-
Patent Agency Ranking
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：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：CN111967433A
公开(公告)日：2020-11-20
申请号：CN202010894661.9
申请日：2020-08-31
Applicant: 重庆科技学院
Abstract: 本发明提供了一种基于自监督学习网络的动作识别办法，第一步使用OpenPose对视频流里的人体骨架信息进行提取，并将人体骨架信息制作成正负样本数据集，使用数据集训练动作分类模型ResNet-56，初步训练好的动作分类模型用于初步判断输入动作和进一步的自监督训练；在训练动作分类器的同时利用深度学习模型YOLOv4检测视频流中的物体信息，将检测到的物体信息打上正负标签传入动作分类模型ResNet-56中进行自监督学习训练，经过自监督后的动作分类模型有更高的检测精度和可靠性。
-
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
5
records
(took 0.02 seconds)
