内容提供者
一种基于动作-状态联合学习的车辆尾灯状态识别方法.pdf
2023-06-06
10金币
2MB
24页
Ro****44
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共24页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
一种基于动作-状态联合学习的车辆尾灯状态识别方法.pdf
本发明提供一种基于动作?状态联合学习的车辆尾灯状态识别方法,首先基于真实交通场景中得到的车辆跟踪序列获取连续的跟踪片段数据,采用基于注意力模型的CNN?LSTM网络来识别各跟踪片段数据内隐含的5类尾灯动作特征:不变、踩刹车、松刹车、左转、右转;然后,基于尾灯语义分割获取各跟踪片段对应的高位刹车灯平均亮度特征,并与尾灯动作特征形成高阶特征;最后,构造线性链条件随机场模型,通过分析高阶特征建立连续片段之间的长期依赖,推断出各时刻连续的尾灯状态:无动作、制动、左转、右转;因此,本发明能够在不同的实际复杂交通场景
2023-06-06
10
2MB
一种基于CAN总线的车辆行驶状态识别方法.pdf
本发明公开了基于CAN总线的车辆行驶状态识别方法，应用于间接式胎压监测系统，包括CAN总线信息的采集与处理、车辆行驶状态的识别与储存以及车辆行驶状态划分。车辆行驶状态的识别包括若干种一级行驶状态和二级行驶状态。识别后的车辆状态进一步划分为三类行驶状态，间接式轮胎压力监测系统的轮胎欠压判定算法根据当前行驶状态进行对应操作；本发明采集和处理CAN总线信息，对车辆行驶状态的进行识别、存储和划分类别。间接式胎压监测系统依据轮速脉冲的轮胎欠压判定算法，对车辆行驶状态划分能修正或剔除加减速、转弯以及上下坡等非胎压因素
2023-09-02
10
719KB
一种基于深度学习的机柜灯状态识别方法.pdf
本发明提供一种基于深度学习的机柜灯状态识别方法，包括以下步骤：初始化模型参数，获得模型与对应的模型参数；通过相机获取机柜灯状态的图片；基于深度学习技术识别图片中的灯和灯组；根据不同机柜状态设置不同的识别目标和判断异常的阈值；基于寻找轮廓的算法获得实际工作中机柜灯组内灯的数量；将所述灯的数量与所述阈值进行比较，进而识别机柜灯的状态。本发明通过引入深度学习技术，能够实现自动识别机柜灯状态的目的，进而判断机柜是否正常工作。本发明无需在机柜内植入软件或串接新的设备，工作过程不受环境影响，工作效率、识别精度和鲁棒性
2023-08-30
10
576KB
一种基于深度学习的人员口罩佩戴状态检测识别方法.pdf
本发明公开了一种基于深度学习的人员口罩佩戴状态检测识别方法。主要步骤包括：获取数据集；设计人脸检测网络，并在网络中添加第一特征向量输出；将检测到的口罩人脸区域通过比例随机裁剪输入第二深度学习网络模型的第一网络部分，第二网络部分和第三网络部分以获得三个代表全局、局部和细粒度特征的特征图；将三个特征图进行特征融合得到第二特征向量；将第一特征向量和第二特征向量融合，最后使用机器学习模型识别人脸口罩佩戴状态。这样，基于优化设计的神经网络，提取不同层次的深度特征并融合，能大幅提高人脸口罩佩戴状态识别的准确率。
2024-01-04
10
932KB
一种基于机器学习的胎码和轮胎状态识别方法.pdf
本发明提出了一种基于机器学习的胎码和轮胎状态识别方法，包括以下步骤：S1、采集轮胎图像，并对图像进行预处理；S2、建立单层神经网络模型，并计算模型输出函数；S3、基于误差逆传播算法迭代更新S2，建立多层神经网络模型，模型包括输入层、隐层和输出层；S4、建立卷积神经网络作为多层神经网络中的隐藏层；S5、建立全连接层连接隐藏层与输出层，输出层输出轮胎的胎码和轮胎状态；S6、通过人工标记的验证集对多层神经网络进行督促学习，更新神经网络参数；S7、利用训练好的多层神经网络处理轮胎图像获得对应的胎码和轮胎状态。本发
2023-08-29
10
523KB