-
公开(公告)号：CN109657631A
公开(公告)日：2019-04-19
申请号：CN201811594417.X
申请日：2018-12-25
申请人： 上海智臻智能网络科技股份有限公司
CPC分类号： G06K9/00362 , G06K9/4671 , G06K9/629 , G06K2209/21
摘要： 本发明提供一种人体姿态识别方法及装置，所述方法包括：提供待处理图像；对所述待处理图像进行目标检测处理，以得到一个或多个第一头部检测框；对所述第一头部检测框进行关键点计算处理，以得到多个第一头部关键点信息；对所述待处理图像进行自下而上识别处理，以得到一个或多个第二人体姿态信息；从所述第二人体姿态信息中提取第二头部关键点信息和第一躯干关键点信息；对所述第一头部关键点信息和所述第二头部关键点信息进行融合，得到融合后的第三头部关键点信息；将所述第三头部关键点信息和所述第一躯干关键点信息作为人体姿态识别结果。本发明可以提高人体姿态识别的准确率。
-
公开(公告)号：CN109145822A
公开(公告)日：2019-01-04
申请号：CN201810960914.0
申请日：2018-08-22
申请人： 佛山铮荣科技有限公司
发明人： 覃群英
CPC分类号： G06K9/00718 , G06K9/6256 , G06K9/629 , G06K2009/00738
摘要： 本发明提供了一种深度学习的暴力检测系统，包括图像输入模块、图像全局特性模块、深度网络模型模块、3D网络模型模块、D3D网络模型模块、图像输出模块，所述图像输入模块用于输入所检测的图像，所述图像全局特性模块用于提取出图像的全局特征，所述深度网络模型模块用于将所提取的图像全局特征融合在深度网络模型中，所述3D网络模型模块基于深度网络模型模块确定暴力检测结果，所述D3D网络模型模块用于优化3D网络模型模块暴力检测结果，所述图像输出模块用于输出优化的暴力检测结果。本发明的有益效果为：提供了一种深度学习的暴力检测系统，有效的提高了暴力检测的准确率。
-
公开(公告)号：CN109145680A
公开(公告)日：2019-01-04
申请号：CN201710456768.3
申请日：2017-06-16
申请人： 百度在线网络技术(北京)有限公司
CPC分类号： G06K9/00805 , G06K9/6256 , G06K9/6262 , G06K9/629 , G06N3/02 , G06N3/08 , G06T7/70 , G06T2207/10028 , G06T2207/10044 , G06K9/00664 , G01S17/46 , G06K9/6269 , G06N3/0454 , G06T7/73 , G06T2207/10016 , G06T2207/20081 , G06T2207/20084 , G06T2207/30261
摘要： 本发明提供一种获取障碍物信息的方法、装置、设备和计算机存储介质，其中获取障碍物信息的方法包括：获取激光雷达设备和相机设备同步采集的场景数据；利用所述场景数据中的点云俯视图数据进行障碍物识别，得到候选障碍物点云集合；利用所述候选障碍物点云集合所对应场景数据的融合特征进行障碍物识别，得到障碍物具体信息。通过本发明提供的技术方案，能够准确获得障碍物具体信息，从而提升自动驾驶车辆的环境感知能力，提高自动驾驶车辆的安全性。
-
公开(公告)号：CN109064465A
公开(公告)日：2018-12-21
申请号：CN201810917126.3
申请日：2018-08-13
申请人： 上海试美网络科技有限公司
发明人： 蒯岚鹰
CPC分类号： G06T7/0012 , G06K9/6215 , G06K9/629 , G06T2207/10141 , G06T2207/30201
摘要： 本发明涉及皮肤检测技术领域，且公开了一种基于UV光与自然光的皮肤特征融合标记方法，包括以下步骤：S1：准备检测：患者将脸部伸入检测装置内进行检测；S2：UV光照射：利用UV光源照射患者脸部；S3：拍摄标记：拍摄人脸图像，并通过人工智能图像标记技术对UV光下拍摄图像中皮肤中的粉刺、深层色斑、色斑沉淀分布部分进行标记；S4：自然光拍摄：启动自然光光照成像模块，对患者脸部进行照射；S5：再次拍摄标记：拍摄人脸图像，并通过人工智能图像标记技术进行标记；S6：对比比较：将S3和S5拍摄标记下皮肤的特征点进行对比。该基于UV光与自然光的皮肤特征融合标记方法，能够解决不了解了解皮肤的健康状况，导致事倍功半的问题的问题。
-
公开(公告)号：CN109063729A
公开(公告)日：2018-12-21
申请号：CN201810639133.1
申请日：2018-06-20
申请人： 上海电力学院
CPC分类号： G06K9/629 , G06K9/6215 , G06N3/006 , G06Q50/06 , G07C1/20
摘要： 本发明涉及一种基于PSO‑NSCT的多传感器图像融合方法，利用被动聚集的粒子群优化算法来优化NSCT的高频子带融合参数模型，包括以下步骤，先由NSCT对可见光与红外图像进行融合，NSP对源图像进行多尺度分解，得到各个层次高、低频子带图像；将高频子带图像传递给NSDFB，实现对该图像的多方向分解，融合图像各个层次的低频子带系数采用基于区域相似度的融合规则加权求得；以MI、QAB/F指标为改进PSO的适应度函数的最优约束，计算出高频子带系数融合的最优权值；通过NSCT逆变换得到多传感器图像的融合结果。本方法与传统融合算法相比，本发明的融合结果具有较高的对比度、细节保持度和融合精度，具有一定的应用价值。
-
公开(公告)号：CN109063707A
公开(公告)日：2018-12-21
申请号：CN201810622562.8
申请日：2018-06-15
申请人： 西安理工大学
CPC分类号： G06K9/344 , G06K9/6256 , G06K9/6268 , G06K9/629 , G06K2209/15
摘要： 本发明公开了一种复杂背景下的车牌定位的方法，结合了车牌的纹理特征与车牌的边缘和形状信息，克服了目前常用的车牌定位技术的缺点；采用了Adaboost迭代算法，该算法是一种有效的分类器集成方法，通过单个弱分类器加权投票建立最终的强分类器，从而达到很高的分类性能；通过样本的HOG与分层的LBP融合特征进行Adaboost分类器模型训练，得到分类器模型，进行车牌定位。该方案可以在复杂背景的全景图中准确定位车牌的位置，提高了车牌定位的准确率及实时性。
-
公开(公告)号：CN109063556A
公开(公告)日：2018-12-21
申请号：CN201810673753.7
申请日：2018-06-27
申请人： 绍兴文理学院
CPC分类号： G06K9/00335 , G06K9/46 , G06K9/629 , G06K2009/6295
摘要： 本发明涉及一种基于镜像视觉实现机器人舞蹈姿态自主评判的方法，包括采集相应的样本镜像视觉图像，将样本镜像视觉图像和自身植入的审美标签得到舞蹈姿态样例集，并基于该舞蹈姿态样例集进行机器学习，建立舞蹈姿态自主评判模型，进而对新舞蹈姿态进行评判采用该种方法，通过对机器人舞蹈姿态的镜像视觉图像采集、预处理、特征提取及特征融合，在建立舞蹈姿态样例集的基础上进行机器学习，建立舞蹈姿态自主评判模型，使机器人具备理解自身舞蹈姿态美感的能力，从视觉信息感知通道出发，实现了机器人更加精准评判自身舞蹈姿态的审美结果，具有如舞蹈治疗、机器人玩具等更广泛的应用范围。
-
公开(公告)号：CN109035315A
公开(公告)日：2018-12-18
申请号：CN201810987940.2
申请日：2018-08-28
申请人： 武汉大学
CPC分类号： G06T7/33 , G06K9/4671 , G06K9/629 , G06N3/0454 , G06T2207/10032
摘要： 本发明提供一种融合SIFT特征和CNN特征的遥感图像配准方法及系统，包括对输入的参考影像和待配准影像进行特征点提取，采用SIFT方式对特征点的邻域区域进行特征表达，获得SIFT特征；将特征点的邻域区域作为卷积神经网络CNN的输入端，使用预先采用迁移学习策略训练完成的CNN模型进行高层特征表达，获取CNN特征；将SIFT特征和CNN特征进行融合，计算相似性，估算参考影像和待配准影像之间几何变换参数，对待配准影像进行几何变换并重采样，获得配准影像。本发明结合传统特征提取的底层特征和基于卷积神经网络提取的高级特征，联合特征能更准确地表达遥感影像内容，极大提高了遥感影像配准精度，具有较强的适应性。
-
公开(公告)号：CN109034215A
公开(公告)日：2018-12-18
申请号：CN201810746776.6
申请日：2018-07-09
申请人： 东北大学
CPC分类号： G06K9/6268 , G06K9/629 , G06N3/0454 , G06N3/08
摘要： 本发明涉及一种基于深度卷积神经网络的安全帽佩戴检测方法；本发明包括：101、将待检测图像输入至训练后的深度卷积神经网络；102、获取深度卷积神经网络输出的检测结果，检测结果为满足预设条件的第一类边界框和第二类边界框；103、将检测结果中满足预设条件的第一类边界框和第二类边界框标记在待检测图像上；其中深度卷积神经网络包括：基础网络模块、卷积模块、自顶向下模块和预测模块。本发明方法模型简单且不需要复杂的图像预处理过程，针对人员其他身体部位被遮挡的情况也能准确的检测到人员是否佩戴安全帽，本发明自顶向下模块和预测模块通过将高层特征图和低层特征图融合的方法提高了对图像分辨率低的目标的检测性能。
-
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
申请人： 上海理工大学
CPC分类号： G06K9/629 , G06K9/4647 , G06T7/262 , G06T7/269 , G06T2207/10016 , G06T2207/20056 , G06T2207/20068 , G06T2207/20081
摘要： 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。
-
-
-
-
-
-
-
-
-
搜索结果
416 条记录 (耗时 0.015 秒)
