Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 杭州电子科技大学程世超获国家专利权

杭州电子科技大学程世超获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉杭州电子科技大学申请的专利一种密集人群环境中的特定行为识别方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115527270B

龙图腾网通过国家知识产权局官网在2026-05-12发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211233140.4,技术领域涉及:G06V40/20;该发明授权一种密集人群环境中的特定行为识别方法是由程世超;张建海;周俊哲;刘华圣设计研发完成,并于2022-10-10向国家知识产权局提交的专利申请。

一种密集人群环境中的特定行为识别方法在说明书摘要公布了:本发明公开了一种密集人群环境中的特定行为识别方法,包括如下步骤:S1、数据集获取,所述数据集包括行人检测数据集和行为识别数据集;S2、数据集预处理;S3、将预处理后的行人检测数据集中的图像输入至特征图金字塔网络提取出对应的特征,在通过区域生成网络生成候选区域以及该候选区域的类别信息;S4、使用极大值抑制算法去除重叠目标;S5、基于残差网络的分类识别网络进行特定行为目标的识别;S6、训练分类识别网络的网格参数;S7、通过步骤S6得到最优网格参数,并导入分类识别网络中,通过行为识别数据集进行测试。该方法对密集人群这一特殊环境,通过融合检测与识别任务的两阶段,实现密集人群环境中特定行为的检测识别任务。

本发明授权一种密集人群环境中的特定行为识别方法在权利要求书中公布了:1.一种密集人群环境中的特定行为识别方法,其特征在于,包括如下步骤: S1、数据集获取,所述数据集包括行人检测数据集和行为识别数据集; S2、数据集预处理 S2-1、在不丢失图像信息的前提下,将数据集尺寸统一化,使用ImageNet训练集抽样计算得到图像数据并进行归一化; S2-2、对归一化后得到的图像中行人是否有某个特定行为进行标签标记,0为存在特定行为,1为不存在特定行为; S3、将预处理后的行人检测数据集中的图像输入至特征图金字塔网络提取出对应的特征,在通过区域生成网络生成候选区域以及该候选区域的类别信息; 所述步骤S3中采用了RPN区域生成网络生成候选区域以及该候选区域的类别信息,方法为:首先生成锚框,判断每个锚框为包含物体的前景或者是背景并进行二分类,使用边界框回归对锚框进行微调,使得筛选出的锚框和真实框更加接近,对于生成候选区域,使用带有参数K的检测函数预测一个实例集,表达式如下: 1 2 其中表示第项候选区域proposalbox,表示与对应的一组真实实例集groundtruth集合,表示所有的groundtruthboxes集合,代表候选框中实例的最大个数,也表示的最大基数,是一个预测实例集,是类置信度标签,是对应的位置,是给定的联合交集比率的阈值; S4、使用改进的极大值抑制算法去除重叠目标; 去除重叠目标的方法为:通过步骤S3得到的多个候选区域中选择其中一个置信度最大的作为第一边界框,然后从剩余候选区域中选择一个作为第二边界框,如果两边界框来自同一个候选区域,则跳过抑制步骤,否则,通过极大值抑制算法计算两个边界框的联合交集比率的值,如果其值大于阈值,则将该第二边界框剔除,然后再依次对剩余候选区域重复上述操作,直到所有候选区域遍历完成,确定最终的候选区域; S5、基于残差网络的分类识别网络进行特定行为目标的识别,所述分类识别网络包括第一阶段检测网络和第二阶段分类网络,所述第一阶段检测网络使用三层全连接的卷积神经网络进行初步分类,将检测出概率大于0.1的目标则直接分到玩手机类别,概率小于0.1的目标设为待定;所述第二阶段分类网络使用三层两个神经元的ResNet-50框架网络对待定目标进行进一步分类; S6、训练分类识别网络的网格参数; S7、通过步骤S6得到最优网格参数,并导入分类识别网络中,通过行为识别数据集进行测试。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人杭州电子科技大学,其通讯地址为:310018 浙江省杭州市钱塘新区白杨街道2号大街1158号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。