-
公开(公告)号：CN112257628A
公开(公告)日：2021-01-22
申请号：CN202011180504.8
申请日：2020-10-29
Applicant: 厦门理工学院
Abstract: 本发明提供了一种户外比赛运动员的身份识别方法、装置及设备，包括：获取多个摄像头采集到的视频，提取视频内行人的图像集；提取图像集中行人的第一特征，获取目标运动员的整体特征、目标运动员的人脸特征，并获取第一特征与整体特征映射到特征向量空间的第一欧式距离；根据第一欧式距离匹配到图像集中具有目标运动员的第一图像；获取第一图像中目标运动员的人脸图像，提取人脸图像的第二特征，获取第二特征与人脸特征映射到L2空间的第二欧氏距离；当根据第二欧氏距离判断到人脸图像为目标运动员时，保留第一图像；遍历图像集，直至获取具有目标运动员的所有第一图像，并将多张第一图像组成视频并保存，解决了行人识别错误率高的问题。
-
公开(公告)号：CN103279987B
公开(公告)日：2016-05-18
申请号：CN201310241266.0
申请日：2013-06-18
Applicant: 厦门理工学院
IPC: G06T17/00
Abstract: 本发明公开一种基于Kinect的物体快速三维建模方法，其包括以下步骤：步骤1：固定各Kinect与旋转平台的相对位置，并使各Kinect分别以不同视角正对旋转平台，以获得较为完整的物体模型；步骤2：将欲重建的物体置于旋转平台中央，启动系统进行物体重建，利用三维视觉理论对Kinect输出的场景深度信息实现场景建模，将位于不同坐标系的Kinect的场景深度信息统一到同一个坐标系；步骤3：基于法线校正的外点去除方法过滤错误的三维点云，具体是：由步骤2得到稠密的场景深度信息的三维点云，提取这些三维点云的法线信息，并构建基于局部法线约束的外点判断函数，对于不满足局部法线约束的三维点云的数据则判定为外点，予以去除；步骤4：得到物体的三维模型。
-
公开(公告)号：CN119007386A
公开(公告)日：2024-11-22
申请号：CN202410994757.0
申请日：2024-07-24
Applicant: 厦门理工学院
IPC: G08B21/10 , G01N33/24 , G01V1/28 , G01L5/00 , G06F18/25 , G06F18/214 , G06N3/0464 , G08B21/18 , G08B31/00
Abstract: 本申请公开了一种地质灾害的预警方法、装置、存储介质以及电子设备。该方法包括：通过位移预测模型确定地质变化的位移数据；根据位移数据确定地质变化的初始预警等级；在检测到初始预警等级中至少之一高于预设预警等级的情况下，分别确定在微震监测以及应力测试下地质变化的目标预警等级；在检测到目标预警等级中至少之一高于预设预警等级的情况下，触发地质灾害预警指令，将目标预警等级对应的预警信息发送至终端设备。通过本申请，解决了相关技术中地质灾害的预警效率较低的问题。
-
公开(公告)号：CN117292419B
公开(公告)日：2024-10-11
申请号：CN202311055106.7
申请日：2023-08-21
Applicant: 厦门理工学院
Abstract: 本发明属于人脸识别技术领域中，涉及一种基于人脸识别的行人追踪定位方法、装置，所述方法包括：S1、获取人脸识别使用场景，所述使用场景包括静态识别模式和动态识别模式；S2、根据所述使用场景，判断所述使用场景是否为静态识别模式，是则获取静态视频源，对所述静态视频源进行人脸识别，否则进入S3；S3、根据所述使用场景，判断所述使用场景是否为动态识别模式，是则获取实时动态视频源，对所述实时动态视频源进行人脸识别；S4、根据人脸识别结果，进行行人追踪定位。能够根据实际使用场景进行人脸识别，灵活方便，追踪定位效率高，可普遍适用于安全监控、身份验证、人员管理等领域。
-
公开(公告)号：CN117218603A
公开(公告)日：2023-12-12
申请号：CN202311366734.7
申请日：2023-10-20
Applicant: 厦门理工学院
IPC: G06V20/52 , G06V10/40 , G06V10/774 , G06V10/82 , G06V10/764 , G06F17/16
Abstract: 本发明涉及一种基于高阶结构建模的跨模态行人重识别方法及系统，该方法包括：1）从数据集中成对抽取多个行人的VIS图片和IR图片，形成VIS‑IR图片对训练数据集；2）构建跨模态行人重识别网络模型，跨模态行人重识别网络模型主要包括用于提取图像基本特征的骨干网络、用于提取不同范围尺度特征的短长范围特征提取模块、用于学习图像中高阶结构信息的高阶结构学习模块和用于减少行人在不同模态下差异的共享空间学习模块；通过训练数据集对模型进行训练，得到可泛化的模型参数；3）将训练好的跨模态行人重识别网络模型用于跨模态检索，实现不同模态之间的行人重识别。该方法及系统有利于获得更加稳定、鲁棒、准确的跨模态行人重识别结果。
-
Patent Agency Ranking
公开(公告)号：CN109407705A
公开(公告)日：2019-03-01
申请号：CN201811535464.7
申请日：2018-12-14
Applicant: 厦门理工学院
IPC: G05D1/10
Abstract: 本发明公开了一种无人机躲避障碍物的方法、装置、设备和存储介质，方法包括：基于采集的障碍物的图像和单目Visual SLAM框架，重建出三维地图，获取无人机的位置和无人机与障碍物的轴线距离。根据无人机的飞行方向对无人机进行投影，判断无人机在飞行方向上的投影是否与障碍物所在的平面相交。当无人机的投影与障碍物相交时，获取位于障碍物上与无人机的投影中心最短距离的边缘点。以边缘点为圆心，形成预设的安全半径的碰撞圆。根据无人机和障碍物相对位置以及无人机的行驶速度，计算出无人机偏转角度。根据碰撞圆、偏转角度、轴线距离和边缘点进行路线规划，使得无人机能够经由碰撞圆的边界绕过障碍物。能够实现障碍物的检测和无人机避障路径的规划。
-
公开(公告)号：CN119068419A
公开(公告)日：2024-12-03
申请号：CN202411539756.3
申请日：2024-10-31
Applicant: 厦门理工学院
Abstract: 本发明涉及火灾预测领域，具体公开了一种基于深度神经网络的火灾场景实时预测方法，包括检测火灾场景中的堆积特征、烟气释放特征和阴燃特征；响应于同一区域同时存在堆积特征、烟气释放特征和阴燃特征确定该区域为阴燃风险区；基于各特征的出现时间对阴燃风险区进行验证；对于验证正确的阴燃风险区，将各特征的程度参数输入神经网络模型，输出阴燃风险区的爆燃风险等级；基于阴燃风险区的位置和爆燃风险等级对疏散路径进行更正；通过神经网络模型对可能出现阴燃转爆燃的区域进行检测分析，并给出爆燃风险等级的预测，从而为火灾应急提供数据支持和决策辅助。
-
公开(公告)号：CN118968598A
公开(公告)日：2024-11-15
申请号：CN202411154082.5
申请日：2024-08-21
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于提示学习的人脸属性识别方法及系统，该方法包括以下步骤：1）从数据集中获取人脸图像和人脸属性识别标签，并对人脸图像进行预处理，形成人脸图像Token序列；2）将人脸图像Token序列输入构建的人脸属性识别网络模型，人脸属性识别网络模型对提示序列进行初始化，并将其与人脸图像Token序列拼接后输入Transformer模型；Transformer模型部分冻结，只有提示序列进行迭代，以引导模型进行微调；Transformer模型的不同编码器层之间插入动态可调门控模块，以自适应地调整不同编码器层的提示序列的贡献；对人脸属性识别网络模型进行训练；3）将训练好的人脸属性识别网络模型用于人脸属性识别。该方法及系统有利于更加鲁棒、准确、轻量化的获得人脸属性识别结果。
-
公开(公告)号：CN118070482A
公开(公告)日：2024-05-24
申请号：CN202311873415.5
申请日：2023-12-30
Applicant: 厦门理工学院
Abstract: 本申请提供一种在Cesium中模拟地表挖掘的方法及装置，设计三维仿真技术领域，能够有效提高在Cesium中对地表的曲线挖掘区域的仿真效果和仿真效率。该方法包括：将目标地表区域的三维模型加载到Cesium框架中；响应于用户输入的第一操作，确定三维模型中起始点的法线向量、终止点的法线向量以及迭代间距；根据起始点的法线向量、终止点的法线向量以及迭代间距确定若干个平面法线向量；根据起始点的法线向量、终止点的法线向量和若干个平面法线向量分别创建对应的裁剪平面，并将得到的多个裁剪平面添加到裁剪平面集合中，多个第一裁剪平面围成三维模型的曲线挖掘区域；根据裁剪平面集合中对三维模型进行模拟挖掘。
-
公开(公告)号：CN116434143A
公开(公告)日：2023-07-14
申请号：CN202310406803.6
申请日：2023-04-17
Applicant: 厦门理工学院
Abstract: 本发明涉及一种基于特征重构的跨模态行人重识别方法，包括以下步骤：1）从数据集中成对抽取多个行人的可见光图片和红外图片，形成可见光训练数据集和红外训练数据集；2）构建基于特征重构的跨模态行人重识别网络模型，所述跨模态行人重识别网络模型主要包括特定特征提取模块、多尺度特征提取模块、Token感知的多尺度特征融合模块和跨模态特征重构模块；通过可见光训练数据集和红外训练数据集对跨模态行人重识别网络模型进行训练，得到可泛化的模型参数；3）将训练好的跨模态行人重识别网络模型用于跨模态检索，实现跨模态行人重识别。该方法及系统有利于获得更加稳定、鲁棒、准确的跨模态行人重识别结果。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.018 seconds)
