-
公开(公告)号：CN118155185A
公开(公告)日：2024-06-07
申请号：CN202410286401.1
申请日：2024-03-13
Applicant: 重庆邮电大学
IPC: G06V20/58 , G06V10/44 , G06V10/82 , G06V10/25 , G06V10/94 , G06V10/32 , G06N3/045 , G06N3/0464 , G06N3/0495
Abstract: 本发明的内容为实现了一种基于深度学习的嵌入式限速标志识别系统，克服了小型嵌入式设备识别率低的缺点，实现了在嵌入式平台对YOLOv7‑tiny网络的移植，实现小型嵌入式设备的实时限速标志识别，具体技术方案包括以下4个部分。YOLOv7‑tiny网络的移植：将YOLOv7‑tiny网络转换为嵌入式平台使用的模型文件，再对模型输出结果进行对应的后处理，得到识别的信息；图像预处理：对摄像头拍摄的图像，采用Retinex与Gamma校正结合的算法对图像预处理；限速识别：将预处理后的图像送入网络模型识别限速标志，将限速标志裁剪，再次识别数字，得到限速的大小；误识别过滤：对限速标志裁剪后的图像进行颜色及数字面积占比大小的判断，排除误识别的结果。本发明提供一种在小型嵌入式平台移植YOLOv7‑tiny网络的方法，同时提高了识别的准确性，减少了误识别结果。
-
公开(公告)号：CN118155184A
公开(公告)日：2024-06-07
申请号：CN202410286398.3
申请日：2024-03-13
Applicant: 重庆邮电大学
IPC: G06V20/58 , G06V10/44 , G06V10/771 , G06V10/82 , G06V10/776 , G06V10/80 , G06V10/25 , G06V10/94 , G06N3/045 , G06N3/0464 , G06N3/0495
Abstract: 本发明的内容为实现了一种基于改进YOLOv7‑tiny的限速标志识别方法，克服了嵌入式设备部署要求高的缺点，同时尽可能提高了识别的准确率，具体技术方案包括以下4个网络改进部分。引入SimAM注意力机制模块：注意力模块的选取采用没有额外参数的SimAM注意力机制；改进损失函数：首先替换原先的CIoU损失函数为有效的WIoU损失函数，然后引入NWD损失函数，融合后作为新的损失函数WIoU‑NWD；特征融合网络结构改进：设计了一种更为充分融合各尺度特征的网络结构BiFPN‑DS；加入SPD卷积模块：在网络输出端加入SPD卷积模块。本发明提高了网络的检测精度，也利于在低算力的嵌入式设备上部署移植。
-
公开(公告)号：CN118351511A
公开(公告)日：2024-07-16
申请号：CN202410459577.2
申请日：2024-04-17
Applicant: 重庆邮电大学
Abstract: 本发明的内容为实现了一种基于图像处理的车辆盲区区域划分方法，优化了其他车辆盲区区域检测的缺点，实现了对车辆盲区区域的可视化，对盲区区域危险情况的监测奠定了基础。具体技术方案包括以下四个部分，分别为原始图像预处理、路面区域划分、路面区域边缘点提取、车道线检测。原始图像预处理：为了后续能够更好地进行盲区区域的划分，对图像进行预处理，包括灰度化处理、图像去噪、图像增强等操作；路面区域划分：通过检测道路消失点来检测路面区域和非路面区域的分界线进而划分出路面区域；路面区域边缘点检测：通过边缘特征提取算法来对路面区域的特征点进行提取；车道线检测：结合前面提取的路面区域特征点和一种基于纵向裁剪的直线检测算法来识别车道线，进而完成更细致的盲区区域划分。本发明使得盲区区域可视化，驾驶员可以直观地观察到盲区区域各种情况；采集设备只需要一个普通的车载摄像头，成本较低；恶劣天气环境对其影响较小，抗干扰性较强。
-
-
Search Results
3
records
(took 0.016 seconds)
