-
公开(公告)号：CN117671297B
公开(公告)日：2024-06-18
申请号：CN202410146124.4
申请日：2024-02-02
Applicant: 华东交通大学
Abstract: 本发明公开了一种融合交互属性的行人重识别方法，具体包括以下步骤：构建行人图像数据库，对数据库中的行人图像进行小群体划分，以识别行人图像中的小群体；提取行人图像中行人的骨骼关键点，将小群体内的行人的骨骼关键点进行交互连接，以整合得到带有交互信息的动作骨骼图；通过图卷积网络提取动作骨骼图的交互信息，以提取得到行人图像数据库中行人的交互属性，本发明充分提取镜头下行人之间的关系信息，进行小群体划分，将这些信息用于交互行为识别，进一步挖掘镜头下行人的交互属性，将行人交互属性融入到行人重识别方法之中，为重识别提高效率和准确度。
-
公开(公告)号：CN118675114B
公开(公告)日：2024-10-22
申请号：CN202411151012.4
申请日：2024-08-21
Applicant: 华东交通大学
IPC: G06V20/52 , G06V40/20 , G06V10/56 , G06V10/60 , G06V10/74 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明设计图像处理识别领域，提出了一种基于群体行为识别的危险行为告警方法及系统，通过设计一种行为特征提取网络，分别提取待识别图像中的群体行为特征和个体行为特征，对于单个待识别目标之间和相似待识别目标组成的子群体之间的交互关系进行提取，极大地增强了对个体和群体行为识别的精度和泛化能力，并且还通过设计一种自适应子群体划分算法对子群体内的复杂动态进行精确识别，极大地提高了子群体划分的精准性，进一步提高了整体识别的精准性，还设计了一种卷积识别网络，进行全局特征增强，进而提高在复杂环境中的识别精度和适应性，本发明极大地提高了危险行为识别告警的精度和对复杂环境的适应性。
-
公开(公告)号：CN118097580A
公开(公告)日：2024-05-28
申请号：CN202410497746.1
申请日：2024-04-24
Applicant: 华东交通大学
IPC: G06V20/54 , G06V10/141 , G06V10/56 , G06V10/60 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/082
Abstract: 本发明涉及图像识别领域，提出了一种基于Yolov4网络的危险行为防护方法及系统，通过对实时获取的防护区域图像进行预处理，从输入端提高了后续Yolov4网络识别的准确性，再对Yolov4网络进行轻量化改进，并加入了光照矫正子网络、深度可分离卷积模块和ECA注意力模块，极大地提高了图像识别的效率和精度，最终通过注意力导向模块和情景感知模块，划分危险区域，判断危险行为，实现了对危险行为的自动识别与实时监控，极大地提高了危险行为防护的效率和准确性。
-
公开(公告)号：CN116524602B
公开(公告)日：2023-09-19
申请号：CN202310799907.8
申请日：2023-07-03
Applicant: 华东交通大学
IPC: G06V40/20 , G06V20/40 , G06V10/62 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/766 , G06V10/82
Abstract: 本申请公开了基于步态特征的换衣行人重识别方法及系统，方法包括如下步骤：将待识别行人图像划分为训练集和测试集；将训练集输入换衣行人重识别网络模型进行特征识别，获取肢体特征和步态特征，将两个特征进行特征融合处理，获取训练集的融合特征；根据获取的训练集的融合特征，获取训练集的融合特征的损失值；根据损失值和真实值之间的误差值，获取优化后的换衣行人重识别网络模型；将测试集输入优化后的换衣行人重识别网络模型进行特征识别，获取换衣行人的重识别结果。本申请提供的基于步态特征的换衣行人重识别方法，基于肢体特征和步态特征，实现对换衣行人的重识别，以减少网络模型对服装特征的依赖，实现对行人换衣后的准确识别。
-
公开(公告)号：CN116524602A
公开(公告)日：2023-08-01
申请号：CN202310799907.8
申请日：2023-07-03
Applicant: 华东交通大学
IPC: G06V40/20 , G06V20/40 , G06V10/62 , G06V10/80 , G06V10/764 , G06V10/774 , G06V10/766 , G06V10/82
Abstract: 本申请公开了基于步态特征的换衣行人重识别方法及系统，方法包括如下步骤：将待识别行人图像划分为训练集和测试集；将训练集输入换衣行人重识别网络模型进行特征识别，获取肢体特征和步态特征，将两个特征进行特征融合处理，获取训练集的融合特征；根据获取的训练集的融合特征，获取训练集的融合特征的损失值；根据损失值和真实值之间的误差值，获取优化后的换衣行人重识别网络模型；将测试集输入优化后的换衣行人重识别网络模型进行特征识别，获取换衣行人的重识别结果。本申请提供的基于步态特征的换衣行人重识别方法，基于肢体特征和步态特征，实现对换衣行人的重识别，以减少网络模型对服装特征的依赖，实现对行人换衣后的准确识别。
-
Patent Agency Ranking
公开(公告)号：CN118097580B
公开(公告)日：2024-07-30
申请号：CN202410497746.1
申请日：2024-04-24
Applicant: 华东交通大学
IPC: G06V20/54 , G06V10/141 , G06V10/56 , G06V10/60 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/082
Abstract: 本发明涉及图像识别领域，提出了一种基于Yolov4网络的危险行为防护方法及系统，通过对实时获取的防护区域图像进行预处理，从输入端提高了后续Yolov4网络识别的准确性，再对Yolov4网络进行轻量化改进，并加入了光照矫正子网络、深度可分离卷积模块和ECA注意力模块，极大地提高了图像识别的效率和精度，最终通过注意力导向模块和情景感知模块，划分危险区域，判断危险行为，实现了对危险行为的自动识别与实时监控，极大地提高了危险行为防护的效率和准确性。
-
公开(公告)号：CN117671297A
公开(公告)日：2024-03-08
申请号：CN202410146124.4
申请日：2024-02-02
Applicant: 华东交通大学
Abstract: 本发明公开了一种融合交互属性的行人重识别方法，具体包括以下步骤：构建行人图像数据库，对数据库中的行人图像进行小群体划分，以识别行人图像中的小群体；提取行人图像中行人的骨骼关键点，将小群体内的行人的骨骼关键点进行交互连接，以整合得到带有交互信息的动作骨骼图；通过图卷积网络提取动作骨骼图的交互信息，以提取得到行人图像数据库中行人的交互属性，本发明充分提取镜头下行人之间的关系信息，进行小群体划分，将这些信息用于交互行为识别，进一步挖掘镜头下行人的交互属性，将行人交互属性融入到行人重识别方法之中，为重识别提高效率和准确度。
-
公开(公告)号：CN118675114A
公开(公告)日：2024-09-20
申请号：CN202411151012.4
申请日：2024-08-21
Applicant: 华东交通大学
IPC: G06V20/52 , G06V40/20 , G06V10/56 , G06V10/60 , G06V10/74 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明设计图像处理识别领域，提出了一种基于群体行为识别的危险行为告警方法及系统，通过设计一种行为特征提取网络，分别提取待识别图像中的群体行为特征和个体行为特征，对于单个待识别目标之间和相似待识别目标组成的子群体之间的交互关系进行提取，极大地增强了对个体和群体行为识别的精度和泛化能力，并且还通过设计一种自适应子群体划分算法对子群体内的复杂动态进行精确识别，极大地提高了子群体划分的精准性，进一步提高了整体识别的精准性，还设计了一种卷积识别网络，进行全局特征增强，进而提高在复杂环境中的识别精度和适应性，本发明极大地提高了危险行为识别告警的精度和对复杂环境的适应性。
-
公开(公告)号：CN115941501B
公开(公告)日：2023-07-07
申请号：CN202310213965.8
申请日：2023-03-08
Applicant: 华东交通大学
Abstract: 本发明提出一种基于图神经网络的主机设备管控方法，该方法包括：基于图神经网络基础，构建拓扑图和主机设备节点度图；引入注意力机制，提取节点特征；基于巴拿赫不动点定理，实现主机设备安全状态信息实时更新；基于角度邻域的边方向聚类算法，判断节点安全状态；将力引导布局算法结合到边捆绑算法内，对各个聚类簇内的连边进行路径重规划；改变内插线段透明度，突出节点间关系，实现可视化。本发明提出的基于图神经网络的主机设备管控方法，通过实现整个基于图神经网络的主机设备可视化管控流，有助于及时发现并解决受到的网络安全威胁，避免各个主机设备因网络安全漏洞而造成损害。
-
公开(公告)号：CN115941501A
公开(公告)日：2023-04-07
申请号：CN202310213965.8
申请日：2023-03-08
Applicant: 华东交通大学
Abstract: 本发明提出一种基于图神经网络的主机设备管控方法，该方法包括：基于图神经网络基础，构建拓扑图和主机设备节点度图；引入注意力机制，提取节点特征；基于巴拿赫不动点定理，实现主机设备安全状态信息实时更新；基于角度邻域的边方向聚类算法，判断节点安全状态；将力引导布局算法结合到边捆绑算法内，对各个聚类簇内的连边进行路径重规划；改变内插线段透明度，突出节点间关系，实现可视化。本发明提出的基于图神经网络的主机设备管控方法，通过实现整个基于图神经网络的主机设备可视化管控流，有助于及时发现并解决受到的网络安全威胁，避免各个主机设备因网络安全漏洞而造成损害。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.02 seconds)
