[发明专利]基于深度卷积神经网络的车辆违停逆行检测方法有效
| 申请号： | 201710059676.1 | 申请日： | 2017-01-24 |
| 公开（公告）号： | CN106874863B | 公开（公告）日： | 2020-02-07 |
| 发明（设计）人： | 阮雅端;高妍;赵博睿;陈金艳;陈启美 | 申请（专利权）人： | 南京大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/32;G06K9/62;G06N3/04 |
| 代理公司： | 32112 南京天翼专利代理有限责任公司 | 代理人： | 奚铭 |
| 地址： | 210023 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于深度卷积神经网络的车辆违停逆行检测方法，用移动终端检测点作为道路摄像头，移动终端检测点通过摄像头获取图像信息，将深度学习引入路面事件识别并加以改进，以显著提高道路事件识别准确率。本发明利用卷积神经网络对获取的图像进行分析，将路面ROI区域划分为多个网络，构建路面—非路面识别模型，通过非路面网格反向识别高速公路非法停车、车辆逆向行驶等目标。本发明应用于路面违停检测、车辆逆行检测等非实时性任务，充分利用移动互联网的特点与优势，以低成本实现区域高覆盖率车辆违停和车辆逆行等路面事件检测。 | ||
| 搜索关键词： | 基于 深度 卷积 神经网络 车辆 逆行 检测 方法 | ||
【主权项】：
1.基于深度卷积神经网络的车辆违停逆行检测方法，其特征是基于深度卷积神经网络Deep-CNN网络模型，Deep-CNN网络模型将路面感兴趣区域划分为多个网格，构建路面—非路面识别模型，通过非路面网格反向识别非法停车或逆行目标，包括以下步骤：/nStep1：路面模型训练，采集道路摄像头的视频图像，将视频图像中路面的感兴趣区域ROI
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京大学，未经南京大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710059676.1/，转载请声明来源钻瓜专利网。
- 上一篇：基于子模技术和半监督学习的人群计数方法
- 下一篇：一种室外行人实时检测方法
