-
公开(公告)号：CN105335997A
公开(公告)日：2016-02-17
申请号：CN201510652040.9
申请日：2015-10-10
Applicant: 燕山大学
CPC classification number: G06T17/005 , G06T17/30
Abstract: 本发明公开了一种基于泊松重构的复杂结构点云处理算法，基于泊松重构的点云处理技术方法的曲面重构用指示函数来描述曲面,通过高斯滤波构造基于法矢的向量场,并用多重网格方法求解泊松方程得到定向点云的指示函数的过渡部分从而完成曲面重构。基于泊松曲面重构技术主要有五部分组成：定义八叉树、设置函数空间、估计向量场、求解泊松方程和等值面提取。伴随着3D激光扫描设备的极速发展，点云获取技术也获得长足的进步，本发明可以广泛的运用于逆向工程、混合建模、视觉检测、医疗图像以及考古文物建模等领域。
-
公开(公告)号：CN104408760A
公开(公告)日：2015-03-11
申请号：CN201410596344.3
申请日：2014-10-28
Applicant: 燕山大学
Abstract: 一种基于双目视觉的高精度虚拟装配系统算法，该算法通过Kinect传感器采集用户运动空间信息作为虚拟装配系统的输入信息，应用OpenGL建立手部模型，将建立的手部模型与采集的手部图像进行对比，计算得到手部模型与手部图像的相似度，采用改进的粒子群优化算法，最终得到采集图像的手部模型，基于手部模型以及Kinect传感器的标定信息，最终渲染得到深度图像，实现对手势的跟踪识别，完成虚拟装配系统的信息输入，进而实现高精度虚拟装配过程。本发明能实现对手势进行准确稳定的三维实时跟踪，不需要特殊的标记或复杂的图像采集设备，降低了硬件设备的要求和成本；也不需要训练样本，从而更容易进行应用扩展。
-
公开(公告)号：CN104346833A
公开(公告)日：2015-02-11
申请号：CN201410588635.8
申请日：2014-10-28
Applicant: 燕山大学
CPC classification number: G06T17/00 , G06T7/12 , G06T7/80 , G06T2200/04
Abstract: 一种基于单目视觉的车辆重构算法，其步骤为：采用SIFT算子作为图像特征点的提取与匹配算法；采用基于标定物的摄像机标定方法，通过SIFT算子得到的特征匹配点计算摄像机的内参数和外参数；基于布尔图像的图像背景分割方法，将目标车辆从复杂的背景中提取出来；采用基于几何学的分层量化和表面分割方法得到车辆的3D模型。有益效果是：首次提出了一种新型的基于单目视觉的3D模型重建的整体算法框架，并首次将之应用到车辆的3D重建；通过空间点与投影点的关系建立摄像机内、外参数的超定方程，有效地提高了计算精度和计算速度；提出了AND-OR树车辆表面重组最优搜索算法，能够有效准确地搜索出最优的车辆表面形状，并且提高搜索速度和搜索的准确度。
-
公开(公告)号：CN114373530B
公开(公告)日：2024-11-29
申请号：CN202111508393.3
申请日：2021-12-10
Applicant: 燕山大学
IPC: G16H20/30 , G06V40/20 , G06V10/74 , G06V10/82 , G06N3/0495
Abstract: 本发明提出了一种肢体康复训练系统及方法，属于人工智能及深度学习技术领域，包括以下步骤：搭建康复训练系统；收集康复训练病人的病历数据集，并对数据集进行标注用于训练算法模型；改进人体姿态估计网络结构，采用轻量化特征提取网络为主干网络，调整网络结构和激活函数；人体姿态估计算法模型在训练时增加数据增强方法，采用增加预热训练模式的余弦学习率下降方式训练网络；将训练好的算法模型移植到嵌入式电脑上，采用FP16进行量化；系统工作时，显示终端提示病人需要做的动作，随即病人执行动作；嵌入式电脑读取摄像头拍摄的图像送入人体姿态估计算法得到估计动作与给定动作的相似度，得出康复训练评估分值。
-
公开(公告)号：CN113688740B
公开(公告)日：2024-02-27
申请号：CN202110984742.2
申请日：2021-08-26
Applicant: 燕山大学
IPC: G06V40/20 , G06V20/40 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于多传感器融合视觉的室内姿势检测方法，包括如下步骤：S1，搭建和训练网络模型；S2，获取实时采集的视频数据和腰带式辅助检测设备的辅助检测参数；S3，将数据输入网络模型获取检测结果，通过卡尔曼滤波器和匈牙利指派算法跟踪患者；S4，将处理之后包含box和检测结果的视频实时同步上传网络中，一旦患者出现跌倒的情况及时发送警报；本发明结合数据融合、监督学习和深度学习方法，对患者的位置、与姿势进行实时跟踪检测和通知，并可短时间内对病人下一个姿势进行预测，实现对病人的跟踪和姿势进行检测。
-
Patent Agency Ranking
公开(公告)号：CN115866081A
公开(公告)日：2023-03-28
申请号：CN202211396522.9
申请日：2022-11-09
Applicant: 燕山大学
Abstract: 本发明涉及一种基于SOC的工业以太网协议转换方法，属于通讯协议转换技术领域，以SOC架构为基础，设计实现工业以太网协议转换的新型芯片架构，设计数据帧编/解码IP，通过修改所述IP的配置参数，实现多种工业以太网协议数据帧编解码，通过总线模块实现数据高速传输；设计的数据帧编/解码模块，通过主机端下发命令到CPU模块进行解析，由CPU模块下发配置信息，实现多种工业以太网协议数据帧的编/解码功能。本发明保证了数据传输的准确性，能够通过不同的配置信息实现对不同工业以太网协议数据帧进行编码和解码操作，提高芯片使用灵活性；可在AXI数据总线上挂载多数据帧编/解码模块，从而获得扩展功能，提高数据传输效率。
-
公开(公告)号：CN115857688A
公开(公告)日：2023-03-28
申请号：CN202211549340.0
申请日：2022-12-05
Applicant: 燕山大学
Abstract: 本发明公开了一种基于立体视觉加速算法的智能农机手势操作系统，属于目标检测及图像处理领域，包括安装在智能农机驾驶室内的车载摄像头、补光摄像头、机械手臂和显示屏；补光摄像头根据环境进行智能补光，以满足不同环境下的操作条件，车载摄像头则进行数据采集，并使用改进的目标跟踪算法利用显示屏通过控制机械手臂以根据手部位置调整显示屏的位置，达到随动的效果，并利用FPGA对算法进行加速；利用显示屏上的摄像头Leap Motion，进行手部信息采集以及手势分割，并确定手势向量，利用识别到的手势传递给显示屏进行分析比对来执行不同命令。本发明简化了智能农机的操作方式，能够满足在不同环境下的操作需求，提升了工作效率。
-
公开(公告)号：CN110611333B
公开(公告)日：2022-12-13
申请号：CN201911095554.3
申请日：2019-11-11
Applicant: 燕山大学
Abstract: 本发明提供一种考虑通信问题的孤岛微电网分布式协调控制方法，基于分布式信息并考虑信息传输过程中遇到的实际通信问题有效解决脱网自治下交流微电网频率和电压的稳定控制问题，避免集中通讯压力和频率电压波动过大以及通信中断造成的系统失稳。设计下垂控制器，优化频率和电压的动态性能。在二次控制中，引入集中式事件触发一致性协议，节约通信资源，考虑网络拓扑结构的不规律切换，在通信中断故障下设计一种数据补偿机制，采用邻居数据补偿和集中数据补偿相结合的方案；在数据预测上，提出了改进的基于时间序列的指数平滑模型，最终实现频率和电压的二次调整。
-
公开(公告)号：CN112766185B
公开(公告)日：2022-06-14
申请号：CN202110090638.9
申请日：2021-01-22
Applicant: 燕山大学
Abstract: 本发明提供一种基于深度学习的头部姿态监控方法、装置及系统。方法包括以下步骤：S1，采集的历史图像数据；S2，训练神经网络；S3，采集实时图像；S4，将预处理后的实时图像传入第一神经网络获得需要进行监控的人脸边界框；S5，第二神经网络确定人脸图像的角度；S6，返回步骤S3。系统包括：采集数据模块、图像处理模块和报警模块。装置包括：床、相机、相机固定支架、计算机和警报器。本发明采用第一神经网络和第二神经网络，第一神经网络先是使用改进YOLOv3算法框选出图像中出现的人脸，解决多人脸出现在监控范围内的问题；第二神经网络使用改进的VGG16网络，从图像中提取多个特征并进行融合，可以实时监控头部姿态。
-
公开(公告)号：CN112163564B
公开(公告)日：2022-05-17
申请号：CN202011158025.6
申请日：2020-10-26
Applicant: 燕山大学
Abstract: 本发明提出基于人体关键点行为识别与LSTM的跌倒预判方法，该方法基于相邻人体关键点分组方法，进一步把人体分为头部、躯干和腿部三个区域进行行为识别，大大减少了计算量，从而提升了检测效率；在此基础上，通过采用LSTM，即长短期记忆神经网络机制来实现对采集视频的记忆功能，从而实现对人体行为变化的分析与识别功能，最后将识别结果归为三类：跌倒、非跌倒与其他。该方法减少了计算功耗，节约了跌倒检测时间，从而实现了实时检测与跌倒检测预判的功能。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.022 seconds)
