-
公开(公告)号:CN113139481B
公开(公告)日:2023-09-01
申请号:CN202110466081.4
申请日:2021-04-28
Applicant: 广州大学
IPC: G06V20/52 , G06V10/40 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于yolov3的教室人数统计方法,包括以下步骤:S1、通过设置于教室天花板的摄像头采集教室的原始图像作为模型训练的图像集;S2、对原始图像中的每个学生头部俯视图进行标注并生成标注文件,对标注文件中的标注框进行计算;S3、特征提取,对输入图像进行卷积和下采样;S4、建立检测模型,运用k‑means聚类算法对数据集进行聚类,检测模型采用改进的yolov3网络,包括特征提取网络和目标检测层;S5、进行检测模型训练;S6、将待测图像输入检测模型进行人数检测。本发明方法基于yolov3算法,能够快速准确地统计到某一时刻教室里学生的人数,老师可以很快的发现学生是否来齐,讲课途中是否有人混入或早退,达到改善学生迟到、早退以及逃课等现象。
-
公开(公告)号:CN116665190A
公开(公告)日:2023-08-29
申请号:CN202210148192.5
申请日:2022-02-17
Applicant: 广州大学
IPC: G06V20/59 , G06V40/16 , G06V10/764
Abstract: 一种基于人脸识别的驾驶员疲劳程度判断方法及系统,其方法包括:采集驾驶员的数据图像,将获取的图像进行图像预处理,得到预处理图像;采用回归树级联网络估计预处理图像中的人脸特征点位置;根据特征点位置,划分特征区域,对特征区域进行状态识别;根据状态识别的结果,判断驾驶员的疲劳程度;本申请通过深度学习的方法对驾驶员的人脸图像进行实时的采集和识别,可以及时判断驾驶员是否处于疲劳驾驶状态,以便及时提醒或采取相应措施,避免驾驶员由于疲劳驾驶,导致交通事故的发生。
-
公开(公告)号:CN116994330A
公开(公告)日:2023-11-03
申请号:CN202310594794.8
申请日:2023-05-24
Applicant: 广州大学
IPC: G06V40/20 , G06V10/82 , G06N3/0464 , G06V10/22
Abstract: 一种基于机器视觉的排球运动战术分析方法,包括以下步骤:S1:使用Yolov5目标检测算法训练排球运动员和排球的模型,对排球视频中的排球运动员和排球进行识别,分别输出所述排球运动员和所述排球的检测框的坐标位置和检测框的外观特征矩阵;S2:通过改进的DeepSORT跟踪算法对所述排球运动员进行跟踪;S3:通过区域搜索对所述排球进行跟踪;S4:使用差帧法对所述排球运动员和所述排球的轨迹进行修补;S5:计算击球点和落地点;S6:对排球运动场景进行二维映射。本发明提供的技术方案能够快速稳定的识别排球运动中的图像信息,并呈现为平面图,便于教练进行战术策划。
-
公开(公告)号:CN116977914A
公开(公告)日:2023-10-31
申请号:CN202310590639.9
申请日:2023-05-23
Applicant: 广州大学
Abstract: 一种基于机器视觉的商场人流量分析方法,其特征在于,包括以下步骤:S1:对Yolov5网络进行改进;S2:对deepSORT算法进行改进;S3:使用改进后的Yolov5网络训练模型;S4:使用训练好的模型对商场高清监控视频进行测试;S5:将坐标集打印在二维平面中,进行人流走向分析。本发明提供的技术方案使用了更适合检测行人的先验框,提高了检测行人目标的准确率,减少了训练模型的时间。
-
公开(公告)号:CN113569656B
公开(公告)日:2023-08-29
申请号:CN202110752439.X
申请日:2021-07-02
Applicant: 广州大学
IPC: G06V20/52 , G06V20/40 , G06V40/20 , G06V10/774 , G06V10/762 , G06V10/82 , G06N3/0464 , G06V10/25 , G06V10/764 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的考场监控方法,包括:监控系统实时拍摄考试视频;将预处理后的考试图像输入到已训练好的卷积神经网络当中,卷积神经网络将考试图像均匀的分成多个网格;每个网格对网格内的待识别物体进行行为类框预测,将行为类框的类别得分与预设阀值比较,过滤低于预设阀值的行为类框,将高于预设阀值的行为类框进行非极大值抑制,得到最终的检测框;根据最终的检测框的得分T与优化后的自适应参数q,p,r进行比较,得到行为类框中含有目标的概率。本发明在现有的一段式算法中的YOLO算法基础上,对检测数据进行深度学习自适应参数优化,并且提出自适应参数区间划分异常行为程度,将进一步提高异常行为检测的精确度。
-
公开(公告)号:CN116665285A
公开(公告)日:2023-08-29
申请号:CN202210147807.2
申请日:2022-02-17
Applicant: 广州大学
IPC: G06V40/18 , G06V10/764 , G06V10/82 , G05B15/02 , G05B19/418
Abstract: 基于YOLOv3的睡眠检测方法、装置、设备及介质,其方法包括:采集家庭中每个成员睡眠时的照片;对照片中的人眼处进行标注,对标注的照片进行扩张和过滤,将扩张和过滤后的照片作为数据集;对数据集进行卷积化和池化处理,然后对处理后的数据集中的图像进行分类;对分类后的图像进行处理,判断用户是否闭眼,根据判断结果控制家电运行,本专利提出的YOLOv3的睡眠检测与智能家居相结合的方法,可以随时检测用户是否处于睡眠状态,并根据检测的结果控制家电关闭或节能运行,可以节约电力资源、减少电子废物的产生,有利于绿色环保社会的建设。
-
公开(公告)号:CN114511036A
公开(公告)日:2022-05-17
申请号:CN202210147830.1
申请日:2022-02-17
Applicant: 广州大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于KNN的改进k‑means++算法,包括K‑means++算法,所述方法包括以下步骤:S1:输入包含n个数据对象的目标数据集D,数据集待聚类类簇数k,通过在初始类簇中心点选择时,第一个类簇中心点随机选取,后续的类簇中心点的选取将同时基于数据对象与最近邻的初始类簇中心点的距离,以及数据对象附近空间的稠密程度,其中,通过优化过后的中心点选取机制,那些远离已存在类簇中心点的高密度对象将有更大的可能性被选取为新的类簇中心点,由此中心点的选取不会过于随机而影响到聚类结果,在一定程度上提升了k‑means算法的聚类稳定性以及聚类质量,达到了使得中心点的选取更加合理且稳定,并提高聚类质量和聚类稳定性的效果。
-
公开(公告)号:CN113569656A
公开(公告)日:2021-10-29
申请号:CN202110752439.X
申请日:2021-07-02
Applicant: 广州大学
Abstract: 本发明公开了一种基于深度学习的考场监控方法,包括:监控系统实时拍摄考试视频;将预处理后的考试图像输入到已训练好的卷积神经网络当中,卷积神经网络将考试图像均匀的分成多个网格;每个网格对网格内的待识别物体进行行为类框预测,将行为类框的类别得分与预设阀值比较,过滤低于预设阀值的行为类框,将高于预设阀值的行为类框进行非极大值抑制,得到最终的检测框;根据最终的检测框的得分T与优化后的自适应参数q,p,r进行比较,得到行为类框中含有目标的概率。本发明在现有的一段式算法中的YOLO算法基础上,对检测数据进行深度学习自适应参数优化,并且提出自适应参数区间划分异常行为程度,将进一步提高异常行为检测的精确度。
-
公开(公告)号:CN113569655A
公开(公告)日:2021-10-29
申请号:CN202110751701.9
申请日:2021-07-02
Applicant: 广州大学
Abstract: 本发明涉及基于眼部色彩监控的红眼病患者识别系统,包括摄像头、图像预处理模块、眼睛部位识别模块以及颜色识别模块;其中,摄像头与图像预处理模块连接,图像预处理模块分别与摄像头和眼睛部位识别模块连接,眼睛部位识别模块分别与图像预处理模块和颜色识别模块连接。本发明通过摄像头、图像预处理模块、眼睛部位识别模块以及颜色识别模块,扩大红眼病检测的范围,提高红眼病识别精确度。
-
公开(公告)号:CN113011367A
公开(公告)日:2021-06-22
申请号:CN202110348437.4
申请日:2021-03-31
Applicant: 广州大学
Abstract: 本发明公开了一种基于目标轨迹的异常行为分析方法,包括以下步骤:运动目标跟踪:将视频输入系统,系统对视频进行目标检测,并对视频中目标进行运动目标跟踪,得到视频序列中运动目标在在每帧图像中的位置,进而得到目标运动轨迹;路径提取:对目标运动轨迹采用多项式拟合方法进行预处理,并采用聚类算法进行聚类,将聚类后得到的数据进行建模,提取得到场景路径;行为分析:通过输入待判定的运动模式与正常行为模型进行匹配,根据匹配情况得到行为分析结果;本发明通过获取运动对象的轨迹,进一步对运动对象的行为、活动的理解和预测的分方法,解决传统视频监控系统判断可疑事件的发生主要依赖于人工的问题。
-
-
-
-
-
-
-
-
-