检索结果-内蒙古大学图书馆

作者：高坡刘珍海刘阳杨领军孙晴 071000 河北省保定市朝阳南大街2266号

本发明适用于车辆造型技术领域，公开了一种车辆目标区域确定方法、装置及终端设备，上述方法应用于车辆造型阶段，用于行人腿部保护，包括：获取车身造型的CAS数据和造型分缝的位置；根据CAS数据和造型分缝的位置，将车身造型划分为多... 详细信息

标准号: CN114580074A

本发明适用于车辆造型技术领域，公开了一种车辆目标区域确定方法、装置及终端设备，上述方法应用于车辆造型阶段，用于行人腿部保护，包括：获取车身造型的CAS数据和造型分缝的位置；根据CAS数据和造型分缝的位置，将车身造型划分为多块虚拟子造型，并对每块虚拟子造型分别进行造型参数设置；根据预设整车布置方案和造型分缝的位置，在造型参数设置后的虚拟车身造型内部添加虚拟防撞结构，得到虚拟车辆防撞模型；基于搭建的腿部碰撞工况，对虚拟车辆防撞模型进行虚拟仿真分析，确定当前车身造型的目标区域。本发明能够将造型问题在车辆造型阶段全部发现，不会遗留到车辆详细设计阶段，从而可以提高方案实施率，降低优化成本且缩短分析周期。

关键词：造型车身造型车辆造型虚拟分缝参数设置虚拟车辆防撞车辆目标区域虚拟仿真分析方案实施防撞结构分析周期目标区域碰撞工况设计阶段行人腿部整车布置终端设备多块腿部预设遗留优化发现

来源：评论

学校读者我要写书评

暂无评论

基于改进的NC-HOG特征的工程车车型自动识别算法

引用

计算机工程与设计 2021年第11期42卷 3164-3173页

作者：罗亮吕俊杰李涛张劲刘俊勇刘友波国家电网四川省电力公司阿坝供电公司建设部四川阿坝623200 国家电网四川省电力公司天府新区供电公司四川成都610041 四川大学电气工程学院四川成都610065

为有效识别工程车车型,提出一种改进的HOG特征的自动识别算法。使用RPN(region proposal network)自动划分车辆候选区,对每个候选区进行自然度保留的图像增强处理和颜色不变性处理,分别提取NPE-HOG(naturalness preserved enhancement-h... 详细信息

为有效识别工程车车型,提出一种改进的HOG特征的自动识别算法。使用RPN(region proposal network)自动划分车辆候选区,对每个候选区进行自然度保留的图像增强处理和颜色不变性处理,分别提取NPE-HOG(naturalness preserved enhancement-histogram of oriented gradients)特征和CIV-HOG(color invariant-histogram of oriented gradients)特征,将两者融合得到NC-HOG特征,结合一对一支持向量机实现对压路机、挖掘机、装载机3类工程车辆的车型自动识别。实验对国家电网施工现场的工程车数据库进行测试,对比从原图、Gamma校正、自然度保留图像增强和颜色不变性处理图像上分别提取HOG、LBP(local binary pattern)、SIFT(scale-invariant feature transform)特征对车型识别效果的影响。实验结果表明,改进NC-HOG算法能有效提高HOG特征的识别正确率,3种车型平均识别正确率为93.0%。

关键词：车辆检测车辆目标区域图像增强颜色不变性支持向量机

来源：评论

学校读者我要写书评

暂无评论

一种适用于信号交叉口场景的车辆排队长度检测方法

一种适用于信号交叉口场景的车辆排队长度检测方法

引用

作者：周桐赵敏孙棣华王盟 402260 重庆市江津区滨江新城南北大道1号重庆工程职业技术学院

本发明公开了一种适用于信号交叉口场景的车辆排队长度检测方法，该方法首先对视频图像进行感兴趣区域提取和预处理，接着利用道路空间中的特征点，求取图像平面和实际路面间的单应性矩阵，完成二维信息到三维信息的转换，然后利用车辆... 详细信息

标准号: CN111781600B

本发明公开了一种适用于信号交叉口场景的车辆排队长度检测方法，该方法首先对视频图像进行感兴趣区域提取和预处理，接着利用道路空间中的特征点，求取图像平面和实际路面间的单应性矩阵，完成二维信息到三维信息的转换，然后利用车辆运运动检测和车辆队列存在检测分别检测车辆排队状态和提取车辆目标区域，最后采用可变阈值行扫描的方法搜索出车辆排队队尾位置，结合摄像机标定结果计算出实际车辆排队长度。该方法结合摄像机标定结果计算出实际车辆排队长度，提高了现有交叉口排队长度检测的精度。

关键词：排队排队长度检测摄像机标定结果计算实际车辆预处理车辆目标区域单应性矩阵对视频图像感兴趣区域信号交叉口车辆队列道路空间二维信息方法搜索三维信息图像平面运动检测交叉口特征点行扫描检测可变队尾场景转换

来源：评论

学校读者我要写书评

暂无评论

一种基于CBAM结合HSB模式的交通信号灯检测方法和系统

一种基于CBAM结合HSB模式的交通信号灯检测方法和系统

引用

作者：赵旋朱永东陈培俊刘云涛 311121 浙江省杭州市余杭区中泰街道科创大道之江实验室

一种基于CBAM结合HSB模式的交通信号灯检测方法和系统，首先通过引入CBAM机制结合深度学习技术检测到交通信号灯区域，然后通过转换交通信号灯区域块到HSB色彩模式，根据当前交通信号灯的色相H直方图和亮度B重心数据，判断出当前交通信... 详细信息

标准号: CN116152785A

一种基于CBAM结合HSB模式的交通信号灯检测方法和系统，首先通过引入CBAM机制结合深度学习技术检测到交通信号灯区域，然后通过转换交通信号灯区域块到HSB色彩模式，根据当前交通信号灯的色相H直方图和亮度B重心数据，判断出当前交通信号灯的颜色信息，最后再根据交通信号灯的位置排列等信息判断当前画面中所有交通信号灯的信息。本发明通过结合深度学习技术、图像处理技术以及交通信号灯的特性，能有效识别当前车辆目标区域的交通信号灯的信息；通过CBAM机制能更加专注于交通信号灯的特征信息提取；通过HSB颜色模式和交通信号灯的位置排列特点，能有效解决摄像头采集到的图像数据可能存在色彩失真的问题，为智能驾驶领域提供技术支持。

关键词：交通信号灯交通信号灯区域位置排列车辆目标区域特征信息提取图像处理技术摄像头采集技术检测技术支持色彩模式图像数据信息判断颜色模式颜色信息有效解决有效识别智能驾驶重心数据直方图色相学习检测引入转换

来源：评论

学校读者我要写书评

暂无评论

基于级联神经网络的视频流实时车牌识别系统及方法

基于级联神经网络的视频流实时车牌识别系统及方法

引用

作者：刘亚健曾国卿朱新潮李威胡振宏刘佳宁 200000 上海市徐汇区浦北路7号中星城1909号

本发明提供了一种基于级联神经网络的视频流实时车牌识别系统及方法，方法包括：采用改进的yolov4‑tiny网络在整体车辆目标区域检测出车牌的目标区域；基于单目视觉拍摄车辆的移动，得到车辆的视频流，利用视频流中车辆移动的空间位置... 详细信息

标准号: CN116206297A

本发明提供了一种基于级联神经网络的视频流实时车牌识别系统及方法，方法包括：采用改进的yolov4‑tiny网络在整体车辆目标区域检测出车牌的目标区域；基于单目视觉拍摄车辆的移动，得到车辆的视频流，利用视频流中车辆移动的空间位置变换信息，得到车牌由远及近在空间中的位置和大小变换，判断是否为真实车牌；采用改进的网络密集连接的卷积网络，通过透视变换方法对车牌的完整图像进行矫正，得到车牌的正面图像；改进的网络密集连接的卷积网络和连接时序分类，对矫正得到的车牌的正面图像进行识别，对车牌的字符识别并确认。本发明采用极简网络的高实时性，做到每帧图像都进行识别，能有效过滤个别字符错误造成的误识别。

关键词：车牌视频流网络正面图像卷积矫正车辆目标区域车牌识别系统空间位置变换改进时序车辆移动大小变换单目视觉高实时性目标区域神经网络透视变换完整图像字符识别误识别帧图像级联过滤拍摄分类检测移动

来源：评论

学校读者我要写书评

暂无评论

一种隧道场景下的图像质量优化方法

一种隧道场景下的图像质量优化方法

引用

作者：郭凯方珊珊钟俊周智李远玥陈进王冠斌罗如意林融冰王晓东吕悦 430050 湖北省武汉市汉阳区四新大道26号湖北国展中心广场东塔

本发明提供了一种隧道场景下的图像质量优化方法，其具体步骤如下：S1，进行车辆reid模型、车辆分类模型、画质优化模型的训练；S2，获取隧道场景下的图片，切割出车辆目标区域；S3，将车辆目标区域输入到画质优化模型中，并将车辆reid... 详细信息

标准号: CN117115041A

本发明提供了一种隧道场景下的图像质量优化方法，其具体步骤如下：S1，进行车辆reid模型、车辆分类模型、画质优化模型的训练；S2，获取隧道场景下的图片，切割出车辆目标区域；S3，将车辆目标区域输入到画质优化模型中，并将车辆reid模型结合reid损失函数、车辆分类模型结合分类损失函数中一种或两者结合作为画质优化模型的损失函数对车辆目标区域的画质进行优化输出优化图。本发明通过将画质优化模型中的损失函数设定为车辆reid模型结合reid损失函数、车辆分类模型结合分类损失函数中一种或两者结合，对隧道内数据进行质量优化，提升画质，主要为暗光增强，良好的画质，有助于提升检测/识别的精度。

关键词：画质损失函数模型结合优化模型车辆目标区域车辆分类隧道场景质量优化输出优化分类暗光切割隧道图像检测优化图片

来源：评论

学校读者我要写书评

暂无评论

一种车辆隔声性能测试方法、装置以及电子设备

一种车辆隔声性能测试方法、装置以及电子设备

引用

作者：赵权张永仁杨蒙孙作奎吴超 430000 湖北省武汉市武汉经济技术开发区人工智能科技园N栋研发楼3层N3010号

本发明实施例提供了一种车辆隔声性能测试方法、装置以及设备，通过将待测车辆置于预设的混响室内，并在混响室内设置声源，以提供测试所需的声音；然后在除目标区域之外的声音屏蔽区域覆盖隔吸声材料，以在声源中暴露出目标区域；接着... 详细信息

标准号: CN113790900A

本发明实施例提供了一种车辆隔声性能测试方法、装置以及设备，通过将待测车辆置于预设的混响室内，并在混响室内设置声源，以提供测试所需的声音；然后在除目标区域之外的声音屏蔽区域覆盖隔吸声材料，以在声源中暴露出目标区域；接着采集目标区域一侧的第一声音数据，以及采集目标区域另一侧的第二声音数据；最后基于第一声音数据以及第二声音数据，得到待测车辆目标区域的隔声性能数据。本发明只需在声音屏蔽区覆盖隔吸声材料，无需将目标区域的零部件从车身上取下，因而不会出现破坏车身的情况，通过暴露目标区域进行隔声性能测试，而无需制作多个不同的工装，缩短了测试的周期，减少了测试过程中的成本。

关键词：声音数据隔声性能目标区域测试采集目标声音屏蔽吸声材料混响声源车身室内车辆目标区域暴露目标测试过程区域覆盖工装取下预设零部件暴露覆盖制作

来源：评论

学校读者我要写书评

暂无评论

一种车辆隔声性能测试方法、装置以及电子设备

一种车辆隔声性能测试方法、装置以及电子设备

引用

作者：赵权张永仁杨蒙孙作奎吴超 430000 湖北省武汉市武汉经济技术开发区人工智能科技园N栋研发楼3层N3010号

标准号: CN113790900B

来源：评论

学校读者我要写书评

暂无评论

一种基于深度学习融合模型的车辆类型识别方法

一种基于深度学习融合模型的车辆类型识别方法

引用

作者：赵池航张子怡马欣怡 210096 江苏省南京市玄武区四牌楼2号

本发明公开了一种基于深度学习融合模型的车辆类型识别方法，包括：构建高速公路场景中车辆顶视图图像数据集；构建基于深度学习的高速公路场景中车辆类型检测与识别方法CenterNet，并使用crop函数裁剪车辆目标区域；构建基于深度学习... 详细信息

标准号: CN116863412A

本发明公开了一种基于深度学习融合模型的车辆类型识别方法，包括：构建高速公路场景中车辆顶视图图像数据集；构建基于深度学习的高速公路场景中车辆类型检测与识别方法CenterNet，并使用crop函数裁剪车辆目标区域；构建基于深度学习的车辆类型识别模型VTR‑NASNetLarge，获取一维特征向量F_N；构建基于深度学习的车辆类型识别模型VTR‑VGG16，获取一维特征向量F_V；构建基于深度学习的车辆类型识别模型VTR‑MobileNetV2，获取一维特征向量F_M；将特征向量F_N、F_V、F_M并联融合，构建基于深度学习车辆类型识别融合模型DFN‑VTR进行高速公路场景中车辆收费车辆类型识别。本发明提出获取车辆顶视图中的车辆目标区域并构建深度学习融合模型，可更精确地实现车辆类型的识别，对车辆信息感知提供技术支持。

关键词：构建车辆类型识别高速公路场景一维特征向量学习融合车辆目标区域车辆类型顶视图图像数据集车辆信息技术支持收费车辆特征向量并联裁剪感知检测

来源：评论

学校读者我要写书评

暂无评论

一种大规模视频监控网络极低误警率预警方法

一种大规模视频监控网络极低误警率预警方法

引用

作者：谢剑斌闫玮李沛秦张军毅谢昌颐 518016 广东省深圳市福田区福田街道彩田南路华景大厦23C

本发明公开了一种大规模视频监控网络极低误警率预警方法，包括多个摄像机、多个低层元数据提取单元、多个中层区域单目标融合判决单元以及一个高层全局多目标综合判决单元，低层元数据提取单元与摄像机连接，通过分析摄像机的视频图像... 详细信息

标准号: CN109302590A

本发明公开了一种大规模视频监控网络极低误警率预警方法，包括多个摄像机、多个低层元数据提取单元、多个中层区域单目标融合判决单元以及一个高层全局多目标综合判决单元，低层元数据提取单元与摄像机连接，通过分析摄像机的视频图像，提取出视频中可能存在的人体目标区域的元数据和（或）车辆目标区域的元数据，然后将元数据上传至中层区域单目标融合判决单元，中层区域单目标融合判决单元对元数据进行分析处理，高层全局多目标综合判决单元与多个中层区域单目标融合判决单元连接，接收中层区域单目标融合判决单元上传的元数据处理结果，并对数据进行综合处理输出。本发明的技术方案通过分级融合判决方法，降低了视频监控系统的误警率。

关键词：融合判决单目标中层元数据摄像机元数据提取单元判决单元多目标误警率低层车辆目标区域视频监控网络视频监控系统元数据处理元数据上传单元连接分析处理人体目标视频图像综合处理分级高层上传全局视频预警输出分析

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：