-
公开(公告)号：CN114820711B
公开(公告)日：2024-12-03
申请号：CN202210508603.7
申请日：2022-05-11
Applicant: 中国地质大学(武汉)
IPC: G06T7/246 , G06T7/215 , G06T7/194 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明提供一种基于全卷积网络和注意力机制的实时前景检测方法及装置，该方法检测性能强、泛化能力较好，且计算效率高，具有非常好的实时性。该前景检测方法通过设计轻量级的编码器‑解码器网络模型和网络优化方法，建立了一套适用于前景检测的网络结构。该方法是一种端对端的方法，相比传统方法，本发明无需复杂的预处理环节，并已在测试集上获得很高的准确率。将视频序列图像输入所设计的网络获得前景检测结果，F值达到了98％以上。并且该方法的处理效率极高，在使用GTX1060(6G)显卡作为加速硬件的条件下，处理大小为320*240的视频图像能达到73FPS。
-
公开(公告)号：CN107895154B
公开(公告)日：2020-08-25
申请号：CN201711215357.1
申请日：2017-11-28
Applicant: 中国地质大学(武汉)
Abstract: 一种面部表情强度计算模型的形成方法及系统，该模型用于估算表情分类下的面部表情强度，首先获取表情数据库，对表情数据库中的图像数据进行预处理，提取出面部部分的数据，然后分别进行面部几何特征、局部二值模式和Gabor小波变换三种模式的特征提取，分别使用全监督模式、半监督模式和无监督模式对前一步骤输出的数据进行训练，得到特征与面部表情强度的关系，将训练后形成的数据分别作为序数随机森林算法的输入进行训练，分别得出面部表情强度计算子模型，根据各子模型形成最终的面部表情强度计算模型。本发明利用数据库训练出该表情分类下的面部表情强度计算模型，利用该模型对图像数据进行处理，就可以获取该训练完毕的表情分类下的强度。
-
公开(公告)号：CN107895154A
公开(公告)日：2018-04-10
申请号：CN201711215357.1
申请日：2017-11-28
Applicant: 中国地质大学(武汉)
Abstract: 一种面部表情强度计算模型的形成方法及系统，该模型用于估算表情分类下的面部表情强度，首先获取表情数据库，对表情数据库中的图像数据进行预处理，提取出面部部分的数据，然后分别进行面部几何特征、局部二值模式和Gabor小波变换三种模式的特征提取，分别使用全监督模式、半监督模式和无监督模式对前一步骤输出的数据进行训练，得到特征与面部表情强度的关系，将训练后形成的数据分别作为序数随机森林算法的输入进行训练，分别得出面部表情强度计算子模型，根据各子模型形成最终的面部表情强度计算模型。本发明利用数据库训练出该表情分类下的面部表情强度计算模型，利用该模型对图像数据进行处理，就可以获取该训练完毕的表情分类下的强度。
-
公开(公告)号：CN111553931B
公开(公告)日：2022-06-24
申请号：CN202010261465.8
申请日：2020-04-03
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供一种用于室内实时监控的ViBe‑ID前景检测方法，包括：输入视频序列，使用结合三帧差法的背景建模方法进行背景建模，并用ViBe算法的前景检测算法进行前景提取，然后采用背景模型的分区更新策略完成背景模型更新，采用形态学方法完善前景区域，最后将前景区域输出，同时，在算法过程中还穿插了基于帧间灰度均值差的光照检测算法。本发明的有益效果：该方法在不牺牲原ViBe算法对于前景检测的实时性、准确性的基础上，有效消除“鬼影”和光照骤变带来的“泛白”现象，相比ViBe算法更适用于室内环境的前景检测。
-
公开(公告)号：CN107832740B
公开(公告)日：2020-08-25
申请号：CN201711213743.7
申请日：2017-11-28
Applicant: 中国地质大学(武汉)
Abstract: 一种远程教学的教学质量评估方法及系统，首先获取各学习端的拍摄装置所拍摄的学习者学习时的面部的表情图像，然后分别对各个拍摄装置的表情图像进行处理，对任一个拍摄装置的表情图像进行处理的方法如下：先将表情图像进行表情分类处理，再将表情图像输入至分类到的表情所对应的强度处理子模型进行处理，得到分类到的表情的强度，其中一个表情分类下的强度处理子模型中具有该表情分类的多个强度，再根据预设的转换关系，将得到的各表情分类以及对应的表情的强度进行整体数据分析，得到教学质量评估指标。本发明基于表情识别做出表情强度的估计，准确获知学习者在学习时高兴、疑惑、焦虑的程度，能够更加准确的反映出学习者的学习状态以及教学质量的好坏。
-
Patent Agency Ranking
公开(公告)号：CN101524594A
公开(公告)日：2009-09-09
申请号：CN200910061626.2
申请日：2009-04-17
Applicant: 中国地质大学(武汉)
Abstract: 本发明涉及一种随节奏起舞的人形机器人，该机器人的大脑设有通用音乐节奏识别能力的嵌入式计算机系统，该系统主要由听觉子系统、节奏识别子系统和舞蹈动作组合子系统组成，其中：听觉子系统将外部播放的音乐通过传感器获得，并转换为数字音乐信号，该数字音乐信号作为节奏识别子系统的输入；节奏识别子系统对数字音乐信号进行处理，获得音乐的节奏和节拍特征，包括每分钟节拍数和节拍开始时间；舞蹈动作组合子系统根据节奏识别子系统得到的节奏特征，自主进行舞蹈组合；这三个子系统以流水线的形式并行处理，使该机器人随节奏自主起舞。本人形机器人能够随着音乐的节奏自主表演整套优美完整的舞蹈，此外还具有艺术、教育与娱乐活动的应用前景。
-
公开(公告)号：CN117687474A
公开(公告)日：2024-03-12
申请号：CN202311621847.7
申请日：2023-11-28
Applicant: 中国地质大学(武汉) , 武汉纺织大学
IPC: G06F1/14 , G06N3/0442 , G06N3/045 , G06N3/08 , G06N3/006
Abstract: 本发明涉及一种基于LFA‑BiLSTM模型的星载原子钟差短期预报方法，包括：构建BiLSTM模型并对BiLSTM模型的参数进行初始化，获取训练样本对BiLSTM模型进行预训练，得到预训练后的BiLSTM模型的参数；BiLSTM模型的输入为钟差序列，输出为钟差预报值；对参数进行编码后，以各个萤火虫个体表示各个参数，以正则化均方根误差作为适应度函数，基于莱维飞行算法根据适应度值迭代更新各个萤火虫个体的位置，获取满足停止迭代条件时的参数；对BiLSTM模型的参数进行更新得到LFA‑BiLSTM模型，基于LFA‑BiLSTM模型进行星载原子钟差短期预报，用改进后的萤火虫算法优化双向长短记忆神经网络建立LFA‑BiLSTM模型，具有较高的精度和稳定性，具有较大的应用价值。
-
公开(公告)号：CN108288034B
公开(公告)日：2019-09-17
申请号：CN201810026662.4
申请日：2018-01-11
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种游戏设计的质量评估方法及系统，首先获取游戏端的拍摄装置所拍摄的玩家进行游戏时的面部的表情图像，然后分别对各个拍摄装置的表情图像进行处理，先将表情图像进行表情分类处理，将表情图像输入至分类到的表情所对应的强度处理子模型进行处理，得到分类到的表情的强度，再根据预设的转换关系，将步骤得到的各表情分类以及对应的表情的强度进行整体数据分析，得到游戏设计的质量评估。本发明基于表情识别做出表情强度的估计，准确获知玩家的表情类别和强度水平后，将玩家在体验游戏时每个时间点的表情数据用以评估游戏的设计优劣，在此基础上进行优化，达到更好的玩家体验效果。
-
公开(公告)号：CN110069981A
公开(公告)日：2019-07-30
申请号：CN201910168307.5
申请日：2019-03-06
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种基于机器学习的面部表情强度计算模型的形成方法及系统，该方法及系统用于估计表情分类下的面部表情强度，并通过特征融合与集成学习，来提升面部表情强度计算的准确性；首先将获取到的表情数据库中的面部图像数据进行预处理，得到面部部分对应的面部特征点；然后，根据得到的面部特征点的坐标位置，对每张面部图像数据的面部表情区域进行裁剪，得到对应的面部表情图像；最后，对提取出的面部表情图像进行面部特征提取，并构建表情强度估计模型；在输入一张包含面部部分的图像数据到表情强度估计模型时，即可计算得到面部特征与表情强度之间的关系。
-
公开(公告)号：CN107832740A
公开(公告)日：2018-03-23
申请号：CN201711213743.7
申请日：2017-11-28
Applicant: 中国地质大学(武汉)
Abstract: 一种远程教学的教学质量评估方法及系统，首先获取各学习端的拍摄装置所拍摄的学习者学习时的面部的表情图像，然后分别对各个拍摄装置的表情图像进行处理，对任一个拍摄装置的表情图像进行处理的方法如下：先将表情图像进行表情分类处理，再将表情图像输入至分类到的表情所对应的强度处理子模型进行处理，得到分类到的表情的强度，其中一个表情分类下的强度处理子模型中具有该表情分类的多个强度，再根据预设的转换关系，将得到的各表情分类以及对应的表情的强度进行整体数据分析，得到教学质量评估指标。本发明基于表情识别做出表情强度的估计，准确获知学习者在学习时高兴、疑惑、焦虑的程度，能够更加准确的反映出学习者的学习状态以及教学质量的好坏。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.027 seconds)
