-
公开(公告)号：CN107427233A
公开(公告)日：2017-12-01
申请号：CN201680019574.0
申请日：2016-03-30
申请人： 株式会社爱考斯研究
IPC分类号： A61B5/02 , A61B5/00 , A61B5/0245 , G06T1/00 , G06T7/00
摘要： 本发明涉及脉波检测装置、以及脉波检测程序，进行针对干扰要素具有鲁棒性的脉波检测。脉波检测装置(1)将动态图像的帧图像从RGB成分色变换为HSV成分，使用预先由H成分准备的用户的皮肤的颜色，确定皮肤的部分。接下来，脉波检测装置(1)将帧图像的皮肤的部分变换为YIQ成分，将对各像素的Q值进行了平均的Qm作为脉波信号。脉波检测装置(1)针对各帧图像进行上述的处理并取得脉波信号Qm的时间序列的变化，将其作为脉波而输出。这样，能够将背景等干扰要素从脉波检测对象中除去而良好地检测脉波。此外，对于皮肤的部分的确定而言，使用H成分来确定候补像素，将该候补像素作为对象并使用S成分而进行缩减从而使更高精度的皮肤部分的确定成为可能。
-
公开(公告)号：CN107427242B
公开(公告)日：2020-09-08
申请号：CN201680019452.1
申请日：2016-03-30
申请人： 株式会社爱考斯研究
IPC分类号： A61B5/0245 , A61B5/00
摘要： 本发明涉及脉波检测装置、以及脉波检测程序，进行相对于明度的变化具有鲁棒性的脉波检测。脉波检测装置(1)将动态图像的帧图像从RGB成分色变换为YIQ成分，使用预先以Q成分准备的用户的眼睛的颜色，确定眼睛的部分。并且，脉波检测装置(1)通过眼睛的部分的Y值来检测拍摄环境的明度。接着，脉波检测装置(1)根据帧图像的皮肤的部分的Q值的平均来检测脉波信号Qm，进而，通过从其减去眼睛的部分的Y值的平均值Ye来对明度的变化量进行修正，输出明度修正后的Qm。由此，即使在用户因车辆等移动而明度变化的情况下，也能够良好地检测脉波。
-
公开(公告)号：CN111164604A
公开(公告)日：2020-05-15
申请号：CN201880062230.7
申请日：2018-09-26
申请人： 株式会社爱考斯研究 , 国立大学法人九州工业大学
摘要： 本发明的目的在于实现处理成本的减少。图像识别装置(200)具备：图像处理装置(21)，从图像获取特征量；以及辨别装置(201)，使用获取到的特征量来判定图像中是否存在规定的辨别对象，并辨别该辨别对象。辨别装置(201)具备预先学习了辨别对象的BNN，并通过利用BNN对图像处理装置(21)获取到的特征量进行二进制计算，来进行辨别处理。此时，辨别装置(201)选择图像处理装置(21)输出的高维度特征量中对辨别有效的部分来减少在辨别处理中所使用的维度，或复制图像处理装置(21)输出的低维度特征量来增加维度。通过选择、复制特征量的维度，从而确保所需的辨别精度的同时，能够适当地调节用于辨别的特征量的维度，所以能够将辨别装置(201)安装于小规模、低消耗电力的硬件电路。
-
公开(公告)号：CN111183453A
公开(公告)日：2020-05-19
申请号：CN201880063957.7
申请日：2018-07-31
申请人： 株式会社爱考斯研究 , 国立大学法人九州工业大学
IPC分类号： G06T7/00
摘要： 本发明的目的在于对动态的对象进行图像识别。时间空间图像识别装置1具备在保持有空间信息和时间信息的状态下将动态图像数据4转换为时间空间图像数据的时间空间图像数据生成部2a、2b、2c，它们通过分别不同的扫描路径扫描动态图像数据4。由此，时间空间图像数据生成部2a、2b、2c生成通过分别不同的扫描路径进行扫描而得到的时间空间图像数据8a、8b、8c(未图示)并输出至图像识别部3。图像识别部3在分别独立地对时间空间图像数据8a、8b、8c进行卷积处理来生成二维特征图60a、60b、60c之后，将它们整合并通过神经网络进行解析，输出图像识别结果。
-
公开(公告)号：CN107427242A
公开(公告)日：2017-12-01
申请号：CN201680019452.1
申请日：2016-03-30
申请人： 株式会社爱考斯研究
IPC分类号： A61B5/0245 , A61B5/00
摘要： 本发明涉及脉波检测装置、以及脉波检测程序，进行相对于明度的变化具有鲁棒性的脉波检测。脉波检测装置(1)将动态图像的帧图像从RGB成分色变换为YIQ成分，使用预先以Q成分准备的用户的眼睛的颜色，确定眼睛的部分。并且，脉波检测装置(1)通过眼睛的部分的Y值来检测拍摄环境的明度。接着，脉波检测装置(1)根据帧图像的皮肤的部分的Q值的平均来检测脉波信号Qm，进而，通过从其减去眼睛的部分的Y值的平均值Ye来对明度的变化量进行修正，输出明度修正后的Qm。由此，即使在用户因车辆等移动而明度变化的情况下，也能够良好地检测脉波。
-
公开(公告)号：CN107427233B
公开(公告)日：2020-10-02
申请号：CN201680019574.0
申请日：2016-03-30
申请人： 株式会社爱考斯研究
IPC分类号： A61B5/02 , A61B5/00 , A61B5/0245 , G06T1/00 , G06T7/00
摘要： 本发明涉及脉波检测装置、以及脉波检测程序，进行针对干扰要素具有鲁棒性的脉波检测。脉波检测装置(1)将动态图像的帧图像从RGB成分色变换为HSV成分，使用预先由H成分准备的用户的皮肤的颜色，确定皮肤的部分。接下来，脉波检测装置(1)将帧图像的皮肤的部分变换为YIQ成分，将对各像素的Q值进行了平均的Qm作为脉波信号。脉波检测装置(1)针对各帧图像进行上述的处理并取得脉波信号Qm的时间序列的变化，将其作为脉波而输出。这样，能够将背景等干扰要素从脉波检测对象中除去而良好地检测脉波。此外，对于皮肤的部分的确定而言，使用H成分来确定候补像素，将该候补像素作为对象并使用S成分而进行缩减从而使更高精度的皮肤部分的确定成为可能。
-
公开(公告)号：CN110249366A
公开(公告)日：2019-09-17
申请号：CN201880009328.6
申请日：2018-01-31
申请人： 株式会社爱考斯研究 , 国立大学法人九州工业大学
IPC分类号： G06T7/00
摘要： 本发明提供更稳健的图像识别方式。图像处理装置(8)将作为图像识别的对象的图像转换为高分辨率图像(11)、中分辨率图像(12)、以及低分辨率图像(13)。图像处理装置(8)设定高分辨率图像(11)的关注像素(5)，并在共生矩阵(15)中对与偏移像素(1a)～(1d)的梯度方向的共生、在中分辨率图像(12)与像素(2a)～(2d)的梯度方向的共生、在低分辨率图像(13)中与像素(3a)～(3d)的梯度方向的共生进行投票。图像处理装置(8)对每个像素的组合以及每个分辨率创建这样的共生矩阵(15)。图像处理装置(8)对高分辨率图像(11)的各个像素进行上述的处理，其结果创建将完成的多个共生矩阵(15)的要素排成一列的共生直方图。进一步，图像处理装置(8)将共生直方图归一化，并提取以由此的频率为成分的矢量作为该图像的特征量。
-
公开(公告)号：CN111133471A
公开(公告)日：2020-05-08
申请号：CN201880062241.5
申请日：2018-09-26
申请人： 株式会社爱考斯研究 , 国立大学法人九州工业大学
摘要： 本发明的目的在于提高识别精度。图像识别装置(200)具备：图像处理装置(21)，从图像获取特征量；以及辨别装置(201)，使用获取到的特征量来判定图像中是否存在规定的辨别对象，并辨别该辨别对象。辨别装置(201)具备预先学习了辨别对象的BNN，并通过利用BNN对图像处理装置(21)获取到的特征量进行二进制计算，来进行辨别处理。此时，辨别装置(201)选择图像处理装置(21)输出的高维度特征量中对辨别有效的部分来减少在辨别处理中所使用的维度，或复制图像处理装置(21)输出的低维度特征量来增加维度。通过选择、复制特征量的维度，从而确保所需的辨别精度的同时，能够适当地调节用于辨别的特征量的维度，所以能够将辨别装置(201)安装于小规模、低消耗电力的硬件电路。
-
公开(公告)号：CN110998597A
公开(公告)日：2020-04-10
申请号：CN201880050342.0
申请日：2018-07-31
申请人： 株式会社爱考斯研究 , 国立大学法人九州工业大学
摘要： 本发明以对动态的识别对象进行图像识别为目的。图像识别装置(1)通过时空间图像数据生成部(2)来将构成视频数据(4)的帧图像数据(6)希尔伯特扫描而生成一维空间图像数据(7)，进而将一维空间图像数据(7)在时间方向排列而生成保持空间信息与时间信息的二维的时空间图像数据(8)。像这样图像识别装置(1)保持空间信息与时间信息，并且将视频数据(4)图像转换为二维的时空间图像数据(8)。接下来，图像识别装置(1)通过CNN部(3)来对时空间图像数据(8)进行使用二维过滤器的卷积处理，而对识别对象亦即步行者的行动进行图像识别。像这样，图像识别装置(1)能够将需要空间二维、时间一维的三维的解析的步行者的行动识别通过二维图像的基于CNN的图像识别处理来进行，而推断步行者的状态。
-
公开(公告)号：CN110235177A
公开(公告)日：2019-09-13
申请号：CN201880009329.0
申请日：2018-01-31
申请人： 株式会社爱考斯研究 , 国立大学法人九州工业大学
IPC分类号： G06T7/45
摘要： 本发明提高检测精度，并减少计算成本。图像处理装置(8)具有在特征面(15)中标绘图像的亮度梯度共生对，对该共生对应用EM算法来形成GMM的功能。图像处理装置(8)学习行人图像来创建行人图像的GMM，接着，学习背景图像来创建背景图像的GMM，还计算两者的差分，生成基于差分的再学习用的GMM。图像处理装置(8)通过应用逆函数定理而在特征面(15)中标绘按照再学习用的GMM的样本。最后，图像处理装置(8)通过以所指定的混合数量形成表示样本的分布的GMM来形成成为图像识别的基准的基准GMM。若将该混合数量设定得小于先前所指定的混合数量，则解析图像时的维度下降，能够减少计算成本。
-
-
-
-
-
-
-
-
-
搜索结果
13 条记录 (耗时 0.026 秒)