-
公开(公告)号：CN102297696A
公开(公告)日：2011-12-28
申请号：CN201110141814.3
申请日：2011-05-30
Applicant: 长安大学 , 西安天键信息技术工程有限公司
IPC: G01C21/26
Abstract: 本发明提供一种路网精细化定位方法，主要解决了现有路网中无法精确定位，尤其立体交通路网中无法进行定位的问题。该路网精细化定位方法包括以下步骤：1]将采集到的位置信息传输至处理中心；2]处理中心根据编码校验规则验证编码在传输过程中的正确性；3]检索道路信息数据库，依次检查道路编码、行驶区间和行驶方向的合法性；4]检索道路地图数据库，依次对道路编码、区间编码和行进方向编码进行解码，解码完成后获取被采集位置信息地点的具体位置。本发明提供的路网精细化定位方法非常精确，方便呼救者和施救者准确地进行道路定位。
-
公开(公告)号：CN111524349B
公开(公告)日：2021-05-25
申请号：CN202010289889.5
申请日：2020-04-14
Applicant: 长安大学
Abstract: 本申请属于交通技术领域，特别是涉及一种语境特征注入的多尺度交通流预测模型及方法。传统的交通流预测方法具有一定的片面性，在预测精度和稳定程度上不能达到很好的效果。本申请提供了一种语境特征注入的多尺度交通流预测模型，所述模型依次包括输入层，学习层、注入融合层和输出层，所述学习层包括深度循环神经网络分层和深度置信网络分层，所述输入层、所述深度循环神经网络分层和所述注入融合层依次排列，所述输入层、所述深度置信网络分层和所述注入融合层依次排列。通过将语境特征注入到时间序列特征之中，提高现有交通流预测模型的准确率，实现对交通流模式全面地仿真、评估和预测。
-
公开(公告)号：CN104869111B
公开(公告)日：2018-05-01
申请号：CN201510181176.6
申请日：2015-04-16
Applicant: 长安大学
IPC: H04L29/06
Abstract: 本发明公开了一种终端可信接入认证系统及方法，通过CA将用户的公钥和标识信息捆绑并存放在电子证书内，实现了用户的身份认证；结合数据加密和数字签名技术保证了用户信息的保密性、完整性和不可抵赖性；本发明对设备的整体性能要求不高，可以有效降低建网成本；支持组播业务；兼容PPP，扩展性和适应性良好；设计了可控端口和不可控端口，实现了业务和认证的分离；认证通过后，不再需要对数据包进行封装处理，效率高；可映射不同的用户等级到不同的VLAN，实现拥有不同权限的用户域的管理；具有实现方式简单、认证效率高、安全可靠、易于运营的优势。
-
公开(公告)号：CN102297696B
公开(公告)日：2014-02-05
申请号：CN201110141814.3
申请日：2011-05-30
Applicant: 长安大学 , 西安天键信息技术工程有限公司
IPC: G01C21/26
Abstract: 本发明提供一种路网精细化定位方法，主要解决了现有路网中无法精确定位，尤其立体交通路网中无法进行定位的问题。该路网精细化定位方法包括以下步骤：1]将采集到的位置信息传输至处理中心；2]处理中心根据编码校验规则验证编码在传输过程中的正确性；3]检索道路信息数据库，依次检查道路编码、行驶区间和行驶方向的合法性，4]检索道路地图数据库，依次对道路编码、区间编码和行进方向编码进行解码，解码完成后获取被采集位置信息地点的具体位置。本发明提供的路网精细化定位方法非常精确，方便呼救者和施救者准确地进行道路定位。
-
公开(公告)号：CN111524349A
公开(公告)日：2020-08-11
申请号：CN202010289889.5
申请日：2020-04-14
Applicant: 长安大学
Abstract: 本申请属于交通技术领域，特别是涉及一种语境特征注入的多尺度交通流预测模型及方法。传统的交通流预测方法具有一定的片面性，在预测精度和稳定程度上不能达到很好的效果。本申请提供了一种语境特征注入的多尺度交通流预测模型，所述模型依次包括输入层，学习层、注入融合层和输出层，所述学习层包括深度循环神经网络分层和深度置信网络分层，所述输入层、所述深度循环神经网络分层和所述注入融合层依次排列，所述输入层、所述深度置信网络分层和所述注入融合层依次排列。通过将语境特征注入到时间序列特征之中，提高现有交通流预测模型的准确率，实现对交通流模式全面地仿真、评估和预测。
-
Patent Agency Ranking
公开(公告)号：CN109946746A
公开(公告)日：2019-06-28
申请号：CN201910218654.4
申请日：2019-03-21
Applicant: 长安大学
Abstract: 本发明公开了一种基于深度神经网络的安检系统及方法，包括X光成像模块、检测模型训练学习模块、物体识别模块和安全管理模块，所述X光成像模块的输出端和物体识别模块的输入端连接，物体识别模块和检测模型训练学习模块双向连接，物体识别模块的输出端和安全管理模块的输入端连接；基于X射线图像的颜色特征分割并合成多平面的检测图像，建立深度神经网络检测模型，并运用大数据对常见物品进行特征训练与学习，实现检测器对旋转、伸缩和变形的物体的识别与分类。
-
公开(公告)号：CN108965809A
公开(公告)日：2018-12-07
申请号：CN201810802381.3
申请日：2018-07-20
Applicant: 长安大学
IPC: H04N7/18 , G08B13/196
Abstract: 本发明公开了一种雷达引导的视频联动监控系统及控制方法，该系统由前端设备、控制子系统及显示子系统组成，其中，前端设备由一个或多个雷达与云台一体化智能摄像机构成，控制子系统和显示子系统分别由控制服务器、浏览服务器和视频显示终端组成，各个组成部分均通过TCP/IP网络进行连接，雷达通过TCP/IP网络接受控制服务器发送的控制命令并向控制服务器传送目标检测数据；云台一体化智能摄像机通过TCP/IP网络接受控制服务器发送的控制命令，并通过RTSP协议向浏览服务器传送视频监控数据；浏览服务器将获取的视频监控数据通过RTSP协议发送到视频显示终端，由视频显示终端显示视频画面。可实现全天候、全天时、全方位、远距离的安防监控。
-
公开(公告)号：CN102202164A
公开(公告)日：2011-09-28
申请号：CN201110132272.3
申请日：2011-05-20
Applicant: 长安大学 , 西安天键信息技术工程有限公司 , 江苏长天智远交通科技有限公司西安分公司
Abstract: 本发明涉及一种基于运动估计的道路视频稳定方法，其包括以下步骤：对输入图像进行非线性平滑去除噪声；根据系统要求精度确定特征搜索范围，获取最佳特征信息；对模板和待匹配块进行十字灰度投影，根据其差异找到最佳匹配区域；采用运动方程为匀速的卡尔曼滤波器，采用递推式的方法构造动态运动模型，获得摄像机运动参数，用以描述由于摄像机运动所造成的帧间运动，将运动估计得到的偏移序列中的随机抖动进行辨识和滤除；对因为视频抖动而丢失图像区域进行填补，利用图像序列之间的时间相关性，对相邻帧采用混合高斯模型对其进行重建。
-
公开(公告)号：CN108965809B
公开(公告)日：2020-12-01
申请号：CN201810802381.3
申请日：2018-07-20
Applicant: 长安大学
IPC: H04N7/18 , G08B13/196
Abstract: 本发明公开了一种雷达引导的视频联动监控系统及控制方法，该系统由前端设备、控制子系统及显示子系统组成，其中，前端设备由一个或多个雷达与云台一体化智能摄像机构成，控制子系统和显示子系统分别由控制服务器、浏览服务器和视频显示终端组成，各个组成部分均通过TCP/IP网络进行连接，雷达通过TCP/IP网络接受控制服务器发送的控制命令并向控制服务器传送目标检测数据；云台一体化智能摄像机通过TCP/IP网络接受控制服务器发送的控制命令，并通过RTSP协议向浏览服务器传送视频监控数据；浏览服务器将获取的视频监控数据通过RTSP协议发送到视频显示终端，由视频显示终端显示视频画面。可实现全天候、全天时、全方位、远距离的安防监控。
-
公开(公告)号：CN111524348A
公开(公告)日：2020-08-11
申请号：CN202010289673.9
申请日：2020-04-14
Applicant: 长安大学
IPC: G08G1/01 , G06N3/08 , G06N3/04 , G06F16/2458
Abstract: 本申请属于交通技术领域，特别是涉及一种长短期交通流预测模型及方法。含有随机性误差的外部环境影响数据去预测未来的交通流，只会使得这种随机性误差被再次放大，不可避免地会对模型预测的准确性产生较大的影响和波动。本申请提供了一种长短期交通流预测模型，所述模型包括语境因素输入层、特征学习与模式识别层和交通流数据输出层。提供了一种准确率高，预测效果好，训练时间短，鲁棒性强，不受历史数据缺失影响的多尺度预测模型。使用语境因素作为预测输入，提高了交通流预测模型的准确率，对于先进的交通管理和旅行者路线规划起着至关重要的作用。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.014 seconds)
