-
公开(公告)号:CN114581843A
公开(公告)日:2022-06-03
申请号:CN202210161104.5
申请日:2022-02-22
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC: G06V20/52 , G06V20/40 , B66B29/00 , G06K9/62 , G06V10/778
Abstract: 本发明公开了一种基于深度学习的扶梯乘客危险行为识别方法,通过位于扶梯楼层板上方的摄像机拍摄含有乘客的扶梯视频段,使用目标检测、跟踪及关节点提取算法获得骨架序列,对骨架序列进行归一化、插帧处理制作数据集,同时将2S‑AGCN网络进行改进以提高骨架关节点连接的合理性,增强模型拟合能力,以用于对骨架序列进行行为分类,并对训练集进行数据扩增后训练该网络模型,在测试阶段,使用插帧及归一化方法保证数据分布与训练集一致,且根据连续多帧的分类结果决定当前帧乘客的行为类别,最终得到稳定的扶梯乘客危险行为识别结果。本发明可以快速准确的判断扶梯上是否存在乘客出现危险行为,保护乘客的人身安全不受威胁。
-
公开(公告)号:CN112750125B
公开(公告)日:2022-04-15
申请号:CN202110118779.7
申请日:2021-01-28
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种基于端到端关键点检测的玻璃绝缘子片定位方法,包括:1)电力巡检玻璃绝缘子实例分割数据集的构建与标注;2)利用数据增强算法进行数据扩充;3)训练得到实例分割模型并将玻璃绝缘子所在区域的最小外接多边形图像切割下来,作为下一步关键点检测的数据集;4)标注关键点检测数据集并做数据扩充;5)设计一个端到端的关键点检测模型,不断调优训练;6)将训练好的实例分割模型和关键点检测模型串联起来工作:将待检测的玻璃绝缘子图片输入训练好的实例分割模型,将分割结果的区域切割下来输入到训练好的关键点检测模型,得到图中各玻璃绝缘子片所在位置关键点的坐标值。本发明可提高玻璃绝缘子片定位的速度和精确度。
-
公开(公告)号:CN110796023B
公开(公告)日:2022-03-29
申请号:CN201910955512.6
申请日:2019-10-09
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种AGV智能泊车系统交互区停车状态车轮位置的识别方法,该方法是通过主摄像头在智能泊车系统交互区的正上方以俯视角度采集图像,准确识别车辆目标,对车辆目标处于停车状态时的车身位置信息进行提取和分析,并结合从辅助摄像头采集到的车辆侧面图像提取出来的车轮相关信息,求出车轮在主摄像头采集到的俯视图象中的位置,为自动泊车机器人对车辆的搬运提供有效信息,从而有效提高AGV泊车系统管理的智能化水平。
-
公开(公告)号:CN114066788A
公开(公告)日:2022-02-18
申请号:CN202111245120.4
申请日:2021-10-26
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种平衡的实例分割数据合成方法,包括:1)使用原始数据集的图像和标签构建对象实例库;2)读取原始数据集中的一个图像和标签,根据标签对这个图像生成前景背景掩模图,根据这个图像的尺寸均匀生成10×10个候选点;3)设定一个粘贴尺寸列表,根据设定的粘贴尺寸列表,将10×10个候选点为中心的区域与前景背景掩模图进行计算,选取不和前景重叠的区域加入粘贴区域;4)通过类别平衡从对象实例库中选取对象,进行缩放后粘贴对象到粘贴区域,并更新标签。本发明使用图像合成的方法实现数据增强,具有更好的适用性和多样性,可以应用于难度更大的实例分割任务,计算量非常少,运算速度快,基本上不会增加训练网络的时间。
-
公开(公告)号:CN113888590A
公开(公告)日:2022-01-04
申请号:CN202111066330.7
申请日:2021-09-13
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种基于数据增强和孪生网络的视频目标跟踪方法,包括步骤:1)设置视频中的跟踪目标模板和待搜索区域;2)利用数据增强模块对跟踪目标进行数据增强得到数据增强后的目标模板;3)使用孪生网络提取数据增强后的目标模板的特征图和提取待搜索区域的特征图;4)利用数据增强后的目标模板的特征图和搜索区域的特征图进行匹配得到响应图;5)获取响应图中响应值最大的位置预测目标位置。本发明利用数据增强模块增加视频中待跟踪目标的多样性后,利用孪生网络对视频序列中的目标进行跟踪,使得在遇到跟踪目标有较大形变、光照变化、背景杂乱等干扰等情况时,仍然能保证优异的性能。
-
公开(公告)号:CN113673560A
公开(公告)日:2021-11-19
申请号:CN202110799095.8
申请日:2021-07-15
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种基于多流三维自适应图卷积的人体行为识别方法,包括:1)采集包含人体的视频,构建训练集;2)利用训练集构建自适应空间域注意力矩阵SAM和自适应时间域注意力矩阵TAM;3)构建自适应空间域注意力图卷积模块ASAGCM、自适应时间域注意力图卷积模块ATAGCM、三维时空域图卷积模块GCN‑3d;4)构建自适应图卷积层;5)利用自适应图卷积层构建自适应图卷积网络;6)利用自适应图卷积网络构建多流三维自适应图卷积网络;7)利用训练集训练多流三维自适应图卷积网络;8)利用训练后的多流三维自适应图卷积网络对视频中的人体进行行为识别。通过本发明可有效提升人体行为种类识别的准确度,为各种计算机视觉处理应用打下了良好的基础。
-
公开(公告)号:CN113011488A
公开(公告)日:2021-06-22
申请号:CN202110279406.8
申请日:2021-03-16
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种基于目标检测的春石斛生长状态检测方法,包括步骤:1)收集大棚内处于不同生长状态的春石斛的图像,构建原始数据集;2)使用图像标注工具,对原始数据集中春石斛植株体进行人工标注;3)选择合适的数据增强的手段对所有原始数据集进行数据增强,形成训练集;4)改进现有神经网络目标检测模型Cascade RCNN的backbone部分,以匹配农业种植大棚场景下的春石斛数据集;5)设定模型参数,使用训练集对模型进行训练,并保存在验证集中表现最优的模型;6)使用保存的模型对待检测的春石斛图像进行前向推理,再经NMS后处理得出最终检测结果,完成对春石斛生长状态的检测。本发明可实现对春石斛生长状态的准确检测。
-
公开(公告)号:CN112884715A
公开(公告)日:2021-06-01
申请号:CN202110118736.9
申请日:2021-01-28
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种基于深度学习的复合绝缘子均压环倾斜故障检测方法,包括:1)搜集包含复合绝缘子的电力巡检图片构建数据集并进行数据扩充;3)训练得到实例分割模型并将分割得到的复合绝缘子的最小外接矩区域切割下来,旋转后使得复合绝缘子整体呈竖直方向,作为关键点检测数据集;4)标注关键点检测数据集中的均压环并做数据扩充;5)构建均压环关键点检测网络,不断调优训练;6)在测试推理阶段,通过关键点检测模型得到均压环两个关键点的坐标值,计算两点构成的直线角度及其与整体复合绝缘子之间的夹角,根据设定的阈值判断均压环的倾斜状态。本发明提高均压环倾斜故障检测的准确率并能在复杂背景下保持较好的鲁棒性。
-
公开(公告)号:CN111462057A
公开(公告)日:2020-07-28
申请号:CN202010206878.6
申请日:2020-03-23
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种基于深度学习的输电线路上玻璃绝缘子自爆检测方法,通过无人机采集输电线路图像,使用深层Mask R-CNN网络分割玻璃绝缘子串,并基于不变矩计算绝缘子串长轴的拟合直线方程。对裁剪后的玻璃绝缘子串图像使用浅层Mask R-CNN网络进一步分割玻璃绝缘子片并计算质心位置。通过质心到拟合直线的距离判断玻璃绝缘子串的类型,并基于相邻质心的距离与距离阈值的比例定位自爆缺陷位置。本发明可以实现精确检测并定位玻璃绝缘子串的自爆缺陷位置,保障输电供电安全。
-
公开(公告)号:CN109359536B
公开(公告)日:2020-07-28
申请号:CN201811072458.2
申请日:2018-09-14
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种基于机器视觉的乘客行为监控方法,包括步骤:1)乘客搭乘手扶电梯视频图像采集;2)提取可变形组件模型DPM特征描述乘客人脸;3)利用SVM对手扶电梯乘客人脸进行检测;4)利用KCF对手扶电梯乘客人脸进行跟踪;5)使用一种改进的最近邻匹配方法匹配人脸检测与跟踪结果;6)建立人脸目标检测强度模型,修正人脸检测结果;7)通过分析乘客检测强度、速度大小和速度方向,监控手扶电梯中乘客的行为。通过本发明方法可以实时、稳定、准确地检测并跟踪搭乘手扶电梯的乘客人脸目标,基于人脸目标信息进行行为监控。
-
-
-
-
-
-
-
-
-