-
公开(公告)号：CN109544514B
公开(公告)日：2020-07-24
申请号：CN201811307821.4
申请日：2018-11-05
Applicant: 华侨大学 , 厦门吉信德集团有限公司
Abstract: 本发明提供了一种融合表观特征的锯材身份辨识方法、装置及设备，方法包括：提取所有木材的表观特征，并将每个木材的木材ID以及对应的表观特征存入数据库；其中，所述表观特征包括每个木材的颜色直方图以及每个木材在多个表面上的缺陷位置；获取在传送带上传送的待识别木材的木材图像；根据所述木材图像获取待识别木材的表观特征；将所述待识别木材的在多个表面上的缺陷位置以及所述数据库中的木材在多个表面上的缺陷位置进行匹配，获取与所述待识别木材对应的木材ID集合；基于本发明可以有效的解决了木材的准确快速识别问题，促进森工生产线的柔性化、定制化加工。
-
公开(公告)号：CN106778655B
公开(公告)日：2020-05-05
申请号：CN201611224676.4
申请日：2016-12-27
Applicant: 华侨大学
Abstract: 本发明涉及一种基于人体骨架的入口尾随进入检测方法，在入口前预设预警区域，行人进入预警区域后，通过摄像头实时检测行人的人体骨架；在预警区域内对受测行人规划尾随警戒区域，检测尾随警戒区域内的其他行人；如果其他行人的人体骨架满足报警规则，则发生报警。本发明实现了视频监控中行人尾随进入事件的智能监控，有效地对行人尾随进入这一高层次语义事件进行识别。同时为了提高行人检测的准确率和降低误检率，通过人体骨架交互的判断，对同行人进行识别，剔除因为同行事件引起的误警，进而实现对入口处，行人尾随进入的检测。本发明所述的方法实时性好，成本低，计算量少。而且采用低成本的深度摄像头，利于实施与推广。
-
公开(公告)号：CN110633683A
公开(公告)日：2019-12-31
申请号：CN201910888992.9
申请日：2019-09-19
Applicant: 华侨大学
Abstract: 本发明公开了一种结合DenseNet和resBi-LSTM的中文句子级唇语识别方法，本发明将唇语识别拆分为拼音预测与语言翻译两个部分，降低了唇语识别的难度。使用DenseNet提取视觉特征，充分利用浅层特征，有效缓解了梯度消失的问题，并且减少了网络的参数。使用1×1卷积代替全连接实现特征降维的功能，保留了特征中的空间信息，在唇语识别技术研究中，空间信息起着重要作用。使用resBi-LSTM进行视觉特征的处理，最后得到结合了视觉特征和语义特征的复杂特征，减少了有效信息的损失，提高了唇语识别的准确率。
-
公开(公告)号：CN109344692A
公开(公告)日：2019-02-15
申请号：CN201810909854.X
申请日：2018-08-10
Applicant: 华侨大学
Abstract: 本发明公开了一种运动质量评价方法及系统。其中，所述方法包括：从人体关节点运动轨迹中提取出身体各个部位的局部运动模式，并建立对该运动模式进行判别的行为分类，进而根据该建立的对该运动模式进行判别的行为分类，建立基于人体关节点位移关联的姿态特征表示和质量评价模型，进而根据该建立的基于人体关节点位移关联的姿态特征表示和质量评价模型，对摄像头采集到的视频中的人体运动进行质量评分。通过上述方式，能够实现不需要人工对人体运动数据进行标注，能够准确反馈人体运动质量的评价信息。
-
公开(公告)号：CN108416258A
公开(公告)日：2018-08-17
申请号：CN201810064176.1
申请日：2018-01-23
Applicant: 华侨大学
Abstract: 本发明提供一种基于人体部位模型的多人体跟踪方法，涉及视频监控技术领域。其包括：获取图像数据，提取其中每个人的人体部位模型并计算颜色特征，得到每个人的部位特征集，集合得到多人体部位特征集列表。然后计算当前帧获得的每个人的部位特征集与上一帧获得的多人体部位特征集列表中每个人的相似度，得到匹配矩阵。再根据匹配矩阵，计算当前帧获得的每个人对上一帧获得的每个人的相似置信度，根据相似度和相似置信度对当前帧获得的目标与上一帧的目标进行匹配，得到跟踪结果。通过该方法能够准确将当前帧的检测目标匹配到上一帧的位置并发现新目标，有效解决多人体跟踪过程中由于人体形变引起的特征差异，导致跟踪失败的问题。
-
Patent Agency Ranking
公开(公告)号：CN106127240A
公开(公告)日：2016-11-16
申请号：CN201610439561.0
申请日：2016-06-17
Applicant: 华侨大学
IPC: G06K9/62
CPC classification number: G06K9/6272 , G06K9/6223
Abstract: 本发明公开了一种基于非线性重构模型的植物图像集的分类识别方法，方法包括:(1)图像的预处理；(2)用k‑means方法提取每张植物叶片图像的特征；(3)用PCA方法对得到的特征向量进行降维；(4)随机选取部分特征向量用高斯自动编码器(GRMBs)预训练非线性重构模型的参数；(5)用训练得到的参数初始化非线性重构模型的参数，并为每一类训练一个特定的模型；(6)最后用最小重构误差和最大投票策略进行分类识别。本发明方法提供了一种自动的特征提取方法和一种自动的学习数据潜在的流行结构，能够实现快速学习和高精度的分类识别。
-
公开(公告)号：CN119851318A
公开(公告)日：2025-04-18
申请号：CN202510336186.6
申请日：2025-03-21
Applicant: 华侨大学
IPC: G06V40/10 , G06V40/20 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 基于级联式并行的人物交互检测方法、装置、设备和介质，涉及图像识别技术领域。方法包含：获取待识别图像并提取图像特征，同时成图像特征的位置信息。迭代以下步骤#imgabs0#次后根据最后一次迭代的输出预测人物交互检测结果。根据图像特征和人物对先验边界框，生成人体查询向量和物体查询向量。根据人体查询向量解码得到人体解码特征。根据人体解码特征更新物体查询向量，然后根据更新后的物体查询向量解码得到物体解码特征。根据将人体解码特征和物体解码特征获取初始交互解码特征。根据人体解码特征、物体解码特征和初始交互解码特征获取多重关系特征，然后进行融合。根据融合的关系特征来增强初始交互解码特征，获取交互特征向量。
-
公开(公告)号：CN117992765B
公开(公告)日：2024-06-28
申请号：CN202410397200.9
申请日：2024-04-03
Applicant: 华侨大学
IPC: G06F18/21 , G06F18/214 , G06F18/24 , G06F18/23
Abstract: 本发明提供了基于动态新兴标记的偏标签学习方法、装置、设备及介质，涉及数据处理领域，该方法中首先通过基于概率估计的候选标签置信度和基于特征诱导的候选标签置信度更新两阶段交替过程，利用训练实例的近邻信息来迭代构建标签置信度矩阵，进而完成偏标记消歧；然后通过迭代过程产生的类属特征构建分类模型，集成多个类属特征空间对待测样本进行分类，检测待测样本是否具有新兴标记；最后构建模型更新策略使得模型可以适应新兴标记数据。本发明将集成思想与邻域知识应用于基于动态新兴标记的偏标签学习算法，为动态新兴标记的偏标记环境提供了一个高性能的分类算法。
-
公开(公告)号：CN117058472B
公开(公告)日：2024-02-20
申请号：CN202311316106.8
申请日：2023-10-12
Applicant: 华侨大学
IPC: G06V10/764 , G06V10/82 , G06V10/25 , G06V10/766 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明提供了基于自注意力机制的3D目标检测方法、装置、设备，涉及人工智能和计算机视觉技术领域，针对在两阶段网络模型中第一阶段得到感兴趣区域后点与点之间的信息密度不高问题，提出了一种基于自注意力机制的3D目标检测算法，通过增强点与点之间的交互信息密度，进而提高感受野的覆盖范围。在KITTI数据集上的实验证明，该方法在汽车、行人、自行车类数据集上的平均检测精度有了较大的提升，尤其在小目标稀疏的点中效果显著，这进一步证实了该算法的有效性。
-
公开(公告)号：CN117171540A
公开(公告)日：2023-12-05
申请号：CN202311178500.X
申请日：2023-09-13
Applicant: 华侨大学
IPC: G06F18/2113 , G06F18/25
Abstract: 本发明涉及一种基于动态流标签的多标签特征选择方法、设备及介质，该方法中首先通过在特征空间上进行最近邻重构，将动态流标签的隐式标记重要性形式化为动态标签空间上的多项分布；然后将标签相关无缝集成到特征相关的目标函数中，并量化了标签相关性对特征的影响；最后构建了一种特征转换技术用于融合每个动态流标记所对应的类属特征。本发明将潜在的标记重要性与标记相关性联合学习应用于面向动态流标签的多标签特征选择方法，为模型训练提供了高质量的特征序列。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.036 seconds)
