一种基于混合高斯模型和卷积神经网络的危险品识别预警方法

发明专利有效专利

申请号：
CN202011611204.0
IPC分类号：G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G06T7/194
申请日期：
2020-12-29
申请人：
四川警察学院;西南交通大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于混合高斯模型和卷积神经网络的危险品识别预警方法
申请号	CN202011611204.0	申请日期	2020-12-29
法律状态	实质审查	申报国家	中国
公开/公告日	2021-04-13	公开/公告号	CN112651355A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;4;6;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8;;;G;0;6;T;7;/;1;9;4查看分类表>
申请人	四川警察学院;西南交通大学	申请人地址	四川省泸州市龙透关路186号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	四川警察学院,西南交通大学	当前权利人	四川警察学院,西南交通大学
发明人	朱书霖;章超;孙彪;吴新春;杨柯
代理机构	成都智弘知识产权代理有限公司	代理人	陈春

摘要

本发明公开了一种基于混合高斯模型和卷积神经网络的危险品识别预警方法，采用将混合高斯模型算法和深度学习的卷积神经网络结合起来，将两算法一并移植到嵌入式系统中；首先通过混合高斯模型(GMM)将输入图像的像素和背景模型进行对比。和背景模型相似性比较高的点视为背景，而与背景模型相似性比较低的点视为前景，并且通过图像处理的方法将前景提取出来，随后将所提取的前景图像传输至卷积神经网络模块，将在PC端训练好的卷积神经网络移植在嵌入式装置。从而能识别出刀，枪各种对人身有危害的工具，并且也能识别出火焰。从而保障特殊场所的人身安全，有着监测速度较快，检测精度高，小型化的优点。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供