-
公开(公告)号：CN110490043A
公开(公告)日：2019-11-22
申请号：CN201910498449.8
申请日：2019-06-10
Applicant: 东南大学
Abstract: 本发明提供了一种基于区域划分和特征提取的森林烟火检测方法，属于计算机图像处理技术领域，包括：建立森林烟火样本数据集；选取合适的静态特征并训练级联神经网络；选取待处理视频的第一帧，进行自适应区域分割；对待处理视频进行运动检测；对疑似烟火区域进行预测分类。本发明方法计算简单，减少了运算量和大量误检，在计算速度不高的设备上有比较好的实时性，同时大幅降低误报率；本发明方法在森林烟火检测等方面有着重要的应用价值，在森林防火视频监控领域具有重要意义。
-
公开(公告)号：CN110309723A
公开(公告)日：2019-10-08
申请号：CN201910483030.5
申请日：2019-06-04
Applicant: 东南大学
Abstract: 本发明提供了一种基于人体特征细分类的驾驶员行为识别方法，包括：建立驾驶员行为识别的图像数据集；构建基于人体特征细分类的识别模型；训练基于人体特征细分类的识别模型；对基于人体特征细分类的识别模型进行测试。本发明能够对人体关键点部位进行正确的动作分类，结合局部特征和图像全局特征进行驾驶员行为细分类，在交通安全领域有重要的应用价值。本发明通过Stacked Hourglass Networks模型进行关键点定位，随后，对关键点区域进行学习，将人体部位的具体动作作为卷积分类的中层特征，显著地提升了模型的识别精度。
-
公开(公告)号：CN110298257A
公开(公告)日：2019-10-01
申请号：CN201910483000.4
申请日：2019-06-04
Applicant: 东南大学
Abstract: 本发明提供了一种基于人体多部位特征的驾驶员行为识别方法，包括：建立驾驶员行为识别的图像数据集；构建神经网络模型；训练基于人体多部位特征的驾驶员行为识别模型；对基于人体多部位特征的驾驶员行为识别模型进行测试。本发明结合人体关键点区域与全局区域，利用某些具有判别力的局部区域进行驾驶员行为识别，由于融合人体关键点特征，进一步提高驾驶员行为识别准确率，在交通安全领域有重要的应用价值。
-
公开(公告)号：CN109409205A
公开(公告)日：2019-03-01
申请号：CN201811045108.7
申请日：2018-09-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于线间距特征点聚类的航拍视频公路车道线检测方法，包括以下步骤：读取视频帧；图像分割处理；从大量数据点中均衡、充分的提取出每条车道线的特征点；基于线间距的相似度度量方式构造相似度矩阵，对不同车道线的特征点聚类；对车道线建立三次B样条模型，利用改进的RANSAC算法对模型进行参数估计；车道线参数修正和预测。本发明对航拍高速公路视频中的高速公路边缘进行检测预处理，减小下一帧的处理时间，有效的去除这些高速公路以外的干扰像素点，对车道线特征点具有更好的聚类效果，能够得到更精确和更稳定的车道线拟合效果，且能够达到实时处理效果。
-
公开(公告)号：CN109064396A
公开(公告)日：2018-12-21
申请号：CN201810666177.3
申请日：2018-06-22
Applicant: 东南大学
IPC: G06T3/40
CPC classification number: G06T3/4053 , G06T3/4023 , G06T3/4046
Abstract: 本发明公开了一种基于深度成分学习网络的单幅图像超分辨率重建方法，包括：扩充训练样本图像并进行区域抽取以及退化操作，得到对应的高分辨率和低分辨率图像训练集；构建一个具有成分学习结构的深层网络，该网络先对输入的低分辨率图像进行全局成分分解，再利用从中提取的残差成分预测其在高分辨率空间的对应图像；在训练集上使用批处理随机梯度下降法和反向传播算法对构建的深度成分网络进行迭代训练，得到权值优化后的模型；利用训练好的成分网络重建低分辨率图像；将重建结果恢复到原先的彩色空间，得到超分辨率重建的最终输出。本发明方法不仅能够提升重建后超分辨率图像的质量，还能提高模型的运算速度。
-
Patent Agency Ranking
公开(公告)号：CN108960181A
公开(公告)日：2018-12-07
申请号：CN201810786036.5
申请日：2018-07-17
Applicant: 东南大学
CPC classification number: G06K9/00785 , G06K9/00711 , G06K9/46 , G06K2009/4666 , G06K2209/23
Abstract: 本发明涉及一种基于多尺度分块LBP和隐马尔科夫模型的黑烟车检测方法。该方法包括：(1)从监控视频中检测运动目标和确定关键区域；(2)提取多尺度分块LBP特征，增加尺度和位置信息；(3)采用隐马尔科夫模型刻画关键区域的动态特征，将当前帧分为黑烟帧和非黑烟帧；(4)通过对视频序列的分析，并结合黑烟帧的分布特点，进一步识别黑烟车。利用本发明的技术方案，不仅可以实现黑烟车的自动检测，提高检测效率，同时利用隐马尔科夫模型刻画关键区域的动态特征能更好地降低误报率。
-
公开(公告)号：CN108875674A
公开(公告)日：2018-11-23
申请号：CN201810692685.9
申请日：2018-06-29
Applicant: 东南大学
Abstract: 本发明提供了一种基于多列融合卷积神经网络的驾驶员行为识别方法，包括：构建驾驶员行为识别数据集；对数据集的图片做数据增强；构建深度学习架构；训练设计好的深度学习模型；测试模型得出识别结果。本发明采用了深层的深度学习架构，有利于提取出更抽象的分层特征用于驾驶员行为分类；采用了多个不同滤波核的卷积神经网络分支融合的深度学习架构，有利于提取出图像多尺度特征，用于驾驶员行为分类。本发明中所设计的多列融合卷积神经网络有更抽象的局部特征表示能力，可进一步提高驾驶员行为识别的准确率，在公共安全和智能交通中有重要的应用价值。
-
公开(公告)号：CN106570906A
公开(公告)日：2017-04-19
申请号：CN201610983552.8
申请日：2016-11-09
Applicant: 东南大学
CPC classification number: G01C3/00 , G06T2207/30256
Abstract: 本发明公开了一种摄像机角度偏移条件下基于矩形图样的距离检测方法，其特征在于，包括以下步骤：1、初始化设备，从摄像机中采集标定图像；2、输入标定所需要的图像相关信息；3、建立世界坐标系O‑XYZ 4、构建图像坐标系；5、构建成像平面坐标系Q′Q′xQ′y；6、得到距离模型方程组；7、通过矩形图样边长和摄像机成像的几何关系求解未知数；8、根据距离模型方程组进行图像像素距离与实际道路距离之间的转换。本发明公开方法对任意偏移角度下拍摄的图像都可以进行标定，实现像素距离和实际距离的转换，并且具有较高的计算速度和精确度。
-
公开(公告)号：CN103927523B
公开(公告)日：2017-01-18
申请号：CN201410169673.X
申请日：2014-04-24
Applicant: 东南大学
Abstract: 本发明是一种基于纵向灰度特征的雾天等级检测方法，包括如下步骤：第一步，读入连续交通视频帧；第二步，对连续图像序列在感兴趣区域内进行背景提取，获取逐行灰度信息：首先对背景图片每行的灰度均值进行标准化处理，求出灰度均值随图像纵坐标值变化的曲线，然后求出逐行的灰度斜率特征；第三步，根据判定条件将图像包含天气信息划分为非雾天、小雾天气和大雾天气：首先若满足连续10行或以上的灰度斜率特征大于25，则为晴天，否则继续判定，其次若满足连续10行或以上的灰度斜率特征大于15，则为小雾天气，否则继续判定，则为大雾天气。本发明适用于对高速公路进行雾天监测，能有效的判断出雾天等级，从而保证交通道路的行驶安全。
-
公开(公告)号：CN102799857B
公开(公告)日：2014-12-17
申请号：CN201210202508.0
申请日：2012-06-19
Applicant: 东南大学
Abstract: 一种视频多车辆轮廓检测方法，首先画虚拟围栏圈出监控区域，画虚拟检测器获取车宽、最小车长等参数；再通过背景差分、二值化、形态学开操作、轮廓提取等一系列步骤得到车身轮廓集合；通过跟踪组成车辆的像素块，实现车辆的跟踪，得到车辆的初始轮廓；以车辆的初始轮廓为基础，吞并同属本车的车身轮廓，使正在驶入监控区域的车辆的轮廓更完整；从剩余的车身轮廓中选择较大的轮廓，作为新车初始轮廓，再吞并同属本新车的车身轮廓，使得新驶入监控区域的车辆被及时地检测出来。该方法解决了摄像机抖动、道路两旁图像干扰、车辆前景不连通、邻近车辆轮廓粘连问题。
-
-
-
-
-
-
-
-
-
Search Results
205
records
(took 0.024 seconds)
