-
公开(公告)号:CN117809369A
公开(公告)日:2024-04-02
申请号:CN202311796421.5
申请日:2023-12-25
Applicant: 中北大学 , 山西文旅集团信息技术有限公司
IPC: G06V40/20 , G06V20/40 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/42 , G06V10/44
Abstract: 本发明属于计算机视觉领域,具体涉及一种基于自编码器的人群异常行为检测方法。本发明通过在编码器中加入全局跨通道特征提取模块提取全局上下文特征,在编码器与解码器之间加入全局时空信息增强模块提取全局时空特征,同时忽略无关信息、关注重点信息,从而提升异常行为的检测能力,提高网络整体检测精度,广泛适用于视频中的人群异常行为检测。
-
公开(公告)号:CN118803232A
公开(公告)日:2024-10-18
申请号:CN202410787387.3
申请日:2024-06-18
Applicant: 中北大学
IPC: H04N17/02 , H04N19/20 , H04N19/42 , H04N19/172 , H04N19/52 , G06V20/40 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明属于视频异常检测技术领域,具体涉及一种基于外观和运动特征交互融合的视频异常检测方法。针对深度神经网络对异常行为预测的泛化能力过强问题,本发明提出了基于外观和运动特征交互融合的视频异常行为检测算法,即AMFCFBMem‑Net网络模型。AMFCFBMem‑Net网络模型首先使用外观和运动双编码器分别提取外观和运动特征,并设计了外观和运动特征交互融合模块(AMFCFB),将外观和运动特征交互融合,以抑制模型对异常行为的预测;其次,为记录正常样本不同模型的潜在特征,在编码器和解码器的瓶颈结构处引入记忆模块,以进一步提高模型的异常检测性能。
-
公开(公告)号:CN120070887A
公开(公告)日:2025-05-30
申请号:CN202510117693.0
申请日:2025-01-24
Applicant: 中北大学
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于OANet(Occlusion‑Aware Network)的遮挡感知实例分割方法,旨在解决复杂场景下对象重叠引起的实例分割难题。该方法通过构建三层网络架构,显式地对遮挡关系进行建模,以提高复杂场景下实例分割的精度和鲁棒性。其中,顶层GCN+Transformer网络检测遮挡物体,底层GCN+Transformer网络推断被遮挡实例,新增被遮挡物的遮挡回归分支PSA+RefConv用于整合全局信息,优化分割边界。实验结果表明,与BCNet网络相比,OANet模型在COCO、COCOA实例分割基准数据集上均取得显著的性能提升,AP(平均精度)比基准模型提高1.2,证明其在处理严重遮挡情况时的有效性。
-
公开(公告)号:CN117692704A
公开(公告)日:2024-03-12
申请号:CN202311795753.1
申请日:2023-12-25
Applicant: 中北大学 , 山西文旅集团信息技术有限公司 , 中电信数智科技有限公司山西分公司 , 山西辰涵数字科技股份有限公司
Abstract: 本发明公开了一种虚拟场景展示方法及系统,涉及移动通信技术领域,包括:利用VR摄像机对场景进行拍摄获得全景视频;将全景视频转换为多个VR视频文件;根据VR用户终端发出的用于定位的实时数据流,和对多个VR视频文件依次异步实时渲染、编码和分发后的结果,确定基础图像帧;将基础图像帧传输至用于预测姿态和位置的移动边缘计算MEC和VR用户终端,获得显示帧图像;根据VR用户终端发出的四类视频交互请求,将显示帧图像进行渲染处理,并展示在VR用户终端的显示屏上。本发明能够让虚拟现实服务中资源处理与传输速度加快,降低传输时延。
-
公开(公告)号:CN119904577A
公开(公告)日:2025-04-29
申请号:CN202411990516.5
申请日:2024-12-31
Applicant: 中北大学
IPC: G06T17/00 , G06T19/20 , G06V20/64 , G06V10/20 , G06V10/40 , G06V10/80 , G06V10/75 , G06V10/74 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于向量神经元网络的点云场景重建方法,属于计算机视觉和三维重建技术领域。针对目前点云场景重建方法在处理旋转变化和复杂场景重建时的不足问题,本发明利用PointNet对点云场景数据进行实例分割,识别并分割场景中的各个物体;建立一个涵盖常见室内场景物体的CAD模型库,训练VN网络,利用向量卷积层对每个点及其邻域进行特征提取;通过堆叠多个向量卷积层,并结合残差连接和跳跃连接,获取不同尺度的特征表示;随后计算点云特征与CAD模型特征之间的相似度,采用Chamfer距离进行检索,选取最相似的CAD模型作为候选;最后将CAD模型候选逐一与场景点云进行对齐,并引入物理违规检查模块,确保重建后场景的精确性和物理合规性。
-
公开(公告)号:CN119691292A
公开(公告)日:2025-03-25
申请号:CN202411763492.X
申请日:2024-12-03
Applicant: 中北大学
IPC: G06F16/9537 , G06Q50/00 , G06F18/241 , G06F18/25 , G06F18/15 , G06N3/0455 , G06N3/042 , G06N3/0499
Abstract: 本发明属于大数据分析技术领域,具体涉及一种融合社会关系网络和时空上下文信息的POI推荐方法。针对没有充分考虑社会关系对个人访问轨迹的影响、未有效提取和融合时空上下文信息特征的问题,将用户特征和时间信息特征细分为多个子特征,深入挖掘特征之间的关系,同时构建区域用户轨迹图对POI‑POI社会关系网络进行建模,通过编码器全面学习用户和时空上下文信息特征,并进行加权融合,捕捉用户的动态偏好,从而提升POI预测的准确性。
-
公开(公告)号:CN118171000A
公开(公告)日:2024-06-11
申请号:CN202410280679.8
申请日:2024-03-12
Applicant: 中北大学 , 山西文旅集团信息技术有限公司
IPC: G06F16/9537 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/09
Abstract: 本发明公开了一种融合人群移动轨迹和时空‑类别的POI推荐方法,属于大数据分析技术领域。针对不能有效建模用户共同轨迹、对时空特征的挖掘不够充分的问题,依据大批量用户的运动轨迹,构建整个区域的轨迹图,通过提出的门控图卷积神经网络对共同轨迹进行建模,同时将用户签到序列中的时空和类别信息进行多维度的特征融合,并利用自注意力机制捕获用户偏好,从而为用户提供准确的下一个POI推荐。
-
-
-
-
-
-