公开(公告)号：CN115471491A

公开(公告)日：2022-12-13

申请号：CN202211213572.9

申请日：2022-09-30

Applicant: 中北大学 ,  太原青禾之道科技有限公司

Inventor： 蔡文涛 ,  李子圣 ,  韩建宁 ,  廉亚霖 ,  杨宇超 ,  杨凯 ,  周泓宇 ,  秦超 ,  毕效乾 ,  陈旭

IPC: G06T7/00 ,  G06T7/246 ,  G06T7/70 ,  G06N3/08 ,  G06V10/77

Abstract: 本发明公开一种基于多目标追踪的生猪健康状态判断方法及相关设备，所述方法包括：将采集到的有关待检测生猪的视频数据拆分为预设时长的视频序列后，进行预处理操作；将预处理后的视频序列输入到预先训练后逐的目帧标的检数测据模关型联中操；作，将得根到据输的检出测的数每据一输帧入检到测数De据ep中SO帧RT编号追、踪待模检型测后生进行猪ID号和对应ID号待检测生猪的位置信息，计算每一个待检测生猪的五类运动指标后组成五个第一数据矩阵；对第一数据矩阵进行降维处理后，将得到的第二数据矩阵输入到异常检测模型中，输出待检测生猪的异常健康状态，从而利用多目标追踪技术获取的五类运动指标等生猪运动信息，实现对于生猪异常健康进行检测。

公开(公告)号：CN115063447B

公开(公告)日：2024-12-03

申请号：CN202210639984.2

申请日：2022-06-08

Applicant: 中北大学

Inventor： 吴其洲 ,  李子圣 ,  张志慧 ,  杨凯 ,  毕效乾 ,  成书君 ,  秦超 ,  沈安杰 ,  崔扬帆 ,  周泓宇 ,  武家荣

IPC: G06T7/246 ,  G06T7/70 ,  G06V10/764 ,  G06V10/82 ,  G06T5/50 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开一种基于视频序列的目标动物运动追踪方法及相关设备，所述方法包括：抽取第一图像和双目摄像头拍摄到的第二图像后，作增强处理得到经过增强后的第三图像，再输入到优化后的YOLOv4‑Tiny模型中得到参数模型，对第二图像进行数据标注得到第一标注文件；将采集拍摄到的第四图像进行预处理后，输入到参数模型中得到检测框；将分别拍摄到的第四图像进行像素点匹配得到第五图像，并和检测框进行匹配，再将匹配成功的第五图像和检测框输入到改进后的Deep SORT算法模型中。通过优化YOLOv4‑Tiny训练模型，以便利用得到的参数模型共同输出目标物体的运动行为信息，实现保证分析精度时轻便化神经网络模型。

公开(公告)号：CN116187111A

公开(公告)日：2023-05-30

申请号：CN202310474773.2

申请日：2023-04-28

Applicant: 中北大学

Inventor： 韩建宁 ,  吴霁宇 ,  李子圣 ,  蔡文涛 ,  罗毅彤 ,  杨凯 ,  李扬 ,  成书君 ,  秦超 ,  周泓宇

IPC: G06F30/20 ,  G01N33/00 ,  G06F17/18

Abstract: 本发明公开了基于气体传感器的瓦斯浓度预测方法、系统、终端及介质，所述方法包括：获取多个原始瓦斯浓度，对同一时刻的原始瓦斯浓度进行自适应加权融合算法计算得到融合后的浓度估计值‑时间序列；对浓度估计值‑时间序列进行一阶处理构建浓度灰色预测模型，基于浓度灰色预测模型得到白化模型，对浓度估计值‑时间序列进行二阶处理构建ARIMA模型；分别将浓度估计值‑时间序列输入白化模型和ARIMA模型进行计算得到下一时刻的第一预测值和第二预测值，并对第一预测值和第二预测值进行加权平均求和得到下一时刻的最终瓦斯浓度预测值。本发明通过结合浓度灰色预测模型和ARIMA模型实现对瓦斯浓度精确的实时预测，且所需计算量较少。

公开(公告)号：CN116187111B

公开(公告)日：2023-07-11

申请号：CN202310474773.2

申请日：2023-04-28

Applicant: 中北大学

Inventor： 韩建宁 ,  吴霁宇 ,  李子圣 ,  蔡文涛 ,  罗毅彤 ,  杨凯 ,  李扬 ,  成书君 ,  秦超 ,  周泓宇

IPC: G06F30/20 ,  G01N33/00 ,  G06F17/18

Abstract: 本发明公开了基于气体传感器的瓦斯浓度预测方法、系统、终端及介质，所述方法包括：获取多个原始瓦斯浓度，对同一时刻的原始瓦斯浓度进行自适应加权融合算法计算得到融合后的浓度估计值‑时间序列；对浓度估计值‑时间序列进行一阶处理构建浓度灰色预测模型，基于浓度灰色预测模型得到白化模型，对浓度估计值‑时间序列进行二阶处理构建ARIMA模型；分别将浓度估计值‑时间序列输入白化模型和ARIMA模型进行计算得到下一时刻的第一预测值和第二预测值，并对第一预测值和第二预测值进行加权平均求和得到下一时刻的最终瓦斯浓度预测值。本发明通过结合浓度灰色预测模型和ARIMA模型实现对瓦斯浓度精确的实时预测，且所需计算量较少。

公开(公告)号：CN115063447A

公开(公告)日：2022-09-16

申请号：CN202210639984.2

申请日：2022-06-08

Applicant: 中北大学

Inventor： 吴其洲 ,  李子圣 ,  张志慧 ,  杨凯 ,  毕效乾 ,  成书君 ,  秦超 ,  沈安杰 ,  崔扬帆 ,  周泓宇 ,  武家荣

IPC: G06T7/246 ,  G06T7/70 ,  G06V10/764 ,  G06V10/82 ,  G06T5/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于视频序列的目标动物运动追踪方法及相关设备，所述方法包括：抽取第一图像和双目摄像头拍摄到的第二图像后，作增强处理得到经过增强后的第三图像，再输入到优化后的YOLOv4‑Tiny模型中得到参数模型，对第二图像进行数据标注得到第一标注文件；将采集拍摄到的第四图像进行预处理后，输入到参数模型中得到检测框；将分别拍摄到的第四图像进行像素点匹配得到第五图像，并和检测框进行匹配，再将匹配成功的第五图像和检测框输入到改进后的Deep SORT算法模型中。通过优化YOLOv4‑Tiny训练模型，以便利用得到的参数模型共同输出目标物体的运动行为信息，实现保证分析精度时轻便化神经网络模型。