-
公开(公告)号:CN117671589A
公开(公告)日:2024-03-08
申请号:CN202311652990.2
申请日:2023-12-04
申请人: 中国矿业大学 , 燕园智能科技(徐州)有限公司
IPC分类号: G06V20/52 , G06V10/44 , G06V10/80 , G06V10/766 , G06V10/764 , G06V10/82 , G06V40/16 , G06N3/0464 , G06N3/08
摘要: 本发明公开了一种基于新型视频分析方法的矿工排队秩序异常报警系统,涉及计算机视觉技术领域,通过视频监控系统获取矿工排队视频数据,提取排队图像并标注矿工排队数据集,进行深度学习模型的训练和验证。算法的核心在于改进YOLOv5模型的特征金字塔部分,设计出新型的BCrFPN,并引入动态标签分配策略,动态设置阈值,以更合理地评估候选样本的质量;通过计算人脸框与排队区域的相交面积并设置阈值,来准确判断矿工是否有序排队,输出预警结果,并上传井上监控平台,满足安全生产的实际要求。本发明针对煤矿井下特殊的生产环境,通过新的视频分析算法实现人员排队秩序异常报警,检测效率和可靠性高,实用性强,适用于煤矿安全生产管理。
-
公开(公告)号:CN117528085A
公开(公告)日:2024-02-06
申请号:CN202410020281.0
申请日:2024-01-08
申请人: 中国矿业大学 , 燕园安全科技(徐州)有限公司
IPC分类号: H04N19/124 , H04N19/132 , H04N19/88 , H04N19/91 , G06T9/00 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/0895
摘要: 本发明公开了一种基于智能特征聚类的视频压缩编码方法,包括以下步骤:步骤1、将视频进行预处理后利用深度学习模型对视频进行智能特征提取;步骤2、采用特征聚类算法对提取出的特征进行聚类,将相似或冗余的特征整合在一起,为后续编码提供更有效的数据结构;步骤3、对聚类后的特征集进行编码,通过视觉增强和数据压缩的联合制定来进行视频压缩;步骤4、在解码端,根据编码数据和聚类中心信息,恢复出原始的特征集;步骤5、利用深度学习模型的重建模块,根据解码后的特征集重建原始视频。本发明能够准确有效地进行特征提取和压缩编码,同时具有较高的压缩比和图像质量。
-
公开(公告)号:CN118037870B
公开(公告)日:2024-06-07
申请号:CN202410412342.8
申请日:2024-04-08
申请人: 中国矿业大学 , 永城煤电控股集团有限公司 , 江苏比特达信息技术有限公司
摘要: 本发明属于图像处理技术领域,公开了一种兼容Zdepth的并行化深度图像压缩算法,s1采集深度图像进行预处理后准备进行s2量化处理,经过s2量化处理,图像数据被简化为较少的比特表示,随即进入s3零压缩阶段,系统识别并压缩量化后数据中的连续零值,进一步减少数据的存储需求,完成s3零值的压缩处理后,数据将进入s4预测分块压缩阶段,系统通过分析每个数据块内的像素关系,进行进一步压缩数据,s5数据输出,将所有压缩后的数据通过ZSTD算法压缩,并依序输出到文件系统,同时公开了基于该算法的图像压缩装置和终端设备。本发明通过优化数据结构和压缩流程,能够显著提高深度图像的压缩和解压速度,同时保证压缩后深度图像的质量。
-
公开(公告)号:CN117692652A
公开(公告)日:2024-03-12
申请号:CN202410155470.9
申请日:2024-02-04
申请人: 中国矿业大学 , 江苏比特达信息技术有限公司
IPC分类号: H04N19/189 , H04N19/20 , H04N19/65 , H04N19/85 , G06T9/00 , H04N19/182 , H04N19/17 , H04N19/625 , H04N19/63 , H04N23/11 , G06T5/70 , G06T5/40 , G06N3/0464 , G06N3/08
摘要: 一种基于深度学习的可见光与红外视频融合编码方法,步骤包括采集同一场景下的可见光视频流和红外视频流;对采集的可见光视频流和红外视频流进行预处理,包括去噪、对比度增强操作,并采用生成对抗网络对视频进行编码;采用自适应编码损伤修复算法提升编码性能;通过融合编码算法对经编码损伤修复过的可见光视频和红外视频进行融合编码,生成融合视频流。实现了对不同模态视频流选择合适的预处理操作,减少了噪声的同时增强对比度,保持了视频更多的细节;通过在EDVR模型的框架中融入自适应损伤修复算法,增进了网络修复的效果,大大提高了可见光和红外视频数融合处理的效率以及质量,扩大了可见光与红外视频编码融合技术的适用范围。
-
公开(公告)号:CN117612142B
公开(公告)日:2024-07-12
申请号:CN202311520633.0
申请日:2023-11-14
申请人: 中国矿业大学 , 燕园安全科技(徐州)有限公司
IPC分类号: G06V20/59 , G06V10/764 , G06V10/774 , G06V10/80 , G06V40/16 , G06N3/0464 , G06N3/08
摘要: 本发明公开了一种基于多任务联合模型的头部姿态与疲劳状态检测方法,包括以下步骤:在YOLOv6的基础上,设计基于聚集与分流机制的加强特征提取网络;在模型中增加融合大核注意力机制的头部姿态估计分支;对人脸数据集标注形成疲劳驾驶数据集;通过目标检测损失函数和头部姿态估计损失函数训练疲劳分神检测模型;将模型部署于车载终端设备,通过模型检测头部姿态和疲劳状态并输出信息;通过某一类别持续时间与设定阈值进行比较来判定是否处于疲劳状态或分神状态。本发明提高模型的泛化性能、鲁棒性、可靠性及检测精度、减少模型训练的时间和计算资源,提高驾驶员的安全性,减少驾驶中的疲劳分心行为,降低交通事故的发生率。
-
公开(公告)号:CN117528085B
公开(公告)日:2024-03-19
申请号:CN202410020281.0
申请日:2024-01-08
申请人: 中国矿业大学 , 燕园安全科技(徐州)有限公司
IPC分类号: H04N19/124 , H04N19/132 , H04N19/88 , H04N19/91 , G06T9/00 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/0895
摘要: 本发明公开了一种基于智能特征聚类的视频压缩编码方法,包括以下步骤:步骤1、将视频进行预处理后利用深度学习模型对视频进行智能特征提取;步骤2、采用特征聚类算法对提取出的特征进行聚类,将相似或冗余的特征整合在一起,为后续编码提供更有效的数据结构;步骤3、对聚类后的特征集进行编码,通过视觉增强和数据压缩的联合制定来进行视频压缩;步骤4、在解码端,根据编码数据和聚类中心信息,恢复出原始的特征集;步骤5、利用深度学习模型的重建模块,根据解码后的特征集重建原始视频。本发明能够准确有效地进行特征提取和压缩编码,同时具有较高的压缩比和图像质量。
-
公开(公告)号:CN118301353B
公开(公告)日:2024-09-17
申请号:CN202410728757.6
申请日:2024-06-06
申请人: 中国矿业大学
IPC分类号: H04N19/154 , H04N19/159 , H04N19/63 , H04N19/91 , H04N19/94 , G06V10/46 , G06V10/28 , G06V10/30 , G06V10/44
摘要: 一种基于小波变换的红外与微波信息视频编码融合方法,步骤包括采集同一场景下的红外视频流和微波成像设备的信息片段;对红外视频流进行逐帧提取、去噪、对比度增强的预处理操作,对微波信息片段进行去除伪影、动态范围压缩的预处理操作;对红外视频帧及微波信息片段进行特征提取;通过小波变换融合算法进行融合编码,生成融合视频帧,进行去噪及细节增强的后处理操作;采用H.265/HEVC将融合后的图像序列编码成视频文件。实现了多模态的信息融合,获得更全面和完善的场景信息;通过尺度不变特征变换算法,提高融合的准确性。通过小波变换算法,有效融合红外图像和微波信息,扩大了红外视频和微波信息视频编码融合技术的适用范围。
-
公开(公告)号:CN117541865B
公开(公告)日:2024-06-04
申请号:CN202311517773.2
申请日:2023-11-14
申请人: 中国矿业大学 , 燕园安全科技(徐州)有限公司
IPC分类号: G06V10/764 , G06V10/774 , G06V10/25 , G06N3/0464
摘要: 本发明公开了一种基于粗粒度深度估计的身份分析和手机使用检测方法,包括以下步骤:设计位置估计模型,准备数据集;将数据集输入位置估计模型中进行训练;通过训练后的模型检测车内人员和手机并输出检测信息,输出信息包括目标类别、检测框及深度信息;对于车内所有检测到的人员通过联合深度信息的粗粒度深度值和感兴趣区域的方法来判定身份;对于所有检测到的手机通过联合深度信息的粗粒度深度值和距离驾驶员检测框中心点的距离的方法来判定驾驶员是否使用手机。本发明可准确区分车内人员身份,判断驾驶员是否使用手机,满足对于驾驶人员行为不同的检测需求,有助于提高驾驶的安全性。
-
公开(公告)号:CN118037870A
公开(公告)日:2024-05-14
申请号:CN202410412342.8
申请日:2024-04-08
申请人: 中国矿业大学 , 永城煤电控股集团有限公司 , 江苏比特达信息技术有限公司
摘要: 本发明属于图像处理技术领域,公开了一种兼容Zdepth的并行化深度图像压缩算法,s1采集深度图像进行预处理后准备进行s2量化处理,经过s2量化处理,图像数据被简化为较少的比特表示,随即进入s3零压缩阶段,系统识别并压缩量化后数据中的连续零值,进一步减少数据的存储需求,完成s3零值的压缩处理后,数据将进入s4预测分块压缩阶段,系统通过分析每个数据块内的像素关系,进行进一步压缩数据,s5数据输出,将所有压缩后的数据通过ZSTD算法压缩,并依序输出到文件系统,同时公开了基于该算法的图像压缩装置和终端设备。本发明通过优化数据结构和压缩流程,能够显著提高深度图像的压缩和解压速度,同时保证压缩后深度图像的质量。
-
公开(公告)号:CN117541865A
公开(公告)日:2024-02-09
申请号:CN202311517773.2
申请日:2023-11-14
申请人: 中国矿业大学 , 燕园安全科技(徐州)有限公司
IPC分类号: G06V10/764 , G06V10/774 , G06V10/25 , G06N3/0464
摘要: 本发明公开了一种基于粗粒度深度估计的身份分析和手机使用检测方法,包括以下步骤:设计位置估计模型,准备数据集;将数据集输入位置估计模型中进行训练;通过训练后的模型检测车内人员和手机并输出检测信息,输出信息包括目标类别、检测框及深度信息;对于车内所有检测到的人员通过联合深度信息的粗粒度深度值和感兴趣区域的方法来判定身份;对于所有检测到的手机通过联合深度信息的粗粒度深度值和距离驾驶员检测框中心点的距离的方法来判定驾驶员是否使用手机。本发明可准确区分车内人员身份,判断驾驶员是否使用手机,满足对于驾驶人员行为不同的检测需求,有助于提高驾驶的安全性。
-
-
-
-
-
-
-
-
-