-
公开(公告)号：CN107808376B
公开(公告)日：2022-03-11
申请号：CN201711044722.7
申请日：2017-10-31
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于深度学习的举手检测方法，包括以下步骤：1)收集样本，所述样本为复杂环境样本；2)建立举手检测模型，该举手检测模型基于卷积神经网络结构，并基于所述样本以R‑FCN目标检测算法进行训练；3)利用训练后的举手检测模型对待测视频进行举手检测，获得举手框位置。与现有技术相比，本发明具有能够检测复杂环境中的举手动作、准确率检全率高等优点。
-
公开(公告)号：CN109472226B
公开(公告)日：2021-07-09
申请号：CN201811268351.5
申请日：2018-10-29
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于深度学习的睡觉行为检测方法，包括以下步骤：1)获取待测视频流，经切帧处理获得离散图片；2)依次将所述离散图片输入一训练好的卷积神经网络模型，检测获得睡觉姿势初步检测结果及相应置信度；3)基于多尺度检测方法对所有睡觉姿势初步检测结果进行筛选，获得睡觉姿势最终检测结果；4)根据所述睡觉姿势最终检测结果，采用基于位置信息的目标跟踪算法判断是否存在睡觉行为。与现有技术相比，本发明在目标检测模型中采用了特征融合提升准确率，同时采用了高准确率的睡觉行为决策算法，避免睡觉行为误判。
-
公开(公告)号：CN111563449A
公开(公告)日：2020-08-21
申请号：CN202010366511.0
申请日：2020-04-30
Applicant: 上海交通大学
Abstract: 本发明涉及一种实时课堂注意力检测方法及系统，所述检测方法首先对实时图像进行人脸识别和头部姿态估计，获得对象位置和对应的注意力欧拉角，然后将对象位置和注意力欧拉角映射至三维空间，获得三维空间内的视线射线，最后基于所述视线射线获得各对象的注意力检测结果。与现有技术相比，本发明具有处理速度快、准确率高、能在低分辨率的情况下获得更好检测结果的优点。
-
公开(公告)号：CN110780987A
公开(公告)日：2020-02-11
申请号：CN201911048062.9
申请日：2019-10-30
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于容器技术的深度学习课堂分析系统，该系统与摄像机连接，获取视频数据并检测不同的课堂动作和/或声音，该系统通过为不同的深度学习算法构建不同环境的基础容器镜像，形成不同的检测容器，分别对不同的课堂动作和声音进行检测，包括：逻辑控制层，包括用于前端交互的前端展示模块、用于获取视频数据的逻辑控制模块，以及用于传递信息的通讯接口层模块；容器层，用于实现对多种检测容器的管理和调度；硬件层，用于提供系统所需的硬件资源，与现有技术相比，本发明使用的容器技术，解决了开发环境和部署环境的一致性问题，并可以极大提高深度学习开发者的开发效率。
-
公开(公告)号：CN109508660A
公开(公告)日：2019-03-22
申请号：CN201811287115.8
申请日：2018-10-31
Applicant: 上海交通大学
CPC classification number: G06K9/00315 , G06K9/627
Abstract: 本发明涉及一种基于视频的AU检测方法，包括：人脸处理步骤：获取待测视频，以T秒为间隔从待测视频中抽取连续K帧图片，对所述连续K帧图片依次进行人脸检测、人脸特征点检测及人脸对齐处理，获得人脸序列；AU检测步骤：根据所述人脸序列和经训练的AU检测模型进行AU检测，获得待测视频的AU表现情况；所述AU检测模型基于卷积神经网络和时间递归网络建立。与现有技术相比，本发明可实现AU自动化检测工作，减轻人工标注人员的工作量，考虑了AU在人脸的区域分布性质、时间序列上人脸表情之间的相关性和AU之间存在相关性，大大提升了AU检测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN112926388A
公开(公告)日：2021-06-08
申请号：CN202110094939.9
申请日：2021-01-25
Applicant: 上海交通大学重庆研究院
Abstract: 本发明涉及一种基于动作识别的校园暴力行为视频检测方法，该方法基于YOWO框架，对主干网络进行时空解耦来分步提取时空特征，并改进了数据填充方法和损失计算方法，从而对视频中暴力行为进行识别和定位。与现有技术相比，本发明具有保证速度满足实时性的同时尽可能准确等优点。
-
公开(公告)号：CN110458021A
公开(公告)日：2019-11-15
申请号：CN201910620049.X
申请日：2019-07-10
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于物理特性和分布特性的人脸运动单元检测方法，其特征在于，该方法基于预训练的人脸运动单元检测模型对一组图片序列进行处理，获取人脸运动单元检测结果，所述人脸运动单元检测模型包括依次连接的交叉拼接网络和长短期记忆网络。与现有技术相比，本发明首次考虑并解决了不同人脸运动单元之间数据分布不均衡问题，进一步提升了人脸运动单元检测效果。
-
公开(公告)号：CN110414380A
公开(公告)日：2019-11-05
申请号：CN201910620750.1
申请日：2019-07-10
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于目标检测的学生行为检测方法，包括以下步骤：S1、建立包含学生行为信息的数据集，所述学生行为包括举手、站立和睡觉；S2、建立学生行为检测模型，该模型为基于残差网络ResNet-101的改进Faster R-CNN模型；S3、基于所述数据集，采用在线困难样本挖掘方法对学生行为检测模型进行训练；S4、利用训练后的学生行为检测模型对待测视频进行检测，获得学生行为结果并可视化；其中，所述残差网络ResNet-101采用多层特征融合策略，所述残差网络ResNet-101的第5个卷积阶段包括多个具有感受野大小不同的分支。与现有技术相比，本发明具有精度高等优点。
-
公开(公告)号：CN108717522A
公开(公告)日：2018-10-30
申请号：CN201810349970.0
申请日：2018-04-18
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于深度学习和相关滤波的人体目标跟踪方法，该方法包括以下步骤：1)读取待跟踪视频的当前帧，利用人体检测器检测人体位置；2)读取待跟踪视频的下一帧，判断是否到达视频结尾，若是，则结束，若否，则执行步骤3)；3)利用上一步检测获得的人体位置初始化相关滤波跟踪器，进行人体跟踪，持续设定时间；4)利用轻量级人体判别器判定当前跟踪目标是否为人体，若是，则记录人体位置，返回步骤2)，若否，则返回步骤1)。与现有技术相比，本发明具有准确性高、实时性好等优点。
-
公开(公告)号：CN108229352A
公开(公告)日：2018-06-29
申请号：CN201711397963.X
申请日：2017-12-21
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于深度学习的站立检测方法，该方法包括：1)收集样本，各所述样本包括样本图片和对应的标注文件；2)建立站立检测模型，该站立检测模型基于卷积神经网络结构，并基于所述样本以R‑FCN目标检测算法进行训练，所述站立检测模型包括高年级站立检测模型和低年级站立检测模型；3)利用训练后的站立检测模型对待测视频进行站立检测。与现有技术相比，本发明具有检全率、准确率高，适用于复杂教室环境等优点。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.022 seconds)
