-
公开(公告)号：CN119810511A
公开(公告)日：2025-04-11
申请号：CN202411840437.6
申请日：2024-12-13
Applicant: 无锡学院
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06N3/045
Abstract: 本发明涉及图像预测技术领域，公开了一种基于KAN网络的情绪预测方法、系统和存储介质，方法包括：采集数据集，并对数据集进行预处理；构建基于KAN网络的情绪预测模型，使用训练集训练情绪预测模型，训练过程中使用交叉熵损失函数调整情绪预测模型的参数，获得训练好的情绪预测模型；使用验证集评估训练好的情绪预测模型的性能；将待预测的图像输入训练好的情绪预测模型，输出情绪预测结果。本发明通过使用Kolmogorov‑Arnold网络代替传统的多层感知器进行图像情感分析，KAN网络在处理复杂关系和逻辑推理方面具有显著优势，能够提高情感预测的准确率，还通过结合网络数据收集和文本生成图片模型来获取训练数据，有效降低人工标注的工作量。
-
公开(公告)号：CN119091685A
公开(公告)日：2024-12-06
申请号：CN202411289787.8
申请日：2024-09-14
Applicant: 无锡学院
Abstract: 本发明公开了一种基于多源数据融合分析的车辆碰撞预警分析系统。本发明通过对多个视觉摄像头采集的图像在不同时间序列下同一目标对象的位置进行分析，得到多个对象在不同时间序列下的位置信息，将多个对象的移动转化为移动向量，在二维地图中分析车辆与多个对象的移动向量距离，能够及时有效地对汽车碰撞做出预警分析，保障了汽车在行驶过程中的安全性。
-
公开(公告)号：CN118918148A
公开(公告)日：2024-11-08
申请号：CN202411411710.3
申请日：2024-10-11
Applicant: 无锡学院
Abstract: 一种面向无人机视角的交通跟踪检测系统。属于目标跟踪技术领域，具体涉及面向智能交通和无人机视角下的轻量级目标检测和跟踪技术领域。系统包括目标检测模块、目标运动轨迹匹配模块和目标运动轨迹输出模块；目标检测模块：对视频帧图片进行处理，得出跟踪目标对应的检测框和每个检测框对应的置信度得分；目标运动轨迹匹配模块：根据置信度得分对检测框进行划分，划分后将检测框与预测轨迹进行匹配；目标运动轨迹输出模块：当目标运动轨迹匹配模块中将同一帧检测框连续3次与预测轨迹匹配成功后，将所述预测轨迹作为确认态轨迹输出。其解决了以往无人机对于目标的追迹中由于存在小尺寸目标、复杂背景以及遮挡情况而导致的追踪精度低的问题。
-
公开(公告)号：CN118230296B
公开(公告)日：2024-11-05
申请号：CN202410324420.9
申请日：2024-03-21
Applicant: 无锡学院
IPC: G06V20/59 , B60W40/08 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种轻量化的疲劳驾驶检测跟踪方法，获取待识别的驾驶员图像；将待识别的驾驶员图像输入预先构建的YOLOv5s网络模型，获得人脸特征目标框；利用Deepsort算法对人脸特征目标框进行连续目标跟踪优化，获得标签信息；基于标签信息、驾驶员的连续闭眼帧数、驾驶员的连续打哈欠帧数和计算获得的PERCLOS分数，判定获得包括疲劳驾驶状态和正常驾驶状态的驾驶员驾驶状态。本模型能够降低检测过程中驾驶员面部信息丢失发生的概率问题，并且在保持高精度的同时显著降低了模型大小。
-
公开(公告)号：CN118762396A
公开(公告)日：2024-10-11
申请号：CN202410802734.5
申请日：2024-06-20
Applicant: 无锡学院
IPC: G06V40/20 , G06V20/52 , G06V10/82 , G06V10/52 , G06V10/80 , G06V10/25 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/0499 , G06N3/084 , G06Q50/20
Abstract: 本发明公开了一种基于改进YOLOv8模型的学生课堂行为检测方法，属于行为检测与识别领域，方法包括：构建改进型YOLOv8模型，对YOLOv8模型进行优化，得到改进的YOLOv8模型：在YOLOv8模型的Backbone网络中引入动态组卷积混洗模块替换原YOLOv8模型Backbone网络中的第四个C2f模块；在YOLOv8模型的Neck网络中构建自适应极化特征融合模块替换原YOLOv8模型Neck网络中的C2f模块；创建任务动态对齐检测头模块，替换原YOLOv8模型的检测层，提升了学生课堂行为检测的精度、效率。
-
Patent Agency Ranking
公开(公告)号：CN118711147A
公开(公告)日：2024-09-27
申请号：CN202411090235.4
申请日：2024-08-09
Applicant: 无锡学院
IPC: G06V20/54 , G06V20/40 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/94 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/082 , G08G1/01
Abstract: 本发明公开了一种基于深度学习的车辆闯红灯监测方法和系统，所述方法包括以下步骤：通过高清摄像头采集交通路口实时监控视频；对实时监控视频进行检测区域划分；通过深度神经网络对划分后的检测区域进行检测；基于划分区域的检测结果对车辆是否闯红灯进行判断。所述系统包括：车辆实时视频采集模块，目标路口区域划分模块，基于深度神经网络的车辆检测模块，红灯显示期间关键帧获取模块，闯红灯行为判断模块，报警模块，信息存储模块和电子设备部署装置。本发明能够对闯红灯的车辆进行识别，并根据车牌照片自动提取车牌信息完成数据存储与报警。
-
公开(公告)号：CN117749359A
公开(公告)日：2024-03-22
申请号：CN202311646758.8
申请日：2023-12-04
Applicant: 无锡学院
Abstract: 本发明公开了一种基于含密云图生成的构造式隐写方法及系统，方法包括：将秘密信息作为待隐藏的字符串并转化为二进制字符串；使用随机数生成的方式确定画布中存储信息的位置；以时间作为随机种子生成隐藏矩阵和坐标点，坐标点对应在空白画布的坐标位置上；将秘密信息的二进制字符串以坐标点存储在画布中；将画布渲染填充，生成载密图片；获取载密图片，提取载密图片中含有秘密信息的隐藏矩阵；获取嵌入的秘密信息的像素块的像素信息，提取出每个像素的颜色值，将颜色值转化成对应的二进制字符串；将二进制字符串根据预设编码格式转化为英文字符串或中文字符串，得到秘密信息。通过本发明生成自然的图像外观，同时隐藏和传递秘密信息。
-
公开(公告)号：CN117744111A
公开(公告)日：2024-03-22
申请号：CN202311720588.3
申请日：2023-12-14
Applicant: 无锡学院
Abstract: 本发明公开了基于二值图的构造式隐写方法、系统、电子设备及介质，方法包括：加密信息隐藏，将秘密信息进行转化为文字或者结构图像，得到秘密信息的形态图；使用黑色像素块将秘密信息的形态图绘制在预设的空白画布中，得到二值图；将二值图的像素行放在预设的空白画布中，填充空白画布中其余部分，得到含密图片；加密信息提取，秘密信息的接收者接收到含密图片和含密像素行信息，将含密像素行的像素值转化为二进制数，按顺序纵向展开，将二进制数中的‘1’转化为黑色、‘0’转化为白色，得到二值图；将二值图按照像素行的顺序依次排列，得到加密信息。
-
公开(公告)号：CN119886211A
公开(公告)日：2025-04-25
申请号：CN202510378245.6
申请日：2025-03-28
Applicant: 无锡学院
Abstract: 一种基于智慧交通系统采集数据的城市交通流量预测方法。属于智慧交通技术领域，具体涉及一种基于物联网采集设备的城市交通流量预测技术领域。其解决了传统的交通流量预测方法的长期预测能力差，模型复杂度高，无法适应大规模交通预测的问题。所述方法包括如下步骤：统计监测数据，获取流量序列，并进行预处理；构建DSTTN模型，所述DSTTN模型从输入层到输出层依次经过线性层、连接与线性层、时空块以及输出层，在输入层和连接与线性层之间添加一个动态时空嵌入模块；根据训练好的DSTTN模型；得到模型的预测结果；将待预测流量序列输入训练完的DSTTN模型，生成预测结果。
-
公开(公告)号：CN118711147B
公开(公告)日：2025-04-04
申请号：CN202411090235.4
申请日：2024-08-09
Applicant: 无锡学院
IPC: G06V20/54 , G06V20/40 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/94 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/082 , G08G1/01
Abstract: 本发明公开了一种基于深度学习的车辆闯红灯监测方法和系统，所述方法包括以下步骤：通过高清摄像头采集交通路口实时监控视频；对实时监控视频进行检测区域划分；通过深度神经网络对划分后的检测区域进行检测；基于划分区域的检测结果对车辆是否闯红灯进行判断。所述系统包括：车辆实时视频采集模块，目标路口区域划分模块，基于深度神经网络的车辆检测模块，红灯显示期间关键帧获取模块，闯红灯行为判断模块，报警模块，信息存储模块和电子设备部署装置。本发明能够对闯红灯的车辆进行识别，并根据车牌照片自动提取车牌信息完成数据存储与报警。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.024 seconds)
