公开(公告)号：CN113688759A

公开(公告)日：2021-11-23

申请号：CN202111008443.1

申请日：2021-08-31

Applicant: 重庆科技学院

Inventor： 易军 ,  汪彦 ,  郑福建 ,  宋光磊 ,  陈国荣 ,  周伟 ,  李鹏华 ,  赵猛

IPC: G06K9/00 ,  G06K9/32 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于深度学习的安全帽识别方法，首先是获取各类施工现场的人员佩戴安全帽图像数据；采用多种数据增强方法让图像更清晰、丰富且具有一定的泛化能力，将数据增强后的图像制作为安全帽数据集；改进原生的YOLOv5模型，使其在对安全帽的检测精度和检测速度上能有所提升；模型训练完成后将其用于检测施工现场的视频流，并对检测出的目标框进行二次重合度匹配以提升检测的精准性，降低在实际使用中的误报率；当出现没有佩戴安全帽的人员时及时的向系统发出警告。

公开(公告)号：CN113887272A

公开(公告)日：2022-01-04

申请号：CN202110791695.X

申请日：2021-07-13

Applicant: 重庆科技学院

Inventor： 周伟 ,  闵宣霖 ,  沈志龙 ,  刘洪 ,  李鹏华 ,  邓粤鹏 ,  文宏川 ,  毛友平 ,  肖晖 ,  易军

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于边缘计算的暴力行为智能安全检测系统，系统主要包括摄像头的部署，边缘计算端和云端平台。摄像头用于实时获取视频信息；智能预警系统以边缘端设备为载体，用于实现暴力行为的实时报警，将结果展示在边缘端服务器上；云端服务器用于智能预警系统模型的训练以及参数的更新。本系统的目的为搭建视频监控报警平台，部署摄像头，添加边缘计算的规则，实现暴力行为报警功能，降低报警时延。

公开(公告)号：CN111653272A

公开(公告)日：2020-09-11

申请号：CN202010484415.6

申请日：2020-06-01

Applicant: 重庆科技学院

Inventor： 周伟 ,  钱龙 ,  施建阳 ,  张英鹏 ,  李鹏华 ,  董莉娜 ,  计超 ,  易军 ,  郑福建 ,  汪彦 ,  郭鑫

IPC: G10L15/06 ,  G10L15/16 ,  G10L15/20 ,  G10L15/22 ,  G10L21/0208 ,  G10K11/178

Abstract: 本发明提供一种基于深度信念网络的车载语音增强算法，包括以下步骤：步骤1：将车载语音信号分为训练样本信号和测试样本信号；步骤2：采用QPSO算法对DBN的学习速率、初始权值以及隐层节点数进行优化；步骤3：采用双曲正切(tanh)激活函数替换sigmoid函数，对深度信念网络模型进行优化；步骤4：对优化后的深度信念网络进行逐层贪婪无监督学习，获取输入车载语音信号的抽象语音特征向量；步骤5：将抽象语音信号输入到最小均方差算法中，获取语音增强信号。本发明将深度信念网络与传统最小均方差算法相结合进行语音增强，既利用了深度信念网络强大的学习能力以及特征提取能力，又结合了传统语音增强算法的高效性。

公开(公告)号：CN113989931A

公开(公告)日：2022-01-28

申请号：CN202111268194.X

申请日：2021-10-29

Applicant: 重庆科技学院

Inventor： 周伟 ,  邓粤鹏 ,  闵宣霖 ,  陈文鑫 ,  陈凡 ,  黎佳钇 ,  易军 ,  李鹏华 ,  刘洪

IPC: G06V40/20 ,  G06V10/25 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种便携式异常行为智能分析系统，系统主要包括边缘设备背包、云端服务器和移动端平台。边缘设备背包包括锂电池及智能逆变器、监控摄像头、三脚架、智能行为识别系统、边缘计算设备；智能异常行为识别以边缘端设备为载体，用于实现异常行为的实时报警，将结果展示在移动端并提供报警处理功能；云端服务器用于智能行为识别模型的训练以及参数的更新。本系统的目的为搭建便携式的视频监控报警平台，部署摄像头，添加边缘计算的规则，实现异常行为报警功能，实时处理报警信息，降低报警时延。

公开(公告)号：CN113642402A

公开(公告)日：2021-11-12

申请号：CN202110790268.X

申请日：2021-07-13

Applicant: 重庆科技学院

Inventor： 周伟 ,  赵怡恒 ,  赵海航 ,  李鹏华 ,  刘洪 ,  易军 ,  郑滋觉 ,  邓粤鹏 ,  钟婉霞 ,  林魂

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于深度学习的目标检测方法，首先通过图像采集设备，获取视频流，然后，实时获取视频流的图像帧，通过视频流的原图像帧训练Attention‑Yolov4，随后将随后使用Attention‑Yolov4检测图像帧中的人员，对监控区域进行行人目标检测，可以针对不同的需求进行行人保护，犯罪追踪等一系列操作。本发明通过在摄像头的实时画面下，解决了传统方法在复杂条件下的低准确率以及实时性不强的问题。

公开(公告)号：CN112687294A

公开(公告)日：2021-04-20

申请号：CN202011521089.8

申请日：2020-12-21

Applicant: 重庆科技学院

Inventor： 周伟 ,  蔡昆 ,  李鹏华 ,  鲁宇 ,  董莉娜 ,  苟现敏 ,  杨芳勋 ,  侯杰 ,  钱龙 ,  易军

IPC: G10L25/51 ,  G10L25/30

Abstract: 本发明提供一种车载噪音识别方法，包括以下步骤：步骤1：首先对输入车载噪音信号进行预加重、分帧加窗等预处理操作；步骤2：利用布谷鸟搜索(CS)算法的全局寻优能力去找到深度信念网络(DBN)的最优初始权值、学习率以及隐层神经元数目，获得最优的深度信念网络结构；步骤3：在激活函数的选择上，采用ReLU激活函数替换常用的sigmod函数，有效解决梯度消失问题；步骤4：采用改进后的深度信念网络模型实现输入车载噪音信号的自动特征提取；步骤5：将深度信念网络模型提取到的高层噪音特征作为基于卡方距离改进的高斯加权KNN算法(GCKNN)中的输入，实现最后的噪音识别。本发明结合了DBN自动提取特征的能力和GCKNN的快速学习能力，得到最佳的噪音识别效果。