-
公开(公告)号：CN118691857B
公开(公告)日：2024-11-05
申请号：CN202411170737.8
申请日：2024-08-26
Applicant: 中国计量大学
IPC: G06V10/74 , G06V10/82 , G06V10/764 , G06F16/51 , G06F16/532 , G06F16/583 , G06T3/4053 , G06T3/4046 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种商标侵权检测方法和系统，将超分辨率图片重构技术和基于CNN的检测模型相结合，通过超分辨率图片重构技术提高了待检测商标图片的分辨率，以便于后续CNN检测阶段特征信息充分提取，并在CNN检测过程中先提取m个特征子库集合，再进行相似性度量计算，降低了系统运算量，提高了商标侵权判定的准确度。本发明将人工智能技术运用到商标侵权判定中，进一步提高商标相似性判断的客观性和一致性，可以解决当前商标侵司法实践中的困境。此外，基于区块链技术，在线上进行侵权证据的取证和存证，进一步提高了取证存证的效率和安全。
-
公开(公告)号：CN111767837B
公开(公告)日：2023-12-05
申请号：CN202010601177.2
申请日：2020-06-28
Applicant: 中国计量大学
IPC: G06V20/40 , G06V20/52 , G06V10/764 , G06V10/84
Abstract: 本发明公开一种槽罐车装卸料时阀门操作规范性的视觉评估方法，其包括如下两个步骤：段：以槽罐车装卸料时阀门操作序列中包含的关键步骤为隐藏状态，建立主从式隐马尔科夫模型，并进行训练；(2)合规操作事件序列的在线识别：以第一个阀门操作步骤为起始操作事件，顺序检测后续帧中是否存在符合槽罐车装卸料时阀门操作规范的动作序列。本发明提供的槽罐车装卸料时阀门操作规范性的视觉评估方法借助于智能视觉技术对装卸工人的操作监控视频进行实时检测与分析，并通过建立隐马尔科夫模型来识别槽罐车装卸料时的阀门操作序列是否符合规范，从而实现对不符合操作规范事件的识别与预警。(1)主从式隐马尔科夫模型建立与离线训练阶
-
公开(公告)号：CN117151741A
公开(公告)日：2023-12-01
申请号：CN202311223376.4
申请日：2023-09-21
Applicant: 中国计量大学 , 浙江知多多网络科技有限公司
IPC: G06Q30/018 , G06V20/00 , G06V10/82
Abstract: 本发明公开了一种面对基层市场监督的侵权假冒商品自动监测系统及其方法，其通过摄像头采集品牌商品的外观图像，并在后端引入图像处理和分析算法来对外观图像中的商品标识和标准参考标识进行分析比对，以此来检测商品的真伪和侵权行为，从而判断品牌商品是否为假冒商品。这样，能够避免传统人工检测带来的低效率和低覆盖率的问题，从而提高假冒商品的检测效率和准确性，以实现对市场假冒侵权商品的有效监管，保护消费者权益，维护市场秩序和品牌声誉。
-
公开(公告)号：CN111310587B
公开(公告)日：2023-04-28
申请号：CN202010063082.X
申请日：2020-01-19
Applicant: 中国计量大学
Abstract: 本发明公开一种基于渐弱运动轨迹图的步态特征表示和特征提取方法，以每一帧为主，辅以后续的k‑1帧，共同构造一种特殊的轨迹图，其中第一帧权重最大，后续帧的权重逐步减少，这种权重的渐弱效果体现在目标轨迹图中对应于不同帧的灰度值递减上。该方法无需预先进行精确的步态周期分割，能够提取蕴含于序列图像之间的时序化步态特征，而且不会造成步态样本数量的锐减，相对于基于传统的步态能量图和步态轮廓图的步态特征表示和提取方法，识别准确率更高。
-
公开(公告)号：CN114724088A
公开(公告)日：2022-07-08
申请号：CN202210434454.4
申请日：2022-04-24
Applicant: 中国计量大学
Abstract: 本发明公开了一种基于时空残差网络的工序实时评估方法，通过对输入的监控视频中操作人员的检测，提取目标区域图像；然后，使用时空残差网络对目标区域进行时空特征提取和融合，实时识别出作业过程中的每道工序。该方法能够在监控摄像头固定的应用场景下，实现自动化的操作工序的高精度实时评估。
-
Patent Agency Ranking
公开(公告)号：CN111767837A
公开(公告)日：2020-10-13
申请号：CN202010601177.2
申请日：2020-06-28
Applicant: 中国计量大学
Abstract: 本发明公开一种槽罐车装卸料时阀门操作规范性的视觉评估方法，其包括如下两个步骤：(1)主从式隐马尔科夫模型建立与离线训练阶段：以槽罐车装卸料时阀门操作序列中包含的关键步骤为隐藏状态，建立主从式隐马尔科夫模型，并进行训练；(2)合规操作事件序列的在线识别：以第一个阀门操作步骤为起始操作事件，顺序检测后续帧中是否存在符合槽罐车装卸料时阀门操作规范的动作序列。本发明提供的槽罐车装卸料时阀门操作规范性的视觉评估方法借助于智能视觉技术对装卸工人的操作监控视频进行实时检测与分析，并通过建立隐马尔科夫模型来识别槽罐车装卸料时的阀门操作序列是否符合规范，从而实现对不符合操作规范事件的识别与预警。
-
公开(公告)号：CN107364476B
公开(公告)日：2020-05-22
申请号：CN201710588391.7
申请日：2017-07-19
Applicant: 中国计量大学
Inventor： 王修晖
Abstract: 本发明涉及一种检测设备搬运装置，尤其涉及一种用于检测设备的高安全性搬运装置。本发明要解决的技术问题是提供一种搬运过程中不易颠簸、安全性高、使得设备不易造成损坏、减小了经济损失的用于检测设备的高安全性搬运装置。为了解决上述技术问题，本发明提供了这样一种用于检测设备的高安全性搬运装置，包括有底板、移动装置、支架、顶板、收放装置、拉线、竖杆等；底板底部设有移动装置，底板顶板左端通过螺栓连接的方式竖直安装有支架，支架顶部通过螺栓连接的方式水平安装有顶板，顶部底部设有收放装置。本发明达到了搬运过程中不易颠簸、安全性高、使得设备不易造成损坏、减小了经济损失的效果。
-
公开(公告)号：CN114724252B
公开(公告)日：2025-02-14
申请号：CN202210435541.1
申请日：2022-04-24
Applicant: 中国计量大学
IPC: G06V40/20 , G06V20/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种基于改进MobileNet的视频行为识别方法，其包括如下步骤：首先，将待识别行为视频中的多个连续行为帧输入到所提出的识别网络中，来挖掘行为视频中前后帧之间的运动趋势特征。然后，在加权逐点卷积过程中，在时间轴上添加了一个随机淡入因子，为每个相关帧提供不同的权重来更有效地利用不同时刻的行为帧之间的运动趋势关系。本发明提供的行为识别方法采用了基于多帧MobileNet的轻量级网络架构，通过引入多个连续的行为帧来描述相似行为的内部差异，实现了细粒度的行为识别、检测和评估，提高基于视频的行为识别正确率。
-
公开(公告)号：CN115880484A
公开(公告)日：2023-03-31
申请号：CN202210483069.9
申请日：2022-04-28
Applicant: 中国计量大学
IPC: G06V10/25 , G06V10/75 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于卷积神经网络学习的商标识别方法，其包括如下步骤：首先提取训练样本和待识别样本的特征图，然后利用卷积神经网络对特征图进行学习，得到蕴含待识别目标关键信息的特征图，再利用该特征图对目标进行分类检测，以判断商标之间的相似度。本发明提供的识别方法采用卷积神经网络学习，并利用先分类再进行具体判断的思想，显著降低了计算量，提升了检测性能。
-
公开(公告)号：CN115599934A
公开(公告)日：2023-01-13
申请号：CN202211319002.8
申请日：2022-10-26
Applicant: 中国计量大学(CN)
IPC: G06F16/532 , G06N3/04 , G06N3/08 , G06Q50/18
Abstract: 本发明提供一种基于孪生网络的商标侵权行为识别方法，其包括如下步骤：首先通过训练样本中相同商标和不同商标中正负样本的提取商标图片的特征，将两个网络中提取到的特征进行距离的运算，属于同一个商标的特征距离更近，不同商标图像的特征距离更远，在此基础上进行损失的运算，得到商标相似度对比的模型。再利用训练好的模型将待识别商标与标准商标库的商标进行相似度对比，判定相似度在某范围内的商标为疑似侵权商标。本发明提供的商标侵权行为识别方法基于孪生网络分别对特征进行提取，并利用改进的深层卷积神经网络作为主干，以及对比损失对模型进行训练，最终对待识别的图片进行相似度判断，能够充分利用商标图像中的特征信息对侵权商标的局部特征进行比对识别，从而提高对疑似侵权商标判定的正确率，减轻商标执法人员从众多商标人工判断是否侵权的困难。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.04 seconds)
