-
公开(公告)号：CN113691863B
公开(公告)日：2023-06-20
申请号：CN202110755764.1
申请日：2021-07-05
申请人： 浙江工业大学
IPC分类号： H04N21/44 , H04N21/234 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 一种提取视频关键帧的轻量化方法，包括：首先对视频帧化后的每一张RGB视频帧进行图像增强、去噪等预处理，然后设计轻量型的特征提取模型LRDN网络去提取每一帧的深度特征，接着采用递归的方式获取每一帧的重要性预测值，最后通过设定判断阈值去判断当前帧是属于关键帧还是冗余帧。本发明利用轻量化卷积神经网络——LRDN模型去提取经预处理后的视频帧的深度特征，与传统卷积神经网络相比，极大地降低了模型的参数数量和计算量，节约了计算资源；利用高效低耗的递归方式不断地预测每一张RGB视频帧的重要性，以摒弃冗余帧，保留有用帧。
-
公开(公告)号：CN113691863A
公开(公告)日：2021-11-23
申请号：CN202110755764.1
申请日：2021-07-05
申请人： 浙江工业大学
IPC分类号： H04N21/44 , H04N21/234 , G06K9/46 , G06N3/04 , G06N3/08
摘要： 一种提取视频关键帧的轻量化方法，包括：首先对视频帧化后的每一张RGB视频帧进行图像增强、去噪等预处理，然后设计轻量型的特征提取模型LRDN网络去提取每一帧的深度特征，接着采用递归的方式获取每一帧的重要性预测值，最后通过设定判断阈值去判断当前帧是属于关键帧还是冗余帧。本发明利用轻量化卷积神经网络——LRDN模型去提取经预处理后的视频帧的深度特征，与传统卷积神经网络相比，极大地降低了模型的参数数量和计算量，节约了计算资源；利用高效低耗的递归方式不断地预测每一张RGB视频帧的重要性，以摒弃冗余帧，保留有用帧。
-
公开(公告)号：CN112084878A
公开(公告)日：2020-12-15
申请号：CN202010815977.4
申请日：2020-08-14
申请人： 浙江工业大学
摘要： 一种用于判别作业人员姿态规范程度的方法，首先，构建人体姿态特征提取网络并设计网络参数，用于提取人体姿态特征图；其次，将所得人体姿态特征图输入到并行网络结构中，得到人体骨骼关键点，并将人体骨骼关键点进行连接使其成为人体主要躯干；然后，利用反余弦函数，根据关键点坐标求得主要相邻躯干间的夹角；最后，将求得的主要相邻躯干间的夹角与预先设定的夹角阈值进行比较，从而判断其夹角是否在规定阈值范围内，进而判别作业人员姿态是否规范。本发明针对作业人员在制造过程中的操作规范性、作业疲劳度、罹患职业性疾病等问题提供了一种用于判别作业人员姿态规范程度的方法。
-
公开(公告)号：CN112069906A
公开(公告)日：2020-12-11
申请号：CN202010795417.7
申请日：2020-08-10
申请人： 浙江工业大学
摘要： 一种基于OpenCV和综合匹配距离的红绿灯识别方法，利用OpenCV中的cv2.VideoCapture类函数捕获行车过程中的路况视频流，接着调用cv2.VideoCapture.read函数、cv2.CAP_PROP_FRAME_WIDTH函数和cv2.CAP_PROP_FRAME_HEIGHT函数捕获width、height尺寸的视频帧；然后利用OpenCV中的cv2.medianBlur函数对捕获的视频帧进行中值滤波；紧接着对中值滤波后的图像进行加权平均灰度化，然后利用OpenCV中的cv2.HoughCircles函数对图像进行霍夫圆环检测。再然后对检测、分割到的圆环进行颜色检测，即把图像从RGB色彩空间转换到HSV色彩空间，接着利用cv2.inRange函数筛选颜色，然后通过综合待测试图像与数据库图像非零像素点向量之间的欧氏距离以及非零像素点数比值，构建衡量两幅图像相似度的综合匹配距离，最后通过比较计算出的所有综合匹配距离，选择最小综合匹配距离对应的待测试图像的类别为识别结果。
-
公开(公告)号：CN111986126A
公开(公告)日：2020-11-24
申请号：CN202010689421.5
申请日：2020-07-17
申请人： 浙江工业大学
摘要： 一种基于改进VGG16网络的多目标检测方法，包括：步骤一，样本图像增强处理；选择采用直方图均衡化和直方图匹配的方法，通过改变图像的灰度直方图来改变图像的显示效果；步骤二，构建特征提取模型，构建特征提取网络模型，由截断的VGGNet-16网络和加强网络层组成，在每一层中将产生对应参数的不同尺度的特征图，则目标物体的检测是在这些不同尺度的特征图上同时进行的，不同尺度的特征图用于预测不同尺度大小的目标物体；步骤三，设置特征提取模型相关函数；步骤四，对所提取的特征图上的目标进行定位；步骤五，目标定位和特征分类损失函数的设定。本发明能够在提高识别精度的同时加快识别效率，从而解决检测难、分类难的问题。
-
公开(公告)号：CN111986125A
公开(公告)日：2020-11-24
申请号：CN202010686619.8
申请日：2020-07-16
申请人： 浙江工业大学
摘要： 一种用于多目标任务实例分割的方法方法，包括：步骤一，样本图像直方图均衡化处理；步骤二，构建多目标特征提取网络；步骤三，设计候选边界框，并对特征图上目标物体进行提取和分类；步骤四，利用非极大值抑制算法对多余的边界框进行剔除；步骤五，对候选边界框进行二值回归，以获得实例分割结果。本发明能够提高识别精度、加快识别效率的同时使用二值回归函数将目标物体从图像中分割出来，从而解决分割粗糙的问题。
-
公开(公告)号：CN111209861A
公开(公告)日：2020-05-29
申请号：CN202010011805.1
申请日：2020-01-06
申请人： 浙江工业大学
摘要： 一种基于深度学习的动态手势动作识别方法，包括：步骤一，构建手势关节点坐标识别网络，利用改进的CPM模型对手势视频进行处理，输出单视点下的手势关节点坐标；步骤二，采集单视点视频数据；以单视点的形式对手势视频样本进行采集，即用一个普通的网络摄像头从多个角度捕捉用户的手势数据，其中包括：(2.1)定义基本手势元素；(2.2)选取手势关节点；(3)准备训练样本数据集；步骤三，输出手势高斯热图和手势关节点坐标；步骤四，构造手势序列识别网络，网络模型构造的具体流程如下：(4.1)定义激活函数；(4.2)选择损失函数；(4.3)建立模型；最后，将步骤三得到的关节点坐标输入标准手势序列识别网络，得到手势动作序列。
-
公开(公告)号：CN113673553B
公开(公告)日：2024-03-29
申请号：CN202110755789.1
申请日：2021-07-05
申请人： 浙江工业大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/80 , G06V10/74 , G06N3/0464 , G06V10/82 , G06N3/08
摘要： 一种快速检测与识别少样本目标的方法，首先将所有待检测的图像进行预处理，并按图像类别的比例划分训练集、支持集和测试集。然后通过设计LRDN网络和卷积自编码网络完成特征提取模型的设计，利用预激活的方式构建特征比较模型，两个网络的结合将构成一个端到端训练的模型。特征提取网络将输入图像从图像空间转换到特征表示空间，而特征比较网络则负责将两张图像的特征表示映射为二者属于同一类别的相似度分数，最后完成目标的检测与识别。本发明还包括一种快速检测与识别少样本目标的系统。本发明能很好地应用于目标样本量较小情况下的检测与识别。
-
公开(公告)号：CN114724185A
公开(公告)日：2022-07-08
申请号：CN202210386007.6
申请日：2022-04-13
申请人： 浙江工业大学
IPC分类号： G06V40/10 , G06K9/62 , G06V10/46 , G06V10/764
摘要： 一种轻量型的多人姿态跟踪方法，包括如下步骤：步骤一，设计轻量化目标检测器；步骤二，构建轻量化多目标跟踪器；步骤三，搭建轻量化人体姿态估计器；步骤四，将轻量化多目标跟踪器和轻量化人体姿态估计器进行并联；步骤五，对模型进行训练及测试。本发明在保证检测速度的前提下，获得更理想的检测精度，满足实际作业中的实时性需求；改善目标部分遮挡、运动模糊等情况下的目标检测质量，继而获得更好的跟踪效果；获取跟踪目标人体的边界框位置信息的同时检测人体各个关键点的位置，实现对多人姿态的轻量化跟踪。
-
公开(公告)号：CN111986126B
公开(公告)日：2022-05-24
申请号：CN202010689421.5
申请日：2020-07-17
申请人： 浙江工业大学
摘要： 一种基于改进VGG16网络的多目标检测方法，包括：步骤一，样本图像增强处理；选择采用直方图均衡化和直方图匹配的方法，通过改变图像的灰度直方图来改变图像的显示效果；步骤二，构建特征提取模型，构建特征提取网络模型，由截断的VGGNet‑16网络和加强网络层组成，在每一层中将产生对应参数的不同尺度的特征图，则目标物体的检测是在这些不同尺度的特征图上同时进行的，不同尺度的特征图用于预测不同尺度大小的目标物体；步骤三，设置特征提取模型相关函数；步骤四，对所提取的特征图上的目标进行定位；步骤五，目标定位和特征分类损失函数的设定。本发明能够在提高识别精度的同时加快识别效率，从而解决检测难、分类难的问题。
-
-
-
-
-
-
-
-
-
搜索结果
32 条记录 (耗时 0.024 秒)
