-
公开(公告)号：CN106297297B
公开(公告)日：2018-11-20
申请号：CN201610950789.6
申请日：2016-11-03
Applicant: 成都通甲优博科技有限责任公司
Abstract: 本发明公开了基于深度学习的交通拥堵判别方法，包括以下步骤：步骤1、获取训练样本及添加标签，得到含有标签的监控视频文件对应的图片；步骤2、前向传播：将含有标签的监控视频文件对应的图片送入设计好的卷积神经网络模型，前向传播获得卷积神经网络模型输出的类别标签；步骤3、反向传播：计算前向传播输出的类别标签与样本实际类别标签的损失函数值，将损失函数值按极小化误差的方法反向传播调整卷积层的权值矩阵，得到最终卷积神经网络模型；步骤4、交通拥堵判别：选取路段的当前监控视频文件对应的图片中至少1帧图像传入训练完成的最终卷积神经网络模型中，进行前向传播。该方法能够对当前道路的交通情况给出交通的拥堵级别，具有较好的适用性和鲁棒性。
-
公开(公告)号：CN106908038A
公开(公告)日：2017-06-30
申请号：CN201710004703.5
申请日：2017-01-04
Applicant: 成都通甲优博科技有限责任公司
IPC: G01C11/00
CPC classification number: G01C11/00 , G01C2011/36
Abstract: 本发明涉及一种基于鱼眼镜头摄像机的智能全景三维监测装置及监控系统，系统主体由多个独立的监测装置和专用的标校车组成。与传统的基于图像的三维监测系统在安装完成后需要分别进行复杂的标定方式不同，本发明中设计的监测装置只需安装并固定在普通的路灯或机场跑道上即可，从而大大提高了系统的便捷性和实用性。系统除了可以获取一般的交通统计数据或机场的监控数据外，还可以实现对道路交通或机场起降区域进行勘测、监测，对交通个体识别、跟踪、三维定位以及行为分析等目的。
-
公开(公告)号：CN106650638A
公开(公告)日：2017-05-10
申请号：CN201611100771.3
申请日：2016-12-05
Applicant: 成都通甲优博科技有限责任公司
CPC classification number: G06K9/00751 , G06K9/4671
Abstract: 本发明构建了全新的环境自适应的双背景模型，分别为前背景模型的第一背景图像与后背景模型的第二背景图像，对第一背景图像和第二背景图像设立了独立的更新机制，第一背景图像根据场景图像更新，第二背景图像根据更新后的第一背景图像更新，并针对检测到的静态目标位置，进行选择性的局部更新。然后对第一、第二背景图像做差值运算，同时使用阴影抑制技术来去除静态目标位置在自然光下的阴影对检测到的静态目标位置的影响，形态学处理算法以及轮廓提取算法等处理图像形成遗留物区域，对环境的适应性、实时性、以及鲁棒性较高。
-
公开(公告)号：CN106557814A
公开(公告)日：2017-04-05
申请号：CN201611006197.5
申请日：2016-11-15
Applicant: 成都通甲优博科技有限责任公司
IPC: G06N3/08
CPC classification number: G06N3/08
Abstract: 本发明公开了一种道路车辆密度评估方法及装置，在训练阶段，将图像作为所设计的网络模型的输入，对应的密度分布图作为网络模型的输出，训练得到网络模型。在使用阶段，通过获取当前道路的图像信息；对图像信息进行预处理，生成处理后图像信息；将处理后图像信息输入至经过深度学习训练的多列全卷积神经网络模型中，进行前向传播，确定各子网络模型生成的特征映射图；对特征映射图进行加权处理，生成当前道路的车辆密度分布图。本发明所提供的道路车辆密度评估方法及装置，利用深度学习方法对图像中的车辆密度进行高效准确评估，具有较强的鲁棒性和准确性。
-
公开(公告)号：CN106504248A
公开(公告)日：2017-03-15
申请号：CN201611108100.1
申请日：2016-12-06
Applicant: 成都通甲优博科技有限责任公司
CPC classification number: G06T5/002 , G06T2207/10016 , G06T2207/20081 , G06T2207/20182
Abstract: 本发明涉及计算机视觉领域，其公开了一种基于计算机视觉的车辆损伤判别方法，解决传统技术中采用人工判别方式存在的判定不全面、不准确、效率低下的问题。该方法包括以下步骤：步骤a、标定双目图像采集系统；步骤b、利用双目图像采集系统进行监控区域图像采集，获取采集图像的深度图；步骤c、利用卷积神经网络对深度图像进行特征提取训练，训练车辆损坏程度判别模型；步骤d、利用车辆损坏程度判别模型对采集的车辆图像进行损坏程度判别。本发明适用于车辆损伤判别。
-
Patent Agency Ranking
公开(公告)号：CN106709432B
公开(公告)日：2020-09-11
申请号：CN201611108304.5
申请日：2016-12-06
Applicant: 成都通甲优博科技有限责任公司
IPC: G06K9/00
Abstract: 本发明涉及计算机视觉技术领域，其公开了一种基于双目立体视觉的人头检测计数方法，解决传统技术中人头检测计数方案存在的计算量大、计数不准确、精度不高的问题。该方法包括：步骤a.标定双目图像采集系统；步骤b.利用标定好的双目图像采集系统进行监控区域图像采集，获取客流场景图像；步骤c.对获取的客流场景图像进行预处理；步骤d.获取图像的深度图；步骤e.利用等值线查找法检测深度图中不同深度的人头；步骤f.跟踪检测到的人头；步骤g.在新的视频帧里检测新的人头，并更新人头数量；步骤h.输出当前人头数量。本发明适用于客流场景的人头检测计数。
-
公开(公告)号：CN106485697B
公开(公告)日：2019-03-08
申请号：CN201610840308.6
申请日：2016-09-22
Applicant: 成都通甲优博科技有限责任公司
Abstract: 本发明公开了一种基于双目视觉的路面沉降和异物检测方法，利用事件发生前后视差值和三维坐标的变化来检测是否出现异样点，采用设置视差图像的均值矩阵E表示没有异常情况的视差值，再利用创建与视差图像大小相同的新图像，取部分数据计算方差和均值，再利用统计当前点对应的像素队列中像素值与新图像部分数据的均值之差与设置的阈值进行比较，判断出异样区域的点；这种技术手段可以克服预先设置标准图像的各自弊病，克服由于时间变化导致的光线、建筑物、植物、以及其他干扰物的存在而导致的影响，利用事件前后视差值，测定异样点。另外，本发明最终可以根据不同特性的异样点的属性，分别标记出不同的类别的异样点，比如可以标记出沉降点、异物点、干扰点。
-
-
公开(公告)号：CN106652465A
公开(公告)日：2017-05-10
申请号：CN201611005556.5
申请日：2016-11-15
Applicant: 成都通甲优博科技有限责任公司
Abstract: 本发明公开了道路异常驾驶行为的识别方法及系统，该方法包括：对获取的道路的当前视频帧图像进行车辆识别检测，提取检测到的车辆图像的比较信息；将提取的比较信息与已完成视频帧数据库中各车辆图像的比较信息对应比较，并判断比较结果是否满足预定阈值条件；若满足则对应的两个车辆图像为同一个车辆，更新已完成视频帧数据库中对应车辆图像的比较信息；若不满足则将当前的比较信息保存在已完成视频帧数据库中；根据已完成视频帧数据库中各车辆图像的位置信息得到各车辆的运动方向；将各车辆的运动方向与设定行车方向或提取的车道线所表示的行车方向进行对比确定逆向行驶车辆；实时监控当前道路违章驾驶行为，减弱交通压力和防止意外的发生。
-
公开(公告)号：CN106652445A
公开(公告)日：2017-05-10
申请号：CN201611006294.4
申请日：2016-11-15
Applicant: 成都通甲优博科技有限责任公司
Abstract: 本发明公开了一种公路交通事故判别方法及装置，通过获取被监控路段的视频图像；从视频图像中提取车道线；对每一个车道上的车辆进行多目标检测跟踪，确定车辆的行驶轨迹；根据车辆的行驶轨迹与车道线的相对位置，判断各车辆是否发生变更车道现象，当车辆的行驶轨迹偏离当前所在车道的范围时，则判定发生变更车道现象；根据相邻帧数视频图像中车辆特征点的坐标差值，判断各车辆是否发生骤停现象，当坐标差值低于预设阈值时，则判定发生骤停现象；当检测到被监控路段的同一车道中多个车辆发生变更车道现象和/或骤停现象时，判定被监控路段发生交通事故。本申请提高了事故判别的准确率，能够较好的适应诸如车辆发生较大形变等各类极端车祸问题。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.027 seconds)
