会员体验
专利管家(专利管理)
工作空间(专利管理)
风险监控(情报监控)
数据分析(专利分析)
侵权分析(诉讼无效)
联系我们
交流群
官方交流:
QQ群: 891211   
微信请扫码    >>>
现在联系顾问~
热词
    • 12. 发明专利
    • METODĂ ŞI ALGORITM BAZAT PE GRADIENŢI DE MIŞCARE ŞI REŢELE NEURONALE CONVOLUŢIONALE PENTRU DETECTAREA ŞI LOCALIZAREA AUTOMATĂ A EVENIMENTELOR ANORMALE DIN VIDEO
    • RO133583A2
    • 2019-08-30
    • RO201800129
    • 2018-02-27
    • SECURIFAI S R L
    • IONESCU RADU TUDORSMEUREANU SORINAALEXE DUMITRU BOGDANPOPESCU MARIUS NICOLAE
    • G06K9/00G06K9/46G06N3/02G06T7/20G06T7/269
    • Invenţia se referă la o metodăşi la un algoritm pentru detectarea şi localizarea automată a evenimentelor anormale dintr-o înregistrare video. Algoritmul conform invenţiei se bazează atât pe trăsături ce reprezintă mişcarea din înregistrarea video, cât şi pe trăsături ce reprezintă înfăţişarea sau postura obiectelor sau a persoanelor şi cuprinde, pentru reprezentarea mişcării, extragerea gradienţilor de mişcare 3D şi acumularea lor în regiuni de dimensiune fixă, numite cuboizi spaţio-temporali din care se păstrează, pentru procesări ulterioare, doar regiunile pentru care magnitudinea gradienţilor depăşeşte un anumit prag, iar pentru reprezentarea obiectelor şi a posturii lor, se foloseşte o reţea neuronală convoluţională antrenată pe un set de date ImageNet pentru problema recunoaşterii obiectelor din imagini, trăsăturile extrase din reţeaua convoluţională fiind combinate apoi cu gradienţii de mişcare într-un vector de trăsături ce reprezintă o subregiune spaţio-temporală din înregistrarea video. Antrenarea algoritmului se realizează astfel: într-o primă etapă se foloseşte un algoritm de clusterizare pentru a grupa vectorii de trăsături în funcţie de similaritate, se utilizează un prag prestabilit pentru a elimina grupurile cu mai puţine elemente, iar pentru fiecare grup rămas se antrenează câte un clasificator SVM (Support Vector Machines) adaptat pentru o singură clasă, într-o etapă de testare se aplică clasificatorii pe cuboizi rezultaţi din fişierele video de testare şi, pentru fiecare exemplu, se consideră scorul de anomalie ca fiind maximul dintre scorurile date de clasificatorii SVM; în final se obţin scorurile la nivel de cadru, considerând scorul maxim al cuboizilor ce aparţin unui cadru video, după care scorurile astfel obţinute sunt netezite aplicând un filtru Gaussian pe dimensiunea temporală, iar pentru detectarea cadrelor ce conţin evenimente anormale se aplică un prag prestabilit peste scorurile calculate la nivel de cadru.