公开(公告)号：CN118397511A

公开(公告)日：2024-07-26

申请号：CN202410623411.X

申请日：2024-05-20

Applicant: 南通大学

Inventor： 李洪均 ,  张雨星

IPC: G06V20/40 ,  G06V10/764 ,  G06V10/80 ,  G06T5/30 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于智能视频处理技术领域，具体涉及一种跨时序融合记忆网络的交通事件检测方法。包括以下步骤：步骤1：在行为关联记忆网络中，过将连续的t帧视频帧依次输入到多尺度信息融合的VST中，在连续的视频帧中捕捉位于相对较短的时间窗口内的帧之间的相关性，并检测在线行为；步骤2：在时移帧记忆网络中，对步骤1相应的输出作为Temporal shifted frame memory network的输入，利用卷积层和残差连接来学习时间序列中的长期依赖关系，并对交通事件发生开始和结束的时间进行定位，从而得到已知事故类别的分类概率。使得模型能够更好地捕捉时序数据中的时间关系和动态变化，以提高对时间序列数据的建模能力，提高在交通场景中对于所发生的异常事件进行时间定位和分类的能力。

公开(公告)号：CN120032291A

公开(公告)日：2025-05-23

申请号：CN202510067732.0

申请日：2025-01-16

Applicant: 南通大学

Inventor： 李洪均 ,  张雨星 ,  陈俊杰 ,  滕立平 ,  陈铭子

IPC: G06V20/40 ,  G06V20/54 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/092

Abstract: 本发明公开了一种基于深度时空记忆与交互网络的交通事件检测方法。首先，设计了时空信息感知网络，可以有效地从输入的视频帧中捕捉到小空间区域到大空间区域的核心语义，以及时间域上的短期特征，提升视频帧特征的提取能力，对交通事件进行更加准确的分类。其次，提出了时序特征学习网络，旨在解决时空信息感知网络在处理视频帧时未能充分捕捉长期时间信息的问题。该方法通过强化时间特征的学习，能够获得更加完整的上下文时间信息特征，提高对异常发生和结束时刻的准确定位。