本发明提供一种基于记忆增强未来视频帧预测的监控视频异常检测方法，属于视频异常检测技术领域。该方法，首先搭建并优化学习异常检测模型，异常检测模型包括生成器网络和判别器网络；其中，生成器网络包括编码器、记忆模块和解码器，生成下一时刻的视频帧，即未来视频帧；判别器网络通过计算未来视频帧的异常分数，使用异常分数作为判断未来视频帧是否异常的标准；通过强度损失、梯度损失、光流损失、对抗损失和交叉熵损失对搭建的异常检测模型进行优化学习；然后对监控视频中的异常事件进行检测；该方法能显著提高监控视频中的异常检测精度；生成器网络具有较高的通用性和鲁棒性，能够嵌入到大多数异常检测方法中，提高其异常检测的性能。
📄 202210254979X
📂 G06V20_40
👤 南京邮电大学
📅 2022-03-15
本发明请求保护一种H.266/VVC帧间编码CU快速划分方法及存储介质，属于视频编码领域，该方法包括步骤：S1，判断当前CU的相邻MV是否存在且一致，如果是则进入下一步骤，否则进入S4；S2，通过当前CU坐标与MV相加得到参考帧对应位置坐标；S3，判断当前CU是否为正方形，如果是正方形，则使用9MV模型选择部分划分模式，如果是长方形，则使用横向6MV或者纵向6MV模型选择部分划分模式；S4，结束CU划分模式的初始化。本发明能够有效降低H.266/VVC在CU划分过程中的运算复杂度，缩短视频编码器的编码时间，可应用于移动端等需要较低视频编码运算复杂度的场景。
📄 2021101125377
📂 H04N19_147
👤 重庆邮电大学
📅 2021-01-27
本发明公开了一种应急通信网络的成帧时间与带宽分配联合优化方法，在时变信道状态下，构建应急通信网络的状态空间、动作空间、奖励函数；构建双深度Q网络，包括在线网络和目标网络；将智能体与应急通信网络环境交互所产生的经验样本存储于经验回放池中；针对每个经验样本，基于经验增强提取机制，计算采样优先级、采样概率，并赋予重要性采样权重；随机抽取预设数量的经验样本，对智能体进行训练，智能体根据实时应急通信网络的状态，输出最优的动作，完成应急通信网络的链路资源分配。本发明通过智能体与环境的实时交互，自主学习成帧时间与带宽分配的最佳组合策略，从而在时变信道条件下，显著提升链路带宽利用率并协同降低数据传输时延。
📄 2026105688097
📂 H04W72_50
👤 南京信息工程大学
📅 2026-04-28
本发明公开了一种融合时空上下文信息的气象雷达缺失帧重建方法，包括：对原始气象雷达观测数据进行预处理，得到规范化的雷达回波序列数据；采用随机掩码策略对规范化后的雷达回波序列数据进行缺失模拟，构建训练样本集；引入高效上采样模块及多尺度渐进式融合机制，构建融合时空上下文信息的气象雷达缺失帧重建模型并进行模型训练，通过残差式融合保留高层语义与低层细节，通过嵌入坐标信息的上采样使跨层级特征在空间位置上对齐；将实际缺失的雷达回波序列输入训练完成的缺失帧重建模型，输出补全后的完整雷达回波序列。本发明方法能显著提高雷达数据的完整性与可用性，为气象灾害的精准监测与及时预警等下游业务提供了可靠的数据支撑。
📄 2026101291223
📂 G01S13_95
👤 南京信息工程大学
📅 2026-01-30
本公开属于图像处理技术领域，公开一种用于视觉SLAM的相邻两帧图像ORB特征点匹配方法，包括：对相邻两帧图像提取ORB特征点，用暴力匹配方法进行粗匹配，获取N对匹配对，获取相邻两帧图像上成功匹配的各个特征点在所在图像的坐标，包括前一帧上的点(from.x,to.y)和后一帧上的点(to.x,to.y)；获取特征点向图像两边作垂线得到的矩阵的面积，面积包括Sfrom和Sto，获取该矩阵占所在图像的面积比，所在图像的面积包括S，面积比包括和将暴力匹配后的每一对点占所在图像的面积比作差，取绝对值为|Sd|。该用于视觉SLAM的相邻两帧图像ORB特征点匹配方法，解决了传统匹配方法产生大量误匹配的问题。
📄 2022108777982
📂 G06V10_75
👤 南京信息工程大学
📅 2022-07-25
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
本发明涉及一种基于纹理划分特征的HEVC帧内编码模式选择方法，包括以下步骤：（1）输入一个编码模式待选择的CTU；（2）对当前CTU的原始像素亮度值进行纹理特征分析，计算得到不同尺寸CU的纹理划分标识和32×32 CU的纹理特征值；（3）利用CU的纹理划分标识和纹理特征值，预测当前CTU的深度范围，以及计算CU的提前终止编码划分标识和PU的提前终止预测划分标识；（4）利用当前CTU的深度范围、CU的提前终止编码划分标识以及PU的提前终止预测划分标识，完成当前CTU的四叉树划分。本发明能够在保持良好编码率失真性能的情况下，有效减少HEVC帧内编码的处理时间，同时具有较好的并行处理特性。
📄 2017100614007
📂 H04N19_186
👤 浙江工业大学
📅 2017-01-26
一种基于一种自主选帧和边缘细化的视频目标分割方法，包括以下步骤：一开始，用户选择一个想要分割的对象，并简单标记它们的边界。然后，采用通用的视频目标分割算法对目标对象进行分割，并对每一帧的分割质量进行估计。然后，自主选帧模块将分割质量作为输入，向用户推荐最有价值的帧，然后将该帧放入边缘细化模块进行优化。最后，视频目标分割算法、自主选帧模块、边缘细化模块和用户组成一个循环，迭代地优化预测的掩膜，迭代结束后得到最后的目标分割结果。最后将每次分割结果输入到可视分析系统中，将优化的过程可视化。本发明还包括一种基于一种自主选帧和边缘细化的视频目标分割的系统。本发明在分割准确性与时间消耗方面做到良好的平衡。
📄 2023100450534
📂 G06V10_26
👤 浙江工业大学
📅 2023-01-30
一种基于前后帧进行特征匹配的双目惯导SLAM系统，双目信息采集、特征提取与匹配模块包括双目特征提取子模块和估计帧间运动子模块；IMU模块包括IMU信息采集子模块和运动估计子模块；双窗口非线性优化模块包括双窗口窗子模块，跟踪和优化局部地图子模块，关键帧子模块；局部建图模块包括插入关键帧模块、检查点云图模块和检查关键帧子模块；回环检测及优化模块包括回环检测子模块、计算相似变换、闭环融合和全局优化子模块。本发明提供一种鲁棒性好、准确性高、实时性好的一种基于四幅图片的特征匹配的双目惯导SLAM系统。
📄 2019102377880
📂 B25J9_16
👤 浙江工业大学
📅 2019-03-27
一种基于深度信息与随机Dropout的无监督视频插帧方法，包括以下步骤：步骤一、通过model产生预测帧It；步骤二、对训练model的训练集进行预处理；步骤三、通过model产生预测帧；步骤四、更新model的损失值计算；步骤五、通过得出的损失值对模型进行更新；步骤六、使用测试数据对训练好的model进行测试。本发明在专家模型添加Dropout层，来减少过拟合带来的影响；本发明还提出了引入深度信息来对物体的前后关系进行判断，解决物体遮挡引起的模糊问题，进一步提升了模型的预测效果。
📄 2024113683170
📂 H04N19_132
👤 浙江工业大学
📅 2024-09-29
一种基于单帧图像的多人并发交互行为理解方法，包括以下步骤：1)输入图片，结合骨架估计和多目标跟踪算法，获得人体骨架数据和感兴趣区域；2)使用人体骨架数据生成骨架部件置信度图和部件亲和力场，并构建注意力图；3)定义基于人体骨架注意力的Resnet‑Attention网络；4)定义多人交互行为理解的双流网络；5)网络参数训练。所提算法利用注意力图增强RGB图像的卷积网络特征，并基于人体骨架数据和移位图卷积网络提取双人交互特征，从而实现对单帧图像的多人交互行为建模，获得有效的交互行为表征。本发明适用于单帧图像中的多人并发交互理解。
📄 2021102598626
📂 G06K9_00
👤 浙江工业大学
📅 2021-03-10
本发明公开了一种基于深度学习的双向编码视频插帧方法、系统及设备，该方法获取目标视频中的两个相邻帧，使用第一编码器对两个相邻帧进行前向编码，获得第一编码特征，使用第二编码器对两个相邻帧进行后向编码，获得第二编码特征，将第一编码特征和第二编码特征进行融合，获得融合编码特征；使用解码器对融合编码特征进行解码，获得解码特征；对解码特征进行卷积获得卷积参数；基于卷积参数和两个相邻帧，计算获得目标合成帧。本申请使用了两个编码器对输入帧进行特征提取并融合提取的特征，让提取的特征更加完整和丰富，加强了视频插帧质量。
📄 202111394443X
📂 H04N19_172
👤 长沙理工大学
📅 2021-11-23
柿子坊 · 知识产权运营
柿子坊知识产权运营平台