公开(公告)号：CN110716706B

公开(公告)日：2023-11-14

申请号：CN201911046204.8

申请日：2019-10-30

Applicant: 华北水利水电大学

Inventor： 姜维 ,  沈世星 ,  王志强

IPC: G06F3/16 ,  G06F3/01 ,  G06N3/0464 ,  G06N3/044 ,  G06N3/08

Abstract: 本发明提供了一种智能人机交互指令转换方法及系统，其中，智能人机交互指令转换方法包括：获取多源传感器中任一传感器的传感器信息，所述传感器信息包括所述任一传感器的标识信息以及所述任一传感器捕获到的数据；对所述传感器信息进行语义识别和分析，以将所述传感器信息转换为语义指令；获取所述语义指令对应的目标原子指令集，以基于所述目标原子指令集完成对家居家电的调控。通过本发明的技术方案，提高了智能家居和家电的人机交互的便捷性，降低操作的复杂程度。

公开(公告)号：CN119206359A

公开(公告)日：2024-12-27

申请号：CN202411408051.8

申请日：2024-10-10

Applicant: 华北水利水电大学

Inventor： 吴文红 ,  张歌 ,  任亚运 ,  汤正举 ,  林自冉 ,  徐娟 ,  戴蓉 ,  周钰明 ,  程洋洋 ,  尹晨阳 ,  姜维

IPC: G06V10/764 ,  G06V10/44 ,  G06V10/54 ,  G06V10/56 ,  G06V10/26 ,  G06V10/82 ,  G06V20/05 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于机器视觉技术领域，尤其涉及一种自来水藻类及水生生物群落分类识别方法。其可以迅速准确地实现自来水中藻类及水生生物群落的分类识别。包括步骤：S1、采集已知种类的藻类及水生生物群落图像并进行图像增强，增强后的图像作为深度学习网络的输入数据源1；S2、提取增强后的图像的边缘和纹理信息，构成空间域数据，作为输入数据源2；S3、提取并筛选增强后的图像的颜色信息，构成颜色域数据，作为输入数据源3；S4、整合数据源1、数据源2和数据源3，输入到深度学习网络中；S5、将待测图像经过图像增强、空间域信息提取、颜色域信息筛选后，导入到S4中已经训练好的网络模型中，完成藻类及水生生物群落的分类识别目标。

公开(公告)号：CN114898106A

公开(公告)日：2022-08-12

申请号：CN202210581903.8

申请日：2022-05-26

Applicant: 华北水利水电大学

Inventor： 吴慧欣 ,  安丽鑫 ,  姜维 ,  王喆 ,  陈继坤 ,  刘孟轩 ,  李琳 ,  张慢丽 ,  李文静

IPC: G06V10/42 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于RGB‑T多源图像数据的显著性目标检测方法，采取基于注意力信息的特征融合，将VGG‑DCNet提取到的初级特征用注意力机制进行重要特征的加权，得到可见光图像和红外图像的注意力特征图，进而将各阶段的多层特征进行结合，并向后传递，采用多尺度池化的方法获取全局先验信息，并用于上采样过程，前向传递过程中，为了提取局部特征，将各阶段不同尺度空间的信息进行不同采样率的池化操作，得到丰富的局部信息，在全局先验信息的指导下，向前传递，得到最终的显著性预测图。本发明具有良好的显著性目标检测能力，特别是在光照不足、交叉图像边界、中心偏移等复杂场景下检测效果优势明显。

公开(公告)号：CN116229482A

公开(公告)日：2023-06-06

申请号：CN202310283922.7

申请日：2023-03-22

Applicant: 华北水利水电大学 ,  中原工学院

Inventor： 魏富鹏 ,  刘星 ,  郑秋生 ,  乔亚琼 ,  姜维 ,  陈紫薇 ,  张政 ,  牛利月 ,  刘济宗 ,  王尚首

IPC: G06V30/19 ,  G06V30/18 ,  G06V20/40 ,  G06V10/42 ,  G06V10/82 ,  G06N3/08 ,  G06F40/232 ,  G06F40/242 ,  G06N3/0464

Abstract: 本发明提出了一种网络舆情分析中视觉多模态文字检测识别及纠错方法，步骤如下：对网络舆情相关数据中文字进行标注构建数据集；提取数据集中舆情图像的图像特征、视频中关键帧的图像特征，对舆情图像的图像特征和视频中关键帧的图像特征进行信息编码；文字检测模块对多模态特征编码信息进行检测，文本识别模块将带有字符的文本序列转化为文本；采用舆情领域词库和Transformer网络对得到的文本信息进行纠错，得到文字纠错模型；对文字纠错模型进行训练，对识别出的文本信息进行纠错。本发明能够有效挖掘图像、视频中文本行的上下文信息，达到了更精准的舆情多模态数据中的文字提取效果；对文字识别的结果适当纠错，从而达到更好的预期效果。

公开(公告)号：CN110716706A

公开(公告)日：2020-01-21

申请号：CN201911046204.8

申请日：2019-10-30

Applicant: 华北水利水电大学

Inventor： 姜维 ,  沈世星 ,  王志强

IPC: G06F3/16 ,  G06F3/01 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种智能人机交互指令转换方法及系统，其中，智能人机交互指令转换方法包括：获取多源传感器中任一传感器的传感器信息，所述传感器信息包括所述任一传感器的标识信息以及所述任一传感器捕获到的数据；对所述传感器信息进行语义识别和分析，以将所述传感器信息转换为语义指令；获取所述语义指令对应的目标原子指令集，以基于所述目标原子指令集完成对家居家电的调控。通过本发明的技术方案，提高了智能家居和家电的人机交互的便捷性，降低操作的复杂程度。

公开(公告)号：CN117312577A

公开(公告)日：2023-12-29

申请号：CN202311480464.2

申请日：2023-11-08

Applicant: 华北水利水电大学 ,  中原工学院

Inventor： 魏富鹏 ,  刘星 ,  施歌 ,  乔亚琼 ,  郑秋生 ,  姜维 ,  陈紫薇 ,  权高原

IPC: G06F16/36 ,  G06F40/30 ,  G06N3/0464 ,  G06F18/214

Abstract: 本发明提出了一种基于多层语义图卷积神经网络交通事件知识图谱构建方法，其步骤如下：采用自顶向下的方式定义事件本体的分层体系，设计本体模型；从公开数据集官网上下载中英文数据集，收集并整理真实的高校交通风险事件的文本和图像数据，构建知识图谱数据集；以OneRel模型为基础模型，构建事件抽取模型；利用多层语义图卷积神经网络学习知识图谱数据集的全局语义和句法图嵌入表示信息，训练事件抽取模型；构建高校交通安全事件知识图谱并进行可视化展示。本发明融合全局语义依存分析图和句法分析图，提高远距离实体的精确识别；构建多层语义图卷积神经网络捕获更深层次的实体关系语义隐藏信息，构建出较完整的高校交通安全事件知识图谱。

公开(公告)号：CN116385930A

公开(公告)日：2023-07-04

申请号：CN202310352065.1

申请日：2023-04-04

Applicant: 华北水利水电大学

Inventor： 魏富鹏 ,  杨梦凡 ,  乔亚琼 ,  吴慧欣 ,  姜维 ,  李家辉

IPC: G06V20/40 ,  G06V20/70 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/0985

Abstract: 本发明提出了一种基于超参数优化的时间差分网络的异常行为检测方法，对异常行为视频进行标注构建短视频数据集；稀疏采样得到图像序列；将图像序列输入局部模型得到局部特征；将局部特征输入全局模型获得全局特征；通过加权平均对不同时间段的深度特征进行融合；选择可能性最高的分类作为最终的预测分类；通过超参数优化自动选择S‑TDM模块和L‑TDM模块的TDN网络的超参数和网络层数得到异常行为检测的最优化模型；使用最优化模型对任意视频进行切段处理得到每个视频小段对应的预测分类，从而实现对学生异常行为的实时监控。本发明采用可自动寻优的超参数优化技术，无需人为设置模型的超参数，实现对异常行为的识别与分类。