公开(公告)号：CN116797922B

公开(公告)日：2025-03-07

申请号：CN202310352316.6

申请日：2023-04-04

Applicant: 河南大学

Inventor： 党兰学 ,  皇甫盼盼 ,  展桂荣 ,  韩宏宇 ,  穆辉宇 ,  林英豪 ,  刘扬 ,  乔保军 ,  左宪禹

IPC: G06V20/10 ,  G06V10/20 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于特征融合的遥感图像目标检测方法，其方案如下：(1)对遥感图像目标检测数据集进行预处理，并划分出训练集、验证集和测试集；(2)构建金字塔特征细化单元，以三条不同大小感受野的路径对特征进行多尺度学习；(3)构建金字塔特征细化模块，并以此替换路径聚合网络中的C3模块，使得网络可以进行更充分有效的特征融合；(4)构建轻量级的解耦检测头，并以此替换YOLOv5原有的检测头，在引入少量模型参数的情况下，有效缓解了分类任务和回归任务之间的冲突问题，提高了检测精度；(5)对改进后的网络进行训练和测试。本发明可在遥感图像数据集上取得良好的检测效果，为遥感智能解译提供支持。

公开(公告)号：CN118411665A

公开(公告)日：2024-07-30

申请号：CN202410487963.2

申请日：2024-04-19

Applicant: 河南省公平竞争审查事务中心 ,  河南大学

Inventor： 刘卫东 ,  穆辉宇 ,  张鹏宇 ,  王峰 ,  周黎明 ,  曹朝阳 ,  刘扬 ,  杜疆 ,  李勇敢 ,  刘云飞 ,  刘健 ,  远程 ,  王雅娣 ,  崔奇 ,  魏紫 ,  曹留建 ,  刘方 ,  赵苗苗 ,  李耀峰 ,  陈玉汝 ,  赵英浩 ,  崔伟

IPC: G06V20/52 ,  G06V20/40 ,  G06V40/20 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种后厨监控环境的异常事件检测方法,包括以下步骤：将均包含连续t帧的非合成视频片段和合成异常视频片段作为编码器的输入，得到视频帧的视频特征，编码器包括3D卷积层、掩码卷积层和通道关联自注意力机制；将视频特征输入解码器中重建生成预测视频帧；将预测视频帧中的一视频帧和对应的非合成视频片段中的一真实视频帧输入至训练好的预测模型中，得到异常行为检测结果。其可提高检测的准确性和效率。

公开(公告)号：CN116506615A

公开(公告)日：2023-07-28

申请号：CN202310528077.5

申请日：2023-05-10

Applicant: 河南大学

Inventor： 田军锋 ,  陈柯柯 ,  展桂荣 ,  张磊 ,  韩宏宇 ,  刘成 ,  穆辉宇

IPC: H04N19/124 ,  H04N19/182 ,  H04L9/00 ,  H04N19/63

Abstract: 本发明提供一种基于压缩感知和拉丁立方的彩色图像加密和解密方法。该加密方法主要包括以下步骤：基于给定的外部密钥和初始值，对Logistic‑Sine‑Cosine混沌系统进行迭代生成四个混沌序列X1、X2、X3、X4，对Henon混沌系统进行迭代生成混沌序列Y1和Y2；使用小波稀疏基对明文图像进行稀疏处理，然后采用混沌序列X1、X2、X3对稀疏矩阵进行重新排序，根据X4得到符合要求的测量矩阵并对三个稀疏矩阵进行压缩感知测量。在置乱扩散过程中，使用混沌序列Y1生成三维拉丁立方体和二维0‑1方阵，对压缩加密后的图像进行特定规则的置乱和扩散加密，进而获得最终的压缩密文图像。

公开(公告)号：CN119477694A

公开(公告)日：2025-02-18

申请号：CN202411513041.0

申请日：2024-10-28

Applicant: 河南大学

Inventor： 乔保军 ,  刘珊珊 ,  党兰学 ,  谢毅 ,  穆辉宇 ,  王雅娣 ,  李贺年 ,  葛增瑞

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0455 ,  G06N3/0464 ,  G06T5/50 ,  G06T5/60 ,  G06N3/084

Abstract: 本发明涉及图像复原技术领域，具体涉及一种基于二阶光谱空间注意力的高光谱超分辨率重建方法。该方法包括Swin Transformer与卷积神经网络相结合，捕获全局‑局部上下文空间光谱信息；构建二阶协方差统计量的空间‑光谱注意力机制，获取更多上下文特征；利用反卷积操作进行上采样，重建最终的高光谱超分辨率图像；利用训练数据集获得训练好的高光谱超分辨率重建模型；将当前测试样本集输入到训练好的模型中，获得高光谱超分辨率图像。本发明具有出色的重建结果，提高了高光谱超分辨率重建性能。

公开(公告)号：CN119402164A

公开(公告)日：2025-02-07

申请号：CN202411505966.0

申请日：2024-10-25

Applicant: 河南大学

Inventor： 殷红建 ,  姜一鑫 ,  张磊 ,  郝银凤 ,  牛亚坤 ,  穆辉宇 ,  曹朝阳

IPC: H04L9/00 ,  H04L9/32 ,  H04L9/08

Abstract: 本发明提供一种基于区块链的可验证安全多方计算方法。该方法包括：获取敏感数据，为每个参与者分配唯一标识符，根据所述敏感数据和每个参与者的唯一标识符为每个参与者分配秘密份额；每个参与者接收到秘密份额后，为自身的秘密份额生成承诺，对秘密份额的承诺进行签名，将秘密份额、秘密份额的承诺和签名上传至区块链；每个参与者根据接收到的秘密份额执行本地计算，将本地计算结果安全传输至其他所有参与者；每个参与者接收其他参与者传输的本地计算结果，对所有的本地计算结果进行重构，以便还原得到最终的计算结果；使用零知识证明在区块链上对安全多方计算的计算结果的一致性和有效性进行公开验证。

公开(公告)号：CN119251723A

公开(公告)日：2025-01-03

申请号：CN202411222192.0

申请日：2024-09-02

Applicant: 河南大学

Inventor： 穆辉宇 ,  李江伟 ,  张鹏宇 ,  马艳红 ,  展桂荣 ,  刘卫东 ,  党兰学 ,  左宪禹

IPC: G06V20/40 ,  G06V20/52 ,  G06V40/20 ,  G06V10/44 ,  G06V10/62 ,  G06V10/77 ,  G06V10/762 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/088 ,  G06N3/096 ,  G06N3/0985

Abstract: 本发明公开一种融合关键帧和多任务混合模型的视频异常检测方法及系统，该方法首先使用分段聚类的帧间差分关键帧提取技术，将提取的关键帧作为模型输入，节省了存储空间，提升检测效率；然后，在人体骨骼特征提取的基础上，融合了基于重构的方法和基于预测的方法，构建一个混合模型；并且在多任务学习方面，基于构建的混合模型，综合利用历史帧重构和预测未来帧、利用未来帧重构和预测历史帧、利用历史帧和未来帧重构和预测当前帧；最后基于训练好的混合模型进行视频异常检测。本发明有效解决了重构方法和预测方法异常数据误判率较高和有易受环境噪声影响的问题，通过混合模型综合利用多源信息，结合两种方法的优势，提高模型的实用性、准确率。

公开(公告)号：CN117935120A

公开(公告)日：2024-04-26

申请号：CN202410140380.2

申请日：2024-01-31

Applicant: 河南大学

Inventor： 穆辉宇 ,  左宪禹 ,  乔保军 ,  马艳红 ,  党兰学 ,  刘扬 ,  王雅娣 ,  殷红建

IPC: G06V20/40 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/082 ,  G06V10/24 ,  G06V10/764

Abstract: 本说明公开一种基于Transformer的可解释性视频异常事件检测方法及装置，该方法包括：对原始视频数据进行预处理；将所有预处理后的视频帧输入深度网络，生成特征图并分割展开，构造时空张量表示；构造可解释时空Transformer模型，包括空间自注意力模块和时间自注意力模块；利用自减去机制作用于时间自注意力模块的查询和键投影之前的输入Token；利用二元交叉熵分类训练损失进行训练，构建正常数据和异常数据的分类损失函数；利用时间自注意力模块和空间自注意力模块分别提取矩阵序列每一行上的Token关联信息，并通过双线性插值将其放大至原始尺寸，最终实现可视化热图。本发明实现了视频异常事件检测的可解释性。

公开(公告)号：CN117593684A

公开(公告)日：2024-02-23

申请号：CN202311666154.X

申请日：2023-12-06

Applicant: 河南大学

Inventor： 穆辉宇 ,  王璐慧 ,  展桂荣 ,  党兰学 ,  谢毅 ,  左宪禹

IPC: G06V20/40 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/0499 ,  G06N3/082

Abstract: 本发明提供一种融合多尺度注意力的时空Transformer的视频异常检测方法。该方法包括：步骤1：将包含连续t帧的正常视频作为生成器的输入，生成第t+1帧预测帧，利用鉴别器区分第t+1帧预测帧和真实帧；步骤2：计算第t+1帧预测帧和真实帧之间的损失，根据损失采用梯度下降法动态调整生成器和鉴别器的参数，得到训练好的生成器和鉴别器；步骤3：将包含连续t帧的待检测视频输入至训练好的生成器中，生成第t+1帧预测帧，将该第t+1帧预测帧和真实帧输入至训练好的鉴别器中，得到异常行为检测结果。

公开(公告)号：CN119540208A

公开(公告)日：2025-02-28

申请号：CN202411695251.6

申请日：2024-11-25

Applicant: 河南大学

Inventor： 穆辉宇 ,  苏嘉帅 ,  王雅娣 ,  胡运 ,  韩树冰 ,  党兰学 ,  刘扬 ,  远程 ,  张鹏宇

IPC: G06T7/00 ,  G06T7/10 ,  G06V10/25 ,  G06V10/82 ,  G06V10/774 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及图像数据处理技术领域，具体涉及一种面向复合聚酯卡制品的微小外观缺陷视觉检测方法，该方法包括：采集图像数据，使用roLabelimg工具进行瑕疵标注，生成旋转标注数据集；并通过切割算法以瑕疵为中心进行切块处理，利用数据扩增技术对图像块进行扩增；采用改进的YOLOv8‑OBB算法进行训练和检测，该算法引入专为小目标设计的检测头，确保完整捕捉小目标特征。使用SPFF‑FSCA结构替代YOLOv8‑OBB模型中原有SPFF模块，利用空间与通道注意力机制进一步优化特征提取，进而提高检测精度。本发明方法能够高效处理图像中的微小目标瑕疵检测问题，具备较高的实用性与精确性。

公开(公告)号：CN119007288A

公开(公告)日：2024-11-22

申请号：CN202411077123.5

申请日：2024-08-07

Applicant: 河南大学

Inventor： 穆辉宇 ,  张鹏宇 ,  王雅娣 ,  韩宏宇 ,  刘卫东 ,  党兰学 ,  谢毅

IPC: G06V40/20 ,  G06V20/40 ,  G06V10/80 ,  G06V10/44 ,  G06V10/52 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/08

Abstract: 本发明提供一种联合RGB外观、骨骼姿态与音频信息的多模态视频异常检测方法及相关设备。该方法包括：将目标视频分割为若干个视频片段；对每个视频片段进行预处理以获取每个视频片段的多模态数据，所述多模态数据包括人体骨骼轨迹、外观关键区域和声音频谱图；利用骨骼姿态子网络、RGB外观子网络和音频信息子网络分别对每个视频片段的多模态数据进行特征提取，得到每个视频片段的骨骼姿态特征、外观特征和音频特征；采用自适应多流融合策略对每个视频片段的骨骼姿态特征、外观特征和音频特征进行融合并预测每个视频片段的异常分数；若视频片段的异常分数超过设定阈值，则认为所述视频片段包含异常行为。