[发明专利]一种基于多层特征融合神经网络模型的桥梁车辆车轮检测方法有效
| 申请号： | 201910079277.0 | 申请日： | 2019-01-28 |
| 公开（公告）号： | CN109886312B | 公开（公告）日： | 2023-06-06 |
| 发明（设计）人： | 赵才荣;傅佳悦;夏烨 | 申请（专利权）人： | 同济大学 |
| 主分类号： | G06V20/54 | 分类号： | G06V20/54;G06V10/774;G06V10/764;G06V10/82;G06N3/0464 |
| 代理公司： | 上海科律专利代理事务所(特殊普通合伙) 31290 | 代理人： | 叶凤 |
| 地址： | 200092 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于多层特征融合神经网络模型的桥梁车辆车轮检测方法，包括以下步骤：1)构建基于多层特征融合的深度学习神经网络模型；2)利用训练样本数据集对模型进行训练；3)对桥梁上拍摄的待检测图像进行图像增强的预处理操作；4)将预处理后的图像输入模型中，得到具有车轮车辆类别坐标标定的输出图像；5)利用重叠率度量方法，将图像中检测到的车轮与对应车辆进行匹配。与现有技术相比，本发明具有提高了检测的精度，增强了实时性，降低漏检概率等优点，本发明在实现车辆目标检测的同时也实现了车轮的检测，并自动将同一图像上的车辆与车轮匹配。 | ||
| 搜索关键词： | 一种 基于 多层 特征 融合 神经网络 模型 桥梁 车辆 车轮 检测 方法 | ||
【主权项】：
1.一种基于多层特征融合神经网络模型的桥梁车辆车轮检测方法，其特征在于，包括以下步骤：1)构建基于多层特征融合的深度学习神经网络模型；2)利用训练样本数据集对模型进行训练；3)对桥梁上拍摄的待检测图像进行图像增强的预处理操作；4)将预处理后的图像输入模型中，得到具有车轮车辆类别坐标标定的输出图像；5)利用重叠率度量方法，将图像中检测到的车轮与对应车辆进行匹配。
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同济大学，未经同济大学许可，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/201910079277.0/，转载请声明来源钻瓜专利网。
