-
公开(公告)号：CN117171377A
公开(公告)日：2023-12-05
申请号：CN202310550380.5
申请日：2023-05-16
Applicant: 安徽大学
IPC: G06F16/53 , G06V10/80 , G06V10/52 , G06V10/82 , G06V10/30 , G06V10/40 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于多特征扩张残差卷积网络的足迹光学图像检索方法，步骤如下：1、足迹图像的数据采集和数据预处理；2、建立基于注意力机制增强下的多特征扩张残差卷积网络的足迹光学图像检索模型，包括：初始特征提取模块、扩张残差卷积网络模块、多尺度特征融合模块、注意力增强模块；3、对足迹光学图像检索模型进行训练，得到训练后的足迹图像检索模型，用于待检索的足迹图像进行足迹检索和身份匹配。本发明能深度挖掘足迹图像的浅层和深层的各种隐含特征，从而能提升足迹图像的检索准确度和检索效率。
-
公开(公告)号：CN117112825A
公开(公告)日：2023-11-24
申请号：CN202311019766.X
申请日：2023-08-14
Applicant: 安徽大学绿色产业创新研究院
IPC: G06F16/583 , G06V40/10 , G06V10/74 , G06V10/764 , G06V10/771 , G06V10/80 , G06V10/82
Abstract: 本发明涉及足迹识别领域，尤其涉及一种现场足迹跨域检索方法，包括：通过前景提取模块获取足迹图像数据集的前景足迹掩膜；根据前景足迹掩膜与足迹图像数据集获取足迹图像，并将足迹图像送入动量双分支网络中获取特征描述符，以在特征空间中增大类间距缩小类内距的方式增强特征描述符的区分度；将特征描述符与特征数据库中的特征信息计算曼哈顿距离分，并根据距离分进行排序，确定返回的检索人员信息。本发明为了获得更具鉴别性的特征，搭建了特征提取的动量双分支网络，通过维护一个动量更新的特征描述子队列，并以KL散度作为损失实现了在特征空间中增大类间距缩小类内距的目的。
-
公开(公告)号：CN111782857B
公开(公告)日：2023-11-03
申请号：CN202010710865.2
申请日：2020-07-22
Applicant: 安徽大学
IPC: G06F16/583 , G06V10/30 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于混合注意力密集网络的足迹图像检索方法，其步骤包括：1、足迹图像数据集的准备；2、建立足迹图像预处理模块；3、建立初始特征提取模块；4、建立混合注意力密集网络模块；5、建立最终特征输出模块；6、权重初始化；7、网络的训练、测试及优化。本发明能获取更丰富的足迹图像的特征信息，且尽可能地提取不同个人差异的特征信息，从而提高足迹图像检索的精度与速度。
-
公开(公告)号：CN116912742A
公开(公告)日：2023-10-20
申请号：CN202310887130.0
申请日：2023-07-19
Applicant: 安徽大学
IPC: G06V20/40 , G06V10/62 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/049 , G06N3/0895 , G06N3/086
Abstract: 本发明公开了一种基于自进化的弱监督的视频异常检测方法，包括：1)将数据集通过视频特征提取器提取得到原始特征；2)将原始特征通过时间依赖性网络提取富含时间信息的特征；3)将富含时间信息的特征通过自进化方法形成置信度矩阵和相似度标签矩阵；4)根据相似度标签矩阵形成片段级的伪标签；5)将伪标签形成交叉熵损失指导网络优化完成异常检测任务。本发明通过自进化方法使得深度网络在训练初期仅关注特征更明显的样本，随着网络的更新迭代逐步学习更难以分类的样本，利用片段级伪标签代替视频级的弱标签进行训练，使所有片段参与训练，从而更有效地利用数据集同时，能提高视频异常检测的精度。
-
公开(公告)号：CN116524409A
公开(公告)日：2023-08-01
申请号：CN202310527759.4
申请日：2023-05-11
Applicant: 安徽大学
IPC: G06V20/40 , G06V20/52 , G06V10/82 , G06V10/80 , G06V10/74 , G06N3/0455 , G06N3/045 , G06N3/048 , G06N3/0464 , G06N3/09
Abstract: 本发明提出了一种基于自我引导编码器的弱监督视频异常检测方法，具体包含以下步骤：对原始视频数据进行处理；将视频数据输入主干网络进行特征计算，并将其输入自我引导特征编码器进行训练，编码器的两个分支将分别输出视频的帧级别异常得分；将自我引导分支的帧级别异常得分送入t分布因子分析模块进行拟合，得到帧级别的伪标签；使用再次伪标签监督训练自我引导特征编码器，不断更新伪标签，训练完成的编码器注意力分支输出预测的帧级别异常得分；根据设定的异常阈值进行异常判断。本发明利用自我引导特征编码器，在捕获不同异常事件间的依赖关系的同时，自动定位到视频帧中最异常的部分，从而达到提高异常检测精度以及降低误报率的目的。
-
Patent Agency Ranking
公开(公告)号：CN116089647A
公开(公告)日：2023-05-09
申请号：CN202310065163.7
申请日：2023-02-06
Applicant: 安徽大学
IPC: G06F16/583 , G06N3/084 , G06N3/0464 , G06V10/80
Abstract: 本发明公开了一种基于多类特征融合的动态足迹检索方法，属于足迹检索领域，解决了如何基于足迹图像挖掘图像与图像之间的内在联系以及足迹更深层次的信息，以此来提高足迹检索结果的问题；步骤一：采集动态足迹数据，构建检索网络的训练集和测试集；步骤二：将获取的训练集数据输入至多类特征融合网络模型进行训练；卷积神经网络提取输入的信息获取分帧特征，经过表观特征融合模块获取全局表观特征，通过分帧特征聚合模块的时间聚合支路构建长距离时间关系，长短距离融合支路将短距离特征代入计算，求得含有长短距离时间信息的时空特征，将表观特征和时空特征融合进行检索任务；步骤三：将测试集输入至训练好的多类特征融合网络模型进行测试。
-
公开(公告)号：CN115546793B
公开(公告)日：2023-04-18
申请号：CN202211550233.X
申请日：2022-12-05
Applicant: 安徽大学 , 安徽博微广成信息科技有限公司
IPC: G06V30/146 , G06V10/82 , G06V30/148 , G06V30/19
Abstract: 本发明公开了一种水尺刻度自动读数方法、系统及电子设备，该方法包括：获取待识别水尺图像；将所述待识别水尺图像输入预先训练好的字符检测器得到字符检测框，并将所述待识别水尺图像输入预先训练好的场景分割器得到场景分割图像；根据所述字符检测框和所述场景分割图像得到水尺最下方数字、所述最下方数字的周围字母E与水面的关系，根据所述最下方数字和所述关系得到水尺读数。该方法可提高水尺刻度读数的准确性，同时保证读数效率。
-
公开(公告)号：CN115941507A
公开(公告)日：2023-04-07
申请号：CN202211244458.2
申请日：2022-10-11
Applicant: 安徽大学
IPC: H04L41/142 , H04L41/14 , H04L41/082
Abstract: 本发明涉及计算智能技术领域，解决了代码分发过程中能耗与时间消耗导致终端设备版本不一致的技术问题，尤其涉及一种代码分发的优化方法，该方法包括以下过程：对面向边缘智能终端再编程代码分发问题进行数学建模，将代码分发问题转化为一个优化问题；采用蚁群优化算法根据本地信息获得最优的转发终端集合及相对应的最优转发半径决策；按照最优转发半径决策通过基站采用无线再编程连续向若干终端设备发送预告信息和喷泉码生成的编码包。本发明为终端设备分发更新代码时，利用最优的转发终端集合及集合内各终端的最优转发半径来传播，能够最小化代码分发过程中的能量和时间消耗，以此保证整个系统的使用寿命最大化。
-
公开(公告)号：CN115909196A
公开(公告)日：2023-04-04
申请号：CN202211370215.3
申请日：2022-11-03
Applicant: 安徽大学 , 安徽博微广成信息科技有限公司
IPC: G06V20/52 , G06V10/32 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06T7/60 , G06T7/66
Abstract: 本发明涉及火焰检测技术领域，解决了在对视频图像检测火焰时容易出现火焰误报和漏报的技术问题，尤其涉及一种视频火焰检测方法，该视频火焰检测方法包括以下步骤：S1、使用训练好的火焰检测器对视频火焰的当前帧进行检测，得到初选火焰目标区域；S2、根据RGB颜色模型对初选火焰目标区域进行筛选，得到较为准确的复选火焰目标区域；S3、通过混合高斯背景建模提取复选火焰目标区域的前景火焰，得到没有背景信息的定选火焰目标区域。本发明所提供的检测方法排除了灯光和一些与真实火焰颜色相似的易混淆的目标，大大减少了误报率，提高了火焰检测的准确率，能够在火灾早期进行报警，降低火灾发生蔓延的可能性，将损失降到最低。
-
公开(公告)号：CN115762028A
公开(公告)日：2023-03-07
申请号：CN202211370326.4
申请日：2022-11-03
Applicant: 安徽大学 , 安徽博微广成信息科技有限公司
IPC: G08B13/196 , G06V20/40 , G06V20/52 , G06V10/25 , G06V10/82 , G06V10/774 , G06V40/10 , G06F16/29 , G06N5/04 , G08B25/08
Abstract: 本发明涉及入侵检测技术领域，解决了对于危险区域入侵检测不够准确的技术问题，尤其涉及一种车辆行人入侵的检测报警方法，包括以下步骤：S1、根据目标检测模型和特征提取模型构建入侵检测报警模型；S2、获取电子地图上绘制的入侵区域；S3、将视频图像输入至目标检测模型和特征提取模型中得到目标的推理结果并进行跟踪；S4、根据目标的推理结果和入侵区域判断目标所处的危险状态；S5、根据目标所处的危险状态判断是否执行报警指令。本发明能够用于用户自己定义的危险区域的目标入侵预警，当有目标入侵危险区域便执行报警，这样可以大大降低危险发生的概率。
-
-
-
-
-
-
-
-
-
Search Results
114
records
(took 0.027 seconds)
