公开(公告)号：CN111582122A

公开(公告)日：2020-08-25

申请号：CN202010358319.7

申请日：2020-04-29

Applicant: 成都信息工程大学 ,  许源平

Inventor： 许源平 ,  张朝龙 ,  冯暄 ,  咬登国 ,  许志杰 ,  龚梅 ,  乔少杰 ,  郭本俊 ,  李婵玉 ,  黄健

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种监控视频多维度行人行为智能分析系统及方法，该系统包括个体行为分析模块、小群组行为分析模块、群组行为分析模块、场景分析模块、行人行为维度评估模块、智能网关、应用逻辑集成模块和视频来源管理模块。该方法为：获取监控视频数据流，从监控视频数据流中提取视频帧，使用关键视频帧数据进行场景分类和行人行为维度的选择；合并场景和行人行为维度信息；进行行人行为分析模块选择的决策及管理数据的传输；通过选定的行为维度下的行人行为分析模块中集成的一种场景的行人行为分析模型，进行智能行为识别，输出最终行人行为识别结果。本发明可支持各种复杂监控场景和行人行为维度的行人行为识别。

公开(公告)号：CN111582122B

公开(公告)日：2021-03-16

申请号：CN202010358319.7

申请日：2020-04-29

Applicant: 成都信息工程大学 ,  许源平

Inventor： 许源平 ,  张朝龙 ,  冯暄 ,  咬登国 ,  许志杰 ,  龚梅 ,  乔少杰 ,  郭本俊 ,  李婵玉 ,  黄健

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种监控视频多维度行人行为智能分析系统及方法，该系统包括个体行为分析模块、小群组行为分析模块、群组行为分析模块、场景分析模块、行人行为维度评估模块、智能网关、应用逻辑集成模块和视频来源管理模块。该方法为：获取监控视频数据流，从监控视频数据流中提取视频帧，使用关键视频帧数据进行场景分类和行人行为维度的选择；合并场景和行人行为维度信息；进行行人行为分析模块选择的决策及管理数据的传输；通过选定的行为维度下的行人行为分析模块中集成的一种场景的行人行为分析模型，进行智能行为识别，输出最终行人行为识别结果。本发明可支持各种复杂监控场景和行人行为维度的行人行为识别。

公开(公告)号：CN112215185A

公开(公告)日：2021-01-12

申请号：CN202011131723.7

申请日：2020-10-21

Applicant: 成都信息工程大学

Inventor： 许源平 ,  张朝龙 ,  冯暄 ,  许志杰 ,  曹衍龙 ,  卢军 ,  黄健 ,  咬登国 ,  石雅静 ,  许曹荣 ,  王万婷

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提供了一种从监控视频中检测跌倒行为的系统及方法，属于视频监控技术领域，包括依次连接的关键帧提取模块、行人检测模块、人体关键点检测模块、连续姿态特征编码模块以及输出模块。本发明从监控视频中检测跌倒行为包括从监控画面中检测行人、人体关键点检测与姿态估计、连续时间域的人体姿态类图像特征编码和基于CNN卷积神经网络的跌倒行为分类器四个部分，解决了现有技术跌倒检测系统需要额外穿戴设备、检测精度不高和需要额外安装监控设备的缺陷和不足，提供一种低成本、无需额外安装监控设备的、从现有的普通监控摄像头所拍摄的视频中分析人体的动作行为，并检测是否有跌倒行为发生。

公开(公告)号：CN110647587A

公开(公告)日：2020-01-03

申请号：CN201910932872.4

申请日：2019-09-29

Applicant: 肖凯泽 ,  李雪 ,  咬登国 ,  成都信息工程大学

Inventor： 肖凯泽 ,  李雪 ,  咬登国

IPC: G06F16/27 ,  G06F16/21

Abstract: 本发明公开了一种基于两级模型的异源异构资源映射方法，包括以下步骤：a、调取云端资源数据并加载；b、解析云端资源数据并建立云端资源模型；c、调取本地资源数据并加载；d、解析本地资源数据并建立本地实体资源模型；e、建立云端资源模型数据与本体实体模型数据的对应关系；f、将建立对应关系的云端资源模型数据映射为本地实体模型数据；g、将映射后的资源数据实例化并对资源数据进行分类；h、将分类后的资源数据分别建立资源管理数据库。本发明通过建立的两级模型解决跨平台异源异构数据的集成困难问题。

公开(公告)号：CN112215185B

公开(公告)日：2022-08-05

申请号：CN202011131723.7

申请日：2020-10-21

Applicant: 成都信息工程大学

Inventor： 许源平 ,  张朝龙 ,  冯暄 ,  许志杰 ,  曹衍龙 ,  卢军 ,  黄健 ,  咬登国 ,  石雅静 ,  许曹荣 ,  王万婷

IPC: G06V40/20 ,  G06V20/52 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明提供了一种从监控视频中检测跌倒行为的系统及方法，属于视频监控技术领域，包括依次连接的关键帧提取模块、行人检测模块、人体关键点检测模块、连续姿态特征编码模块以及输出模块。本发明从监控视频中检测跌倒行为包括从监控画面中检测行人、人体关键点检测与姿态估计、连续时间域的人体姿态类图像特征编码和基于CNN卷积神经网络的跌倒行为分类器四个部分，解决了现有技术跌倒检测系统需要额外穿戴设备、检测精度不高和需要额外安装监控设备的缺陷和不足，提供一种低成本、无需额外安装监控设备的、从现有的普通监控摄像头所拍摄的视频中分析人体的动作行为，并检测是否有跌倒行为发生。

公开(公告)号：CN113392817A

公开(公告)日：2021-09-14

申请号：CN202110935837.5

申请日：2021-08-16

Applicant: 成都信息工程大学

Inventor： 曾琼 ,  耿微 ,  唐聃 ,  王亚强 ,  咬登国

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多列卷积神经网络的车辆密度估计的方法及装置，方法包括：通过多列不同尺寸的卷积神经网络分别对车辆图片中的车辆特征进行提取，得到多种不同的车辆特征矩阵；利用所述多种不同的车辆特征矩阵，生成多列卷积神经网络；利用预存的训练车辆图片中的标签文件，生成真实密度图，并利用所述真实密度图对所述多列卷积神经网络进行训练，得到训练后的多列卷积神经网络；利用所述训练后的多列卷积神经网络估计预测车辆图片，生成估计密度图；根据所述估计密度图对所述预测车辆图片进行车辆密度估计。