一种基于自监督学习的工厂人员异常行为检测方法

    公开(公告)号:CN117935357B

    公开(公告)日:2024-09-27

    申请号:CN202410059546.8

    申请日:2024-01-16

    申请人: 青岛大学

    摘要: 本发明提供了一种基于自监督学习的工厂人员异常行为检测方法,具体包括如下步骤:构建四种图结构,包括:基于距离的图结构、基于二阶最近距离的图结构、基于纹理相似性的图结构和基于运动信息的图结构,并基于图卷积神经网络GCN进行动作帧的特征提取;基于3D卷积神经网络,对动作帧进行特征提取;基于对比学习的图卷积神经网络模型与3D卷积神经网络模型模型进行预训练;将3D卷积神经网络和图卷积神经网络提取的特征进行拼接,并利用时间卷积网络TCN对人员动作进行预测。本发明的技术方案克服现有技术中基于图卷积模型异常行为检测方法较为简单、算法准确率较低的问题。

    场景感知视频编码器系统和方法
    9.
    发明公开

    公开(公告)号:CN118451476A

    公开(公告)日:2024-08-06

    申请号:CN202280080765.3

    申请日:2022-10-27

    摘要: 本公开的实施方式公开了一种场景感知视频编码器系统。该场景感知视频编码器系统将场景的视频的视频帧序列变换成时空场景图。该时空场景图包括表示场景中的一个或多个静态和动态对象的节点。时空场景图的各个节点皆描述在不同时间实例所述对象(静态对象和动态对象)中的各个对象的外观、位置和/或运动。使用时空变换器将时空场景图的节点嵌入到潜在空间中,该时空变换器对时空场景图的不同节点的与场景的不同时空体积对应的不同组合进行编码。利用注意力得分来对在所述组合中的各个组合中编码的所述不同节点中的各个节点进行加权,该注意力得分是根据该组合中的不同节点的时空位置的相似性来确定的。

    路面标识检测方法、系统和智能终端

    公开(公告)号:CN118097598A

    公开(公告)日:2024-05-28

    申请号:CN202410276376.9

    申请日:2024-03-12

    摘要: 本发明公开了一种路面标识检测方法、系统和智能终端,所述方法包括:获取目标区域的原始图像;将所述原始图像输入预先训练的图像分割模型中,即可得到所述图像分割模型输出的路面标识的分割图像;其中,所述图像分割模型是基于预先构建的深度学习网络,利用图像样本和样本对应的分割图像进行训练得到的;在模型训练过程中,所述深度学习网络用于对图像样本的全局信息和局部信息进行提取,并通过辅助学习分支学习路面标识的边缘信息,采用金字塔结构及残差连接实现多尺度信息的训练。本发明所提供的方法和系统,提高了路面标识检测中图像分割的准确性,降低了路面标识检测中图像分割的计算量,进而提高了路面标识检测的准确性和时效性。