公开(公告)号：CN117541865A

公开(公告)日：2024-02-09

申请号：CN202311517773.2

申请日：2023-11-14

Applicant: 中国矿业大学 ,  燕园安全科技(徐州)有限公司

Inventor： 贺晨 ,  刘营 ,  缪小然 ,  胡建峰 ,  赵广明 ,  周杰 ,  闵冰冰 ,  高宇蒙 ,  雅可 ,  赵作鹏

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/25 ,  G06N3/0464

Abstract: 本发明公开了一种基于粗粒度深度估计的身份分析和手机使用检测方法，包括以下步骤：设计位置估计模型，准备数据集；将数据集输入位置估计模型中进行训练；通过训练后的模型检测车内人员和手机并输出检测信息，输出信息包括目标类别、检测框及深度信息；对于车内所有检测到的人员通过联合深度信息的粗粒度深度值和感兴趣区域的方法来判定身份；对于所有检测到的手机通过联合深度信息的粗粒度深度值和距离驾驶员检测框中心点的距离的方法来判定驾驶员是否使用手机。本发明可准确区分车内人员身份，判断驾驶员是否使用手机，满足对于驾驶人员行为不同的检测需求，有助于提高驾驶的安全性。

公开(公告)号：CN118301353A

公开(公告)日：2024-07-05

申请号：CN202410728757.6

申请日：2024-06-06

Applicant: 中国矿业大学

Inventor： 赵作鹏 ,  刘营 ,  胡建峰 ,  缪小然 ,  闵冰冰 ,  高宇蒙 ,  雅可

IPC: H04N19/154 ,  H04N19/159 ,  H04N19/63 ,  H04N19/91 ,  H04N19/94 ,  G06V10/46 ,  G06V10/28 ,  G06V10/30 ,  G06V10/44

Abstract: 一种基于小波变换的红外与微波信息视频编码融合方法，步骤包括采集同一场景下的红外视频流和微波成像设备的信息片段；对红外视频流进行逐帧提取、去噪、对比度增强的预处理操作，对微波信息片段进行去除伪影、动态范围压缩的预处理操作；对红外视频帧及微波信息片段进行特征提取；通过小波变换融合算法进行融合编码，生成融合视频帧，进行去噪及细节增强的后处理操作；采用H.265/HEVC将融合后的图像序列编码成视频文件。实现了多模态的信息融合，获得更全面和完善的场景信息；通过尺度不变特征变换算法，提高融合的准确性。通过小波变换算法，有效融合红外图像和微波信息，扩大了红外视频和微波信息视频编码融合技术的适用范围。

公开(公告)号：CN117692652B

公开(公告)日：2024-04-26

申请号：CN202410155470.9

申请日：2024-02-04

Applicant: 中国矿业大学 ,  江苏比特达信息技术有限公司

Inventor： 赵作鹏 ,  刘营 ,  胡建峰 ,  缪小然 ,  闵冰冰 ,  高宇蒙 ,  雅可 ,  贺晨 ,  赵广明 ,  周杰 ,  赵强 ,  唐婷

IPC: H04N19/189 ,  H04N19/20 ,  H04N19/65 ,  H04N19/85 ,  G06T9/00 ,  H04N19/182 ,  H04N19/17 ,  H04N19/625 ,  H04N19/63 ,  H04N23/11 ,  G06T5/70 ,  G06T5/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种基于深度学习的可见光与红外视频融合编码方法，步骤包括采集同一场景下的可见光视频流和红外视频流；对采集的可见光视频流和红外视频流进行预处理，包括去噪、对比度增强操作，并采用生成对抗网络对视频进行编码；采用自适应编码损伤修复算法提升编码性能；通过融合编码算法对经编码损伤修复过的可见光视频和红外视频进行融合编码，生成融合视频流。实现了对不同模态视频流选择合适的预处理操作，减少了噪声的同时增强对比度，保持了视频更多的细节；通过在EDVR模型的框架中融入自适应损伤修复算法，增进了网络修复的效果，大大提高了可见光和红外视频数融合处理的效率以及质量，扩大了可见光与红外视频编码融合技术的适用范围。

公开(公告)号：CN117612142A

公开(公告)日：2024-02-27

申请号：CN202311520633.0

申请日：2023-11-14

Applicant: 中国矿业大学 ,  燕园安全科技(徐州)有限公司

Inventor： 贺晨 ,  刘营 ,  缪小然 ,  胡建峰 ,  赵广明 ,  周杰 ,  闵冰冰 ,  高宇蒙 ,  雅可 ,  赵作鹏

IPC: G06V20/59 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V40/16 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多任务联合模型的头部姿态与疲劳状态检测方法，包括以下步骤：在YOLOv6的基础上，设计基于聚集与分流机制的加强特征提取网络；在模型中增加融合大核注意力机制的头部姿态估计分支；对人脸数据集标注形成疲劳驾驶数据集；通过目标检测损失函数和头部姿态估计损失函数训练疲劳分神检测模型；将模型部署于车载终端设备，通过模型检测头部姿态和疲劳状态并输出信息；通过某一类别持续时间与设定阈值进行比较来判定是否处于疲劳状态或分神状态。本发明提高模型的泛化性能、鲁棒性、可靠性及检测精度、减少模型训练的时间和计算资源，提高驾驶员的安全性，减少驾驶中的疲劳分心行为，降低交通事故的发生率。