公开(公告)号：CN118486003A

公开(公告)日：2024-08-13

申请号：CN202410640993.2

申请日：2024-05-22

Applicant: 三峡大学

Inventor： 付文龙 ,  熊浩伟 ,  廖伟清 ,  文斌

IPC: G06V20/59 ,  G06V40/16 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 基于Yolov5‑Face与改进VGG‑16的汽车驾驶员状态监测方法，采集驾驶员的驾车图像信息；使用Yolov5‑Face网络对驾车图像进行人脸区域位置检测；对检测出的人脸区域进行裁剪；对裁剪之后的图像进行预处理；训练改进的VGG‑16深度学习网络，生成权重；驾驶员状态图像进行分类；对每类疲劳驾驶特征进行加权计算，得出疲劳指数，若是疲劳指数超过一定阈值，进行预警。该方法将传统的检测算法与深度学习相结合，能够通过汽车驾驶员监测系统DMS实现驾驶员状态实时监测，对疲劳驾驶进行预警，并且具有较高的准确率。

公开(公告)号：CN118135296A

公开(公告)日：2024-06-04

申请号：CN202410216408.6

申请日：2024-02-27

Applicant: 三峡大学

Inventor： 付文龙 ,  熊浩伟 ,  廖伟清 ,  黄玉光 ,  谭超

IPC: G06V10/764 ,  G06V20/17 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06V10/25 ,  G06T7/11 ,  G06T7/136 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/048 ,  G06N3/047 ,  G06N3/08

Abstract: 基于VGG16的无人机架空地线巡检缺陷分类方法，包括以下步骤：步骤1：使用无人机对架空地线的缺陷图像进行采集；步骤2：使用U‑Net网络和HSV多阈值分割算法对步骤1采集的缺陷图像进行特征提取；步骤3：利用WGAN‑GP网络对步骤2特征提取之后的数据集进行数据增强，扩充数据集；步骤4：训练VGG16深度学习网络，并得出权重；步骤5：利用步骤4训练好的权重对巡检图像进行缺陷分类、标记缺陷位置。该方法采用图像处理相关技术，增强了图像的特征，提高检测的效率和精度。

公开(公告)号：CN119339350A

公开(公告)日：2025-01-21

申请号：CN202411279225.5

申请日：2024-09-12

Applicant: 三峡大学

Inventor： 付文龙 ,  迟宝桐 ,  熊浩伟 ,  廖伟清 ,  文斌

IPC: G06V20/58 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 基于改进YOLOv8的小目标交通标志识别方法，构建数据集，从数据集中选取样本图片进行标注和数据增强，并将数据集划分为训练集和测试集；对YOLOv8模型进行改进，在YOLOv8模型的骨干网络中嵌入多尺度注意力机制EMA；将YOLOv8模型的颈部网络中上采样算子替换为DySample上采样算子；将YOLOv8模型的原始损失函数CIoU替换为WIoUv3损失函数；将训练集输入到改进后的YOLOv8模型进行训练，训练完成后，使用测试集对改进后的YOLOv8模型检测性能进行检测，得到识别结果，并使用各项指标对改进后的YOLOv8模型性能进行评估。本发明一种基于改进YOLOv8的小目标交通标志识别方法，能够有效提高对小目标交通标志的识别精度和识别速度。