-
公开(公告)号：CN118429858A
公开(公告)日：2024-08-02
申请号：CN202410511604.6
申请日：2024-04-26
Applicant: 西北工业大学
IPC: G06V20/40 , G06V20/52 , G06V10/42 , G06V10/44 , G06V10/74 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0895
Abstract: 本发明公开一种监控视频异常事件检测方法和装置，包括：步骤S1、获取监控视频数据；步骤S2、提取监控视频数据的视频特征；步骤S3、对所述视频特征进行编码；步骤S4、根据视频特征编码结果，得到视频片段级别的伪标签；步骤S5、根据视频特征编码结果，得到异常得分；步骤S6、根据视频片段级别的伪标签、视频级别的标签和异常得分训练深度卷积神经网络；步骤S7、将待预测的监控视频数据输入到训练好的深度卷积神经网络，实现监控视频的异常事件检测。采用本发明的技术方案，解决传统方法特征上下文编码能力弱，以及模型对于异常和正常分辨能力弱问题。
-
公开(公告)号：CN118072063A
公开(公告)日：2024-05-24
申请号：CN202310430388.8
申请日：2023-04-20
Applicant: 西北工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/40 , G06V10/80 , G06V10/766
Abstract: 本发明公开了一种基于改进Transformer的多尺度融合道路损伤检测方法，首先构建训练样和测试样本，将训练样本输入到由Swin Transformer构成的特征提取器，得到特征图；将特征图输入到FPN网络中，得到包含不同尺寸缺陷的多尺度融合特征图；利用自学习特征采样器对多尺度融合特征图进一步进行特征采样；使用Transformer结构生成道路损伤检测框信息；最终使用FFN做分类的检测框的回归，得到检测结果和相应的损失。本发明方法充分利用不同尺度的信息，并能够很好地消除背景冗余信息，能够大幅度降低计算复杂度。
-
公开(公告)号：CN116665142A
公开(公告)日：2023-08-29
申请号：CN202310409478.9
申请日：2023-04-18
Applicant: 西北工业大学
Abstract: 本发明公开了一种恶劣视觉环境下的道路车辆检测方法，首先采集道路视频图像，然后构建基于图像双通道信息的数字图像增强算法，通过图像亮通道信息建立初始映射；再通过图像暗通道信息对建立的映射进行修正，以减少图像增强过程中由于传递造成的信息失真；从图像的亮通道结果中获取参数全局亮度；将全局亮度和修正后的映射关系代入数字图像经验公式，获取针对恶劣视觉环境去暗增强后的增强图像；构建基于手工标注与卷积神经网络的深度学习车辆检测模型，使用标注过的数据集对模型进行训练得到车辆检测模型，实现恶劣视觉环境下的车辆检测。本发明有效提升了恶劣视觉环境下车辆检测的精度与准确率。
-
公开(公告)号：CN118429835A
公开(公告)日：2024-08-02
申请号：CN202410511325.X
申请日：2024-04-26
Applicant: 西北工业大学
IPC: G06V20/17 , G06V20/40 , G06V20/54 , G06V10/40 , G06V10/762 , G06V10/764 , G06V10/82 , G06V10/94 , G06N3/0464 , G06N3/09 , G08G1/01 , G08G1/042
Abstract: 本发明公开了一种基于无人机视觉感知的交通异常事件检测方法及系统，其中方法步骤包括：利用无人机定轨巡航，采集不同高度视角下道路交通视频数据，构建交通事件信息数据集；基于交通事件信息数据集，构建粗粒度异常事件检测模型；基于粗粒度异常事件检测模型，获取异常事件数据集；基于异常事件数据集，构建细粒度异常事件检测模型；部署粗粒度异常事件检测模型和细粒度异常事件检测模型，并利用粗粒度异常事件检测模型和细粒度异常事件检测模型完成交通异常事件的检测。本发明通过将任务划分为无人机边缘段的粗粒度事件检测与部署在云端的细粒度异常事件检测，实现道路交通事件的高校感知；本发明能够无死角地覆盖应用路段，提升检测效果。
-
-
-
Search Results
4
records
(took 0.016 seconds)
