公开(公告)号：CN109191440A

公开(公告)日：2019-01-11

申请号：CN201810975382.8

申请日：2018-08-24

Applicant: 上海应用技术大学

Inventor： 黄良军 ,  张亚妮 ,  张晓宁

IPC: G06T7/00 ,  G06N3/04 ,  G06N3/08 ,  G06T7/10 ,  G06M11/02

Abstract: 本发明提供了一种玻璃气泡检测与计数方法，通过使用卷积神经网络，并利用样本集对所述卷积神经网络进行训练，得到网络权重参数θ；根据所述网络权重参数θ，使得所述卷积神经网络得到样本集中任意输入图像Xi的玻璃气泡密度图F(Xi,θ)与该输入图像Xi的实际玻璃气泡密度图Fi间的欧式距离最小；根据与所述输入图像Xi的实际玻璃气泡密度图Fi间的欧式距离最小的玻璃气泡密度图F(Xi,θ)，得到所述输入图像Xi中玻璃气泡的覆盖位置和玻璃气泡的个数，能够进行精确进行的玻璃气泡位置检测与计数。

公开(公告)号：CN111738336B

公开(公告)日：2024-04-05

申请号：CN202010578124.3

申请日：2020-06-22

Applicant: 上海应用技术大学

Inventor： 黄良军 ,  谢福 ,  张晓宁 ,  祝鲁宁

IPC: G06V10/80 ,  G06V10/764 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供了一种基于多尺度特征融合的图像检测方法，包括：将待检测图像输入改进的深度卷积神经网络中，得到特征图像；将特征图像对应的卷积块分别进行不同尺度的池化处理，得到包含不同层次的卷积块信息的融合特征图像；对融合特征图像进行目标区域判定，得到目标区域图像；对目标区域图像进行特征提取，得到固定长度的特征向量；将特征向量输入全连接层序列，得到两个输出对象类；通过分类器对两个输出对象类的概率进行估计，得到分类结果；根据分类结果和每个对象类的边界框位置，确定未佩戴安全帽的人员，并进行安全警告。本发明能够适用于不同施工场所的安全帽检测，有效的提高检测结果速度及准确性。

公开(公告)号：CN111738336A

公开(公告)日：2020-10-02

申请号：CN202010578124.3

申请日：2020-06-22

Applicant: 上海应用技术大学

Inventor： 黄良军 ,  谢福 ,  张晓宁 ,  祝鲁宁

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于多尺度特征融合的图像检测方法，包括：将待检测图像输入改进的深度卷积神经网络中，得到特征图像；将特征图像对应的卷积块分别进行不同尺度的池化处理，得到包含不同层次的卷积块信息的融合特征图像；对融合特征图像进行目标区域判定，得到目标区域图像；对目标区域图像进行特征提取，得到固定长度的特征向量；将特征向量输入全连接层序列，得到两个输出对象类；通过分类器对两个输出对象类的概率进行估计，得到分类结果；根据分类结果和每个对象类的边界框位置，确定未佩戴安全帽的人员，并进行安全警告。本发明能够适用于不同施工场所的安全帽检测，有效的提高检测结果速度及准确性。

公开(公告)号：CN110059667A

公开(公告)日：2019-07-26

申请号：CN201910353398.X

申请日：2019-04-28

Applicant: 上海应用技术大学

Inventor： 黄良军 ,  张晓宁 ,  张亚妮 ,  谢福

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明提供了一种行人计数方法，包括：S1：获取待检测监控视频图像；S2：将待检测图像输入改进的深度卷积神经网络，即改进的Cascade R-CNN网络，提取特征；S3：通过RPN网络训练，对图像进行Softmax分类与目标区域判定；S4：通过ROIs Pooling层，改变每次回归中的IoU阈值对框坐标进行多次回归，多次回归网络结构为级联结构；S5：比较每一次回归后的结果，选择最佳级联个数，输出最优人头预测分割结果与回归预测结果；S6：进行行人检测后处理，人群前景分割预测与人群密度图预测进行Hadamard乘积；S7：输出最终行人检测数量与行人密度图。通过上述方式，本发明能够适用于不同场合的行人计数及密度检测，有效的提高检测结果精度及速度。