-
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。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN118196683A
公开(公告)日：2024-06-14
申请号：CN202410291163.3
申请日：2024-03-14
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于显著性前景匹配的高速公路抛洒物检测方法，首先进行前景提取得到前景二值图fbinary和视频中运动的前景框集合；然后，基于道路分割去除不在路面上的前景框、基于YOLO检测并去除人和车前景框以及基于IOU静止判断去除非静止的前景框，得到抛洒物候选框。接着，将候选框b对应的当前帧局部图像输入到改进的PoolNet网络模型中得到显著性前景二值图像X1，将X1和b对应的局部图像X2∈fbinary进行相似性匹配，若匹配，则标示该候选框为抛洒物目标框。本发明提取前景框后既去除了噪声框，又基于显著性前景匹配对抛洒物进行确认，综合考虑了抛洒物的运动特性和图像特征。
-
公开(公告)号：CN117632000A
公开(公告)日：2024-03-01
申请号：CN202311374429.2
申请日：2023-10-23
Applicant: 华南理工大学
IPC: G06F3/06
Abstract: 本发明公开了一种采用键值分离改进Flink HashMapStateBackend的方法，将数据的键与值分开存储，键全部保留在存储节点中，值存储在磁盘的文件中。该方法包括对存储节点按照访问顺序建立和维护索引；定时检测内存的使用情况，每当内存空间的使用超过规定阈值时，按照索引对存储节点进行键值分离；从存储节点中分离的值，根据分离的先后顺序存储在文件中；对于已经键值分离的数据，修改该数据的值时认为该值失效，定时计算失效率，每当失效率达到规定阈值时，选择失效率高于规定阈值的文件进行清理。本发明解决了Flink双流Join作业场景下使用Flink EmbeddedRocksDBStateBackend性能不够理想的问题。
-
公开(公告)号：CN116452853A
公开(公告)日：2023-07-18
申请号：CN202310274459.X
申请日：2023-03-21
Applicant: 华南理工大学
IPC: G06V10/764 , G06V10/56 , G06V10/28 , G06V10/44 , G06V10/82 , G06T7/90 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/20 , G06T5/00 , G06T7/12
Abstract: 本发明公开了一种基于边缘检测和卷积神经网络的车辆颜色识别方法，该方法步骤如下：对车辆图像进行去雾预处理；对去雾后的车辆图像进行边缘检测和形态学操作，得到车辆有效颜色区域的二值掩码图像；构建并训练颜色识别卷积神经网络；输入去雾后的车辆图像和对应的二值掩码图像，输出图像对应的颜色类别。本发明通过边缘检测的方法提取车辆图像中有效颜色区域，综合了整体图像的全局特征和有效颜色区域的局部特征，提高了车辆颜色识别的效果，并在实际的交通卡口场景中验证了本发明的有效性。
-
公开(公告)号：CN116403414A
公开(公告)日：2023-07-07
申请号：CN202310291254.2
申请日：2023-03-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于目标跟踪的交通视频逆行事件检测方法，该方法步骤如下：S1、对交通视频中道路区域进行划分，得到道路区域划分图；S2、利用目标跟踪，计算道路区域内所有车辆的平均行驶速度，以该速度方向作为道路区域的正确行驶方向，得到正确行驶方向字典；S3、针对交通视频中的所有车辆进行目标跟踪，使用光流法计算车辆当前速度方向并与正确行驶方向比较判断车辆当前帧是否逆行，得到所有车辆行驶情况记录；S4、如果一辆车在1s内半数以上的视频帧中被判为逆行车辆，则该车辆为逆行车辆，在交通视频中进行标示。本发明公开的全自动高速公路逆行检测方法在实际场景应用中验证了检测方法的有效性。
-
公开(公告)号：CN114694092A
公开(公告)日：2022-07-01
申请号：CN202210251759.1
申请日：2022-03-15
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于混合背景模型的高速公路监控视频抛洒物检测方法，步骤如下：建立基背景模型，将高速公路监控视频输入基背景模型得到基背景视频；建立双背景变化模型，将基背景视频输入双背景变化模型，使用帧差法得到双背景变化模型的前景二值图；通过YOLO网络模型生成人车检测二值图；建立实时背景模型，记录高速公路监控视频中各帧的前景目标，并对相邻帧之间的前景目标进行匹配，生成静止物体位置二值图；将双背景变化模型的前景二值图、人车检测二值图与静止物体位置二值图进行按位“与”的逻辑操作，得到抛洒物在帧图像中的位置并标示。本发明公开的端到端的高速公路抛洒物检测方法在实际场景应用，验证了检测方法的有效性。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.022 seconds)
