-
公开(公告)号：CN116453069A
公开(公告)日：2023-07-18
申请号：CN202310274462.1
申请日：2023-03-21
Applicant: 华南理工大学
IPC: G06V20/54 , G06V20/52 , G06V10/28 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/246
Abstract: 本发明公开了一种基于级联差异感知模型的高速公路抛洒物检测方法，步骤如下：对高速公路视频进行背景建模提取前景再进行数学形态学处理，获得前景候选框；去除面积过小过大、不在路面上、被YOLO网络模型识别为人车的前景候选框；使用IOU目标跟踪算法求出静止超过2s的前景候选框；将当前帧的中值图像与背景图像输入到差异感知模型中，得到差异区域并生成差异框；通过最优化算法保留与差异框匹配的前景候选框；将前景候选框图像输入路面与非路面二分类网络，将分类为非路面的前景候选框判定为抛洒物目标框，在画面中标示。本发明通过背景建模提取前景，再通过一系列条件判断筛选出抛洒物，在实际场景中验证了本发明的有效性。
-
公开(公告)号：CN118072023A
公开(公告)日：2024-05-24
申请号：CN202410303700.1
申请日：2024-03-18
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于语义分割和目标检测的高速公路车辆违停检测方法，首先，利用高斯背景建模获取离线监控视频的道路背景图，再使用语义分割神经网络划分出道路区域，排除后续非高速公路的误检。之后针对同一摄像头下要检测的交通视频，利用目标检测和跟踪获取车辆的运动状态，通过车辆运动状态的判别从而检测出违停车辆。本发明设计了一种可以自动判别车辆违停事件检测方法，在真实的高速公路交通视频中取得了优秀的车辆违停检测效果。
-
公开(公告)号：CN108921602B
公开(公告)日：2021-12-21
申请号：CN201810642096.X
申请日：2018-06-21
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于集成神经网络的用户购买行为预测方法，包括步骤：1)对用户行为历史记录进行特征提取和采样，获得样本集合T1；2)利用Boosting集成方法形成分类器C1，对样本集合T1进行分类处理和特征集成，得到新的样本集合T2；3)构建神经网络的基本结构，利用基因算法对神经网络的参数进行启发式搜索，形成集成神经网络分类器C2；4)利用分类器C2对样本集合T2进行分类处理，得到新的样本集合T3；5)利用Bagging集成方法形成分类器C3，对样本集合T3进行分类处理，得到用户会产生购买行为的物品列表，作为对于用户购买行为的预测结果。本发明解决传统方法分类效果差、泛化性差、在大数据情景下效率低下等问题。
-
公开(公告)号：CN107301205A
公开(公告)日：2017-10-27
申请号：CN201710402894.0
申请日：2017-06-01
Applicant: 华南理工大学
IPC: G06F17/30
CPC classification number: G06F16/182 , G06F16/2471
Abstract: 本发明公开了一种大数据分布式实时查询方法及系统，主要将实时查询处理流程定义成一个包含多个执行阶段的查询计划树，复杂度低的查询计划树在独立的线程中并行的执行；对复杂度高的查询计划树分配多个操作线程，并以分布式云服务器集群的形式并行的处理多个执行阶段；分布式实时查询系统对各服务器的查询结果集整合并返回最终结果，同时利用NOSQL对数据查询操作进行缓存优化。本发明充分利用了实时查询云服务器的处理性能，突破了单一服务器的性能瓶颈，同时避免了服务器与HDFS数据节点之间多余的数据访问，从而提高分布式实时查询的效率。
-
公开(公告)号：CN118570849A
公开(公告)日：2024-08-30
申请号：CN202410528446.5
申请日：2024-04-29
Applicant: 华南理工大学
IPC: G06V40/16 , G06V20/40 , G06V10/764 , G16H30/40 , G16H50/20 , G16H50/70 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种基于面部动作单元参与度的婴儿疼痛识别系统，包括：图像处理模块，用于加载婴儿的面部帧并预处理，取得头部裁剪的处于正面角度的婴儿面部的处理帧；面部活跃区域模块，用于探索婴儿疼痛时活跃的面部区域；核心面部动作单元筛选模块，用于获得婴儿疼痛时的核心面部动作单元；婴儿疼痛强度预测模块，以核心面部动作单元筛选模块输出的核心面部动作单元的强度作为输入，核心面部动作单元的参与度作为权重，使用一个多层感知器对婴儿的疼痛强度进行检测。本发明通过挖掘婴儿疼痛表情的独特性，实现了专用于婴儿的疼痛识别系统，其次，揭示了婴儿疼痛表情背后的活跃区域及面部动作单元，增强了疼痛识别系统的准确性。
-
Patent Agency Ranking
公开(公告)号：CN118247756A
公开(公告)日：2024-06-25
申请号：CN202410349622.9
申请日：2024-03-26
Applicant: 华南理工大学
IPC: G06V20/56 , G06V20/70 , G06V10/26 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/52 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于语义分割和网络流的高速公路应急车道检测方法，该方法是基于改进DeeplabV3+网络与网络流最大流算法，两者相结合共同实现高速公路应急车道的精准识别；该改进DeeplabV3+网络的改进包括：将特征提取模块的Backbone部分从原来的MobileNetV2网络替换为GhostNet网络，多尺度提取ASPP模块加入了一个通道注意力机制SENet；该网络流最大流算法用于对基于语义分割得到的车道线遮罩图进行修复和连接。本发明可在适应不同场景与不同天气下的环境同时，有效完成高速公路应急车道的检测，同时还能满足交通监控系统的高实时性与高精度要求。
-
公开(公告)号：CN108921604B
公开(公告)日：2022-03-29
申请号：CN201810647829.9
申请日：2018-06-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于代价敏感分类器集成的广告点击率预测方法，包括步骤：在特征提取上，采用人工定义的规则进行特征提取，对用户行为历史记录进行特征提取和采样；在广告点击率预测中采用改进B‑SMOTE+方法进行数据过采样；经过数据预处理后的数据集在交由分类器学习时采用代价敏感算法，将误分“点击广告”这一错误加大惩罚力度；采用了遗传算法进行了优化调参；采用两层Stacking方式对进行集成。本发明解决了目前一些点击率预测算法由于特征维度较少、数据预处理不到位等问题导致的准确率较低等问题，采用该方法能够较好地提升广告点击率预测的准确率。
-
公开(公告)号：CN118247306A
公开(公告)日：2024-06-25
申请号：CN202410482831.0
申请日：2024-04-22
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于动态阈值方程的车辆行驶状态判断方法，包括：从道路摄像头中获取高帧率视频并进行预处理得到车辆的运动轨迹；基于运动轨迹得到车辆每一帧到摄像头的距离以及车辆相邻两帧检测框的交并比，并通过曲线拟合方法生成最佳拟合曲线，对曲线进行平移和调整得到最终的动态阈值方程，根据不同的场景生成不同的动态阈值方程，确保对不同情况下的车辆状态具有准确判断能力；将动态阈值方程应用于从道路摄像头中获取的低帧率视频中，根据方程计算得出的阈值，即预测的交并比，对车辆的行驶状态进行判断是缓慢行驶车辆还是正常行驶车辆。本发明通过动态阈值方程的自适应调整和准确判断，能够实现对车辆行驶状态的精准监测。
-
公开(公告)号：CN116434155A
公开(公告)日：2023-07-14
申请号：CN202310282144.X
申请日：2023-03-22
Applicant: 华南理工大学
IPC: G06V20/54 , G06V10/764 , G06V10/82 , G06V10/30 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种基于目标检测和卷积神经网络的车标识别方法，该方法步骤如下：S1、构建车辆检测模型；S2、构建车标检测模型；S3、构建车标识别的卷积神经网络；S4、设计损失函数训练车辆检测模型、车标检测模型和车标识别卷积神经网络；S5、实时采集高速公路卡口图像，依次输入车辆检测模型、车标检测模型和车标识别卷积神经网络，最后得到车标类别预测结果。本发明有效解决了由车标小、车标种类繁多、摄像头分辨率低以及光照条件多变等导致车标识别准确率低的问题，在实际的高速公路场景中取得了优秀的车标识别效果。
-
公开(公告)号：CN108921602A
公开(公告)日：2018-11-30
申请号：CN201810642096.X
申请日：2018-06-21
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于集成神经网络的用户购买行为预测方法，包括步骤：1)对用户行为历史记录进行特征提取和采样，获得样本集合T1；2)利用Boosting集成方法形成分类器C1，对样本集合T1进行分类处理和特征集成，得到新的样本集合T2；3)构建神经网络的基本结构，利用基因算法对神经网络的参数进行启发式搜索，形成集成神经网络分类器C2；4)利用分类器C2对样本集合T2进行分类处理，得到新的样本集合T3；5)利用Bagging集成方法形成分类器C3，对样本集合T3进行分类处理，得到用户会产生购买行为的物品列表，作为对于用户购买行为的预测结果。本发明解决传统方法分类效果差、泛化性差、在大数据情景下效率低下等问题。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.015 seconds)
