-
公开(公告)号：CN117746278A
公开(公告)日：2024-03-22
申请号：CN202310361933.2
申请日：2023-04-06
Applicant: 苏州大学
IPC: G06V20/40 , G06V20/52 , G06V20/70 , G06T7/90 , G06V10/774 , G06V10/764 , G06V10/80
Abstract: 本发明涉及图像处理技术领域。具体涉及一种公交车车厢拥挤度分析方法和存储介质。该方法通过车载摄像头获得公交车车厢视频帧数据，将获得的视频帧数据进行检测并对比处理得到适应光照的视频帧，利用构建的轻量级行人目标检测模型对得到的适应光照的视频帧进行处理得到视频帧的检测框数据，选取目标帧并与其选取的相邻帧的检测框数据进行交并比处理得到预估乘客数，将得到的预估乘客数经过预设的误差补偿函数处理得到目标乘客数，将得到的目标乘客数与预估标准进行比较，实现车厢拥挤度估计。解决了现有技术中检测实施难度大、检测误差高、易受环境光照影响的问题。
-
公开(公告)号：CN117622142A
公开(公告)日：2024-03-01
申请号：CN202311538770.7
申请日：2023-11-17
Applicant: 苏州大学
IPC: B60W30/18 , G01S7/48 , G01S17/931 , H04B10/116 , H04L67/12 , B60Q1/34
Abstract: 本发明涉及一种基于激光雷达与可见光通信的车辆驾驶意图识别方法，包括：通过激光雷达扫描检测范围内的车辆，生成点云数据；所述点云数据包括地面点云数据；所述检测范围为自车当前行驶车道与相邻车道；根据所述点云数据，对所述检测范围内的车辆进行检测，得到目标车辆；对所述目标车辆进行跟踪，生成目标车辆跟踪数据和目标车辆检测状态；判断是否获取到目标车辆基本信息，生成第一判断结果；根据所述第一判断结果，判断驾驶意图，生成第二判断结果；根据所述第二判断结果，生成预警；本发明可以在车辆即将换道并打开转向灯的情况下提前判断出车辆的换道意图，精准信息感知利于智能车辆科学准确的决策和安全控制，提高在途运行安全。
-
公开(公告)号：CN113159004B
公开(公告)日：2023-03-10
申请号：CN202110583990.6
申请日：2021-05-27
Applicant: 苏州大学
IPC: G06V20/52 , G06V20/59 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N20/00
Abstract: 本发明涉及轨道交通车厢客流估计方法，包括如下步骤：利用多种检测算法分别对多种数据源中包含的人体特征进行训练得出检测模型；车厢内摄像头拍摄车厢内图像，采用上述训练后的各检测模型分别对各摄像头拍摄的图像进行检测并对检测结果进行集成；将车厢内的多个座位位置和空白位置分别划分为座位区域和空白区域；根据车厢内多个摄像头的视觉范围，对视觉重叠部分中空白区域的站立人数和座位区域的站立人数及座位人数进行统计；根据视觉重叠部分中空白区域和座位区域人数推导视觉远端部分中空白区域和座位区域人数；估计全车厢乘客数量。本发明充分利用了现有设备，实现实时获取车厢内客流特征信息。
-
公开(公告)号：CN115273500A
公开(公告)日：2022-11-01
申请号：CN202210815708.7
申请日：2022-07-12
Applicant: 苏州大学
IPC: G08G1/08 , G08G1/16 , G08G1/0968
Abstract: 本发明以网联车辆最小化行驶延误为目标，尽可能使网联车辆实现不停车通过。考虑到网联车辆和人工驾驶车辆在信号交叉口混行环境，基于光通信技术和车联网通信技术，获取信号交叉口处与网联车辆行驶相关的信息，根据当前信号灯状态和车辆所处车队位置以及车道条件下，对网联车辆进行速度、加速度、位置、时间等的约束，分析网联车辆不停车通过交叉口的行驶状态，生成网联车辆在未来一段时间内的行驶轨迹矩阵，并在固定时间间隔下进行不断更新和优化，网联车辆按照行驶轨迹矩阵行驶，达到理想通行效果。
-
公开(公告)号：CN110638430B
公开(公告)日：2022-08-09
申请号：CN201911012613.6
申请日：2019-10-23
Applicant: 苏州大学
Abstract: 本发明公开了一种级联神经网络ECG信号心律失常分类模型的搭建方法，具体包括：建立卷积模块；建立特征表达模块；对特征表达进行第一级softmax计算，判断形态异常的心律失常；获取多组心博特征表达；建立长短时记忆模块，所述长短时记忆模块处理所述多组心博特征表达，获得所述多组心博特征表达之间的关联表达；通过所述关联表达判断异常心律类别；对所述级联神经网络模型进行训练。其具有自动化的数据类型特征提取能力，可判断形态异常的心律失常及节律异常的心律失常类型。
-
Patent Agency Ranking
公开(公告)号：CN113246985A
公开(公告)日：2021-08-13
申请号：CN202110687438.1
申请日：2021-06-21
Applicant: 苏州大学
Abstract: 本发明公开了一种混行条件下快速路匝道智能网联车辆合流变道控制方法，该方法包括以下步骤：收集道路交通行驶信息；分析加速车道车辆、目标车道前后车辆的运行状态及最佳安全距离，判断是否产生变道决策；基于行驶换道轨迹路径函数实时调整车辆加速度，实现安全变道。本发明基于智能网联、车路协同等相关技术的实现，根据在通信区域内获取预设范围周边道路的环境、交通等信息，进行换道决策判断，避免驾驶智能网联时车辆之间发生追尾碰撞，有效提高自动驾驶在换道过程的安全性及可靠性。
-
公开(公告)号：CN112820125A
公开(公告)日：2021-05-18
申请号：CN202110314982.1
申请日：2021-03-24
Applicant: 苏州大学
Abstract: 本发明涉及一种车辆混行情况的智能网联车辆的通行引导方法及引导系统，包括以下步骤：采集车辆行驶信息，获得车辆的目标车道；判断进入通信区域的智能网联车辆与人工驾驶车辆是否会发生冲突：根据车辆的目标车道，判断车道上的车辆发生的冲突的类型；根据车辆行驶信息，获取对应冲突类型的两个车辆按照原始状态行驶通过交叉口的总的通行时间；选取通行时间最小的车辆获得先行权，通行时间在后的通行的车辆根据最小的通行时间重新计算最佳加速度。其考虑了混合车队的情况，通过通行时间的计算间接优化车辆的加速度，既提高了交叉口的通行效率，降低了车辆在行驶过程中的燃油消耗，又提高了无信号交叉口行驶的安全性。
-
公开(公告)号：CN110638430A
公开(公告)日：2020-01-03
申请号：CN201911012613.6
申请日：2019-10-23
Applicant: 苏州大学
IPC: A61B5/00 , A61B5/04 , A61B5/0402 , G06K9/62
Abstract: 本发明公开了一种多任务级联神经网络ECG信号心律失常疾病分类模型和方法，具体包括：建立卷积模块；建立特征表达模块；对特征表达进行第一级softmax计算，判断形态异常的心律失常；获取多组心博特征表达；建立长短时记忆模块，所述长短时记忆模块处理所述多组心博特征表达，获得所述多组心博特征表达之间的关联表达；通过所述关联表达判断异常心律类别；对所述级联神经网络模型进行训练。其具有自动化的数据类型特征提取能力，可判断形态异常的心律失常及节律异常的心律失常类型。
-
公开(公告)号：CN107993723A
公开(公告)日：2018-05-04
申请号：CN201711378986.6
申请日：2017-12-19
Applicant: 苏州大学
IPC: G16H50/50
Abstract: 本发明公开了一种基于集成进化学习的华法林剂量预测建模方法，包括如下步骤：（1）、基于遗传编码进化基函数；（2）、基于进化策略演算系数；（3）、基于遗传算法框架的选择、优化得到M个候选模型;（4）、在M个候选模型基础上,选择m个模型进行权重和的集成,得到最终的预测模型；集成学习得到的回归预测模型进行测试集合数据上的实际预测。本发明采用集成进化学习的方式构建模型，集成进化学习是构建出准确预测华法林剂量模型的关键点；相比于贝叶斯决策系统、人工神经网络和支持向量机等建模方法，集成进化回归模型有着更好的泛化能力；相比于个体进化回归模型，集成进化回归模型有着更好的稳定性。
-
公开(公告)号：CN107705563A
公开(公告)日：2018-02-16
申请号：CN201711219157.3
申请日：2017-11-28
Applicant: 苏州大学
Abstract: 基于激光雷达的连续车辆速度检测方法，涉及到激光雷达测速技术，以及车辆速度检测技术领域。解决了现有采用激光雷达实现车辆速度检测的技术中存在的采用2D激光雷达检测存在不能对车辆以及非车辆的物体进行分类的问题，以及采用成本高64线的3D激光雷成本过高的问题。本发明采用16线激光雷达连续采集行车道的路面场景数据，然后采用多帧数据中的车辆相关联的方法实现对车辆进行关联，进而实现对车辆速度的检测，完全避免了由于激光雷达丢帧影响测量的问题，也避免了由于车辆相互遮挡影响测量的问题。本发明实现了车辆连续速度变化曲线的测量，对进一步分析车辆行为具有重要意义。本发明可以应用到交通工程中的各种测量车速的场所。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.026 seconds)
