-
公开(公告)号：CN108684043B
公开(公告)日：2021-09-28
申请号：CN201810461226.X
申请日：2018-05-15
Applicant: 南京邮电大学
IPC: H04W12/122 , H04W12/67
Abstract: 本发明公开了一种基于最小风险的深度神经网络的异常用户检测方法，首先对异常用户的数据进行预处理，得到异常用户和正常用户数据量一致的数据；其次利用Mini‑batch梯度下降方法对深度神经网络进行训练并结合NOMA通信系统中不同异常用户的危害程度高低，构建基于最小风险的决策表；最后将决策表设定的不同决策对应的损失函数引入深度神经网络，构建基于最小风险的神经网络异常用户检测方法。本发明通过深度神经网络对高维数据强大的表示和分析能力，解决基于大数据的NOMA系统异常用户检测问题、将最小风险代价引入到深度神经网络训练中，解决了NOMA系统中各类异常用户的危害程度的差异性问题，有望为异常用户检测提供新的思路和理论创新。
-
公开(公告)号：CN109409294B
公开(公告)日：2021-06-22
申请号：CN201811264277.X
申请日：2018-10-29
Applicant: 南京邮电大学
Abstract: 本发明公开了基于对象运动轨迹的停球事件的分类方法和系统，其中方法包括：采用神经网络对训练视频进行检测分别得到球员和足球的预测框；记录同时检测到一个足球和一个球员的图像的帧数、球员的坐标以及足球的坐标，并将前后两帧图像的帧数相减，差值大于预设阈值时则确定停球事件；选取每个停球事件中预设定帧长的视频；将停球事件成功与否打上标签；将不同的停球事件进行向量化处理得到向量化的数据并投入到分类器中，通过交叉验证，给出停球时间成功或失败的二分类结果并输出分类准确率。本发明通过检测的结果划分事件，通过设置具体的分类器的属性，能对加载的停球事件的位置信息做出准确的分类，具有很好的稳定性以及鲁棒性。
-
公开(公告)号：CN110096616A
公开(公告)日：2019-08-06
申请号：CN201910337613.7
申请日：2019-04-25
Applicant: 南京邮电大学
IPC: G06F16/75 , G06F16/783 , G06K9/00
Abstract: 本发明公开了一种基于二维姿态估计的运动训练姿态分析方法，包括以下过程：从若干个停球失败事件中提取导致停球失败的关键帧构成数据库；提取数据库中每帧图片中球员的关节点位置信息；对所有图片中球员的关节点位置信息进行坐标系转换和标准化操作；对步骤三获得的结果进行GMM聚类，获取数据库中代表性失败动作的关节点位置信息。本发明方法能够从球员的停球训练视频中找出导致球员停球失败的代表性动作，帮助运动员调整训练方法。
-
公开(公告)号：CN109409294A
公开(公告)日：2019-03-01
申请号：CN201811264277.X
申请日：2018-10-29
Applicant: 南京邮电大学
Abstract: 本发明公开了基于对象运动轨迹的停球事件的分类方法和系统，其中方法包括：采用神经网络对训练视频进行检测分别得到球员和足球的预测框；记录同时检测到一个足球和一个球员的图像的帧数、球员的坐标以及足球的坐标，并将前后两帧图像的帧数相减，差值大于预设阈值时则确定停球事件；选取每个停球事件中预设定帧长的视频；将停球事件成功与否打上标签；将不同的停球事件进行向量化处理得到向量化的数据并投入到分类器中，通过交叉验证，给出停球时间成功或失败的二分类结果并输出分类准确率。本发明通过检测的结果划分事件，通过设置具体的分类器的属性，能对加载的停球事件的位置信息做出准确的分类，具有很好的稳定性以及鲁棒性。
-
公开(公告)号：CN110096616B
公开(公告)日：2023-05-26
申请号：CN201910337613.7
申请日：2019-04-25
Applicant: 南京邮电大学
IPC: G06F16/75 , G06F16/783 , G06V20/40 , G06V40/20
Abstract: 本发明公开了一种基于二维姿态估计的运动训练姿态分析方法，包括以下过程：从若干个停球失败事件中提取导致停球失败的关键帧构成数据库；提取数据库中每帧图片中球员的关节点位置信息；对所有图片中球员的关节点位置信息进行坐标系转换和标准化操作；对步骤三获得的结果进行GMM聚类，获取数据库中代表性失败动作的关节点位置信息。本发明方法能够从球员的停球训练视频中找出导致球员停球失败的代表性动作，帮助运动员调整训练方法。
-
Patent Agency Ranking
公开(公告)号：CN109460724B
公开(公告)日：2021-09-28
申请号：CN201811264286.9
申请日：2018-10-29
Applicant: 南京邮电大学
Abstract: 本发明公开了基于对象检测的停球事件的分离方法和系统，其中方法包括：采用图像标注工具对原始训练集图像中的球员和足球进行标注，标注时将球员和足球用一个矩形框框出其在图像中的位置并输入相应的标签，得到标注后的训练集图像；根据训练集中的图像训练神经网络并输出图像中目标检测框的边界和目标的类别；采用训练好的神经网络对待检测的训练视频进行检测确定图像的帧数并输出球员和足球的坐标；将同时检测到足球和球员的前后两帧图像的帧数相减，差值大于预设阈值时则确定停球事件。本发明基于神经网络的检测的结果，对检测数据不断分析，找到停球事件的特点来对停球事件进行分离，具有很好的稳定性以及鲁棒性。
-
公开(公告)号：CN109766768A
公开(公告)日：2019-05-17
申请号：CN201811547459.8
申请日：2018-12-18
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于深度学习的球员识别方法，该方法步骤：(1)下载高清篮球比赛的视频，并将视频抽成一帧一帧的图片；(2)在图片上对运动员进行截取，得到210张球衣号码较为清晰的运动员图片；(3)根据球员的球衣号码，对210张图片使用Bounding Box标记出号码的位置，并给出标签完成分类；(4)对YOLOv3算法进行修改后对数据集进行训练，训练完成后保存训练好的权重；(5)对测试图片进行测试，直接回归出目标的边界框及分类类别，实现球衣号码的定位以及号码识别，从而实现球员的识别，本发明能够利用对球衣号码的定位以及识别实现对运动员的自动识别，测试结果具有很好的准确性和鲁棒性，大大减少了以往普遍采用的人工查找方式的工作量。
-
公开(公告)号：CN109460724A
公开(公告)日：2019-03-12
申请号：CN201811264286.9
申请日：2018-10-29
Applicant: 南京邮电大学
Abstract: 本发明公开了基于对象检测的停球事件的分离方法和系统，其中方法包括：采用图像标注工具对原始训练集图像中的球员和足球进行标注，标注时将球员和足球用一个矩形框框出其在图像中的位置并输入相应的标签，得到标注后的训练集图像；根据训练集中的图像训练神经网络并输出图像中目标检测框的边界和目标的类别；采用训练好的神经网络对待检测的训练视频进行检测确定图像的帧数并输出球员和足球的坐标；将同时检测到足球和球员的前后两帧图像的帧数相减，差值大于预设阈值时则确定停球事件。本发明基于神经网络的检测的结果，对检测数据不断分析，找到停球事件的特点来对停球事件进行分离，具有很好的稳定性以及鲁棒性。
-
公开(公告)号：CN108684043A
公开(公告)日：2018-10-19
申请号：CN201810461226.X
申请日：2018-05-15
Applicant: 南京邮电大学
IPC: H04W12/12
CPC classification number: H04W12/12
Abstract: 本发明公开了一种基于最小风险的深度神经网络的异常用户检测方法，首先对异常用户的数据进行预处理，得到异常用户和正常用户数据量一致的数据；其次利用Mini‑batch梯度下降方法对深度神经网络进行训练并结合NOMA通信系统中不同异常用户的危害程度高低，构建基于最小风险的决策表；最后将决策表设定的不同决策对应的损失函数引入深度神经网络，构建基于最小风险的神经网络异常用户检测方法。本发明通过深度神经网络对高维数据强大的表示和分析能力，解决基于大数据的NOMA系统异常用户检测问题、将最小风险代价引入到深度神经网络训练中，解决了NOMA系统中各类异常用户的危害程度的差异性问题，有望为异常用户检测提供新的思路和理论创新。
-
公开(公告)号：CN110532843B
公开(公告)日：2022-08-05
申请号：CN201910337704.0
申请日：2019-04-25
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于对象级轨迹的细粒度行为识别方法，包括以下过程：S1，从足球停球事件视频的各图像中检测出球员和足球的位置；S2，从视频中截取固定数量帧作为有效帧；S3，从各有效帧中提取对象级轨迹特征和球的瞬时移动特征；S4，将所有有效帧的对象级轨迹特征和球的瞬时移动特征输入分类器，判断此次停球事件是否成功。本发明通过引入对象级轨迹，具体地描述人与物体之间的交互性，能够有效地识别细粒度行为。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.022 seconds)
