说明:收录25万 73个行业的国家标准 支持批量下载
文库搜索
切换导航
文件分类
频道
联系我们
问题反馈
文件分类
联系我们
问题反馈
批量下载
(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211225536.4 (22)申请日 2022.10.09 (71)申请人 江苏超正科技有限公司 地址 214135 江苏省无锡市新吴区震泽路 18号软件园巨蟹座A3 05室 (72)发明人 谈文正 (74)专利代理 机构 南京苏博知识产权代理事务 所(普通合伙) 3241 1 专利代理师 朱凤平 (51)Int.Cl. H04N 5/14(2006.01) H04N 5/232(2006.01) (54)发明名称 基于深度神经网络图像的目标识别与运动 检测方法及系统 (57)摘要 本发明涉及视频图像处理技术领域, 具体涉 及一种基于深度神经网络图像的目标识别与运 动检测方法及系统, 包括调整子系统、 获取子系 统和预测子系统, 首先, 获取子系统拍摄场景视 频, 得到待检测数据; 然后, 预测子系统将待检测 数据输入目标预测模型进行预测, 得到运动目 标, 最后, 调整子系统基于运动目标调整获取子 系统的角度, 使得获取子系统采集的画面始终包 含运动目标, 避免运动目标超 过获取子系统的采 集范围使得预测子系统无法预测。 实现对运动目 标的追踪; 解决了现有的目标识别与运动检测系 统对运动目标的预测效果较 差的问题。 权利要求书2页 说明书6页 附图4页 CN 115514858 A 2022.12.23 CN 115514858 A 1.一种基于深度神经网络图像的目标识别与运动检测系统, 其特 征在于, 包括调整子系统、 获取子系统和预测子系统, 所述调整子系统、 所述获取子系统和所述 预测子系统依次连接, 且所述调整子系统与所述预测子系统连接; 所述获取子系统, 用于拍摄场景视频, 得到待检测数据; 所述预测子系统, 用于将所述待检测数据输入目标 预测模型进行 预测, 得到运动目标; 所述调整子系统, 基于运动目标调整所述获取子系统的角度。 2.如权利要求1所述的基于深度神经网络图像的目标识别与运动检测系统, 其特征在 于, 所述获取子系统包括测光模块、 参数调整模块和拍摄模块, 所述测光模块、 所述参数调 整模块和所述拍摄模块依次连接; 所述测光模块, 用于检测当前场景的光照强度; 所述参数调整模块, 基于所述 光照强度对所述拍摄模块的拍摄参数进行调整; 所述拍摄模块, 用于拍摄场景视频, 得到待检测数据。 3.如权利要求2所述的基于深度神经网络图像的目标识别与运动检测系统, 其特征在 于, 所述基于深度神经网络图像的目标识别与运动检测系统还包括清洁子系统, 所述清洁 子系统与所述调整子系统连接; 所述清洁子系统, 用于对所述拍摄模块的采集端 进行清洁。 4.如权利要求3所述的基于深度神经网络图像的目标识别与运动检测系统, 其特征在 于, 所述预测子系统包括爬取模块、 预处理模块、 构建模块和预测模块, 所述爬取模块、 所 述预处理模块和所述预测模块依次连接, 所述构建模块与所述预测模块连接; 所述爬取模块, 用于 爬取公开数据集; 所述预处 理模块, 用于对所述公开数据集进行 预处理, 得到训练集和验证集; 所述构建模块, 用于使用所述训练集和所述验证集对神经网络模型进行训练和验证, 得到目标 预测模型; 所述预测模块, 用于将所述待检测数据输入所述目标预测模型进行预测, 得到运动目 标。 5.如权利要求4所述的基于深度神经网络图像的目标识别与运动检测系统, 其特征在 于, 所述预处理模块包括过滤子模块、 标注子模块和划分子模块, 所述过滤子模块、 所述标 注子模块和所述划分子模块依次连接; 所述过滤子模块, 用于对所述公开数据集进行 过滤, 得到过 滤数据集; 所述标注子模块, 用于对所述过 滤数据集进行 标注, 得到标注数据集; 所述划分子模块, 用于将所述标注数据集划分为训练集和验证集。 6.如权利要求5所述的基于深度神经网络图像的目标识别与运动检测系统, 其特征在 于, 所述调整子系统包括对比模块、 指令生成模块、 横向转动台和纵向转动台, 所述对比模 块和所述指令生成模块连接, 所述横向转动台和所述 纵向转动台均与所述指令生成模块连权 利 要 求 书 1/2 页 2 CN 115514858 A 2接; 所述对比模块, 用于将所述 运动目标的位置与预设位置进行对比, 得到对比差值; 所述指令生成模块, 基于所述对比差值 生成横向转动指令和纵向转动指令; 所述横向转动台, 基于所述横向转动指令带动所述纵向转动台转动; 所述纵向转动台, 基于所述纵向转动指令带动所述拍摄模块 转动。 7.一种基于深度神经网络图像的目标识别与运动检测方法, 应用于权利要求6所述的 基于深度神经网络图像的目标识别与运动检测系统, 其特 征在于, 包括以下步骤: 通过获取子系统拍摄场景视频, 得到待检测数据; 通过预测子系统将所述待检测数据输入目标 预测模型进行 预测, 得到运动目标; 通过调整子系统基于运动目标调整所述获取子系统的角度。权 利 要 求 书 2/2 页 3 CN 115514858 A 3
专利 基于深度神经网络图像的目标识别与运动检测方法及系统
文档预览
中文文档
13 页
50 下载
1000 浏览
0 评论
309 收藏
3.0分
赞助2元下载(无需注册)
温馨提示:本文档共13页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
下载文档到电脑,方便使用
赞助2元下载
本文档由 人生无常 于
2024-03-18 08:57:22
上传分享
举报
下载
原文档
(651.3 KB)
分享
友情链接
T-JSSES 24—2022 陶粒窑协同处置污染土壤技术指南.pdf
GB-T 27769-2011 社会保障服务中心设施设备要求.pdf
GB-T 29072-2012 航天器研制技术流程编写规则.pdf
DB63-T 2226-2023 绿色算力基础设施智能运维规范 青海省.pdf
方正证券 安全服务 网络安全行业的制高点.pdf
WS-T 795-2022 儿科输血指南.pdf
赛迪 2020中国安全运营中心调研分析报告.pdf
GB-T 31538-2015 混凝土接缝防水用预埋注浆管.pdf
GB-T 29849-2013 光伏电池用硅材料表面金属杂质含量的电感耦合等离子体质谱测量方法.pdf
JCT 2743-2022 平板玻璃生产企业节能技术指南.pdf
GB-T 18959-2023 木材保管规程.pdf
GB-T 42825-2023 电动滑板车通用技术规范.pdf
DB3305-T 197-2021 绿水青山就是金山银山 生态资源数字化建设与应用指南 湖州市.pdf
XF 979-2012 D类干粉灭火剂.pdf
GB-T 36341.1-2018 信息技术 形状建模信息表示 第1部分:框架和基本组件.pdf
GB-T 35547-2017 乡镇消防队.pdf
GB-T 41665-2022 制造执行系统模块化框架.pdf
DB51-T 2621-2019 机关事务信息化建设指南 四川省.pdf
GB-T 41267-2022 网络关键设备安全技术要求 交换机设备.pdf
中华人民共和国电子签名法 2019.pdf
交流群
-->
1
/
3
13
评价文档
赞助2元 点击下载(651.3 KB)
回到顶部
×
微信扫码支付
2
元 自动下载
官方客服微信:siduwenku
支付 完成后 如未跳转 点击这里 下载
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们
微信(点击查看客服)
,我们将及时删除相关资源。