-
公开(公告)号：CN103763515B
公开(公告)日：2017-08-11
申请号：CN201310722563.7
申请日：2013-12-24
Applicant: 浙江工业大学
Abstract: 一种基于机器学习的视频异常检测方法，包括以下步骤：1）视频文件读入：将视频文件以一帧一帧的bmp图像数据读入；2）视频异常检测：对分解出的图像进行检测，过程如下：a）画面过亮、画面过暗；b）增益紊乱；c）模糊、被遮挡；d）条带状干扰、滚屏；e）雪花干扰；f）抖动；g）偏色；h）冻结；i）蓝、黑屏；3）机器学习：将判断为异常的视频，根据异常代码与数据库中存在的同类型误判的视频进行相似度比较，判断当前视频是否属于误判情况。本发明检测全面、具有自我学习改善能力、准确度较高。
-
公开(公告)号：CN104574441B
公开(公告)日：2017-07-28
申请号：CN201410854055.9
申请日：2014-12-31
Applicant: 浙江工业大学
IPC: G06T7/246
Abstract: 一种基于GMM和时序模型的跌倒实时检测方法，包括以下步骤：1)背景建模；2)形态学处理；3)运动目标检测；4)判定人体宽高比变化；5)构造重心状态变化矩阵；6)指数平滑法更新数据；7)给定跌倒阈值矩阵；8)根据测试数据，按照跌倒检测公式进行判定。本发明采用重心状态矩阵将表征人体运动状态的信息分解为多个参量，并赋予垂直参量更高的权重，使人体状态变化的检测更加精确；采用基于时间序列的指数平滑法对历史数据的权重进行调整，使当前累积数据更加合理。本发明既可应用于平地环境也可应用于楼梯等斜坡环境。
-
公开(公告)号：CN103763515A
公开(公告)日：2014-04-30
申请号：CN201310722563.7
申请日：2013-12-24
Applicant: 浙江工业大学
Abstract: 一种基于机器学习的视频异常检测方法，包括以下步骤：1）视频文件读入：将视频文件以一帧一帧的bmp图像数据读入；2）视频异常检测：对分解出的图像进行检测，过程如下：a）画面过亮、画面过暗；b）增益紊乱；c）模糊、被遮挡；d）条带状干扰、滚屏；e）雪花干扰；f）抖动；g）偏色；h）冻结；i）蓝、黑屏；3）机器学习：将判断为异常的视频，根据异常代码与数据库中存在的同类型误判的视频进行相似度比较，判断当前视频是否属于误判情况。本发明检测全面、具有自我学习改善能力、准确度较高。
-
公开(公告)号：CN104574441A
公开(公告)日：2015-04-29
申请号：CN201410854055.9
申请日：2014-12-31
Applicant: 浙江工业大学
IPC: G06T7/20
CPC classification number: G06T7/66 , G06T7/246 , G06T2207/30196
Abstract: 一种基于GMM和时序模型的跌倒实时检测方法，包括以下步骤：1)背景建模；2)形态学处理；3)运动目标检测；4)判定人体宽高比变化；5)构造重心状态变化矩阵；6)指数平滑法更新数据；7)给定跌倒阈值矩阵；8)根据测试数据，按照跌倒检测公式进行判定。本发明采用重心状态矩阵将表征人体运动状态的信息分解为多个参量，并赋予垂直参量更高的权重，使人体状态变化的检测更加精确；采用基于时间序列的指数平滑法对历史数据的权重进行调整，使当前累积数据更加合理。本发明既可应用于平地环境也可应用于楼梯等斜坡环境。
-
-
-
Search Results
4
records
(took 0.015 seconds)
