RU2017109658A - Обнаружение дождя на основе машинного зрения с использованием глубокого обучения - Google Patents

Обнаружение дождя на основе машинного зрения с использованием глубокого обучения Download PDF

Info

Publication number
RU2017109658A
RU2017109658A RU2017109658A RU2017109658A RU2017109658A RU 2017109658 A RU2017109658 A RU 2017109658A RU 2017109658 A RU2017109658 A RU 2017109658A RU 2017109658 A RU2017109658 A RU 2017109658A RU 2017109658 A RU2017109658 A RU 2017109658A
Authority
RU
Russia
Prior art keywords
vehicle
rain
images
neural network
artificial neural
Prior art date
Application number
RU2017109658A
Other languages
English (en)
Inventor
Джинеш Дж. ДЖАИН
Харпритсингх БАНВЭЙТ
Эшли Элизабет МИКС
МУРАЛИ Видия НАРИЯМБУТ
Original Assignee
ФОРД ГЛОУБАЛ ТЕКНОЛОДЖИЗ, ЭлЭлСи
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ФОРД ГЛОУБАЛ ТЕКНОЛОДЖИЗ, ЭлЭлСи filed Critical ФОРД ГЛОУБАЛ ТЕКНОЛОДЖИЗ, ЭлЭлСи
Publication of RU2017109658A publication Critical patent/RU2017109658A/ru

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G06V10/449—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters
    • G06V10/451—Biologically inspired filters, e.g. difference of Gaussians [DoG] or Gabor filters with interaction between the filter responses, e.g. cortical complex cells
    • G06V10/454—Integrating the filters into a hierarchical structure, e.g. convolutional neural networks [CNN]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
    • B60S1/00—Cleaning of vehicles
    • B60S1/02—Cleaning windscreens, windows or optical devices
    • B60S1/04—Wipers or the like, e.g. scrapers
    • B60S1/06—Wipers or the like, e.g. scrapers characterised by the drive
    • B60S1/08—Wipers or the like, e.g. scrapers characterised by the drive electrically driven
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
    • B60S1/00—Cleaning of vehicles
    • B60S1/02—Cleaning windscreens, windows or optical devices
    • B60S1/04—Wipers or the like, e.g. scrapers
    • B60S1/06—Wipers or the like, e.g. scrapers characterised by the drive
    • B60S1/08—Wipers or the like, e.g. scrapers characterised by the drive electrically driven
    • B60S1/0803—Intermittent control circuits
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
    • B60S1/00—Cleaning of vehicles
    • B60S1/02—Cleaning windscreens, windows or optical devices
    • B60S1/04—Wipers or the like, e.g. scrapers
    • B60S1/06—Wipers or the like, e.g. scrapers characterised by the drive
    • B60S1/08—Wipers or the like, e.g. scrapers characterised by the drive electrically driven
    • B60S1/0818—Wipers or the like, e.g. scrapers characterised by the drive electrically driven including control systems responsive to external conditions, e.g. by detection of moisture, dirt or the like
    • B60S1/0822—Wipers or the like, e.g. scrapers characterised by the drive electrically driven including control systems responsive to external conditions, e.g. by detection of moisture, dirt or the like characterized by the arrangement or type of detection means
    • B60S1/0833—Optical rain sensor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60S—SERVICING, CLEANING, REPAIRING, SUPPORTING, LIFTING, OR MANOEUVRING OF VEHICLES, NOT OTHERWISE PROVIDED FOR
    • B60S1/00—Cleaning of vehicles
    • B60S1/02—Cleaning windscreens, windows or optical devices
    • B60S1/04—Wipers or the like, e.g. scrapers
    • B60S1/06—Wipers or the like, e.g. scrapers characterised by the drive
    • B60S1/08—Wipers or the like, e.g. scrapers characterised by the drive electrically driven
    • B60S1/0818—Wipers or the like, e.g. scrapers characterised by the drive electrically driven including control systems responsive to external conditions, e.g. by detection of moisture, dirt or the like
    • B60S1/0822—Wipers or the like, e.g. scrapers characterised by the drive electrically driven including control systems responsive to external conditions, e.g. by detection of moisture, dirt or the like characterized by the arrangement or type of detection means
    • B60S1/0833—Optical rain sensor
    • B60S1/0844—Optical rain sensor including a camera
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24143—Distances to neighbourhood prototypes, e.g. restricted Coulomb energy networks [RCEN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
    • G06V30/19173—Classification techniques

Claims (34)

1. Способ, содержащий этапы, на которых:
получают множество изображений, каждое из которых известно как фотографически изображающее состояние «дождь» или «отсутствие дождя»;
обучают искусственную нейронную сеть на основе множества изображений;
анализируют посредством искусственной нейронной сети после обучения одно или более изображений, захваченных первой камерой; и
классифицируют посредством искусственной нейронной сети на основе анализа первую камеру как находящуюся в погодных условиях «дождь» или «отсутствие дождя».
2. Способ по п. 1, в котором множество изображений захвачено одной или более камерами на борту одного или более транспортных средств.
3. Способ по п. 1, в котором первая камера находится на борту первого транспортного средства.
4. Способ по п. 3, в котором анализ происходит на борту первого транспортного средства.
5. Способ по п. 4, в котором классификация происходит на борту первого транспортного средства.
6. Способ по п. 3, в котором обучение происходит за пределами первого транспортного средства.
7. Способ по п. 3, в котором обучение происходит при работе искусственной нейронной сети на внешнем компьютерном аппаратном обеспечении, расположенном удаленно относительно первого транспортного средства.
8. Способ по п. 3, в котором анализ и классификация происходят при работе искусственной нейронной сети на бортовом компьютерном аппаратном обеспечении, установленном на борту первого транспортного средства.
9. Способ по п. 1, в котором первая камера прикреплена к первому транспортному средству и ориентирована так, чтобы быть обращенной вперед.
10. Способ по п. 1, в котором первая камера прикреплена к первому транспортному средству и ориентирована так, чтобы быть обращенной назад.
11. Способ по п. 1, в котором одно или более изображений содержат множество последовательных изображений, захваченных первой камерой в течение периода менее десяти секунд.
12. Способ, содержащий этапы, на которых:
получают множество изображений, захваченных одной или более камерами на борту одного или более транспортных средств, причем каждое изображение из множества изображений известно как фотографически изображающее состояние «дождь» или «отсутствие дождя»;
используют множество изображений для обучения искусственной нейронной сети установлению различия между фотографическими данными, соответствующими состоянию дождя, и фотографическими данными, соответствующими состоянию отсутствия дождя;
анализируют посредством искусственной нейронной сети после использования одно или более изображений, захваченных первой камерой, прикрепленной к первому транспортному средству; и
классифицируют посредством искусственной нейронной сети на основе анализа первое транспортное средство как находящееся в погодных условиях «дождь» или «отсутствие дождя».
13. Способ по п. 12, в котором анализ и классификация происходят при работе искусственной нейронной сети на бортовом компьютерном аппаратном обеспечении, установленном на борту первого транспортного средства.
14. Способ по п. 12, дополнительно содержащий этап, на котором захватывают первой камерой одно или более изображений.
15. Способ по п. 14, в котором анализ и классификация происходят в режиме реального времени при захвате.
16. Способ по п. 15, в котором анализ и классификация происходят менее чем за десять секунд после захвата.
17. Способ по п. 12, в котором использование происходит при работе искусственной нейронной сети на внешнем компьютерном аппаратном обеспечении, расположенном удаленно относительно первого транспортного средства.
18. Способ по п. 12, в котором одно или более изображений содержат множество последовательных изображений, захваченных первой камерой в течение периода менее десяти секунд.
19. Компьютерная система, содержащая:
один или более процессоров;
память, функционально связанную с одним или более процессорами;
причем память хранит:
искусственную нейронную сеть, обученную на основе множества изображений, захваченных одной или более камерами на борту одного или более транспортных средств, установлению различия между изображениями, соответствующими состоянию «дождь», и изображениями, соответствующими состоянию «отсутствие дождя»;
одно или более изображений, захваченных первой камерой, прикрепленной к первому транспортному средству; и
программное обеспечение, запрограммированное с возможностью подачи одного или более изображений в искусственную нейронную сеть для классификации.
20. Компьютерная система по п. 19, в которой память дополнительно хранит модуль управления, запрограммированный с возможностью изменения функциональной характеристики первого транспортного средства при определении искусственной нейронной сетью, что первое транспортное средство перешло из состояния отсутствия дождя в состояние дождя.
RU2017109658A 2016-04-11 2017-03-23 Обнаружение дождя на основе машинного зрения с использованием глубокого обучения RU2017109658A (ru)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/095,876 2016-04-11
US15/095,876 US10049284B2 (en) 2016-04-11 2016-04-11 Vision-based rain detection using deep learning

Publications (1)

Publication Number Publication Date
RU2017109658A true RU2017109658A (ru) 2018-09-24

Family

ID=58688403

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2017109658A RU2017109658A (ru) 2016-04-11 2017-03-23 Обнаружение дождя на основе машинного зрения с использованием глубокого обучения

Country Status (6)

Country Link
US (1) US10049284B2 (ru)
CN (1) CN107292386B (ru)
DE (1) DE102017107264A1 (ru)
GB (1) GB2551001A (ru)
MX (1) MX2017004705A (ru)
RU (1) RU2017109658A (ru)

Families Citing this family (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10521677B2 (en) * 2016-07-14 2019-12-31 Ford Global Technologies, Llc Virtual sensor-data-generation system and method supporting development of vision-based rain-detection algorithms
US10528850B2 (en) * 2016-11-02 2020-01-07 Ford Global Technologies, Llc Object classification adjustment based on vehicle communication
WO2018200541A1 (en) * 2017-04-24 2018-11-01 Carnegie Mellon University Virtual sensor system
US10282827B2 (en) * 2017-08-10 2019-05-07 Wipro Limited Method and system for removal of rain streak distortion from a video
DE102017217072B4 (de) * 2017-09-26 2023-08-31 Volkswagen Aktiengesellschaft Verfahren zum Erkennen eines Witterungsverhältnisses in einer Umgebung eines Kraftfahrzeugs sowie Steuervorrichtung und Kraftfahrzeug
CN107909070A (zh) * 2017-11-24 2018-04-13 天津英田视讯科技有限公司 一种道路积水检测的方法
CN107933508B (zh) * 2017-11-26 2020-09-25 瑞安市久智电子商务有限公司 一种雨刷智能启动系统
CN107933507B (zh) * 2017-11-26 2019-10-15 江苏绿能汽配科技有限公司 一种智能雨刷启动方法
WO2019127085A1 (en) * 2017-12-27 2019-07-04 Volkswagen (China) Investment Co., Ltd. Processing method, processing apparatus, control device and cloud server
US11328210B2 (en) 2017-12-29 2022-05-10 Micron Technology, Inc. Self-learning in distributed architecture for enhancing artificial neural network
US10889267B2 (en) * 2018-03-05 2021-01-12 Tesla, Inc. Electromagnetic windshield wiper system
CN108375808A (zh) * 2018-03-12 2018-08-07 南京恩瑞特实业有限公司 Nriet基于机器学习的大雾预报方法
US10522038B2 (en) 2018-04-19 2019-12-31 Micron Technology, Inc. Systems and methods for automatically warning nearby vehicles of potential hazards
EP3629240B1 (en) 2018-09-07 2023-08-23 Panasonic Intellectual Property Corporation of America Generative adversarial networks for local noise removal from an image
EP3850539A2 (en) * 2018-09-13 2021-07-21 NVIDIA Corporation Deep neural network processing for sensor blindness detection in autonomous machine applications
WO2020112213A2 (en) * 2018-09-13 2020-06-04 Nvidia Corporation Deep neural network processing for sensor blindness detection in autonomous machine applications
CN109519077B (zh) * 2018-09-28 2020-06-16 天津大学 一种基于图像处理对雨水进行检测的车窗控制系统
DE102018126825A1 (de) * 2018-10-26 2020-04-30 Bayerische Motoren Werke Aktiengesellschaft Steuerung eines Kraftfahrzeugs
CN109858369A (zh) * 2018-12-29 2019-06-07 百度在线网络技术（北京）有限公司 自动驾驶方法和装置
US11410475B2 (en) 2019-01-31 2022-08-09 Micron Technology, Inc. Autonomous vehicle data recorders
US11373466B2 (en) 2019-01-31 2022-06-28 Micron Technology, Inc. Data recorders of autonomous vehicles
CN109849851B (zh) * 2019-03-21 2021-02-02 中国联合网络通信集团有限公司 雨刮器控制方法及系统
CN109927675B (zh) * 2019-04-09 2022-02-08 深圳创维汽车智能有限公司 一种雨刷控制方法、装置、设备及存储介质
CN110084218A (zh) * 2019-05-06 2019-08-02 广州小鹏汽车科技有限公司 车辆的雨水分布数据处理方法和装置
CN110163184A (zh) * 2019-05-31 2019-08-23 智宇科技股份有限公司 智能化视频监控系统及方法
WO2021017445A1 (zh) * 2019-07-31 2021-02-04 浙江大学 一种针对雨天图片的卷积神经网络降雨强度分类方法及量化方法
US11392796B2 (en) 2019-08-20 2022-07-19 Micron Technology, Inc. Feature dictionary for bandwidth enhancement
US11755884B2 (en) 2019-08-20 2023-09-12 Micron Technology, Inc. Distributed machine learning with privacy protection
US11636334B2 (en) 2019-08-20 2023-04-25 Micron Technology, Inc. Machine learning with feature obfuscation
CN110562202B (zh) * 2019-09-19 2021-07-13 广州小鹏汽车科技有限公司 雨刮器的控制方法、控制装置和车辆
CN110562201A (zh) * 2019-09-19 2019-12-13 广州小鹏汽车科技有限公司 雨刮器的控制方法、控制装置和车辆
DE102019130922A1 (de) * 2019-11-15 2021-05-20 Bayerische Motoren Werke Aktiengesellschaft System und Verfahren für ein Fahrzeug
US11961335B1 (en) 2020-06-26 2024-04-16 Harris County Toll Road Authority Dual mode electronic toll road system
CN112380930B (zh) * 2020-10-30 2022-04-29 浙江预策科技有限公司 一种雨天识别方法和系统
CN113673361A (zh) * 2021-07-28 2021-11-19 东风汽车集团股份有限公司 一种雨雾识别方法、清扫系统和计算机可读存储介质

Family Cites Families (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7660437B2 (en) * 1992-05-05 2010-02-09 Automotive Technologies International, Inc. Neural network systems for vehicles
FR2693557B1 (fr) * 1992-07-09 1994-09-30 Rhea Procédé et dispositif pour l'évaluation des précipitations sur une zone de terrain.
US5453676A (en) * 1994-09-30 1995-09-26 Itt Automotive Electrical Systems, Inc. Trainable drive system for a windshield wiper
JPH09240433A (ja) * 1996-03-08 1997-09-16 Yazaki Corp ワイパー制御装置
JPH10239452A (ja) * 1997-02-27 1998-09-11 Nippon Telegr & Teleph Corp <Ntt> 降雨降雪予測装置
US5923027A (en) * 1997-09-16 1999-07-13 Gentex Corporation Moisture sensor and windshield fog detector using an image sensor
US6690268B2 (en) * 2000-03-02 2004-02-10 Donnelly Corporation Video mirror systems incorporating an accessory module
CN101023407A (zh) * 2002-08-21 2007-08-22 金泰克斯公司 自动车辆外部照明控制的图像采集和处理方法
JP4353127B2 (ja) 2005-04-11 2009-10-28 株式会社デンソー レインセンサ
WO2008117392A1 (ja) * 2007-03-26 2008-10-02 Vpec, Inc. 電力システム
CN101470900B (zh) * 2007-12-25 2011-05-25 东风汽车有限公司 车用智能控制方法及装置
DE102008062977A1 (de) * 2008-12-23 2010-06-24 Adc Automotive Distance Control Systems Gmbh Optisches Modul mit multifokaler Optik zur Erfassung von Fern- und Nahbereich in einem Bild
WO2010084521A1 (ja) 2009-01-20 2010-07-29 本田技研工業株式会社 ウインドシールド上の雨滴を同定するための方法及び装置
CN101751782A (zh) * 2009-12-30 2010-06-23 北京大学深圳研究生院 一种基于多源信息融合的十字路口交通事件自动检测系统
KR20120064474A (ko) 2010-12-09 2012-06-19 엘지이노텍 주식회사 카메라 모듈을 이용한 우적 감지 장치 및 방법
GB201104168D0 (en) * 2011-03-11 2011-04-27 Life On Show Ltd Information capture system
FR2976866B1 (fr) * 2011-06-27 2013-07-05 Peugeot Citroen Automobiles Sa Procede d'aide a la conduite d'un vehicule
US20150015711A1 (en) 2011-09-07 2015-01-15 Valeo Schalter Und Sensoren Gmbh Method and camera assembly for detecting raindrops on a windscreen of a vehicle
EP2754123B1 (en) 2011-09-07 2016-07-27 Valeo Schalter und Sensoren GmbH Method and camera assembly for detecting raindrops on a windscreen of a vehicle
TWI478834B (zh) * 2012-04-13 2015-04-01 Pixart Imaging Inc 雨刷控制裝置、光學雨滴偵測裝置及其偵測方法
US8824742B2 (en) * 2012-06-19 2014-09-02 Xerox Corporation Occupancy detection for managed lane enforcement based on localization and classification of windshield images
CN102722989B (zh) * 2012-06-29 2014-05-07 山东交通学院 基于模糊神经网络的高速公路微气象交通预警方法
DE102012215287A1 (de) 2012-08-29 2014-05-28 Bayerische Motoren Werke Aktiengesellschaft Verfahren zum Betreiben eines Fahrzeugs
CN103150903B (zh) * 2013-02-07 2014-10-29 中国科学院自动化研究所 一种自适应学习的视频车辆检测方法
JP2014160031A (ja) * 2013-02-20 2014-09-04 Aisin Aw Co Ltd 走行案内システム、走行案内方法及びコンピュータプログラム
US9045112B2 (en) 2013-03-15 2015-06-02 Honda Motor Co., Ltd. Adjustable rain sensor setting based on proximity vehicle detection
CN103543638B (zh) * 2013-10-10 2015-10-21 山东神戎电子股份有限公司 一种自动雨刷控制方法
KR101528518B1 (ko) * 2013-11-08 2015-06-12 현대자동차주식회사 차량 및 그 제어방법
US9335178B2 (en) * 2014-01-28 2016-05-10 GM Global Technology Operations LLC Method for using street level images to enhance automated driving mode for vehicle
DE102014207994A1 (de) 2014-04-29 2015-10-29 Conti Temic Microelectronic Gmbh Vorrichtung zum Erkennen von Niederschlag für ein Kraftfahrzeug
US9443142B2 (en) * 2014-07-24 2016-09-13 Exelis, Inc. Vision-based system for dynamic weather detection
CN104268638A (zh) * 2014-09-11 2015-01-07 广州市香港科大霍英东研究院 一种基于elman神经网络的光伏发电系统功率预测方法
CN104463196B (zh) * 2014-11-11 2017-07-25 中国人民解放军理工大学 一种基于视频的天气现象识别方法
CN104477132A (zh) * 2015-01-02 2015-04-01 江苏新瑞峰信息科技有限公司 一种汽车自动雨刮控制系统
US9465987B1 (en) * 2015-03-17 2016-10-11 Exelis, Inc. Monitoring and detecting weather conditions based on images acquired from image sensor aboard mobile platforms
CN204821319U (zh) * 2015-08-04 2015-12-02 内蒙古麦酷智能车技术有限公司 一种无人驾驶汽车雨雪天自适应系统
CN105196910B (zh) * 2015-09-15 2018-06-26 浙江吉利汽车研究院有限公司 一种雨雾天气下的安全驾驶辅助系统及其控制方法
JP6565619B2 (ja) * 2015-11-11 2019-08-28 株式会社デンソー 雨滴検出装置、車両ワイパ装置及び雨滴検出方法

Also Published As

Publication number Publication date
US20170293808A1 (en) 2017-10-12
CN107292386A (zh) 2017-10-24
MX2017004705A (es) 2018-08-16
CN107292386B (zh) 2022-11-15
GB201704559D0 (en) 2017-05-03
US10049284B2 (en) 2018-08-14
GB2551001A (en) 2017-12-06
DE102017107264A1 (de) 2017-10-12

Similar Documents

Publication Publication Date Title
RU2017109658A (ru) Обнаружение дождя на основе машинного зрения с использованием глубокого обучения
RU2017121567A (ru) Аппарат и способы обнаружения полос движения
US11195038B2 (en) Device and a method for extracting dynamic information on a scene using a convolutional neural network
CN108447091B (zh) 目标定位方法、装置、电子设备及存储介质
US10325165B2 (en) Vision-based on-street parked vehicle detection via normalized-view classifiers and temporal filtering
CN109040709B (zh) 视频监控方法及装置、监控服务器及视频监控系统
CN107305627B (zh) 一种车辆视频监控方法、服务器及系统
Cutter et al. Automated detection of rockfish in unconstrained underwater videos using haar cascades and a new image dataset: Labeled fishes in the wild
US8971581B2 (en) Methods and system for automated in-field hierarchical training of a vehicle detection system
CN107014827B (zh) 基于影像处理的输电线路缺陷分析方法、装置和系统
MX2020009505A (es) Sistemas y métodos para la recolección coordinada de datos de imagen de nivel de calle.
US10635936B2 (en) Method and system for training a neural network to classify objects or events
US9652851B2 (en) Side window detection in near-infrared images utilizing machine learning
CN105844659B (zh) 运动部件的跟踪方法和装置
RU2013123021A (ru) Способ фильтрации изображений целевого объекта в роботехнической системе
US20210406604A1 (en) Training of an object recognition neural network
WO2009100058A3 (en) Object detection and recognition system
DE102014002134A1 (de) Vorrichtung zur Erkennung einer Beleuchtungsumgebung eines Fahrzeugs und Steuerungsverfahren davon
RU2015106690A (ru) Устройство обнаружения капель воды и устройство обнаружения трехмерных объектов с использованием устройства обнаружения капель воды
Nodado et al. Intelligent traffic light system using computer vision with android monitoring and control
US11804026B2 (en) Device and a method for processing data sequences using a convolutional neural network
WO2021020866A9 (ko) 원격 모니터링을 위한 영상 분석 시스템 및 방법
JP2022008187A5 (ru)
CN109218587A (zh) 一种基于双目摄像头的图像采集方法及系统
Song et al. A low false negative filter for detecting rare bird species from short video segments using a probable observation data set-based EKF method

Legal Events

Date Code Title Description
FA93 Acknowledgement of application withdrawn (no request for examination)

Effective date: 20200324