-
公开(公告)号：CN111310690B
公开(公告)日：2023-03-24
申请号：CN202010117030.6
申请日：2020-02-25
申请人： 河南理工大学
IPC分类号： G06V20/13 , G06V10/56 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于CN和三通道胶囊网络的森林火灾识别方法和装置，识别方法包括以下步骤：构建森林火灾火焰的初始样本集合；获取初始样本集合中的每个样本的火焰区域图像，构建形成火焰样本集合；创建三通道CapsNet网络模型；通过Mnist数据集对单个的CapsNet网络进行训练，将对单个的CapsNet网络进行训练形成的参数迁移至三通道CapsNet网络模型中，三通道CapsNet网络模型中的总全连接层的参数通过随机初始化实现；通过火焰样本集合对三通道CapsNet网络模型进行二次训练，形成最终的火灾识别模型；应用CN算法构建火焰样本集合描述的主元颜色空间向量。本发明提高了火灾检测的实时性和有效性。
-
公开(公告)号：CN111028265A
公开(公告)日：2020-04-17
申请号：CN201911091780.4
申请日：2019-11-11
申请人： 河南理工大学
摘要： 本发明公开了一种基于迭代法构建相关滤波响应的目标跟踪方法，包括以下步骤：S1、确定跟踪目标参数，提取融合特征并加窗处理；S2、通过频域隐式插值构建多分辨率特征图；S3、PCA方法构建特征降维矩阵；S4、应用共轭梯度法构建特征滤波器；S5、提取候选区域多尺度的融合特征并降维加窗；S6、频域隐式插值构建多分辨率特征图；S7、滤波处理获得各个通道的响应矩阵；S8、构建响应矩阵，确定跟踪结果；S9、更新GMM模型，更新滤波器；S10、循环执行S5、S6、S7、S8、S9。本发明可以有效降低特征冗余，限制较大误差的相关滤波响应对最终响应图的影响，提高跟踪方法效率。
-
公开(公告)号：CN111028265B
公开(公告)日：2023-03-31
申请号：CN201911091780.4
申请日：2019-11-11
申请人： 河南理工大学
IPC分类号： G06T7/246 , G06V10/77 , G06V10/774
摘要： 本发明公开了一种基于迭代法构建相关滤波响应的目标跟踪方法，包括以下步骤：S1、确定跟踪目标参数，提取融合特征并加窗处理；S2、通过频域隐式插值构建多分辨率特征图；S3、PCA方法构建特征降维矩阵；S4、应用共轭梯度法构建特征滤波器；S5、提取候选区域多尺度的融合特征并降维加窗；S6、频域隐式插值构建多分辨率特征图；S7、滤波处理获得各个通道的响应矩阵；S8、构建响应矩阵，确定跟踪结果；S9、更新GMM模型，更新滤波器；S10、循环执行S5、S6、S7、S8、S9。本发明可以有效降低特征冗余，限制较大误差的相关滤波响应对最终响应图的影响，提高跟踪方法效率。
-
公开(公告)号：CN111341059A
公开(公告)日：2020-06-26
申请号：CN202010081696.0
申请日：2020-02-06
申请人： 河南理工大学
摘要： 本发明公开了一种基于深度分离和目标感知的早期野火烟雾检测方法，其包括以下步骤：将样本图像和目标图像分别输入目标感知深度网络得到第一深度特征矩阵和第二深度特征矩阵；通过深度可分离网络将第一深度特征矩阵分离为第一分离特征矩阵和第二分离特征矩阵；将第一分离特征矩阵与第二深度特征矩阵进行卷积操作，得到区域响应矩阵；将第二分离特征矩阵与区域响应矩阵进行卷积操作，得到烟雾响应矩阵；获取烟雾响应矩阵的最大值，根据最大值得到烟雾位置。本发明还公开了一种基于深度分离和目标感知的早期野火烟雾检测装置。本发明应用深度可分离网络内嵌入目标感知网络框架，提升野火烟雾的实时检测速度。
-
公开(公告)号：CN111291712A
公开(公告)日：2020-06-16
申请号：CN202010117046.7
申请日：2020-02-25
申请人： 河南理工大学
IPC分类号： G06K9/00 , G06K9/46 , G06K9/62 , G06N3/04 , G06N3/08 , G06T3/40 , G06T5/30 , G06T7/11 , G08B17/00
摘要： 本发明公开了一种基于插值的CN和胶囊网络的森林火灾识别方法，其包括以下步骤：构建森林火灾火焰的初始样本集合；对初始样本集合进行灰度化操作，对灰度化后的样本图像进行连续空间域插值以实现尺度的标准化；通过迁移学习方法对CapsNet网络进行训练，形成最终的火灾识别模型；应用CN算法构建火焰样本集合描述的主元颜色空间向量；采集目标图像，确定疑似火焰区域；提取疑似火焰图像并灰度化，应用连续空间线性插值的方法进行尺度标准化；将目标标准化图像输入火灾识别模型，得到最终的识别结果。本发明还公开了一种基于插值的CN和胶囊网络的森林火灾识别装置。本发明提高了火灾检测的实时性和有效性。
-
公开(公告)号：CN111353412B
公开(公告)日：2023-03-24
申请号：CN202010117037.8
申请日：2020-02-25
申请人： 河南理工大学
IPC分类号： G06V20/40 , G06V20/64 , G06V10/84 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种端到端的3D‑CapsNet火焰检测方法和装置，火焰检测方法包括以下步骤：选择火焰样本图像，构建火焰样本集合；创建火焰检测初始模型；通过Mnist数据集对CapsNet网络进行训练，将对CapsNet网络进行训练形成的主胶囊层参数、数字胶囊层参数以及全连接层参数迁移至火焰检测初始模型的主胶囊层、数字胶囊层以及全连接层；通过火焰样本集合对火焰检测初始模型进行训练，形成最终的火焰检测模型；采集目标图像，将火焰标准图像和目标图像的RGB三通道图像分别输入火焰检测模型的第一输入端和第二输入端，经由火焰检测模型输出最终的检测结果。本发明实现火焰的精准检测。
-
公开(公告)号：CN111291712B
公开(公告)日：2023-03-24
申请号：CN202010117046.7
申请日：2020-02-25
申请人： 河南理工大学
IPC分类号： G06V20/20 , G06V10/56 , G06V10/774 , G06V10/77 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/096 , G06T3/40 , G06T5/30 , G06T7/11 , G08B17/00 , G06T7/90
摘要： 本发明公开了一种基于插值的CN和胶囊网络的森林火灾识别方法，其包括以下步骤：构建森林火灾火焰的初始样本集合；对初始样本集合进行灰度化操作，对灰度化后的样本图像进行连续空间域插值以实现尺度的标准化；通过迁移学习方法对CapsNet网络进行训练，形成最终的火灾识别模型；应用CN算法构建火焰样本集合描述的主元颜色空间向量；采集目标图像，确定疑似火焰区域；提取疑似火焰图像并灰度化，应用连续空间线性插值的方法进行尺度标准化；将目标标准化图像输入火灾识别模型，得到最终的识别结果。本发明还公开了一种基于插值的CN和胶囊网络的森林火灾识别装置。本发明提高了火灾检测的实时性和有效性。
-
公开(公告)号：CN111310690A
公开(公告)日：2020-06-19
申请号：CN202010117030.6
申请日：2020-02-25
申请人： 河南理工大学
摘要： 本发明公开了一种基于CN和三通道胶囊网络的森林火灾识别方法和装置，识别方法包括以下步骤：构建森林火灾火焰的初始样本集合；获取初始样本集合中的每个样本的火焰区域图像，构建形成火焰样本集合；创建三通道CapsNet网络模型；通过Mnist数据集对单个的CapsNet网络进行训练，将对单个的CapsNet网络进行训练形成的参数迁移至三通道CapsNet网络模型中，三通道CapsNet网络模型中的总全连接层的参数通过随机初始化实现；通过火焰样本集合对三通道CapsNet网络模型进行二次训练，形成最终的火灾识别模型；应用CN算法构建火焰样本集合描述的主元颜色空间向量。本发明提高了火灾检测的实时性和有效性。
-
公开(公告)号：CN111353412A
公开(公告)日：2020-06-30
申请号：CN202010117037.8
申请日：2020-02-25
申请人： 河南理工大学
摘要： 本发明公开了一种端到端的3D-CapsNet火焰检测方法和装置，火焰检测方法包括以下步骤：选择火焰样本图像，构建火焰样本集合；创建火焰检测初始模型；通过Mnist数据集对CapsNet网络进行训练，将对CapsNet网络进行训练形成的主胶囊层参数、数字胶囊层参数以及全连接层参数迁移至火焰检测初始模型的主胶囊层、数字胶囊层以及全连接层；通过火焰样本集合对火焰检测初始模型进行训练，形成最终的火焰检测模型；采集目标图像，将火焰标准图像和目标图像的RGB三通道图像分别输入火焰检测模型的第一输入端和第二输入端，经由火焰检测模型输出最终的检测结果。本发明实现火焰的精准检测。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.04 秒)
