-
公开(公告)号：CN118072023A
公开(公告)日：2024-05-24
申请号：CN202410303700.1
申请日：2024-03-18
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于语义分割和目标检测的高速公路车辆违停检测方法，首先，利用高斯背景建模获取离线监控视频的道路背景图，再使用语义分割神经网络划分出道路区域，排除后续非高速公路的误检。之后针对同一摄像头下要检测的交通视频，利用目标检测和跟踪获取车辆的运动状态，通过车辆运动状态的判别从而检测出违停车辆。本发明设计了一种可以自动判别车辆违停事件检测方法，在真实的高速公路交通视频中取得了优秀的车辆违停检测效果。
-
公开(公告)号：CN114566052A
公开(公告)日：2022-05-31
申请号：CN202210450692.4
申请日：2022-04-27
Applicant: 华南理工大学 , 广州国交润万交通信息有限公司
IPC: G08G1/01 , G08G1/123 , G06T9/00 , G06V20/54 , G06V20/40 , G06V10/94 , G06V10/762 , G06V10/764 , G06V10/766 , G06V10/82 , G06K9/62 , G06T7/20 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于车流方向判别高速公路车流监控设备转动的方法，其特征在于：包括以下步骤：(S1)获取车流数据信息，记录视频的车辆轨迹，统计路面的车辆的轨迹；实现车流数据信息的采集；（S2）采用基于深度卷积神经网络的视频图像编码算法完成视频图像压缩处理，提高了深度卷积神经网络处理视频图像数据信息的识别能力；（S3）通过所构建的构建车流数据信息分析模型实现车流数据信息分析；（S4）构建分析优化模型。本发明通过对视频的车辆轨迹进行记录，通过统计路面的车辆的轨迹，然后比较一定时间内的的整体车辆的轨迹偏差，判别设备是否移位,减少光照影响和车流对路面特征的影响,大大提高了高速公路车流监控能力。
-
公开(公告)号：CN108921602B
公开(公告)日：2021-12-21
申请号：CN201810642096.X
申请日：2018-06-21
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于集成神经网络的用户购买行为预测方法，包括步骤：1)对用户行为历史记录进行特征提取和采样，获得样本集合T1；2)利用Boosting集成方法形成分类器C1，对样本集合T1进行分类处理和特征集成，得到新的样本集合T2；3)构建神经网络的基本结构，利用基因算法对神经网络的参数进行启发式搜索，形成集成神经网络分类器C2；4)利用分类器C2对样本集合T2进行分类处理，得到新的样本集合T3；5)利用Bagging集成方法形成分类器C3，对样本集合T3进行分类处理，得到用户会产生购买行为的物品列表，作为对于用户购买行为的预测结果。本发明解决传统方法分类效果差、泛化性差、在大数据情景下效率低下等问题。
-
公开(公告)号：CN113011314A
公开(公告)日：2021-06-22
申请号：CN202110279160.4
申请日：2021-03-16
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于频率域特征和乘积神经网络的人脸表情识别方法，该方法步骤如下：对人脸表情数据集中的人脸表情进行预处理；对经过预处理的人脸表情提取人脸的全局频率域特征和局部频率域特征；将人脸表情数据集分为训练集和测试集；构建和初始化乘积神经网络，使用划分完成的训练集和测试集对乘积神经网络训练和测试；评估乘积神经网络，采集人脸表情测试样本输入经过训练的乘积神经网络，得到最终的表情分类。本发明设计了一种新型的端到端的乘积神经网络，综合了人脸的全局特征和局部特征，提供了一种高效的人脸表情识别方法。
-
公开(公告)号：CN107301206A
公开(公告)日：2017-10-27
申请号：CN201710402937.5
申请日：2017-06-01
Applicant: 华南理工大学
IPC: G06F17/30
CPC classification number: G06F16/24534 , G06F16/248 , G06F16/283
Abstract: 本发明公开了一种基于预运算的分布式OLAP分析方法及系统，主要是在分布式数据仓库基础上构建数据模型，根据数据模型定义数据立方体；对给定的数据立方体启动预运算任务，以并行计算的方式进行立方体预构建，将结果保存到分布式键值存储系统中；将多维分析操作经过一系列步骤转换为对数据立方体的key-value查询操作，从构建好的立方体中直接获取分析结果，并将结果以丰富多样的图表形式展现；同时利用NoSQL对OLAP查询操作进行缓存优化。本发明充分发挥了Hadoop平台强大的处理性能，进行数据立方体预构建，克服了传统方法每次查询都需要从原始数据中进行大量计算导致查询缓慢的问题，从而提高OLAP分析效率和系统性能。
-
Patent Agency Ranking
公开(公告)号：CN107301205A
公开(公告)日：2017-10-27
申请号：CN201710402894.0
申请日：2017-06-01
Applicant: 华南理工大学
IPC: G06F17/30
CPC classification number: G06F16/182 , G06F16/2471
Abstract: 本发明公开了一种大数据分布式实时查询方法及系统，主要将实时查询处理流程定义成一个包含多个执行阶段的查询计划树，复杂度低的查询计划树在独立的线程中并行的执行；对复杂度高的查询计划树分配多个操作线程，并以分布式云服务器集群的形式并行的处理多个执行阶段；分布式实时查询系统对各服务器的查询结果集整合并返回最终结果，同时利用NOSQL对数据查询操作进行缓存优化。本发明充分利用了实时查询云服务器的处理性能，突破了单一服务器的性能瓶颈，同时避免了服务器与HDFS数据节点之间多余的数据访问，从而提高分布式实时查询的效率。
-
公开(公告)号：CN103079063A
公开(公告)日：2013-05-01
申请号：CN201210557415.X
申请日：2012-12-19
Applicant: 华南理工大学
Abstract: 本发明为一种低码率下基于H.264的视觉关注区域的视频编码方法，包括步骤：判断当前编码帧类别，确定视觉关注区域、当前编码帧所有宏块的量化参数调整等级、当前编码帧所有宏块的视觉关注度权值；采用结构相似度SSIM作为失真准则进行宏块预测模式选择时RDO失真衡量标准；根据视觉关注度权值确定新的RDO代价计算公式；确定新的RDO代价计算公式中的经验值；根据新的RDO代价计算公式计算每种预测模式下的RDO代价；根据宏块等级重新分配每个宏块的编码量化参数；根据重新分配的量化参数编码当前编码帧的每个宏块；重复上述步骤直到编码结束。本发明可在码率非常有限的情况下优化码率分配，实现更符合人眼视觉特征的视频编码。
-
公开(公告)号：CN103051978A
公开(公告)日：2013-04-17
申请号：CN201210543864.9
申请日：2012-12-16
Applicant: 华南理工大学
IPC: H04N21/6437 , H04N21/2385 , H04N21/234 , H04N7/26
Abstract: 本发明公开了一种基于H264的实时移动视频服务控制方法，属于实时流媒体和移动网络传输领域，包括对实时视频进行较低码率和较低分辨率的H264编码，然后对编码后的H264视频数据进行打包处理，并通过实时流传输协议将处理后的视频数据传输到移动终端，使用三阶段的码率控制方法，在传输过程中通过传输控制机制对移动网络信道的状态进行检测和反馈，并根据反馈的信息在编码端进行码率控制。最后在移动终端对传输过来的视频数据进行解码显示。该方法能够有效地保证移动网络环境中实时移动视频的服务质量。
-
公开(公告)号：CN119625663A
公开(公告)日：2025-03-14
申请号：CN202510164986.4
申请日：2025-02-14
Applicant: 华南理工大学 , 广州国交润万交通信息有限公司
Abstract: 本申请涉及视频分析技术领域，公开了一种基于图像分块的低帧率检测高速公路抛洒物的算法，依次包括：视频抽帧、自动识别道路区域、道路分块、区域块扩展、扩展块灰度图计算、提取疑似运动目标和抛洒物判别。本申请，对检测的画面区域进行分块，然后对每块区域独立处理，如果该块区域对应的扩展区域有明显的像素变化，才就对这块区域进行前景检测，然后将每块区域得到的前景目标合并得到整个前景图像，再对前景图像进行抛洒物目标验证的后续处理。由于高速公路车流量存在明显的时空不均衡性，监控区域的不同位置和不同时间段会存在明显连续没有车流的场景，通过分块的方式能够避免对整张图片进行检测产生的巨大计算成本，有效的减低计算量。
-
公开(公告)号：CN114529877B
公开(公告)日：2024-09-06
申请号：CN202210078289.3
申请日：2022-01-24
Applicant: 华南理工大学
IPC: G06V20/54 , G06V10/764 , G06V10/26 , G06V10/28 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于路面语义分割和卷积神经网络的路面天气识别方法，该方法步骤如下：S1、构建语义分割网络；S2、路面二值化处理；S3、构建天气识别卷积神经网络；S4、训练语义分割网络和天气识别卷积神经网络；S5、实时采集高速公路图片，输入语义分割网络和天气识别卷积神经网络，输出图片对应天气类型。本发明通过提取图片路面区域并同时学习整体图片和路面区域特征，综合了整体图片的全局特征和路面区域的局部特征，提供了一种高效的高速公路路面场景的天气识别方法。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.027 seconds)
