-
公开(公告)号：CN113963442A
公开(公告)日：2022-01-21
申请号：CN202111243199.7
申请日：2021-10-25
Applicant: 重庆科技学院
Abstract: 本发明公开了一种基于体态综合特征的跌倒行为识别方法，包括以下步骤：视频数据采集→提取人体骨架图→骨架图像数据预处理→构建二值图像外接矩形→LSTM网络单元处理→计算人体有效面积→计算宽高比→计算人体质心到地面距离→计算高度变化率→跌倒发生。本发明在准确提取人体骨架信息的基础上，有效结合人体各种姿态特征进行综合判断跌倒行为，提高检测的准确率，使用轻量化lightweight Openpose，因此本身的数据量就较为轻便，其次使用加强版梯度下降法,SGD普通梯度下降法，能够在加快模型收敛速度的同时保证准确性，训练的最优模型可以便捷部署到各个边缘端，应用到居家、公共等场所。
-
公开(公告)号：CN112084990A
公开(公告)日：2020-12-15
申请号：CN202010976712.2
申请日：2020-09-16
Applicant: 重庆科技学院
Abstract: 本发明通过引入基于卷积神经网络的环境辅助的单步人脸检测器模型，将从课堂的实况视频中提取关键帧图像经过图像预处理技术的处理后送入模型,返回人脸图像，基于人脸图像再其送入基于卷积神经网络的头部姿态识别模型，在得到抬头者的图像后利用回溯思想通过人脸识别技术，通过人脸识别，减少人脸检测出现的误检率，矫正抬头统计的数据实现实时地检测单个课堂听课者的抬头率，最后统计出课堂的抬头率。
-
公开(公告)号：CN115620395A
公开(公告)日：2023-01-17
申请号：CN202211283552.9
申请日：2022-10-20
Applicant: 重庆科技学院
Abstract: 本发明涉及人工智能技术领域，具体涉及一种融合自注意力机制和残差网络的湖边危险行为检测方法，包括获取训练视频序列和测试视频序列；对训练视频序列依次进行图像增强和运动目标检测，得到训练数据集；对训练数据集进行筛选，得到输入数据集；使用输入数据集对长短期记忆神经网络进行训练，得到行为检测模型；对测试视频序列依次进行图像增强和运动目标检测，得到测试数据集；将测试数据集输入行为检测模型中进行训练，得到危险行为检测结果。本发明通过对视频序列进行图像增强后再进行行为检测，解决了现有的行为检测技术手段的危险行为检测的准确率低的问题。
-
公开(公告)号：CN113963272A
公开(公告)日：2022-01-21
申请号：CN202111241415.4
申请日：2021-10-25
Applicant: 重庆科技学院
Abstract: 本发明公开了一种基于改进yolov3的无人机图像目标检测方法，包括以下步骤：S1、针对需要应用的场景进行数据采集，并划分出训练集和验证集；S2、通过k‑means聚类方法生成九个适用于数据集的锚框；S3、对数据集进行预处理；S4、按照九个初始锚框将数据集导入到神经网络中进行训练，并用验证集检验每一轮训练后的效果，直至模型收敛；S5、通过yolov3原本的后处理模块得到预测结果，包括BBoxPostProcess和MaskPostProcess，将预测结果展现在原图像上；S6、将需要检测的图像输入训练后的小目标检测模型，得到该图像中目标的类别和位置信息，并反映到原始图像上。本发明能够充分考虑到小目标检测中小目标特征信息缺失，遮挡严重的情况，有效提高小目标检测的精度。
-
-
-
Search Results
4
records
(took 0.016 seconds)
