-
公开(公告)号：CN114117068A
公开(公告)日：2022-03-01
申请号：CN202111398235.7
申请日：2021-11-19
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于多特征模型的公益诉讼案件的线索抽取方法及系统，包括：步骤S1：对公益诉讼案源文本进行预处理；步骤S2：将经过预处理的公益诉讼案源文本作为所述线索要素抽取模块的输入对象；步骤S3：对输入的公益诉讼案源文本使用所述线索要素抽取模块进行处理，输出案件线索要素标注序列；步骤S4：将案件线索要素标注序列进行转换与整合，形成公益诉讼案源文本对应的案件线索要素集合，完成线索要素的抽取；步骤S5：将抽取得到的线索要素进行组织整合，得到整个公益诉讼案源文本对应的线索。本发明能够提高公益诉讼案源文本的线索要素抽取效率；解决现有技术所存在的公益诉讼案件线索发现效率低下、线索来源较单一的问题。
-
公开(公告)号：CN110363131B
公开(公告)日：2021-10-15
申请号：CN201910611522.8
申请日：2019-07-08
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于人体骨架的异常行为检测方法、系统及介质，包括：步骤S1：建立训练视频样本数据库，根据公开的暴力行为数据库构建预设帧长的原始视频数据库；步骤S2：根据获得的原始视频数据库，利用开源的姿态估计算法OpenPose提取原始数据库里所有视频样本中的人体骨架，获得骨骼视频数据库；步骤S3：利用FFmpeg工具将获得的骨骼视频数据库中的所有视频样本解帧成骨骼图片流，获得骨骼图片流；步骤S4：将获得的骨骼图片流依次输入3D‑DenseNet网络模型进行训练，获得训练后的3D‑DenseNet网络模型。本发明首次利用人体骨架和3D‑DenseNet进行异常行为检测，检测准确率高，鲁棒性强，能实时输出，更新检测结果。
-
公开(公告)号：CN107729363B
公开(公告)日：2021-08-17
申请号：CN201710798317.8
申请日：2017-09-06
Applicant: 上海交通大学
Abstract: 本发明公开了一种基于GoogLeNet网络模型鸟类种群识别分析方法。建立训练图片样本数据库；用图片样本训练GoogLeNet网络模型，得到可判断是否为鸟类图片的GoogLeNet网络a；用鸟类图片训练GoogLeNet网络模型，得到可精确判别鸟类种群的GoogLeNet网络b；对实时输入的待识别视频解帧成待识别图片流；图片流中的每一帧图片，依次输入GoogLeNet网络a，判别是否为鸟类图片；是则将该图片输入GoogLeNet网络b，识别包含的鸟类种群；得到图片识别结果流，从识别结果流输出最终识别结果。本发明填补了利用深度学习模型进行鸟类种群识别的空白，识别准确率高，能实时输出、更新识别结果。
-
公开(公告)号：CN110740298A
公开(公告)日：2020-01-31
申请号：CN201911032024.4
申请日：2019-10-28
Applicant: 上海交通大学
Abstract: 本发明提供了一种分布式教室违纪行为检测方法，其特征在于，包括：信息获取步骤：对教室环境进行拍摄，获取人的状态；检测步骤：根据人的状态检测违纪信息；存储步骤：在数据库中存储违纪信息；展示步骤：在显示屏上展示违纪信息；所述违纪信息包括人数和违纪行为。本发明对上课的纪律管理提供了方便，对上课时间到堂人数的统计保障了学生的安全；将检测算法部署在不同的机器上，对每一间教室的相机拍摄的画面分别处理，提高了处理效率；将一段时间内，记录由各个教室监控摄像机处理得到的历史信息，并能通过前端查询，具有历史追溯性。
-
公开(公告)号：CN110503601A
公开(公告)日：2019-11-26
申请号：CN201910802427.6
申请日：2019-08-28
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于对抗网络的人脸生成图片替换方法及系统，包括：建立人物A和B的图片集，识别并提取出面部数据，训练过程中，A和B共用一个编码器，拥有各自的解码器和判别器。首先通过编码器将A和B的脸部数据压缩到隐空间，再通过解码器还原出原来的脸部数据，同时使用判别器来约束人脸的还原和生成。最后得到训练好的人脸特征模型，包含五项内容：编码器、解码器a、解码器b、判别器a、判别器b。对输入的待替换人脸图片，截取面部数据，再利用对方的解码器进行目标人脸的翻译生成，然后通过后处理实现人脸与原图的融合，最终得到替换结果。本发明填补了结合自编码器和生成式对抗网络进行人脸替换的空白，支持多分辨率的人脸生成。
-
Patent Agency Ranking
公开(公告)号：CN105389567B
公开(公告)日：2019-01-25
申请号：CN201510786736.0
申请日：2015-11-16
Applicant: 上海交通大学 , 上海神州数码有限公司
Abstract: 本发明提供了一种基于稠密光流直方图的群体异常检测方法，包括步骤1：计算视频帧图像的稠密光流场；步骤2：根据稠密光流场的大小进行分块处理并获取每个图像区块内各个像素点的光流矢量；步骤3：计算得到帧图像对应的光流方向直方图特征；步骤4：选择SVM分类器的训练样本，训练SVM分类器；步骤5：利用训练完成的SVM分类器对待测样本进行分类，判断帧图像中的人群是否出现异常；步骤6：利用人群行为状态持续时间作为帧图像中的人群是否出现异常的一个判断依据，以此对SVM分类器的分类结果进行优化矫正。本发明较好地对光流矢量场进行分析处理，更为客观准确地反映出人群运动情况，并对SVM分类器的分类结果进行优化，降低了分类器判断的错误率。
-
公开(公告)号：CN108719204A
公开(公告)日：2018-11-02
申请号：CN201710576315.4
申请日：2017-07-14
Applicant: 上海交通大学医学院附属新华医院
IPC: A01K67/033
Abstract: 本发明提供一种耐药鲍曼不动杆菌感染秀丽隐杆线虫药物筛选模型的建立方法，包括如下步骤：步骤一：分离出泛耐药鲍曼不动杆菌；步骤二：从怀孕成虫分离虫卵，孵化，将幼虫转移到E.coli菌苔上在培养箱中继续生长，洗脱虫体后，将虫体转移到泛耐药鲍曼不动杆菌的菌苔上，在培养箱中培养8h～24h进行感染；步骤三：将虫体洗下，将其置于含有5-FU的培养板上，过夜培养，得到同步化的秀丽隐杆线虫，药物筛选模型建立完成。本发明选用线虫为实验对象，进行体内泛耐药的鲍曼不动杆菌的药敏实验，其结果与体外药敏试验结果相互比较，具有临床参考价值，可以弥补传统的体外药敏实验筛选中的遗漏。
-
公开(公告)号：CN107729363A
公开(公告)日：2018-02-23
申请号：CN201710798317.8
申请日：2017-09-06
Applicant: 上海交通大学
CPC classification number: G06F17/3028 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于GoogLeNet网络模型鸟类种群识别分析方法。建立训练图片样本数据库；用图片样本训练GoogLeNet网络模型，得到可判断是否为鸟类图片的GoogLeNet网络a；用鸟类图片训练GoogLeNet网络模型，得到可精确判别鸟类种群的GoogLeNet网络b；对实时输入的待识别视频解帧成待识别图片流；图片流中的每一帧图片，依次输入GoogLeNet网络a，判别是否为鸟类图片；是则将该图片输入GoogLeNet网络b，识别包含的鸟类种群；得到图片识别结果流，从识别结果流输出最终识别结果。本发明填补了利用深度学习模型进行鸟类种群识别的空白，识别准确率高，能实时输出、更新识别结果。
-
公开(公告)号：CN107493488A
公开(公告)日：2017-12-19
申请号：CN201710666916.4
申请日：2017-08-07
Applicant: 上海交通大学
IPC: H04N21/2668 , H04N21/234 , H04N21/81
Abstract: 基于Faster R-CNN模型的视频内容物智能植入的方法，包括：解帧得到视频声音文件、视频帧图像和植入内容物帧图像；检测识别每个视频帧中包含的内容物，并对视频帧文件进行镜头切分；对每个镜头选择内容物体作为内容物植入区域；精确定位内容物植入区域的顶点并追踪其移动，确定单个镜头中每一帧图像中内容物植入区域的位置；对镜头中内容物植入区域进行遮挡检测，若存在遮挡，则对运动前景自动精确分割；将植入内容物插入视频帧中内容物植入区域的位置，若上一步骤中得到了运动前景，将运动前景也补回视频帧；将上一步骤中得到的视频帧与前述得到的视频声音文件合成，得到植入内容物素材后的视频。本发明能极大提升内容物植入视频的效率。
-
公开(公告)号：CN106303525A
公开(公告)日：2017-01-04
申请号：CN201610682055.4
申请日：2016-08-17
Applicant: 上海交通大学
IPC: H04N19/114 , H04N19/117 , H04N19/176 , H04N19/186 , H04N19/85
Abstract: 本发明提供了一种基于块效应度量的双重MPEG-4压缩检测方法及系统，包括：首先将输入视频解压为帧序列，提取每帧的亮度分量以及宏块编码信息。对每帧的亮度分量进行自适应去块效应滤波。计算滤波后的亮度分量与原始亮度分量差值的绝对值累积和，将其作为每帧的块效应度量。再利用宏块变化异常模式对块效应度量进行增强得到特征序列。最后，对特征序列进行周期性分析判断输入视频是否经历过双重MPEG-4压缩并估计第一次压缩使用的GOP大小。本发明能够有效利用双重MPEG-4压缩视频中周期性出现的异常块效应，使检测方法具有更强的鲁棒性，应用面更广。相较于传统检测方法，对复杂纹理的运动视频具有更可靠的检测效果。
-
-
-
-
-
-
-
-
-
Search Results
133
records
(took 0.065 seconds)
