-
公开(公告)号：CN114863244A
公开(公告)日：2022-08-05
申请号：CN202210471260.1
申请日：2022-04-28
Applicant: 中南大学
IPC: G06V10/82 , G06V10/764 , G06K9/62 , G06V10/80 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于复数胶囊网络的海上目标识别方法，其包括：基于预设的虚部学习模块获取输入图片的复数信息，后经过预设的复值密集卷积子网络、编码模块、动态路由模块以及分类模块以识别原始输入图片中的海上目标即舰艇类别。本发明还公开了一种基于复数胶囊网络的海上目标识别系统。本发明基于神经网络与图像的海上目标识别方法是雷达探测目标的辅助手段，其解决了雷达无法精确探测采用了隐形涂料的舰艇的问题。相较于实值网络和向量胶囊网络，本发明构建了网络层与层之间传递复数信息的密集型胶囊网络来进行海上目标识别，识别方法可靠性高、稳定性好。
-
公开(公告)号：CN112861617A
公开(公告)日：2021-05-28
申请号：CN202011632958.4
申请日：2020-12-31
Applicant: 中南大学
Abstract: 本发明公开了一种基于监控图像的边坡灾害识别系统，属于计算机视觉领域与科学家在灾害早期识别与预测领域的联合领域，主要解决的是目前高级传感器成本高、不易广泛普及以及普通摄像头难以处理极端环境、鲁棒性差的技术问题，并能够根据信息存储模块进行摄像头的定位，方便及时与最近的公路局联系，尽早对灾害进行预警与处理。所述边坡灾害识别系统包括：视频采集模块、信息存储模块、灾害识别模块以及灾害报警模块。视频采集模块利用普通的监控摄像头采集视频信息，信息存储模块用于存储识别过程所产生的各类信息以及摄像头的位置信息，灾害识别模块用于极端天气下的图像去干扰，并实现图像的灾害识别与判断，灾害报警模块用于精识别出灾害的监控图像进行定位，并对与其最近的公路局进行预警。本发明具有成本低、硬件要求低、检测速度快、鲁棒性高、可以应对极端天气等优点，可以使用在很低的成本下连入当前的公路监控系统中。
-
公开(公告)号：CN112800854A
公开(公告)日：2021-05-14
申请号：CN202110001302.0
申请日：2021-01-04
Applicant: 中南大学
Abstract: 本发明公开了一种基于图像的机车乘务员作业自动分析系统，该系统包括：图像获取模块，通过监控获取乘务员图像；目标检测模块，目标检测获取乘务员和操作对象；特征提取模块，对提取的乘务员和操作对象进行匹配，使用多流网络模型进行交互行为特征提取；交互识别模块，对进行特征融合并进识别交互行为；作业规范性分析模块，根据交互行为识别结果，对机车乘务员作业进行规范性评分；输出与报警模块，根据规范性评分，判断行为是否规范。本发明自动分析机车乘务员作业规范性，例如试闸、起步、调速、制动等作业行为，保证起步稳定，杜绝臆测行车，减少违章作业，对提升机车安全管理水平、降低安全事故发生率和保证机车安全稳定运行具有重要意义。
-
公开(公告)号：CN112560604A
公开(公告)日：2021-03-26
申请号：CN202011397694.9
申请日：2020-12-04
Applicant: 中南大学
Abstract: 本发明公开了一种基于局部特征关系融合的行人重识别方法，行人重识别作为视频监控中的热门领域，可以在仅有单张行人照片的情况下在图像库中检索不同视角，姿态，光照条件下的该行人其余图片，随着天网等智能监控工程的推进，行人重识别将会发挥越来越重要的作用。本发明提出了一种基于局部特征关系融合的行人重识别方法，使用CNN的局部感受野在原始图片中寻找行人的身体部位并进行区域上的聚类，随后对所提取的局部特征和全局特征在注意力机制的帮助下进行最终的关系融合以获得行人特征表示。在Market1501数据集上的实验表明了本发明的有效性和简便性。
-
公开(公告)号：CN109753935A
公开(公告)日：2019-05-14
申请号：CN201910020243.4
申请日：2019-01-09
Applicant: 中南大学
Abstract: 本发明公开一种基于生成对抗图像补全网络的步态识别方法，能解决中小面积人体遮挡的步态识别方法。包括以下步骤：首先为了解决行走过程中人体局部遮挡的问题，提出了一种基于Wasserstein GAN的步态轮廓图生成网络,能够为图像中的遮挡区域生成上下文一致的补全图像；其次，为了减少噪声对特征提取的影响，采用具有鲁棒性的堆叠自动编码器进行特征提取；最后，为了提高分类的能力，采用稀疏编码的方法对步态特征进行表示与分类，使分类结果更加精确。
-
Patent Agency Ranking
公开(公告)号：CN114863171A
公开(公告)日：2022-08-05
申请号：CN202210471258.4
申请日：2022-04-28
Applicant: 中南大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于改进YOLOv2模型的海上目标的检测识别方法和处理装置，其基于改进YOLOv2模型的海上目标检测方法，包括以下步骤：步骤A，基于生成对抗网络(GAN)训练有雾图像，经过若干次迭代得到GAN的生成器作为去雾网络，利用去雾网络对原始图像进行高清晰度训练处理得到高清晰化训练图像；步骤B，利用基于YOLOv2网络的目标检测模型对步骤A的高清晰化训练图像进行目标检测，识别图像中是否存在对应的目标。本发明能够很好地克服海洋多变气候产生的有雾图像对目标检测的影响，通过去雾再检测的操作，本发明实时性好，准确率高。
-
公开(公告)号：CN112733734A
公开(公告)日：2021-04-30
申请号：CN202110040380.1
申请日：2021-01-13
Applicant: 中南大学
Abstract: 本发明公开了一种基于黎曼流形特征和LSTM网络相结合的交通异常事件检测方法，包括：对视频帧子区域提取HOG、HOF特征分别作为外观特征和运动特征；对特征组成的时间序列提供流形表示，并使用ISOMAP算法嵌入到低维欧式空间中，解决传统特征无法反映外观变化率和运动变化率的问题；训练了一个单层单向LSTM网络用于特征预测，捕捉特征序列的时间变化规律；将均方误差和峰值信噪比相结合，提供判断当前子区域是否存在异常事件的异常得分。相对于传统的手工交通异常事件检测方法，实现了监控、检测的自动化、智能化、精准化，具有较高的检测效率和实时性，在处理大规模交通监控视频时可以快速准确的定位事故异常发生的场景与时间。
-
公开(公告)号：CN112580526A
公开(公告)日：2021-03-30
申请号：CN202011533214.7
申请日：2020-12-22
Applicant: 中南大学
Abstract: 本发明公开了一种基于视频监控的学生课堂行为识别系统，属于计算机视觉领域与教育信息化技术联合领域，主要解决的是目前专业传感器体积大、成本高、不易广泛普及以及普通摄像头计算复杂、难以训练、鲁棒性差的技术问题。所述学生课堂行为识别系统包括：视频采集模块、信息存储模块和行为识别模块。视频采集模块利用普通的监控摄像头采集视频信息，信息存储模块用于存储识别过程所产生的各类信息以及学生的个人身份信息，行为识别模块用于学生的身份匹配与行为识别。本发明具有成本低、硬件要求低、检测速度快、易于训练、鲁棒性高等优点，可以使用在几乎所有的教室环境下。
-
公开(公告)号：CN112733734B
公开(公告)日：2023-04-21
申请号：CN202110040380.1
申请日：2021-01-13
Applicant: 中南大学
IPC: G06V20/54 , G06V10/50 , G06V20/40 , G06V10/764 , G06V10/82 , G06T7/246 , G06T7/269 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于黎曼流形特征和LSTM网络相结合的交通异常事件检测方法，包括：对视频帧子区域提取HOG、HOF特征分别作为外观特征和运动特征；对特征组成的时间序列提供流形表示，并使用ISOMAP算法嵌入到低维欧式空间中，解决传统特征无法反映外观变化率和运动变化率的问题；训练了一个单层单向LSTM网络用于特征预测，捕捉特征序列的时间变化规律；将均方误差和峰值信噪比相结合，提供判断当前子区域是否存在异常事件的异常得分。相对于传统的手工交通异常事件检测方法，实现了监控、检测的自动化、智能化、精准化，具有较高的检测效率和实时性，在处理大规模交通监控视频时可以快速准确的定位事故异常发生的场景与时间。
-
公开(公告)号：CN112711995A
公开(公告)日：2021-04-27
申请号：CN202011523704.9
申请日：2020-12-22
Applicant: 中南大学
Abstract: 本发明公开了一种基于图像的海上目标识别方法，海上目标的图像识别方法作为雷达探测之外的海上信息重要补充，其能在各种环境海域发挥巨大作用，对于制海权有着重要的意义。本发明提出了一种基于图像的海上目标识别方法，方法的步骤包括：A，基于预设的图像清晰度转换模块统一输入图片的清晰度；B，基于预设的海上目标识别模型以识别高清晰度图片。相较于传统目标识别网络，本发明构建了一个图像清晰度转换模块，将原始的混合清晰度空间中的图片动态的转换至高清晰度空间中去，并以此为基础使用基于SSD算法的目标识别网络进行海上目标识别，识别方法具备较高的可靠性、稳定性和准确性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
