-
公开(公告)号：CN114529970A
公开(公告)日：2022-05-24
申请号：CN202210147839.2
申请日：2022-02-17
Applicant: 广州大学
Abstract: 本发明涉及智能监控技术领域，且公开了基于Gabor特征和HOG特征融合的行人检测系统，包括首先对输入图像进行预处理，若图像不是人脸图像，需要先对图像进行人脸检测、人脸截图和人脸对齐，然后针对人脸图像进行灰度化、滤波和归一化，构造Gabor滤波器组，设置滤波器的核尺寸和方向，构造Gabor滤波器组。本发明通过计算每个单元的每个像素的梯度，并统计细胞单元的梯度方向直方图，以30°为间隔划分6个bin，则每个细胞单元可以得到一个6维的特征向量，最后将块归一化的特征向量进行串联，合成HOG特征向量，通过此过程，可以得到20张特征图，该特征图为二级特征，采用PCA对融合特征进行降维，最后用SVM作为分类器进行人脸识别，简化操作，提高人脸识别的效率。
-
公开(公告)号：CN113205687A
公开(公告)日：2021-08-03
申请号：CN202110481444.1
申请日：2021-04-30
Applicant: 广州大学
Abstract: 本发明涉及一种基于视频监控的酒驾车辆轨迹识别系统，包括视频采集模块、数字图像预处理模块、车辆行驶特征检测模块、酒驾车辆识别模块、车牌识别模块以及报送交警人工检测模块，各模块依次连接；其中，数字图像预处理模块包括车道线识别模块、汽车识别模块和图像预处理模块；车辆行驶特征检测模块包括汽车追踪模块、转向灯识别模块、角度检测模块和压线检测模块。本发明通过扩大酒驾检测的范围，提高交警的酒驾检测工作效率，使得酒驾司机不再抱有侥幸心理，进而减少因酒驾引起的交通事故的发生。
-
公开(公告)号：CN113139979A
公开(公告)日：2021-07-20
申请号：CN202110427265.X
申请日：2021-04-21
Applicant: 广州大学
Abstract: 本发明涉及一种基于学习的边缘识别方法，包括步骤：S1、进行网络结构搭建，在网络结构上设定锚点anchor，进行目标预测，并设计7层卷积层提取网络特征；S2、采用卷积层四周填充提取边缘信息，并融合残差网络和卷积下采样操作；S3、在每个卷积层中加入批量归一化操作，采用Softmax函数归一化，将图像进行0与1分类，产生目标概率可能值；S4、进行目标网络检测，采用多尺度训练方式，调整输入图像分辨率。本发明从目标的边缘信息出发，提出一种T‑YOLO检测算法，解决检测速度慢的问题，实现目标定位的准确度，提高识别精度。
-
公开(公告)号：CN113139481A
公开(公告)日：2021-07-20
申请号：CN202110466081.4
申请日：2021-04-28
Applicant: 广州大学
Abstract: 本发明公开了一种基于yolov3的教室人数统计方法，包括以下步骤：S1、通过设置于教室天花板的摄像头采集教室的原始图像作为模型训练的图像集；S2、对原始图像中的每个学生头部俯视图进行标注并生成标注文件，对标注文件中的标注框进行计算；S3、特征提取，对输入图像进行卷积和下采样；S4、建立检测模型，运用k‑means聚类算法对数据集进行聚类，检测模型采用改进的yolov3网络，包括特征提取网络和目标检测层；S5、进行检测模型训练；S6、将待测图像输入检测模型进行人数检测。本发明方法基于yolov3算法，能够快速准确地统计到某一时刻教室里学生的人数，老师可以很快的发现学生是否来齐，讲课途中是否有人混入或早退，达到改善学生迟到、早退以及逃课等现象。
-
公开(公告)号：CN109822582A
公开(公告)日：2019-05-31
申请号：CN201910004290.X
申请日：2019-01-03
Applicant: 广州大学
Abstract: 本发明公开了一种基于ROS的家庭服务机器人，该机器人包括清洁移动平台，躯干，三自由度双臂和二自由度头部，清洁移动平台上装有操作系统为ROS的Linux主机、激光雷达、惯性测量单元、行走组件和清洁组件，二自由度头部包括显示屏、深度相机、麦克风模块和触觉传感器。该机器人通过激光雷达对未知环境构建三维地图，利用ROS的轨迹规划库，在环境中按照要求进行清洁轨迹规划与优化，躲避动、静态障碍；通过头部的显示屏、深度相机和麦克风模块进行人机交互，深度相机获取人的肢体动作信息，头部的触觉传感器能感知是否有人触碰，三自由度双臂能实现类似人类双臂前后上下摆动，能满足家庭娱乐需求，提高了该机器人的智能性与多功能性。
-
Patent Agency Ranking
公开(公告)号：CN113128387B
公开(公告)日：2023-10-13
申请号：CN202110397494.1
申请日：2021-04-14
Applicant: 广州大学
IPC: G06V40/16 , G06V20/40 , G06V10/774 , G06V10/776 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于面部表情特征分析的吸毒者毒瘾发作识别方法，该方法步骤包括：采集被监察者的视频并进行人脸识别；对提取得到的人脸图像进行图像预处理；构建DNN深度神经网络并进行网络训练，设置待训练的DNN深度神经网络的超参数值，将训练集样本输入到DNN深度神经网络进行训练；DNN深度神经网络包括依次连接的输入层、卷积层、池化层、GRU层和Softmax输出层；将图像预处理后的人脸图像输入到训练好的DNN深度神经网络，对人脸图像的特征进行提取，输出毒瘾发作概率的预测值；当输出毒瘾发作概率的预测值大于预设的阈值时，判定被监察者毒瘾发作。本发明提供判断精确度的效果，具有良好的分类效果和泛化能力。
-
公开(公告)号：CN116776251A
公开(公告)日：2023-09-19
申请号：CN202310590626.1
申请日：2023-05-23
Applicant: 广州大学
IPC: G06F18/243 , G06F18/2415 , G06F18/213 , G06F18/214 , G06F40/284
Abstract: 本发明提供了基于双层随机森林朴素贝叶斯算法的文本情感分类方法，包括：S1，使用训练文档集D构建随机森林；S2，建立初始为空的样本集D'，使用S1获得的随机森林分别对D中的每篇训练文档x进行分类获得特征向量x'，将特征向量x'存入样本集D'中；S3，分别对D'中的每一个特征向量x'做一位有效编码，并更新样本集D'；S4，计算多变量伯努利朴素贝叶斯的先验概率和条件概率；S5，将待处理文档d输入随机森林，使用基学习器预测的类别下标为d构建新特征向量d'；S6，对d'做一位有效编码，运用预设的公式对d'进行分类得到随机森林朴素贝叶斯模型的最终预测结果。本发明基于双层随机森林朴素贝叶斯算法来进行分类，有效地提高了分类准确率。
-
公开(公告)号：CN116665285A
公开(公告)日：2023-08-29
申请号：CN202210147807.2
申请日：2022-02-17
Applicant: 广州大学
IPC: G06V40/18 , G06V10/764 , G06V10/82 , G05B15/02 , G05B19/418
Abstract: 基于YOLOv3的睡眠检测方法、装置、设备及介质，其方法包括：采集家庭中每个成员睡眠时的照片；对照片中的人眼处进行标注，对标注的照片进行扩张和过滤，将扩张和过滤后的照片作为数据集；对数据集进行卷积化和池化处理，然后对处理后的数据集中的图像进行分类；对分类后的图像进行处理，判断用户是否闭眼，根据判断结果控制家电运行，本专利提出的YOLOv3的睡眠检测与智能家居相结合的方法，可以随时检测用户是否处于睡眠状态，并根据检测的结果控制家电关闭或节能运行，可以节约电力资源、减少电子废物的产生，有利于绿色环保社会的建设。
-
公开(公告)号：CN116664308A
公开(公告)日：2023-08-29
申请号：CN202210148201.0
申请日：2022-02-17
Applicant: 广州大学
IPC: G06Q40/06 , G06Q30/0201 , H03H17/02
Abstract: 本发明涉及卡尔曼滤波技术领域，尤其涉及了基于卡尔曼算法优化基金估值的判断预测方法，其具体方法为：先获取到任意一天的某产品收盘时的净值，将其作为初始值(称其为S1)，初始值与真实价值的误差就设为est，然后再去获取到在S1后面一天的该产品净值，将其作为预测值，预测值与真实价值的误差就设为emke，应用公式后得到卡尔曼增益，之后再通过新的预测值去计算卡尔曼增益，同时再加入一个检测算法，去减少市场情绪带来的影响，重复S1到S6的步骤，反复通过以上四个值进行迭代，便可以获得到产品的真实价值。该基于卡尔曼算法优化基金估值的判断预测方法，优化了对基金估值的判断以及预测基金未来趋势，该方法目的是去获得到一个更加符合当下市场的估值，然后再根据此估值去做后一步的判断，从而保证继续拥有一个较为稳定的真实值。
-
公开(公告)号：CN113139439B
公开(公告)日：2022-06-10
申请号：CN202110368642.7
申请日：2021-04-06
Applicant: 广州大学
Abstract: 本发明公开了一种基于人脸识别的在线学习专注度评价方法及装置，方法首先通过在线学习学习者的电脑摄像头获取视频图像；在视频图像含有人脸信息情况下截取其中的人脸部分，生成人脸图像；然后提取人脸图像中的人脸头像并归一化，对归一化后的图像进行直方图均衡化处理，得到特征图像；接着创建专注度评价模型，将学习者在线学习过程中的特征图像导入专注度评价模型，得到专注度分值的平均值；根据专注度分值的平均值与专注度自评结果迭代专注度评价模型；当学习者正在在线学习时，将实时获取的特征图像导入到完成迭代的专注度评价模型，专注度评价模型实时输出学习者的专注度分值。本发明能够自动准确监测学习者在线学习过程中的专注度水平。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.019 seconds)
