-
公开(公告)号：CN111488805B
公开(公告)日：2023-04-25
申请号：CN202010210957.4
申请日：2020-03-24
Applicant: 广州大学
IPC: G06V40/20 , G06V10/774 , G06V10/764 , G06V10/77 , G06V10/80 , G06N3/0464 , G06V10/82 , G06V10/25 , G06V20/40
Abstract: 本发明涉及一种基于显著性特征提取的视频行为识别方法，该方法包括S1，获取待识别视频，并将所述待识别视频转化为图像；S2，对图像进行显著性特征提取，去除图像中的背景信息；S3，对图像进行行为识别；S4，输出识别出的异常行为。本发明首次结合了显著性目标检测方法和行为识别方法，一方面提取了视频中的感兴趣区域，保留主要特征，屏蔽背景特征，另一方面也减少了运算量，此方法能够有利于异常行为的检测和识别。
-
Patent Agency Ranking
公开(公告)号：CN113468996B
公开(公告)日：2023-07-11
申请号：CN202110691277.3
申请日：2021-06-22
Applicant: 广州大学
IPC: G06V20/00 , G06V10/44 , G06V10/77 , G06V10/774 , G06V10/80 , G06V10/764
Abstract: 本发明公开了一种基于边缘细化的伪装物体检测方法，首先，利用各类伪装物体的原始图像来构建伪装物体图像数据集，然后构建伪装物体检测网络，接着使用伪装物体图像数据集对构建的伪装物体检测网络进行迭代训练，该伪装物体检测网络将伪装物体检测任务分成两个阶段，第一阶段负责伪装物体检测，第二阶段负责细化伪装物体边缘；最后，以待预测的伪装物体原始图像作为训练完成后的伪装物体检测网络模型的输入，利用该伪装物体检测网络模型输出对应的有区分出图像背景和伪装物体的伪装图。本发明不仅能准确定位伪装物体，而且能保证伪装物体边缘的清晰，有效提高了伪装物体图像整体的检测精度。
-
公开(公告)号：CN113139489B
公开(公告)日：2023-09-05
申请号：CN202110481093.4
申请日：2021-04-30
Applicant: 广州大学
Abstract: 本发明公开了基于背景提取和多尺度融合网络的人群计数方法，包括以下步骤：通过数据获取模块获取用于网络训练的视频数据集；构建基于背景提取和多尺度特征融合网络；对基于背景提取和多尺度特征融合网络进行训练，得到训练后的网络；通过训练后的网络对视频数据集进行测试，得到测试结果；根据测试结果对训练后网络进行评估，进而优化网络权重系数；将待测视频数据集输入优化后的网络进行人群计数，得到计数结果；本发明创建了一个用于人群计数的神经网络—基于背景提取和多尺度特征融合网络，实现了对密集人群的数量统计，能够自主计算中人流量的变化，改善了由于多尺度问题导致的巨大误差，减少了由于图像的多尺度变化对人群计数的影响。
-
公开(公告)号：CN113139489A
公开(公告)日：2021-07-20
申请号：CN202110481093.4
申请日：2021-04-30
Applicant: 广州大学
Abstract: 本发明公开了基于背景提取和多尺度融合网络的人群计数方法，包括以下步骤：通过数据获取模块获取用于网络训练的视频数据集；构建基于背景提取和多尺度特征融合网络；对基于背景提取和多尺度特征融合网络进行训练，得到训练后的网络；通过训练后的网络对视频数据集进行测试，得到测试结果；根据测试结果对训练后网络进行评估，进而优化网络权重系数；将待测视频数据集输入优化后的网络进行人群计数，得到计数结果；本发明创建了一个用于人群计数的神经网络—基于背景提取和多尺度特征融合网络，实现了对密集人群的数量统计，能够自主计算中人流量的变化，改善了由于多尺度问题导致的巨大误差，减少了由于图像的多尺度变化对人群计数的影响。
-
公开(公告)号：CN111488805A
公开(公告)日：2020-08-04
申请号：CN202010210957.4
申请日：2020-03-24
Applicant: 广州大学
Abstract: 本发明涉及一种基于显著性特征提取的视频行为识别方法，该方法包括S1，获取待识别视频，并将所述待识别视频转化为图像；S2，对图像进行显著性特征提取，去除图像中的背景信息；S3，对图像进行行为识别；S4，输出识别出的异常行为。本发明首次结合了显著性目标检测方法和行为识别方法，一方面提取了视频中的感兴趣区域，保留主要特征，屏蔽背景特征，另一方面也减少了运算量，此方法能够有利于异常行为的检测和识别。
-
公开(公告)号：CN113468996A
公开(公告)日：2021-10-01
申请号：CN202110691277.3
申请日：2021-06-22
Applicant: 广州大学
Abstract: 本发明公开了一种基于边缘细化的伪装物体检测方法，首先，利用各类伪装物体的原始图像来构建伪装物体图像数据集，然后构建伪装物体检测网络，接着使用伪装物体图像数据集对构建的伪装物体检测网络进行迭代训练，该伪装物体检测网络将伪装物体检测任务分成两个阶段，第一阶段负责伪装物体检测，第二阶段负责细化伪装物体边缘；最后，以待预测的伪装物体原始图像作为训练完成后的伪装物体检测网络模型的输入，利用该伪装物体检测网络模型输出对应的有区分出图像背景和伪装物体的伪装图。本发明不仅能准确定位伪装物体，而且能保证伪装物体边缘的清晰，有效提高了伪装物体图像整体的检测精度。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
