-
公开(公告)号：CN115393689A
公开(公告)日：2022-11-25
申请号：CN202211005918.6
申请日：2022-08-22
申请人： 重庆科技学院
摘要： 本发明提供了一种基于边缘计算的小目标检测系统，系统主要由网络摄像头和边缘设备构成。针对小目标检测，本发明在边缘设备上部署了基于YOLOX的小目标检测模型。该模型增加了一个微小目标检测头以缓解检测尺度变化带来的负面影响，缩小尺度特征方差以及小目标特征优化难度，增加小目标检测准确率，在标签分配损失矩阵以及损失函数上采用Focal‑Loss损失函数以缓解类别不平衡问题；同样地，为了优化位置回归任务,采用GIOU‑Loss对标签分配权重矩阵以及梯度传播进行优化。模型中的特征提取骨干层采用CSPRepResNet，并在特征融合层中的采用无参下采样方式以提高推理速度。通过局域网将网络摄像头获取的数据流传输给边缘设备以完成检测并保存检测结果，保证了边缘设备端小目标检测的实时性、高效性以及灵活性。
-
公开(公告)号：CN109086469B
公开(公告)日：2022-11-11
申请号：CN201810193122.5
申请日：2018-03-09
申请人： 重庆科技学院
IPC分类号： G06F30/27 , G06N3/04 , G06N3/08 , G06F111/06
摘要： 本发明公开了一种基于递归神经网络与偏好信息的铝电解建模与优化方法，首先利用递归神经网络对铝电解生产过程进行建模，然后决策者设定期望目标值，再利用偏好多目标量子个体群算法对生产过程模型进行优化，得到各决策变量的一组最满足决策者期望的最优解以及该最优解对应的电流效率、槽电压、全氟化物排放量和吨铝能耗。利用差分进化算法中变异、交叉和选择操作，对决策变量进行偏好寻优，以此确定铝电解生产过程中工艺参数的最优值，可有效提高电流效率，降低槽电压，减少温室气体排放量和吨铝能耗，满足决策者偏好的同时，达到节能减排的目的。
-
公开(公告)号：CN112016445B
公开(公告)日：2022-04-19
申请号：CN202010874464.0
申请日：2020-08-27
申请人： 重庆科技学院
摘要： 本发明提供一种基于监控视频的公共场所遗留物检测方法，首先，通过图像采集设备获取视频流，然后，根据视频帧中游客与其携带物的关系，匹配游客及其携带物，再对游客及其携带物使用卡尔曼滤波与表观建模的级联匹配方法进行目标跟踪，根据跟踪结果与游客及其携带物的综合距离度量，最后判断游客携带物是否离开游客，若携带物独立停留时间超过阈值，则判定为遗留物并报警。本发明通过综合距离度量判断遗留物是否离开游客，能更好应对传统IOU方法无法应对的情形；同时，使用卡尔曼滤波与表观建模的级联匹配方法对目标物体进行跟踪，增强了多目标跟踪任务的鲁棒性，对公共场所的遗留物检测具有较强的针对性，准确率高。
-
公开(公告)号：CN114037979A
公开(公告)日：2022-02-11
申请号：CN202111321068.6
申请日：2021-11-09
申请人： 重庆科技学院
摘要： 本发明涉及驾驶员状态识别技术领域，具体公开了一种轻量化的驾驶员疲劳状态检测方法，使用轻量化的人脸检测筛选网络(基于RetinaFace人脸检测算法)，定位出驾驶员面部在摄像头检测范围中的位置，同时初步定位双眼中心、鼻尖和嘴部左右嘴角的关键位置点，进一步在调整好的图像上裁剪出驾驶员人脸图像，然后根据双眼中心和鼻尖的欧式距离及其夹角等，检测驾驶员的面部状态是侧脸、倾斜等，并统一对图像进行人脸对齐、水平纠正，再进行归一化处理，使所有图像处于同一位置尺度，以进一步截取相同大小的特征区域，最后通过对特征区域进行检测确定驾驶员的疲劳状态。整体而言，本发明用参数较小的神经网络实现了对驾驶员疲劳状态的快速精准检测。
-
公开(公告)号：CN113989931A
公开(公告)日：2022-01-28
申请号：CN202111268194.X
申请日：2021-10-29
申请人： 重庆科技学院
摘要： 本发明提供了一种便携式异常行为智能分析系统，系统主要包括边缘设备背包、云端服务器和移动端平台。边缘设备背包包括锂电池及智能逆变器、监控摄像头、三脚架、智能行为识别系统、边缘计算设备；智能异常行为识别以边缘端设备为载体，用于实现异常行为的实时报警，将结果展示在移动端并提供报警处理功能；云端服务器用于智能行为识别模型的训练以及参数的更新。本系统的目的为搭建便携式的视频监控报警平台，部署摄像头，添加边缘计算的规则，实现异常行为报警功能，实时处理报警信息，降低报警时延。
-
公开(公告)号：CN113642772A
公开(公告)日：2021-11-12
申请号：CN202110790280.0
申请日：2021-07-13
申请人： 重庆科技学院
摘要： 本发明提出一种基于机器学习的测井储层识别预测方法。针对常规测井解释方法进行致密气低孔低渗储层流体识别时，由于储层非均质性强、孔隙结构复杂，导致测井解释模型适用性差、准确率低的问题，并且传统的单一机器学习算法容易陷入过拟合、局部最优等问题。本发明采用经典的集成学习算法xgboost，结合试气录井结果和常规测井数据，对致密砂岩储层进行识别，能有效提升预测的精度，缩短了测试人员判别储层的时间，从而节约大量成本。
-
公开(公告)号：CN113642402A
公开(公告)日：2021-11-12
申请号：CN202110790268.X
申请日：2021-07-13
申请人： 重庆科技学院
摘要： 本发明提供一种基于深度学习的目标检测方法，首先通过图像采集设备，获取视频流，然后，实时获取视频流的图像帧，通过视频流的原图像帧训练Attention‑Yolov4，随后将随后使用Attention‑Yolov4检测图像帧中的人员，对监控区域进行行人目标检测，可以针对不同的需求进行行人保护，犯罪追踪等一系列操作。本发明通过在摄像头的实时画面下，解决了传统方法在复杂条件下的低准确率以及实时性不强的问题。
-
公开(公告)号：CN112687294A
公开(公告)日：2021-04-20
申请号：CN202011521089.8
申请日：2020-12-21
申请人： 重庆科技学院
摘要： 本发明提供一种车载噪音识别方法，包括以下步骤：步骤1：首先对输入车载噪音信号进行预加重、分帧加窗等预处理操作；步骤2：利用布谷鸟搜索(CS)算法的全局寻优能力去找到深度信念网络(DBN)的最优初始权值、学习率以及隐层神经元数目，获得最优的深度信念网络结构；步骤3：在激活函数的选择上，采用ReLU激活函数替换常用的sigmod函数，有效解决梯度消失问题；步骤4：采用改进后的深度信念网络模型实现输入车载噪音信号的自动特征提取；步骤5：将深度信念网络模型提取到的高层噪音特征作为基于卡方距离改进的高斯加权KNN算法(GCKNN)中的输入，实现最后的噪音识别。本发明结合了DBN自动提取特征的能力和GCKNN的快速学习能力，得到最佳的噪音识别效果。
-
公开(公告)号：CN112233276A
公开(公告)日：2021-01-15
申请号：CN202011089356.9
申请日：2020-10-13
申请人： 重庆科技学院
摘要： 本发明涉及智能驾驶技术领域，具体公开了一种用于疲劳状态识别的方向盘转角统计特征融合方法，首先实时采集方向盘转角时间序列和车速时间序列，并按照设定的阈值对方向盘转角时间序列进行滤波处理，得到有效的样本数据；然后按照设定的时间窗大小，计算固定长度样本的统计特征；最后将计算的统计特征形成统计特征矩阵，并计算该统计特征矩阵的特征根，最后抽取满足条件的特征根作为驾驶人方向盘转角统计特征的融合指标向量。本发明将方向盘转角的多统计特征进行融合，克服了现有技术直接采用某一项或多项统计指标带来的不稳定性，在实车工况下能有效支撑驾驶人疲劳状态的稳定识别，对不同驾驶者表现出了较高的工程泛化能力。
-
公开(公告)号：CN112052905A
公开(公告)日：2020-12-08
申请号：CN202010954032.0
申请日：2020-09-11
申请人： 重庆科技学院
摘要： 本发明涉及汽车主动安全技术领域，具体公开了一种基于循环神经网络的驾驶人多操作疲劳特征提取方法，包括步骤：S1.基于循环神经网络构建模糊循环神经网络模型；S2.对模糊循环神经网络模型进行训练和测试，得到训练完成的疲劳特征提取模糊循环神经网络；S3.采用疲劳特征提取模糊循环神经网络实时提取实际驾驶中驾驶人多操作变量下的疲劳特征。本发明基于循环神经网络构建具有四层网络结构的模糊循环神经网络模型，综合考虑了驾驶人多种操作变量对疲劳特征提取的稳定贡献，采用了大量的驾驶人多操作传感数据进行训练和测试，得到训练完成的疲劳特征提取模糊循环神经网络，并应用在驾驶人的实际驾驶中，从而能够实时有效地提取驾驶人疲劳特征。
-
-
-
-
-
-
-
-
-
搜索结果
161 条记录 (耗时 0.044 秒)
