-
公开(公告)号：CN113688921A
公开(公告)日：2021-11-23
申请号：CN202111008415.X
申请日：2021-08-31
Applicant: 重庆科技学院
Abstract: 本发明提供一种基于图卷积网络与目标检测的动火作业识别方法，首先，采集电焊火焰与普通火焰图片，制作数据集，放入YOLOv5中训练得到用于检测电焊火焰的模型；然后，采集动火行为与其他行为视频，通过OPENPOSE制作数据集，放入改良的时空图卷积神经网络中训练得到用于识别动火行为的模型；最后，通过图像采集设备获取视频流，综合两个模型的结果通过目标之间的加权距离与匈牙利算法匹配动火人员与电焊火焰目标，输出电焊动火行为的识别结果。本发明通过以加权距离作为权重，用匈牙利算法匹配人与火焰，能更好地反映画面中动火作业情况；同时，改良了时空图卷积神经网络中的分区策略，使模型能学习到更多的特征，提高了动作识别的准确性。
-
公开(公告)号：CN112001347A
公开(公告)日：2020-11-27
申请号：CN202010894682.0
申请日：2020-08-31
Applicant: 重庆科技学院
Abstract: 本发明提供了一种基于人体骨架形态与目标检测技术结合的动作识别办法，首先对监控区域的视频流进行初步的预处理，将视频流的帧数、码率、分辨率进行调整；然后利用YOLOv4模型对行人和物品种类进行检测，将检测到的物品种类和行人的位置信息记录保存，接着使用OpenPose提取人体骨架信息，后将人体骨架信息根据所需检测动作制作成正负样本数据集并训练动作分类器模型；分类器输出的动作信息和物品信息进行关联度匹配后输出最终的动作置信度。将模型运用于监控视频流中，当检测到设定动作时，发送动作信息和行人坐标信息至后台管理处，从而提高监控的智能化水平。
-
公开(公告)号：CN111950519A
公开(公告)日：2020-11-17
申请号：CN202010874461.7
申请日：2020-08-27
Applicant: 重庆科技学院
Abstract: 本发明提供了一种基于双列卷积神经网络的人群计数方法，首先，获取带标注的人头图像数据集，然后，分别根据双列卷积神经网络的要求，将训练集转化为特定形式，再分别对两列卷积神经网络进行训练，然后使用全连接层将两列卷积神经网络结构合并，并对全连接层进行单独训练，最后使用训练后的卷积神经网络对给定图片中的场景进行人数估计。与现有技术相比，本发明同时使用概率密度信息与目标检测方式对人群数量进行估计，能够获得更为准确有效的结果。
-
Patent Agency Ranking
公开(公告)号：CN112257492A
公开(公告)日：2021-01-22
申请号：CN202010874468.9
申请日：2020-08-27
Applicant: 重庆科技学院
Abstract: 本发明提供一种可用于多路摄像头的实时入侵检测与跟踪方法，首先通过多路图像采集设备，获取若干条视频流，然后，获取每一条视频流的首帧图像，由用户依次框选指定禁入区域，再将多路视频流图像帧拼接成一张大的图像帧，随后使用YOLOv4检测多路图像帧中的人员，判定禁入区域内的人员是否为非法入侵，若发现非法入侵，则对非法入侵行为进行报警，并对该人员进行跨摄像头持续跟踪。本发明通过拼接多路摄像头画面，实现多路画面跟踪任务中时间成本与算力成本的平衡；同时，多路摄像头画面在同一算法中进行监测跟踪，可以高效实现跨摄像头跟踪功能，对禁区入侵检测与入侵人员跟踪任务具有较强的针对性，准确率高。
-
公开(公告)号：CN113688759A
公开(公告)日：2021-11-23
申请号：CN202111008443.1
申请日：2021-08-31
Applicant: 重庆科技学院
Abstract: 本发明提供了一种基于深度学习的安全帽识别方法，首先是获取各类施工现场的人员佩戴安全帽图像数据；采用多种数据增强方法让图像更清晰、丰富且具有一定的泛化能力，将数据增强后的图像制作为安全帽数据集；改进原生的YOLOv5模型，使其在对安全帽的检测精度和检测速度上能有所提升；模型训练完成后将其用于检测施工现场的视频流，并对检测出的目标框进行二次重合度匹配以提升检测的精准性，降低在实际使用中的误报率；当出现没有佩戴安全帽的人员时及时的向系统发出警告。
-
公开(公告)号：CN112001347B
公开(公告)日：2023-07-21
申请号：CN202010894682.0
申请日：2020-08-31
Applicant: 重庆科技学院
IPC: G06V40/20 , G06V40/10 , G06V20/52 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种基于人体骨架形态与目标检测技术结合的动作识别办法，首先对监控区域的视频流进行初步的预处理，将视频流的帧数、码率、分辨率进行调整；然后利用YOLOv4模型对行人和物品种类进行检测，将检测到的物品种类和行人的位置信息记录保存，接着使用OpenPose提取人体骨架信息，后将人体骨架信息根据所需检测动作制作成正负样本数据集并训练动作分类器模型；分类器输出的动作信息和物品信息进行关联度匹配后输出最终的动作置信度。将模型运用于监控视频流中，当检测到设定动作时，发送动作信息和行人坐标信息至后台管理处，从而提高监控的智能化水平。
-
公开(公告)号：CN111950518B
公开(公告)日：2022-09-13
申请号：CN202010874439.2
申请日：2020-08-27
Applicant: 重庆科技学院
Abstract: 本发明提供了一种基于光流判断与人员分布概率的暴力行为检测训练数据集数据增强方法。首先，获取一定量的视频帧，利用稠密光流对视频帧中的高危暴力区域进行提取。然后，利用CSR‑Net人群计数网络，得到视频帧中的人员分布。最后，综合判断视频帧中最可能发生暴力行为的区域，对视频帧进行截取并重新输出为新的视频。该方法对用于暴力行为识别训练的视频数据集进行优化，提取神经网络的ROI，将暴力行为仅出现在监控画面的角落，或是出现在较远距离，导致需关注的重点目标过小的视频训练集数据进行增强，能够有效提升神经网络的训练效果。
-
公开(公告)号：CN111950518A
公开(公告)日：2020-11-17
申请号：CN202010874439.2
申请日：2020-08-27
Applicant: 重庆科技学院
Abstract: 本发明提供了一种基于光流判断与人员分布概率的暴力行为检测训练数据集数据增强方法。首先，获取一定量的视频帧，利用稠密光流对视频帧中的高危暴力区域进行提取。然后，利用CSR-Net人群计数网络，得到视频帧中的人员分布。最后，综合判断视频帧中最可能发生暴力行为的区域，对视频帧进行截取并重新输出为新的视频。该方法对用于暴力行为识别训练的视频数据集进行优化，提取神经网络的ROI，将暴力行为仅出现在监控画面的角落，或是出现在较远距离，导致需关注的重点目标过小的视频训练集数据进行增强，能够有效提升神经网络的训练效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
