一种红外-可见光图像融合的异常行为识别方法

    公开(公告)号:CN116343330A

    公开(公告)日:2023-06-27

    申请号:CN202310211094.6

    申请日:2023-03-07

    Abstract: 本发明涉及图像识别处理技术领域,具体地说,涉及一种红外‑可见光图像融合的异常行为识别方法。先对红外‑可见光图像均进行图像增强处理,对融合后的图像进行目标分类并标注,作为训练样本,构建目标检测模型,将融合图像信息对应的特征向量输入目标检测模型当中,得到识别结果;将红外可见光融合视频流输入至3D神经网络,在视频数据的时间维度和空间维度上进行特征计算;利用3D卷积神经网络对人体关节点相关数据进行特征提取,根据提取人体骨架得到的姿态信息和视角变换获得的目标位置信息检测异常行为。本发明设计提升了训练速度,减少了训练时间;对数据具有很强的适应性,尤其在标定数据较少的情况下能够获得更好的效果。

    一种基于LiDAR点云数据的电力线自动提取方法

    公开(公告)号:CN111461138A

    公开(公告)日:2020-07-28

    申请号:CN202010148465.7

    申请日:2020-03-05

    Abstract: 本发明提供了一种基于LiDAR点云数据的电力线自动提取方法,包括如下步骤:S1.获取输电线路的点云数据,对原始的LiDAR点云数据进行预处理;S2.基于格网高差和高程阈值对预处理后的点云数据进行处理,将电力线点云和非电力线点云进行分离,以提取电力线点云;S3.利用Hough变换识别直线模型思想对所提取的电力线点云做进一步优化提取;S4.根据提取到的电力线点云数据,利用二次多项式模型对每档导线进行分段拟合得到重建后的电力线模型。本发明所述的一种基于LiDAR点云数据的电力线自动提取方法,实现LiDAR点云数据中电力线的自动提取和重建,极大地提高了激光雷达点云数据的分类效率,对输电线路的改造、隐患分析以及线路的故障排查有重要的意义。

Patent Agency Ranking