-
公开(公告)号：CN111191611B
公开(公告)日：2023-10-13
申请号：CN201911425706.1
申请日：2019-12-31
Applicant: 同济大学
IPC: G06V20/58 , G06V20/54 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 一种基于深度学习的交通标志标号识别方法。从监控摄像头实时捕捉标志标号所在场景图像；将原始待测场景图像输入训练好的标志标号检测网络，识别场景图像中的标志标号所在区域；将标志标号所在区域从原始图像中分割出来，输入训练好的字符识别网络，识别标志标号区域内的字符；对所有字符的边界框的左上角坐标进行排序和组合，得到标志标号的具体内容。本发明不需要对图像进行预处理，不需要从标志标号所在区域分割单个字符；使用两个基于深度学习的目标检测网络模型检测和识别场景图像中的标志标号内容，对于各种角度歪斜的交通标志标号、模糊的场景图像、光照较暗的场景图像等都具有较好的识别效果，且实时性好、准确率高。
-
公开(公告)号：CN111553209B
公开(公告)日：2023-05-12
申请号：CN202010297514.3
申请日：2020-04-15
Applicant: 同济大学
IPC: G06V20/59 , G06V20/40 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 一种基于卷积神经网络和时间序列图的司机行为识别方法：采集司机驾驶视频，建立司机行为数据集；基于司机行为数据集，采用卷积神经网络方法，通过网络训练获得司机行为识别模型；采集司机的实时工作视频并按照预设的帧率提取出连续的多帧图像，将多帧图像输入所述司机行为识别模型，识别每帧图像中司机行为所属类别；绘制司机行为时间序列图；通过时间序列图获得视频中司机每类行为出现次数以及持续时长，并判断司机行为是否规范；依据时间序列图得到视频中车辆的运行状态。此发明准确判断司机驾驶过程中的几类行为，基于模型的识别结果绘制时间序列图能评价司机行为是否规范，并分析车辆的运行状态，提高分析的效率，提高行车安全。
-
公开(公告)号：CN111553209A
公开(公告)日：2020-08-18
申请号：CN202010297514.3
申请日：2020-04-15
Applicant: 同济大学
Abstract: 一种基于卷积神经网络和时间序列图的司机行为识别方法：采集司机驾驶视频，建立司机行为数据集；基于司机行为数据集，采用卷积神经网络方法，通过网络训练获得司机行为识别模型；采集司机的实时工作视频并按照预设的帧率提取出连续的多帧图像，将多帧图像输入所述司机行为识别模型，识别每帧图像中司机行为所属类别；绘制司机行为时间序列图；通过时间序列图获得视频中司机每类行为出现次数以及持续时长，并判断司机行为是否规范；依据时间序列图得到视频中车辆的运行状态。此发明准确判断司机驾驶过程中的几类行为，基于模型的识别结果绘制时间序列图能评价司机行为是否规范，并分析车辆的运行状态，提高分析的效率，提高行车安全。
-
公开(公告)号：CN111914320B
公开(公告)日：2024-02-02
申请号：CN202010508456.4
申请日：2020-06-06
Applicant: 同济大学
IPC: G06F30/13 , G06F30/20 , G06F30/27 , G06N3/0464
Abstract: 一种无现场故障样本下的基于深度学习的道岔故障诊断方法：它包括建立仿真模型：由道岔转辙机动作机理构建道岔动作仿真模型；仿真获取数据样本：分析道岔常见故障，基于道岔动作仿真模型得到不同故障状态下的道岔动作电流曲线，建立道岔故障样本集；建立故障诊断模型：采用深度学习的方法，构建道岔故障诊断模型，利用所述道岔故障样本集，对道岔故障模型进行训练；输入待检测图像到道岔故障诊断模型，得到诊断结果。此发明能在无现场故障样本下进行高识别率道岔故障诊断，提高道岔故障识别效率，保障行车安全。
-
Patent Agency Ranking
公开(公告)号：CN111915061A
公开(公告)日：2020-11-10
申请号：CN202010639960.8
申请日：2020-07-06
Applicant: 同济大学
Abstract: 种道岔动作电流曲线预测方法及其故障判别方法，包括采集同一道岔连续N次正常动作曲线数据；对同一条道岔每一次动作产生的正常动作曲线提取m个时刻的电流值；对提取的正常动作曲线的同一时刻电流值进行处理，建立ARMA预测模型；基于预测模型计算道岔在第Y次(Y>N)同一时刻的电流曲线预测值；对应道岔曲线的m个时刻建立m个预测模型，得到第Y次的预测电流值；基于预测模型计算的结果绘制得到道岔动作电流曲线预测图；基于道岔动作电流预测曲线，利用相似度算法计算出道岔预测曲线的故障类型。可预测道岔下一阶段的工作状态，能够为维修提供有效的建议，完善微机监测系统的功能，提高维修效率的同时降低维修成本，提高系统的可靠性，保证行车安全。
-
公开(公告)号：CN111914320A
公开(公告)日：2020-11-10
申请号：CN202010508456.4
申请日：2020-06-06
Applicant: 同济大学
Abstract: 一种无现场故障样本下的基于深度学习的道岔故障诊断方法：它包括建立仿真模型：由道岔转辙机动作机理构建道岔动作仿真模型；仿真获取数据样本：分析道岔常见故障，基于道岔动作仿真模型得到不同故障状态下的道岔动作电流曲线，建立道岔故障样本集；建立故障诊断模型：采用深度学习的方法，构建道岔故障诊断模型，利用所述道岔故障样本集，对道岔故障模型进行训练；输入待检测图像到道岔故障诊断模型，得到诊断结果。此发明能在无现场故障样本下进行高识别率道岔故障诊断，提高道岔故障识别效率，保障行车安全。
-
公开(公告)号：CN111191611A
公开(公告)日：2020-05-22
申请号：CN201911425706.1
申请日：2019-12-31
Applicant: 同济大学
Abstract: 一种基于深度学习的交通标志标号识别方法。从监控摄像头实时捕捉标志标号所在场景图像；将原始待测场景图像输入训练好的标志标号检测网络，识别场景图像中的标志标号所在区域；将标志标号所在区域从原始图像中分割出来，输入训练好的字符识别网络，识别标志标号区域内的字符；对所有字符的边界框的左上角坐标进行排序和组合，得到标志标号的具体内容。本发明不需要对图像进行预处理，不需要从标志标号所在区域分割单个字符；使用两个基于深度学习的目标检测网络模型检测和识别场景图像中的标志标号内容，对于各种角度歪斜的交通标志标号、模糊的场景图像、光照较暗的场景图像等都具有较好的识别效果，且实时性好、准确率高。
-
公开(公告)号：CN111915061B
公开(公告)日：2022-06-07
申请号：CN202010639960.8
申请日：2020-07-06
Applicant: 同济大学
Abstract: 种道岔动作电流曲线预测方法及其故障判别方法，包括采集同一道岔连续N次正常动作曲线数据；对同一条道岔每一次动作产生的正常动作曲线提取m个时刻的电流值；对提取的正常动作曲线的同一时刻电流值进行处理，建立ARMA预测模型；基于预测模型计算道岔在第Y次(Y>N)同一时刻的电流曲线预测值；对应道岔曲线的m个时刻建立m个预测模型，得到第Y次的预测电流值；基于预测模型计算的结果绘制得到道岔动作电流曲线预测图；基于道岔动作电流预测曲线，利用相似度算法计算出道岔预测曲线的故障类型。可预测道岔下一阶段的工作状态，能够为维修提供有效的建议，完善微机监测系统的功能，提高维修效率的同时降低维修成本，提高系统的可靠性，保证行车安全。
-
公开(公告)号：CN112541404A
公开(公告)日：2021-03-23
申请号：CN202011316184.4
申请日：2020-11-22
Applicant: 同济大学
Abstract: 本发明提供了一种面向交通信息感知的物理攻击的对抗样本生成方法，该方法主要针对目标检测器网络。该方法包括：输入原始图片；使用ShapeShifter算法处理图片，获取训练样本；向训练样本中加入高斯白噪声；计算损失函数；进行反向传播，迭代更新图片；检查是否达到规定的迭代次数，若未达到则再次获取推荐窗口区域并重复上述步骤，若达到则输出对应的对抗样本图片。以Faster R‑CNN目标检测器网络为例，通过此发明可以生成进行物理攻击的对抗样本，能够暴露Faster R‑CNN存在的安全漏洞和问题，帮助改进或提出更为有效的防御方法，提高交通信息感知系统的可靠性，保证行车安全。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.014 seconds)
