-
公开(公告)号：CN110660082B
公开(公告)日：2022-03-08
申请号：CN201910908419.X
申请日：2019-09-25
申请人： 西南交通大学
IPC分类号： G06T7/246 , G06N3/04 , G06V10/764 , G06K9/62
摘要： 本发明公开了一种基于图卷积与轨迹卷积网络学习的目标跟踪方法，涉及计算机视觉，目标跟踪技术领域。该网络主要由双流特征提取层、目标候选轨迹提取层、目标定位层构成。网络将输出每一个目标候选轨迹的置信度，选取最大置信度的目标候选轨迹作为目标运动轨迹，再取目标运动轨迹的最后一帧的目标块为目标图像块，网络训练完成后则具备初始的目标定位能力。跟踪过程中，提取连续的16帧图像的目标的空间特征和目标运动轨迹特征，并联结成为双流特征，再经过LSTM结构获取遵循目标运动规律的目标候选轨迹，并且在特征提取方式上，能够针对目标更具判别部位分配更大的权重进行跟踪。
-
公开(公告)号：CN114140731A
公开(公告)日：2022-03-04
申请号：CN202111494822.6
申请日：2021-12-08
申请人： 西南交通大学
IPC分类号： G06V20/40 , G06V10/48 , G06V10/764 , G06V10/762 , G06V10/774 , G06K9/62 , G06N5/04
摘要： 本发明提供了一种牵引变电所异常检测方法，包括首先建立异常检测数据集，并计算该数据集的背景条件聚类，通过构建一个距离特征提取模型对输入图像进行深度特征内距离信息提取，然后构建一个异常检测模型，并使用距离特征对该检测模型进行训练，模型的输出为输入图像对应的异常得分图，最后对该得分图进行二值化和统计分析获得异常检测结果，包括是否出现异常和异常出现的位置，同时通过对检测模型进行在线更新，使其能够适应变电所环境变化。基于本发明的技术方案，能够有效满足牵引变电所异常检测的需要。
-
公开(公告)号：CN109272036B
公开(公告)日：2021-07-02
申请号：CN201811071459.5
申请日：2018-09-14
申请人： 西南交通大学
摘要： 本发明公开了一种基于深度残差网络的随机蕨目标跟踪方法，涉及计算机视觉及模式识别技术领域。从初始图像中选择并确定要跟踪的目标对象，检测器构建与初始化；组成的图像序列并按照时间顺序，逐个提取帧图像作为输入图像；跟踪过程中短时跟踪器在以上次确定的目标位置为中心的搜索区域与目标图像块做比较；提取目标图像块作为正样例，并在其周围选取背景图像块作为负样例，生成在线训练集并输入到检测器；检测器对整个图像区域执行目标检测，比较所有测试图像块的目标概率，将具有最大目标概率的测试图像块所对应的位置作为目标所在的位置，目标定位完成。
-
公开(公告)号：CN112557832B
公开(公告)日：2021-05-11
申请号：CN202110202497.5
申请日：2021-02-24
申请人： 西南交通大学
IPC分类号： G01R31/08
摘要： 本发明公开了一种全并联AT供电方式下的分支直接供电牵引网故障测距方法，该方法包括采集牵引网故障时变电所、AT所和分区所的故障数据；判断故障数据是否满足T‑R故障条件；判断电流比是否满足分支直接供电牵引网故障发生条件；计算变电所电抗，基于分支直接供电牵引网电抗‑距离对应关系计算分支直接供电牵引网故障距离；采用AT中性点吸上电流比或横联线电流比故障测距原理计算全并联AT供电牵引网故障距离。本发明不依赖新增设备，解决了全并联AT供电方式下的分支直接供电牵引网故障测距的不足，大大减轻了分支直接供电牵引网故障的巡查工作量，提高了故障查找速度，减少了影响行车的可能。
-
公开(公告)号：CN111313384B
公开(公告)日：2021-03-30
申请号：CN202010142313.6
申请日：2020-03-04
申请人： 西南交通大学
摘要： 本发明公开了一种高速铁路牵引网故障选跳保护方法，当牵引网发生故障时，变电所、AT所和分区所的下行侧馈线保护装置根据下行侧纵联电流保护判据各自判断故障是否在下行侧，若是，则各所分别断开供电臂下行侧的馈线断路器，完成牵引网下行侧故障的选跳保护，否则不跳开下行侧断路器；当牵引网发生故障时，变电所、AT所和分区所的上行侧馈线保护装置根据纵联电流保护判据各自判断故障是否在上行侧，若是，则各所分别断开供电臂上行侧的馈线断路器，完成牵引网上行侧故障的选跳保护，否则不跳开上行侧断路器。本发明实现牵引网故障后供电臂的选跳保护、缩短故障判别和跳闸时间，以及提高了继电保护的选择性和灵敏性。
-
公开(公告)号：CN112557832A
公开(公告)日：2021-03-26
申请号：CN202110202497.5
申请日：2021-02-24
申请人： 西南交通大学
IPC分类号： G01R31/08
摘要： 本发明公开了一种全并联AT供电方式下的分支直接供电牵引网故障测距方法，该方法包括采集牵引网故障时变电所、AT所和分区所的故障数据；判断故障数据是否满足T‑R故障条件；判断电流比是否满足分支直接供电牵引网故障发生条件；计算变电所电抗，基于分支直接供电牵引网电抗‑距离对应关系计算分支直接供电牵引网故障距离；采用AT中性点吸上电流比或横联线电流比故障测距原理计算全并联AT供电牵引网故障距离。本发明不依赖新增设备，解决了全并联AT供电方式下的分支直接供电牵引网故障测距的不足，大大减轻了分支直接供电牵引网故障的巡查工作量，提高了故障查找速度，减少了影响行车的可能。
-
公开(公告)号：CN102799900B
公开(公告)日：2014-08-06
申请号：CN201210229981.8
申请日：2012-07-04
申请人： 西南交通大学
IPC分类号： G06K9/62
摘要： 一种基于检测中支持在线聚类学习的对象跟踪方法，属于计算机图形图像技术领域。该方法在随机蕨检测器的叶节点中同时保存目标和背景样例的特征向量，通过在线聚类学习发掘其分布特性，并将其作为核函数的采样数据点进行类型概率密度估计。从初始图像中选择并确定要跟踪的目标对象，并加入到由目标图像块组成的在线模型，目标选取过程可以通过运动目标检测方法自动提取。在实时处理情况下，提取通过摄像头采集并保存在存储区的视频图像，作为要进行跟踪的输入图像。提取目标图像块作为正样例和选取背景图像块作为负样例，生成在线训练集并输入到检测器。对于多目标的情形具有多个目标类型，每个目标类型对应一个目标。主要用于对象跟踪的各种场合。
-
公开(公告)号：CN102722725B
公开(公告)日：2014-05-21
申请号：CN201210180170.3
申请日：2012-06-04
申请人： 西南交通大学
IPC分类号： G06K9/62
摘要： 本发明提供了一种基于主动场景学习的对象跟踪方法，属于计算机图形图像模式识别技术领域。如何既保证跟踪系统对目标变化的适应能力，又保证学习的准确性，避免漂移而导致跟踪失败是需要共同面对的一个难题。本发明通过在线模型和短时跟踪、全局检测、主动场景学习、约束方法、运动区域分析和提取等步骤来实现对象跟踪。通过对场景的在线学习，主动发掘背景信息，同时，提出基于光流分析的运动区域分析和提取方法，并根据以上结构化的约束，有效地解决由于目标快速运动或者场景剧烈运动丢失目标且难以恢复的问题。有效地提高对目标变化的适应能力和模型学习的准确性，从而实现长时间稳定快速的对象跟踪。主要用于对象跟踪的各种场合。
-
公开(公告)号：CN102708384B
公开(公告)日：2014-01-29
申请号：CN201210180065.X
申请日：2012-06-04
申请人： 西南交通大学
IPC分类号： G06K9/62
摘要： 本发明提供了一种基于随机蕨的自举弱学习方法及其分类器，本发明属于计算机图形识别技术领域。图形识别通常采用弱分类器的加权、高斯概率分布的均值距离来判别正负样本。或采用分类树作为弱学习器，用误差测度减少最大化的划分准则划分节点，然后将这些弱分类器提升为强分类器。但是，这些弱学习方法要么收敛速度慢，要么准确率不够高，要么计算效率低。本发明选择图像特征和构造随机蕨、基于随机蕨的弱学习方法、基于随机蕨的弱学习方法、构建弱分类器、结果分类器等步骤可以很好地解决成像环境复杂且对运算量要求严格的图像模式识别，实现快速收敛和高效的自举弱学习方法，得到实时处理且准确率高的分类器。主要用于各种模式识别场合。
-
-
-
-
-
-
-
-
搜索结果
73 条记录 (耗时 0.033 秒)
