技术仿真真实度差，预测不准确，计算效率低的问题，本发明首先对多源数据进行预处理；随后通过融合嵌入步骤，将数据深度融合并嵌入到统一的特征空间中，生成多模态特征向量；接着通过Sim Transformer编码步骤，将多模态特征向量转换为全局交互特征的高维表示；在密集预测网络步骤中，利用全局交互特征生成预测信息；随后通过Sim Transformer解码步骤结合Query输出具体行为决策；最后，智能体行为输出步骤根据具体行为决策调整智能体的实际操作。实现了对智能体行为决策的精确预测和调整。
-
公开(公告)号：CN117237901B
公开(公告)日：2024-06-18
申请号：CN202311514562.3
申请日：2023-11-15
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
IPC: G06V20/56 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0475 , G06N3/08
Abstract: 本发明提出一种跨域自适应的自动驾驶场景数据生成方法，属于数据生成技术领域。包括：采集自动驾驶场景数据图像；对X时域图像数据和Y时域图像数据进行跨域编码，提取数据的特征，生成数据域的特征向量；进行反向解码，进行数据的恢复；生成自编码器，重构输出；对自动驾驶场景数据图像区域进行结构化意识表征；对自编码器进行权重参数共享；构建时域模型；构建图像鉴别模型；生成器与鉴别器共同组合为生成对抗网络；构建循环一致性结构；构建跨域自适应的迁移模型；对跨域自适应的迁移模型进行训练优化；将原始图像输入至跨域自适应的迁移模型，输出生成场景图像。本发明解决自动驾驶领域中场景数据不足问题。
-
公开(公告)号：CN117237901A
公开(公告)日：2023-12-15
申请号：CN202311514562.3
申请日：2023-11-15
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
IPC: G06V20/56 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0475 , G06N3/08
Abstract: 本发明提出一种跨域自适应的自动驾驶场景数据生成方法，属于数据生成技术领域。包括：采集自动驾驶场景数据图像；对X时域图像数据和Y时域图像数据进行跨域编码，提取数据的特征，生成数据域的特征向量；进行反向解码，进行数据的恢复；生成自编码器，重构输出；对自动驾驶场景数据图像区域进行结构化意识表征；对自编码器进行权重参数共享；构建时域模型；构建图像鉴别模型；生成器与鉴别器共同组合为生成对抗网络；构建循环一致性结构；构建跨域自适应的迁移模型；对跨域自适应的迁移模型进行训练优化；将原始图像输入至跨域自适应的迁移模型，输出生成场景图像。本发明解决自动驾驶领域中场景数据不足问题。
-
公开(公告)号：CN117152974B
公开(公告)日：2024-02-27
申请号：CN202311435083.2
申请日：2023-11-01
Applicant: 深圳市城市交通规划设计研究中心股份有限公司
IPC: G08G1/065 , G06T7/20 , G06N3/0464 , G06V10/20 , G06V10/762 , G06V10/764 , G06V10/82 , G06V20/40
Abstract: 本发明公开了一种全自动轨迹自适应分析的交通流量高精计算方法，属于交通流量检测技术领域。解决了现有技术中交通流量计算方法在复杂真实交通环境难以自动精准配置虚拟检测区域的问题；本发明借助城市监控视频数据通过基于YOLOv5目标检测神经网络和DeepSort多目标跟踪算法的检测跟踪模块对在线或离线视频进行逐帧分析提取交通车辆检测跟踪信息，基于核密度估计算法构建了多边形配置区域自动生成方法，基于有效性函数对轨迹队列进行有效性动态分析，得到有效轨迹存入车流统计队列，提取出交通流量数据显示交通现状。本发明实现了在摄像头遮挡导致多边形配置区域偏移情况下高精度检测车流量，可以应用于复杂交通环境中检测车辆流量。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.043 seconds)
