-
公开(公告)号：CN109086795A
公开(公告)日：2018-12-25
申请号：CN201810679354.1
申请日：2018-06-27
Applicant: 上海理工大学
IPC: G06K9/62
Abstract: 本发明涉及一种图像误匹配精确剔除方法，网格匹配统计约束能够快速的区分出设定大小的网格区域内的正确匹配对和错误匹配对，从而剔除错误匹配对保留正确的匹配对获得一个粗略匹配集；结合自提出的投影误差函数的改进对极约束模型能够再进一步剔除粗略匹配集中不符合改进对极约束模型的匹配对，从而获得优质的匹配集。该方法融合了网格匹配统计约束能够快速的区分出网格区域内的正确匹配对和错误匹配对，并进行剔除和改进的对极约束模型能够快速剔除不满足对极约束的匹配对的优点，从而能够获得优质的匹配对，用时更少，匹配准确度更高。该方法能够适应不同大小复杂的场景，方法应用于视觉同步定位与建图，三维重构以及视觉跟踪等领域都会有不错的效果。
-
Patent Agency Ranking
公开(公告)号：CN110070002A
公开(公告)日：2019-07-30
申请号：CN201910252437.7
申请日：2019-03-29
Applicant: 上海理工大学
Abstract: 本发明提出了一种基于3D卷积神经网络的行为识别方法，包括以下步骤：首先基于原始视频，提取光流帧；然后对原始视频进行目标检测以获取人体裁剪帧；最后将人体裁剪帧、光流帧和原始视频分别输入特征融合网络模型的第一层、第二层和第三层；第二层接收第一层输出的卷积数据；第三层接收第二层的卷积数据；由第三层输出分类特征数据。本发明针对复杂环境中较难提取人体行为的时空特征问题，提出了一种基于3D卷积神经网络的行为识别方法。通过特征融合网络模型融合多特征，提高时空特征的表征能力和泛化能力，消除或减少噪声的影响，提高了人体行为识别率。
-
公开(公告)号：CN109993747A
公开(公告)日：2019-07-09
申请号：CN201910221164.X
申请日：2019-03-22
Applicant: 上海理工大学
Abstract: 本发明涉及一种基于点线特征融合的快速图像匹配方法，解决视觉SLAM中在低纹理场景等特征缺失的问题。首先对两帧有视差的图像进行预处理，提取图像中的ORB特征点和Edline线特征，并设置长度阈值参数来获得精确的线特征；然后利用已知的深度信息，将获得的2D图像线段和点反投影至3D空间，将点和线段之间建立联系，从而剔除异常值；最后分别构造点特征描述符和线特征描述符进行相关匹配。通过引入线特征，解决了在低纹理场景中点特征缺失的问题，以及引入两条匹配线特征角度阈值和线段重叠长度阈值参数，大幅度减少计算时间成本，解决了在低纹理环境中无法提取到具有代表性的环境特征。
-
公开(公告)号：CN109978003A
公开(公告)日：2019-07-05
申请号：CN201910135688.7
申请日：2019-02-21
Applicant: 上海理工大学
Abstract: 本发明公开了一种基于密集连接残差网络的图像分类方法，本方法首先对输入图片进行数据预处理，并扩充图片数据量；然后将图片输入到密集连接残差网络提取图像特征；最后将提取到的图像特征输入到Softmax分类器，得出图片分类结果。本方法克服图像分类任务中传统方法效果不好、常用的深度学习方法计算量太大、模型训练和运行对硬件设备要求太高的缺陷，通过结合残差网络和密集连接网络的优点，达到较高的识别率的同时占用较少的计算资源。
-
公开(公告)号：CN109034193A
公开(公告)日：2018-12-18
申请号：CN201810640255.2
申请日：2018-06-20
Applicant: 上海理工大学
CPC classification number: G06K9/629 , G06K9/4647 , G06T7/262 , G06T7/269 , G06T2207/10016 , G06T2207/20056 , G06T2207/20068 , G06T2207/20081
Abstract: 本发明涉及一种多特征融合与尺度自适应核相关滤波跟踪方法，获取目标的初始信息；获取目标区域的融合梯度直方图FHOG特征和降维后的颜色属性CN特征；通过线性融合的方式，把获取的31维FHOG特征、降维后的2维CN特征加上1维的灰度特征，融合后总共34特征作为最终的特征图谱；在得到融合特征图谱的基础上，利用核相关滤波器预测目标的平移位置；在预测平移位置后，通过添加尺度滤波器来预测目标的尺度变化；在预测目标平移位置和尺度变化后，通过线性插值方法来更新两个滤波模板，进行跟踪，直到最后一帧。通过这种特征融合与尺度滤波器结合的方式，该方法在目标跟踪过程的外观变形、尺度变化、光照变化、背景相似干扰等情况下有很好的鲁棒性。
-
公开(公告)号：CN108596074A
公开(公告)日：2018-09-28
申请号：CN201810354823.2
申请日：2018-04-19
Applicant: 上海理工大学
Abstract: 本发明公开了一种基于惯性传感器的人体下肢动作识别方法。首先利用内置加速度计和陀螺仪的惯性传感器收集人体膝关节处的加速度、角速度和角度信号；然后对信号使用时间窗法，让窗口随着时间不断的截取信号片段。针对信号本身存在的噪音问题，采用小波去噪法将其去除。接下来对截取后的信号片段采用傅立叶变换并将其系数作为特征值。最后采用支持向量机(SVM)的方法进行下肢动作的模型训练和路况识别。本方法的优势在于，使用一系列预处理和特征提取算法获得更加能表现动作行为的特征值，然后使用SVM识别人体下肢动作方式和路况，该方法不但减少模型的训练时间，而且提高了模型的识别速度和准确率。
-
-
-
-
-
Search Results
6
records
(took 0.034 seconds)
