-
公开(公告)号：CN116770762A
公开(公告)日：2023-09-19
申请号：CN202310873497.7
申请日：2023-07-17
Applicant: 中国公路工程咨询集团有限公司 , 中咨数据有限公司 , 长安大学
Abstract: 本发明公开了一种智慧公路工程养护作业装置，包括行车体和设置在行车体外部的水箱体，水箱体的外部设置有铺设机构，铺设机构包括可伸缩的辊轴，水箱体的外部设置有洒水机构，洒水机构包括水平连接管，水平连接管的外部安装有变频恒压水泵，水平连接管的外部固定连通有若干个波纹连接管，若干个波纹连接管远离水平连接管的一端均安装有鸭嘴喷头，若干个鸭嘴喷头的外部设置有控制伸缩组件。本发明通过启动水平电液推杆使两个竖直滑轨A之间的距离发生改变，即可使若干个鸭嘴喷头之间的距离发生改变，从而使得若干个鸭嘴喷头的喷洒范围发生改变，进而保证了喷洒范围的可调节且不影响喷洒水压功能的实现。
-
公开(公告)号：CN117377270A
公开(公告)日：2024-01-09
申请号：CN202310873537.8
申请日：2023-07-17
Applicant: 中国公路工程咨询集团有限公司 , 中咨数据有限公司 , 长安大学
Abstract: 本发明公开了一种高速公路多功能智慧设备运维箱，包括运维箱主体、防水罩以及升降板，安装板的下侧设置有散热机构，散热机构包括有一号电机以及风扇，运维箱主体以及防水罩的外部设置有悬挂机构，悬挂机构包括有挂钩、尼龙绳以及卡板，二号电机的一侧设置有升降机构，升降机构包括有转动杆以及齿轮，升降板的一侧固定连接有齿板；在本发明中，通风一号电机带动风扇转动，可降低运维箱主体内部温度，保护了内部线路的稳定运行，通过卡板卡入挂钩，可将防水罩悬挂在运维箱主体后表面，从而将运维箱主体后端打开，从而即可对内部进行检修，再通过齿轮带动升降板向下滑动，可将较低的一侧抬高，即可较为稳定的应用于具有一定倾斜度的高速公路路段。
-
公开(公告)号：CN110110769A
公开(公告)日：2019-08-09
申请号：CN201910331695.4
申请日：2019-04-24
Applicant: 长安大学
Abstract: 本发明公开了一种基于宽度径向基函数网络的图像分类方法，包括以下步骤：构建径向基函数网络；采用滑动窗口获得待处理图像的局部特征矩阵；通过宽度径向基函数网络对局部特征矩阵进行非线性变换，获得宽度径向基函数网络的输出数据；通过排序和下采样得到宽度径向基函数网络的高斯基函数输出，采用线性层权重对高斯基函数输出进行线性层连接，得到最终输出，即得到处理后的图像和训练后的宽度径向基函数网络。本发明采用滑动窗口获取待处理图像的局部特征，减少了隐藏层神经元个数，此外，采用排序和下采样的方式进一步减少了输出个数，解决了图像为尺寸较大时权值数指数增加的问题，从而可实现图像数据的高效分类。
-
公开(公告)号：CN105869408A
公开(公告)日：2016-08-17
申请号：CN201610272791.2
申请日：2016-04-27
Applicant: 长安大学
CPC classification number: G08G1/017 , G01J5/0022 , G01J5/505 , G01J2005/0033 , G01J2005/0077
Abstract: 本发明涉及一种汽车轮毂温度异常检测与预警方法及系统，系统包括监控摄像机、红外热像仪、控制主机及可变信息情报板。所述监控摄像机安装在道路上方，红外热像仪安装在路侧，可变信息情报板安置在监控摄像机下游；当车辆到达检测区域，监控摄像机和红外热像仪分别对车辆采集图像，并发送给控制主机；控制主机对监控摄像机所摄照片进行车牌识别；控制主机提取并融合热成像图像中轮毂的SBDD、HOG和LBP特征，再通过增量支持向量机分类判断其温度是否异常；当发现轮毂温度异常时，将车辆信息发送给可变信息情报板进行预警提示。本发明可有效对汽车轮毂温度异常进行检测并预警，从而避免刹车失灵、起火和爆胎等交通事故的发生。
-
公开(公告)号：CN116630660A
公开(公告)日：2023-08-22
申请号：CN202310490266.8
申请日：2023-05-04
Applicant: 长安大学
IPC: G06V10/75 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种多尺度增强学习的跨模态图像匹配方法，包括以下步骤：S1.在神经网络模型中输入基准图和实时图；S2.基于ResNet网络对所述基准图和实时图进行特征提取，将ResNet网络中的第2、3、4层特征通过区域推荐模块得到实时图特征在基准图特征中的相关区域；S3.通过Transformer特征融合模块对步骤S2中ResNet网络提取出来的特征进行融合；S4.将步骤S3中的融合特征输入到特征解码模块中，得到实时图在基准图中的位置；S5.输出步骤S4中得到的位置匹配结果。本发明所输入的不同模态的基准图和实时图，都能得到实时图在基准图中的准确位置，不论是SAR图像、可见光图像还是远红外图像都能够得到较好的匹配结果，与传统匹配方法相比，该方法潜力大、鲁棒性强、效率高。
-
Patent Agency Ranking
公开(公告)号：CN112949528B
公开(公告)日：2023-08-15
申请号：CN202110269503.9
申请日：2021-03-12
Applicant: 长安大学
IPC: G06V20/52 , G06V20/40 , G06V10/774 , G06V10/82 , G06N3/042
Abstract: 本发明公开了一种基于时空重要性的隧道内车辆再识别方法，属于车辆检测领域。本方法首先利用图论对隧道路网进行建模，从而得到隧道路网拓扑图。训练时要在拓扑图上计算所有相邻节点之间的注意力系数，用于对样本对之间的相似度进行加权约束，从而提高再识别算法的精度。以训练集为候选集，从候选集中取样时，利用多示例学习的方式，将训练集划分为多个多示例包，利用多示例包的特征表示来涵盖每个示例的特征，这一采样方式缩小了候选图片的范围。本发明方法区别于传统车辆再识别方法，充分利用了隧道监控设备的时空分布信息对候选集图像进行约束，并缩短了再识别图像匹配所需时间，提高了监控图像不足够清晰时再识别算法的精度。
-
公开(公告)号：CN114998848A
公开(公告)日：2022-09-02
申请号：CN202210561631.5
申请日：2022-05-23
Applicant: 长安大学
IPC: G06V20/54 , G06V10/40 , G06V10/62 , G06V10/74 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及道路监控视频车辆检测领域，具体涉及一种基于时空对比无监督学习的车辆再识别方法。通过利用视觉时孔特征提取模型，融合了摄像机编号、时间戳记等时空信息和图片本身的视觉信息，构造出了更具代表性的融合特征，实现了对摄像机身份编号以及时间戳记的有效利用，通过时空信息对无监督车辆再识别模型加以约束，提升了模型的精度。
-
公开(公告)号：CN110110769B
公开(公告)日：2021-03-02
申请号：CN201910331695.4
申请日：2019-04-24
Applicant: 长安大学
Abstract: 本发明公开了一种基于宽度径向基函数网络的图像分类方法，包括以下步骤：构建径向基函数网络；采用滑动窗口获得待处理图像的局部特征矩阵；通过宽度径向基函数网络对局部特征矩阵进行非线性变换，获得宽度径向基函数网络的输出数据；通过排序和下采样得到宽度径向基函数网络的高斯基函数输出，采用线性层权重对高斯基函数输出进行线性层连接，得到最终输出，即得到处理后的图像和训练后的宽度径向基函数网络。本发明采用滑动窗口获取待处理图像的局部特征，减少了隐藏层神经元个数，此外，采用排序和下采样的方式进一步减少了输出个数，解决了图像为尺寸较大时权值数指数增加的问题，从而可实现图像数据的高效分类。
-
公开(公告)号：CN109389177A
公开(公告)日：2019-02-26
申请号：CN201811253291.X
申请日：2018-10-25
Applicant: 长安大学
Abstract: 本发明实施例公开了一种基于协同级联森林的隧道车辆再识别方法该方法，包括：对隧道车辆图像集进行预处理；提取隧道车辆的颜色和纹理信息来表征车辆的视觉特征；构建协同级联森林模型，利用训练集内带有类别标签的车辆图像对的特征差分向量训练模型；输入待识别车辆图像与测试集内每幅车辆图像的特征差分向量，利用训练好的协同级联森林模型计算两车是同一辆的概率；按照概率大小进行排序，进而得到待识别图像的车辆再识别结果。本发明通过多层协同级联的随机森林和极端森林，能够充分利用隧道车辆的外观特征信息，从而提高车辆再识别的正确率。
-
公开(公告)号：CN105005989A
公开(公告)日：2015-10-28
申请号：CN201510374899.8
申请日：2015-06-30
Applicant: 长安大学
IPC: G06T7/00
CPC classification number: G06T2207/20081 , G06T2207/30248
Abstract: 本发明公开了一种弱对比度下的车辆目标分割方法，步骤1：对训练图像采用多示例学习的方法进行显著模型建模；然后利用显著模型对测试图像中的包和示例进行预测，得到测试图像的显著度图；步骤2：将测试图像的显著度引入图割框架，依据示例特征矢量与示例包的标记对图割框架进行优化，求解图割优化的次优解，得到目标的精确分割。本发明的借鉴人类的视觉注意机制，结合基于图论的图像分割方法，建立一种基于视觉显著性特征的车辆目标分割模型，不仅能在良好环境条件下准确分割完整车辆，并且具有一定的适应性和鲁棒性，能在夜间环境、阴影遮挡情况下较为准确地分割出交通场景中的弱对比度车辆目标。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.059 seconds)
