-
公开(公告)号：CN109559576A
公开(公告)日：2019-04-02
申请号：CN201811367002.9
申请日：2018-11-16
Applicant: 中南大学
CPC classification number: G09B5/065 , G06N3/0454
Abstract: 本发明公开了一种儿童伴学机器人及其早教系统自学习方法，自学习方法包括：步骤A10，训练卷积神经网络；步骤A20，采用卷积神经网络对输入的图像提取特征向量；步骤A30，采用乘积量化技术对特征向量分组量化；步骤A40，根据Imagenet数据集生成基准字母表；步骤A50，获取未知的新事物的图像和类别，提取新事物图像的特征向量并分组量化，并在基准字母表中查找匹配的新事物字符串；在联想记忆模型中将新事物字符串与类别匹配连接，实现将新事物学习到早教系统中；步骤A60，获取待识别事物的图像，早教系统识别得到待识别事物的类别。本发明可以实现与儿童一起学习新知识，共同竞赛，提高儿童学习的乐趣。
-
公开(公告)号：CN107705601A
公开(公告)日：2018-02-16
申请号：CN201710932536.0
申请日：2017-10-10
Applicant: 中南大学
IPC: G08G1/0962 , H04L29/06 , H04L29/08
CPC classification number: G08G1/09623 , H04L63/0815 , H04L67/141
Abstract: 本发明提供了一种基于WiFi技术的交通信号灯识别系统及识别方法，其中识别系统包括设置在汽车上的客户端和与交通信号灯相连接的服务器，通过WiFi通信技术组建客户端与服务器之间的局域网，并将交通信号灯的实时状态和位置信息发送到车辆的客户端上，实现客户端对交通信号灯的识别；该方法采用客户端和服务器的绝对位置信息进行比对，有效减小了系统可能出现的误差；本发明还采用自行设计的自定义通信协议，通过简化数据包，极大地缩短了数据长度，避免了数据推送延迟，保证了数据推送的实时性。
-
公开(公告)号：CN103020917B
公开(公告)日：2015-05-27
申请号：CN201210589915.1
申请日：2012-12-29
Applicant: 中南大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于显著性检测的中国古代书法绘画图像复原方法，该方法包括以下步骤：步骤A：对原始图像采用引导滤波增强处理以获得增强图像；步骤B：对步骤A所获得的增强图像，求取能够反映人眼注意力分布的显著性区域图及掩像图；步骤C：通过显著性区域图和掩像图确定步骤A获得的增强图像的前景和背景，并更换背景颜色以达到的复原目的。利用图像抠图公式中的掩图与大气散射模型表达式中的传播图在形式上一一对应的原理，通过求取散射模型表达式中的传播图以自动得到与已有传统抠图方法获取的掩像图效果相同的掩像图，解决了已有掩像图求取方法大多需人工指定图像的前、背景区域的问题，实现了图像复原的自动性、实时性。
-
公开(公告)号：CN113362452A
公开(公告)日：2021-09-07
申请号：CN202110629489.9
申请日：2021-06-07
Applicant: 中南大学
Abstract: 本发明公开了一种手部姿态三维重建方法、装置及存储介质，其中方法包括：实时获取一组多角度下的手部图像；将获取的一组多角度下的手部图像输入预先训练好的关节三维坐标预测模型中，得到手部各关节点的三维坐标；其中关节三维坐标预测模型基于多组标注有手部关节点的多角度下手部图像对神经网络进行弱监督训练得到；基于手部各关节点的三维坐标使用空间向量法，实时计算得到各相邻手指骨骼之间的夹角；基于实时计算得到的各相邻手指骨骼之间的夹角调整预先建立的人体手部三维模型中各关节的位置，实现手部姿态运动可视化。利用多角度二维图像作为输入很好的解决了手部转动过程遮挡问题，使用弱监督训练模型提升了二维坐标回归三维坐标的精度。
-
公开(公告)号：CN109858351B
公开(公告)日：2021-05-14
申请号：CN201811600836.X
申请日：2018-12-26
Applicant: 中南大学
Abstract: 本发明公开了一种基于层级实时记忆的步态识别方法，在新个体学习阶段，通过获取该个体不同角度的步态图片序列训练样本，以训练层级实时记忆模型，且输出层得到训练样本的聚类结果，然后根据聚类结果与身份和角度标记，计算层级实时记忆模型的输出层中的条件概率；在身份识别阶段，通过获取待识别个体的步态图片序列，层级实时记忆模型的输出层得到待识别个体的步态图片序列的聚类结果，选择与聚类结果对应的条件概率最高的身份和角度标记，作为待识别个体的身份和角度。本发明方法不但可以提取时间特征，而且多视角的共同训练克服了以往步态识别单视角的局限性，提高了步态识别的识别率。
-
Patent Agency Ranking
公开(公告)号：CN110084156B
公开(公告)日：2021-01-29
申请号：CN201910295000.1
申请日：2019-04-12
Applicant: 中南大学
Abstract: 本发明公开了一种步态特征提取方法及基于步态特征的行人身份识别方法，步态特征提取方法包括以下步骤：步骤A：对步态图像序列中的每一帧步态图像，获取其中行人所在区域，作为感兴趣区域；步骤B：分割感兴趣区域中的行人目标；步骤C：获取每一帧步态图像中行人目标的关节点位置信息；步骤D：基于该步态图像序列的各帧步态图像中行人目标的关节点位置信息，进行步态周期检测；步骤E：根检测出的步态周期，合成该步态图像序列对应的步态能量图，作为步态特征。基于提取出的步态特征利用判别网络和对比网络对行人目标进行判断或识别。本发明较好解决了步态识别领域小样本分类中样本量不足的问题，且算法实时性好。
-
公开(公告)号：CN112200746A
公开(公告)日：2021-01-08
申请号：CN202011109313.2
申请日：2020-10-16
Applicant: 中南大学
Abstract: 本发明公开了一种雾天交通场景图像的去雾方法和设备，方法为：A，针对远景区域、近景区域以及过渡区域不同的雾气浓度，分别计算雾天交通场景图像中对应区域的大气光值；然后在HSI颜色空间利用各通道的传输图和大气光值，根据大气散射模型计算初步去雾的交通场景图像；B，基于预设的I通道阈值，对初步去雾的交通场景图像进行全局亮度提升；预设的I通道阈值是根据初步去雾的交通场景图像中天空区域的I通道像素设置得到；且天空区域是基于暗通道特征和相对能量特征对雾天交通场景图像分割得到；C，对步骤B得到的图像，进行限制对比度自适应直方图均衡化和引导滤波处理，得到最后去雾的交通场景图像。本发明可对交通场景图像快速、有效去雾。
-
公开(公告)号：CN109784344B
公开(公告)日：2020-09-29
申请号：CN201910067458.1
申请日：2019-01-24
Applicant: 中南大学
Abstract: 本发明公开了一种用于地平面标识识别的图像非目标滤除方法，包括以下步骤：步骤A，获取逆透视图像，逆透视图像包括地平面标识和非目标；使用图像处理技术，对逆透视图像IIPM进行处理得到灰度图像和二值化图像；步骤B，使用Canny边缘检测算法对灰度图像进行处理，得到边缘图像；步骤C，提取二值化图像中每个连通域的轮廓，得到轮廓图；步骤D，根据边缘图像和轮廓图，将二值化图像中的非目标滤除，仅保留在地平面上没有高度差的地平面标识，得到包括地平面标识且滤除非目标的最终待识别图像，在用于地平面标识识别时，可以很好的避免给后期的地平面标识检测识别带来干扰，大幅提高后期系统对地平面标识的识别率并降低误检率。
-
公开(公告)号：CN111476713A
公开(公告)日：2020-07-31
申请号：CN202010223800.5
申请日：2020-03-26
Applicant: 中南大学
Abstract: 本发明公开了一种基于多深度卷积神经网络融合的天气图像智能识别方法及系统，该方法包括以下步骤：步骤A：采集图像，并对图像进行预处理；步骤B：搭建四种不同结构的深度卷积神经网络模型，分别对其全连接层进行改进，新增一层特征层，并基于步骤A得到的高质量训练数据进行网络的训练；步骤C：将所获得的四种深度学习模型新增特征层的特征提取出来，采用Xgboost集成学习模型进行训练，获得融合模型；步骤D：对需要识别的天气图像进行扩增，由获得的融合模型对扩增后的天气图像进行识别，经过投票得出最终票数最高的识别种类。本发明解决了已有传统天气识别方法手动提取图像特征的低效问题，有效提升了深度学习模型识别的准确率。
-
公开(公告)号：CN110415221A
公开(公告)日：2019-11-05
申请号：CN201910629691.4
申请日：2019-07-12
Applicant: 中南大学
Abstract: 本发明公开一种基于图像特征点匹配的集装箱卡车防吊起自动检测方法，该方法包含以下步骤：步骤A：选取尚未开始起吊的图像作为基准图像，选取实时视频帧作为对比图像，并且对选取出的两幅图像进行网格划分；步骤B：对两幅图像上相应位置的子图进行特征点提取和特征点匹配，获得匹配特征点对；步骤C：以每组子图上匹配特征点对在y方向上的位置偏移量中值和该中值对应的特征点对数量作为该组子图的特征；步骤D：按列组合两幅图像各组子图的特征，建立数学模型进行集卡车防吊起的自动检测。本发明能实现集卡车防吊起的自动检测，准确性高。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.024 seconds)
