“代松银”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果15个，建议您升级VIP下载更多相关专利

[发明专利]基于多模态特征融合的交通场景视频描述生成方法和装置-CN202211113115.2有效
发明人：刘宏哲;李铭兴;张浩;徐成;潘卫国;代松银;徐冰心 -专利权人：北京联合大学
申请日： 2022-09-14 - 公布日： 2023-10-03 - 主分类号： G06F18/25 文献下载
摘要：本发明公开一种基于多模态特征融合的交通场景视频描述生成方法和装置，包括：获取视频特征信息和音频特征信息；将所述视频特征信息和音频特征信息分别进行线性映射形成Transformer的特征向量；将所述Transformer的特征向量输入到多头自注意力编码器和交叉注意力编码器进行多模态信息融合；将多模态信息融合结果输入到解码器，得到每一个单词的概率分布；根据所述每一个单词的概率分布，得到交通场景视频的文本语句描述。采用本发明的技术方案，解决在使用多模态信息进行视频描述处理的时候往往存在多模态信息之间融合度低和模型计算量大的问题。
基于多模态特征融合交通场景视频描述生成方法装置

[发明专利]一种面向智慧教室的学生跟踪方法及系统-CN202211130028.8有效
发明人：徐成;刘力铭;刘宏哲;徐冰心;潘卫国;代松银 -专利权人：北京联合大学
申请日： 2022-09-16 - 公布日： 2023-09-15 - 主分类号： G06V20/40 文献下载
摘要：本申请公开了一种面向智慧教室的学生跟踪方法及系统，包括获取教室视频信息；基于所述视频信息，通过目标检测方法获取学生位置边界框；基于所述学生位置边界框，构建两个高斯概率分布函数；基于所述学生位置边界框，通过IOU对比方法比较面积大小；基于所述面积比较结果，对所述高斯概率分布函数作积分，判断是否属于同一个学生。通过目标检测方法检测出每个学生在图像中的位置，然后基于每个学生的边界框的中心坐标和宽高构建高斯概率分布函数，然后通过计算IOU值和对高斯概率函数的积分判断两边界框是否属于同一个学生实现到学生定位的功能。通过使用本发明的方法，联合使用其他深度学习算法，可实现对学生听课状态的持续记录和跟踪。
一种面向智慧教室学生跟踪方法系统

[发明专利]一种基于路口信息的混合模型交通信号检测方法及系统-CN201910731082.X有效
发明人：潘卫国;潘峰;刘宏哲;徐冰心;代松银 -专利权人：北京联合大学
申请日： 2019-08-08 - 公布日： 2023-08-18 - 主分类号： G06V20/58 文献下载
摘要：本发明提供一种基于路口信息的混合模型交通信号检测方法及系统，其中方法包括采集离线数据，还包括以下步骤：将车载定位系统获得的GPS转换到UTM坐标系统下，并计算路口与车辆之间的距离；根据智能车辆的行驶位置，进行交通信号的检测识别。本发明提出一种基于路口信息的混合模型交通信号检测方法及系统，根据车辆在道路上行驶过程中的特点(路段快速，路口慢速)，利用路口的先验信息，在路段内采用高实时性的检测模型，在路口区域采用高准确率的模型，解决了智能车辆道路行驶过程中对于交通信号检测速度和准确率难以兼顾的问题。
一种基于路口信息混合模型交通信号检测方法系统

[发明专利]一种基于多实例学习和标签关系图的多标签视频分类方法-CN202210092357.1在审
发明人：徐成;吴宏俊;刘宏哲;徐冰心;潘卫国;代松银 -专利权人：北京联合大学
申请日： 2022-01-26 - 公布日： 2023-08-08 - 主分类号： G06F16/75 文献下载
摘要：本申请涉及一种基于多实例学习和标签关系图的多标签视频分类方法，包括以下步骤：获取待分类视频的每一帧特征；将所述视频的每一帧特征视为一个实例，将所有的帧特征合并为包级特征对视频进行表示；将视频的所述包级特征映射为每个视频分类标签的内容感知类别表示；学习所述视频分类标签的关系，构建标签关系图，并采用标签关系卷积神经网络从相应的内容感知类别表示中增强当前视频特征，获得每一个分类标签的概率得分；将所述的每一个分类标签的概率得分和设定阈值进行比对，确定所述待分类视频最终的标签。本申请可以根据当前对象动态学习，从而可以纠正多标签视频预测中的频率偏差，使得视频最终的分类标签更加准确。
一种基于实例学习标签关系视频分类方法

[发明专利]面向城市道路驾驶数据的危险评估方法和装置-CN202211273032.X有效
发明人：徐成;陈凯;刘宏哲;徐冰心;潘卫国;代松银 -专利权人：北京联合大学
申请日： 2022-10-18 - 公布日： 2023-07-28 - 主分类号： G08G1/01 文献下载
摘要：本发明公开一种面向城市道路驾驶数据的危险评估方法和装置，包括：步骤S1、获取道路行驶安全参数；步骤S2、获取车辆运行数据；步骤S3、将所述车辆运行数据加密上传到区块链网络；步骤S4、通过博弈方式对所述车辆运行数据进行危险评估，更新道路行驶安全参数的状态；步骤S5、根据更新后道路行驶安全参数的状态，得到道路数据评估的风险值；步骤S6、根据所述风险值从行为数据库中映射车辆行为。采用本发明的技术方案，对参与车辆节点处于不同城市道路环境的状态进行危险评估，并根据评估结果返回给车辆安全行为操作，确保车辆道路数据安全。
面向城市道路驾驶数据危险评估方法装置

[发明专利]一种遥感场景图像多标签分类方法和装置、存储介质-CN202211113132.6在审
发明人：刘宏哲;吴宏俊;刘力铭;徐成;代松银;潘卫国;徐冰心 -专利权人：北京联合大学
申请日： 2022-09-14 - 公布日： 2023-01-13 - 主分类号： G06V10/764 文献下载
摘要：本发明公开一种遥感场景图像多标签分类方法和装置、存储介质，包括：提取遥感场景图像特征；将所述遥感场景图像特征转化为每个类别标签对应的标签嵌入；根据所述标签嵌入之间相关性，得到第一类间关系矩阵；根据所述第一类间关系矩阵构建蒙版，得到第二类间关系矩阵；根据所述第二类间关系矩阵更新所述标签嵌入，得到每一个类别标签的预测分数；根据所述每一个类别标签的预测分数，确定所述遥感场景图像的标签。采用本发明的技术方案，以解决现有技术在建模类间关系时没有排除图像中不存在的类别造成偏差的问题。
一种遥感场景图像标签分类方法装置存储介质

[发明专利]一种面向城市道路的驾驶行为安全评估方法及系统-CN202211138995.9在审
发明人：徐成;钟源;袁家政;刘宏哲;代松银;徐冰心;潘卫国 -专利权人：北京联合大学
申请日： 2022-09-19 - 公布日： 2022-12-09 - 主分类号： G06V20/59 文献下载
摘要：本发明公开一种面向城市道路的驾驶行为安全评估方法及系统，包括：采集驾驶员的驾驶图像；构建行为识别模型，所述行为识别模型包括FasterR‑CNN子模型、SHN子模型和VGG子模型；基于所述行为识别模型对所述驾驶图像进行识别，获取所述驾驶员的驾驶行为；对所述驾驶行为进行赋权评估，获取所述驾驶员的驾驶得分值，基于所述驾驶得分值完成驾驶行为安全评估。本发明通过采集驾驶员的关键点信息对驾驶行为进行识别，并根据识别结果对驾驶员进行评级打分，从而实现对驾驶员行驶过程中的驾驶行为进行安全评估。
一种面向城市道路驾驶行为安全评估方法系统

[发明专利]一种基于动作关联注意力的弱监督视频时序动作定位方法-CN202210481400.3在审
发明人：徐成;李梦竹;刘宏哲;付莹;徐冰心;潘卫国;代松银 -专利权人：北京联合大学
申请日： 2022-05-05 - 公布日： 2022-08-12 - 主分类号： G06V20/40 文献下载
摘要：本申请涉及一种基于动作关联注意力的弱监督视频时序动作定位方法，采用动作关联注意力模型来建立视频中动作片段之间的关系，进而实现动作片段的定位及分类；其中，所述的动作关联注意力模型，利用查询机制建立弱监督的预训练，并将查询机制的输出输入到Transformer架构的解码器中用于实现查询集合的时间定位；利用Transformer架构的编码器确定视频片段特征之间的关系，实现视频中动作片段的分类。本申请实现了采用弱监督方法实现视频的时序动作定位。
一种基于动作关联注意力监督视频时序定位方法

[发明专利]一种基于区块链的城市水果质量溯源方法-CN202110254142.0在审
发明人：徐成;陈凯;刘宏哲;徐冰心;潘卫国;代松银 -专利权人：北京联合大学
申请日： 2021-03-04 - 公布日： 2021-06-15 - 主分类号： G06Q30/00 文献下载
摘要：本发明公开了一种基于区块链的城市水果质量溯源方法，使用超级账本Fabric框架模型搭建起分布式网络架构，是一种许可的区块链基础结构该结构具有基础结构中节点之间的角色，其中智能合约的执行以及可配置的共识和成员资格服务使溯源网络。当参与者进行交易，会自动根据合约系统部署，在区块链网络中每个参与者都是一个节点，拥有超级账本的数据副本。交易过程会产生数据的更改，将本地数据更新扩展到整个网络是本方法的重点。其中通过使用gPRC消息通信实现了不同客户端能够互相访问数据；使用Gossip算法将消息广播发布，确保了数据能够蔓延到所有区块节点；使用PBFT公式技术处理了系统运行可能发生消息传递错误而导致的无法同步问题，最终完成节点数据的更新。
一种基于区块城市水果质量溯源方法

[发明专利]一种基于无锚框检测网络改进的车辆检测方法-CN202110254258.4在审
发明人：刘宏哲;刘腾;徐成;徐冰心;潘卫国;代松银 -专利权人：北京联合大学
申请日： 2021-03-04 - 公布日： 2021-06-15 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于无锚框检测网络改进的车辆检测方法，包括：首先通过特征融合模块将低维特征与高维特征进行特征融合；然后将特征融合处理后的特征送入无锚框检测网络框架中；该网络中加入CBAM注意力机制模块，增加检测效果；再将识别结果输出。该方法增加了特征融合模块和注意力机制模块，无锚框检测网络采用CenterNet网络，并采用Resnet网络的跳接连接方式，能够快速进行车辆检测的同时，保证有更好的检测精度。
一种基于无锚框检测网络改进车辆方法

[发明专利]一种基于ShuffleNet改进的MTCNN人脸检测方法-CN202110242262.9在审
发明人：徐成;秦振;刘宏哲;徐冰心;潘卫国;代松银 -专利权人：北京联合大学
申请日： 2021-03-04 - 公布日： 2021-06-11 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于ShuffleNet改进的MTCNN人脸检测方法，包括：首先将图像进行不同尺度的变换，构建图像金字塔，以适应不同大小的人脸的进行检测。第一阶段原始图片经过P‑Net生成人脸区域Bounding Boxes；第二阶段R‑Net以原始图片和第一阶段P‑Net生成的Bounding Boxes为输入,生成纠正后更加精确的Bounding Boxes；第三阶段将原始图片和R‑Net输出的Bounding Boxes作为O‑Net的输入，生成最后的人脸区域Bounding Boxes。采用ShuffleNet中的通道混洗思想与逐点分层卷积技术改进模型。该模型以MTCNN为基础，在进行卷积操作时采用通道混洗思想改进模型，使网络可以快速准确地检测人脸。
一种基于 shufflenet 改进 mtcnn 检测方法

[发明专利]一种基于空间特征编码改进的YOLOv3车道线检测方法-CN202110242266.7在审
发明人：徐成;李佳宾;刘宏哲;徐冰心;潘卫国;代松银 -专利权人：北京联合大学
申请日： 2021-03-04 - 公布日： 2021-06-11 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于空间特征编码改进的YOLOv3车道线检测方法，包括：首先对输入图像进行尺寸重塑，将其统一归一化为416×416尺寸的图像；然后将图像输入改进后的Darknet‑53网络进行特征提取；在不同的Residual层获取三种不同尺度的特征；在获取第一个尺度特征后，采取16倍上采样将特征与前层融合，输入后续网络模型提取第二尺度特征，将其进行8倍上采样与前层特征融合，输入后续网络得到第三尺度特征；将是三种不同尺度特征分别输入空间特征编码模型进行空间语义信息提取，得到编码后的特征；将特征输入YOLO层进行车道线检测，最后输出检测标注后的图像。借鉴ResNet跳跃连接特征，并采取空间特征编码对网络进行改进，使得网络可以高效准确的预测边缘车道线。
一种基于空间特征编码改进 yolov3 车道检测方法

[发明专利]一种基于级联神经网络的环视鱼眼图像目标检测方法-CN202011346080.8在审
发明人：刘宏哲;包俊;徐成;徐冰心;潘卫国;代松银 -专利权人：北京联合大学
申请日： 2020-11-25 - 公布日： 2021-02-23 - 主分类号： G06K9/32 文献下载
摘要：本发明涉及一种基于级联神经网络的环视鱼眼图像目标检测方法，用于解决环视鱼眼图像存在严重的目标畸变导致目标检测困难的问题，包括以下步骤：构建融合可变形卷积和可变形池化的Cascade R‑CNN环视鱼眼图像目标检测网络模型；训练重构后的模型；模型实测。本发明在构建网络模型时，采用改进的Resnet50网络作为图像特征提取的子网络，将其stage3至stage5的固定卷积和固定池化层，替换为可变形卷积和可变形池化层，能够根据形变目标的状态，扩大感受野，自学习偏移量，进行有效的特征提取，从而对畸变目标有效建模。此外，采用级联神经网络，能对正负样本进行多次多级过滤，也大大提高了目标检测的准确率。
一种基于级联神经网络环视图像目标检测方法

[发明专利]一种基于语义分割和多特征融合的车辆前障碍物检测方法-CN202010491303.3在审
发明人：李学伟;刘腾;刘宏哲;徐成;徐冰心;潘卫国;代松银 -专利权人：北京联合大学
申请日： 2020-06-02 - 公布日： 2020-09-11 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及人工智能、深度学习领域，具体公开了一种基于语义分割和多特征融合的车辆前障碍物检测方法，包括：首先通过特征提取模块对输入图像进行特征提取；然后对处理后的特征图进行4倍、8倍、16倍下采样，同时将下采样时的特征图通过特征融合模块进行特征融合；再将得到的特征图输入给膨胀卷积模块；再将处理后的特征图进行16倍、8倍、4倍上采样将特征图恢复至原始图像大小，在4倍上采样的同时将特征融合采集到的特征进行特征融合；将融合后的特征送入softmax层，最终输出语义分割的图像。该模型中采用编解码结构，和跳接连接方式，能够快速时时进行语义分割，完成自动驾驶等场景中的障碍物检测。
一种基于语义分割特征融合车辆障碍物检测方法

[发明专利]一种基于ROI的交通标志牌实时检测方法及系统-CN201910731099.5在审
发明人：潘卫国;潘峰;刘宏哲;徐冰心;代松银;徐成 -专利权人：北京联合大学
申请日： 2019-08-08 - 公布日： 2019-12-31 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于ROI的交通标志牌实时检测方法及系统，其中方法包括进行YOLO V3网络检测识别，还包括以下步骤：将输入图像的颜色空间由RGB转换为HSV；交通标志牌主颜色提取；去除小连通区域，感兴趣区域提取。本发明提出一种基于ROI的交通标志牌实时检测方法及系统，首先利用颜色特性提取图像中的候选区域，再结合一定的规则确定图像中的ROI区域，这样确定的ROI区域可以去掉场景图像中的干扰因素，再利用YOLO v3在ROI区域内检测交通标志牌，提升了交通标志牌检测的精度和速度，解决了智能车辆在道路行驶过程中快速准确检测交通标志牌的难题。
交通标志牌实时检测感兴趣区域场景图像干扰因素规则确定候选区域连通区域输入图像提取图像网络检测行驶过程颜色空间颜色特性智能车辆准确检测再利用主颜色检测去除图像

1
共 15 条