基于MSER和ISODATA相结合的车牌定位方法

    公开(公告)号:CN110516666B

    公开(公告)日:2023-01-17

    申请号:CN201910618457.1

    申请日:2019-07-10

    Abstract: 本发明属于模式识别与图像处理技术领域,公开了一种基于MSER和ISODATA相结合的车牌定位方法,将待检测图像转换为灰度图像,提取出灰度图像中的最大稳定极值区域MSER并拟合出最小矩形框,根据车牌字符特征对矩形框进行筛选,得到候选字符矩形框;对得到的候选字符矩形框左上角纵坐标进行迭代自组织处理ISODATA,得到聚类后的结果,找到聚类后含有矩形框最多的一个样本集,确定为候选车牌字符矩形框;根据矩形框的位置确定车牌上下边界;根据矩形框的位置,通过滑窗方法,找出包含矩形框最多的窗口,确定左右边界。本发明的车牌定位方法能够克服恶劣天气、光照较差等不利条件进行准确定位,鲁棒性强。

    智能停车控制方法、系统、存储介质、终端

    公开(公告)号:CN111402616B

    公开(公告)日:2022-01-04

    申请号:CN202010104835.7

    申请日:2020-02-20

    Abstract: 本发明属于智慧交通中的停车场路径规划领域,公开了一种智能停车控制方法、系统、存储介质、计算机程序、终端,利用获取到的停车场物理信息构建出叠加数据能量场,完成停车位的推荐;对停车场所有停车位的停车时长进行定期统计,拟合统计结果,将拟合结果与原始数据能量场叠加完成参数的更新;通过实时的停车场物理信息计算出所有道路实时的权值并构建出停车场实时的无向带权图,利用改进后的Dijkstra算法规划出实时的最优路径;对结果进行展示并利用获取到的实时的停车场物理信息对结果进行不断优化直至用户完成停车。本发明有效的解决了大型停车场车位多且分布不规则所带来的问题;具有更好的动态性和实时性。

    无车牌信息车辆重识别方法、系统、介质、视频监控系统

    公开(公告)号:CN111553205A

    公开(公告)日:2020-08-18

    申请号:CN202010282766.9

    申请日:2020-04-12

    Abstract: 本发明属于图像处理技术领域,公开了一种无车牌信息车辆重识别方法、系统、介质、视频监控系统,获取数据集并进行数据集划分、预处理;使用预先训练过的ResNet-50作为主干网络,进行提取基础特征张量;加入通道注意力机制与空间注意力机制得到新的特征张量;设计四个相对独立的网络分别用于提取更高层次的语意特征;利用交叉熵损失函数和三元组损失函数对车辆整体网络进行训练优化得到训练模型;用训练好的模型对测试图像测试得到重识别初始排序结果;对初始排序结果使用重排序算法再次排序;可视化最终排序结果。本发明有效提高无车牌信息情况下的车辆重识别识别率,提高了复杂场景下的基于无车牌信息的车辆重识别准确率。

    基于MSER和ISODATA相结合的车牌定位方法

    公开(公告)号:CN110516666A

    公开(公告)日:2019-11-29

    申请号:CN201910618457.1

    申请日:2019-07-10

    Abstract: 本发明属于模式识别与图像处理技术领域,公开了一种基于MSER和ISODATA相结合的车牌定位方法,将待检测图像转换为灰度图像,提取出灰度图像中的最大稳定极值区域MSER并拟合出最小矩形框,根据车牌字符特征对矩形框进行筛选,得到候选字符矩形框;对得到的候选字符矩形框左上角纵坐标进行迭代自组织处理ISODATA,得到聚类后的结果,找到聚类后含有矩形框最多的一个样本集,确定为候选车牌字符矩形框;根据矩形框的位置确定车牌上下边界;根据矩形框的位置,通过滑窗方法,找出包含矩形框最多的窗口,确定左右边界。本发明的车牌定位方法能够克服恶劣天气、光照较差等不利条件进行准确定位,鲁棒性强。

    基于折叠型锁存器的高精度比较器

    公开(公告)号:CN118783933B

    公开(公告)日:2025-02-18

    申请号:CN202411261689.3

    申请日:2024-09-10

    Abstract: 本发明公开了一种基于折叠型锁存器的高精度比较器,包括相互连接的前级放大器和后级折叠型锁存器,其中,所述前级放大器包括放大器电路和失调校准电路,所述放大器电路用于在比较器工作阶段对输入信号进行放大,所述失调校准电路用于在失调校准阶段存储比较器的失调电压,并在比较器工作阶段通过抵消的方式减小比较器的失调电压,所述比较器工作阶段与所述失调校准阶段交替进行;所述后级折叠型锁存器用于对经过放大的信号进行识别并重建为逻辑高电平和逻辑低电平。本发明的比较器抗噪声干扰的能力更强,功耗更小,锁存器的工作速度更快;且具有精度高,功耗低且响应速度快的性能特性。

    针对大负载、大扰动情景航空机电作动器自抗扰控制算法

    公开(公告)号:CN119362943A

    公开(公告)日:2025-01-24

    申请号:CN202411701306.X

    申请日:2024-11-26

    Abstract: 本发明公开的针对大负载、大扰动情景航空机电作动器自抗扰控制算法,包括以下步骤:步骤1、建立电机控制的一阶非线性自抗扰矢量控制方法框架;步骤2、建立永磁同步电机开环系统的数学物理模型;步骤3、建立速度环自抗扰控制器;步骤4、建立位置环一阶自抗扰控制器;步骤5、建立电流环自抗扰控制器;步骤6:基于朗道离散递推方法,将转动惯量辨识算法加入步骤3中的速度环自抗扰控制器中;步骤7:建立基于积分滑膜的负载转矩观测器,将转矩观测器引入步骤3中的速度环自抗扰控制器中;步骤8:优化步骤3中的速度环自抗扰控制器。本发明充分考虑到外界环境的影响,极大地提高了系统的自适应性,可以有效地应对大负载、大扰动情景。

    基于折叠型锁存器的高精度比较器

    公开(公告)号:CN118783933A

    公开(公告)日:2024-10-15

    申请号:CN202411261689.3

    申请日:2024-09-10

    Abstract: 本发明公开了一种基于折叠型锁存器的高精度比较器,包括相互连接的前级放大器和后级折叠型锁存器,其中,所述前级放大器包括放大器电路和失调校准电路,所述放大器电路用于在比较器工作阶段对输入信号进行放大,所述失调校准电路用于在失调校准阶段存储比较器的失调电压,并在比较器工作阶段通过抵消的方式减小比较器的失调电压,所述比较器工作阶段与所述失调校准阶段交替进行;所述后级折叠型锁存器用于对经过放大的信号进行识别并重建为逻辑高电平和逻辑低电平。本发明的比较器抗噪声干扰的能力更强,功耗更小,锁存器的工作速度更快;且具有精度高,功耗低且响应速度快的性能特性。

    一种在线多目标跟踪方法、系统及应用

    公开(公告)号:CN112001225B

    公开(公告)日:2023-06-23

    申请号:CN202010642053.9

    申请日:2020-07-06

    Abstract: 本发明属于计算机视觉与深度学习技术领域,公开了一种在线多目标跟踪方法、系统及应用,将视频当前帧图像输入到卷积神经网络中;在卷积神经网络中卷积后,对不同目标在不同通道特征图上的特征进行提取;融合所提取到的特征为一个特征矩阵;将视频下一帧图像输入,重复上述步骤得到该帧的特征矩阵;将当前帧的特征矩阵与之前得到的前n(1≤n≤30)帧特征矩阵进行数据关联操作;将数据关联操作后的结果利用改进后的匈牙利算法实现目标之间的正确跟踪,实现多目标跟踪方法。根据实验结果,本发明的在线多目标跟踪方法有效提高了跟踪准确度,且在复杂场景下也有很好的鲁棒性。

    一种在线多目标跟踪方法、系统及应用

    公开(公告)号:CN112001225A

    公开(公告)日:2020-11-27

    申请号:CN202010642053.9

    申请日:2020-07-06

    Abstract: 本发明属于计算机视觉与深度学习技术领域,公开了一种在线多目标跟踪方法、系统及应用,将视频当前帧图像输入到卷积神经网络中;在卷积神经网络中卷积后,对不同目标在不同通道特征图上的特征进行提取;融合所提取到的特征为一个特征矩阵;将视频下一帧图像输入,重复上述步骤得到该帧的特征矩阵;将当前帧的特征矩阵与之前得到的前n(1≤n≤30)帧特征矩阵进行数据关联操作;将数据关联操作后的结果利用改进后的匈牙利算法实现目标之间的正确跟踪,实现多目标跟踪方法。根据实验结果,本发明的在线多目标跟踪方法有效提高了跟踪准确度,且在复杂场景下也有很好的鲁棒性。

    一种基于粗糙集和深度置信神经网络的建筑能耗预测方法

    公开(公告)号:CN111753470A

    公开(公告)日:2020-10-09

    申请号:CN202010622331.4

    申请日:2020-06-30

    Abstract: 本发明公开了一种基于粗糙集和深度置信神经网络的建筑能耗预测方法,包括以下步骤,步骤一:进行用于粗糙集约简建筑能耗影响因子的数据实测,确定各能耗等级的数值范围;步骤二:利用粗糙集对建筑能耗影响因子进行属性约简预处理;步骤三:进行用于深度神经网络预测建筑能耗的样本数据实测;步骤四:叠加受限玻尔兹曼机,构建深度置信神经网络对训练样本进行学习训练;步骤五:利用Matlab软件将经过属性约简后剩余的重要建筑能耗影响因子作为深度置信神经网络的输入参数,建筑能耗作为深度置信神经网络的输出,进行建筑能耗预测。本发明解决了传统建筑能耗预测方法中准确性不够和实用性不足的问题,为建筑能耗的预测提供了一种新的方法。

Patent Agency Ranking