-
公开(公告)号：CN109458979A
公开(公告)日：2019-03-12
申请号：CN201811321974.4
申请日：2018-11-06
Applicant: 五邑大学
Abstract: 本发明公开了一种基于无人机视觉分析的天线下倾角测量方法包括以下步骤：确定基站和天线疑似物的位置；进行天线预判直至确定天线；将天线描点并利用最小二乘法拟合成一条直线；根据直线计算天线下倾角角度并显示在控制无人机的移动端上；本发明能够节省测量天线下倾角时间，计算方法简单，提高了计算的效率和精度，大大减小恶劣天气对天线下倾角测量影响的优点。
-
公开(公告)号：CN109389556A
公开(公告)日：2019-02-26
申请号：CN201811113028.0
申请日：2018-09-21
Applicant: 五邑大学
Abstract: 本发明公开了一种多尺度空洞卷积神经网络超分辨率重构方法及装置，通过构建空洞卷积超分辨率网络，能够有效解决现有技术中存在的感受野小的问题，增大网络感受野，同时，为了使空洞卷积超分辨率网络能够适用于不同尺度超分辨率重构，对原始图像进行了不同尺度数据增强，使得空洞卷积超分辨率网络能够对不同大小倍数的图像进行处理，从而使空洞卷积超分辨率网络可以泛化多尺度图像超分辨率。
-
公开(公告)号：CN108520214A
公开(公告)日：2018-09-11
申请号：CN201810261693.8
申请日：2018-03-28
Applicant: 五邑大学
Abstract: 本发明涉及指静脉识别技术领域，具体涉及一种基于多尺度HOG和SVM的手指静脉识别方法，包括如下步骤：采集多个人的多幅原始手指静脉图像并将其划分为训练集和测试集；对训练集和测试集中的所有图像依次分别进行感兴趣区域提取、预处理、及图像增强处理以获取手指静脉纹路信息，然后对纹路信息提取多尺度HOG特征，其次将从训练集图像提取到的多尺度HOG特征送至SVM多类分类器进行训练得到一个训练好的SVM多类分类器，最后再将从测试集图像提取到的多尺度HOG特征送至已训练好的SVM多类分类器进行识别，以得出匹配结果。本发明一种基于多尺度HOG和SVM的手指静脉识别方法，将基于纹路的手指静脉识别方法与基于非纹路的手指静脉识别方法结合起来，以对手指静脉进行精确的特征表达，识别精度高、鲁棒性强。
-
公开(公告)号：CN107767402A
公开(公告)日：2018-03-06
申请号：CN201711018204.8
申请日：2017-10-26
Applicant: 五邑大学
IPC: G06T7/246
CPC classification number: G06T7/248 , G06T2207/10016
Abstract: 本发明涉及一种基于Camshift算法的视频跟踪小车系统及方法，该系统包括控制系统、电源模块、小车、小车驱动模块、舵机转向模块、摄像头和运动目标检测及判断模块；控制系统与小车驱动模块及舵机转向模块连接；舵机转向模块及摄像头均设于小车上，舵机转向模块用于控制摄像头转动以寻找待跟踪的运动目标并拍摄图像；运动目标检测及判断模块先对拍摄的图像进行模板图像匹配处理以确定拍摄的图像中包含待跟踪的运动目标，然后再用Camshift算法对该图像进行处理和判断以确定待跟踪的运动目标相对摄像头所拍摄图像中心的左右偏移数值，控制系统根据运动目标检测及判断模块传输来的左右偏移数值控制小车驱动模块驱动小车左右移动以跟踪运动目标；电源模块用于为控制系统、小车及舵机转向模块供电。
-
公开(公告)号：CN107609477A
公开(公告)日：2018-01-19
申请号：CN201710676771.6
申请日：2017-08-09
Applicant: 五邑大学
Abstract: 本发明公开了一种基于深度学习与智能手环相结合的摔倒检测方法。该方法是采集数据进行前景提取建立样本库，将样本库用于训练深度信念网络，利用训练完成的深度信念网络模型识别摔倒或倒下这两类行为，然后检测目标血压脉搏是否正常从而判断出目标是否摔倒；基于深度学习的行为识别方法不需要像传统机器学习方法那样对特征提取方法进行人工设计,可以在视频数据上进行训练和学习,得到最有效的表征方法，最后将识别算法与智能手环硬件高效的结合应用在一起，获得更高的检测正确率。
-
Patent Agency Ranking
公开(公告)号：CN117495878A
公开(公告)日：2024-02-02
申请号：CN202311430266.5
申请日：2023-10-31
Applicant: 五邑大学
IPC: G06T7/11 , G06T7/187 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明实施例提供了一种医学图像分割方法和装置、电子设备及存储介质。其中，残差挤压和激励注意力网络包括预编码网络和精确分割网络，预编码网络和精确分割网络为U形网络，预编码网络用于提供门信号，预编码网络采用阶梯卷积模块进行特征提取并建立注意力机制，阶梯卷积模块采用并行结构，阶梯卷积模块用于捕获多尺度上下文信息，精确分割网络采用残差挤压和激励注意力模块，残差挤压和激励注意力模块引入残差结构，残差挤压和激励注意力模块用于通过门信号的空间和通道增加有用的特征增益，并通过门信号的空间和通道消除冗余信息。基于此，本发明实施例能够解决单次卷积和频繁的池化操作很容易产生冗余信息或遗漏关键信息的问题。
-
公开(公告)号：CN112069957B
公开(公告)日：2024-01-12
申请号：CN202010877700.4
申请日：2020-08-27
Applicant: 五邑大学
Abstract: 本发明公开了一种塌方监测系统，包括：环境感知模块、数据处理模块、云端数据中心以及控制模块，环境感知模块、数据处理模块、云端数据中心以及控制模块之间通信连接。塌方监测系统可以通过环境感知模块对目标监测隧道进行实时拍摄并生成图像信息，环境感知模块将图像信息发送到数据处理模块，数据处理模块接收到图像信息后，对图像信息进行分析，得到目标监测隧道情况信息的第一数据信息，并向云端数据中心发送第一数据信息，云端数据中心对第一数据信息进行对比分析，生成第二数据信息，并发送给控制模块，控制模块根据第二数据信息确定目标监测隧道出现异常并进行警报，能够对目标监测隧道进行实时监控，减少塌方时间带来的损失。
-
公开(公告)号：CN109410113B
公开(公告)日：2023-08-29
申请号：CN201811071211.9
申请日：2018-09-13
Applicant: 五邑大学
IPC: G06T1/00
Abstract: 本发明公开了一种面向可逆图像水印的预测上下文的误差建模方法及装置，通过构建基于全方向上下文的预测器，接着对预测上下文进行自适应误差建模，得到自适应误差模型，最后把自适应误差模型的输出数据反馈到预测器，从而对预测上下文进行更新校正，并且校正当前像素x[i,j]的预测值。由于通过对预测器的预测上下文进行误差建模，能够找出当前像素与其预测上下文之间的非线性关联，即能够找出像素之间的非线性的相关性冗余，所以像素之间的非线性的相关性冗余能够被有效去除，从而能够增大可嵌入的水印容量。
-
公开(公告)号：CN109360140B
公开(公告)日：2023-08-29
申请号：CN201811053544.9
申请日：2018-09-10
Applicant: 五邑大学
IPC: G06T1/00
Abstract: 本发明公开了一种基于预测误差加法扩展的可逆图像水印方法及装置，首先根据像素x[i,j]及其周围的已知像素建立预测器，接着利用预测器计算像素x[i,j]的预测误差，最后利用加法扩展算法对特定值的预测误差进行扩展处理，因此，通过对预测误差进行加法处理而达到平移的目的，从而能够为扩展腾出空间而实现水印数据的嵌入，不仅占用比较小的空间，并且能够避免出现像素值溢出的问题，从而能够明显降低由水印引起的视觉失真。
-
公开(公告)号：CN111582051B
公开(公告)日：2023-06-16
申请号：CN202010303295.5
申请日：2020-04-17
Applicant: 五邑大学
IPC: G06V20/17 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于无人机的毒品原植物识别方法、系统及存储介质，包括：无人机进行图像采集；对所述图像进行区分选择出大麻近红外图像和大麻伪彩色图像；对所述大麻近红外图像和所述大麻伪彩色图像进行特征提取；将所述大麻近红外图像和所述大麻伪彩色图像提取出来的特征量进行融合并用于训练分类网络，得到大麻判别模型；基于大麻判别模型，利用对抗迁移学习技术，生成毒品原植物判别模型，然后利用毒品原植物判别模型进行识别处理，从而能够快速灵活地识别出毒品原植物，帮助公安机关打击非法毒品交易者，减少不必要的人工巡查时间。
-
-
-
-
-
-
-
-
-
Search Results
161
records
(took 0.019 seconds)
