-
公开(公告)号：CN113506268A
公开(公告)日：2021-10-15
申请号：CN202110785139.1
申请日：2021-07-12
Applicant: 东南大学
Abstract: 本发明涉及一种面向铁轨图像的半监督异物检测方法，包括以下步骤：使用高清相机获得铁路轨道的二维图像，并将其转换为灰度图；采用基于GAN的异常检测方法，在模型训练阶段只输入正常的铁轨图像；在测试阶段模型可已重构出正常样本的图像，却无法重构出异常样本图像；在推理阶段，设置一个阈值，当重构图像与原图之间差异大于所设阈值，该图像就被判定为异常。本发明采用半监督的方式，在模型训练时不需要异常样本图像，并且在推理阶段可以准确地检测出铁轨异物图像。
-
公开(公告)号：CN110059613B
公开(公告)日：2021-08-10
申请号：CN201910302738.6
申请日：2019-04-16
Applicant: 东南大学
Abstract: 本发明公开了一种基于稀疏表示的视频图像烟火分离与检测方法，能够将早期烟从背景中分离出来并进行识别。该方法包括：学习烟雾完备字典Ds以及非烟完备字典Db；建立有背景的烟火和非烟数据集xs和xb；建立烟火背景分离模型；通过稀疏表示得到前景的烟火成分和非烟成分同时计算得到混合系数ω；训练SVM分类器；部署烟火检测模型；根据分块识别与分类结果，得到待检测区域烟火检测结果。本发明将纯净烟火与背景分离，避免了背景信息对烟火特征的干扰，从而提高了烟火识别与检测的准确率。
-
公开(公告)号：CN110059582A
公开(公告)日：2019-07-26
申请号：CN201910242262.1
申请日：2019-03-28
Applicant: 东南大学
Abstract: 本发明公开了一种基于多尺度注意力卷积神经网络的驾驶员行为识别方法，包括如下步骤：(1)拍摄驾驶员行为识别的图像数据集；(2)对拍摄得到的驾驶员行为数据集做数据增强并将增强得到的样本同时纳入训练数据中；(3)构建神经网络模型，包括三个模块，分别为：多尺度卷积模块、注意力模块和分类模块；(4)训练多尺度注意力卷积神经网络；使用Pytorch开源工具搭建网络模型，使用随机梯度下降方法优化网络参数；(5)对多列卷积神经网络进行测试。本发明将多尺度模型和注意力机制引入到驾驶员行为识别任务中用于提取具有区分度的行为细粒度特征表示，可进一步提高驾驶员行为识别准确率。
-
公开(公告)号：CN109766792A
公开(公告)日：2019-05-17
申请号：CN201811589337.5
申请日：2018-12-25
Applicant: 东南大学
Abstract: 本方法公开了一种基于人脸图像的身份识别方法，该方法为采集的图片进行图片大尺寸、图片存储格式预处理，使图片尺寸小于等于1000*1000像素；图片存储格式转换为浮点数；将经过预处理的图片输入3层级联深度网络进行处理，得到人脸与人脸特征点的位置；根据人脸与人脸特征点位置，以人的两眼处于同一水平线为目标，对整张图片进行旋转并矫正人脸角度，截取保留人脸部分；对经过步骤(3)的人脸部分进行深度特征提取，并将其与预存人脸深度特征进行比对，进而判断当前人脸的身份。本发明方法全程自动处理并且多角度人脸处理方面具有不错的鲁棒性，因此无需人主动配合识别，可应用于多种场合并且可以具有隐蔽性。
-
公开(公告)号：CN109409208A
公开(公告)日：2019-03-01
申请号：CN201811052077.8
申请日：2018-09-10
Applicant: 东南大学
Abstract: 本发明公开了一种基于视频的车辆特征提取与匹配方法，包括如下步骤：读入视频文件；对视频图像进行背景建模；采用背景差法来获取包含运动目标的前景区域；采用获取车辆轮廓的方法来进行车辆检测；提取车辆图像的pHash特征；提取车辆图像ISIFT特征；结合pHash算法和ISIFT算法，并通过BBF搜索算法和RANSAC算法来筛选ISIFT特征匹配点，从而实现车辆匹配。本发明能够基于视频实现车辆检测、车辆特征信息提取、车辆匹配功能，检测出车辆的车辆轮廓非常精准，车辆信息特征提取准确，运算速度快，满足实时性要求，成本低廉，还能够检测不同方向行驶的车辆，适用范围广。
-
Patent Agency Ranking
公开(公告)号：CN109271904A
公开(公告)日：2019-01-25
申请号：CN201811018255.5
申请日：2018-09-03
Applicant: 东南大学
Abstract: 本发明公开了一种基于像素自适应分割和贝叶斯模型的黑烟车检测方法，包括：利用PBAS模型检测运动目标，并把图像划分网格，标记前景目标所在的所有小方格；针对每个前景目标方格，提取POEM直方图特征或者LDP直方图特征，刻画空间信息；针对每个前景目标方格，提取HOOF直方图特征或者MOH直方图特征，刻画时序信息；针对每个前景目标方格，提取STH特征，刻画结构信息；将不同类型的直方图特征进行融合，利用实际场景非黑烟车远高于黑烟车的特点，加入先验知识，利用贝叶斯模型对每一帧每个前景目标小方格进行分类，综合分析多帧识别黑烟车。本发明能从车流中自动识别黑烟车，提高检出率，降低误报率，对阴影具有鲁棒性。
-
公开(公告)号：CN109241824A
公开(公告)日：2019-01-18
申请号：CN201810786681.7
申请日：2018-07-17
Applicant: 东南大学
Abstract: 本发明公开了一种基于码本和平滑转换自回归模型的黑烟车智能监控方法，包括如下步骤：(1)利用码本模型检测视频中的运动目标，确定目标后方关键区域；(2)提取关键区域的Tamura特征，中心对称局部二值模式直方图特征和灰度直方图特征，组合形成关键区域的三类静态特征；(3)利用平滑转换自回归模型对三类静态特征的时间序列分别进行建模，并将模型的解作为最终特征向量，用于刻画关键区域的动态特征；(4)三类特征训练得到三个SVM分类器，对三个分类结果加权融合，得到当前关键区域的识别结果，并通过连续多个关键区域识别结果的分析，对当前视频段是否有黑烟车做出判断。本发明能够提高道路监控视频中黑烟车的检测效率，降低误报率。
-
公开(公告)号：CN109190455A
公开(公告)日：2019-01-11
申请号：CN201810789111.3
申请日：2018-07-18
Applicant: 东南大学
Abstract: 基于高斯混合和自回归滑动平均模型的黑烟车识别方法，包括如下步骤：（1）利用高斯混合模型从道路监控视频中检测车辆运动目标；（2）提取车辆关键区域的三种特征，包括Haar-like特征，共生矩阵梯度方向直方图特征和局部二值模式傅里叶直方图特征；（3）利用自回归滑动平均模型对每种特征的连续多帧进行建模，得到三个不同模型；（4）对于新的车辆目标，将三个模型分别用于车辆关键区域提取到的三种特征的分类，结合不同特征的分类结果和连续多帧的综合分析，对当前视频段是否有黑烟车做出判断。本发明可以大大节省传统方法消耗的人力和财力，有利于证据的获取和保存，不影响正常交通，能有效的提高执法效率。
-
公开(公告)号：CN109086682A
公开(公告)日：2018-12-25
申请号：CN201810754422.6
申请日：2018-07-11
Applicant: 东南大学
Abstract: 本发明公开了一种基于多特征融合的智能视频黑烟车检测方法，包括如下步骤：(1)利用前景检测算法从道路监控视频中提取运动目标，并识别车辆目标；(2)利用积分投影和滤波技术检测车辆尾部位置；(3)提取车尾部后方区域的统计特征、频域特征和一些手工特征，融合形成一个特征向量；(4)利用BP网络分类器对所提特征向量进行分类，识别黑烟帧，从而进一步识别黑烟车。本发明能够提高鲁棒性，更有效的检测黑烟车。
-
公开(公告)号：CN108985165A
公开(公告)日：2018-12-11
申请号：CN201810600019.8
申请日：2018-06-12
Applicant: 东南大学
Abstract: 本发明公开了一种基于卷积及循环神经网络的视频拷贝检测系统，该系统包括5个模块，分别为数据集建立模块、帧特征提取模块、时空特征训练模块、循环网络测试模块和拷贝视频匹配模块，其中时空特征训练模块还包括视频剪辑模块和循环网络训练模块。本发明采用残差卷积神经网络有利于提取更深层次的帧级特征表示，有效的提高检测准确率，降低检测召回率，采用孪生循环神经网络以融合多个帧级特征，利用帧间的动态信息生成时空特征表示，实现了序列间的时空融合，使得视频匹配耗费时间少、占用内存低。
-
-
-
-
-
-
-
-
-
Search Results
205
records
(took 0.026 seconds)
