【技术实现步骤摘要】
本申请涉及计算机视觉领域，具体而言，涉及车载矿用视频监测的动态图谱模态语义分割方法及系统。
技术介绍
1、本部分的内容仅提供了与本申请相关的背景信息，其可能并不构成现有技术。
2、在矿产资源的开采过程中，对矿区的实时监测是确保安全生产和提高开采效率的关键环节。传统上，矿区的监测依赖于人工巡检，这种方式不仅耗时费力，而且难以实现对矿区的全面、实时覆盖。随着计算机视觉和深度学习技术的快速发展，车载视频监测系统逐渐成为矿区监测的重要手段。然而，现有的车载视频监测方法在处理复杂的矿区环境时仍面临诸多挑战。
3、首先，矿区环境复杂多变，包括不同光照条件、遮挡物以及多变的地形地貌，这些都对视频的清晰度和准确性提出了很高的要求。其次，矿区中的物体种类繁多，如矿石堆、设备、人员等，这些物体的形态、大小和颜色各异，使得传统的图像处理方法难以准确地进行识别和分类。此外，矿区的监测视频往往数据量庞大，如何高效地处理和分析这些数据，提取有用的信息，是另一个亟待解决的问题。
4、为了解决上述问题，现有技术中，研究人员开始探索利...
【技术保护点】
1.一种车载矿用视频监测的动态图谱模态语义分割方法，其特征在于，包括：
2.根据权利要求1所述的一种车载矿用视频监测的动态图谱模态语义分割方法，其特征在于，所述利用预训练的第一卷积神经网络模型对视频帧进行特征提取，并将不同卷积层的特征进行融合的步骤，具体包括：
3.根据权利要求1所述的一种车载矿用视频监测的动态图谱模态语义分割方法，其特征在于，所述将时间维度和空间维度的动态图谱进行融合，形成动态图谱模态，具体包括：
4.根据权利要求1所述的一种车载矿用视频监测的动态图谱模态语义分割方法，其特征在于，所述计算每个区域特征向量与其他区域...
【技术特征摘要】
1.一种车载矿用视频监测的动态图谱模态语义分割方法，其特征在于，包括：
2.根据权利要求1所述的一种车载矿用视频监测的动态图谱模态语义分割方法，其特征在于，所述利用预训练的第一卷积神经网络模型对视频帧进行特征提取，并将不同卷积层的特征进行融合的步骤，具体包括：
3.根据权利要求1所述的一种车载矿用视频监测的动态图谱模态语义分割方法，其特征在于，所述将时间维度和空间维度的动态图谱进行融合，形成动态图谱模态，具体包括：
4.根据权利要求1所述的一种车载矿用视频监测的动态图谱模态语义分割方法，其特征在于，所述计算每个区域特征向量与其他区域特征向量的相似度，基于相似度分配注意力权重的步骤，具体包括：
5.根据权利要求1所述的一种车载矿用视频监测的动态图谱模态语义分割方法，其特征在于，所述输...
【专利技术属性】
技术研发人员：焦敏，彭斌，王进，罗茂耘，赵光绪，武玉梁，
申请(专利权)人：成都科瑞特电气自动化有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。