-
公开(公告)号：CN113065026A
公开(公告)日：2021-07-02
申请号：CN202110407443.2
申请日：2021-04-15
Applicant: 上海交通大学
IPC: G06F16/783 , G06F21/64 , G06K9/00
Abstract: 本发明提供了一种基于安全微服务架构的异常事件智能检测系统、方法及介质，包括：采集模块：采集监管场所的视频流；分发模块：对采集的视频流进行数据分发，实现负载均衡；检测模块：根据预设条件，对筛选的光流异常视频流进行检测分析，输出结果到WEB模块，并存储在数据库中；警报模块：根据检测结果，对异常视频流产生警报信息，通知管理员并发送到WEB服务模块；WEB模块：通过WEB对检测结果进行展示和交互。本发明通过WEB形式部署在监管场所的私有网络中，保证了数据的隐私性、安全性，并以微服务框架实现部署，提高了处理效率和系统的可用性。
-
公开(公告)号：CN112911298A
公开(公告)日：2021-06-04
申请号：CN202110137945.8
申请日：2021-02-01
Applicant: 上海交通大学
IPC: H04N19/176 , H04N19/625
Abstract: 本发明提供了一种基于边界效应的HEVC视频双压缩检测方法及系统，涉及数字视频双压缩检测技术领域，该方法包括：步骤1：将待检测的HEVC视频进行解码，解码过程中以CTU为单位提取I帧中的DCT系数；步骤2：对于每个CTU，计算变换单元TU边界处的相邻两行/列之间的DCT系数的边界效应度量；步骤3：对于待检测HEVC视频的所有I帧中的CTU进行同样的相关性度量，求取CTU均值，构建HEVC视频的特征序列；步骤4：将HEVC视频的特征序输入已经训练完成的支持向量机中，获得分类结果。本发明能够对两次压缩所使用的量化参数不一致的双压缩HEVC视频有很好的检测性能，并对视频的画面内容有较好的鲁棒性。
-
公开(公告)号：CN112804533A
公开(公告)日：2021-05-14
申请号：CN202110171846.1
申请日：2021-02-08
Applicant: 上海交通大学
IPC: H04N19/467 , H04N17/00 , G06N3/08 , G06N3/04
Abstract: 本发明提供了一种基于分块信息掩膜的HEVC视频隐写分析网络方法及系统，涉及HEVC视频隐写分析技术领域，该方法包括：步骤S1：搭建由多层卷积层和多个隐写分析残差块串联形成的卷积神经网络识别框架；步骤S2：收集待检测视频序列，将待检测视频序列生成训练所需的数据库样本，并划分为训练集和测试集；步骤S3：用数据库样本对卷积神经网络进行训练；步骤S4：将待检测视频输入至卷积神经网络识别框架中，生成图片信息以及分块信息的双通道输入样本；步骤S5：将双通道输入样本送入到步骤S3中训练好的卷积神经网络中，输出是否经过隐写的结果。本发明能够克服分析性能低以及手工设计特征复杂的缺陷，填补利用深度学习网络来做HEVC视频隐写分析的专利短缺。
-
Patent Agency Ranking
公开(公告)号：CN111767927A
公开(公告)日：2020-10-13
申请号：CN202010496080.X
申请日：2020-06-03
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于全卷积网络的轻量级车牌识别方法及系统，包括：收集和标注车牌样本图片，按预设比例划分训练集和测试集；搭建基于全卷积的轻量级车牌识别网络模型；确定多任务学习框架，设定的损失函数；使用训练集的车牌样本图片训练基于全卷积的轻量级车牌识别网络模型，直至损失函数的误差小于预设值；选取训练过程中不同阶段保存的基于全卷积的轻量级车牌识别网络模型参数，使用测试集中的车牌样本图片在不同的参数下测试基于全卷积的轻量级车牌识别网络的综合性能，将准确率最高的参数固定为模型最终的参数；本发明采用全卷积网络建模序列信息，使得模型易于并行化实现，在推理阶段需要更少的计算资源，且具有更低的时延。
-
公开(公告)号：CN110516575A
公开(公告)日：2019-11-29
申请号：CN201910766073.4
申请日：2019-08-19
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于残差域富模型的GAN生成图片检测方法及系统，包括：原始图像处理步骤:利用数字图像处理技术对原始图像进行识别和裁剪，识别人脸并裁剪出人脸部分的图像；获取原始图像残差信息步骤:利用数字图像处理技术对原始图像进行预处理，提取出原始图像的残差信息；卷积神经网络处理步骤:将原始图像的残差图像输入设定的卷积神经网络，卷积层在每个激活函数前加入BN层；全局平均池化层处理步骤：使用全局平均池化层代替全连接层；样本训练卷积神经网络处理步骤：利用数据集的样本训练卷积神经网络，得到图片分类器，获取判断结果信息。本发明设计预处理高通滤波器，并通过改进的卷积神经网络，最终达到了99％的准确率。
-
公开(公告)号：CN109525194A
公开(公告)日：2019-03-26
申请号：CN201811197191.X
申请日：2018-10-15
Applicant: 上海交通大学
IPC: H02S50/10
Abstract: 本发明提供一种光伏板故障光斑检测识别方法和系统，获取第一光伏板图像数据，对第一光伏板图像数据进行预处理，得到第二光伏板图像数据，所述第二光伏板图像数据的图片数据以帧为单位；识别第二光伏板图像数据的二维码锚点，解析二维码锚点，得到锚点位置信息、锚点方位角度信息；对第二光伏板图像数据进行形态学操作，剔除干扰区域，识别光伏板区域；结合锚点位置信息、锚点方位角度信息，定位光伏板区域；对光伏板区域进行高斯滤波，剔除干扰点，识别故障光斑；分别计算二维码锚点、光斑连线与光伏板区域边线的夹角，结合锚点位置信息、锚点方位角度信，定位故障光斑。采用无接触检测定位，灵活方便，操作简单，检测准确性高、检测效率高。
-
公开(公告)号：CN109246397A
公开(公告)日：2019-01-18
申请号：CN201811303011.1
申请日：2018-11-02
Applicant: 上海交通大学
Abstract: 本发明提供了一种多路摄像机智能跟踪拍摄鸟群种类样本方法和系统，包括建立硬件环境，巡航控制各个摄像头；利用光流法进行运动物体检测；利用背景减除法进行目标检测，得到摄像头画面中疑似鸟类目标；根据目标区域中光流结果，筛选待识别目标；设计自动跟踪规则，对待识别目标进行移动跟踪并缩放；缩放后获取清晰的待识别目标，保存至硬盘进行进一步种类识别。本发明通过智能跟踪控制摄像头获取鸟类图片样本，实现自动控制、智能跟踪、根据获取结果智能调整摄像头，极大地提升了鸟群种类样本的质量，提高鸟类识别的可信程度，适用于半开放式动物园观赏和航空安全检测等多种应用场景。
-
公开(公告)号：CN107590443A
公开(公告)日：2018-01-16
申请号：CN201710730468.X
申请日：2017-08-23
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于深度残差学习的限制级直播视频自动检测方法与系统，制作样本管理工具，利用样本管理工具建立起训练图片样本的数据库，得到用于训练深度残差学习网络模型的训练数据样本记录；用图片样本和图片标签训练深度残差学习网络模型，得到训练好的能对图片进行评分的深度残差学习网络模型；将直播视频解码成测试图片流，输入已训练好的深度残差学习网络模型中，得到测试图片评分流；根据测试图片评分流判定是否存在特殊限制传播内容，若判定结果为存在，则发出警告，同时加载马赛克遮蔽不良内容区域。本发明能够进一步提升视频直播环境下特殊限制传播内容检测的准确度及自动预警。
-
-
-
-
-
-
-
Search Results
58
records
(took 0.027 seconds)
