一种基于AE-LSTM-BO车流量预测的导航参考方法

    公开(公告)号:CN111553535B

    公开(公告)日:2022-07-29

    申请号:CN202010371999.6

    申请日:2020-05-06

    Abstract: 本发明涉及一种基于AE‑LSTM‑BO车流量预测的导航参考方法,首先构建和训练自编码器‑长短时记忆网络模型,然后将当前路口历史数据和周围路口历史数据输入到自编码器‑长短时记忆网络模型中,由其输出未来一定时间段内当前路口的车流量,最后将所预测的车流量结果发布在导航app上,让导航app或司机能够根据不同颜色展示的交通流量参考道路的拥堵性,以此合理规划出行,选择导航路线;模型构建时先进行降维周围路口历史数据,再进行LSTM网络预测;模型训练时首先获取历史数据,然后进行自编码器的训练,接着进行LSTM网络的训练,最后进行贝叶斯优化调整超参数。本发明显著提高了交通流预测的准确性,能够提供更加合理的导航参考。

    基于Faster-RCNN调节绿灯通行时间的方法

    公开(公告)号:CN111540203B

    公开(公告)日:2021-09-17

    申请号:CN202010361892.3

    申请日:2020-04-30

    Abstract: 本发明涉及一种基于Faster‑RCNN调节绿灯通行时间的方法,步骤如下:(1)构建等待车辆识别模型;首先进行特征提取得到特征图,然后提取候选区域得到带有大小不一候选框的特征图,接着映射得到小特征图,最后对小特征图进行全连接操作得到带识别框的车辆情况监控图;(2)训练等待车辆识别模型;首先建立训练集,然后训练特征提取网络,接着共享Fast‑RCNN网络和RPN网络参数,最后进行模型剪枝;(3)采集交通路口视频中红灯倒数20~40s时的车辆情况监控图,并将其输入到等待车辆识别模型中,由其输出带识别框的车辆情况监控图,通过统计识别框的数量统计等待车辆数量,根据等待车辆数量调节绿灯通行时间。本发明的模型结构简单,方法耗时较短,能够实现自适应性配时。

    一种基于图像分析和深度学习的人数统计方法

    公开(公告)号:CN107330390B

    公开(公告)日:2020-12-01

    申请号:CN201710492597.X

    申请日:2017-06-26

    Inventor: 黄建华 俞启尧

    Abstract: 本发明公开了一种基于图像分析和深度学习的人数统计方法,包括以下步骤:A、对输入图像进行金字塔模型计算,生成多个分辨率和尺寸的图像;B、在金字塔的每一层上进行窗口滑动,计算窗口区域的HOG特征值,并通过线性SVM分类器进行分类,判断该窗口是否为头肩区域;C、对于步骤B中给出的每个头肩区域,提取相应的图像,归一化到设定好的相同尺寸,输入到深度神经网络中,得到分类输出;D、对步骤C的输出里的所有头肩窗口进行非极大值抑制,以合并相邻区域和尺度的重叠的检测结果。本发明能够改进现有技术的不足,能够以较快的速度达到较高的人数统计性能。

    一种基于AE-LSTM-BO车流量预测的导航参考方法

    公开(公告)号:CN111553535A

    公开(公告)日:2020-08-18

    申请号:CN202010371999.6

    申请日:2020-05-06

    Abstract: 本发明涉及一种基于AE-LSTM-BO车流量预测的导航参考方法,首先构建和训练自编码器-长短时记忆网络模型,然后将当前路口历史数据和周围路口历史数据输入到自编码器-长短时记忆网络模型中,由其输出未来一定时间段内当前路口的车流量,最后将所预测的车流量结果发布在导航app上,让导航app或司机能够根据不同颜色展示的交通流量参考道路的拥堵性,以此合理规划出行,选择导航路线;模型构建时先进行降维周围路口历史数据,再进行LSTM网络预测;模型训练时首先获取历史数据,然后进行自编码器的训练,接着进行LSTM网络的训练,最后进行贝叶斯优化调整超参数。本发明显著提高了交通流预测的准确性,能够提供更加合理的导航参考。

    一种基于图像分析和深度学习的人数统计方法

    公开(公告)号:CN107330390A

    公开(公告)日:2017-11-07

    申请号:CN201710492597.X

    申请日:2017-06-26

    Inventor: 黄建华 俞启尧

    Abstract: 本发明公开了一种基于图像分析和深度学习的人数统计方法,包括以下步骤:A、对输入图像进行金字塔模型计算,生成多个分辨率和尺寸的图像;B、在金字塔的每一层上进行窗口滑动,计算窗口区域的HOG特征值,并通过线性SVM分类器进行分类,判断该窗口是否为头肩区域;C、对于步骤B中给出的每个头肩区域,提取相应的图像,归一化到设定好的相同尺寸,输入到深度神经网络中,得到分类输出;D、对步骤C的输出里的所有头肩窗口进行非极大值抑制,以合并相邻区域和尺度的重叠的检测结果。本发明能够改进现有技术的不足,能够以较快的速度达到较高的人数统计性能。

    一种基于背景建模的视频移动目标侦测方法

    公开(公告)号:CN107301655B

    公开(公告)日:2020-10-02

    申请号:CN201710456321.6

    申请日:2017-06-16

    Inventor: 黄建华 俞启尧

    Abstract: 本发明公开了一种基于背景建模的视频移动目标侦测方法,包括以下步骤:A、建立三个背景子模型;B、将输入图像与BM1的单高斯模型进行比较,生成二值化的前景目标图;C、在步骤B中获得的前景目标图上进行进一步的过滤;D、对于步骤C中给出的前景目标图,去掉孤立噪点区域和空洞区域;E、对于每个前景连通域,计算区域内的TLBP特征,并进行分类;F、根据步骤E中所获得的前景目标图和当前帧,对BM1中的单高斯背景模型进行更新;G、根据BM1中的单高斯背景模型的背景图,进行快速图像分割;H、则对TLB图进行更新。本发明能够改进现有技术的不足,对于复杂的动态背景具有较低的敏感性,同时对于正常的移动物体具有较高的检测率。

    一种基于快速可变形模型和机器学习的图像目标识别方法

    公开(公告)号:CN108241869A

    公开(公告)日:2018-07-03

    申请号:CN201710484088.2

    申请日:2017-06-23

    Inventor: 黄建华 俞启尧

    Abstract: 本发明公开了一种基于快速可变形模型和机器学习的图像目标识别方法,包括以下步骤:A、对输入图像进行2采样计算,生成多个分辨率和尺寸的图像;B、对于金字塔的每一层计算各像素梯度,并计算积分图;C、在每个尺度空间上进行窗口滑动,获得一个匹配分数;D、对于步骤C中给出的每个候选区域进行窗口滑动,对于每个子窗口区域进行分类;E、对每个部件子窗口计算HOG特征值,获得匹配分数;F、计算所有模板与根模板的匹配分数的和;G、对所有检测目标的输出进行非极大值抑制,以合并相邻区域和尺度的重叠的检测结果。本发明能够改进现有技术的不足,能够以较快的速度达到较高的检测性能,可以用于实时的视频分析中。

    一种基于背景建模的视频移动目标侦测方法

    公开(公告)号:CN107301655A

    公开(公告)日:2017-10-27

    申请号:CN201710456321.6

    申请日:2017-06-16

    Inventor: 黄建华 俞启尧

    Abstract: 本发明公开了一种基于背景建模的视频移动目标侦测方法,包括以下步骤:A、建立三个背景子模型;B、将输入图像与BM1的单高斯模型进行比较,生成二值化的前景目标图;C、在步骤B中获得的前景目标图上进行进一步的过滤;D、对于步骤C中给出的前景目标图,去掉孤立噪点区域和空洞区域;E、对于每个前景连通域,计算区域内的TLBP特征,并进行分类;F、根据步骤E中所获得的前景目标图和当前帧,对BM1中的单高斯背景模型进行更新;G、根据BM1中的单高斯背景模型的背景图,进行快速图像分割;H、则对TLB图进行更新。本发明能够改进现有技术的不足,对于复杂的动态背景具有较低的敏感性,同时对于正常的移动物体具有较高的检测率。

    基于Faster-RCNN调节绿灯通行时间的方法

    公开(公告)号:CN111540203A

    公开(公告)日:2020-08-14

    申请号:CN202010361892.3

    申请日:2020-04-30

    Abstract: 本发明涉及一种基于Faster-RCNN调节绿灯通行时间的方法,步骤如下:(1)构建等待车辆识别模型;首先进行特征提取得到特征图,然后提取候选区域得到带有大小不一候选框的特征图,接着映射得到小特征图,最后对小特征图进行全连接操作得到带识别框的车辆情况监控图;(2)训练等待车辆识别模型;首先建立训练集,然后训练特征提取网络,接着共享Fast-RCNN网络和RPN网络参数,最后进行模型剪枝;(3)采集交通路口视频中红灯倒数20~40s时的车辆情况监控图,并将其输入到等待车辆识别模型中,由其输出带识别框的车辆情况监控图,通过统计识别框的数量统计等待车辆数量,根据等待车辆数量调节绿灯通行时间。本发明的模型结构简单,方法耗时较短,能够实现自适应性配时。

Patent Agency Ranking