-
公开(公告)号：CN116152913A
公开(公告)日：2023-05-23
申请号：CN202211622363.X
申请日：2022-12-16
Applicant: 北京市地铁运营有限公司技术创新研究院分公司
IPC: G06V40/20 , G06V10/46 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 一种基于骨骼关键点和卷积神经网络的动作识别方法，首先采集视频；然后提取每帧图像中每个人的二维姿态关键点坐标，进行热图堆叠，得到三维热图；最后采用改进的slowonly网络处理三维热图。改进的slowonly网络的是去除原始slowonly网络中前期下采样操作，改进原始slowonly网络中的时间卷积模块；改进原始slowonly网络中的通道注意力机制。经改进的slowonly网络处理得到的输出结果即为识别后的结果。本方法在不引入额外参数的情况下，降低了遮挡问题对识别精度的影响，在复杂监控场景下有一定的应用价值。
-
公开(公告)号：CN115116134B
公开(公告)日：2024-08-02
申请号：CN202210679466.3
申请日：2022-06-15
Applicant: 北京市地铁运营有限公司 , 北京市地铁运营有限公司技术创新研究院分公司
IPC: G06V40/20 , G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请提供一种基于2维和3维CNN的人体行为检测方法及系统。其通过输入模块接收视频帧序列并提取其中关键帧，通过数据增强模块对帧图像进行对输入的帧图像进行样本量扩充，通过二维卷积模型和三维卷积模型分别提取关键帧所含空间特征和视频帧序列所含时空特征，对两者进行特征融合后将融合所获得的最终特征图D经过1×1卷积层生成所需的通道数，并通过损失函数完成最优化处理，得到检测模型。本申请通过格拉姆矩阵Gram构建的人体行为检测模型，能够考虑整个特征图中每个扁平化特征向量的点积以表示各特征向量之间关系，提取通道之间相关性，以强调上下文关系。由此，本申请通过特征融合手段解决了现有的网络模型检测精度较低的问题。
-
公开(公告)号：CN116977732A
公开(公告)日：2023-10-31
申请号：CN202310952941.4
申请日：2023-07-31
Applicant: 北京市地铁运营有限公司技术创新研究院分公司
IPC: G06V10/764 , G06V10/762 , G06V10/60 , G06V10/30 , G06V20/64 , G01N21/49 , G01S17/88 , G01S7/48
Abstract: 本说明书实施例提供了一种基于点云反射强度的地铁隧道渗水检测方法和装置，方法包括：采集待检测隧道的点云数据；去除所述点云数据中的杂质点；根据预设的反射强度，选择目标点云数据；对所述目标点云数据进行聚类分类得到渗水点云数据。本申请提供的技术方案用以解决现有技术检测效率低检测精度低的问题。
-
公开(公告)号：CN116229199A
公开(公告)日：2023-06-06
申请号：CN202211612259.2
申请日：2022-12-15
Applicant: 北京市地铁运营有限公司技术创新研究院分公司
IPC: G06V10/774 , G06V10/82 , G06N3/08
Abstract: 一种基于模型轻量化的目标检测方法，步骤包括：首先采集图片；再把图片送入目标检测方法模型进行检测；最后得到图片中的目标信息。目标检测方法模型的构建步骤包括：步骤1：处理训练集，将图片数据集格式转化为适合YOLOv5训练的xml格式，并将之划分为训练集和测试集两大部分；步骤2：搭建PyTorch深度学习框架，其中深度学习模型的配置利用YOLOv5算法，步骤包括：步骤3：修改YOLOv5网络；步骤4：训练网络；步骤5：利用训练好的模型进行探测detect操作，从而得到基于模型轻量化的目标检测方法模型。本方法通过多种措施修改YOLOv5网络，使模型轻量化，适于嵌入到芯片上。
-
公开(公告)号：CN115063838A
公开(公告)日：2022-09-16
申请号：CN202210679435.8
申请日：2022-06-15
Applicant: 北京市地铁运营有限公司 , 北京市地铁运营有限公司技术创新研究院分公司
Abstract: 本申请提供一种鱼眼失真图像的检测方法及系统。本申请基于PyTorch深度学习框架构建YOLOv5深度学习模型，在YOLOv5深度学习模型输出的训练参数[x,y,w,h,c]中增加有角度信息θ，获得六参数输出的旋转框[x,y,w,h,θ,c]，并将YOLOv5深度学习模型中Dataloader模块的维度扩展至六维以对旋转框进行六参数读取，获得适用于鱼眼图像的YOLOv5旋转框模型。本申请的模型经训练后能够通过旋转框算法，在模型内部运算过程中通过旋转框克服鱼眼失真图像中的畸变，兼顾检测精度和检测速度，获得更优检测效果。
-
Patent Agency Ranking
公开(公告)号：CN115063838B
公开(公告)日：2024-08-02
申请号：CN202210679435.8
申请日：2022-06-15
Applicant: 北京市地铁运营有限公司 , 北京市地铁运营有限公司技术创新研究院分公司
IPC: G06V40/10 , G06V10/82 , G06V10/24 , G06N3/0464 , G06N3/08
Abstract: 本申请提供一种鱼眼失真图像的检测方法及系统。本申请基于PyTorch深度学习框架构建YOLOv5深度学习模型，在YOLOv5深度学习模型输出的训练参数[x,y,w,h,c]中增加有角度信息θ，获得六参数输出的旋转框[x,y,w,h,θ,c]，并将YOLOv5深度学习模型中Dataloader模块的维度扩展至六维以对旋转框进行六参数读取，获得适用于鱼眼图像的YOLOv5旋转框模型。本申请的模型经训练后能够通过旋转框算法，在模型内部运算过程中通过旋转框克服鱼眼失真图像中的畸变，兼顾检测精度和检测速度，获得更优检测效果。
-
公开(公告)号：CN116343074A
公开(公告)日：2023-06-27
申请号：CN202211622354.0
申请日：2022-12-16
Applicant: 北京市地铁运营有限公司技术创新研究院分公司
Abstract: 一种基于双向衰减损失的行人跌倒检测方法，首先采集行人图像，然后对行人图像中行人跌倒状态进行检测。对行人图像进行检测是采用行人跌倒检测网络，该检测网络的构建方法为：以YOLOX目标检测网络作为基础网络，在其检测头中加入角度维度来旋转检测框，并使用双向衰减损失函数作为回归损失函数；骨干网络和特征传递结构继续沿用YOLOX的结构；设计所述双向衰减损失函数的方法是先在检测到的人体检测框中，将两个旋转矩形框转换为高斯分布，采用高斯相乘的结果度量旋转角度偏差；再结合向量公式，通过投影向量的长度反映偏移量的偏移距离偏差和偏移角度偏差。本方法的检测效率明显高于现有的检测方法，使行人跌倒的检测具有可实施性。
-
公开(公告)号：CN116215626A
公开(公告)日：2023-06-06
申请号：CN202310300676.1
申请日：2023-03-27
Applicant: 北京市地铁运营有限公司技术创新研究院分公司
IPC: B61L27/60 , G06F30/20 , G06F16/215 , G06F16/25 , G06F9/50
Abstract: 本发明提供了一种基于虚实交互的城市轨道交通仿真验证平台。通过采用虚实交互技术构建城市轨道交通仿真验证平台，实现真实场景与虚拟场景之间的联动和反馈功能，进而完成城市轨道交通各项任务的仿真测试和验证。通过引入虚实交互技术，使仿真更加逼近实际，提高了仿真的可信度和有效性，解决了以往仿真方法的各种弊端，为城市轨道交通仿真和验证问题提供了新的解决方案，对城市轨道交通系统的研发、设计、测试和调试具有重要意义。
-
公开(公告)号：CN116450644A
公开(公告)日：2023-07-18
申请号：CN202310240171.0
申请日：2023-03-14
Applicant: 北京市地铁运营有限公司技术创新研究院分公司
Abstract: 本发明提供一种城轨车辆电子履历数据处理方法，该方法结合车辆结构设计建立了车辆运营构型，并利用数据库技术进行车辆构型数据结构化；采用细化至最小可维护单位的车辆履历数据颗粒度，通过基于业务流程的数据分析和集成技术保障数据的正确性和及时性，利用数据存储技术存储车辆全生命周期阶段文档资料，结合全文检索技术建立初步的车辆知识框架，为后期地铁车辆的采购、技术改造、运营提供基本数据支撑。在履历数据管理中加入区块链技术，确保数据流的机密性和完整性，以防敏感数据在传输过程中被泄漏及篡改，加强车辆履历数据安全性、正确性，为后续履历共享提供可靠的数据安全保障。
-
公开(公告)号：CN115116134A
公开(公告)日：2022-09-27
申请号：CN202210679466.3
申请日：2022-06-15
Applicant: 北京市地铁运营有限公司 , 北京市地铁运营有限公司技术创新研究院分公司
Abstract: 本申请提供一种基于2维和3维CNN的人体行为检测方法及系统。其通过输入模块接收视频帧序列并提取其中关键帧，通过数据增强模块对帧图像进行对输入的帧图像进行样本量扩充，通过二维卷积模型和三维卷积模型分别提取关键帧所含空间特征和视频帧序列所含时空特征，对两者进行特征融合后将融合所获得的最终特征图D经过1×1卷积层生成所需的通道数，并通过损失函数完成最优化处理，得到检测模型。本申请通过格拉姆矩阵Gram构建的人体行为检测模型，能够考虑整个特征图中每个扁平化特征向量的点积以表示各特征向量之间关系，提取通道之间相关性，以强调上下文关系。由此，本申请通过特征融合手段解决了现有的网络模型检测精度较低的问题。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.049 seconds)
