Processing

Please wait...

PATENTSCOPE will be unavailable a few hours for maintenance reason on Tuesday 25.01.2022 at 9:00 AM CET
Settings

Settings

Goto Application

1. WO2021238019 - REAL-TIME TRAFFIC FLOW DETECTION SYSTEM AND METHOD BASED ON GHOST CONVOLUTIONAL FEATURE FUSION NEURAL NETWORK

Publication Number WO/2021/238019
Publication Date 02.12.2021
International Application No. PCT/CN2020/120742
International Filing Date 14.10.2020
IPC
G06T 7/00 2017.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
7Image analysis
CPC
G06K 9/629
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
62Methods or arrangements for recognition using electronic means
6288Fusion techniques, i.e. combining data from various sources, e.g. sensor fusion
629of extracted features
G06N 3/0454
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
0454using a combination of multiple neural nets
G06N 3/08
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
G06T 2207/10016
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
2207Indexing scheme for image analysis or image enhancement
10Image acquisition modality
10016Video; Image sequence
G06T 2207/20081
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
2207Indexing scheme for image analysis or image enhancement
20Special algorithmic details
20081Training; Learning
G06T 2207/20084
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
2207Indexing scheme for image analysis or image enhancement
20Special algorithmic details
20084Artificial neural networks [ANN]
Applicants
  • 苏州大学 SOOCHOW UNIVERSITY [CN]/[CN]
Inventors
  • 张莉 ZHANG, Li
  • 于厚舜 YU, Houshun
  • 屈蕴茜 QU, Yunqian
  • 王邦军 WANG, Bangjun
  • 孙涌 SUN, Yong
Agents
  • 苏州市中南伟业知识产权代理事务所(普通合伙) CENTRAL SOUTH WELL INTELLECTUAL PROPERTY OFFICE
Priority Data
202010475998.629.05.2020CN
Publication Language Chinese (zh)
Filing Language Chinese (ZH)
Designated States
Title
(EN) REAL-TIME TRAFFIC FLOW DETECTION SYSTEM AND METHOD BASED ON GHOST CONVOLUTIONAL FEATURE FUSION NEURAL NETWORK
(FR) SYSTÈME ET PROCÉDÉ DE DÉTECTION DE FLUX DE TRAFIC EN TEMPS RÉEL BASÉS SUR UN RÉSEAU NEURONAL DE FUSION DE CARACTÉRISTIQUES DE CONVOLUTION FANTÔME
(ZH) 基于Ghost卷积特征融合神经网络实时车流量检测系统及方法
Abstract
(EN) The present invention relates to a real-time traffic flow detection system and method based on a ghost convolutional feature fusion neural network. The system comprises: a data pre-processing module, which is used to extract frames from a captured video to obtain a first training set, mark a target image in the first training set to form a second training set, and then generate a density diagram of the target image by means of a Gaussian filter so as to form a third training set; a network training module, which trains a network by means of the third training set to obtain a network model, wherein a network comprises a plurality of Ghost convolutional layers; and a target information prediction module, which extracts frames from the captured video to serve as a test image, and inputs the test image into the network model for prediction so as to obtain target information of the test image. The present invention has little error and is conducive to obtaining good performance.
(FR) La présente invention concerne un système et un procédé de détection de flux de trafic en temps réel basés sur un réseau neuronal de fusion de caractéristiques de convolution fantôme. Le système comprend : un module de prétraitement de données, qui est utilisé pour extraire des trames d'une vidéo capturée afin d'obtenir un premier ensemble d'apprentissage, marquer une image cible dans le premier ensemble d'apprentissage pour former un deuxième ensemble d'apprentissage, puis générer un diagramme de densité de l'image cible au moyen d'un filtre gaussien de façon à former un troisième ensemble d'apprentissage; un module d'apprentissage de réseau, qui entraîne un réseau au moyen du troisième ensemble d'apprentissage pour obtenir un modèle de réseau, un réseau comprenant une pluralité de couches de convolution fantôme; et un module de prédiction d'informations cibles, qui extrait des trames de la vidéo capturée pour servir d'image de test et entre l'image de test dans le modèle de réseau pour une prédiction de façon à obtenir des informations cibles de l'image de test. La présente invention présente une faible erreur et permet d'obtenir de bonnes performances.
(ZH) 本发明涉及一种基于Ghost卷积特征融合神经网络实时车流量检测系统及方法,包括:数据预处理模块,用于从拍摄的视频中进行抽帧,得到第一训练集,对所述第一训练集中的目标图像进行标记形成第二训练集,再利用高斯滤波器生成目标图像的密度图,形成第三训练集;网络训练模块,通过所述第三训练集对网络进行训练得到网络模型,其中所述网络包括多个Ghost卷积层;目标信息预测模块,从拍摄的视频中进行抽帧,作为测试图像,将所述测试图像输入至所述网络模型中进行预测,得到测试图像的目标信息。本发明误差小,有利于获得良好的性能。
Related patent documents
Latest bibliographic data on file with the International Bureau