公开(公告)号：CN115205622A

公开(公告)日：2022-10-18

申请号：CN202210679109.7

申请日：2022-06-15

Applicant: 同济大学

Inventor： 高珍 ,  许靖宁 ,  宗佳琪 ,  余荣杰 ,  孙萍

IPC: G06V10/774 ,  G06V10/82 ,  G06V20/59 ,  G06V40/16 ,  G06N3/04

Abstract: 本发明涉及一种基于车载视觉的端到端驾驶员疲劳检测方法，包括：基于引入注意力机制的卷积神经网络，构建疲劳相关的高层特征提取网络VF‑Net；基于长短时记忆神经网络，构建疲劳的时序特征提取网络TS‑Net；以驾驶员面部视频为输入，联合VF‑Net和TS‑Net构建驾驶员疲劳检测模型，通过常规标记的训练集对驾驶员疲劳检测模型进行训练；通过模拟光线变化及相机位置变化拓展模型的训练集，利用拓展的训练集对驾驶员疲劳检测模型进行二次训练；实时获取驾驶员面部视频，输入至二次训练后的驾驶员疲劳检测模型，输出得到疲劳检测结果。与现有技术相比，本发明提高了检测模型的泛化能力和鲁棒性，满足实际应用中驾驶员疲劳检测的精度要求。

公开(公告)号：CN114372556A

公开(公告)日：2022-04-19

申请号：CN202111551051.X

申请日：2021-12-17

Applicant: 同济大学

Inventor： 高珍 ,  许靖宁 ,  余荣杰 ,  范鸿飞 ,  孙萍

IPC: G06N3/04 ,  G06T3/40 ,  G06T7/90 ,  G06V20/40 ,  G06K9/62 ,  G06V10/774 ,  G06Q10/06

Abstract: 本发明涉及一种基于轻量级多模态神经网络的行车危险场景辨识方法，包括以下：获取当前时间段内驾驶视频和车载数据；将驾驶视频的画面划分为上下分布的三个驾驶区域，将视频每一帧画面的每个驾驶区域内的图像在竖直方向上做均值化处理，转化为一行像素，然后将每帧对应的一行像素按时间顺序拼接在一起，形成每个驾驶区域的运动轮廓图；将每个驾驶区域的运动轮廓图和车载数据输入至行车风险评估模型得到辨识结果；所述行车风险评估模型为包括视觉数据处理层、运动学数据处理层、数据融合层和预测层的多模态神经网络。与现有技术相比，本发明具有减小运行数据量、简化模型计算过程，耗时低、准确率高等优点。

公开(公告)号：CN110516549A

公开(公告)日：2019-11-29

申请号：CN201910677409.X

申请日：2019-07-25

Applicant: 同济大学

Inventor： 高珍 ,  黄钰琳 ,  王雪松 ,  何林佳 ,  孙萍

IPC: G06K9/00 ,  G08G1/01

Abstract: 本发明涉及一种基于二值化时域图的交通流参数获取方法，包括以下步骤：在路侧交通监控俯瞰视频流中设置垂直于地面且正交于车辆通行方向的像素采样线，将视频连续帧中的一维采样像素阵列合并为矩形时域图；将矩形时域图压缩为灰度数字图像，通过设定的阈值对图像进行灰度二值化，基于二值化时域图构建纵向像素累积向量；基于纵向像素累计向量进行车辆与道路识别，进行道路去噪、光影消除和车辆校准；将纵向像素累计向量转化为车辆脉冲序列时序图，进行交通流参数计算。与现有技术相比，本发明计算简单，在车道拥堵、恶劣天气、夜晚光线不足等情况下也能进行多车道交通流参数获取，方法准确率高且具有普适性。

公开(公告)号：CN117746098A

公开(公告)日：2024-03-22

申请号：CN202311555467.8

申请日：2023-11-20

Applicant: 同济大学

Inventor： 高珍 ,  王立友 ,  许靖宁 ,  余荣杰 ,  孙萍 ,  张冬冬

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V20/56 ,  G06V20/40

Abstract: 本发明涉及一种基于GAN数据增强的高风险驾驶场景辨识方法，该方法包括以下步骤：基于所述车辆前向视频数据，生成第一运动轮廓图，将所述第一运动轮廓图划分为训练集部分、验证集部分与测试集部分；对训练集部分的第一运动轮廓图进行增强处理；得到第二运动轮廓图；将所述第二运动轮廓图输入所述GAN模型中，输出得到第三运动轮廓图；将所述第一运动轮廓图、所述第二运动轮廓图和所述第三运动轮廓图输入所述高风险驾驶场景辨识模型中进行训练；将所述第一运动轮廓图输入所述高风险驾驶场景辨识模型中进行辨别。与现有技术相比，本发明通过GAN数据增强扩充高风险驾驶场景样本，提高建模数据的丰富性及多样性，进而提升模型的泛化能力，具有普适性等优点。

公开(公告)号：CN110516549B

公开(公告)日：2021-11-09

申请号：CN201910677409.X

申请日：2019-07-25

Applicant: 同济大学

Inventor： 高珍 ,  黄钰琳 ,  王雪松 ,  何林佳 ,  孙萍

IPC: G06K9/00 ,  G08G1/01

Abstract: 本发明涉及一种基于二值化时域图的交通流参数获取方法，包括以下步骤：在路侧交通监控俯瞰视频流中设置垂直于地面且正交于车辆通行方向的像素采样线，将视频连续帧中的一维采样像素阵列合并为矩形时域图；将矩形时域图压缩为灰度数字图像，通过设定的阈值对图像进行灰度二值化，基于二值化时域图构建纵向像素累积向量；基于纵向像素累计向量进行车辆与道路识别，进行道路去噪、光影消除和车辆校准；将纵向像素累计向量转化为车辆脉冲序列时序图，进行交通流参数计算。与现有技术相比，本发明计算简单，在车道拥堵、恶劣天气、夜晚光线不足等情况下也能进行多车道交通流参数获取，方法准确率高且具有普适性。