裂纹图像获取、检测方法、计算机设备及可读存储介质

    公开(公告)号:CN110610483B

    公开(公告)日:2022-02-22

    申请号:CN201910739992.2

    申请日:2019-08-12

    IPC分类号: G06T7/00 G06T3/40

    摘要: 本申请公开了一种裂纹图像获取、检测方法、计算机设备及可读存储介质,属于计算机视觉技术领域。所述裂纹图像获取方法包括:通过对样本图像中目标设备进行检测,生成设备图像集,其次对设备图像集中的目标部件进行检测,生成部件图像集,然后对部件图像集进行处理,生成裂纹图像集;基于裂纹图像集训练检测模型;对样本图像的层层检测及对检测结果进行分割,结合了目标检测及语义分割技术来对裂纹进行识别,能够实现快速而准确地识别裂纹的具体像素,而不仅仅是识别其所在的外接矩形区域,据此而获取的裂纹图像更准确。本申请提供的裂纹检测方法,其裂纹检测模型基于上述裂纹图像获取方法获取的裂纹图像训练而成,能够快速而准确地识别裂纹。

    一种电力设备检测方法、装置及移动终端

    公开(公告)号:CN112714284A

    公开(公告)日:2021-04-27

    申请号:CN202011530560.X

    申请日:2020-12-22

    摘要: 本发明公开了一种电力设备检测方法、装置及移动终端,其中,该方法包括:获取待检测电力设备图像;将待检测电力设备图像输入到电力设备分析模型,电力设备分析模型预先根据多个电力设备的图像样本以及电力设备对应的故障图像样本训练得到;根据电力设备分析模型,得到待检测电力设备图像的识别结果;判断识别结果是否需要进行云端识别;当识别结果需要进行云端识别时,将待检测电力设备图像发送至云端;接收云端的云端识别结果以及故障分析结果。通过实施本发明,使得电力设备检测更加全面,实现了自动分析电力设备缺陷,可以对电力设备的故障进行实时处理,提高了电力设备故障的检测效率。

    裂纹图像获取、检测方法、计算机设备及可读存储介质

    公开(公告)号:CN110610483A

    公开(公告)日:2019-12-24

    申请号:CN201910739992.2

    申请日:2019-08-12

    IPC分类号: G06T7/00 G06T3/40

    摘要: 本申请公开了一种裂纹图像获取、检测方法、计算机设备及可读存储介质,属于计算机视觉技术领域。所述裂纹图像获取方法包括:通过对样本图像中目标设备进行检测,生成设备图像集,其次对设备图像集中的目标部件进行检测,生成部件图像集,然后对部件图像集进行处理,生成裂纹图像集;基于裂纹图像集训练检测模型;对样本图像的层层检测及对检测结果进行分割,结合了目标检测及语义分割技术来对裂纹进行识别,能够实现快速而准确地识别裂纹的具体像素,而不仅仅是识别其所在的外接矩形区域,据此而获取的裂纹图像更准确。本申请提供的裂纹检测方法,其裂纹检测模型基于上述裂纹图像获取方法获取的裂纹图像训练而成,能够快速而准确地识别裂纹。

    人员违章行为识别模型训练方法、识别方法及计算机设备

    公开(公告)号:CN111291695B

    公开(公告)日:2023-05-23

    申请号:CN202010097916.9

    申请日:2020-02-17

    摘要: 本发明公开了一种人员违章行为识别模型训练方法、识别方法及计算机设备。该模型训练方法主要是对训练集样本的局部时空特征和人体姿态特征进行视频片段的全局语义表达,而后基于视频片段的全局语义表达训练得到与特征类型数量相等的第一多分类器,将验证集样本送入多分类器得到相应的三维概率得分矩阵,根据各三维概率得分矩阵生成各行为类别的DS证据理论的证据源,并结合预设证据合成策略计算属于各行为类别的各特征的识别灵敏度权重向量;然后对所有视频样本的局部时空特征和人体姿态特征进行视频片段的全局语义表达,基于视频片段的全局语义表达训练得到第二多分类器;根据识别灵敏度权重向量及第二多分类器构建人员违章行为识别模型。

    多目标跟踪方法、装置及电子设备

    公开(公告)号:CN111179311B

    公开(公告)日:2022-08-19

    申请号:CN201911338423.3

    申请日:2019-12-23

    IPC分类号: G06T7/246

    摘要: 本发明涉及多目标跟踪技术领域,具体涉及多目标跟踪方法、装置及电子设备,方法包括获取目标视频并提取当前图像帧;将当前图像帧输入运动检测模型中同时得到当前图像帧中所有运动目标的检测框以及上一图像帧中运动目标在当前图像帧中的预测框;分别提取检测框的深度特征以及各个历史轨迹的深度特征,得到第一深度特征以及历史轨迹的深度特征;基于预测框、检测框、第一深度特征以及历史轨迹的深度特征,进行特征拼接以得到对应于各个历史轨迹的拼接特征;根据各个历史轨迹的拼接特征,以形成各个运动目标在目标视频中的运动轨迹。同时输出检测框以及预测框,提高跟踪的效率;结合历史轨迹的深度特征保证跟踪的准确性。

    一种静态视频分析方法及系统

    公开(公告)号:CN110610508B

    公开(公告)日:2021-11-09

    申请号:CN201910767893.5

    申请日:2019-08-20

    IPC分类号: G06T7/194

    摘要: 本发明公开了一种静态视频分析方法及系统,其中方法包括:获取视频数据;获取所述视频数据背景的线性动态正则项;获取所述视频数据前景的结构化稀疏正则项;获取噪声的稀疏正则项;根据所述线性动态正则项、所述前景的结构化稀疏正则项及噪声的稀疏正则项,构建结合动态背景和结构稀疏的分解模型;对所述分解模型进行优化求解,得到所述视频数据的前景和背景的分离结果。本发明所提供的静态视频分析方法在大多数具有挑战性的情况下具有很好的背景重构能力和前景检测性能,具有检测通用性、准确率高和鲁棒性强的优点,对数据采集环境具有自适应能力,能有效消除噪声、光照等不利因素的影响。

    基于边云协同的电力设备检测方法、装置、设备及服务器

    公开(公告)号:CN113011297A

    公开(公告)日:2021-06-22

    申请号:CN202110256280.2

    申请日:2021-03-09

    摘要: 本发明公开了一种基于边云协同的电力设备检测方法、装置、设备及服务器。其中,该方法包括:边缘设备获取待检测电力设备图像;识别待检测电力设备图像,确定待检测电力设备图像的第一级识别结果以及第一级识别结果对应的图像切片;发送图像切片至云端服务器;云端服务器接收图像切片;识别图像切片,确定图像切片的第二级识别结果;发送第二级识别结果至边缘设备;边缘设备接收云端服务器对图像切片的第二级识别结果,基于第一级识别结果以及第二级识别结果,确定待检测电力设备图像的目标检测信息。通过边云协同方式确定待检测电力设备图像的目标检测信息,同时保证了电力设备图像的传输时间以及数据处理能力,提高了电力设备的缺陷检测效率。