本发明公布了一种基于深度学习的交通拥堵程度多维度分析方法，包括有以下步骤：1)相机预置位设置以及相机标定；2)卷积神经网络模型初始化；3)获取实时视频流；4)检查相机工作状态；5)使用卷积神经网络模型对兴趣区域进行车辆目标检测；6)车辆目标跟踪；7)交通参数采集；8)拥堵勘探初步进行拥堵预测；9)拥堵程度分析；10)拥堵事件上报并设置睡眠状态。本发明采用了道路容纳率、平均速度等多维度的交通参数来进行准确而快速地交通拥堵程度分析，鲁棒性好且检测准确率较高。
📄 2019112300175
📂 G08G1_01
👤 浙江工业大学
📅 2019-12-04
本发明公开了一种基于深度学习的多阶段驾驶员打电话行为检测方法，包括车窗检测模块对输入图像进行车窗检测；人脸检测模块对输入图像进行人脸检测；驾驶员定位模块将每个检测到的车窗内的驾驶员进行定位；人脸区域扩展模块对每个驾驶员的人脸区域进行扩展，以便后续驾驶员手部和驾驶员打电话行为的检测；驾驶员打电话行为检测模块在驾驶员人脸扩展区域上对驾驶员打电话行为进行检测；驾驶员手部检测模块在驾驶员人脸扩展区域上对驾驶员手部进行检测；驾驶员手部脸部相交判断模块对驾驶员手部和脸部是否相交进行判定；最终结果判断模块将驾驶员打电话行为检测结果和驾驶员手部脸部相交判断结果进行结合，作为最终的驾驶员打电话行为判定结果。
📄 2019105706216
📂 G06K9_00
👤 浙江工业大学
📅 2019-06-27
本发明公布了一种基于深度学习的异常停车实时检测方法，包括有以下步骤：1)相机预置位设置以及相机标定；2)卷积神经网络模型初始化；3)获取当前视频帧与视频帧时间；4)检查相机工作状态；5)使用卷积神经网络模型对兴趣区域ROI进行车辆目标检测；6)维护静态目标跟踪队列；7)异常停车检测；8)异常停车目标上报。本发明提出了一种基于深度学习的异常停车实时检测算法，具有对环境变化较强的鲁棒性，实现了实时的检测效果以及较高的异常停车识别精度。
📄 2019105706199
📂 G06K9_00
👤 浙江工业大学
📅 2019-06-27
本发明公布了一种基于深度学习的转向比及车流量统计方法，包括有以下步骤：1)相机预置位设置以及相机标定；2)卷积神经网络模型初始化；3)获取实时视频流；4)检查相机工作状态；5)使用卷积神经网络模型对兴趣区域进行车辆目标检测；6)车辆目标跟踪；7)车道转向比统计；8)车流量统计。本发明采用了深度卷积神经网络CNN进行车辆目标检测，以及IoU匹配规则进行车辆多目标跟踪，并基于此统计车道的转向比以及车流量。
📄 2020107769157
📂 G08G1_056
👤 浙江工业大学
📅 2020-08-05
本发明公开了一种基于深度学习的驾驶员手持电话检测方法，包括如下步骤：给定训练图像集合Ct＝{Ti|i＝1,2,3,...,n}，n为训练图像数量，集合中每张图像Ti已贴好标签；将数据集Ct合放入Yolov2中进行训练，获得训练模型W；输入测试图像P，用训练模型W进行测试，得到检测结果m个矩形检测框Kj；测试图像P进行Lab颜色空间的分离,得到L通道图像PL、a通道图像Pa以及b通道图像Pb；本发明的有益效果是：利用深度学习做驾驶员手持电话的检测并用传统图像处理的形态学方式进行驾驶员定位，能够准确的判断驾驶员是否手持电话这一行为。
📄 201810998664X
📂 G06K9_00
👤 浙江工业大学
📅 2018-08-29
一种深度学习和模糊聚类的交通拥堵预测方法，包括以下步骤：(1)获得检测器所检测到道路交通流三参数原始数据；(2)对数据利用阈值法去除异常数据，利用滑动平均法替换异常数据和补全缺失数据，得到完整的交通时序数据；对数据进行聚合得到合适时间间隔，最后对聚合后的数据进行归一化处理；(3)依据历史数据挖掘时空相关性，利用CNN和GRU进行训练提取交通流时空特征，利用训练完成后的网络进行未来时刻参数预测；(4)利用步骤(2)中的历史数据进行模糊聚类，计算隶属度，得到聚类中心；将步骤(3)预测出的交通数据根据隶属度大小判断该预测时段的交通状态，达到预测交通拥堵的目的。本发明能够更加准确地预测交通拥堵。
📄 2020107553330
📂 G08G1_01
👤 浙江工业大学
📅 2020-07-31
本发明公开了一种基于无人机与深度学习网络的桥梁支座病害识别方法及系统，所述方法包括：规划无人机巡检任务路线；无人机执行巡检任务，并采集目标桥梁的支座图像，以形成支座图像集；对支座图像集进行预处理，以获取标注图像集；构建并训练基于Real‑ESRGAN网络的图像增强模型，将标注图像集输入到训练后的图像增强模型中，以生成超分图像集；构建基于YOLOv8网络的病害识别模型，通过超分图像集训练所述病害识别模型，以识别并定位支座损伤。本发明通过Real‑ESRGAN网络对图像进行超分辨率增强，极大增强了图像质量和病害识别的精确度，并且通过YOLOv8网络的快速和准确的目标检测能力，能够快速识别和定位桥梁支座损伤。
📄 2024118368810
📂 G06V20_17
👤 长沙理工大学
📅 2024-12-13
本发明公开了一种基于深度学习的船舶行为识别方法，属于模式识别领域。本发明可以在智能海洋监测，船舶智能监管等领域应用。具体包括：步骤S1：获取原始船舶轨迹数据，通过数据预处理以及轨迹分割方法自建船舶行为识别数据集；步骤S2：设计多尺度卷积模块与长短期记忆网络级联的船舶行为识别网络，使用自建船舶行为识别数据集训练的船舶行为识别网络，实现对船舶轨迹数据的行为识别。采用本发明的技术方案，将船舶行为识别技术应用到船舶监管领域中，从海量的船舶轨迹数据中自动分析船舶的行为，可以对近海海洋的船舶行为活动进行有效的取证和监管，来替代低效的人为查验模式。整体方案具有设备依赖性低、识别准确率高以及识别速度快等特点。
📄 2019103760752
📂 G06K9_00
👤 杭州电子科技大学
📅 2019-05-07
本发明公开了一种基于深度学习的飞行器几何特征、布局参数和飞行状态参数联合建模方法，属于飞行器气动特性预测领域，包括以下步骤：a、针对飞行器的布局参数进行基于贝塞尔流形的几何特征提取，采用贝塞尔曲线或曲面构建贝塞尔流形，提取贝塞尔流形的几何特征，用来表达飞行器的几何结构；b、通过引入CNN、RBFNN和FCN网络，分别学习飞行器布局参数、几何特征和飞行状态参数，再通过另一个FCN将上述三种参数结合起来，形成一个统一的深度神经网络，实现飞行器气动特性的准确预测，本发明能够满足飞行器几何特征提取，以及飞行器气动特性的准确预测的建模需求，能够对飞行器气动特性进行良好的优化。
📄 2022102857610
📂 G06F30_15
👤 电子科技大学
📅 2022-03-22
本发明公开了一种基于深度学习的地铁车站地震响应预测方法。该方法首先获取地铁车站地震时程响应预测所需的地铁车站结构信息和场地类别信息，建立地震动时程数据‑自由场土体位移响应‑地铁车站地震响应数据集并对其中的数据进行预处理，使用预处理后的数据集对所述DB‑CNN‑Attention网络模型进行训练，确定目标地铁车站的场地类别，获取目标地铁车站结构信息，并根据实际需求获取地震动时程数据；使用训练好的DB‑CNN‑Attention网络模型输出目标地铁车站的地震时程响应数据预测结果。本发明预测精度更高，计算效率高，可用于地震后损伤估计、震害场景重建及震前抗震能力评估。
📄 2025104315935
📂 G06F30_27
👤 华东交通大学
📅 2025-04-08
本发明涉及一种基于MOGRIFIER‑GRU深度学习的列车稳定性预测方法及系统，该方法包括以下步骤：步骤S1：获取不同路况下列车加速度和轮轨力数据，并对数据进行归一化处理，得到用于训练预测模型的训练数据；步骤S2：搭建MOGRIFIER‑GRU深度学习预测模型，并通过训练数据对MOGRIFIER‑GRU深度学习预测模型进行训练，得到训练好的MOGRIFIER‑GRU深度学习预测模型；步骤S3：采集实际运行列车实时传回的数据，通过训练好的MOGRIFIER‑GRU深度学习预测模型，预测列车稳定性。该方法及系统有利于降低列车稳定性监测成本，提高轮轨力预测精度。
📄 2021112784039
📂 G06F30_15
👤 福州大学
📅 2021-10-30
本发明适用于船舶动力技术领域，提供了一种基于深度学习的船舶混合动力能量管理方法、设备及介质，具体步骤如下：S1：采集船舶系统的相关信息，相关信息包括船舶系统的柴油发电机输出转矩、船舶系统的需求转矩、储能电池组荷电状态、控制动作、状态空间；S2：将相关信息输入到训练模型中，训练模型输出储能电池组最佳荷电状态；S3：获取船舶行驶所需功率；S4：根据储能电池组最佳荷电状态以及船舶行驶所需功率，由逻辑门限生成控制指令，控制指令用于控制船舶系统的运行。本发明通过训练模型获取储能电池组最佳荷电状态，生成控制指令控制船舶系统的运行，使得柴油发电机工作于最佳效率区间，提高燃油经济性，减少污染气体的排放。
📄 2023103959955
📂 B63H21_17
👤 广东海洋大学
📅 2023-04-13
柿子坊 · 知识产权运营
柿子坊知识产权运营平台