-
公开(公告)号：CN112381032A
公开(公告)日：2021-02-19
申请号：CN202011335196.1
申请日：2020-11-24
Applicant: 华南理工大学
Abstract: 本发明公开了抗人体姿态干扰的室内无人值守快速检测方法。所述方法包括以下步骤：收集图像并进行标定，生成原始训练集；对图像进行预处理，生成综合扩增训练集；随机选取类别数为n的非人体普通物体的图片作为数据来预训练一个物体检测的多分类模型，获得模型参数初始化值；将预训练得到的模型参数来初始化人体检测模型的部分参数，并将人体检测模型的分类结构改为二分类；将得到的综合扩增训练集作为输入训练集，对改变分类结构后的人体检测模型进行训练；获取待检测图像，对待检测图像进行预处理并训练完成的人体检测模型，完成抗人体姿态干扰的室内无人值守快速检测。本发明可以在很大程度上克服人体姿态干扰的问题。
-
公开(公告)号：CN111738099A
公开(公告)日：2020-10-02
申请号：CN202010481014.5
申请日：2020-05-30
Applicant: 华南理工大学
Abstract: 本发明提供基于视频图像场景理解的人脸自动检测方法，包括：收集人脸图片数据，进行数据标定，整理为远景人脸数据集和近景人脸数据集；基于Resnet和特征金字塔网络，搭建基于注意力机制的人脸检测神经网络；使用远景人脸数据集和近景人脸数据集分别在所述人脸检测神经网络中训练模型，得到远景人脸检测模型和近景人脸检测模型；基于对特定场景的理解，采用远景人脸检测模型和近景人脸检测模型，实现根据场景进行人脸检测。本发明通过在深度卷积神经网络中嵌入注意力机制，可以有效适应远近景条件下人脸的光照、角度、表情等变化。其次，本发明通过结合远景和近景特征不同的特性，分别训练两个模型进行检测，可以有效提高人脸检测的效果。
-
公开(公告)号：CN108710575A
公开(公告)日：2018-10-26
申请号：CN201810501975.0
申请日：2018-05-23
Applicant: 华南理工大学
IPC: G06F11/36
Abstract: 本发明提供了基于路径覆盖测试用例自动生成的单元测试方法，首先对被测试程序的代码进行词法分析与语法分析，然后得到程序的控制流图。得到控制流图后根据已知的判断节点个数生成节点表。然后根据自动生成的测试用例，在生成的控制流图中驱动节点中的可执行代码的执行，同时根据可执行代码的执行结果计算获取fitness适应值，进行选择子节点继续重复上述过程，直到找到图中的终止节点，最后生成路径标记与得到该路径对应的fitness适应值。接着运行测试用例自动生成算法，该算法根据返回的fitness适应值不断自动生成测试用例，直到路径完全覆盖，或者超过设定的运行时间时退出。本发明适用于软件测试的，经过实验验证，可以应用于实际的软件测试工作环境。
-
公开(公告)号：CN102567738A
公开(公告)日：2012-07-11
申请号：CN201210003893.6
申请日：2012-01-06
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于高斯分布的色情视频快速检测方法，先对普通图片样本和色情图片样本的HSV颜色空间的颜色直方图建立一个高斯模型，然后提取视频中的关键帧，并用建立的高斯模型对视频关键帧进行判断，如果视频中有一定数量的关键帧被判定为黄色图片，就可以判定这个视频为色情视频。本发明只需对颜色直方图进行高斯分布建模，没有复杂的训练过程，而且不用对视频每一帧进行检测，检测速度快，准确率高。
-
公开(公告)号：CN102207966A
公开(公告)日：2011-10-05
申请号：CN201110146178.3
申请日：2011-06-01
Applicant: 华南理工大学
Abstract: 本发明提供基于对象标签的视频内容快速检索方法，其包括：提取视频中每一帧图像内运动对象的颜色特征、轮廓特征、场景特征、文字特征，并进行分析；采用上述特征提取方法处理多个已知类别的图片，使用这些图片的轮廓特征和场景特征训练轮廓分类器和场景分类器；使用上述特征提取、分析方法和分类器对待检索的视频进行处理，生成视频中每一帧图像内的对象的类型标签，用于构建对象标签数据库；用户提交查询请求后，检索响应服务器在对象标签数据库搜索与查询请求相关的视频，生成有序的结果供用户浏览和查阅。本发明进行检索时只需搜索对象标签数据库，检索速度与传统的文本检索相似；本发明实现了视频内容的细粒度检索，比传统方法更加精准。
-
Patent Agency Ranking
公开(公告)号：CN112381032B
公开(公告)日：2024-03-22
申请号：CN202011335196.1
申请日：2020-11-24
Applicant: 华南理工大学
IPC: G06V20/52 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/0442 , G06N3/047 , G06N3/08
Abstract: 本发明公开了抗人体姿态干扰的室内无人值守快速检测方法。所述方法包括以下步骤：收集图像并进行标定，生成原始训练集；对图像进行预处理，生成综合扩增训练集；随机选取类别数为n的非人体普通物体的图片作为数据来预训练一个物体检测的多分类模型，获得模型参数初始化值；将预训练得到的模型参数来初始化人体检测模型的部分参数，并将人体检测模型的分类结构改为二分类；将得到的综合扩增训练集作为输入训练集，对改变分类结构后的人体检测模型进行训练；获取待检测图像，对待检测图像进行预处理并训练完成的人体检测模型，完成抗人体姿态干扰的室内无人值守快速检测。本发明可以在很大程度上克服人体姿态干扰的问题。
-
公开(公告)号：CN111914634B
公开(公告)日：2023-06-20
申请号：CN202010577858.X
申请日：2020-06-23
Applicant: 华南理工大学
IPC: G06V20/40 , G06V20/52 , G06V10/25 , G06V10/764 , G06V10/774 , G06V10/40
Abstract: 本发明属于深度学习、计算机智慧城市监控技术领域，公开一种抗复杂场景干扰的井盖类别自动检测方法，包括：S1、图像收集与分类；S2、图像标注；S3、数据扩充；S4、采用ResNet‑101模型作为网络骨架，在ResNet‑101模型上添加一系列从大到小的卷积层、池化层和全连接层，用于预测图片中井盖的类别信息和位置信息，构建R‑FCN井盖检测模型；S5、通过迭代训练得到最优的R‑FCN井盖检测模型；S6、对图片或者视频进行识别得到图片或视频中井盖的类别和位置信息。本发明使用基于深度学习的方法能更加高效地检测出井盖的破损。本发明还提供一种抗复杂场景干扰的井盖类别自动检测系统。
-
公开(公告)号：CN102194131A
公开(公告)日：2011-09-21
申请号：CN201110146177.9
申请日：2011-06-01
Applicant: 华南理工大学
Abstract: 本发明涉及基于五官几何比例特征的快速人脸识别方法，其识别和搜索的对象是人的正脸图像，是根据人脸各部位灰度值的不同，得出眼、鼻、嘴等特征的二维坐标，将这些坐标点进行适当的连接，组合成角度、长度等信息。通过对两张人脸进行匹配分析，得出眼鼻、眼嘴和鼻嘴的匹配率以及综合匹配率。同时，可将所得到的二维坐标连同人脸图像及人脸所属个体的信息存入数据库。本发明将需要被识别的人脸与数据库的人脸逐一地进行对比匹配，从中取出综合匹配率最高的人脸，实现人脸的快速搜索。
-
公开(公告)号：CN111738099B
公开(公告)日：2023-11-07
申请号：CN202010481014.5
申请日：2020-05-30
Applicant: 华南理工大学
IPC: G06V40/16 , G06V20/40 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供基于视频图像场景理解的人脸自动检测方法，包括：收集人脸图片数据，进行数据标定，整理为远景人脸数据集和近景人脸数据集；基于Resnet和特征金字塔网络，搭建基于注意力机制的人脸检测神经网络；使用远景人脸数据集和近景人脸数据集分别在所述人脸检测神经网络中训练模型，得到远景人脸检测模型和近景人脸检测模型；基于对特定场景的理解，采用远景人脸检测模型和近景人脸检测模型，实现根据场景进行人脸检测。本发明通过在深度卷积神经网络中嵌入注意力机制，可以有效适应远近景条件下人脸的光照、角度、表情等变化。其次，本发明通过结合远景和近景特征不同的特性，分别训练两个模型进行检测，可以有效提高人脸检测的效果。
-
公开(公告)号：CN110135879A
公开(公告)日：2019-08-16
申请号：CN201811411593.5
申请日：2018-11-25
Applicant: 华南理工大学
IPC: G06Q30/02 , G06F17/27 , G06F16/35 , G06F16/332
Abstract: 本发明提供一种基于自然语言处理的客服质量自动评分方法。首先对客服通话录音进行语音转写，之后对于转写的结果进行简单矫正；然后按照客户给出的评分细则对文字进行分析评分；最后输出每一项评分细则的评分结果、给分理由和总分。本发明是基于分析目前已大量实际应用的客服通话录音系统产生的录音，因此不需要为收集客服通话录音而重新部署采集设备；相对于传统的基于人工聆听和人工的主观感觉对于客服质量进行评分，本发明能在保持高准确率和高效率的前提下对客服质量进行评分。另外，本发明采用的评分方法还能够随着业务变化，由用户自主更新规则，而无需修改代码就可以更新评分模型，计算简单，评分速度快，节省大量人力，可应用于实时环境。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.022 seconds)
