一种异常事件检测方法、系统、计算设备及存储介质

    公开(公告)号:CN114299410B

    公开(公告)日:2025-03-14

    申请号:CN202010994286.5

    申请日:2020-09-21

    Inventor: 沙浩

    Abstract: 本发明公开了一种异常事件检测方法,包括以下步骤:获取视频流;根据视频流构建背景模型,背景模型包括多个时刻的背景图片;从背景模型中获取对应于第一时刻的第一背景图片和对应于第二时刻的第二背景图片;分别对第一背景图片和第二背景图片进行特征提取,然后进行特征比较;根据特征比较的结果确定是否存在异常事件。本发明采用上述技术方案,可减小异常事件检测的误差,提高准确率。本发明还提供了一种异常事件检测系统、计算设备及存储介质。

    人群计数模型的选择方法、装置、设备及其存储介质

    公开(公告)号:CN110765817A

    公开(公告)日:2020-02-07

    申请号:CN201810837777.1

    申请日:2018-07-26

    Inventor: 沙浩 戴依若

    Abstract: 本发明涉及监控领域,公开了一种人群计数模型的选择方法、装置、设备及其存储介质。本发明中的人群计数模型的选择方法包括:选取与第一摄像头的距离小于预定距离的至少两个第二摄像头;计算对应每个第二摄像头的人数随时间变化的第一类曲线;对得到的第一类曲线求平均得到平均曲线;将多个人群计数模型中的每一个的第二类曲线分别与平均曲线进行匹配,得到每一个人群计数模型相对于平均曲线的时间匹配度;基于时间匹配度,从多个人群计数模型中选择适用于第一摄像头的人群计数模型。本发明可根据摄像头的拍摄场景为其从已有的人群计数模型中选取最为合适的人群计数模型,从而提高对人数统计的准确性。

    脉搏特征提取装置及脉搏特征提取方法

    公开(公告)号:CN105433916A

    公开(公告)日:2016-03-30

    申请号:CN201410483233.1

    申请日:2014-09-19

    Inventor: 沙浩

    Abstract: 本发明提供脉搏特征提取装置及脉搏特征提取方法,提取脉搏信号的特征。脉搏特征提取装置具备:脉搏信号获取单元,获取一个周期以上的脉搏信号;脉搏信号分类单元,至少根据一个周期的脉搏信号中的极值点的数量,对脉搏信号进行分类,从而获得脉搏信号的类型;以及脉搏特征提取单元,与脉搏信号的类型相应地确定脉搏信号的特征点,并根据特征点的信息提取脉搏信号的特征。根据本发明的脉搏特征提取装置,能够准确地获得脉搏信号的特征点的位置,从而准确地提取脉搏信号的特征。

    图像除雾装置和图像除雾方法

    公开(公告)号:CN103186887A

    公开(公告)日:2013-07-03

    申请号:CN201110456592.4

    申请日:2011-12-30

    Abstract: 本发明涉及一种图像除雾装置,包括:预处理单元,其用于将输入图像归类为核心帧或普通帧,输入图像的各像素具有取决于物距的距离参数;核心帧参数求取单元,其用于求取核心帧的各像素的距离参数以及核心帧的背景图像的各个像素距离参数;普通帧参数求取单元,其用于求取普通帧的各像素的距离参数;图像除雾单元,其利用由核心帧参数单元求出的距离参数对核心帧进行除雾处理,以及利用由普通帧参数求取单元得到的距离参数对普通帧进行除雾处理,其中,普通帧参数求取单元将普通帧分割为背景部分和前景部分。本发明还涉及一种相应的图像除雾方法和一种图像处理系统。

    视频播放装置
    5.
    发明公开

    公开(公告)号:CN102196152A

    公开(公告)日:2011-09-21

    申请号:CN201010132406.7

    申请日:2010-03-10

    Abstract: 本发明涉及一种视频播放装置,其具备用作驱动源的电池、解码单元、显示部、存储部,并且还具备:错误检测单元,检测解码单元在解码视频信息时产生的错误部分;错误修复单元,对被检测到的错误部分进行修复;错误修复单元能够按照耗电量不同的修复方法对被检测到的错误部分进行修复。根据本发明的视频播放装置可根据用户需求或者预先设定的规则对耗电量不同的修复方法进行选择,从而能够实现用户的要求或者达到预先设定的目标,实现在视频显示质量与电力消耗之间达到权衡的目的。

    一种手部检测方法及装置

    公开(公告)号:CN111222379A

    公开(公告)日:2020-06-02

    申请号:CN201811424605.8

    申请日:2018-11-27

    Inventor: 戴依若 沙浩

    Abstract: 本发明实施例提供了一种手部检测方法及装置,该手部检测方法包括:获取待分析的人体图像;对所述人体图像进行人体姿势估计处理,确定所述人体图像中的人体关键点,所述人体关键点至少包括手腕关键点;对所述人体图像进行语义分割处理,从所述人体图像中分割出人体区域;根据所述手腕关键点和所述人体区域,确定所述人体图像中的手部区域。本发明实施例中,通过对人体图像进行人体姿势估计和语义分割处理,分别得到人体图像中的手腕关键点和人体区域,由于确定了手腕关键点,手部区域位于手腕关键点附近,结合手腕关键点以及语义分割出的人体区域,可以快速准确地确定手部区域,且与现有方法相比,应用场景更广,提高了手部检测方法的鲁棒性。

    神经网络的训练方法和通过该训练方法获得的神经网络

    公开(公告)号:CN108122033A

    公开(公告)日:2018-06-05

    申请号:CN201611079401.6

    申请日:2016-11-30

    Inventor: 沙浩

    CPC classification number: G06N3/08

    Abstract: 本发明提供了一种神经网络的训练方法和神经网络。该方法包括:对输入的一组训练样本重复进行多次运算处理,每次运算处理包含:对于每个激活节点,根据选择概率值,随机地从线性运算和非线性运算之中选择出第一选择结果,来进行第一次网络训练,以获得第一训练损失值;对于每个激活节点,根据选择概率值,随机地从线性运算和非线性运算之中选择出第二选择结果,来进行第二次网络训练,以获得第二训练损失值;当第一训练损失值小于第二训练损失值时,增加每个感兴趣节点的第一选择结果的概率值;以及当第二训练损失值小于等于第一训练损失值时,增加每个感兴趣节点的第二选择结果的概率值。本发明通过引入随机性,提高了神经网络的精度。

    图像除雾装置和图像除雾方法

    公开(公告)号:CN103186887B

    公开(公告)日:2016-08-03

    申请号:CN201110456592.4

    申请日:2011-12-30

    Abstract: 本发明涉及一种图像除雾装置,包括:预处理单元,其用于将输入图像归类为核心帧或普通帧,输入图像的各像素具有取决于物距的距离参数;核心帧参数求取单元,其用于求取核心帧的各像素的距离参数以及核心帧的背景图像的各个像素距离参数;普通帧参数求取单元,其用于求取普通帧的各像素的距离参数;图像除雾单元,其利用由核心帧参数单元求出的距离参数对核心帧进行除雾处理,以及利用由普通帧参数求取单元得到的距离参数对普通帧进行除雾处理,其中,普通帧参数求取单元将普通帧分割为背景部分和前景部分。本发明还涉及一种相应的图像除雾方法和一种图像处理系统。

    图像提取装置和方法、行为分析系统和存储介质

    公开(公告)号:CN110321767B

    公开(公告)日:2023-01-31

    申请号:CN201810295934.0

    申请日:2018-03-30

    Abstract: 本发明提供一种图像提取装置,从来自多个视频源的视频数据中,提取用于对视频数据中的对象人物进行行为识别的特定图像,提高行为识别的准确性。该图像提取装置包括:人物检测提取部(301),从视频数据中检测对象人物,并提取对象人物的全部的图像;关键点提取部(306),对人物检测提取部提取出的对象人物的图像进行关键点提取;关注部位确定部(304),确定对象人物的关注部位;关注部位图像提取部(307),根据关注部位确定部确定的关注部位,从对象人物的图像中提取该对象人物的关注部位的图像;图像判断输出部(308),判断关注部位图像提取部提取出的关注部位的图像中哪些图像是特定图像,并输出特定图像。

    神经网络的训练方法和通过该训练方法获得的神经网络

    公开(公告)号:CN108122033B

    公开(公告)日:2022-09-16

    申请号:CN201611079401.6

    申请日:2016-11-30

    Inventor: 沙浩

    Abstract: 本发明提供了一种神经网络的训练方法和神经网络。该方法包括:对输入的一组训练样本重复进行多次运算处理,每次运算处理包含:对于每个激活节点,根据选择概率值,随机地从线性运算和非线性运算之中选择出第一选择结果,来进行第一次网络训练,以获得第一训练损失值;对于每个激活节点,根据选择概率值,随机地从线性运算和非线性运算之中选择出第二选择结果,来进行第二次网络训练,以获得第二训练损失值;当第一训练损失值小于第二训练损失值时,增加每个感兴趣节点的第一选择结果的概率值;以及当第二训练损失值小于等于第一训练损失值时,增加每个感兴趣节点的第二选择结果的概率值。本发明通过引入随机性,提高了神经网络的精度。

Patent Agency Ranking