-
公开(公告)号：CN108280842A
公开(公告)日：2018-07-13
申请号：CN201711483680.7
申请日：2017-12-29
申请人： 广州海昇计算机科技有限公司
摘要： 本发明公开了一种克服光照突变的前景分割方法，包括有以下步骤：采用混合高斯背景建模的模型对处理后的视频帧灰度图进行初始化；结合光强突变量对视频帧进行混合高斯背景建模处理，并得到更新的背景模型；然后通过联通域标记、特征提取以及行为判断的结果提取出前景目标。本发明方法在采用传统混合高斯背景建模方法的前提下，在模型中引入光照突变量对图像进行处理，对背景模型实时更新，解决了目标分割对光照和环境突变敏感的问题，也解决了传统混合高斯模型中对长时间静止目标被更新为背景并消失的问题，进一步提高了前景分割的准确率。本发明作为一种克服光照突变的前景分割方法可广泛应用于图像处理领域。
-
公开(公告)号：CN109800662A
公开(公告)日：2019-05-24
申请号：CN201811617861.9
申请日：2018-12-28
申请人： 广州海昇计算机科技有限公司
摘要： 本发明公开了一种教师教课行为识别方法、系统、装置和存储介质，所述方法包括对从教师教课过程视频流中获取到的待识别图像进行运动目标检测，提取出运动目标，生成与所述运动目标相应的运动历史图，计算与所述运动历史图相应的运动特征，将所述运动特征输入到经过训练的卷积神经网络中，接收卷积神经网络输出的教师教课行为分类结果作为识别结果等步骤。本发明通过使用经过训练的卷积神经网络对从待识别图像提取出的运动特征进行分类，可以达到良好的识别效果，具有噪声小、时间复杂度小、识别精度高等优势。通过识别视频中的教师教课行为，可以对教师的教课质量进行客观评价。本发明广泛应用于图像识别技术领域。
-
公开(公告)号：CN109784219A
公开(公告)日：2019-05-21
申请号：CN201811623909.7
申请日：2018-12-28
申请人： 广州海昇计算机科技有限公司
摘要： 本发明公开了一种基于集中协调学习的人脸识别方法、系统及装置，其中，方法包括以下步骤：获取待识别的人脸图片，并对人脸图片进行人脸检测后，获得第一人脸图像；对第一人脸图像进行对齐处理后，获取预设尺寸的第二人脸图像；将第二人脸图像输入预设的基于集中协调学习的人脸识别模型进行特征提取后，获得第二人脸图像的人脸特征向量；结合人脸特征向量与预设的人脸数据库计算余弦相似度，并根据余弦相似度获取人脸识别结果。本发明采用基于集中协调学习的人脸识别模型对人脸图像进行特征提取，将各特征拉到原点并分别到全部象限中，类间距离更大，提高了人脸的分类效率和识别准确度，可广泛应用于人脸识别技术领域。
-
公开(公告)号：CN109543662B
公开(公告)日：2023-04-21
申请号：CN201811619663.6
申请日：2018-12-28
申请人： 广州海昇计算机科技有限公司
摘要： 本发明公开了一种基于区域提议的目标检测方法、系统、装置和存储介质，所述方法包括将待检测图像输入到目标检测网络中，接收目标检测网络输出的最终边界框，根据所述最终边界框，从所述待检测图像中确定要检测的目标等步骤。本发明提供了一种全新的目标检测网络，目标检测网络包括多个分支，各分支的特征图中均包含相应的局部信息和全局信息，每个分支在上一个分支的处理结果的基础上继续进行特征提取和特征信息学习，因此能够兼顾图像的局部信息和全局信息，能够取得很高的目标检测准确度。本发明广泛应用于图像识别技术领域。
-
公开(公告)号：CN109741333A
公开(公告)日：2019-05-10
申请号：CN201811652762.4
申请日：2018-12-28
申请人： 广州海昇计算机科技有限公司
摘要： 本发明公开了一种改进的目标检测方法、系统及装置，其中方法包括以下步骤：获取待检测的原图片，并按照第一预设方式对原图片进行划分后，获得n张区域图片；依次对各区域图片进行分层提取后，获得n组第一局部图片；将第一局部图片的尺寸放大至原图片的尺寸后，获得n组第二局部图片；采用预设的检测模型对第二局部图片进行目标检测后，根据检测结果分别从各组第二局部图片中获取一张第二局部图片；将n张第二局部图片按照第二预设方式融合成一张检测图片，并将检测图片的尺寸缩小至原图片的尺寸后，输出检测图片。本发明有效地减少了目标检测算法对小目标漏检和错检的概率，极大地提高了检测的精确度，可广泛应用于检测技术领域。
-
公开(公告)号：CN108182416A
公开(公告)日：2018-06-19
申请号：CN201711488387.X
申请日：2017-12-30
申请人： 广州海昇计算机科技有限公司
摘要： 本发明公开了一种无人机监控场景下的人体行为识别方法、系统及装置，方法包括：通过无人机监控摄像头对所需的监控地点进行视频拍摄并预处理，得到样本视频；基于样本视频，对样本视频中人体行为进行分类，并创建卷积神经网络模型和训练测试集样本库，进而通过训练测试集样本库对卷积神经网络模型进行训练；将实际监控视频进行处理后输入至训练后的卷积神经网络模型中，得到实际监控视频中的人体行为的分类类型。本发明通过训练后的卷积神经网络模型能够实时自动对现实无人机平台监控场景下人体的各类行为进行识别，网络泛化能力较好，有效提升识别效果。本发明可广泛应用于行为识别领域中。
-
公开(公告)号：CN108280842B
公开(公告)日：2020-07-10
申请号：CN201711483680.7
申请日：2017-12-29
申请人： 广州海昇计算机科技有限公司
摘要： 本发明公开了一种克服光照突变的前景分割方法，包括有以下步骤：采用混合高斯背景建模的模型对处理后的视频帧灰度图进行初始化；结合光强突变量对视频帧进行混合高斯背景建模处理，并得到更新的背景模型；然后通过联通域标记、特征提取以及行为判断的结果提取出前景目标。本发明方法在采用传统混合高斯背景建模方法的前提下，在模型中引入光照突变量对图像进行处理，对背景模型实时更新，解决了目标分割对光照和环境突变敏感的问题，也解决了传统混合高斯模型中对长时间静止目标被更新为背景并消失的问题，进一步提高了前景分割的准确率。本发明作为一种克服光照突变的前景分割方法可广泛应用于图像处理领域。
-
公开(公告)号：CN110705467A
公开(公告)日：2020-01-17
申请号：CN201910938866.X
申请日：2019-09-30
申请人： 广州海昇计算机科技有限公司
IPC分类号： G06K9/00
摘要： 本发明公开了一种人脸表情识别方法、系统、装置和存储介质，所述方法包括识别图像中的人脸区域，分别根据所述嘴部动作程度、眼部动作程度和眉毛部动作程度，确定相应的人脸表情可能值，以及获取所有所述人脸表情可能值中的最优解作为人脸表情识别结果等步骤。通过对嘴部、眼部以及眉毛部分析得到的嘴部动作程度、眼部动作程度和眉毛部动作程度可以准确地分析出人脸表情，因此本发明具有高的识别准确率。本发明对硬件设备性能要求低，从而使得可以低成本地实现人脸表情识别功能，从而在低性能移动设备、商场自助服务机、投币游戏机以及儿童玩具等低端设备上实现人脸表情识别功能，提高用户的使用体验。本发明广泛应用于人脸表情识别技术领域。
-
公开(公告)号：CN109800770A
公开(公告)日：2019-05-24
申请号：CN201811623883.6
申请日：2018-12-28
申请人： 广州海昇计算机科技有限公司
摘要： 本发明公开一种实时目标检测的方法、系统及装置，其中方法步骤为：获取待检测的图片，对图片进行第一卷积处理获得第一特征图；结合第一特征图、第一空间信息和第一通道信息获得第二特征图；对第二特征图进行第二卷积处理获得第三特征图；结合第三特征图、第二空间信息和第二通道信息获得第四特征图；对第四特征图进行第三卷积处理获得第五特征图；依次对第五特征图进行多次反卷积处理后，获得第六特征图、第七特征图和第八特征图，以及通过结合特征图获取第九特征图和第十特征图，对第六特征图、第九特征图和第十特征图进行分类和边界框的预测，本发明通过结合不同特征图以及空间信息和通道信息来提高检测准确率，可广泛应用于目标检测领域。
-
公开(公告)号：CN109784385A
公开(公告)日：2019-05-21
申请号：CN201811633640.0
申请日：2018-12-29
申请人： 广州海昇计算机科技有限公司
摘要： 本发明公开了一种商品自动识别方法、系统、装置及存储介质，其通过获取第一商品图像后，将第一商品图像输入至训练好的深度学习模型进行特征图提取处理后，得到所述第一商品图像的特征图，从所述特征图中获取所述第一商品图像的商品位置标注数据，接着所述深度学习模型利用所述特征图，对所述第一商品图像的商品位置标注数据所对应的图像块进行商品类型识别处理后，输出识别出的商品类型。可见，本发明实施例具有智能自动化程度高、投入设备购买成本低、处理效率高且识别准确的优点，可广泛应用于自动化零售领域中。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.034 秒)
