公开(公告)号：CN118411708A

公开(公告)日：2024-07-30

申请号：CN202410547825.9

申请日：2024-05-06

Applicant: 江淮前沿技术协同创新中心 ,  安徽大学

Inventor： 孙登第 ,  张学良 ,  赵海峰 ,  付燕平 ,  丁转莲 ,  焦均均

IPC: G06V20/58 ,  G06V20/40 ,  G06V10/56 ,  G06V10/62 ,  G06V10/74 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及一种基于路况场景感知与动态特征融合的驾驶员视角下交通违规行为识别方法，包括：输入256×256的RGB帧、光流帧视频信息以及对应的标签文本，使用预训练CLIP模型进行特征提取；经过动态特征融合处理；将多帧视频图像的视频图像特征向量进行融合；构建路况场景图，得到路况语义特征，再结合标签语义特征进行融合，得到场景文本特征向量；计算最终的视频图像特征向量和场景文本特征向量之间的相似度，根据相似度排序，得出交通违规行为识别结果。本发明能够同时捕捉视频的静态视觉信息和动态运动信息，提高了特征表达的丰富性和准确性；利用动态特征融合策略，增强了特征向量的代表性和鲁棒性；实现了对驾驶员视角下交通违规行为的精确识别。

公开(公告)号：CN119625657A

公开(公告)日：2025-03-14

申请号：CN202411701664.0

申请日：2024-11-26

Applicant: 江淮前沿技术协同创新中心 ,  安徽大学

Inventor： 孙登第 ,  刘文好 ,  丁转莲 ,  李成龙 ,  焦均均

IPC: G06V20/54 ,  G06V10/44 ,  G06V10/80 ,  G06V10/764 ,  G06V10/75 ,  G06V10/25 ,  G06V10/82

Abstract: 本发明公开一种基于多模态的双阶段细化绑定关系的车辆目标检测方法。该方法采用RGB、灰度和红外图像的多模态输入，通过独立网络进行多尺度特征提取，并在不同模态的多尺度特征之间进行融合，构建多模态多尺度特征图。在第一阶段，进行检测目标与查询的初步绑定，通过查询与多模态多尺度特征图的交互确定采样点。基于该位置信息，从多模态多尺度特征图中采样特征，并将采样特征映射到查询的通道维度。接着，通过交叉注意力机制更新查询，并引入历史查询以增强当前查询的效果。在第二阶段，基于初步绑定关系进行得分计算，设定阈值，以区分稳定与不稳定的绑定关系。对于得分高于阈值的目标，加大权重以强化绑定；而得分低于阈值的目标，则通过重新匹配查询与目标，优化绑定关系。最终，预测头对经过强化和调整的查询进行解码，输出目标的类别与边界框。

公开(公告)号：CN118366222A

公开(公告)日：2024-07-19

申请号：CN202410555138.1

申请日：2024-05-07

Applicant: 江淮前沿技术协同创新中心 ,  安徽大学

Inventor： 孙登第 ,  周远银 ,  郭宇 ,  李成龙 ,  丁转莲 ,  焦均均

IPC: G06V40/20 ,  G06V20/52 ,  G06V20/40 ,  G06V10/62 ,  G06V10/82 ,  G06V10/74

Abstract: 本发明涉及一种基于多物理特性的车辆异常行为检测方法，包括：输入道路监控视频信息，使用改进的YOLOv3网络对道路监控视频中的车辆进行多目标检测；为每辆车分配唯一ID，通过DeepSort多目标跟踪算法对车辆进行轨迹跟踪；获取车辆的物理特征，包括加速度、车辆方向变化和车辆重合度；分别进行车辆异常得分的估算；将四种车辆异常得分相加，得到最终车辆异常得分，若最终车辆异常得分超过预设阈值，判定为发生车辆异常，否则，判定为未发生车辆异常。本发明使用改进的YOLOv3的目标检测算法对监控视角的小目标车辆进行检测标记；使用DeepSort算法的记忆功能与之前的特征进行相似度对比，从而与上一时刻的目标对接；利用跟踪与检测的结果计算车辆的物理运动特征。