公开(公告)号：CN107358171B

公开(公告)日：2019-08-02

申请号：CN201710482510.0

申请日：2017-06-22

Applicant: 华中师范大学

Inventor： 王志锋 ,  刘清堂 ,  张耀升 ,  赵刚

IPC: G06K9/00 ,  G06F3/01

Abstract: 本发明公开了一种基于余弦距离与动态时间规整的手势识别方法，首先获取手部节点坐标值，使用倒序识别法来截取手势坐标序列，将手势坐标序列进行向量化的特征分割形成待识别序列；然后通过余弦距离和动态时间规整的方法将待识别序列与模板进行匹配，求得其累积距离矩阵以及最短距离值；最后比较DTW检测所得到的最短距离值与设定的阈值之间的大小关系，从而确定动作是否触发，达到动作识别的目标。本发明可以得到较高的识别率。

公开(公告)号：CN109034213A

公开(公告)日：2018-12-18

申请号：CN201810734291.5

申请日：2018-07-06

Applicant: 华中师范大学

Inventor： 魏艳涛 ,  余书剑 ,  姚璜 ,  师亚飞 ,  赵刚 ,  童名文

IPC: G06K9/62 ,  G06K9/66

CPC classification number: G06K9/6268 ,  G06K9/66

Abstract: 本发明提供一种基于相关熵原则的高光谱图像分类方法和系统，首先，对输入图像进行预处理，使得所有光谱向量的元素值在0到1之间；其次，选取少量的样本作为训练样本，利用设计的融合维数约简方法与相关熵原则的层次模型，提取高光谱图像的空谱特征；然后，利用训练好的层次结构学习测试样本的空谱特征；最后，将测试样本的特征输入到KNN分类器中得到类标签。本发明利用相关熵原则充分结合了高光谱数据的光谱和空间特征；利用本发明的层次模型，可以获得更加抽象的空谱特征；由于LDA的特性，本发明具有较小的样本复杂度，仅需要少量的训练样本就可以得到比较好的分类结果，因此其更利于实际应用。

公开(公告)号：CN105516654B

公开(公告)日：2018-10-26

申请号：CN201510833248.0

申请日：2015-11-25

Applicant: 华中师范大学

Inventor： 赵刚

IPC: H04N7/18 ,  G06T17/00 ,  G06T7/00

Abstract: 本发明提供一种基于场景结构分析的城市监控视频融合方法，针对固定摄像头进行的配准过程，包括首先进行监控场景结构分析过程，然后基于场景结构特征分析结果，寻找三维模型纹理与实时视频场景中典型结构的匹配关系和摄像头内外参数，确定相应图像配准信息，实现固定摄像机实时监控视频的融合显示；针对可控摄像头进行的配准过程，包括建立动态全景索引图并记录配准参考点信息，在实时匹配过程中根据动态全景索引图快速查找配准参考点，获取正确的配准信息，从而实现可控摄像机实时监控视频的融合显示。本发明通过场景结构保证视频配准融合的准确性和鲁棒性；同时通过动态全景图快速找到配准参考点，实现实时监控视频的融合。

公开(公告)号：CN107392238A

公开(公告)日：2017-11-24

申请号：CN201710566093.8

申请日：2017-07-12

Applicant: 华中师范大学

Inventor： 赵刚

IPC: G06K9/62 ,  G06K9/46 ,  G06F17/30

CPC classification number: G06K9/6201 ,  G06F17/30247 ,  G06F17/30424 ,  G06K9/4671 ,  G06K9/6223

Abstract: 本发明提供一种基于移动视觉搜索的户外植物知识拓展学习系统，包括移动终端和服务器端，所述移动终端包括移动终端图片获取模块和知识资源加载模块，所述服务器端包括户外植物知识内容管理数据库模块、户外植物特征提取与匹配模块，和户外植物知识内容适配决策与处理模块。通过移动终端图片获取模块拍摄用户感兴趣的户外植物，并进行图像预处理特征提取然后上传至服务器端，服务器端通过构建特征索引和相似性度量等方法实现待查询图像的匹配，同时对植物知识内容资源采取相应的适配操作并发送给移动终端。本发明提供一种实时的户外植物现场视觉搜索技术方案，为户外植物知识的拓展学习提供一种全新的技术手段，具备重要的市场价值。

公开(公告)号：CN106709511A

公开(公告)日：2017-05-24

申请号：CN201611125030.0

申请日：2016-12-08

Applicant: 华中师范大学 ,  武汉烽火信息集成技术有限公司

Inventor： 赵刚 ,  刘闪 ,  徐丽华 ,  陈亚雯 ,  张傲

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06K9/6256 ,  G06K9/6268 ,  G06N3/0445 ,  G06N3/08

Abstract: 一种基于深度学习的城市轨道交通全景监控视频故障检测方法，包括数据集构建过程和模型训练生成过程、图片分类识别过程，数据集构建过程对城市轨道交通全景监控视频中的清晰度异常视频、色偏异常视频以及正常视频进行处理，划分训练集和测试集；模型训练生成过程，包括模型训练和模型测试，所述模型训练包括对基于卷积神经网络的故障视频图像识别模型进行训练，所述卷积神经网络包括多个卷积层和多个全连接层；所述模型测试包括计算测试的准确率，如果没有达到预期，则优化故障视频图像识别模型；图片分类识别过程，包括将待识别的单帧图片输入模型，故障视频图像识别模型输出图片的分类结果，完成实现城市轨道交通全景监控视频故障图片检测。