一种基于神经网络的消防预警方法及系统

    公开(公告)号:CN109785572B

    公开(公告)日:2021-06-22

    申请号:CN201910180303.9

    申请日:2019-03-11

    Inventor: 车宁 徐峰

    Abstract: 本发明公开了一种基于神经网络的消防预警方法及系统,所述的消防预测方法包括以下步骤:预警数据采集步骤:通过数据采集节点实时采集各监测点的温度和烟雾数据;数据分析步骤:将采集的各监测点数据导入到消防预测模型中,对模型进一步进行学习训练,并对温度和烟雾数据的变化趋势进行分析;预警判断步骤:根据预测模型的数据分析结果判断是否进行预警提示。通过对各监测点的环境温度以及容易发生火灾处温度的变化趋势进行分析,预测下一时间段内其温度变化是否会达到预先设置的或者预警温度,通过提前对可能发生火灾的温度进行预测能够及时对火灾进行预警,让抢救人员有时间达到火灾现在,减小了火灾发生造成的损失。

    一种基于yolo的人脸检测与人脸对齐方法

    公开(公告)号:CN107358223B

    公开(公告)日:2021-06-22

    申请号:CN201710703277.4

    申请日:2017-08-16

    Abstract: 本发明公开了一种基于yolo的人脸检测与人脸对齐方法,属于人脸识别领域,包括网络的训练及网络的验证步骤,所述网络的训练包括创建人脸数据集,对人脸数据集中的图像进行标注、重构人脸检测与对齐数据库,本发明解决了MTCNN人脸识别采用分阶段的方式进行人脸检测与对齐存在的效率慢、不能进行联合任务的问题,提高了人脸识别的鲁棒性和网络的泛化能力,且防止了样本过少导致的过拟合问题。

    一种基于人工智能的综合防盗管理方法和系统

    公开(公告)号:CN109859428B

    公开(公告)日:2020-07-28

    申请号:CN201910185547.6

    申请日:2019-03-12

    Inventor: 徐峰 冯俊杰

    Abstract: 本发明公开了一种基于人工智能的综合防盗管理方法和系统,方法包括:控制中心形成电缆特征数据;将电缆特征数据分为训练样本和测试样本;将所述训练样本输入到卷积神经网络模型进行训练,得到训练后的卷积神经网络模型;测试完成后将所述训练后的卷积神经网络模型发送至所述接收机;接收机将数据输入至所述训练后的卷积神经网络模型,通过所述训练后的卷积神经网络模型得到预测的电缆长度结果数据。本发明通过检测上电后形成天线的电缆发出的信号大小并根据直径数据得到长度数据,从而实现电缆防盗,解决现有技术防盗效果不好的问题;同时本发明还通过卷积神经网络模型,实现对不同情况的数据检测,从而实现人工智能的功能。

    一种基于人工智能的钎探机智能计数方法

    公开(公告)号:CN111413700A

    公开(公告)日:2020-07-14

    申请号:CN202010345066.X

    申请日:2020-04-27

    Inventor: 周锦霆

    Abstract: 本发明公开了一种基于人工智能的钎探机智能计数方法,包括以下步骤:S1:超声波距离补偿:利用灰尘传感器、温度传感器采集的数据,对超声波声速数据进行补偿,计算实时声速SPEEDSOUND并转换为超声波距离;S2:计算锤击次数:计算钎探机锤击的总时间跨度T0,采集有异常点的时间间隔,计算平均每撞击一次平均时间间隔T1,并计算总钎锤次数S;S3:获取锤击距离:设置距离阈值,将步骤S1得到的任意相邻两次超声波距离相减,若超过所述距离阈值则记录对应的误差坐标位置;获得所有相邻误差坐标之间的距离并计算平均值,从而得到锤击距离。该方法实现精确计数以及智能判断地基密实度,减少人为因素的干扰。

    一种基于深度学习的智能消防分级预警方法及系统

    公开(公告)号:CN110070690A

    公开(公告)日:2019-07-30

    申请号:CN201910393852.4

    申请日:2019-05-13

    Inventor: 周兵

    Abstract: 本发明公开了一种基于深度学习的智能消防分级预警方法及系统,消防分级预警方法包括以下步骤:多异地监测点预警数据采集步骤;多维数据分析步骤;分级预警步骤;分级授权步骤。通过对各异地监测点的环境温度以及容易发生火灾处环境温度、烟感浓度、火焰温度以及火焰辐射能量波长的变化趋势进行分析,预警下一时间段内的极限边界值是否会达到预先分级预警阈值条件,通过提前对可能发生火灾的环境温度、烟感浓度、火焰温度以及火焰辐射能量波长进行预警能够及时对火灾进行分级预警,让抢救人员有时间达到火灾现场,减小了火灾发生造成的损失。

    一种基于人工智能的综合防盗管理方法和系统

    公开(公告)号:CN109859428A

    公开(公告)日:2019-06-07

    申请号:CN201910185547.6

    申请日:2019-03-12

    Inventor: 徐峰 冯俊杰

    Abstract: 本发明公开了一种基于人工智能的综合防盗管理方法和系统,方法包括:控制中心形成电缆特征数据;将电缆特征数据分为训练样本和测试样本;将所述训练样本输入到卷积神经网络模型进行训练,得到训练后的卷积神经网络模型;测试完成后将所述训练后的卷积神经网络模型发送至所述接收机;接收机将数据输入至所述训练后的卷积神经网络模型,通过所述训练后的卷积神经网络模型得到预测的电缆长度结果数据。本发明通过检测上电后形成天线的电缆发出的信号大小并根据直径数据得到长度数据,从而实现电缆防盗,解决现有技术防盗效果不好的问题;同时本发明还通过卷积神经网络模型,实现对不同情况的数据检测,从而实现人工智能的功能。

    一种基于二值卷积神经网络的人脸对齐方法

    公开(公告)号:CN107480640A

    公开(公告)日:2017-12-15

    申请号:CN201710702594.4

    申请日:2017-08-16

    Inventor: 张雪婷 李威 崔静

    CPC classification number: G06K9/00241 G06N3/0454

    Abstract: 本发明涉及一种基于二值卷积神经网络的人脸对齐方法,包括以下步骤:选取训练人脸样本,对人脸的矩形区域以及关键点的位置坐标取平均,对人脸归一化;构建深度卷积网络模型,对模型参数进行二值化,以处理人脸并输出人脸图像特征;采用回归关键点位置增量的方法,对人脸图像特征的特征点的位置偏移量进行迭代,得到关键点位置增量;构建关键点位置增量回归模型,对关键点位置增量和样本真实的形状增量进行拟合,输出关键点的位置。本发明加入二值化参数操作对模型进行压缩,提高模型的运算效率,多尺度特征融合技术提升关键点的位置精度;采用增量回归模型和位置回归模型,通过训练模型对坐标偏移进行回归,经过几次迭代逐渐接近精确的位置。

    一种基于深度学习细粒度人脸图像快速检索方法

    公开(公告)号:CN107480261A

    公开(公告)日:2017-12-15

    申请号:CN201710703271.7

    申请日:2017-08-16

    Abstract: 本发明提供了一种基于深度学习细粒度人脸图像快速检索方法,包括:构建深度卷积神经网络模型,并在深度卷积神经网络模型的各分支层添加用于计算损失函数的损失层;对深度卷积神经网络模型的参数进行初始化;构建数据集,并按照预设比例,将所述数据集中的图片随机划分成训练集、测试集、验证集;设定深度卷积神经网络模型的学习参数;对深度卷积神经网络模型进行训练,采用随机梯度下降和反向传播算法更新所述深度卷积神经网络模型的参数;对训练后的深度卷积神经网络模型进行测试,具体是经过粗粒度测试和细粒度测试,获得人脸检索结果,从而提高了图片检索的效率以及图片检索的精度。

Patent Agency Ranking