-
公开(公告)号：CN109299671A
公开(公告)日：2019-02-01
申请号：CN201811025411.0
申请日：2018-09-04
Applicant: 上海海事大学
Abstract: 本发明提出了一种级联式由粗到精的深度卷积神经网络船舶类型识别方法，本方法采用随机启发式选择机制来动态调整深度网络的结构和参数设置，本方法通过粗糙级训练和精细级训练两个步骤训练得到可识别船舶类型的深度卷积神经网络。其中，粗糙级训练过程与传统深度卷积神经网络的训练过程类似，该训练过程的输入样本是船舶图片。精细级训练过程则针对粗糙级训练过程中，船舶类型识别精度最低的商船图片，对深度卷积神经网络再次训练，以提高船舶类型识别的整体精度。本发明的方法对不同的船舶类型均可以得到较好的识别精度，为自动化的船舶类型识别，船舶智能航行提供信息支持。
-
Patent Agency Ranking
公开(公告)号：CN110070733A
公开(公告)日：2019-07-30
申请号：CN201910461276.2
申请日：2019-05-30
Applicant: 上海海事大学
Abstract: 本发明提供一种车头时距建模方法，通过采集信号交叉口通过停车线的第一车至第k车的车头时距，并用不同的概率分布函数对所采集的数据进行拟合，通过卡方检测判断拟合效果，为不考虑排队位置时和考虑排队位置时所采集的车头时距，选取适合的概率分布函数进行建模。本发明还提供一种最小绿灯时间计算方法，根据第一车、第二车车型计算得到第二车通过停车线所需时间；并根据大车的数目和大车的排序位置，计算从第三车开始，后继车辆通过停车线所需时间；由此得到一次绿灯时间内，k辆车中包含d辆大车时，通过信号交叉口的最小绿灯时间。本发明可对采集的车头时距准确建模，还可以更合理的设置绿灯时间，提高交通出行效率。
-
公开(公告)号：CN110070733B
公开(公告)日：2020-06-23
申请号：CN201910461276.2
申请日：2019-05-30
Applicant: 上海海事大学
Abstract: 本发明提供一种车头时距建模方法，通过采集信号交叉口通过停车线的第一车至第k车的车头时距，并用不同的概率分布函数对所采集的数据进行拟合，通过卡方检测判断拟合效果，为不考虑排队位置时和考虑排队位置时所采集的车头时距，选取适合的概率分布函数进行建模。本发明还提供一种最小绿灯时间计算方法，根据第一车、第二车车型计算得到第二车通过停车线所需时间；并根据大车的数目和大车的排序位置，计算从第三车开始，后继车辆通过停车线所需时间；由此得到一次绿灯时间内，k辆车中包含d辆大车时，通过信号交叉口的最小绿灯时间。本发明可对采集的车头时距准确建模，还可以更合理的设置绿灯时间，提高交通出行效率。
-
公开(公告)号：CN110472607A
公开(公告)日：2019-11-19
申请号：CN201910772802.7
申请日：2019-08-21
Applicant: 上海海事大学
Abstract: 本发明公开了一种船舶跟踪方法及系统，该方法基于方向梯度直方图的核相关滤波算法的跟踪方法对目标船舶进行特征提取，通过判别分类决策函数获取最大响应的图像样本，从而实现目标船舶的跟踪。其优点是：引入了曲线拟合的处理方法对目标船舶的轨迹坐标进行拟合，解决了由遮挡引起的目标船舶丢失的问题；利用统计指标均方误差和平均绝对误差来衡量船舶跟踪方法的性能，使本方法具有更小的跟踪误差，且本方法具备较好的抽象性和鲁棒性，可有效应对船舶遮挡的跟踪挑战，拥有良好的跟踪效果。
-
公开(公告)号：CN109215018A
公开(公告)日：2019-01-15
申请号：CN201810967927.0
申请日：2018-08-23
Applicant: 上海海事大学
Abstract: 本发明提出了一种基于Canny算子和高斯形态学的船舶检测方法，该方法从海事监控视频的图像帧中进行船舶检测，获取船舶轮廓信息，并识别不同成像尺寸的船舶。该方法包含船舶轮廓提取，噪声消除和船舶轮廓重建三个部分。首先利用Canny算子提取图像帧中所有可能的船舶轮廓信息；接着利用高斯滤波算子对Canny算子提取的船舶轮廓展开进一步平滑去噪处理，去除噪声对应的轮廓像素，如背景图像信息；最后利用形态学方法的开运算操作重构船舶轮廓，获得最终的船舶检测结果。将此方法应用于不同交通状态和船舶尾迹干扰场景中的船舶检测，验证本发明的检测性能。本发明的方法在不同的测试场景均获得较高的准确率，得到了较好的检测效果。
-
公开(公告)号：CN109102528A
公开(公告)日：2018-12-28
申请号：CN201810890137.7
申请日：2018-08-07
Applicant: 上海海事大学
Abstract: 一种船舶跟踪方法及系统，基于多视图学习机制和稀疏表达机制的船舶跟踪算子STMS利用LoG算子、HOG算子、LBP算子、Canny算子和Gabor算子分别提取船舶特征，通过稀疏表达机制对STMS船舶跟踪算子提取的船舶特征进行稀疏表达，建立STMS模型来表征船舶跟踪目标，且引入LASSO惩罚机制来平衡STMS模型的跟踪精度和计算复杂度，并利用弗罗贝尼乌斯范式优化STMS模型的跟踪性能，通过加速近似梯度方法求解STMS模型，获得船舶跟踪结果。本发明具备较好的抽象性和鲁棒性，可有效应对光照变化、成像视角变化、船舶遮挡和船舶成像尺寸变化等多种船舶跟踪挑战，具有较小的船舶跟踪误差和良好的跟踪效果。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
