-
公开(公告)号：CN114913438B
公开(公告)日：2024-10-11
申请号：CN202210313455.3
申请日：2022-03-28
Applicant: 南京邮电大学
IPC: G06V20/17 , G06V10/762 , G06V20/40
Abstract: 本发明公开了一种基于锚框最优聚类的YOLOv5园林异常目标识别方法，包括：采集园林垃圾样本图像，并对园林垃圾样本图像进行标注，构建园林垃圾图像数据集；利用改进的K‑means算法对园林垃圾图像数据集进行锚框聚类，得到最优的9个锚框；根据最优的9个锚框设置YOLOv5网络模型的锚框尺寸，并对YOLOv5网络模型进行训练，得到训练好的YOLOv5网络模型，利用训练好的YOLOv5网络模型实现园林垃圾识别。在智慧园林场景中，利用本发明的方法，可以将无人机拍摄的视频和图片信息中的粘连的垃圾精准的识别出来，提高了垃圾识别的召回率和准确率，大大减轻了园林中人力和物力的投入，减少了人工巡检的工作。
-
公开(公告)号：CN112232191B
公开(公告)日：2023-04-18
申请号：CN202011101287.9
申请日：2020-10-15
Applicant: 南京邮电大学
IPC: G06V40/16 , G06V10/62 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06T7/269
Abstract: 本发明公开了一种基于微表情分析的抑郁症识别系统。属于计算机视觉领域；具体步骤：1、训练深度多任务识别网络；2、对人脸的重要的局部区域进行划分，剔除与微表情无关的区域；3、训练自适应的双流神经网络，对微表情运动的开始帧、Apex帧、结束帧进行定位；4、根据在不同背景下对微表情的分析判断该人是否患有抑郁症。本发明以深度多任务神经网络为基础，对图像进行预处理，从而进行人脸重要局部区域划分，提高双流神经网络的识别速度，满足实时性的要求；并通基于注意力机制的BLSTM‑CNN神经网络提取重要的帧图片特征以及自适应融合双流神经网络提取到的双流特征提高微表情运动帧的定位，进而提高微表情识别的速度和准确性。
-
公开(公告)号：CN114821364A
公开(公告)日：2022-07-29
申请号：CN202210323197.7
申请日：2022-03-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于无人机运动状态的DeepSort园林垃圾统计方法，所述方法包括：1）针对模糊图像，判断模糊区域对目标垃圾的影响，预测下一帧预测框，减少垃圾的多检，提高统计的准确率。2）针对无人机采集数据时出现突然上升、下降、加速、减速情况，改进预测框与检测框的匹配方法，提高匹配的准确率，降低垃圾的多检率。在智慧园林场景中，利用本发明的技术方案，可实现对无人机拍摄的视频信息中的垃圾进行精准统计，大大减少了在园林管理中人力物力的投入，完善了园林管理系统和保洁人员的考核标准。
-
公开(公告)号：CN113361503B
公开(公告)日：2021-11-02
申请号：CN202110911289.2
申请日：2021-08-10
Applicant: 江苏久智环境科技服务有限公司 , 南京邮电大学
Abstract: 本发明公开一种基于无人机航拍的园林乔木数量智能检测方法及系统，所述方法具体包括：1）针对单幅图像信息，对乔木树冠粘连区域计算边缘概率，对粘连乔木树冠进行分解，提高乔木个数识别的准确率；2）对于视频信息，自适应确定两个不相关图像之间滑动窗的宽度（帧数），降低乔木重复率，通过识别滑动窗两端图像的乔木个数，得到统计区域的乔木数量。在智慧园林场景中，利用本发明的技术方案，可将无人机拍摄的视频信息中的乔木精准识别出来，并利用自适应滑动窗确定具体识别的图片，实现了乔木数量的准确统计，大大减轻了园林资产统计工作，提高了资产盘点的准确度。
-
公开(公告)号：CN113361503A
公开(公告)日：2021-09-07
申请号：CN202110911289.2
申请日：2021-08-10
Applicant: 江苏久智环境科技服务有限公司 , 南京邮电大学
Abstract: 本发明公开一种基于无人机航拍的园林乔木数量智能检测方法及系统，所述方法具体包括：1）针对单幅图像信息，对乔木树冠粘连区域计算边缘概率，对粘连乔木树冠进行分解，提高乔木个数识别的准确率；2）对于视频信息，自适应确定两个不相关图像之间滑动窗的宽度（帧数），降低乔木重复率，通过识别滑动窗两端图像的乔木个数，得到统计区域的乔木数量。在智慧园林场景中，利用本发明的技术方案，可将无人机拍摄的视频信息中的乔木精准识别出来，并利用自适应滑动窗确定具体识别的图片，实现了乔木数量的准确统计，大大减轻了园林资产统计工作，提高了资产盘点的准确度。
-
Patent Agency Ranking
公开(公告)号：CN114913438A
公开(公告)日：2022-08-16
申请号：CN202210313455.3
申请日：2022-03-28
Applicant: 南京邮电大学
IPC: G06V20/17 , G06V10/762 , G06V20/40
Abstract: 本发明公开了一种基于锚框最优聚类的YOLOv5园林异常目标识别方法，包括：采集园林垃圾样本图像，并对园林垃圾样本图像进行标注，构建园林垃圾图像数据集；利用改进的K‑means算法对园林垃圾图像数据集进行锚框聚类，得到最优的9个锚框；根据最优的9个锚框设置YOLOv5网络模型的锚框尺寸，并对YOLOv5网络模型进行训练，得到训练好的YOLOv5网络模型，利用训练好的YOLOv5网络模型实现园林垃圾识别。在智慧园林场景中，利用本发明的方法，可以将无人机拍摄的视频和图片信息中的粘连的垃圾精准的识别出来，提高了垃圾识别的召回率和准确率，大大减轻了园林中人力和物力的投入，减少了人工巡检的工作。
-
公开(公告)号：CN114821364B
公开(公告)日：2024-11-08
申请号：CN202210323197.7
申请日：2022-03-29
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于无人机运动状态的DeepSort园林垃圾统计方法，所述方法包括：1）针对模糊图像，判断模糊区域对目标垃圾的影响，预测下一帧预测框，减少垃圾的多检，提高统计的准确率。2）针对无人机采集数据时出现突然上升、下降、加速、减速情况，改进预测框与检测框的匹配方法，提高匹配的准确率，降低垃圾的多检率。在智慧园林场景中，利用本发明的技术方案，可实现对无人机拍摄的视频信息中的垃圾进行精准统计，大大减少了在园林管理中人力物力的投入，完善了园林管理系统和保洁人员的考核标准。
-
公开(公告)号：CN112232191A
公开(公告)日：2021-01-15
申请号：CN202011101287.9
申请日：2020-10-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于微表情分析的抑郁症识别系统。属于计算机视觉领域；具体步骤：1、训练深度多任务识别网络；2、对人脸的重要的局部区域进行划分，剔除与微表情无关的区域；3、训练自适应的双流神经网络，对微表情运动的开始帧、Apex帧、结束帧进行定位；4、根据在不同背景下对微表情的分析判断该人是否患有抑郁症。本发明以深度多任务神经网络为基础，对图像进行预处理，从而进行人脸重要局部区域划分，提高双流神经网络的识别速度，满足实时性的要求；并通基于注意力机制的BLSTM‑CNN神经网络提取重要的帧图片特征以及自适应融合双流神经网络提取到的双流特征提高微表情运动帧的定位，进而提高微表情识别的速度和准确性。
-
公开(公告)号：CN111626199A
公开(公告)日：2020-09-04
申请号：CN202010458362.0
申请日：2020-05-27
Applicant: 多伦科技股份有限公司 , 南京邮电大学
Abstract: 本发明公开了一种面向大型多人车厢场景的异常行为分析方法，包括步骤如下：利用人体姿态估计算法对车厢内监控视频进行数据提取，得到单人或多人空间骨架节点序列；训练单人行为识别网络，该网络对输入的单人空间骨架节点序列进行识别，判断该人是否存在跌倒的异常行为；训练多人行为识别网络，该网络通过对输入的多人空间骨架节点序列进行识别，进而判断是否存在异常行为；4）对多人行为识别网络的输出结果进行信息融合以对多人行为做进一步判断，根据单人和多人行为识别结果。本发明有效的解决了以卷积神经网络和循环神经网络等模型为代表的深度学习方法不能将视频中的空间和时序信息有效结合起来的问题，提高了异常行为识别的准确度。
-
公开(公告)号：CN111626199B
公开(公告)日：2023-08-08
申请号：CN202010458362.0
申请日：2020-05-27
Applicant: 多伦科技股份有限公司 , 南京邮电大学
IPC: G06V40/20 , G06V20/52 , G06V20/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种面向大型多人车厢场景的异常行为分析方法，包括步骤如下：利用人体姿态估计算法对车厢内监控视频进行数据提取，得到单人或多人空间骨架节点序列；训练单人行为识别网络，该网络对输入的单人空间骨架节点序列进行识别，判断该人是否存在跌倒的异常行为；训练多人行为识别网络，该网络通过对输入的多人空间骨架节点序列进行识别，进而判断是否存在异常行为；4）对多人行为识别网络的输出结果进行信息融合以对多人行为做进一步判断，根据单人和多人行为识别结果。本发明有效的解决了以卷积神经网络和循环神经网络等模型为代表的深度学习方法不能将视频中的空间和时序信息有效结合起来的问题，提高了异常行为识别的准确度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.022 seconds)
