-
题名基于图像场景分类和包络线提取的桥梁重车识别
- 1
-
-
作者
颜永逸
林俊平
高珂
翁顺
赵丹阳
张景琪
-
机构
华中科技大学土木与水利工程学院
中铁第四勘察设计院集团有限公司
华中科技大学控制结构湖北省重点实验室
-
出处
《湖南大学学报(自然科学版)》
北大核心
2025年第3期73-81,共9页
-
基金
国家重点研发计划资助项目(2023YFC3805705,2021YFF0501001)
国家自然科学基金资助项目(52308315,51922046)
+2 种基金
中国博士后科学基金资助项目(2023M731206)
华中科技大学交叉研究支持计划资助项目(2023JCYJ014)
中铁第四勘察设计院研究项目(KY2023014S,KY2023126S)。
-
文摘
城市桥梁上的车辆超重荷载是引起桥梁性能劣化和损伤的主要原因之一,传统的运动目标检测算法存在因监控摄像头抖动导致检测精度下降的问题.本文提出一种基于图像最大结构相似度的重车识别方法.基于时域中值法建立桥梁视场背景模型,对待检测图片与背景模型进行分块.通过在对应分块附近搜索最大结构相似度,将该参数作为前景/背景分类依据来降低相机抖动的影响,采用快速傅里叶变换算法提高最大结构相似度的搜索速度.基于长方体外轮廓拟合检测车辆外包络线,提取车辆长宽高特征参数,并设置多组阈值进行重车检测.采用某高架桥监测视频验证方法有效性,结果表明在相机抖动明显情况下,提出的方法仍能较准确地识别重车.
-
关键词
结构健康监测
桥梁
运动目标检测
重车识别
-
Keywords
structural health monitoring
bridges
moving target detection
heavy vehicle identification
-
分类号
U446.2
[建筑科学—桥梁与隧道工程]
-
-
题名基于斜拉桥索力监测的在线车速车重识别
被引量：5
- 2
-
-
作者
孙宗光
陈一飞
-
机构
大连海事大学交通运输工程学院
大连交通大学交通运输工程学院
-
出处
《振动与冲击》
EI
CSCD
北大核心
2020年第17期134-141,149,共9页
-
基金
国家自然科学基金资助项目(51178070)
中央高校基本科研业务费专项资金资助(3132014326,3132016216)。
-
文摘
为充分发挥监测系统的应有作用,实现大型桥梁车辆荷载识别,将桥梁动态称重(B-WIM)技术与健康监测系统(HMS)相结合,研究基于HMS的B-WIM的相关理论与方法。依托斜拉桥及其HMS实际工程,选取被监测的运营索力为观测参数,通过索力时程特征分析和神经网络方法识别车速和车重;首先采用小波和EMD分解方法对运营索力进行处理和解析,将索力的车辆响应分量与恒载、温度响应以及随机干扰部分分离,进而通过单索力车辆响应峰值锐度对车速预估,再通过多索力车辆响应峰值的匹配解算车速;然后,面向多索力响应构建车重识别的BP网络模型,基于相似公路车速车重联合分布模型构建车队样本进行车桥耦合分析,提取索力响应建立了2916组数据样本用于网络的训练和检验,实现了较高精度的车重识别网络训练;最后,采用实际斜拉桥连续24 h索力监测数据,将上述车速车重识别方法在实际工程进行了应用和检验,共识别出车重50 kN以上的车辆463辆。通过对识别结果的统计分析表明,识别的车速、车重分布以及二者的联合分布较好的符合实际。斜拉索具有全桥空间广泛分布的特点,索力也是监测系统的必测响应并对车辆具有良好的敏感性,以索力为观测参数实现车重车速的识别是可行的,并该方法的数据处理与车辆识别过程易于实现在线和自动化。
-
关键词
桥梁健康监测
车速车重识别
监测索力
神经网络
斜拉桥
-
Keywords
bridge health monitoring
vehicle speed and weight recognition
cable force monitoring
neural network
cable-stayed bridge
-
分类号
U442.51
[建筑科学—桥梁与隧道工程]
-
-
题名基于卷积神经网络的煤炭运载车辆识别
被引量：6
- 3
-
-
作者
马传香
汪炀杰
王旭
-
机构
湖北大学计算机与信息工程学院
湖北省教育信息化工程研究中心
-
出处
《计算机科学》
CSCD
北大核心
2020年第S02期219-223,共5页
-
基金
湖北省自然科学基金(2019CFB757)。
-
文摘
为了杜绝或避免矿产品资源如煤炭、砂石矿等行业因不开票而导致偷税漏税现象的发生,利用深度卷积神经网络自动识别空车重车是一种有效途径。本文在AlexNet模型基础上,针对空车重车图像的差异性,提出5种改进思路,最终得到一种基于maxout+dropout的6层卷积神经网络的结构。对34220张空车重车图片的测试结果表明,模型在准确度、敏感度、特异性、精度等方面都取得了良好的效果。此外,模型还具有高度的鲁棒性,可以成功识别大量不同角度和不同场景的空车重车图像。
-
关键词
空车重车识别
深度学习
卷积神经网络
AlexNet
maxout
-
Keywords
Empty car and loaded car identification
Deep learning
CNN
AlexNet
maxout
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
