申请/专利权人：大连海事大学

申请日：2021-07-28

公开（公告）日：2024-05-14

公开（公告）号：CN113469136B

主分类号：G06V20/52

分类号：G06V20/52;G06V10/82;G06N3/045;G06N3/0442;G06N3/0464;G06N3/084;G06V10/764

优先权：

专利状态码：有效-授权

法律状态：2024.05.14#授权;2021.10.26#实质审查的生效;2021.10.01#公开

摘要：本发明提出一种基于改进LSTM‑VGG16深层神经网络结构识别轮机员工作监控方法，包括：对轮机员进行图像摄影采集，获取轮机员值班的行为数据；把采集到的图像数据输入到改进的VGG16网络结构中提取特征，改进的VGG16网络结构中，去除最后一层，将倒数第二层的输出作为图像标题生成模型的图像特征，然后图像特征经过一层Dropout层处理，再经过一层Dense层，得到输入图像的特征矩阵；将每幅图像的描述单词串输入LSTM，得到单词串特征；将得到的输入图像的特征矩阵和LSTM输出的单词串特征输入到Add层相加；相加后的特征经第一Dense层和第二Dense层，得到图像描述。本发明能够当轮机员等工作人员在船楼、机舱、锅炉间等较远场所工作时，及时了解及反应轮机员工作状态。

主权项：1.一种基于改进LSTM-VGG16深层神经网络结构识别轮机员工作监控方法，其特征在于，包括：步骤一、对轮机员进行图像摄影采集，获取轮机员值班的行为数据；步骤二、把采集到的图像数据输入改进的VGG16网络结构得到图像特征，所述图像特征经一层Dropout层处理特征值，再经一层Dense层，获得输入图像的特征矩阵；所述改进的VGG16网络结构中，去除最后一层，将倒数第二层的输出作为图像特征；其中，将每幅图像的描述单词串输入LSTM，包括：将每幅图像的描述单词串定义为1×34的向量，所述向量经Embedding层得到大小为34×256的第一矩阵；将所述第一矩阵输入Dropout层，得到大小为34×256的第二矩阵；将所述第二矩阵输入LSTM层，得到大小为1×256的单词串特征；步骤三、将每幅图像的描述单词串输入LSTM，得到单词串特征；步骤四、将步骤二得到的输入图像的特征矩阵和步骤三中LSTM输出的单词串特征输入到Add层相加；步骤五、相加后的特征经第一Dense层和第二Dense层，得到图像描述；每幅图像的描述包括：根据每幅图像的内容，用多种不同的描述语句来描述图像，每句描述定义的字符串大小为1×34的向量。

全文数据：

权利要求：

百度查询： 大连海事大学 基于改进LSTM-VGG16深层神经网络结构识别轮机员工作监控方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD