公开(公告)号：CN118864443A

公开(公告)日：2024-10-29

申请号：CN202411149687.5

申请日：2024-08-21

Applicant: 湖南大学

Inventor： 张辉 ,  刘航 ,  别克扎提·巴合提 ,  曹意宏 ,  杜瑞 ,  吴读桑 ,  王耀南 ,  毛建旭

IPC: G06T7/00 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种基于实例分割的路面病害智能检测方法及系统，利用线阵相机采集包含路面病害的图像数据，通过自适应直方图均衡化对所采集的图像数据进行预处理；建立多层级特征提取网络提取图像数据中的全局特征，输出多尺度特征图；采用空间‑通道注意力机制对多尺度特征图进行处理，增强其特征信息，使目标区域充分激活；通过采用转置卷积上采样的路径聚合金字塔网络对多尺度特征图进行特征融合，将金字塔网络的输出特征通过自适应增强机制进一步增强；将增强后的多尺度特征图进行模型训练；使用优化好的实例分割模型对采集的多张路面图像进行预测。本发明解决了现有的路面病害检测方法的局限性，提升路面病害检测精度、解决跨图病害识别等难点。

公开(公告)号：CN118470664B

公开(公告)日：2024-09-27

申请号：CN202410937279.X

申请日：2024-07-12

Applicant: 湖南大学

Inventor： 张辉 ,  吴读桑 ,  曹意宏 ,  杜瑞 ,  别克扎提·巴合提 ,  刘航 ,  王耀南 ,  毛建旭

IPC: G06V20/54 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/764 ,  G06V10/82 ,  G06V20/40 ,  G06V40/20

Abstract: 本发明公开了一种面向交通场景的异常行为检测方法，包括采集交通场景视频数据，建立视频数据集和文本数据集；对视频数据集中的视频数据进行预处理；构建视频数据编码网络和文本数据编码网络，将预处理后的数据、文本数据集分别输入到视频数据编码网络和文本数据编码网络中进行训练分别得到视频数据的注意力编码信息和文本数据的注意力编码信息；计算视频数据的注意力编码信息和文本数据的注意力编码信息的余弦相似度，构建相似度矩阵，结合预设的损失函数得到训练好的视频数据编码网络；获取实时交通场景视频数据输入至训练好的视频数据编码网络得到实时视频数据的注意力编码信息，输入至检测头得到异常行为检测结果；有效提高行为检测准确性。

公开(公告)号：CN118279931A

公开(公告)日：2024-07-02

申请号：CN202410443959.6

申请日：2024-04-14

Applicant: 湖南大学

Inventor： 张辉 ,  王梓川 ,  曹意宏 ,  吴读桑 ,  杜瑞 ,  别克扎提·巴合提 ,  王耀南 ,  毛建旭

IPC: G06V40/10 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82 ,  G06V20/70 ,  G06N3/045 ,  G06N3/09

Abstract: 本发明公开了一种基于头部中心点辅助的特征对比行人检测方法及系统，该方法包括：构建CSP网络新架构，在原CSP网络架构中增设头部分支、特征比对分支以及检测置信度增强器、头部感知NMS模块，再构建训练样本集，其中，以头部中心点作为头部分支的正样本，头部框中非头部中心点作为头部分支的负样本；利用训练样本集输入CSP网络进行训练得到行人检测网络模型；在训练阶段利用头部分支损失以及特征比对损失监督网络学习；在训练以及测试阶段利用检测置信度增强器和头部感知的NMS方法增强检测结果。本发明通过引入头部中心点、特征比对、检测置信度增强器和头部感知的NMS方法，提升了CSP检测精度，降低误检、漏检的发生概率。

公开(公告)号：CN119206577A

公开(公告)日：2024-12-27

申请号：CN202411276866.5

申请日：2024-09-12

Applicant: 湖南大学

Inventor： 张辉 ,  吴读桑 ,  曹意宏 ,  杜瑞 ,  别克扎提·巴合提 ,  刘航 ,  王耀南 ,  毛建旭

IPC: G06V20/40 ,  G06V40/20 ,  G06V40/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于注意力融合的视频场景理解方法及系统，该方法将多维度注意力融合模块加入骨干网络构建出行人视频场景下的识别网络，如行人动作识别网络，其中，多维度注意力融合模块是将通道，时间，空间三个维度独立计算各自注意力再进行融合；进而获取视频数据集中每帧图像的行人数据，再利用视频数据集中每帧图像的行人数据训练行人视频场景下的识别网络；最后，利用训练好的行人视频场景下的识别网络，对待检测视频进行视频理解，如输出行人动作类型。本发明技术方案块既单独使用了注意力信息使得各类注意力信息最有效利用，又使注意力信息在时空两个维度进行了整合，得到更全面的信息，增强时序信息利用，提升视频场景理解能力。

公开(公告)号：CN118470664A

公开(公告)日：2024-08-09

申请号：CN202410937279.X

申请日：2024-07-12

Applicant: 湖南大学

Inventor： 张辉 ,  吴读桑 ,  曹意宏 ,  杜瑞 ,  别克扎提·巴合提 ,  刘航 ,  王耀南 ,  毛建旭

IPC: G06V20/54 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/084 ,  G06V10/764 ,  G06V10/82 ,  G06V20/40 ,  G06V40/20

Abstract: 本发明公开了一种面向交通场景的异常行为检测方法，包括采集交通场景视频数据，建立视频数据集和文本数据集；对视频数据集中的视频数据进行预处理；构建视频数据编码网络和文本数据编码网络，将预处理后的数据、文本数据集分别输入到视频数据编码网络和文本数据编码网络中进行训练分别得到视频数据的注意力编码信息和文本数据的注意力编码信息；计算视频数据的注意力编码信息和文本数据的注意力编码信息的余弦相似度，构建相似度矩阵，结合预设的损失函数得到训练好的视频数据编码网络；获取实时交通场景视频数据输入至训练好的视频数据编码网络得到实时视频数据的注意力编码信息，输入至检测头得到异常行为检测结果；有效提高行为检测准确性。