公开(公告)号：CN114155264B

公开(公告)日：2024-03-12

申请号：CN202111492681.4

申请日：2021-12-08

Applicant: 安徽大学

Inventor： 朱明 ,  骆刚 ,  王年 ,  周旭东 ,  张艳

IPC: G06T7/13 ,  G06T7/181

Abstract: 本发明公开了基于双模块的足迹信息提取方法，涉及图像处理技术领域，解决了人力分析足迹特征所带来的不稳定性的技术问题；包括：拍摄现场足迹图像；对拍摄的现场足迹图像进行预处理，利用基于中值滤波的改进的Canny算法既去除椒盐噪声，同时又保留足迹图像的轮廓信息，然后通过提高亮度使足迹轮廓更加清晰，将图像处理成二值化图像；通过轮廓信息提取模块提取足迹的轮廓信息以及重压信息提取模块提取足迹的重压信息；本发明充分考虑了现场足迹图像的特点，将人工的主观性和系统的客观性充分结合起来，实现了对现场足迹图像的信息提取，大大提高在刑侦现场进行足迹压力信息分析的速度和准确性。

公开(公告)号：CN116863316A

公开(公告)日：2023-10-10

申请号：CN202310770788.3

申请日：2023-06-28

Applicant: 安徽大学

Inventor： 王年 ,  姜朝辉 ,  唐俊 ,  朱明 ,  鲍文霞 ,  张艳 ,  樊旭晨 ,  周旭东

IPC: G06V20/00 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及足迹分析领域，尤其涉及一种基于压力信息的足迹跨模态检索方法，包括：现场采集成趟油墨捺印足迹图像，并根据足迹压力将成趟油墨捺印足迹图像转换为足迹数据集；根据足迹数据集中的每个像素点的灰度级进行彩色转换，得到彩色图像；采用深度卷积神经网络提取彩色图像的全局特征和局部特征，并对全局特征和局部特征进行动态调整；将调整后的全局特征和局部特征融合，实现多层次的特征检索。本发明采用全局特征和局部特征相结合的方式，并且使用注意力机制进行动态调整，针对含有大量细节信息的足迹图像进行识别和搜索时，能够更加准确地识别和检索足迹的真实身份信息。

公开(公告)号：CN116416427A

公开(公告)日：2023-07-11

申请号：CN202211626266.8

申请日：2022-12-15

Applicant: 安徽大学 ,  杭州创恒电子技术开发有限公司

Inventor： 樊旭晨 ,  王年 ,  宫臣 ,  皮栋辉 ,  张艳 ,  鲍文霞 ,  唐俊 ,  朱明 ,  周旭东

IPC: G06V10/26 ,  A61B5/1174 ,  G06V10/24

Abstract: 本发明涉及足迹提取领域，尤其涉及现场足迹智能提取方法，包括以下步骤：利用YoloV5模型对包围在足迹区域外侧的直角足迹标尺进行三点标记构成等效直角三角形，根据所述等效直角三角形的直角位置的角度变化提供拍摄角度的修正提示，并以修正后的拍摄角度拍摄足迹区域图像，将足迹区域图像导入深度网络中分离足迹区域图像的前景以获取足迹分割图。本发明利用三点标记的方法形成等效直角三角形，以三角形的直角部分作为畸变检测，当拍摄时的拍摄图像中的直角位置的实际角度不等于90°时，进行角度修正提示，直至操作人员的拍摄角度能够达到垂直水平，保证拍摄照片的准确性。

公开(公告)号：CN116188859A

公开(公告)日：2023-05-30

申请号：CN202310159912.2

申请日：2023-02-24

Applicant: 安徽大学

Inventor： 胡根生 ,  叶若含 ,  万名烛 ,  张艳

IPC: G06V10/764 ,  G06V10/774 ,  G06T3/40 ,  G06T5/00 ,  G06T7/00 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于超分和检测网络的茶叶病害无人机遥感监测方法，包括如下步骤：数据获取：首先获取低空拍摄的茶叶图像，无人机飞行高度为2m至4m，作为网络的训练集；数据处理：利用LabelImg软件，对裁剪后的低空拍摄图像进行标注；再将低空拍摄的图像按8:2的比例划分为网络的训练集和验证集；网络训练：先训练超分网络模型，包括依次训练PSNR模型、训练GAN模型；再训练检测网络模型；超分与检测：无人机飞行高度为12m，获取高空拍摄的无人机茶叶图像送入训练好的超分网络中进行超分，恢复细节信息，然后将超分后的图像裁剪后再送入训练好的检测网络中进行茶叶病害检测。本发明能够节约无人机的飞行成本和时间，帮助茶农实时检测茶园中茶叶的病害。

公开(公告)号：CN112069482B

公开(公告)日：2023-04-07

申请号：CN202010912788.9

申请日：2020-09-03

Applicant: 安徽大学

Inventor： 张艳 ,  王鹏鹏 ,  王年 ,  高梓健 ,  鲁玺龙

IPC: G06F21/32 ,  G06F21/36 ,  G06T3/40 ,  G06T5/00 ,  G07C9/37 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于足迹比对方法的身份认证系统，本发明涉及身份认证技术领域，具体为一种基于足迹比对方法的身份认证系统，可以帮助仓库、银行、监狱的特定场所实现出入场身份认证的自动化；足迹是生物特征的一种，能够表征一个人的身份信息；采用本发明提出的足迹比对方法的身份认证系统，相关场所的内部人员只需在注册信息时采集一次足迹数据，此后即可自由出入。

公开(公告)号：CN115795081A

公开(公告)日：2023-03-14

申请号：CN202310059477.6

申请日：2023-01-20

Applicant: 安徽大学

Inventor： 张艳 ,  曹丽青 ,  吴红英 ,  粟娇娇 ,  王年 ,  邢子诚

IPC: G06F16/583 ,  G06V10/80 ,  G06V10/82 ,  G06N3/08 ,  G06N3/045

Abstract: 本发明涉及一种基于多通道融合的跨域残缺足迹图像检索系统，包括：网络输入模块，用于输入多人的赤足足迹数据，形成足迹数据集，每人足迹数据包含光学完整足迹图像、光学残缺足迹图像以及单枚压力完整图像；特征提取模块，用于对所述网络输入模块采集的足迹数据集的图像信息的深层和浅层的特征图添加注意力和池化算子，得到足迹全局和足迹局部特征信息；多通道融合模块，用于对获得的足迹全局和足迹局部特征信息进行多通道融合。本发明解决了足迹图像检索的足迹残缺性和跨域问题，实现了完整压力足迹图像检索残缺光学足迹图像的工作。

公开(公告)号：CN115687679A

公开(公告)日：2023-02-03

申请号：CN202211428910.0

申请日：2022-11-15

Applicant: 安徽大学

Inventor： 朱明 ,  田中干 ,  王年 ,  唐俊 ,  鲍文霞 ,  张艳 ,  傅枭鑫 ,  骆刚

IPC: G06F16/583 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/77 ,  G06V10/774

Abstract: 本发明公开了一种基于多特征密集连接注意力增强网络的足迹图像检索方法，其步骤包括：1、足迹图像数据集的采集和预处理；2、建立基于多特征密集连接注意力增强网络的足迹图像检索模型，包括：初始特征提取模块、多特征密集连接网络模块、多尺度特征融合模块、注意力增强模块、特征输出模块；3、对足迹图像检索模型进行训练。本发明能更深入的挖掘足迹图像信息的细节特征，从而能提高足迹图像的检索准确率和速度。

公开(公告)号：CN115661480A

公开(公告)日：2023-01-31

申请号：CN202211387134.4

申请日：2022-11-07

Applicant: 安徽大学

Inventor： 唐俊 ,  左金梅 ,  王科 ,  张艳

IPC: G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06T3/40 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明涉及图像异常检测技术领域，解决了针对异常检测任务异常先验较少以及现有方法提取的特征质量不高的技术问题，尤其涉及一种基于多层次特征融合网络的图像异常检测方法，包括以下步骤：S1、获取待检测的图像数据；S2、将待检测的图像数据输入至多层次特征融合网络模型中生成单一图像所对应的异常分数图；S3、采用双线性插值方法将异常分数图上采样为原图大小，得到用于图像异常定位的像素级异常分数。本发明利用伪异常生成算法，将异常检测任务转化为监督学习任务，并构建多层次特征融合网络模型获得多层次语义信息，提高了异常检测的准确率。

公开(公告)号：CN115471478A

公开(公告)日：2022-12-13

申请号：CN202211134557.5

申请日：2022-09-19

Applicant: 安徽大学

Inventor： 胡根生 ,  夭盼 ,  万名烛 ,  张艳

IPC: G06T7/00 ,  G06T7/73 ,  G06V20/17 ,  G06N3/08

Abstract: 本发明涉及一种基于yolov5的松树林病害无人机遥感监测方法，包括：利用无人机搭载的光学相机获取病害松树林的原始无人机图像；将原始无人机图像划分为训练集图像和测试集图像，将训练集图像裁剪为规定大小的图像块；利用cut‑paster方法来增加训练集图像中的背景目标，增加样本多样性；基于yolov5建立松树林病害监测网络模型；利用训练集图像训练松树林病害监测网络模型；利用通过训练后的松树林病害监测网络模型预测测试集图像中不同严重程度的病害松树；输出每棵病害松树的地理位置信息。本发明实施例解决无人机遥感图像中病害松树形态多变、不同严重度病害松树颜色纹理特征相似等因素对监测结果的影响，实现对松树林病害的精确监测。

公开(公告)号：CN112434654B

公开(公告)日：2022-09-13

申请号：CN202011430914.3

申请日：2020-12-07

Applicant: 安徽大学

Inventor： 张艳 ,  相旭 ,  唐俊 ,  王年 ,  屈磊

IPC: G06V20/52 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于对称卷积神经网络的跨模态行人重识别方法，其步骤包括：1获取可见光和红外光两种不同模态下的行人照片，构建跨模态行人重识别数据集，构建检索库；2利用神经网络建立对称卷积神经网络跨模态行人重识别方法模型；3利用数据集训练基于对称卷积神经网络跨模态行人重识别方法模型；4利用建立好的模型实现预测，以达到跨模态行人重识别的目的。本发明能极大地缓解现有行人重识别方法在跨模态下检测不精确的问题，在模态差异较大的情况下仍然有较高的检测精度。