-
公开(公告)号：CN117854110A
公开(公告)日：2024-04-09
申请号：CN202410042421.4
申请日：2024-01-11
Applicant: 南昌大学
IPC: G06V40/10 , G06V20/40 , G06V20/70 , G06V40/16 , G06V10/25 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06Q50/08
Abstract: 本发明公开了一种基于YOLOv5的建筑工地安全帽系带识别系统及方法，属于建筑工地安全领域，识别系统包括USB摄像头、边缘设备、显示屏、数据存储卡；识别方法包括步骤S1，图像采集；步骤S2，数据集标注；步骤S3，构建安全帽系带数据集；步骤S4，安全帽系带识别模型；步骤S5，智能分级预警；步骤S6，实地部署与应用；本发明将先进的人工智能识别算法应用于建筑工地安全领域，通过对个体安全帽系带状态的自动检测，从而确保安全帽佩戴的规范性，进一步加强建筑工地施工安全。
-
公开(公告)号：CN117635627A
公开(公告)日：2024-03-01
申请号：CN202410006726.X
申请日：2024-01-03
Applicant: 南昌大学
IPC: G06T7/10 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G06T7/00
Abstract: 本发明提出了一种基于CNN与Transformer内在特征一致性的半监督医学图像分割方法，可以有效利用不同网络的学习范式实现数据的内部特征一致化。该方法引入了一个内在特征解码模块用于提取高维特征以生成对应形状的中间预测图。具体来说，在图像解码器获得高维特征时，同时将该特征输入至特征解码器用于生成该维度下的预测结果，接着对CNN和Transformer生成的不同维度预测图进行损失计算，以实现内在特征语义一致化。在公共医学图像数据集上的实验结果表明，本发明的方法在有限标注数据的情况下优于现有的半监督学习方法，同时缩小了CNN与Transformer之间的预测差距。
-
公开(公告)号：CN118942152A
公开(公告)日：2024-11-12
申请号：CN202410940869.8
申请日：2024-07-15
Applicant: 南昌大学
IPC: G06V40/20 , G06V20/40 , G06V20/52 , G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V10/774
Abstract: 本发明提出了一种基于改进的YOLOv8的老人摔倒检测方法，主要应用于昏暗条件下老人摔倒问题，本方法包括以下步骤：1）提取一段监控视频数据，获取每帧图像数据；2）检测每帧图像中老人的状态，若老人状态为lying平躺，则转至步骤3，若检测的老人状态为平躺且面部朝下lying_facedown，则转至步骤4；3）检测每帧图像中老人的面部表情，若检测的老人面部表情为痛苦distress，则转至步骤4，若否则结束；4）每检测到一次“lying_facedown”或“distress”，则Count加一，若Count大于半数周期内图像数，则发出警报并拨打预留电话和发送定位。本发明能通过视频监控监测老人的实时状态，能够快速有效地判断老人摔倒情况，并及时通知相关人员和发送对应的位置信息，具有更高的准确率和检测效率。
-
公开(公告)号：CN117830621A
公开(公告)日：2024-04-05
申请号：CN202410015443.1
申请日：2024-01-04
Applicant: 南昌大学
Abstract: 本发明提出了一种基于目标检测模型的工地车辆清洗检测系统，适用于智慧工地建设领域，包括工地监控设备、目标检测模型、监控系统；所述工地监控设备包含摄像头、数据传输模块，用于采集工地实时视频并进行数据传输；所述目标检测模型包含数据标注、YOLO模型训练、YOLO模型验证，用于检测目标车辆与场地喷水的实际坐标信息；所述监控系统包括检测模块、反馈模块，用于计算车辆清洗情况，并返回最终清洗结果。本发明通过目标检测模型实时监测工地车辆出入时的清洗情况，可以提高车辆清洗检测效率，减少人工依赖性，满足智慧工地建设需求。
-
-
-
Search Results
4
records
(took 0.015 seconds)
