-
公开(公告)号：CN118155161A
公开(公告)日：2024-06-07
申请号：CN202410105601.2
申请日：2024-01-25
IPC: G06V20/56 , G06V10/44 , G06V10/42 , G06V10/771 , G06V10/80 , G06V10/764 , G06V10/776 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/08 , G06N3/09
Abstract: 本发明提供一种基于图像全局感受野的道路隔离带检测方法及装置，属于基于机器视觉的道路检测技术领域，获取待检测的道路隔离带图像；利用基于图像全局感受野的道路隔离带检测模型对获取的图像进行处理，得到道路隔离带类型检测结果；其中，所述基于图像全局感受野的道路隔离带检测模型基于所述训练数据训练得到；通过经过层层卷积的前向传播过程获得预测的道路隔离带形式，计算预测结果与真实标签之间的损失，并通过损失进行反向传播，以更新模型权重，直至达到设定的迭代轮数为止。本发明增加了网络层的感受野，精确判断场景的机非隔离形式，提高了预测结果的全面性和精确度。
-
公开(公告)号：CN118115834A
公开(公告)日：2024-05-31
申请号：CN202410121716.0
申请日：2024-01-30
Applicant: 北京交通发展研究院
IPC: G06V10/774 , G06V10/25 , G06V10/62 , G06V10/82 , G06V20/40 , G06V20/54 , G06V20/70 , G08G1/017 , G08G1/015
Abstract: 本发明公开了一种车辆检测模型训练和车辆监测方法、装置、设备。其中，所述车辆检测模型训练方法包括：获取初始检测模型，所述初始检测模型包括Yolo模型；采集目标路段在不同时段和环境下的多组非机动车道视频数据；对所述非机动车道视频数据进行预处理，得到视频图像序列，并制成视频数据集；根据预设划分类别对所述视频数据集内图片进行标注，每张图片生成对应的标签，所述标签包括类别信息和位置信息；利用标注后的视频数据集对所述初始检测模型进行训练，直至获得满足预设条件的车辆检测模型。本发明能够提供一种准确度高且稳定靠谱的车辆检测模型。
-
公开(公告)号：CN118115834B
公开(公告)日：2024-11-26
申请号：CN202410121716.0
申请日：2024-01-30
Applicant: 北京交通发展研究院
IPC: G06V10/774 , G06V10/25 , G06V10/62 , G06V10/82 , G06V20/40 , G06V20/54 , G06V20/70 , G08G1/017 , G08G1/015
Abstract: 本发明公开了一种车辆检测模型训练和车辆监测方法、装置、设备。其中，所述车辆检测模型训练方法包括：获取初始检测模型，所述初始检测模型包括Yolo模型；采集目标路段在不同时段和环境下的多组非机动车道视频数据；对所述非机动车道视频数据进行预处理，得到视频图像序列，并制成视频数据集；根据预设划分类别对所述视频数据集内图片进行标注，每张图片生成对应的标签，所述标签包括类别信息和位置信息；利用标注后的视频数据集对所述初始检测模型进行训练，直至获得满足预设条件的车辆检测模型。本发明能够提供一种准确度高且稳定靠谱的车辆检测模型。
-
公开(公告)号：CN117671972B
公开(公告)日：2024-05-14
申请号：CN202410138524.0
申请日：2024-02-01
Applicant: 北京交通发展研究院
Abstract: 本发明公开一种面向慢行交通系统的车辆速度检测方法及装置。其中，所述面向慢行交通系统的车辆速度检测方法，包括：获取待检测视频；利用车辆检测模型，对所述待检测视频进行分析，识别出所述待检测视频中的目标车辆；其中，所述车辆检测模型为使用多组训练数据通过机器学习训练得到，所述多组训练数据中的每一组训练数据包括：非机动车车道的视频图像序列以及标识视频图像序列中行驶非机动车的标签；利用目标追踪模型，在所述待检测视频中跟踪所述目标车辆，获得所述目标车辆的运动轨迹；分析所述运动轨迹，得到所述目标车辆的实际行驶速度。本发明能够提高车辆速度检测的准确性。
-
公开(公告)号：CN117745793A
公开(公告)日：2024-03-22
申请号：CN202410121714.1
申请日：2024-01-30
Applicant: 北京交通发展研究院
IPC: G06T7/60 , G06V20/40 , G06V20/54 , G06V20/70 , G06V10/24 , G06V10/26 , G06V10/72 , G06V10/82 , G01B11/02
Abstract: 本发明公开一种慢行道路宽度测量方法、系统及设备。所述方法包括获取待测量图片；采用基于FGN的小样本实例分割模型，对所述待测量图片进行检测和划分，生成多个mask矩阵，每个mask矩阵标识一个慢行道路区域以及区域类型；逐行统计每个mask矩阵中慢行道路区域的像素宽度，并对多个所述像素宽度求平均，得到每个慢行道路区域的平均像素宽度；根据像素宽度与实际宽度比例尺以及所述平均像素宽度，计算所述慢行道路区域的实际宽度；其中，所述像素宽度与实际宽度比例尺为参照物的平均像素宽度与标准宽度比值。本发明能够准确测量某一属性道路的宽度，不局限于车道线间距离。
-
Patent Agency Ranking
公开(公告)号：CN117745793B
公开(公告)日：2024-12-31
申请号：CN202410121714.1
申请日：2024-01-30
Applicant: 北京交通发展研究院
IPC: G06T7/60 , G06V20/40 , G06V20/54 , G06V20/70 , G06V10/24 , G06V10/26 , G06V10/72 , G06V10/82 , G01B11/02
Abstract: 本发明公开一种慢行道路宽度测量方法、系统及设备。所述方法包括获取待测量图片；采用基于FGN的小样本实例分割模型，对所述待测量图片进行检测和划分，生成多个mask矩阵，每个mask矩阵标识一个慢行道路区域以及区域类型；逐行统计每个mask矩阵中慢行道路区域的像素宽度，并对多个所述像素宽度求平均，得到每个慢行道路区域的平均像素宽度；根据像素宽度与实际宽度比例尺以及所述平均像素宽度，计算所述慢行道路区域的实际宽度；其中，所述像素宽度与实际宽度比例尺为参照物的平均像素宽度与标准宽度比值。本发明能够准确测量某一属性道路的宽度，不局限于车道线间距离。
-
公开(公告)号：CN117671972A
公开(公告)日：2024-03-08
申请号：CN202410138524.0
申请日：2024-02-01
Applicant: 北京交通发展研究院
Abstract: 本发明公开一种面向慢行交通系统的车辆速度检测方法及装置。其中，所述面向慢行交通系统的车辆速度检测方法，包括：获取待检测视频；利用车辆检测模型，对所述待检测视频进行分析，识别出所述待检测视频中的目标车辆；其中，所述车辆检测模型为使用多组训练数据通过机器学习训练得到，所述多组训练数据中的每一组训练数据包括：非机动车车道的视频图像序列以及标识视频图像序列中行驶非机动车的标签；利用目标追踪模型，在所述待检测视频中跟踪所述目标车辆，获得所述目标车辆的运动轨迹；分析所述运动轨迹，得到所述目标车辆的实际行驶速度。本发明能够提高车辆速度检测的准确性。
-
公开(公告)号：CN119625818A
公开(公告)日：2025-03-14
申请号：CN202411417104.2
申请日：2024-10-11
Applicant: 北京交通大学
IPC: G06V40/20 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多层级特征融合的行为识别方法及装置，包括步骤：步骤S1：多层级特征的收集；步骤S2：时序特征显著性表达；步骤S3：多层次特征融合方法；步骤S4；输出目标任务结果。本发明首次同时考虑了三维卷积神经网络中的时序感受野首先问题和不同运动速率分辨能力弱的问题，使三维卷积神经网络在维持计算开销变化不大的情况下有效提升行为识别的准确率。本发明设计了时序特征显著性表达机制，通过对特征进行显著性表达处理，获取全局时空信息，增强模型的长时序建模能力。设计多层级特征融合模块，利用不同层级特征对运动速率的感知能力，增强模型的分辨力，实现单输入源下不同动作速率的行为识别能力。
-
公开(公告)号：CN118366186A
公开(公告)日：2024-07-19
申请号：CN202410475803.6
申请日：2024-04-19
Applicant: 北京交通大学
IPC: G06V40/10 , G06V10/40 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于多级跨模态联合对齐的行人重识别方法及系统，属于机器视觉图像处理技术领域，获取待识别的图像数据；利用预先训练好的行人重识别模型对获取的待识别的图像进行处理，得到图像中行人重识别结果。本发明提出可见红外模态协调器并以加权灰度、跨通道剪切混合和频谱抖动协调器三种不同的方式，减轻了可见光和红外图像之间的差异，弥合了图像级别的模态差距；引入具有可训练参数的模态分布适配器，捕获特征图的空间统计特征并自适应地对齐不同模态的特征分布，减少特征级别的模态差距；引入跨模态检索损失，减少VI‑ReID目标层面的差距；引入多光谱增强排序策略，增强了模型的鲁棒性和跨模态检索能力。
-
公开(公告)号：CN119048856A
公开(公告)日：2024-11-29
申请号：CN202410887796.0
申请日：2024-07-03
Applicant: 北京交通大学 , 中移雄安信息通信科技有限公司 , 中移系统集成有限公司 , 中移信息系统集成有限公司
IPC: G06V10/774
Abstract: 本申请实施例提供了一种图像标注方法、装置、设备及存储介质。图像标注方法包括：获取视频数据，根据视频数据确定初始数据集及候选数据集；根据初始数据集确定第一标注数据集，并通过标注模型对候选数据集进行标注处理，确定第二标注数据集；其中，标注模型是基于第一标注数据集训练得到的；对第二标注数据集进行筛选，得到第三标注数据集；根据第一标注数据集及第三标注数据集确定视频数据对应的图像标注结果。本申请实施例通过对标注模型标注的图像进行筛选，提高了图像标注的效率及准确性。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.034 seconds)
