-
公开(公告)号：CN114037932B
公开(公告)日：2025-02-28
申请号：CN202111234339.4
申请日：2021-10-22
Applicant: 北京工业大学
IPC: G06V20/40 , G06V10/762 , G06V10/80 , G01S13/86
Abstract: 本发明提供一种交通异常事件检测方法、电子设备、存储介质和程序产品，方法包括获取交通视频数据和雷达数据；将交通视频数据的平均帧图像输入至车辆检测模型，进行可疑车辆检测，获得车辆检测模型输出的可疑车辆及其位置信息；对位置信息进行聚类处理，获得聚类结果，基于聚类结果判断可疑车辆是否为异常车辆；若可疑车辆为异常车辆，则基于聚类结果对位置信息进行过滤处理，获得异常车辆的目标位置信息，基于雷达数据和目标位置信息，进行决策级融合，获得异常车辆的异常事件类别。本发明占用更少的内存资源，可在终端设备上进行处理，无需在远程设备上进行处理，从而避免远程传输数据出现错检漏检的情况，进而提高交通异常事件检测的准确率。
-
公开(公告)号：CN114240994B
公开(公告)日：2024-07-19
申请号：CN202111302041.2
申请日：2021-11-04
Applicant: 北京工业大学
IPC: G06T7/246 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种目标跟踪方法、装置、电子设备及存储介质。其中，目标跟踪方法包括：获取初始特征图像；所述初始特征图像包括目标对象；将所述初始特征图像输入到分类及回归网络中，分别得到分类特征图像和回归特征图像；对所述分类特征图像和所述回归特征图像进行位置信息处理，得到位置特征图像；对所述位置特征图像进行相关性处理，得到相关特征图像；基于所述相关特征图像，得到所述目标对象的目标跟踪信息。本发明能够提高目标跟踪的精确度。
-
公开(公告)号：CN113888754B
公开(公告)日：2024-04-26
申请号：CN202110959048.5
申请日：2021-08-20
Applicant: 北京工业大学
IPC: G06V10/774 , G06V10/80 , G06V10/25 , G06T7/90 , G08G1/017
Abstract: 一种基于雷达视觉融合的车辆多属性识别方法属于计算机视觉领域和智能交通领域。首先，根据数据集中雷达检测到的车辆信息(车辆与视觉摄像机之间的距离)提取车辆感兴趣区域，将其构建成单通道二值图像与当前的RGB图像融合成3通道图像后，将该融合图像送入车辆多属性识别一体化网络进行网络训练。训练完毕后，利用雷达和视觉相机提取隧道中运动车辆信息(车辆坐标、距离)生成3通道图像后，送入车辆多属性识别网络模型进行检测识别，输出车辆具体位置、型号和颜色。
-
公开(公告)号：CN113542780B
公开(公告)日：2023-01-20
申请号：CN202110649651.3
申请日：2021-06-10
Applicant: 北京工业大学
IPC: H04N21/2187 , H04N21/44 , H04N19/86 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种网络直播视频的压缩伪影去除方法，该方法包括：获取压缩视频；将所述压缩视频输入压缩伪影去除模型中，得到所述压缩伪影去除模型输出的与所述压缩视频相对应的高质量恢复视频；其中，所述压缩伪影去除模型利用循环神经网络RNN和膨胀卷积，对未知压缩码率且含有压缩伪影的所述压缩视频进行恢复，以生成所述高质量恢复视频。本发明可以在未知压缩码率的状况下，通过使用单个网络模型来恢复压缩视频，从而可以提供高质量的网络直播视频。
-
公开(公告)号：CN114240994A
公开(公告)日：2022-03-25
申请号：CN202111302041.2
申请日：2021-11-04
Applicant: 北京工业大学
Abstract: 本发明提供一种目标跟踪方法、装置、电子设备及存储介质。其中，目标跟踪方法包括：获取初始特征图像；所述初始特征图像包括目标对象；将所述初始特征图像输入到分类及回归网络中，分别得到分类特征图像和回归特征图像；对所述分类特征图像和所述回归特征图像进行位置信息处理，得到位置特征图像；对所述位置特征图像进行相关性处理，得到相关特征图像；基于所述相关特征图像，得到所述目标对象的目标跟踪信息。本发明能够提高目标跟踪的精确度。
-
Patent Agency Ranking
公开(公告)号：CN114037932A
公开(公告)日：2022-02-11
申请号：CN202111234339.4
申请日：2021-10-22
Applicant: 北京工业大学
IPC: G06V20/40 , G06V10/762 , G06V10/80 , G06K9/62 , G01S13/86
Abstract: 本发明提供一种交通异常事件检测方法、电子设备、存储介质和程序产品，方法包括获取交通视频数据和雷达数据；将交通视频数据的平均帧图像输入至车辆检测模型，进行可疑车辆检测，获得车辆检测模型输出的可疑车辆及其位置信息；对位置信息进行聚类处理，获得聚类结果，基于聚类结果判断可疑车辆是否为异常车辆；若可疑车辆为异常车辆，则基于聚类结果对位置信息进行过滤处理，获得异常车辆的目标位置信息，基于雷达数据和目标位置信息，进行决策级融合，获得异常车辆的异常事件类别。本发明占用更少的内存资源，可在终端设备上进行处理，无需在远程设备上进行处理，从而避免远程传输数据出现错检漏检的情况，进而提高交通异常事件检测的准确率。
-
公开(公告)号：CN114037933A
公开(公告)日：2022-02-11
申请号：CN202111235715.1
申请日：2021-10-22
Applicant: 北京工业大学
IPC: G06V20/40 , G06V10/774 , G06V10/26 , G06K9/62
Abstract: 本发明公开了隧道抛洒物检测的方法、装置、电子设备及存储介质，包括：获取隧道的视频数据；对视频数据采用平均帧处理，得到隧道平均帧图像；将隧道平均帧图像输入至训练好的分割模型，得到隧道平均帧图像中不同类型抛洒物对应区域的分割结果；根据分割结果确定抛洒物的位置信息。本发明通过分割模型得到隧道平均帧图像中不同类型抛洒物对应区域的分割结果，避免了车辆灯光等噪声信息干扰，且不受抛洒物的类别、形状、位置的影响，能够快速准确的定位交通视频中抛洒物位置。
-
公开(公告)号：CN113888754A
公开(公告)日：2022-01-04
申请号：CN202110959048.5
申请日：2021-08-20
Applicant: 北京工业大学
IPC: G06V10/774 , G06V10/80 , G06V10/25 , G06T7/90 , G08G1/017
Abstract: 一种基于雷达视觉融合的车辆多属性识别方法属于计算机视觉领域和智能交通领域。首先，根据数据集中雷达检测到的车辆信息(车辆与视觉摄像机之间的距离)提取车辆感兴趣区域，将其构建成单通道二值图像与当前的RGB图像融合成3通道图像后，将该融合图像送入车辆多属性识别一体化网络进行网络训练。训练完毕后，利用雷达和视觉相机提取隧道中运动车辆信息(车辆坐标、距离)生成3通道图像后，送入车辆多属性识别网络模型进行检测识别，输出车辆具体位置、型号和颜色。
-
公开(公告)号：CN114037933B
公开(公告)日：2025-05-09
申请号：CN202111235715.1
申请日：2021-10-22
Applicant: 北京工业大学
IPC: G06V20/40 , G06V10/774 , G06V10/26
Abstract: 本发明公开了隧道抛洒物检测的方法、装置、电子设备及存储介质，包括：获取隧道的视频数据；对视频数据采用平均帧处理，得到隧道平均帧图像；将隧道平均帧图像输入至训练好的分割模型，得到隧道平均帧图像中不同类型抛洒物对应区域的分割结果；根据分割结果确定抛洒物的位置信息。本发明通过分割模型得到隧道平均帧图像中不同类型抛洒物对应区域的分割结果，避免了车辆灯光等噪声信息干扰，且不受抛洒物的类别、形状、位置的影响，能够快速准确的定位交通视频中抛洒物位置。
-
公开(公告)号：CN113542780A
公开(公告)日：2021-10-22
申请号：CN202110649651.3
申请日：2021-06-10
Applicant: 北京工业大学
IPC: H04N21/2187 , H04N21/44 , H04N19/86 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种网络直播视频的压缩伪影去除方法，该方法包括：获取压缩视频；将所述压缩视频输入压缩伪影去除模型中，得到所述压缩伪影去除模型输出的与所述压缩视频相对应的高质量恢复视频；其中，所述压缩伪影去除模型利用循环神经网络RNN和膨胀卷积，对未知压缩码率且含有压缩伪影的所述压缩视频进行恢复，以生成所述高质量恢复视频。本发明可以在未知压缩码率的状况下，通过使用单个网络模型来恢复压缩视频，从而可以提供高质量的网络直播视频。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.02 seconds)
