-
公开(公告)号：CN108182416A
公开(公告)日：2018-06-19
申请号：CN201711488387.X
申请日：2017-12-30
Applicant: 广州海昇计算机科技有限公司
Abstract: 本发明公开了一种无人机监控场景下的人体行为识别方法、系统及装置，方法包括：通过无人机监控摄像头对所需的监控地点进行视频拍摄并预处理，得到样本视频；基于样本视频，对样本视频中人体行为进行分类，并创建卷积神经网络模型和训练测试集样本库，进而通过训练测试集样本库对卷积神经网络模型进行训练；将实际监控视频进行处理后输入至训练后的卷积神经网络模型中，得到实际监控视频中的人体行为的分类类型。本发明通过训练后的卷积神经网络模型能够实时自动对现实无人机平台监控场景下人体的各类行为进行识别，网络泛化能力较好，有效提升识别效果。本发明可广泛应用于行为识别领域中。
-
公开(公告)号：CN106547632A
公开(公告)日：2017-03-29
申请号：CN201610884825.3
申请日：2016-10-09
Applicant: 广州海昇计算机科技有限公司
Abstract: 本发明公开了一种基于嵌入式多路高清录播设备的导播控制方法及系统，该导播控制方法包括以下步骤：S1、建立多路高清录播设备对应的QT导播控制方案；S2、QT进程往共享内存写入数据从而生成待传递的消息；S3、QT进程发送消息到消息队列中；S4、视频处理进程循环读取消息队列，获取QT进程发送的消息；S5、视频处理进程响应于所获取的消息，执行相应的指令；其中，消息包括写入共享内存的数据的偏移位置以及数据长度。本发明可以克服网络对录播设备设置的延时影响，而且可以全方位导播控制，操作方便，可广泛应用于视频导播行业中。
-
公开(公告)号：CN114363720B
公开(公告)日：2024-03-12
申请号：CN202111492456.0
申请日：2021-12-08
Applicant: 广州海昇计算机科技有限公司
IPC: H04N21/845 , G06V20/40 , G06V40/20 , G06V40/10
Abstract: 本发明公开了一种基于计算机视觉的视频切片方法、系统、设备及介质，方法包括：本发明实施例对待切片视频进行解码并输出视频帧图片；对所述视频帧图片进行手部关键点提取处理，确定手部关键点时间序列流；通过滑动窗口对所述手部关键点时间序列流进行手部动作匹配，确定手部行为信息；对所述视频帧图片进行目标检测，确定节点三元组；根据所述手部行为信息对所述节点距离进行位置检测，确定行为三元组；根据所述行为三元组中的动作起止时间戳对所述待切片视频进行剪辑，确定视频切片；能够通过手部与物体的交互行为确定切片的起止时间戳，实现自动化视频切片，提高了视频切片的效率，可广泛应用于视频切片技术领域。
-
公开(公告)号：CN115775341B
公开(公告)日：2023-05-09
申请号：CN202310106750.6
申请日：2023-02-13
Applicant: 广州海昇计算机科技有限公司
IPC: G06V10/764
Abstract: 本发明公开了一种实验设备状态检测方法及系统，其中方法如下：获取记录实验设备状态的图像集，将图像集中的一张图像入目标检测函数识别出图像中所有目标实验设备；将每个目标实验设备输入对应的一个图像分类函数，输出目标实验设备对应的状态分类置信度值；判断目标实验设备的状态分类置信度值是否大于阈值T；若目标实验设备的状态分类置信度值大于阈值，直接输出目标实验设备的状态分类置信度值；若目标实验设备的状态分类置信度值小于或等于阈值T，将目标实验设备的状态分类置信度值与相关矩阵相乘，并遍历相乘后的所有元素，将最大值的元素作为最终状态输出。本发明通过互相验证实验设备之间彼此的状态，以提升状态检测的精度。
-
公开(公告)号：CN106547632B
公开(公告)日：2019-12-10
申请号：CN201610884825.3
申请日：2016-10-09
Applicant: 广州海昇计算机科技有限公司
Abstract: 本发明公开了一种基于嵌入式多路高清录播设备的导播控制方法及系统，该导播控制方法包括以下步骤：S1、建立多路高清录播设备对应的QT导播控制方案；S2、QT进程往共享内存写入数据从而生成待传递的消息；S3、QT进程发送消息到消息队列中；S4、视频处理进程循环读取消息队列，获取QT进程发送的消息；S5、视频处理进程响应于所获取的消息，执行相应的指令；其中，消息包括写入共享内存的数据的偏移位置以及数据长度。本发明可以克服网络对录播设备设置的延时影响，而且可以全方位导播控制，操作方便，可广泛应用于视频导播行业中。
-
Patent Agency Ranking
公开(公告)号：CN108280406A
公开(公告)日：2018-07-13
申请号：CN201711488438.9
申请日：2017-12-30
Applicant: 广州海昇计算机科技有限公司
Abstract: 本发明公开了一种基于分段双流模型的行为识别方法、系统及装置，方法包括：采用H.265/HEVC的视频压缩标准录制监控视频；对样本数据集进行样本扩容，得到扩容样本数据集；创建组合卷积神经网络模型，进而通过扩容样本数据集对组合卷积神经网络模型进行训练，得到训练后的组合卷积神经网络模型；将实际监控视频进行处理后输入至训练后的组合卷积神经网络模型中，得到实际监控视频中的人体行为的识别结果。本发明通过利用分段双流CNNs和LSTMs组合的组合卷积神经网络模型识别人体行为类别，通过充分提取视频数据中有效特征，能有效实时分析视频中学生行为，且能大大提高识别准确率。本发明可广泛应用于行为识别领域中。
-
公开(公告)号：CN104601910A
公开(公告)日：2015-05-06
申请号：CN201510038317.9
申请日：2015-01-26
Applicant: 广州海昇计算机科技有限公司
Abstract: 本发明公开了一种基于FPGA的四路全高清视频处理电路，其包括FPGA芯片，所述FPGA芯片包括存储控制器、通道选择开关模块、第一视频层叠加模块、第二视频层叠加模块、第三视频层叠加模块、第四视频层叠加模块、视频时序控制模块、视频合成模块、视频模式参数控制器、四个视频输入处理模块以及四个视频放大模块。通过使用本发明基于FPGA芯片的画中画和画外画视频处理电路，可满足对多路全高清视频信号同时进行采集处理的需求，而且还具有架构简单、易于设计实现等优点。本发明作为一种基于FPGA的四路全高清视频处理电路可广泛应用于高清视频处理领域中。
-
公开(公告)号：CN115775341A
公开(公告)日：2023-03-10
申请号：CN202310106750.6
申请日：2023-02-13
Applicant: 广州海昇计算机科技有限公司
IPC: G06V10/764
Abstract: 本发明公开了一种实验设备状态检测方法及系统，其中方法如下：获取记录实验设备状态的图像集，将图像集中的一张图像入目标检测函数识别出图像中所有目标实验设备；将每个目标实验设备输入对应的一个图像分类函数，输出目标实验设备对应的状态分类置信度值；判断目标实验设备的状态分类置信度值是否大于阈值T；若目标实验设备的状态分类置信度值大于阈值，直接输出目标实验设备的状态分类置信度值；若目标实验设备的状态分类置信度值小于或等于阈值T，将目标实验设备的状态分类置信度值与相关矩阵相乘，并遍历相乘后的所有元素，将最大值的元素作为最终状态输出。本发明通过互相验证实验设备之间彼此的状态，以提升状态检测的精度。
-
公开(公告)号：CN108280842B
公开(公告)日：2020-07-10
申请号：CN201711483680.7
申请日：2017-12-29
Applicant: 广州海昇计算机科技有限公司
Abstract: 本发明公开了一种克服光照突变的前景分割方法，包括有以下步骤：采用混合高斯背景建模的模型对处理后的视频帧灰度图进行初始化；结合光强突变量对视频帧进行混合高斯背景建模处理，并得到更新的背景模型；然后通过联通域标记、特征提取以及行为判断的结果提取出前景目标。本发明方法在采用传统混合高斯背景建模方法的前提下，在模型中引入光照突变量对图像进行处理，对背景模型实时更新，解决了目标分割对光照和环境突变敏感的问题，也解决了传统混合高斯模型中对长时间静止目标被更新为背景并消失的问题，进一步提高了前景分割的准确率。本发明作为一种克服光照突变的前景分割方法可广泛应用于图像处理领域。
-
公开(公告)号：CN110705467A
公开(公告)日：2020-01-17
申请号：CN201910938866.X
申请日：2019-09-30
Applicant: 广州海昇计算机科技有限公司
IPC: G06K9/00
Abstract: 本发明公开了一种人脸表情识别方法、系统、装置和存储介质，所述方法包括识别图像中的人脸区域，分别根据所述嘴部动作程度、眼部动作程度和眉毛部动作程度，确定相应的人脸表情可能值，以及获取所有所述人脸表情可能值中的最优解作为人脸表情识别结果等步骤。通过对嘴部、眼部以及眉毛部分析得到的嘴部动作程度、眼部动作程度和眉毛部动作程度可以准确地分析出人脸表情，因此本发明具有高的识别准确率。本发明对硬件设备性能要求低，从而使得可以低成本地实现人脸表情识别功能，从而在低性能移动设备、商场自助服务机、投币游戏机以及儿童玩具等低端设备上实现人脸表情识别功能，提高用户的使用体验。本发明广泛应用于人脸表情识别技术领域。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.026 seconds)
