-
公开(公告)号：CN112560741B
公开(公告)日：2025-03-25
申请号：CN202011537704.4
申请日：2020-12-23
Applicant: 中国石油大学(华东)
IPC: G06V40/10 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种基于人体关键点的安全穿戴检测方法，该方法包含：利用数据增强方法解决遮挡人员的检测问题，在模型训练阶段利用随机擦除方法增加遮挡样本的数量，最终实现目标人员的检测；利用区域姿态估计算法(RMPE)中的对称空间变换网络校正人员目标包围框，提高姿态估计的准确率，利用参数化姿态非最大抑制(Pose‑NMS)来解决冗余姿态的问题，得到目标人员的准确姿态，提取人体关键点信息，最终得到17个关键点坐标；提出人体二维投影模型，根据得到的17个关键点坐标信息，利用七点定位法得到头部区域，利用四点定位法得到躯干区域；提出基于ResNet50‑TL的安全穿戴识别方法，对得到的待检测区域提取特征，进行分类，得到工人安全穿戴情况，实现安全穿戴的检测。本发明的方法能够有效地解决海上钻井平台这种复杂场景下的安全穿戴检测问题。
-
公开(公告)号：CN116451877A
公开(公告)日：2023-07-18
申请号：CN202310712335.5
申请日：2023-06-16
Applicant: 中国石油大学(华东)
IPC: G06Q10/04 , G06Q50/02 , G06F18/214 , G06F18/21 , G06N5/02 , G06F18/15 , G06N3/042 , G06N3/048 , G06N3/084
Abstract: 本发明涉及油井产量预测技术领域，尤其涉及一种基于可计算语义网络的管网停开井产量预测方法，先采集样本数据集并进行预处理后划分为训练集和测试集；再建立储运机理知识并进行表征，然后构建深度网络框架并建立节点向量和边向量表示，再构建可计算语义网络模型，依次对可计算语义网络模型进行训练和评价；最后将集输管网生产数据输入可计算语义网络模型进行预测，得到预测结果，同时考虑生产数据和储运机理知识两大因素，提出“数据+机理”双驱动的网络模型，大幅度提高模型的预测准确度，将储运机理知识融入到深度学习神经网络相关算法中，提高网络模型迭代收敛效率，更快地输出最优预测结果。
-
公开(公告)号：CN110097568B
公开(公告)日：2023-06-09
申请号：CN201910391883.6
申请日：2019-05-13
Applicant: 中国石油大学(华东)
IPC: G06T7/181 , G06V10/764 , G06V10/82 , G06N3/049 , G06N3/084
Abstract: 本发明公开了一种基于时空双分支网络的视频对象检测与分割方法，该方法包含：以视频作为数据输入，通过视频序列预处理将其分成多张连续的RGB图像，输入到空间分支网络对相对较少的像素标记前景掩码进行微调以生成对象分割图像信息；然后进入时空联合网络训练的目标检测器进行边界重叠度评分，将所有重叠度大于阈值的候选边界框都输入到目标分类器中以检测目标的类别，输出目标类别的评分；通过目标过滤器精细修正对象的边界以进行分割，最后输出对象在图像中的坐标信息和相应的目标类别，实现了复杂场景下的视频对象检测与分割。本发明的方法能够应用于干扰目标繁多和极其复杂的实际场景中，提高了复杂场景下目标对象检测和分割的准确性。
-
公开(公告)号：CN116206218A
公开(公告)日：2023-06-02
申请号：CN202211605764.4
申请日：2022-12-14
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于时频数据分析的空中低慢小目标识别方法，该方法包括：构建无人机信号样本库，通过时频变换方法得到无人机信号的时频图，采用SNGAN网络增加样本数量，为已有的样本注入标签，得到无人机识别模型训练数据集；设计增量式无人机识别网络，能够学习新增类别无人机时频图特征，同时通过知识蒸馏学习旧网络模型学习到的旧类别无人机时频图特征，以无人机样本库作为训练数据输入网络中，训练得到无人机识别模型。以混合信号作为数据输入，通过频域盲源分离技术对其进行信号分离，从而得到不同信号源发出的信号；然后提取信号在时域、频域上的特征参数，通过模糊理论方法计算输入信号与已构建干扰信号特征参数库中信号的隶属度，将隶属度大于0.7的作为干扰信号剔除掉，剩余信号作为待识别的疑似无人机信号；将疑似的无人机信号通过时频变换方法提取时频特征，输入训练好的无人机识别模型中，最后输出该信号对应的无人机类型。
-
公开(公告)号：CN115980840A
公开(公告)日：2023-04-18
申请号：CN202211479462.7
申请日：2022-11-24
Applicant: 中国石油大学(华东)
Abstract: 本发明提供一种地震数据去噪的模型训练方法、地震数据去噪方法及装置。模型训练的方法包括：根据含噪地震数据A、无噪声地震数据B构造映射器G；根据映射器G的输出构造反向映射器R；分别构造判别器DA和判别器DB来纠正转换结果；映射器与判别器对抗训练、相互进化，最终得到训练好的映射器与判别器。本发明提供的方法，不需要噪声的先验知识，通过含噪地震数据域与干净地震数据域之间循环进行对抗训练，即可有效的去除地震数据中各种类型的噪声。
-
Patent Agency Ranking
公开(公告)号：CN110147743B
公开(公告)日：2021-08-06
申请号：CN201910381879.1
申请日：2019-05-08
Applicant: 中国石油大学(华东)
Abstract: 本发明提供一种复杂场景下的实时在线行人分析与计数系统及方法，其中方法为以视频信息作为输入，通过数据预处理将视频数据转换为连续的RGB帧图像，利用原始的SSD网络进行人员目标检测；然后，将生成的多个建议框输入到两个并行的分支网络中用于人体关键点检测，一个为堆叠沙漏网络，用于位置修正和优化目标检测生成的建议框结果；另一个为姿态卷积机。本发明通过对特定的复杂场景进行分析并建立了一套完整的解决方案和框架，利用人体关键点这一高级特征将多个领域的算法进行有机的整合，能够解决实际工程场景下的人员的目标检测与跟踪、人体关键点分析、人体动作识别和计数分析等问题，具有广泛的应用场景。
-
公开(公告)号：CN113011089A
公开(公告)日：2021-06-22
申请号：CN202110244279.8
申请日：2021-03-05
Applicant: 中国石油大学(华东)
Abstract: 本发明实施例提供一种基于深度学习的机采井系统优化方法与装置。本发明的基于深度学习方法的机采井系统效率优化方法，融合生产数据、泵数据、电数据、温压数据等，作为系统效率优化的样本集。采用长短期记忆LSTM模型，构建系统效率阈值提取模型以及产液量预测模型。将系统效率进行区间划分，每个区间标记为一类，作为周期状态分类的标签，应用分类算法构建系统效率周期状态分类模型。结合系统效率阈值、产液量预测模型、周期状态分类模型，决定是否调整工作制度。另外，发明实施例还提供一种基于深度学习的机采井系统优化装置，包括数据预处理模块、系统效率阈值提取模块、周期状态分类模块、产液量预测模块。本发明实施例提供的技术方案能够对机采井的系统效率进行优化，降低开采成本、提高经济效益。
-
公开(公告)号：CN108710868B
公开(公告)日：2020-09-04
申请号：CN201810582712.7
申请日：2018-06-05
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于复杂场景下的人体关键点检测系统及方法，该方法包含：输入监控视频信息，得到单帧静态图和多帧光流图；对单帧静态图通过卷积操作提取特征以得到特征图，为解决复杂场景下干扰目标对人员目标检测的影响，采用人员目标检测算法，以对特征图的实际置信度与预设置信度进行判别，得到离散化人员目标包围盒；对多帧光流图采用光流堆叠来形成二维矢量场；提取离散化人员目标包围盒中特征，得到特征图，获得部位的关键点和关联程度，利用预测器为人体每个部位生成部位置信图，通过部位置信图和二维矢量场实现人体关键点的精准检测。本发明的系统及方法用于复杂场景下的人体关键点检测，实现人员目标关键点的精准检测。
-
公开(公告)号：CN109191761A
公开(公告)日：2019-01-11
申请号：CN201811034833.4
申请日：2018-09-06
Applicant: 中国石油大学(华东)
Abstract: 本发明提出了一种基于火焰多特征融合的火灾识别方法，根据这个算法开发了一种火焰多特征融合的火灾识别系统。其原理在于通过该系统调用摄像头视频监控画面，使用系统的后台检测算法对画面进行处理，该方法首先进行运动检测筛选运动火灾像素与RGB颜色模型筛选火焰颜色像素结合作为图像预处理模块，采用的基于帧间差分法检测运算速度快并且不包含复杂运算，对于环境要求不高，不需要考虑黑天等因素的变化，采用的RGB/HIS颜色模型较为稳定；然后根据火焰烟雾、面积变化以及形状变化性质利用火焰像素点数量、凸包以及尖角对火焰进行特征判断；最终结合成熟的支持向量机进行验证；满足以上条件进行报警。本方法能够应用于社会安全等摄像头实时监控系统。
-
公开(公告)号：CN108710868A
公开(公告)日：2018-10-26
申请号：CN201810582712.7
申请日：2018-06-05
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于复杂场景下的人体关键点检测系统及方法，该方法包含：输入监控视频信息，得到单帧静态图和多帧光流图；对单帧静态图通过卷积操作提取特征以得到特征图，为解决复杂场景下干扰目标对人员目标检测的影响，采用人员目标检测算法，以对特征图的实际置信度与预设置信度进行判别，得到离散化人员目标包围盒；对多帧光流图采用光流堆叠来形成二维矢量场；提取离散化人员目标包围盒中特征，得到特征图，获得部位的关键点和关联程度，利用预测器为人体每个部位生成部位置信图，通过部位置信图和二维矢量场实现人体关键点的精准检测。本发明的系统及方法用于复杂场景下的人体关键点检测，实现人员目标关键点的精准检测。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.032 seconds)
