龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：微传智能科技(常州)有限公司
申请日：2024-03-28
公开（公告）日：2024-06-14
公开（公告）号：CN118196758A
主分类号：G06V20/58
分类号：G06V20/58;G06V10/764;G06V10/774;G06V10/30;G06V10/82
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明揭示了一种基于GoogLeNet卷积神经网络的地磁停车检测方法，所述检测方法包括：采集波形数据、构建数据集、预处理、搭建网络模型、训练网络模型、选取待检测图片和预测分类结果；首先采集大量不同车型、不同车速、不同车辆行为下的磁场强度波形数据，构建地磁停车波形数据集，并对数据集中的波形图进行预处理；然后搭建GoogLeNet卷积神经网络模型用于提取波形特征，并利用地磁停车波形数据集进行训练；最后选取待检测的地磁停车波形图进行测试，预测车辆行为类别；本发明提出的基于GoogLeNet卷积神经网络的地磁停车检测方法，利用GoogLeNet卷积神经网络对车辆行为进行分类，无需人工预选取便可自动提取地磁停车波形特征，并且不依赖于磁场基值；此外，本发明可以有效区分本位进出车和邻位进出车事件，在保证检测准确率的前提下，提升地磁停车检测的速度。
主权项：1.一种基于GoogLeNet卷积神经网络的地磁停车检测方法，其特征在于，所述检测方法包括：步骤S1、使用不同型别的车辆，分别以不同车速、不同行为方式驶入或驶出车位，采集地磁停车检测设备检测到的原始磁场强度信号，并对地磁停车波形数据进行均值滤波处理；步骤S2、对不同车辆行为下地磁停车波形图样本进行标记，构建地磁停车波形数据集；步骤S3、对所述地磁停车波形数据集的中样本图进行预处理；步骤S4、定义卷积神经网络即定义GoogLeNet的神经网络模型及其神经网络结构；步骤S5、将所述步骤S3预处理后的所述地磁停车波形数据集输入到所述步骤S4构建的所述GoogLeNet卷积神经网络模型中进行训练，调整所述GoogLeNet卷积神经网络模型参数；步骤S6、利用地磁停车检测设备获取磁场强度波形数据，以此作为待检测样本放入所述步骤S5训练好的所述GoogLeNet卷积神经网络模型中进行测试；步骤S7、输出分类结果，判断是否为本位进出车。
全文数据：
权利要求：
百度查询： 微传智能科技(常州)有限公司 一种基于GoogLeNet卷积神经网络的地磁停车检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号