公开(公告)号：CN116523093A

公开(公告)日：2023-08-01

申请号：CN202211582242.7

申请日：2022-12-09

Applicant: 重庆邮电大学 ,  国网重庆市电力公司黔江供电分公司

Inventor： 何维晟 ,  徐扬 ,  魏金柱 ,  莫双进 ,  张健 ,  钟大堃 ,  熊伟 ,  罗林波 ,  王伟 ,  王宗福 ,  田昱 ,  何长春 ,  余建航 ,  龙虹毓

IPC: G06Q10/04 ,  H02J3/00 ,  H02J3/06 ,  H02J3/46 ,  G06Q10/047 ,  G06Q10/0631 ,  G06Q50/06 ,  G06V20/54 ,  G06V20/59 ,  G06V40/70 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/086 ,  G06N7/01 ,  H04L67/12 ,  H04L67/52 ,  G16Y10/35 ,  G16Y20/10 ,  G16Y20/20 ,  G16Y20/40 ,  G16Y40/10 ,  G16Y40/20 ,  G16Y40/60

Abstract: 本申请提供了一种基于随机源荷预测的能源系统的网格需求感知系统及方法，对区域、充电站进行网格划分编号，形成二维矩阵，判断当前区域内变电站、具备光伏发电能力的充电站设备情况、光伏发电接入容量电量。对网格进行充电负荷预测、光伏出力预测，该系统包括：道路侧摄像头模块；道路侧GPS定位模块；道路侧温度采集模块；出租车内信息采集单元；云平台数据中心；云处理平台。根据电动汽车数据信息计算电动汽车的充电概率、充电负荷值；以及根据太阳辐照强度、风向、风速、温度、压力和湿度数据信息，得到光伏出力时间序列；最终生成电动汽车的充电负荷预测结果、充电站电动汽车预测曲线和区域内光伏出力预测结果，根据预测结果感知网格需求。

公开(公告)号：CN111814644B

公开(公告)日：2022-05-03

申请号：CN202010619232.0

申请日：2020-07-01

Applicant: 重庆邮电大学

Inventor： 丰江帆 ,  张莉 ,  梁渝坤 ,  熊伟

IPC: G06V20/52 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于计算机视觉和模式识别领域，具体涉及一种基于扰动视觉解释的视频异常事件检测方法，包括：获取视频数据集，将数据集输入到优化的深度学习模型中进行模型训练；实时获取视频数据，将获取的数据输入到训练好的深度学习模型中，得到检测结果以及解释图；本发明在构建深度学习模型中加入了可解释模型，通过可解释模型提取了输入视频中的重要像素以及重要区域，使得深度学习模型在处理视频数据过程中的更明确，增强了检测结果的可信度。

公开(公告)号：CN111931587A

公开(公告)日：2020-11-13

申请号：CN202010678292.X

申请日：2020-07-15

Applicant: 重庆邮电大学

Inventor： 丰江帆 ,  梁渝坤 ,  熊伟 ,  张莉 ,  李皓辰

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于可解释时空自编码器的视频异常检测方法，包括对视频进行预处理的步骤；对处理后的数据进行特征学习的步骤,其中,所述特征学习包括基于可解释时空自编码器的深度学习模型,并获取重构视频序列；对重构的视频序列进行规则性分数计算的步骤；将计算的规则性分数与预定义的阈值进行比较,判断是否发生异常的步骤，本发明将深度学习的可解释性方法与异常检测方法相结合，大幅提升了视频异常检测的可信度。

公开(公告)号：CN111814644A

公开(公告)日：2020-10-23

申请号：CN202010619232.0

申请日：2020-07-01

Applicant: 重庆邮电大学

Inventor： 丰江帆 ,  张莉 ,  梁渝坤 ,  熊伟

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于计算机视觉和模式识别领域，具体涉及一种基于扰动视觉解释的视频异常事件检测方法，包括：获取视频数据集，将数据集输入到优化的深度学习模型中进行模型训练；实时获取视频数据，将获取的数据输入到训练好的深度学习模型中，得到检测结果以及解释图；本发明在构建深度学习模型中加入了可解释模型，通过可解释模型提取了输入视频中的重要像素以及重要区域，使得深度学习模型在处理视频数据过程中的更明确，增强了检测结果的可信度。

公开(公告)号：CN111931587B

公开(公告)日：2022-10-25

申请号：CN202010678292.X

申请日：2020-07-15

Applicant: 重庆邮电大学

Inventor： 丰江帆 ,  梁渝坤 ,  熊伟 ,  张莉 ,  李皓辰

IPC: G06V20/52 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于可解释时空自编码器的视频异常检测方法，包括对视频进行预处理的步骤；对处理后的数据进行特征学习的步骤,其中,所述特征学习包括基于可解释时空自编码器的深度学习模型,并获取重构视频序列；对重构的视频序列进行规则性分数计算的步骤；将计算的规则性分数与预定义的阈值进行比较,判断是否发生异常的步骤，本发明将深度学习的可解释性方法与异常检测方法相结合，大幅提升了视频异常检测的可信度。

公开(公告)号：CN111833368A

公开(公告)日：2020-10-27

申请号：CN202010627536.1

申请日：2020-07-02

Applicant: 重庆邮电大学

Inventor： 丰江帆 ,  熊伟 ,  张莉 ,  梁渝坤

IPC: G06T7/13 ,  G06T7/181 ,  G10L21/0208

Abstract: 本发明涉及视觉测量技术中的视觉语音还原技术领域，具体涉及一种基于相位一致性边缘检测的语音还原方法，包括：利用普通摄像机采集视频数据；采用相位一致性边缘检测算法依次对视频数据的每一帧图像进行边缘检测，得到每一帧图像的二值化图像；对二值化图像进行重采样，提取像素点为255的偏移量作为振幅信号；对振幅信号进行插值处理，得到语音的初步幅度信号；对语音的初步幅度信号进行修正和增强处理，得到最终还原的语音信号。本发明不再依赖高速摄像机，通过普通摄像机拍摄的视频就可以还原声音，同时还解决了由于光线问题带来的影响。