-
公开(公告)号：CN110084241A
公开(公告)日：2019-08-02
申请号：CN201910368291.2
申请日：2019-05-05
申请人： 山东大学
摘要： 本发明涉及一种基于图像识别的电表自动读数方法，包括：(1)对采集的电表图像进行预处理，包括依次对电表图像进行粗定位、粗裁剪和灰度化，得到灰度图像；(2)通过局部自适应阈值对灰度图像进行二值化操作，得到二值化图像；(3)进行去连通化操作，获得大致数字区域图像；(4)通过纵向投影法，选出每个数字截止位置，进而标记出精确的数字区域；(5)根据数字的位置，分割出每一个数字，七块区域扫描法进行单个数字识别，得到最后数字识别的结果。相比于已有的电表数字识别方法，本发明更加注重对图片结构特征的操作，简化了识别系统。本发明能更准确定位出数字区域，提高了识别速率，是一种鲁棒的智能电表数字识别方法。
-
公开(公告)号：CN109961054A
公开(公告)日：2019-07-02
申请号：CN201910251533.X
申请日：2019-03-29
申请人： 山东大学
摘要： 本发明涉及一种基于感兴趣区域特征点运动的焦虑、抑郁、愤怒表情识别方法，包括：(1)对表情视频进行预处理；(2)检测人脸68个特征点；(3)划分为不同的感兴趣区域；(4)追踪人脸68个特征点；(5)设置五种表情在对应感兴趣区域内关键特征点之间距离的阈值；(6)对于每一段表情图像序列，从初始帧开始，循环找到每个感兴趣区域内关键特征点距离在前后帧的变化累加值，并与每种表情的阈值做差；(7)根据FACS编码的提示，识别焦虑、抑郁、愤怒三种情绪状态。本发明可以形象直观地得到表情的概率，提高情感识别的效率，且该方法可以减少计算量，降低时耗，是一种高鲁棒性的表情识别方法。
-
公开(公告)号：CN109766822A
公开(公告)日：2019-05-17
申请号：CN201910011511.6
申请日：2019-01-07
申请人： 山东大学
摘要： 本公开提供了一种基于神经网络的手势识别方法及系统，通过构建训练样本集合，对训练样本的图像进行尺寸的归一化处理；对归一化处理后的图像中的手势进行分类，并制作不同的分割标签；对分类后的手势图像进行增强，构建FCN网络模型，利用增强后的图像对FCN网络模型进行训练；对训练后的FCN网络模型进行分类质量和分割质量的优化，利用优化后的FCN网络模型对采集样本进行识别，不仅在测试数据集上表现优秀，即使不经训练直接用于其他手势库或生活场景中，分类效果较好。
-
公开(公告)号：CN106650820A
公开(公告)日：2017-05-10
申请号：CN201611255901.0
申请日：2016-12-30
申请人： 山东大学
摘要： 一种手写电气元器件符号与标准电气元器件符号的匹配识别方法，包括，首先对手写电气元器件符号与标准电气元器件符号进行归一化特征处理，通过自适应字典耦合投影将标准电气元器件符号与手写电气元器件符号两种特征联系起来，并映射到统一的判别子空间中，利用字典学习建立分类模型，以提高手写电气元器件符号的识别精度。相比于已有的电气元器件符号识别方法，本发明对电气元器件符号特征提取和表示是拟采用Sift、Hu不变矩、Gabor和HoG特征表示方法表示单个电气元器件符号的特征，并通过加权的方式对特征进行融合组成具有鲁棒性的新特征；本发明是通过字典学习建立分类模型，从而来提高整个系统的分类性能。
-
公开(公告)号：CN106203339A
公开(公告)日：2016-12-07
申请号：CN201610543011.3
申请日：2016-07-11
申请人： 山东大学
CPC分类号： G06K9/00348 , G06K9/6274
摘要： 一种基于多耦合判别局部块对齐的跨角度步态识别方法，包括在线训练和离线测试。本发明与现有其他识别方法相比，识别性能有所提高，不需要完全受控的环境，也不需要复杂的相机标定，同时，本发明提出的方法不需要进行矩阵的求逆运算，减少了运算量，减少了小样本问题，是一种高鲁棒性的跨域步态识别方法。
-
公开(公告)号：CN106096528A
公开(公告)日：2016-11-09
申请号：CN201610397211.2
申请日：2016-06-03
申请人： 山东大学
摘要： 本发明提供一种基于二维耦合边距Fisher分析的跨视角步态识别方法。本发明结合不同视角下步态能量图的特点以及耦合度量学习在跨域生物特征识别上的优越性，提出了二维耦合边距Fisher分析，在矩阵空间内削弱跨视角步态能量图的数据差异，保持样本间的局部关系，使类间散度最大，类内散度最小，大大提高了跨视角步态识别性能。
-
公开(公告)号：CN103279752B
公开(公告)日：2016-05-11
申请号：CN201310244614.X
申请日：2013-06-19
申请人： 山东大学
IPC分类号： G06K9/00
摘要： 本发明公开了一种基于改进Adaboost算法和人脸几何特征的眼睛定位方法，其特征是，具体步骤为：步骤一：分别训练人脸分类器和眼睛分类器；步骤二：利用训练好的人脸分类器确定人脸位置；步骤三：利用训练好的眼睛分类器在检测出的人脸区域的上部2/3的部分确定候选眼睛区域的位置；步骤四：利用人脸统计学意义上的内在几何特征确定各组眼睛对的几何特征系数；步骤五：确定每组候选眼睛对的各自判决度量d；步骤六：比较各组候选眼睛对的判决度量，判决度量越小，表示该候选眼睛对的置信水平越高；即可确定出最佳的一组眼睛对，进而确定出眼睛的最佳位置。本发明利用人脸内在的几何特征对搜索到的眼睛区域进一步甄别，能够准确有效地确定眼睛的最佳位置。
-
公开(公告)号：CN103426186B
公开(公告)日：2016-03-02
申请号：CN201310400003.X
申请日：2013-09-05
申请人： 山东大学
IPC分类号： G06T7/20
摘要： 一种改进的SURF快速匹配方法，属数字图像处理技术领域，包括原图像与积分图像的转换，通过Hessian矩阵进行特征点的检测；通过使用尺度空间使得到的特征点具有尺度不变性；通过求取Haar小波响应的最大值来进行特征点主方向的定位；然后采用改进的特征点分类方法将特征点分类并进行特征描述，形成66维特征向量；最后进行组内特征点的匹配。本发明不需要使一幅图像上每一个选定的特征点与另一幅图像上所有的特征点一一进行匹配，在匹配速度和准确率上都有很大提高，并且具有经典SURF（Speeded Up Robust Features）算法的尺度不变性、抗平移旋转等特性。
-
公开(公告)号：CN103617436A
公开(公告)日：2014-03-05
申请号：CN201310692537.4
申请日：2013-12-17
申请人： 山东大学
IPC分类号： G06K9/66
摘要： 本发明提出一种基于差分能量图和Gabor变换的微表情识别方法：构造微表情序列差分切片能量图，计算一个微表情周期序列中包含变化区域的微表情帧，将微表情序列灰度化提取微表情差分切片，将微表情差分切片帧序列叠加得到微表情差分能量图。差分能量图特征提取，构造Gabor滤波器核函数，将差分切片能量图进行Gabor特征提取，提取后的特征再下采样，将每个样本的特征写成列向量的形式，然后采用具有监督信息的线性判别分析最大化类间散度与类内散度之商，对每个样本进一步进行特征提取。分类识别，根据训练数据训练一个模型，然后根据该模型对测试样本进行预测分类。本发明所提出的方法具有普遍的适用性，且较目前存在的方法具有更高识别率。
-
公开(公告)号：CN103263268A
公开(公告)日：2013-08-28
申请号：CN201310173406.5
申请日：2013-05-10
申请人： 山东大学
摘要： 本发明公开了一种深度信息分层编码的步态周期检测方法，它将深度序列信息转化为单帧的深度特征分析问题，即根据每帧中图像深度的分层特征变化情况来分析步态周期，所述检测方法包括如下步骤：提取去除背景后的单帧深度图像的灰度值；将去除背景后的单帧深度图像的灰度值信息依据设定的阈值进行分层处理；把各层信息进行统一的量化编码；计算每一帧各像素点编码之和后形成一个新信号；根据该新信号的极小值点分隔出步态周期。本发明充分利用深度图像的灰度特征，分隔出的步态周期精确度高，为精确的步态识别奠定了一定的基础。
-
-
-
-
-
-
-
-
-
搜索结果
163 条记录 (耗时 0.069 秒)
