公开(公告)号：CN114445851B

公开(公告)日：2024-09-24

申请号：CN202111533341.1

申请日：2021-12-15

Applicant: 厦门市美亚柏科信息股份有限公司

Inventor： 黄仁裕 ,  高志鹏 ,  赵建强 ,  陈岩鹏 ,  汪泰伸 ,  邱杰

IPC: G06V40/10 ,  G06V20/40 ,  G06N3/0464 ,  G06V10/82 ,  G06V10/46 ,  G06V10/774

Abstract: 本发明涉及基于视频的谈话场景异常检测方法、终端设备及存储介质，该方法中包括：S1：提取谈话人画面图像、被谈话人画面图像和全景画面图像；S2：检测全景画面图像中人数，并判断其与实际总人数的大小关系，如果大于，则发送围观异常的提醒；如果小于，则进入S3进行人员是否离位判断；如果等于，则进入S4进行人员是否肢体接触的判断。本发明可以对谈话视频中出现的人员离位、人员围观、人员接触等不合规行为进行检测，达到相对智能化的谈话视频违规检测的目的。

公开(公告)号：CN114445851A

公开(公告)日：2022-05-06

申请号：CN202111533341.1

申请日：2021-12-15

Applicant: 厦门市美亚柏科信息股份有限公司

Inventor： 黄仁裕 ,  高志鹏 ,  赵建强 ,  陈岩鹏 ,  汪泰伸 ,  邱杰

IPC: G06V40/10 ,  G06V20/40 ,  G06N3/04 ,  G06K9/62 ,  G06V10/46 ,  G06V10/774

Abstract: 本发明涉及基于视频的谈话场景异常检测方法、终端设备及存储介质，该方法中包括：S1：提取谈话人画面图像、被谈话人画面图像和全景画面图像；S2：检测全景画面图像中人数，并判断其与实际总人数的大小关系，如果大于，则发送围观异常的提醒；如果小于，则进入S3进行人员是否离位判断；如果等于，则进入S4进行人员是否肢体接触的判断。本发明可以对谈话视频中出现的人员离位、人员围观、人员接触等不合规行为进行检测，达到相对智能化的谈话视频违规检测的目的。

公开(公告)号：CN114219980A

公开(公告)日：2022-03-22

申请号：CN202111491247.4

申请日：2021-12-08

Applicant: 厦门市美亚柏科信息股份有限公司

Inventor： 陈德意 ,  吴俊毅 ,  吴婷婷 ,  高志鹏 ,  赵建强 ,  刘彩玲 ,  汪泰伸

IPC: G06V10/80 ,  G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明提出了一种基于多尺度的车型识别算法，包括：S1、将原图输入至ResNet50网络中进行卷积池化，对输出的特征信息进行广义均值池化，得到全局特征信息；S2、对所述原图进行移除背景处理，得到二值化掩膜，将所述二值化掩膜与所述原图相乘得到前景图像；S3、将所述前景图像输入至所述ResNet50网络的第一个残差卷积块，并将输出的特征信息输入至HRNet网络中，对所述HRNet网络输出的特征信息进行广义均值池化，得到多尺度特征信息；S4、对所述全局特征信息和所述多尺度特征信息进行级联得到级联特征，将所述级联特征输入至BN层和分类层，并利用三元组损失函数和交叉熵损失函数进行分类训练，从而识别车型。本发明具体提高车型识别精度的效果。

公开(公告)号：CN113920296A

公开(公告)日：2022-01-11

申请号：CN202111395021.4

申请日：2021-11-23

Applicant: 厦门市美亚柏科信息股份有限公司

Inventor： 刘彩玲 ,  吴婷婷 ,  赵建强 ,  高志鹏 ,  汪泰伸 ,  陈德意

IPC: G06V10/22 ,  G06V30/10 ,  G06V10/74 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明给出了一种基于对比学习的文本识别方法与系统，包括无标签的文本图像样本，对其中每个样本进行数据增强输入卷积网络进行识别训练生成识别模型，再基于所述识别模型构建基本编码器来计算并输出特征序列；将所述特征序列输入实例映射函数生成对应的实例再映射为多个子实例，将所有的子实例作为对比损失函数中的子元素进行对比学习，将结果反馈到所述卷积网络用于更新所述卷积网络；获取包含文本信息的有标签的文本图像样本输入所述基本编码器，对所述卷积网络的参数进行调节直到所述识别模型收敛。本方法将对比学习应用于序列的各个元素，充分利用无标注数据学习有效的表征信息，再基于自监督对比学习的方法进行建模，显著提高了识别效果。

公开(公告)号：CN113807392A

公开(公告)日：2021-12-17

申请号：CN202110896904.7

申请日：2021-08-05

Applicant: 厦门市美亚柏科信息股份有限公司

Inventor： 吴婷婷 ,  刘彩玲 ,  汪泰伸 ,  陈德意 ,  吴志鹏 ,  高志鹏 ,  赵建强 ,  李国庆

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于多预处理特征融合的篡改图像鉴别方法，其可包括以下步骤：S1、收集样本，构建训练集与验证集；S2、搭建多预处理特征提取模块；S3、将训练集中的每一张图像通过多预处理特征提取模块处理得到相应特征，并对同一张图像获取到的特征以通道维度合并，形成该图像的特征张量；S4、将特征张量输入神经网络模型进行训练直到损失收敛；S5、将验证集输入训练好的神经网络模型，获取输出结果，若输出结果大于预设阈值，则判定该图像为篡改图像。本发明通过提前提取先验特征的方式，使得模型更容易拟合到相关特征，更易于训练，能够实现对多种篡改方式进行同时鉴别。