-
公开(公告)号：CN119963843A
公开(公告)日：2025-05-09
申请号：CN202510140884.9
申请日：2025-02-08
Applicant: 上海交通大学 , 上海交通大学医学院附属瑞金医院
IPC: G06V10/26 , G06V20/70 , G06V10/82 , G06V10/28 , G06T17/00 , G06N3/0455 , G06N3/0464 , G06N3/0985
Abstract: 本发明提供了一种面向腹部CT图像的语义分割及三维重建系统，包括：步骤S1：对原始腹部CT图像进行预处理，以获取模型训练所需的数据和标注；步骤S2：构建腹腔区域粗分割模块，用于对二维腹部CT图像进行腹腔区域以及脂肪组织的分割；步骤S3：构建三维重建模块，用于将二维腹部CT图像转换为三维数据；步骤S4：构建腹腔内部细分割模块，用于对三维腹部CT图像进行胰腺以及血管组织的分割；步骤S5：对分割结果进行可视化，直观展示腹腔的解剖结构。本发明融合了二维和三维分割网络的优点，通过对于腹腔区域的精细分割，帮助术者理清胰腺上缘区域的解剖结构因素，通用性强、操作便捷。
-
公开(公告)号：CN119992412A
公开(公告)日：2025-05-13
申请号：CN202510050183.6
申请日：2025-01-13
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于稀疏轮廓跳变的步态身份信息脱敏方法及系统，方法包括步骤S1：将步态视频解帧为图像序列并进行二值化处理；步骤S2：使用步态识别模型提取二值图像序列中的身份特征，根据损失函数计算每张图像的对抗扰动矩阵；步骤S3：等间隔选取二值图像序列关键帧，在关键帧中的人体轮廓边缘添加满足像素跳变约束的对抗扰动；步骤S4：将最终添加的扰动值嵌入二值图像序列，得到可逆的人体轮廓图像序列；步骤S5：对修改后的二值图像序列进行像素色彩回填，得到脱敏后的步态视频。本发明借助步态识别模型使脱敏前后图像序列的损失函数最大化，使得像素直接向梯度上升的方向发生二值跳变，实现对步态识别识别结果的非定向或者定向干扰，保护了身份信息隐私。
-
公开(公告)号：CN118968007A
公开(公告)日：2024-11-15
申请号：CN202411228131.5
申请日：2024-09-03
Applicant: 山东声通智能科技有限公司 , 上海交通大学
IPC: G06V10/22 , G06V10/30 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于视觉感知的智能化绕机检查方法、系统、介质及设备，包括：设定飞机型号与检测流程；后端服务器与终端检测设备实时通信，获取采集的RGB图像；通过飞机点位检测算法，识别画面中的飞机点位和部位，引导检测人员拍摄规定部位的照片；通过盲噪声去除算法优化图像质量；评估优化后的图像质量，并反馈检测终端重新拍摄不满足质量要求的画面；通过飞机缺陷检测算法，检测并标注图像中的飞机部位缺陷，并实时提醒检测终端设备；完成检测流程后，生成检测报告并评估飞机是否满足起飞条件。本发明通过应用先进的视觉感知和人工智能技术，实现对飞机外观的自动化检测，提高了绕机检查效率和准确性，确保飞行安全。
-
公开(公告)号：CN113065515B
公开(公告)日：2023-02-03
申请号：CN202110436144.1
申请日：2021-04-22
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于相似度图神经网络的异常行为智能检测方法及系统，涉及行为检测技术领域，该方法包括：信息获取步骤：对监控视频中人员的异常行为进行拍摄得到训练视频序列；网络训练步骤：提取训练视频序列中人体骨骼点得到骨骼点序列，列构建图网络结构，使用相似度图神经网络对骨骼点序列进行学习并训练网络；异常检测步骤：对训练视频序列中人体骨骼点进行识别，构建图网络结构，再用相似度图神经网络对骨骼点序列进行特征提取，并进行异常行为识别；智能记录步骤：自动截取异常视频片段，标注异常行为类型，保存到数据库。本发明能够极大地提升异常行为识别的可信程度，也大大简化识别流程，降低识别时间，达到实时识别的效果。
-
公开(公告)号：CN112911298B
公开(公告)日：2022-09-23
申请号：CN202110137945.8
申请日：2021-02-01
Applicant: 上海交通大学
IPC: H04N19/176 , H04N19/625
Abstract: 本发明提供了一种基于边界效应的HEVC视频双压缩检测方法及系统，涉及数字视频双压缩检测技术领域，该方法包括：步骤1：将待检测的HEVC视频进行解码，解码过程中以CTU为单位提取I帧中的DCT系数；步骤2：对于每个CTU，计算变换单元TU边界处的相邻两行/列之间的DCT系数的边界效应度量；步骤3：对于待检测HEVC视频的所有I帧中的CTU进行同样的相关性度量，求取CTU均值，构建HEVC视频的特征序列；步骤4：将HEVC视频的特征序输入已经训练完成的支持向量机中，获得分类结果。本发明能够对两次压缩所使用的量化参数不一致的双压缩HEVC视频有很好的检测性能，并对视频的画面内容有较好的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN114783050A
公开(公告)日：2022-07-22
申请号：CN202210277957.5
申请日：2022-03-21
Applicant: 上海交通大学
IPC: G06V40/20 , G06V10/74 , G06V10/774 , G06K9/62
Abstract: 本发明提供了一种基于动态视觉传感器的步态身份识别方法及系统，包括：步骤S1：基于标注身份的步态序列图以及相应的步态特征构建训练集；步骤S2：基于构建的训练集对步态识别网络模型进行训练，得到训练后的步态识别网络模型；步骤S3：通过动态视觉传感器采集待分析数据并对采集到的待分析数据进行预处理，得到预处理后的待分析数据；步骤S4：基于预处理后的待分析数据得到待分析数据相对应的步态序列图；步骤S5：待分析数据相对应的步态序列图通过训练后的步态识别网络模型提取相应的步态特征；步骤S6：提取的步态特征基于建立的步态样本库进行匹配实现身份识别。
-
公开(公告)号：CN114724062A
公开(公告)日：2022-07-08
申请号：CN202210300612.7
申请日：2022-03-25
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于对抗网络模型的视频异常事件检测方法及系统，包括如下步骤：模型建立步骤：建立重建帧生成对抗网络模型；检测步骤：对待检视频数据进行处理，将处理后的待检视频数据输入到建立好的重建帧生成对抗网络模型中，得到重建帧，对重建帧进行判断，获取检测结果。本发明将视频运动特征转化为运动梯度，并通过运动梯度嵌入的方式实现时空信息融合，能在单张图片上结合运动特征和外表特征，解决了视频训练输入冗余，计算量大的问题，网络训练参数减少，检测准确性也很优异。
-
公开(公告)号：CN113965744A
公开(公告)日：2022-01-21
申请号：CN202111211591.3
申请日：2021-10-18
Applicant: 上海交通大学
IPC: H04N17/00 , H04N19/114 , H04N19/44
Abstract: 本发明提供了一种基于运动矢量残差的HEVC视频双压缩取证方法及系统，涉及视频重压缩检测技术领域，该方法包括：步骤S1：对待检测视频进行解码，并获得解码后的视频帧图片，解码过程中提取各帧间编码帧的编码模式信息；步骤S2：对于提取的编码模式信息，采用空间尺度上的特征融合构建帧间编码差异的特征序列；步骤S3：通过投票算法对所述特征序列进行分析，定位异常帧位置；步骤S4：对于异常帧序列进行时域分析，判断待检测视频是否经历双压缩；步骤S5：若视频经历了双压缩，则进一步推断首次压缩中的GOP长度。本发明能够考虑HEVC针对快速变化场景设计的自适应编码模式，具有鲁棒性高，检测效率高的特点。
-
公开(公告)号：CN110363116B
公开(公告)日：2021-07-23
申请号：CN201910575810.2
申请日：2019-06-28
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于GLD‑GAN的不规则人脸矫正方法、系统及介质，包括：步骤S1：识别并截取图像中的人脸，获得人脸图P0；步骤S2：根据获得的人脸图P0，采用基于CRF‑RNN的图像分割技术剔除背景冗余；步骤S3：采用Inception模型进行图像分类，将侧脸按照角度分为多个类；步骤S4：训练每个类的GLD‑GAN模型。本发明将生成对抗网络技术应用于侧脸的规则化研究，通过对抗学习实现单张侧脸到相应正脸的转化，同时将侧脸规则化方法与超分辨率重建技术结合，实现多姿态、不同光照条件下的侧脸人像到高质量正脸视图的端到端映射。
-
公开(公告)号：CN113065515A
公开(公告)日：2021-07-02
申请号：CN202110436144.1
申请日：2021-04-22
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于相似度图神经网络的异常行为智能检测方法及系统，涉及行为检测技术领域，该方法包括：信息获取步骤：对监控视频中人员的异常行为进行拍摄得到训练视频序列；网络训练步骤：提取训练视频序列中人体骨骼点得到骨骼点序列，列构建图网络结构，使用相似度图神经网络对骨骼点序列进行学习并训练网络；异常检测步骤：对训练视频序列中人体骨骼点进行识别，构建图网络结构，再用相似度图神经网络对骨骼点序列进行特征提取，并进行异常行为识别；智能记录步骤：自动截取异常视频片段，标注异常行为类型，保存到数据库。本发明能够极大地提升异常行为识别的可信程度，也大大简化识别流程，降低识别时间，达到实时识别的效果。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.077 seconds)
