-
公开(公告)号：CN110705416A
公开(公告)日：2020-01-17
申请号：CN201910905515.9
申请日：2019-09-24
申请人： 武汉工程大学 , 武汉引行科技有限公司 , 武汉创逸灵科技有限公司
摘要： 本发明涉及汽车安全驾驶预警设备领域，尤其涉及一种基于驾驶员面部图像建模的安全驾驶预警方法及系统，方法包括：获取驾驶员的历史面部图像及与历史面部图像对应的汽车振动传感器的振动样本数据；并按预设规则对历史面部图像添加预警类别标签，获得安全预警面部图像库作为预设卷积神经网络的输入，训练生成安全预警分类模型；将实时面部图像作为训练后的安全预警分类模型的输入，并获得安全预警分类模型输出的待检测驾驶员的实时面部图像对应的预警类别；根据预警类别，对应执行报警任务。本发明提供的技术方案无需人工选定特征，能够避免传统图像处理算法中特征提取不完备性的问题，具有更高的预测精度，减少误报率和漏报率。
-
公开(公告)号：CN109949930A
公开(公告)日：2019-06-28
申请号：CN201910221551.3
申请日：2019-03-22
申请人： 武汉工程大学 , 湖北商贸学院 , 武汉引行科技有限公司 , 武汉创逸灵科技有限公司
发明人： 陈灯 , 魏巍 , 张彦铎 , 李晓林 , 鞠剑平 , 唐剑影 , 李迅 , 于宝成 , 彭煜祺 , 刘子涵 , 王司恺 , 王逸文 , 周华兵 , 刘玮 , 徐文霞 , 鲁统伟 , 闵峰 , 卢涛 , 朱锐
摘要： 本发明公开了一种基于贝叶斯网络的动物疫情诊断方法及系统，其中方法包括以下步骤：S1、构造动物疫情诊断贝叶斯网络；S2、采集动物体征和环境数据，包括动物性别、年龄、体温、单日运动步数，动物所处的环境温度、湿度以及动物疫情人工诊断历史记录；S3、对采集的动物体征和环境数据进行离散化；S4、利用离散化的数据对动物疫情诊断贝叶斯网络进行训练；S5、根据经过训练的动物疫情诊断贝叶斯网络计算动物疫情发生的概率；S6、当动物疫情发生概率超过指定阈值时进行预警。本发明可根据动物的体征数据和环境数据进行疫情的远程、自动、精确诊断并预警，可有效预防大规模动物疫情的产生，最大限度的保障肉类食品安全。
-
公开(公告)号：CN110705416B
公开(公告)日：2022-03-01
申请号：CN201910905515.9
申请日：2019-09-24
申请人： 武汉工程大学 , 武汉引行科技有限公司 , 武汉创逸灵科技有限公司
IPC分类号： G06V20/59 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明涉及汽车安全驾驶预警设备领域，尤其涉及一种基于驾驶员面部图像建模的安全驾驶预警方法及系统，方法包括：获取驾驶员的历史面部图像及与历史面部图像对应的汽车振动传感器的振动样本数据；并按预设规则对历史面部图像添加预警类别标签，获得安全预警面部图像库作为预设卷积神经网络的输入，训练生成安全预警分类模型；将实时面部图像作为训练后的安全预警分类模型的输入，并获得安全预警分类模型输出的待检测驾驶员的实时面部图像对应的预警类别；根据预警类别，对应执行报警任务。本发明提供的技术方案无需人工选定特征，能够避免传统图像处理算法中特征提取不完备性的问题，具有更高的预测精度，减少误报率和漏报率。
-
公开(公告)号：CN111709319A
公开(公告)日：2020-09-25
申请号：CN202010466840.2
申请日：2020-05-28
申请人： 武汉工程大学 , 武汉引行科技有限公司
摘要： 本发明提供一种铁路工机具清点方法及装置，方法包括：从公共数据库中读取多个工机具样本图像，并对多个所述工机具样本图像进行预处理，通过经预处理后的多个所述工机具样本图像得到训练图像数据集；构建目标检测网络，通过所述训练图像数据集对所述目标检测网络进行训练处理，得到目标检测模型；通过拍摄设备对出工现场进行图像采集，得到待处理图像；根据所述目标检测模型对所述待处理图像进行比对分析，得到遗失工机具类别的名称和数量。本发明实现了对工机具的准确检测与清点，可满足实际应用需求，且不需要人工提取工机具的图像特征，节省了时间的同时也提高了实时性和准确率，为智能铁路运维奠定了技术基础。
-
公开(公告)号：CN111709991A
公开(公告)日：2020-09-25
申请号：CN202010467531.7
申请日：2020-05-28
申请人： 武汉工程大学 , 武汉引行科技有限公司
摘要： 本发明涉及一种铁路工机具的检测方法、系统、装置和存储介质，方法包括获取多个工机具图像，根据所有工机具图像制作数据集；构建深度卷积神经网络，利用数据集和深度卷积神经网络构建反射图像提取网络，根据深度卷积神经网络和反射图像提取网络得到特征检测网络，根据深度卷积神经网络、反射图像提取网络和特征检测网络得到初始检测网络模型；利用数据集对初始检测网络模型进行训练，得到目标检测网络模型；根据目标检测网络模型对待检测工机具图像进行检测，得到检测结果。本发明可有效解决背景复杂、光照不均以及目标尺度差异大、形态复杂和存在遮挡等问题，对铁路工机具进行快速而准确地目标检测，实现铁路工机具的自动清点。
-
公开(公告)号：CN111709991B
公开(公告)日：2023-11-07
申请号：CN202010467531.7
申请日：2020-05-28
申请人： 武汉工程大学 , 武汉引行科技有限公司
IPC分类号： G06T7/70 , G06N3/0464 , G06N3/08
摘要： 本发明涉及一种铁路工机具的检测方法、系统、装置和存储介质，方法包括获取多个工机具图像，根据所有工机具图像制作数据集；构建深度卷积神经网络，利用数据集和深度卷积神经网络构建反射图像提取网络，根据深度卷积神经网络和反射图像提取网络得到特征检测网络，根据深度卷积神经网络、反射图像提取网络和特征检测网络得到初始检测网络模型；利用数据集对初始检测网络模型进行训练，得到目标检测网络模型；根据目标检测网络模型对待检测工机具图像进行检测，得到检测结果。本发明可有效解决背景复杂、光照不均以及目标尺度差异大、形态复杂和存在遮挡等问题，对铁路工机具进行快速而准确地目标检测，实现铁路工机具的自动清点。
-
公开(公告)号：CN112183675B
公开(公告)日：2023-09-26
申请号：CN202011247293.5
申请日：2020-11-10
申请人： 武汉工程大学
IPC分类号： G06V20/40 , G06V10/774 , G06N3/04
摘要： 本发明公开了一种基于孪生网络的针对低分辨率目标的跟踪方法，首先直接对多个低分辨率输入视频帧进行特征提取，并进行多维特征通道融合，接着，为了避免网络中产生零梯度而丢失视频的重要信息，采用参数线性纠正单元作为激活函数，采用更小的滤波器尺寸调整网络结构以进行多层映射；最后，在网络末端添加反卷积层上采样得到重建视频帧。通过对多个标注好的视频帧序列进行预处理构建训练样本，构建跟踪孪生网络，定义损失函数并进行训练，得到训练后跟踪孪生网络；组合重建超分视频帧的精简卷积神经网络和跟踪孪生网络，对图像序列进行跟踪，得到相似度分数矩阵，通过矩阵中最大值计算出目标的位置坐标。本发明提高了在低分辨率环境下的跟踪精度。
-
公开(公告)号：CN112183675A
公开(公告)日：2021-01-05
申请号：CN202011247293.5
申请日：2020-11-10
申请人： 武汉工程大学
摘要： 本发明公开了一种基于孪生网络的针对低分辨率目标的跟踪方法，首先直接对多个低分辨率输入视频帧进行特征提取，并进行多维特征通道融合，接着，为了避免网络中产生零梯度而丢失视频的重要信息，采用参数线性纠正单元作为激活函数，采用更小的滤波器尺寸调整网络结构以进行多层映射；最后，在网络末端添加反卷积层上采样得到重建视频帧。通过对多个标注好的视频帧序列进行预处理构建训练样本，构建跟踪孪生网络，定义损失函数并进行训练，得到训练后跟踪孪生网络；组合重建超分视频帧的精简卷积神经网络和跟踪孪生网络，对图像序列进行跟踪，得到相似度分数矩阵，通过矩阵中最大值计算出目标的位置坐标。本发明提高了在低分辨率环境下的跟踪精度。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.055 秒)
