本发明公开了一种基于固定式与移动式车辆检测数据的数据与信息融合方法，包括将交通运输系统系统分解成若干个输入与输出子系统，获取各个子系统的多源检测器数据；使用历史交通数据集对所获取的数据进行校准；建立组合优化模型；据组合优化模型寻求上下游固定检测数据的最可能的匹配，将被标定的固定检测数据直接逐一匹配；利用基于人工智能的启发式禁忌搜索算法，对未被标定的固定检测数据进行逐一匹配。

CN105279380B 一种基于表情分析的抑郁程度自动评估系统CN201310089195 一种基于车灯识别的夜间车辆检测方法及系统。

一、项目简介 水下目标检测与识别，是水下机器人等相关系统能够被高效应用的前提。然而现有系统难以应对水下图像能见度较低，对比度差，存在颜色漂移和边缘模糊等问题；另外，水下图像样本稀少且缺乏足够的变化性，使得相关基于机器学习的目标检测与识别系统由于缺乏训练样本而无法有效应用。 二、前期研究基础 项目利用深度学习等新的理论突破，提出两种解决方案，一种是通过结合水下成像原理与深度风格迁移、生成对抗网络等算法，由普通光学图像生成水下图像，构建水下图像目标检测与识别仿真库，该数据库一方面数据量大且具有较大的变化性，也即场景与目标均具有较大的变化性；另一方面，由于是由普通光学图像迁移获得，因而也可以直接应用普通光学图像自身的标签信息，无需再对其进行标注。另一种是研究基于水下退化图像处理算法的检测和识别系统，解决由水下图像的色彩漂移和细节丢失等退化现象带来的目标检测和识别问题。同时通过水下退化图像处理模块和检测识别系统的联合优化技术，可以实现退化图像的增强方法与检测识别系统的最佳匹配。在保证处理后的退化图像性能指标的前提下，进一步提升水下图像的目标检测识别性能。 三、应用技术成果 1）基于深度学习风格迁移的水下图像生成效果示例 a为自然场景图像中的目标检测结果；b为模拟生成的水下风格图像及其目标检测结果；c为图像增强后的目标检测结果。 四、合作企业 无

成果与项目的背景及主要用途：智能交通在国民经济可持续发展中的作用已 不言而喻。在车辆牌照中嵌入射频识别卡（Radio Frequency Identification，RFID）， 结合由所有路口和主要路段地下铺设的读卡器、手持终端、监控中心构成车辆交 通监控系统，可以实现一个城市（地区）的完整、严密的交通管理，大幅度提高 道路交通的效率，并具有以下有突出的效果：（1）统计该路口的交通流量及其时间、车型分布，为正确引导和调度车辆 行驶、道路改造提供依据。 （2）追踪被盗车辆和特定车辆。 （3）跟踪肇事逃逸车辆。 （4）跟踪报废车辆和逃避规费的车辆。 （5）跟踪套牌、伪造（RFID）车牌车辆。 （6）配合车辆传感器、摄像头和专用 PDA，可以准确甄别无合法 RFID 车牌 的车辆。 （7）对在路口的车辆交通违章可以实现自动判断、自动记录和自动通知相 关人员等功能。 （8）统计车辆运行的种类、时刻与时间等，为社会发展提供宝贵的基本数 据。 （9）为各种智能交通子系统提供基础条件。如在此系统的基础上可以建立： （一）城市道路交通控制与管理系统及其子系统：(a)静态交通管理及停车诱 导系统；(b)城市道路停车收费管理系统；(c)公共交通自动监控及通信调度系统； (d)城市交通一卡通智能支付、结算系统。 （二）城市交通综合管理系统 （三）城市对外交通综合管理系统及其子系统：(a)不停车收费系统；(b)出 入口交通信息采集系统。 技术原理与工艺流程简介：系统构成如图所示。技术水平及专利与获奖情况：该机采用了当今最先进的 RFID(射频识别卡)、 微处理器技术和网络技术。已申请国家发明专利：基于射频识别的车辆交通监控天津大学科技成果选编 89 系统（专利申请号：200510013229.X）。并正在申请国际专利。 应用前景分析及效益预测：基于 RFID 的车辆交通管理系统具有原始创新性， 该系统可望解决车辆交通中多数的管理问题，而且易于实施和低成本，具有重大 的社会效益和经济效益。 应用领域： 车辆交通管理。 技术转化条件（包括：原料、设备、厂房面积的要求及投资规模）：生产不 需特殊条件，但投资需要千万元以上。 合作方式及条件：专利许可（费用＝实施地车辆总数×5 元×年数）。 8 无源 RFID 定位系统 9 海洋物联网技术

一、项目简介 项目旨在解决现有目标检测、识别和跟踪系统易受雨天、雾天、沙尘、低光照、水下等恶劣成像环境的影响问题，使得相关目标检测、识别与跟踪系统可以全天候工作，最大程度克服相关视觉应用系统受天气和工作场景的影响的局限。 二、前期研究基础 课题组通过多年攻关，在相关核心技术方面有多项突破，提出多项拥有自主知识产权的针对恶劣成像环境下退化图像的质量提升方法。相关研究处于国内领先水平，已在包括IEEE Trans.Image Processing， CVPR，ICCV等计算机视觉国际顶级期刊和会议上发表论文17篇。授权发明专利5项，软件著作权1项。 三、应用技术成果 1)    雾天图像增强2)      水下图像增强 3)    雾天图像增强

1. 痛点问题 我们生活在一个真实的三维世界中，二维环境感知是远无法满足我们的实际需求。在诸如自动驾驶、机器人抓取和三维目标识别等应用中（如图1），我们经常需要推理三维空间中物体之间的位置关系，从而能够理解真实三维场景并做出进一步的决策行为。 图1 自动驾驶、视觉抓取、物体识别 2. 解决方案 本技术成果提出了一种三维视觉目标检测与识别方法。在三维视觉目标检测方面，提出了一种基于关系推理网络的单目三维物体检测方法，方法流程图如图2所示。方法提出了一种新的单目三维物体检测架构，训练了一个深度关系推理网络来估计三维候选和真实物体之间的空间位置关系，通过测量投影结果和真实物体之间的视觉拟合度来实现高精的三维空间定位。 图2 三维目标检测的流程图 在三维视觉目标识别方法，提出了一种基于球面分形卷积神经网络的三维点云识别技术，方法流程图如图3所示。方法通过引入球面分形结构，将原始三维点云通过可学习的神经网络投影到球面，使得卷积神经网络可以高效处理三维点云数据并进行特征特征，同时通过设计基于分形结构的层次化学习框架，提高了三维点云物体识别的精度，实现了对于三维点云目标在旋转条件下特征表示的鲁棒性。 合作需求 寻求在人工智能、智能机器人、智慧城市等领域有相关技术开发、市场推广经验，能推进本技术落地的高科技企业，可以进行深度合作。本技术成果有望在自动驾驶、虚拟现实等场景进行落地应用。

本项目面向交通管理行业，基于公共视频监控数据源，快速感知移动（运动）目标并在此基础上对车辆的异常行为进行识别（逆行、压线、违法掉头、违停、违法占道行驶等多种交通违法行为），同时能够记录移动轨迹，具体场景参照附件所提供的一组照片。该成果经过完善和产品（产业化）后，可以直接为城市交通管理提供技术支持。

成果完成年份：2010年7月 成果简介：本项目面向交通管理行业，基于公共视频监控数据源，快速感知移动（运动）目标并在此基础上对车辆的异常行为进行识别（逆行、压线、违法掉头、违停、违法占道行驶等多种交通违法行为），同时能够记录移动轨迹，具体场景参照附件所提供的一组照片。该成果经过完善和产品（产业化）后，可以直接为城市交通管理提供技术支持。 项目来源：自行开发 技术领域：信息技术 应用范围：城市交通管理 现状特点：国内领先