-
公开(公告)号：CN118212593B
公开(公告)日：2024-08-02
申请号：CN202410627896.X
申请日：2024-05-21
申请人： 武汉纺织大学
IPC分类号： G06V20/52 , G06V10/82 , G06V10/25 , G06V10/764 , G06V40/10 , G06N3/0455 , G06N3/082
摘要： 本发明公开了一种基于轻量化网络的学生课堂关注度识别方法，所述方法包括以下步骤：S1：采集课堂监控场景下的视频和图像，创建数据集C，对数据集C进行预处理；S2：设计训练损失函数，搭建适用于学生课堂关注度识别的轻量化网络结构；S3：通过轻量化网络结构对数据集C进行初步训练，得到目标检测模型；S4：设计量化损失函数，并采用参数量化技术对模型进行量化训练，得到轻量化目标检测模型；S5：使用轻量化目标检测模型对课堂监控流进行预测，输出学生关注度识别结果。本发明通过设计轻量化网络结构和损失函数，提升学生课堂关注度识别的准确性和高效性。
-
公开(公告)号：CN118135669B
公开(公告)日：2024-08-02
申请号：CN202410571684.4
申请日：2024-05-10
申请人： 武汉纺织大学
摘要： 本发明公开了一种基于轻量化网络的课堂行为识别方法及系统，所述方法包括以下步骤：S1：设计适用于解析课堂行为识别图像的轻量化网络的课堂行为识别目标检测模型；所述轻量化网络的课堂行为识别目标检测模型包括特征提取模块、注意力机制模块、轻量特征融合模块和目标检测预测模块；S2：训练设计好的轻量化网络的课堂行为识别目标检测模型，得到训练好的轻量化网络的课堂行为识别目标检测模型；S3：使用训练好的轻量化网络的课堂行为识别目标检测模型来解析课堂行为识别图片，生成预测图像。本发明能够提高课堂行为识别准确率，同时明显降低了计算量和内存消耗，提升实用性。
-
公开(公告)号：CN118397708A
公开(公告)日：2024-07-26
申请号：CN202410703831.9
申请日：2024-05-31
申请人： 武汉纺织大学
IPC分类号： G06V40/20 , G06V10/82 , G06V20/40 , G06V10/40 , G06V10/62 , G06V10/80 , G06T7/269 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/049 , G06N3/08 , G06Q50/20
摘要： 本发明公开了一种基于双向LSTM和时空双流网络的课堂行为识别方法，所述方法包括以下步骤：S1：设计适用于课堂行为识别的学生课堂行为识别模型；S2：训练设计好的学生课堂行为识别模型，得到训练好的学生课堂行为识别模型；S3：使用训练好的学生课堂行为识别模型来识别课堂行为识别视频，并输出对于整段视频的预测结果。本发明通过设计双流卷积神经网络与双向LSTM模块进行结合并通过注意力模块动态分配权重，可以有效的提取视频序列中的时间和空间信息，并对这些信息进行时序建模，可以识别出更加复杂且持续时间较长的动作，进而实现对课堂行为的精确识别。
-
公开(公告)号：CN118379798A
公开(公告)日：2024-07-23
申请号：CN202410695162.5
申请日：2024-05-30
申请人： 武汉纺织大学
IPC分类号： G06V40/20 , G06V40/16 , G06V20/52 , G06V20/40 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/764 , G06N3/0464 , G06N3/0985
摘要： 本发明公开了一种基于课堂密集场景的双阶段人员行为识别方法，包括以下步骤：S1：采集视频数据，人工筛选出课堂密集场景的人员图像数据和特定行为片段，制作相应的数据集；S2：设计基于课堂密集场景的人员检测网络；S3：设计基于课堂密集场景的人员行为识别网络；S4：设计基于课堂密集场景的双阶段人员行为识别网络的损失函数；S5：对人员检测网络和人员行为识别网络进行训练；S6：部署训练好的人员检测和行为识别模型，实时识别课堂密集场景下的人员行为。本发明通过设计基于课堂密集场景的人员检测网络、人员行为识别网络和损失函数，对课堂场景的实时视频流进行实时监测，提高了密集场景下行为的识别准确性。
-
公开(公告)号：CN118135496A
公开(公告)日：2024-06-04
申请号：CN202410549648.8
申请日：2024-05-06
申请人： 武汉纺织大学
IPC分类号： G06V20/52 , G06V20/40 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
摘要： 本发明公开了一种基于双流卷积神经网络的课堂行为识别方法，所述方法包括以下步骤：S1：设计适用于课堂行为识别的双流网络模型；所述双流网络模型包括数据预处理模块、双流卷积神经网络提取特征模块、特征融合模块；S2：使用设计好的双流网络模型提取视频特征序列生成行为提议信息；S3：将生成的行为提议信息进行边界优化，特征重新设计后生成行为级的预测结果。本发明通过双流网络模型可以有效地提取图像和视频数据中的空间信息、时间序列信息以及动作特征，从而帮助区分不同的课堂行为类别，能够更准确地判断学生在课堂上的行为动作，提高课堂行为识别的准确率和实时性。
-
-
-
公开(公告)号：CN117649630A
公开(公告)日：2024-03-05
申请号：CN202410114410.2
申请日：2024-01-29
申请人： 武汉纺织大学
摘要： 本发明公开了一种基于监控视频流的考场作弊行为识别方法，所述方法包括：S1：采集考场监控的视频数据，并对数据进行人工筛选预处理，制作考场行为数据集；S2：设计基于监控视频流的考场作弊行为识别网络模型，包括空间信息提取通道、时间信息提取通道和时空注意力机制特征融合模块；S3：训练考场作弊行为识别网络，得到训练好的考场作弊行为识别网络模型；S4：将训练好的考场作弊行为识别网络模型进行保存，并部署到实际系统中，用于实时的监控视频流的考场作弊行为识别。本发明通过设计基于监控视频流的考场作弊行为识别网络模型，对考场中考生的行为进行实时检测，提高考场作弊行为的识别准确性。
-
公开(公告)号：CN117426758A
公开(公告)日：2024-01-23
申请号：CN202311764036.2
申请日：2023-12-20
申请人： 武汉纺织大学
IPC分类号： A61B5/0205 , H04W4/029 , H04W4/90 , A61B5/00 , A61B5/1455 , A61B5/11 , G01S19/33 , G01J5/00 , G01C21/16 , G06F18/25
摘要： 本发明公开了一种基于多传感信息融合的智慧服装系统及方法，所述智慧服装系统包括柔性服装、智慧监测和反馈模块、微数据处理和通信模块、数字孪生模块，通过智慧服装上的多种高精度传感器采集用户的生理数据和定位数据，对采集的数据进行数据预处理，再将预处理后的数据传输至云服务器，使用深度学习模块解析数据并实现行为识别，通过实时监控用户的生理健康状况，在用户身体数据异常时，给用户提供语音反馈，根据环境温度调节智能加热模组的输出温度，确保用户的体温处于安全范围内，通过将智能穿戴技术与人工智能技术结合成一个完整的智慧服装系统，提供个性化的健康诊断和建议，为用户提供全方位的健康保护。
-
公开(公告)号：CN117392613A
公开(公告)日：2024-01-12
申请号：CN202311683842.7
申请日：2023-12-07
申请人： 武汉纺织大学
IPC分类号： G06V20/52 , G06V20/40 , G06V10/82 , G06N3/0495 , G06N3/0464 , G06N3/045 , G06N3/096 , G06Q50/06
摘要： 本发明公开了一种基于轻量化网络的电力作业安全监测方法，包括以下步骤：采集电力作业场景下的视频和图像，创建数据集，对数据集进行预处理；设计并优化损失函数，然后设计适用于电力作业安全监测的轻量化网络结构；通过轻量化网络结构对数据集进行训练得到目标检测模型；采用参数量化技术对目标检测模型进行压缩，得到轻量化目标检测模型；使用轻量化目标检测模型进行预测，输出电力作业场景下的监测结果。通过采用轻量化目标检测模型，可以实现对电力作业现场的实时高效监测，提高了电力作业现场的监控效能，其在提供卓越的安全检测结果的同时显著降低了人力成本的需求，为提高电力行业的工作效率和安全水平提供了一种创新的解决方案。
-
-
-
-
-
-
-
-
-
搜索结果
81 条记录 (耗时 0.038 秒)
