-
公开(公告)号：CN111932429B
公开(公告)日：2021-01-19
申请号：CN202011093216.9
申请日：2020-10-14
Applicant: 中国矿业大学(北京)
IPC: G06Q50/30 , G06F16/2458 , G06F17/16
Abstract: 一种基于OD的轨道交通站点客流结构相似性分析方法及装置，该方法根据站点的历史客流数据，构建比例矩阵、计算协方差矩阵；计算工作日与基准日比例矩阵之间、比例矩阵的转置之间以及协方差矩阵之间的欧式距离矩阵；构建时间以及站点权重矩阵，计算比例矩阵、比例矩阵转置以及协方差矩阵相似度值，最终计算总相似度值，根据总相似度值分析客流结构相似性。本发明开展了对站点的结构相似性分析，与从日客流总量以及波动方面研究不同工作日的客流相似性相比，进一步从日客流结构即客流去向方面分析同一站点在不同日期的相似性，具有较好的准确度、开放性、延展性和自适应性，根据实际情况动态修正时间粒度以及权重，使客流结构相似性分析更加精准。
-
公开(公告)号：CN111932429A
公开(公告)日：2020-11-13
申请号：CN202011093216.9
申请日：2020-10-14
Applicant: 中国矿业大学(北京)
IPC: G06Q50/30 , G06F16/2458 , G06F17/16
Abstract: 一种基于OD的轨道交通站点客流结构相似性分析方法及装置，该方法根据站点的历史客流数据，构建比例矩阵、计算协方差矩阵；计算工作日与基准日比例矩阵之间、比例矩阵的转置之间以及协方差矩阵之间的欧式距离矩阵；构建时间以及站点权重矩阵，计算比例矩阵、比例矩阵转置以及协方差矩阵相似度值，最终计算总相似度值，根据总相似度值分析客流结构相似性。本发明开展了对站点的结构相似性分析，与从日客流总量以及波动方面研究不同工作日的客流相似性相比，进一步从日客流结构即客流去向方面分析同一站点在不同日期的相似性，具有较好的准确度、开放性、延展性和自适应性，根据实际情况动态修正时间粒度以及权重，使客流结构相似性分析更加精准。
-
公开(公告)号：CN112668560B
公开(公告)日：2021-07-30
申请号：CN202110278254.X
申请日：2021-03-16
Applicant: 中国矿业大学(北京)
Abstract: 本发明涉及一种人流密集区域行人检测方法及系统，通过对已构建的YOLOv4标检测网络进行改进，在其中添加注意力机制模块增加行人特征的权重，同时增加导向锚框模块自适应地调整锚框的形状，在保证网络推理速度的情况下提高行人检测的准确率，以解决现有技术中的检测方法速度与准确率不平衡造成的应用困难问题。本发明在YOLOv4网络的基础上进行改进，既保留了YOLOv4网络本身速度快、易学习目标泛化特征的优点，又通过引入注意力机制模块，减少了无效特征信息的干扰，有效提高了复杂环境下行人识别的精度；同时，本发明基于导向锚框方法，自适应地调整锚框的大小，从而生成更符合人体大小的锚框，可以有效提高行人识别的精度。
-
公开(公告)号：CN112668560A
公开(公告)日：2021-04-16
申请号：CN202110278254.X
申请日：2021-03-16
Applicant: 中国矿业大学(北京)
Abstract: 本发明涉及一种人流密集区域行人检测方法及系统，通过对已构建的YOLOv4标检测网络进行改进，在其中添加注意力机制模块增加行人特征的权重，同时增加导向锚框模块自适应地调整锚框的形状，在保证网络推理速度的情况下提高行人检测的准确率，以解决现有技术中的检测方法速度与准确率不平衡造成的应用困难问题。本发明在YOLOv4网络的基础上进行改进，既保留了YOLOv4网络本身速度快、易学习目标泛化特征的优点，又通过引入注意力机制模块，减少了无效特征信息的干扰，有效提高了复杂环境下行人识别的精度；同时，本发明基于导向锚框方法，自适应地调整锚框的大小，从而生成更符合人体大小的锚框，可以有效提高行人识别的精度。
-
公开(公告)号：CN112486018A
公开(公告)日：2021-03-12
申请号：CN202011532383.9
申请日：2020-12-23
Applicant: 中国矿业大学(北京)
IPC: G05B13/02
Abstract: 本发明公开了一种基于速度自适应预瞄的无模型无人车路径跟踪方法，具体包括以下步骤：S1：搭建无模型的横向控制器，并输出无人车方向盘的转动量函数；S2：通过设置初始和平衡条件下的参数，对所述无人车方向盘的转动量函数中的增益参数进行整定，得到整定后的无人车方向盘的转动量函数；S3：在所述整定后的无人车方向盘转动量输出函数中引入速度耦合器函数和速度自适应预瞄距离函数，得到改进后的无人车方向盘转动量输出函数。本发明适用于大部分无人车模型，包括：二自由度动力学无人车模型、三自由度动力学无人车模型、高度复杂的超高自由度的无人车模型；使无人车在全速域应对复杂多变的跟踪路径时依然可以保持精准、稳定的跟踪效果。
-
Patent Agency Ranking
公开(公告)号：CN112486018B
公开(公告)日：2021-08-17
申请号：CN202011532383.9
申请日：2020-12-23
Applicant: 中国矿业大学(北京)
IPC: G05B13/02
Abstract: 本发明公开了一种基于速度自适应预瞄的无模型无人车路径跟踪方法，具体包括以下步骤：S1：搭建无模型的横向控制器，并输出无人车方向盘的转动量函数；S2：通过设置初始和平衡条件下的参数，对所述无人车方向盘的转动量函数中的增益参数进行整定，得到整定后的无人车方向盘的转动量函数；S3：在所述整定后的无人车方向盘转动量输出函数中引入速度耦合器函数和速度自适应预瞄距离函数，得到改进后的无人车方向盘转动量输出函数。本发明适用于大部分无人车模型，包括：二自由度动力学无人车模型、三自由度动力学无人车模型、高度复杂的超高自由度的无人车模型；使无人车在全速域应对复杂多变的跟踪路径时依然可以保持精准、稳定的跟踪效果。
-
公开(公告)号：CN112686111B
公开(公告)日：2021-07-27
申请号：CN202011536861.3
申请日：2020-12-23
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开基于注意力机制多视角自适应网络的交警手势识别方法，包括：步骤S1、采集交警手势的视频数据，基于视频数据提取交警的骨架节点数据，建立骨架节点数据集；步骤S2、构建多视角自适应子网络，采用多视角自适应子网络获取观测视角坐标系，在观测视角坐标系下对骨架节点数据进行向量表示；步骤S3、基于注意力机制，将所述骨架节点的特征向量构建为图网络数据结构，使用挤压和激励SE模块对图网络数据结构中的骨架节点进行特征增强；步骤S4、基于特征增强后的骨架节点，使用时空图卷积网络ST‑GCN提取交警手势的时空特征信息，并基于交警手势的时空特征信息进行交警手势识别。本发明能够对交警手势进行快速准确识别。
-
公开(公告)号：CN116310293B
公开(公告)日：2023-09-12
申请号：CN202310104244.3
申请日：2023-02-13
Applicant: 中国矿业大学(北京)
IPC: G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0895
Abstract: 本发明公开了一种基于弱监督学习的生成高质量候选框目标检测方法，本发明属于目标检测领域，包括：获取数据集图片，数据集图片包括：源数据集图片和目标数据集图片；构建教师模型，基于源数据集图片训练教师模型，得到训练好的教师模型；教师模型主干网络的最大池化替换成多尺度池化；构建学生模型，通过训练好的教师模型指导学生模型，得到学生特征图；获取目标数据集图片的梯度加权类激活图，将学生特征图与梯度加权类激活图进行融合，得到高质量的目标候选框图；获取待测数据集图片，将待测数据集图片输入学生模型，基于目标候选框图，得到目标位置信息和分类预测结果。本发明提高了目标检测的执行效率和准确率。
-
公开(公告)号：CN116310293A
公开(公告)日：2023-06-23
申请号：CN202310104244.3
申请日：2023-02-13
Applicant: 中国矿业大学(北京)
IPC: G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0895
Abstract: 本发明公开了一种基于弱监督学习的生成高质量候选框目标检测方法，本发明属于目标检测领域，包括：获取数据集图片，数据集图片包括：源数据集图片和目标数据集图片；构建教师模型，基于源数据集图片训练教师模型，得到训练好的教师模型；教师模型主干网络的最大池化替换成多尺度池化；构建学生模型，通过训练好的教师模型指导学生模型，得到学生特征图；获取目标数据集图片的梯度加权类激活图，将学生特征图与梯度加权类激活图进行融合，得到高质量的目标候选框图；获取待测数据集图片，将待测数据集图片输入学生模型，基于目标候选框图，得到目标位置信息和分类预测结果。本发明提高了目标检测的执行效率和准确率。
-
公开(公告)号：CN112686115A
公开(公告)日：2021-04-20
申请号：CN202011546745.X
申请日：2020-12-24
Applicant: 中国矿业大学(北京)
Abstract: 本发明提供一种基于尺度感知的自动驾驶场景中的行人目标检测方法，包括以下步骤：S1、采集实际道路上带有行人目标的视频数据并进行预处理，得到行人视频数据集；S2、构建尺度感知双路子网络，并根据尺度感知双路子网络对行人视频数据集进行处理，得到检测结果；S3、构建损失函数，根据损失函数对预测结果进行优化，得到优化后的检测结果。本发明不仅可以检测出被遮挡行人特征数据，还可以使用尺度感知机制增强有效小尺度数据的权重，采用双路子网络结构融合多尺度特征数据，提高行人检测方法的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.025 seconds)
