-
公开(公告)号：CN119625663A
公开(公告)日：2025-03-14
申请号：CN202510164986.4
申请日：2025-02-14
Applicant: 华南理工大学 , 广州国交润万交通信息有限公司
Abstract: 本申请涉及视频分析技术领域，公开了一种基于图像分块的低帧率检测高速公路抛洒物的算法，依次包括：视频抽帧、自动识别道路区域、道路分块、区域块扩展、扩展块灰度图计算、提取疑似运动目标和抛洒物判别。本申请，对检测的画面区域进行分块，然后对每块区域独立处理，如果该块区域对应的扩展区域有明显的像素变化，才就对这块区域进行前景检测，然后将每块区域得到的前景目标合并得到整个前景图像，再对前景图像进行抛洒物目标验证的后续处理。由于高速公路车流量存在明显的时空不均衡性，监控区域的不同位置和不同时间段会存在明显连续没有车流的场景，通过分块的方式能够避免对整张图片进行检测产生的巨大计算成本，有效的减低计算量。
-
公开(公告)号：CN114529877B
公开(公告)日：2024-09-06
申请号：CN202210078289.3
申请日：2022-01-24
Applicant: 华南理工大学
IPC: G06V20/54 , G06V10/764 , G06V10/26 , G06V10/28 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于路面语义分割和卷积神经网络的路面天气识别方法，该方法步骤如下：S1、构建语义分割网络；S2、路面二值化处理；S3、构建天气识别卷积神经网络；S4、训练语义分割网络和天气识别卷积神经网络；S5、实时采集高速公路图片，输入语义分割网络和天气识别卷积神经网络，输出图片对应天气类型。本发明通过提取图片路面区域并同时学习整体图片和路面区域特征，综合了整体图片的全局特征和路面区域的局部特征，提供了一种高效的高速公路路面场景的天气识别方法。
-
公开(公告)号：CN116453069A
公开(公告)日：2023-07-18
申请号：CN202310274462.1
申请日：2023-03-21
Applicant: 华南理工大学
IPC: G06V20/54 , G06V20/52 , G06V10/28 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/246
Abstract: 本发明公开了一种基于级联差异感知模型的高速公路抛洒物检测方法，步骤如下：对高速公路视频进行背景建模提取前景再进行数学形态学处理，获得前景候选框；去除面积过小过大、不在路面上、被YOLO网络模型识别为人车的前景候选框；使用IOU目标跟踪算法求出静止超过2s的前景候选框；将当前帧的中值图像与背景图像输入到差异感知模型中，得到差异区域并生成差异框；通过最优化算法保留与差异框匹配的前景候选框；将前景候选框图像输入路面与非路面二分类网络，将分类为非路面的前景候选框判定为抛洒物目标框，在画面中标示。本发明通过背景建模提取前景，再通过一系列条件判断筛选出抛洒物，在实际场景中验证了本发明的有效性。
-
公开(公告)号：CN114529877A
公开(公告)日：2022-05-24
申请号：CN202210078289.3
申请日：2022-01-24
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于路面语义分割和卷积神经网络的路面天气识别方法，该方法步骤如下：S1、构建语义分割网络；S2、路面二值化处理；S3、构建天气识别卷积神经网络；S4、训练语义分割网络和天气识别卷积神经网络；S5、实时采集高速公路图片，输入语义分割网络和天气识别卷积神经网络，输出图片对应天气类型。本发明通过提取图片路面区域并同时学习整体图片和路面区域特征，综合了整体图片的全局特征和路面区域的局部特征，提供了一种高效的高速公路路面场景的天气识别方法。
-
公开(公告)号：CN111444236A
公开(公告)日：2020-07-24
申请号：CN202010207233.4
申请日：2020-03-23
Applicant: 华南理工大学
IPC: G06F16/2458 , G06F16/25 , G06F16/27 , G06F16/28 , G06F16/182 , G06K9/62 , G06F16/9535
Abstract: 本发明公开了一种基于大数据的移动终端用户画像构建方法及系统，包括步骤：1)建立用户画像标签体系；2)梳理需要获取的用户行为信息并形成数据埋点需求，数据埋点在移动终端进行数据采集，将采集到的用户行为信息存储到分布式文件系统；3)解析存储在分布式文件系统的用户行为信息，并将处理后的用户行为信息存储到分布式数据库；4)从分布式数据库中提取用户特征，并存储到特征数据库；5)基于用户画像标签体系，对于每一个标签，在特征数据库中选择与该标签相关的用户特征，通过聚类算法与人工标签规则确定用户所属的标签，并保存到用户画像数据库。本发明解决传统方法过于依赖人工规则、在大数据情景下效率低下等问题，提升用户画像效率和准确率。
-
Patent Agency Ranking
公开(公告)号：CN106604029B
公开(公告)日：2019-07-12
申请号：CN201710000884.4
申请日：2017-01-03
Applicant: 华南理工大学
IPC: H04N19/114 , H04N19/172 , H04N19/543 , H04N19/147
Abstract: 本发明公开了一种基于HEVC的运动区域检测的码率控制方法，包括如下步骤：按照HEVC编码器的码率控制方法，编码第1个GOP；从第2个GOP开始，对于每一个I帧，采用基于帧间差分法的运动区域检测技术对每一个I帧的LCU进行标记，标记类型包括运动区域、一般区域和静止区域；根据进行标记后的LCU调整LCU的QP，下调标记为运动区域的LCU的QP，上调标记为静止区域的LCU的QP，将标记为一般区域的LCU的QP保持不变；根据调整后的QP采用HEVC编码器的码率控制方法编码I帧中的每个LCU；对于GOP中的B帧和P帧则按照HEVC编码器的码率控制方法进行编码。本发明在中低码率下能检测出视频内容中的视觉关注区域并保证其视觉质量，实现了快速的、准确的码率分配优化。
-
公开(公告)号：CN106230907B
公开(公告)日：2019-05-14
申请号：CN201610586634.9
申请日：2016-07-22
Applicant: 华南理工大学
IPC: H04L29/08
Abstract: 本发明公开了一种社保大数据可视化方法及系统，该技术方案主要是通过反馈式的交互机制来生成图形文件，提高交互实时性和友好性；同时通过预定义图表和地图模板、缓存机制、异步传输机制来提高可视化效率。另外，通过云服务器集群选举空闲的服务器处理客户端请求，确保客户端请求能被及时、高效处理。本发明充分发挥了可视化云服务器的处理性能，克服了单一服务器的性能瓶颈；同时通过缓存机制避免相同可视化结果的重复生成和多余的数据传输，提高从可视化生成到客户端展示的效率，从而提高数据可视化的效率。
-
公开(公告)号：CN118072023A
公开(公告)日：2024-05-24
申请号：CN202410303700.1
申请日：2024-03-18
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于语义分割和目标检测的高速公路车辆违停检测方法，首先，利用高斯背景建模获取离线监控视频的道路背景图，再使用语义分割神经网络划分出道路区域，排除后续非高速公路的误检。之后针对同一摄像头下要检测的交通视频，利用目标检测和跟踪获取车辆的运动状态，通过车辆运动状态的判别从而检测出违停车辆。本发明设计了一种可以自动判别车辆违停事件检测方法，在真实的高速公路交通视频中取得了优秀的车辆违停检测效果。
-
公开(公告)号：CN114566052A
公开(公告)日：2022-05-31
申请号：CN202210450692.4
申请日：2022-04-27
Applicant: 华南理工大学 , 广州国交润万交通信息有限公司
IPC: G08G1/01 , G08G1/123 , G06T9/00 , G06V20/54 , G06V20/40 , G06V10/94 , G06V10/762 , G06V10/764 , G06V10/766 , G06V10/82 , G06K9/62 , G06T7/20 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于车流方向判别高速公路车流监控设备转动的方法，其特征在于：包括以下步骤：(S1)获取车流数据信息，记录视频的车辆轨迹，统计路面的车辆的轨迹；实现车流数据信息的采集；（S2）采用基于深度卷积神经网络的视频图像编码算法完成视频图像压缩处理，提高了深度卷积神经网络处理视频图像数据信息的识别能力；（S3）通过所构建的构建车流数据信息分析模型实现车流数据信息分析；（S4）构建分析优化模型。本发明通过对视频的车辆轨迹进行记录，通过统计路面的车辆的轨迹，然后比较一定时间内的的整体车辆的轨迹偏差，判别设备是否移位,减少光照影响和车流对路面特征的影响,大大提高了高速公路车流监控能力。
-
公开(公告)号：CN108921602B
公开(公告)日：2021-12-21
申请号：CN201810642096.X
申请日：2018-06-21
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于集成神经网络的用户购买行为预测方法，包括步骤：1)对用户行为历史记录进行特征提取和采样，获得样本集合T1；2)利用Boosting集成方法形成分类器C1，对样本集合T1进行分类处理和特征集成，得到新的样本集合T2；3)构建神经网络的基本结构，利用基因算法对神经网络的参数进行启发式搜索，形成集成神经网络分类器C2；4)利用分类器C2对样本集合T2进行分类处理，得到新的样本集合T3；5)利用Bagging集成方法形成分类器C3，对样本集合T3进行分类处理，得到用户会产生购买行为的物品列表，作为对于用户购买行为的预测结果。本发明解决传统方法分类效果差、泛化性差、在大数据情景下效率低下等问题。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.022 seconds)
