-
公开(公告)号：CN110390341B
公开(公告)日：2022-12-06
申请号：CN201910683531.8
申请日：2019-07-26
Applicant: 长安大学
IPC: G06V10/46 , G06V10/764 , G06V10/82 , G06V10/26 , G06V10/30
Abstract: 基于卷积神经网络的绿通车运载货物放射源图像识别方法，包括以下步骤：步骤1，绿通车运载货物放射源图像预处理；步骤2，输入图像样本准备；步骤3，设计绿通车运载货物放射源图像识别模型；步骤4，对绿通车运载货物放射源图像识别模型进行调优；步骤5，通过对模型的训练、验证及测试，并记录训练过程中损失函数及分类准确率的变化，损失函数能够反映模型对货物类型准确分类的能力。本发明采用基于卷积神经网络的绿通车运载货物放射源图像识别可避免查验结果对查验人员的主观依赖性，减轻一线查验人员工作强度。同时可提高检查效率，减少收费站拥堵情况的产生。
-
公开(公告)号：CN110675624A
公开(公告)日：2020-01-10
申请号：CN201910889278.1
申请日：2019-09-19
Applicant: 长安大学
Abstract: 一种高风险路段的行车风险控制方法，包括以下步骤：步骤1，选取单元长度的路段，计算得到事故集中的高风险路段；步骤2，将高风险路段上的交通流分为两种状态；步骤3，将高风险区分为预警段和高风险路段两个功能区段；步骤4，根据步骤3所示的预警段与高风险段的空间布局，得到信息发布设备布设位置。本发明首先对研究对象选取合适的路段单元长度，结合动态分段的移动步长法划分几个不同的组合，接下来采用Relim算法挖掘各个组合中的频繁项集，将交通事故次数和伤亡人数进行当量化处理，得到长度短且事故集中的交通事故高风险路段，再对所找出的高风险路段中的事故影响因素进行关联规则挖掘。
-
公开(公告)号：CN110533098A
公开(公告)日：2019-12-03
申请号：CN201910803745.4
申请日：2019-08-28
Applicant: 长安大学
IPC: G06K9/62
Abstract: 一种基于卷积神经网络识别绿通车车厢装载类型的方法，包括以下步骤：步骤1，获取绿通车图像；步骤2，通过图像质量评价方法中的相对评价法制定绿通车图像有效性判定标准；步骤3，增加训练样本的数量；步骤4，进行车厢目标检测；步骤5，将绿通车车辆按车厢-装载类型分为8类；步骤6，对车厢-装载类型分类进行训练；步骤7，对需要识别的绿通车车厢-装载类型进行判定。针对图像种类数量不均衡的问题，对非均衡数据采用数据过采样方法处理，达到各种类样本数量的平衡。避免了欠采样方法中随机选取的被剔除的数据有可能包含该类的关键特征信息的问题。
-
公开(公告)号：CN110532946A
公开(公告)日：2019-12-03
申请号：CN201910803615.0
申请日：2019-08-28
Applicant: 长安大学
Abstract: 一种基于卷积神经网络识别绿通车车辆轴型的方法，包括以下步骤：步骤1，获取绿通车图像；步骤2，制定绿通车图像有效性判定标准；步骤3，采用数据增强的方法增加训练样本的数量；步骤4，数据增强后，使用目标检测算法YOLOv2框架进行整轴检测；步骤5，根据车辆轴组类型和轮组类型将车辆轴型进行分类；步骤6，分别使用AlexNet、VGG-16、ResNet-152三种卷积神经网络在训练集上对车轴类型分类进行训练；步骤7，对需要识别的绿通车车辆轴型进行判定。本发明以实现绿通车车辆轴型准确识别为目标，将目标检测算法、非均衡数据集处理等与卷积神经网络模型相结合，使用判定标准挑选的图像可作为后续分类识别实验卷积神经网络模型的训练样本，避免训练样本水平过差问题。
-
公开(公告)号：CN110675624B
公开(公告)日：2021-10-19
申请号：CN201910889278.1
申请日：2019-09-19
Applicant: 长安大学
Abstract: 一种高风险路段的行车风险控制方法，包括以下步骤：步骤1，选取单元长度的路段，计算得到事故集中的高风险路段；步骤2，将高风险路段上的交通流分为两种状态；步骤3，将高风险区分为预警段和高风险路段两个功能区段；步骤4，根据步骤3所示的预警段与高风险段的空间布局，得到信息发布设备布设位置。本发明首先对研究对象选取合适的路段单元长度，结合动态分段的移动步长法划分几个不同的组合，接下来采用Relim算法挖掘各个组合中的频繁项集，将交通事故次数和伤亡人数进行当量化处理，得到长度短且事故集中的交通事故高风险路段，再对所找出的高风险路段中的事故影响因素进行关联规则挖掘。
-
Patent Agency Ranking
公开(公告)号：CN110533098B
公开(公告)日：2022-03-29
申请号：CN201910803745.4
申请日：2019-08-28
Applicant: 长安大学
IPC: G06V10/764 , G06V10/82 , G06K9/62
Abstract: 一种基于卷积神经网络识别绿通车车厢装载类型的方法，包括以下步骤：步骤1，获取绿通车图像；步骤2，通过图像质量评价方法中的相对评价法制定绿通车图像有效性判定标准；步骤3，增加训练样本的数量；步骤4，进行车厢目标检测；步骤5，将绿通车车辆按车厢‑装载类型分为8类；步骤6，对车厢‑装载类型分类进行训练；步骤7，对需要识别的绿通车车厢‑装载类型进行判定。针对图像种类数量不均衡的问题，对非均衡数据采用数据过采样方法处理，达到各种类样本数量的平衡。避免了欠采样方法中随机选取的被剔除的数据有可能包含该类的关键特征信息的问题。
-
公开(公告)号：CN110176143A
公开(公告)日：2019-08-27
申请号：CN201910497362.9
申请日：2019-06-10
Applicant: 长安大学
Abstract: 本发明提出一种基于深度学习算法的高速公路交通拥堵检测方法，基于卷积神经网络(CNN)的分类器，利用支持向量机(SVM)代替AlexNet与VGGNet中的全连接层，对高速公路交通状态进行二分类，即拥堵与不拥堵。本发明对比两种算法的检测精度与计算速度，确定运用迁移学习的AlexNet+SVM的效果最优。
-
公开(公告)号：CN110532946B
公开(公告)日：2022-04-26
申请号：CN201910803615.0
申请日：2019-08-28
Applicant: 长安大学
IPC: G06V20/54 , G06V10/25 , G06V10/26 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种基于卷积神经网络识别绿通车车辆轴型的方法，包括以下步骤：步骤1，获取绿通车图像；步骤2，制定绿通车图像有效性判定标准；步骤3，采用数据增强的方法增加训练样本的数量；步骤4，数据增强后，使用目标检测算法YOLOv2框架进行整轴检测；步骤5，根据车辆轴组类型和轮组类型将车辆轴型进行分类；步骤6，分别使用AlexNet、VGG‑16、ResNet‑152三种卷积神经网络在训练集上对车轴类型分类进行训练；步骤7，对需要识别的绿通车车辆轴型进行判定。本发明以实现绿通车车辆轴型准确识别为目标，将目标检测算法、非均衡数据集处理等与卷积神经网络模型相结合，使用判定标准挑选的图像可作为后续分类识别实验卷积神经网络模型的训练样本，避免训练样本水平过差问题。
-
公开(公告)号：CN110390341A
公开(公告)日：2019-10-29
申请号：CN201910683531.8
申请日：2019-07-26
Applicant: 长安大学
Abstract: 基于卷积神经网络的绿通车运载货物放射源图像识别方法，包括以下步骤：步骤1，绿通车运载货物放射源图像预处理；步骤2，输入图像样本准备；步骤3，设计绿通车运载货物放射源图像识别模型；步骤4，对绿通车运载货物放射源图像识别模型进行调优；步骤5，通过对模型的训练、验证及测试，并记录训练过程中损失函数及分类准确率的变化，损失函数能够反映模型对货物类型准确分类的能力。本发明采用基于卷积神经网络的绿通车运载货物放射源图像识别可避免查验结果对查验人员的主观依赖性，减轻一线查验人员工作强度。同时可提高检查效率，减少收费站拥堵情况的产生。
-
公开(公告)号：CN202662122U
公开(公告)日：2013-01-09
申请号：CN201220163082.8
申请日：2012-04-17
Applicant: 长安大学
IPC: G08B17/00
Abstract: 本实用新型涉及机器人智能检测、自动控制与远程火灾报警领域，公开了一种移动机器人远程火灾报警系统。它包括移动机器人和远程报警终端两个子系统。移动机器人是集单片机控制器、多个机电与机械模块为一体的系统。它能准确识别其行驶路线，检测其左右两侧的火灾状况与前方道路畅通状况，并可对特殊区域的火灾情况进行360度全方位火灾检测。移动机器人感知并收集各种环境信息，实时地将现场火灾信息，通过无线传输至远程报警终端；远程报警终端是信息处理并实现火灾报警的系统，它接收移动机器人远程传送来的火情信息，对其进行决策与处理，执行报警决策予以报警，并对火情信息以及报警决策进行其存储、显示。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
