一种监控视频处理方法及装置、监控系统、存储介质、终端，所述监控视频处理方法包括：接收各个边缘计算节点上报的各自监控范围内的对象的对象信息，其中，所述对象信息包括：特征信息以及附属信息；根据各个对象的特征信息对所有的对象进行分类，分别得到每个对象来自各个边缘计算节点的附属信息；对所述每个对象来自各个边缘计算节点的附属信息进行整合，并将整合后的附属信息作为每个对象的附属信息；存储所述每个对象的对象信息。上述方案，能够兼顾数据处理耗时和分类结果的准确率。
📄 2020113602141
📂 G06V20_40
👤 上海芯翌智能科技有限公司
📅 2020-11-27
本申请实施例公开了一种手术流程识别方法、装置、系统及计算机可读存储介质，属于计算机技术领域。在本申请实施例中，手术阶段分为多个主阶段，且存在主阶段包括子阶段，基于此，先参考手术视频中在第一图像之前已经历的手术阶段，确定第一图像所属的手术主阶段，如果识别出的手术主阶段还细分子阶段，再参考第一图像中存在的器械，确定第一图像所属的手术子阶段。可以看出，本方案通过粗识别和细识别相结合，且利于粗识别和细识别各自的特性，有效提高了手术流程识别的精细度和准确率。若在手术过程中进行手术流程识别，本方案能够为手术提供准确信息，有效减少手术失误，提高手术成功率。
📄 2021103213103
📂 G06V20_40
👤 杭州海康威视数字技术股份有限公司
📅 2021-03-25
本发明提供了一种快速的全景视频显著性预测方法，首先将全景视频处理为视频帧，将连续的视频帧作为输入。针对全景视频视场范围大，内容复杂的问题，设计了两阶段级联方法，首先通过基础视觉特征提取模块对输入帧序列进行多尺度语义特征提取，快速提取有用信息，过滤背景信息，随后通过时空解耦模块以串行的方式分别提取连续帧的时间特征及空间特征，然后通过双分支注意力先验模块生成赤道先验和空间语义集成先验来模拟全景视频观看行为中的视觉偏置现象，最后将时空特征和先验特征进行融合，使用时序关系建模模块处理连续视频帧之间的时序关系并生成最终的显著图。
📄 2025107085827
📂 G06V20_40
👤 南京信息工程大学
📅 2025-05-29
本发明公开了一种基于跨帧实例关联的视频实例分割方法，将待分割视频帧序列输入到多尺度特征提取器提取到不同尺度的特征图，通过变压器编码器中提取到时空特征，然后通过像素解码器来得到融合后的时空特征，最后经过变压器解码器，得到最终的嵌入向量，将嵌入向量与高分辨率时空特征进行点积操作，获得实例分割结果。本发明通过面向时空特征的多尺度方法来学习动态实例的时空相关性并构建更稳定的跨帧实例关联，建立可靠的跨帧实例关联，提高了视频实例分割任务的精度，在两个流行的数据集上比最近的方法取得了领先的性能。
📄 202310083300X
📂 G06V20_40
👤 浙江工业大学
📅 2023-02-08
一种基于多模态特征融合的深度伪造音视频细粒度检测方法和装置，包含一个基于多模态特征融合辅以注意力机制的神经网络模型，从单一模态和跨模态两个维度，分别对近距离的特征相似信息和远距离的特征差异信息进行整合分析，输出细粒度检测结果，其方法包括：首先，获取说话人伪造音视频数据集并进行数据预处理，用于模型的训练；然后构建本发明提出的神经网络模型，并训练至拟合；将待检测音视频进行相同的预处理操作后，输入训练完成的神经网络模型进行处理，最后由模型输出细粒度检测结果。本发明能解决对当前说话人深度伪造音视频缺乏精确细粒度检测方法的问题。
📄 2025100403246
📂 G06V20_40
👤 浙江工业大学
📅 2025-01-10
一种基于国产化昇腾AI处理器的声呐视频目标检测方法和装置，属于海洋声学探测技术领域，其方法包括以下步骤：S1、搭建基于Atlas200I A2加速模块的边缘智能硬件平台；S2设计前视声呐视频目标检测网络，引入运动激励模块，以增强帧间运动特征，设计自注意力特征聚合模块聚合时间上下文特征；S3、使用两阶段训练法训练声呐视频目标检测网络，保存训练的网络权重和结构为ONNX推理框架图文件，使用非对称量化法对模型的权重进程量化；S4、使用昇腾CANN异构推理框架部署视频目标检测网络。本发明克服单帧检测器对前视声呐视频中的运动模糊和目标隐蔽等情况检测差的挑战，提升了检测精度，推动国产化AI处理器在前视声呐检测技术中的应用与发展。
📄 2024118096356
📂 G06V20_40
👤 浙江工业大学
📅 2024-12-10
本发明公开了一种完全卷积的实时视频实例分割方法，首先待处理图像，输入到特征提取网络提取低阶、中阶和高阶初始特征图；然后将低阶、中阶和高阶初始特征图输入到编码器，进行融合拼接，得到编码特征；将编码特征输入到解码器，所述解码器包括掩码生成分支和实例激活分支，编码特征输入到掩码生成分支后得到分割掩码，编码特征输入到实例激活分支后得到动态卷积核、分类信息和匹配信息；最后将分割掩码与动态卷积核做动态卷积得到最终实例分割结果。本发明使用了以一种新的实例激活模块提高了检测精度，最后使用了二部匹配机制，极大的减少了模型的推理时间，提高了实时性，提高了视频实例分割的精度。
📄 2022108433462
📂 G06V20_40
👤 浙江工业大学
📅 2022-07-18
一种基于迁移学习方法的雨量反演算法，包括步骤数据集准备、数据集分类、数据集预处理、构建以灰度变化和饱和度为特征的多元高斯混合模型，进一步对ROI区域内的候选雨滴进行筛选；上步骤筛选后得到的雨滴，依据雨滴谱定义，采用Gamma分布模型，反演得到降雨量；本发明由于采用上述技术方案，具有以下优点：能够在不借助其它专业监测降雨量设备的基础上，有效利用交通摄像头拍摄得到的视频反演得到降雨量，在复杂环境中的抗干扰性能更强，降低了晴朗环境误判下雨的概率，更具有现实意义和应用价值。
📄 2023107246336
📂 G06V20_40
👤 浙江工业大学
📅 2023-06-19
一种基于元学习的少样本行为识别方法，包括以下步骤：1)视频数据集分为元训练集和元测试集，从元训练集中抽取多组支持集和询问集用于训练模型，从元测试集中抽取多组支持集和询问集用于测试模型；2)使用浅层三维卷积神经网络提取支持集和询问集的视频特征；3)构建一种元学习网络，用于对支持集进行建模，生成步骤2)中浅层三维卷积神经网络参数；4)对步骤2)提取到的视频特征进行二阶变换和归一化处理；5)将处理后的支持集和询问集视频特征进行拼接，采用多层二维卷积神经网络提取询问集和支持集视频特征之间的非线性距离关系，对训练集视频进行分类。本发明具有较好的任务间泛化能力以及对新视频行为的识别准确率。
📄 2021103192094
📂 G06V20_40
👤 浙江工业大学
📅 2021-03-25
本发明公布了一种基于深度学习的道路溢出实时检测方法，它包括有以下步骤：1)相机预置位设置以及相机标定；2)卷积神经网络模型初始化；3)获取实时视频流；4)检查相机工作状态；5)使用卷积神经网络模型对兴趣区域进行车辆目标检测；6)进行基于IoU匹配的车辆多目标跟踪；7)道路溢出分析；8)道路溢出事件上报并设置睡眠状态。本发明提出一种道路溢出实时检测方法，用深度卷积神经网络CNN进行车辆目标检测，并结合基于IoU匹配的跟踪算法进行车辆多目标跟踪，可以准确而快速地进行道路溢出检测。
📄 2019112289250
📂 G06V20_40
👤 浙江工业大学
📅 2019-12-04
本发明公开了一种基于关键帧的移动机器人高效闭环检测方法，包括：获取图像帧；利用视觉里程计提取当前图像帧的关键点和描述子，并对当前图像帧和其相邻图像帧进行位姿估计；利用语义分割网络将当前图像帧转换为语义图，获得语义分割结果；将移动机器人运行时采集的第一个图像帧记为关键帧，根据位姿估计和语义分割结果提取其余关键帧；将各关键帧的关键点和描述子输入BoW模型转化为对应的视觉词向量，并将视觉词向量存入历史数据集；对当前图像帧进行闭环检测获得闭环检测结果；根据闭环检测结果切换闭环检测状态。该方法可自适应切换检测状态，减少运算量，能够在保证闭环检测准确率的基础上有效提高系统的关键帧选取结果和闭环检测效率。
📄 2022114763402
📂 G06V20_40
👤 浙江工业大学
📅 2022-11-23
基于视频和声音数据融合的打架行为检测方法，训练步骤包括：(11)选择处理声音片段和视频片段的深度网络结构netA和netV；(12)采集视频片段及时间同步的声音片段构成训练集；(13)将视频片段和语音片段分别预处理后传入netV和netA，各自经过全连接层fcV和fcA；(14)加权拼接fcV和fcA得到FC1；(15)FC1经全连接层FC2、FC3前向传播到达分类层CL；(16)计算分类损失用反向传播法得到深度神经网络层netA、netV、fcA、fcV、FC2和FC3的参数；预测步骤包括：(21)采集视频片段及时间同步的声音片段；(22)与步骤(13)相同；(23)与步骤(14)相同；(24)与步骤(15)相同；(25)根据CL层两个神经元数值的大小关系判定是否有打架行为发生。
📄 202110491187X
📂 G06V20_40
👤 浙江工业大学
📅 2021-05-06
柿子坊 · 知识产权运营
柿子坊知识产权运营平台