一种多摄像头的行为轨迹跟踪方法

    公开(公告)号:CN116188538A

    公开(公告)日:2023-05-30

    申请号:CN202211467537.X

    申请日:2022-11-22

    Abstract: 本发明涉及一种多摄像头的行为轨迹跟踪方法,属于计算机视觉技术领域,包括以下步骤:S1:指定公共服务大厅多个摄像头,分别采集多个摄像头下服务区的坐标信息,将坐标信息与摄像头进行绑定;S2:结合目标检测模型和行人重识别模型对顾客轨迹进行跟踪,建立多个摄像头的顾客活动轨迹库;S3:计算多个摄像头下服务区与顾客目标检测框的IoU和深度图确认顾客是否到达服务区;S4:对顾客进入服务区到顾客离开服务区的行为进行识别;S5:构建多个摄像头下的顾客行为轨迹库,通过时间信息对齐,对行为进行筛选,得到顾客的行为轨迹。本专利通过在多个摄像头下跟踪顾客得到较为有效的顾客行为轨迹,可用于辅助公共服务大厅业务流程制定和划分。

    一种基于类依赖网络的软件缺陷预测方法及系统

    公开(公告)号:CN115858385A

    公开(公告)日:2023-03-28

    申请号:CN202211675286.4

    申请日:2022-12-26

    Abstract: 本发明涉及一种基于类依赖网络的软件缺陷预测方法及系统,包括:获取原始项目源码;根据不同的度量标准对原始项目源码中的类进行特征提取得到原始类预测样本并打上标签信息;构建缺陷预测模型并将原始类预测样本作为训练样本对缺陷预测模型进行训练;获取目标项目源码,根据不同的度量标准对目标项目源码中的类进行特征提取得到目标类预测样本;将目标类预测样本输入训练好的缺陷预测模型输出目标类预测样本的预测结果;将目标项目源码中的类作为节点,根据类与类之间的依赖关系作为边建立类依赖网络;根据类依赖网络利用坍缩k‑core方法计算每个类的核心度;根据目标类预测样本的预测结果和类的核心度计算得到类的最终预测结果。

    一种理发店员工工作内容智能识别方法

    公开(公告)号:CN115424347A

    公开(公告)日:2022-12-02

    申请号:CN202211072684.7

    申请日:2022-09-02

    Abstract: 本发明涉及一种理发店员工工作内容智能识别方法,属于机器视觉技术领域,包括以下步骤:S1:采集设备安装位置和安装条件的设置;S2:建立理发员工人脸、顾客人脸标签库,并训练人脸识别模型;S3:建立与物品、工具和人相关的动作标签库,并进行理发店动作行为识别模型训练;S4:利用训练好的人脸识别模型、理发店动作行为识别模型,用于实际理发服务场景进行动作行为识别。构建顾客、员工、动作几个要素的“动作对”行为时序;S5:建立工作内容识别标签,构建工作内容识别的深度神经网络模型,用以确定理发店员工对顾客的服务工作内容。本发明通过理发店员工工作内容智能识别方法,辅助实现理发店有效地智能化管理。

    针对多段式回复的问答内容标准性检测方法及装置

    公开(公告)号:CN115391506A

    公开(公告)日:2022-11-25

    申请号:CN202210993205.9

    申请日:2022-08-18

    Abstract: 本发明涉及一种针对多段式回复的问答内容标准性检测方法及装置,属于计算机领域。该方法为:1)构建标准问答对语料库,建立标准提问和标准回答的映射关系;2)对语音进行预处理,利用音色识别和语音识别技术,获得问者和答者的待检测提问文本和待检测回答文本;3)计算待检测提问文本和标准问答对语料库中每个标准提问文本的语义相似度,返回待检测提问文本对应的标准回答文本;4)对待检测回答文本和标准回答文本进行局部语义特征提取,利用多头自注意力机制对文本进行全局语义特征提取,再对融合后的语义特征计算语义相似度。本发明提供了一种服务过程中用户提问所得到的回答内容的标准性检测判断方法,以便提升用户服务的体验感和满意度。

    一种基于双重条件生成对抗网络的缺失数据填补生成方法

    公开(公告)号:CN114757335A

    公开(公告)日:2022-07-15

    申请号:CN202210347936.6

    申请日:2022-04-01

    Abstract: 本发明涉及一种基于双重条件生成对抗网络的缺失数据填补生成方法,属于计算机中数据感知与重构领域,包括以下步骤:S1:对样本数据进行编码,设计作为数据生成条件的样本类别和样本已存在数据的在生成过程中的表示方式;S2:构建双重条件生成对抗网络的结构,其中包括生成模型、判别模型;S3:对双重条件生成对抗网络结构的目标优化函数进行表示;S4:建立数据生成模型的训练数据集,对双重条件生成对抗网络进行训练;S5:分析不同的数据缺失情况,采用训练好的双重条件生成对抗网络进行缺失数据生成填补。本发明提供了一种针对表格类数据构建高质量训练数据集的方法,用于支撑大数据应用场景中的机器学习模型训练。

    一种自然场景图像中字符元素检测方法

    公开(公告)号:CN112801092B

    公开(公告)日:2022-07-15

    申请号:CN202110123632.7

    申请日:2021-01-29

    Abstract: 本发明涉及一种自然场景图像中字符元素检测方法,属于计算机领域。该方法首先使用最大池化操作对目标进行非极大抑制,随后通过特征提取网络进行特征提取,最后通过特征融合整合顶层与底层的特征,提高特征的表示能力并结合预测网络对输出字符目标的准确位置。本发明方法通过设计新型的神经网络结构,能够整合自然场景图像中字符顶层与底层的特征,实现在复杂背景下,水平排列、倾斜排列、弯曲排列的字符位置的准确检测。

Patent Agency Ranking