-
公开(公告)号：CN108182413B
公开(公告)日：2022-01-25
申请号：CN201711477567.8
申请日：2017-12-29
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种矿井移动目标检测与跟踪识别方法，第一步，制作训练集，通过采集矿井环境照片，把矿井移动目标的数字标签作为身份识别符合成到环境照片中，并对合成照片中数字标签进行标注，将标注过的合成照片作为训练集；第二步，构建加速区域卷积神经网络Faster‑RCNN，并用训练集训练出可用于数字标签检测的加速区域卷积神经网络Faster‑RCNN模型；第三步，将采集到的视频经过处理后输入训练好的加速区域卷积神经网络Faster‑RCNN模型，检测出数字标签区域的边界框；第四步，将边界框内的数字标签区域进行字符分割操作，获得数字序列的每一个数字字符，并依次传入数字识别模型LeNet网络进行数字识别；第五步，LeNet网络返回识别出的数字序列，依据识别出的矿井移动目标数字标签确定矿井移动目标身份信息。本发明能准确、有效地对矿井移动目标进行检测与跟踪识别。
-
公开(公告)号：CN108182413A
公开(公告)日：2018-06-19
申请号：CN201711477567.8
申请日：2017-12-29
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种矿井移动目标检测与跟踪识别方法，第一步，制作训练集，通过采集矿井环境照片，把矿井移动目标的数字标签作为身份识别符合成到环境照片中，并对合成照片中数字标签进行标注，将标注过的合成照片作为训练集；第二步，构建加速区域卷积神经网络Faster-RCNN，并用训练集训练出可用于数字标签检测的加速区域卷积神经网络Faster-RCNN模型；第三步，将采集到的视频经过处理后输入训练好的加速区域卷积神经网络Faster-RCNN模型，检测出数字标签区域的边界框；第四步，将边界框内的数字标签区域进行字符分割操作，获得数字序列的每一个数字字符，并依次传入数字识别模型LeNet网络进行数字识别；第五步，LeNet网络返回识别出的数字序列，依据识别出的矿井移动目标数字标签确定矿井移动目标身份信息。本发明能准确、有效地对矿井移动目标进行检测与跟踪识别。
-
公开(公告)号：CN109685066B
公开(公告)日：2021-03-09
申请号：CN201811582240.1
申请日：2018-12-24
Applicant: 中国矿业大学(北京)
Abstract: 本发明属于目标检测与智能识别领域，公开了一种深度卷积神经网络的矿井目标检测与识别方法。所述方法主要步骤包括：第一步，制作目标数据集，利用矿井视频图像采集设备捕获煤矿井下目标原始图像的一帧来构建模型输入，据此制作训练验证集和测试集；第二步，训练目标检测网络模型，利用训练验证集离线训练网络模型，直到该模型具有较高的准确率；第三步，使用训练好的目标检测网络模型对测试集中目标携带的数字序列进行检测，并获得该数字序列的四维坐标；第四步，对图片中的数字序列区域进行截取、分割操作，并依次送入LeNet‑5网络中进行识别，依据识别结果来确定移动目标的身份。该方法能有效提高矿井目标检测与识别的速度和精度。
-
公开(公告)号：CN109685066A
公开(公告)日：2019-04-26
申请号：CN201811582240.1
申请日：2018-12-24
Applicant: 中国矿业大学(北京)
Abstract: 本发明属于目标检测与智能识别领域，公开了一种深度卷积神经网络的矿井目标检测与识别方法。所述方法主要步骤包括：第一步，制作目标数据集，利用矿井视频图像采集设备捕获煤矿井下目标原始图像的一帧来构建模型输入，据此制作训练验证集和测试集；第二步，训练目标检测网络模型，利用训练验证集离线训练网络模型，直到该模型具有较高的准确率；第三步，使用训练好的目标检测网络模型对测试集中目标携带的数字序列进行检测，并获得该数字序列的四维坐标；第四步，对图片中的数字序列区域进行截取、分割操作，并依次送入LeNet-5网络中进行识别，依据识别结果来确定移动目标的身份。该方法能有效提高矿井目标检测与识别的速度和精度。
-
-
-
Search Results
4
records
(took 0.018 seconds)
