基于大型卷积核模型和自监督预训练的路面质量分析方法

交通行业围绕加快建设交通强国总体目标,努力打造安全便捷、智慧绿色、经济高效的道路网,全面提升公路运行效率和服务水平,实现路网更高质量、更高效率、更好水平的发展。大数据时代,建造企业需要通过智能化、自动化、数据化的技术手段实现降本增效。针对全自动化路面质量评估和分析的实际场景需求,提出了基于大型卷积核模型和自监督预训练的路面质量分析方法,采集了一个大型的路面病害分割数据集。在路面病害识别阶段,提出了基于重参数化大型卷积核的U型网络结构,实现像素级别的高精度路面病害识别,使用图像修补作为模型的自监督预训练代理任务,针对全卷积编码器和全卷积解码器构建了自监督预训练框架,实现了高精度的模型预训练方法,进而实现了高精度的智能路面病害识别,为智能化路面质量评估和质量管理提供理论和决策依据。

嵌入式系统中实时行人检测方法

随着计算机技术的不断发展,智能自动化的人数检测系统不断产生.人数检测对于企业或机构的信息化管理至关重要.传统人数检测方法因为肢体遮挡以及光照变化导致准确率较低.提出了针对人头特征的垂直检测方法,该特征可以保证在人流密度大的情况下无法被遮挡.该方法首先提取前景图像的梯度方向直方图特征,并通过SVM检测人头目标,利用头部的颜色特征,在相邻帧中使用MeanShift算法跟踪人头目标.根据人头目标轨迹进行过线检测,算法在嵌入式系统上进行了应用与测试,实验表明算法有较好的实时性与准确率.