首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于深度学习的水运异常事件识别方法及监测系统 

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!

申请/专利权人:贵州道坦坦科技股份有限公司

摘要:本公开提供一种基于深度学习的水运异常事件识别方法及监测系统,通过自相关语义识别,得到各个图像分块被确认是噪声图像分块的置信度,可提高识别目标水运监控图像中噪声图像分块的精确度。进一步地,基于当前游走到的图像分块被识别为噪声图像分块的置信度,图像分块矩阵,以及目标参考图像分块,可确定当前游走到的图像分块为目标参考图像分块的噪声图像分块的置信度,将目标水运监控图像中的目标图像分块还原为相应的目标参考图像分块,可得到目标水运监控图像的去噪图像,以提高去噪的精确度,从而使得基于去噪图像识别得到的异常事件更加准确可靠。

主权项:1.一种水运异常事件识别方法,其特征在于,所述方法包括:获取目标水运监控图像的图像分块矩阵,所述目标水运监控图像包括多个图像分块;对所述图像分块矩阵进行自相关语义识别,得到各个图像分块被确认是噪声图像分块的置信度;对所述多个图像分块进行逐一游走,获取当前游走到的图像分块对应的目标参考图像分块,以及依据所述当前游走到的图像分块被确认是噪声图像分块的置信度,所述图像分块矩阵,以及所述目标参考图像分块,确定所述目标水运监控图像中所述当前游走到的图像分块为所述目标参考图像分块的噪声图像分块的置信度;其中,目标参考图像分块是作为候选的图像分块;依据所述目标水运监控图像中各个图像分块为参考图像分块的噪声图像分块的置信度,在所述多个图像分块中确定得到目标图像分块,所述目标图像分块为目标参考图像分块的噪声图像分块的置信度大于所述多个图像分块中其余图像分块为相应参考图像分块的噪声图像分块的置信度;将所述目标水运监控图像中的所述目标图像分块还原成相应的目标参考图像分块,得到所述目标水运监控图像的去噪图像;基于所述去噪图像进行水运异常事件识别,得到异常事件识别结果;所述方法还包括:基于所述当前游走到的图像分块被确认是噪声图像分块的置信度,对所述当前游走到的图像分块和预设屏蔽矩阵进行偏心调节,得到当前游走到的图像分块对应的温和屏蔽表征向量;预设屏蔽矩阵是一个与图像分块矩阵大小相同的矩阵,其元素值被预先设定,用于在后续处理中屏蔽潜在的噪声影响;所述依据所述当前游走到的图像分块被确认是噪声图像分块的置信度,所述图像分块矩阵,以及所述目标参考图像分块,确定所述目标水运监控图像中所述当前游走到的图像分块为所述目标参考图像分块的噪声图像分块的置信度,包括:基于所述温和屏蔽表征向量,所述图像分块矩阵,以及所述目标参考图像分块,确定所述目标水运监控图像中所述当前游走到的图像分块为所述目标参考图像分块的噪声图像分块的置信度;所述基于所述当前游走到的图像分块被确认是噪声图像分块的置信度,对所述当前游走到的图像分块和预设屏蔽矩阵进行偏心调节,得到当前游走到的图像分块对应的温和屏蔽表征向量,包括:将所述当前游走到的图像分块被确认是噪声图像分块的置信度作为所述预设屏蔽矩阵的偏心系数;依据所述当前游走到的图像分块被确认是噪声图像分块的置信度,确定所述当前游走到的图像分块的偏心系数;依据所述预设屏蔽矩阵的偏心系数和所述当前游走到的图像分块的偏心系数,对所述当前游走到的图像分块和预设屏蔽矩阵进行偏心调节,得到所述当前游走到的图像分块对应的温和屏蔽表征向量;所述对所述图像分块矩阵进行自相关语义识别,得到各个图像分块被确认是噪声图像分块的置信度,包括:对所述图像分块矩阵中的每个图像分块,确定所述每个图像分块对应的上下文状态表征向量;基于所述每个图像分块对应的上下文状态表征向量,确定所述每个图像分块对应的图像分块表征向量;基于所述每个图像分块对应的图像分块表征向量,确定所述每个图像分块被确认是噪声图像分块的置信度;所述依据所述当前游走到的图像分块被确认是噪声图像分块的置信度,所述图像分块矩阵,以及所述目标参考图像分块,确定所述目标水运监控图像中所述当前游走到的图像分块为所述目标参考图像分块的噪声图像分块的置信度,包括:基于所述图像分块矩阵和所述当前游走到的图像分块被确认是噪声图像分块的置信度,确定所述当前游走到的图像分块对应的第一潜在表征向量;基于所述第一潜在表征向量和所述当前游走到的图像分块,确定所述当前游走到的图像分块对应的第二潜在表征向量;基于所述当前游走到的图像分块,所述当前游走到的图像分块对应的第二潜在表征向量,以及所述目标参考图像分块,确定所述目标水运监控图像中所述当前游走到的图像分块为所述目标参考图像分块的噪声图像分块的置信度。

全文数据:

权利要求:

百度查询: 贵州道坦坦科技股份有限公司 基于深度学习的水运异常事件识别方法及监测系统

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。

相关技术
相关技术
相关技术
相关技术