-
公开(公告)号：CN111860509B
公开(公告)日：2024-12-20
申请号：CN202010740029.9
申请日：2020-07-28
Applicant: 湖北九感科技有限公司 , 三峡大学
IPC: G06V20/62 , G06V10/24 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 一种由粗到精的两阶段非约束车牌区域精准提取方法，首先利用YOLOv3网络对车牌图像中的车牌区域进行粗定位，然后使用基于MobileNetV3改进的网络在粗定位区域中定位车牌顶点位置，最后利用透视变换将精定位的车牌区域校正到矩形区域内。本发明使用两阶段的车牌定位方法，相比于直接进行车牌定位的一阶段网络，在车牌定位的精度上有着更加明显的优势，同时也保持了车牌定位的实时性。
-
公开(公告)号：CN113192336B
公开(公告)日：2022-05-06
申请号：CN202110594521.4
申请日：2021-05-28
Applicant: 三峡大学
Abstract: 一种以鲁棒性车辆目标检测为核心的道路拥堵状况检测方法，首先采用YOLOv3模型网络进行车辆检测；然后针对车辆检测框中心点存在抖动引起重复计数问题，通过车辆中心点坐标是否位于车辆检测框内、和车辆检测框与车检器的交集是否大于设定阈值的方式实现车辆精准计数，并记录车辆在一定时间内的位置和大小信息；利用NMS进行信息筛选估算最大承载量；最后具体量化拥堵指数CI，采用该拥堵指数能准确判断路段拥堵程度。本发明方法能够直接明了、简单方便、经济实时地获得道路交通拥堵状况，方便地方交警部门应用，具有决策参考价值。
-
公开(公告)号：CN113192336A
公开(公告)日：2021-07-30
申请号：CN202110594521.4
申请日：2021-05-28
Applicant: 三峡大学
Abstract: 一种以鲁棒性车辆目标检测为核心的道路拥堵状况检测方法，首先采用YOLOv3模型网络进行车辆检测；然后针对车辆检测框中心点存在抖动引起重复计数问题，通过车辆中心点坐标是否位于车辆检测框内、和车辆检测框与车检器的交集是否大于设定阈值的方式实现车辆精准计数，并记录车辆在一定时间内的位置和大小信息；利用NMS进行信息筛选估算最大承载量；最后具体量化拥堵指数CI，采用该拥堵指数能准确判断路段拥堵程度。本发明方法能够直接明了、简单方便、经济实时地获得道路交通拥堵状况，方便地方交警部门应用，具有决策参考价值。
-
公开(公告)号：CN114613143B
公开(公告)日：2023-08-25
申请号：CN202210334839.3
申请日：2021-05-28
Applicant: 三峡大学
Abstract: 基于YOLOv3模型的道路车辆计数方法，包括如下步骤：划分出车道区域，划分出虚拟检测区域，根据输入视频流将图像按照一定帧数输入YOLOv3网络；在车检器处于解锁状态时，判断是否有车辆中心点经过车检器；在每次检测器处于解锁状态时，对检测区内部的车辆进行一次计数，进行计数操作，对计数的车辆进行累加操作，并锁定检测器，防止程序再次进入判定计数状态；一次计数完成后，回到视频输入阶段，重新进入计数阶段，解锁车检器并进入到下一次判定计数环节。本发明车辆计数算法能够统计道路的最大车流量，即统计道路一个周期内经过道路的最大车辆数目。
-
公开(公告)号：CN111914839A
公开(公告)日：2020-11-10
申请号：CN202010740113.0
申请日：2020-07-28
Applicant: 三峡大学
Abstract: 基于YOLOv3的同步端到端车牌定位与识别方法，获取车牌外接矩形框以及车牌号信息，制作成数据集标签文件，将数据集分为训练数据集、验证数据集和测试数据集；训练基于YOLOv3的车牌检测与识别一体化网络LP-Yolo，使之能在检测车牌的同时实现对多种类型车牌的识别，将训练数据集增广后，放入网络训练；利用训练好的网络模型，在测试数据集上对车牌进行定位和识别，然后评估模型。本发明能对多种类型及不同长度的车牌进行分类并识别。同时，该方法提出的网络LP-Yolo能在各种非约束环境下快速准确检测并识别车牌。
-
Patent Agency Ranking
公开(公告)号：CN111814827A
公开(公告)日：2020-10-23
申请号：CN202010514432.X
申请日：2020-06-08
Applicant: 三峡大学
Abstract: 基于YOLO的关键点目标检测方法，包括数据集的制作与处理：在原始标注框为水平矩形框的标注数据集上，添加各个关键点到标注框左上角顶点的偏移距离(Δx,Δy)，标注框左上角的顶点位置坐标为（LUx,LUy），满足LUx小于所有关键点的x方向上的值，LUy小于所有关键点的y方向上的值，此时，各个关键点位置均为：以标注框左上顶点为坐标轴原点时坐标轴的第四象限。基于预测框左上角顶点偏移量的点目标检测：通过YOLO得到预测框，同时得到各个关键点与预测框左上角顶点的偏移量，将网络输出的对应各个关键点的偏移量（Δx,Δy）与预测框左上角顶点的坐标（LUx,LUy）相加，即可得到关键点的坐标位置。
-
公开(公告)号：CN111814783A
公开(公告)日：2020-10-23
申请号：CN202010514435.3
申请日：2020-06-08
Applicant: 三峡大学
Abstract: 基于车牌顶点偏移估计的精准车牌定位方法，首先标记车牌最小外界矩形，同时标记车牌的四个顶点坐标，计算矩形框各顶点与实际车牌顶点之间的偏移值，并生成标签文件；然后对标记好的数据进行数据增广并放入网络进行训练，增大网络训练数据量大同时也使得训练数据更加接近于真实场景，提升了网络的学习能力和泛化能力；最后使用训练好的数据进行对车牌进行定位。本发明方法不仅仅解决了车牌精确的问题，同时还保证了车牌精定位的实时性。
-
公开(公告)号：CN114613143A
公开(公告)日：2022-06-10
申请号：CN202210334839.3
申请日：2021-05-28
Applicant: 三峡大学
Abstract: 基于YOLOv3模型的道路车辆计数方法，包括如下步骤：划分出车道区域，划分出虚拟检测区域，根据输入视频流将图像按照一定帧数输入YOLOv3网络；在车检器处于解锁状态时，判断是否有车辆中心点经过车检器；在每次检测器处于解锁状态时，对检测区内部的车辆进行一次计数，进行计数操作，对计数的车辆进行累加操作，并锁定检测器，防止程序再次进入判定计数状态；一次计数完成后，回到视频输入阶段，重新进入计数阶段，解锁车检器并进入到下一次判定计数环节。本发明车辆计数算法能够统计道路的最大车流量，即统计道路一个周期内经过道路的最大车辆数目。
-
公开(公告)号：CN113642553A
公开(公告)日：2021-11-12
申请号：CN202110827446.1
申请日：2021-07-21
Applicant: 三峡大学
Abstract: 一种整体与部件目标检测相结合的非约束车牌精准定位方法，首先利用YOLOv3算法同步检测以车牌顶点为中心的4类左上、右上、右下、左下顶点目标区域和车牌区域，然后通过定位车牌顶点区域间接实现对车牌顶点位置的预测，并结合忽略类别的非极大值抑制算法CF_NMS、顶点区域归类、单一缺失顶点预测的后处理操作获取准确的车牌区域。最后，为进一步提升整体与部件目标检测相结合的车牌定位算法的性能，将多模型融合、粗定位与精定位结合等策略融入定位算法中，并经过实验验证了策略的有效性。本发明设计的整体与部件目标检测相结合的车牌定位算法，在不改变YOLOv3模型结构，同时不增加额外计算量的基础上实现了车牌顶点目标的检测，实现车牌精准定位。
-
公开(公告)号：CN112560852A
公开(公告)日：2021-03-26
申请号：CN202011474221.4
申请日：2020-12-15
Applicant: 三峡大学
Abstract: 基于YOLOv3网络具有旋转适应能力的单阶段目标检测方法，在原始YOLOv3网络模型基础上，对YOLOv3网络模型输出层特征信息进行扩展，增加目标完整性预测、目标倾斜程度类别预测、目标最小外接矩形边界框位置预测，实现精准的目标定位。本发明提供一种基于YOLOv3网络具有旋转适应能力的单阶段目标检测方法，直接使用YOLOv3目标框作为不完整目标的检测框，所提方法为端到端的卷积神经网络，不仅在速度上具有较大的优势，同时还提升了采用矩形框定位方法的精准程度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.015 seconds)
