-
公开(公告)号：CN109359536A
公开(公告)日：2019-02-19
申请号：CN201811072458.2
申请日：2018-09-14
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种基于机器视觉的乘客行为监控方法，包括步骤：1)乘客搭乘手扶电梯视频图像采集；2)提取可变形组件模型DPM特征描述乘客人脸；3)利用SVM对手扶电梯乘客人脸进行检测；4)利用KCF对手扶电梯乘客人脸进行跟踪；5)使用一种改进的最近邻匹配方法匹配人脸检测与跟踪结果；6)建立人脸目标检测强度模型，修正人脸检测结果；7)通过分析乘客检测强度、速度大小和速度方向，监控手扶电梯中乘客的行为。通过本发明方法可以实时、稳定、准确地检测并跟踪搭乘手扶电梯的乘客人脸目标，基于人脸目标信息进行行为监控。
-
公开(公告)号：CN114237838B
公开(公告)日：2024-12-10
申请号：CN202111397391.1
申请日：2021-11-23
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC: G06F9/48 , G06N3/0455 , G06N3/084 , G06N3/09
Abstract: 本发明公开了一种基于自适应损失函数加权的多任务模型训练方法，包括：1)获得数据集的图像和标签，构建待训练的多任务模型；2)将图像输入至多任务模型中，计算不同任务的损失值及初始梯度；3)将第i个任务的初始梯度进行归一化，并计算第i个任务的期望梯度；4)通过第i个任务归一化后的初始梯度及其期望梯度，计算其梯度差值，更新其任务权重；5)重复步骤3)至步骤4)，更新N个任务损失的权重，得到加权的多任务损失，并通过反向传播算法对多任务模型进行参数更新，得到训练完成的多任务模型。本发明对不同任务损失的权重进行自适应加权，缓解了任务间的梯度冲突，提高了多任务模型训练的精度和效率。
-
公开(公告)号：CN114677729B
公开(公告)日：2024-10-01
申请号：CN202210277570.X
申请日：2022-03-21
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC: G06V40/16 , G06N3/0464 , G06N3/084 , G06V10/75 , G06V10/82
Abstract: 本发明公开了一种用于人脸检测的自适应锚点匹配方法，包括：1)准备训练数据和构建人脸检测网络；2)根据特征尺度的空间尺寸，在其中的每个位置上铺设锚点；3)开启迭代：对锚点和目标人脸进行编码，以设定的匹配阈值对两者进行选择性的目标匹配，生成正、负样本匹配对；4)将输入图像送入人脸检测网络进行前向推理，计算总损失，包括关键点回归损失、人脸框回归损失和分类损失；5)使用步骤4)的预测结果估计网络对数据的拟合程度，计算并更新步骤3)中各个特征尺度的匹配阈值；6)判断步骤4)中的总损失是否达到预设标准，若达标，则停止训练；若不达标，重复3)‑6)，进入下一轮迭代。本发明解决现有固定的锚点匹配方法的训练效率低和检测性能差的问题。
-
公开(公告)号：CN113887371B
公开(公告)日：2024-05-28
申请号：CN202111132441.3
申请日：2021-09-26
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC: G06V40/16 , G06T3/4053 , G06V10/82 , G06T17/00 , G06N20/00
Abstract: 本发明公开了一种用于低分辨率人脸识别的数据增强方法，包括：1)从训练数据集中抽取一个批次的人脸图像样本；2)从批次中随机地选取若干张人脸图像样本；3)对选取到的人脸图像样本进行预先设定倍率的下采样，得到低分辨人脸图像样本；4)对低分辨率人脸图像样本进行恢复和重建，得到与原始图像尺寸相同的高清人脸图像样本；5)使用重建的高清人脸图像样本替换步骤1)中该批次内对应位置上的原始人脸图像样本；6)将替换后的该批次人脸图像样本送入预先选定的人脸识别模型进行优化；7)验证人脸识别模型的性能是否达标，若达标，则停止训练；若不达标，则重复步骤1)‑7)。本发明解决了现有的人脸识别算法在低分辨率场景下准确率低的问题。
-
公开(公告)号：CN114066993B
公开(公告)日：2024-03-22
申请号：CN202111238865.8
申请日：2021-10-25
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种基于机器视觉的配电柜控制面板分割方法，包括步骤：1)对相机进行标定，获得相机的内参数、外参数和畸变参数，校正镜头畸变，采集配电柜控制面板的图像并校正；在配电柜控制面板上测量编号牌长与宽的值，得到长宽比ω；2)对相机校正后的图像进行预处理，对外框及编号字符区分别进行定位和唯一匹配。本发明主要通过图像处理技术分别确定每一个配电柜柜面和编号的位置，再对其进行一对一的匹配，整个方法高效可靠，准确高。
-
Patent Agency Ranking
公开(公告)号：CN116664489A
公开(公告)日：2023-08-29
申请号：CN202310466547.X
申请日：2023-04-26
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC: G06T7/00 , G06T7/10 , G06T7/136 , G06V20/70 , G06V10/774 , G06V10/82 , G06V10/26 , G06V10/764 , G06V10/40
Abstract: 本发明公开了一种基于双阶段深度神经网络的车门表面划痕检测方法，包括：采集高分辨率车门的表面图像，将存在车门表面划痕的车门背景区域和车门表面划痕作为一个整体，标注车门表面划痕所在车门表面区域的目标矩形框；构建训练集和测试集，并进行数据增强；利用训练集训练双阶段深度神经网络，将测试集送入双阶段深度神经网络输出语义分割特征图和分类结果；根据语义分割特征图，设计算法计算语义分割特征图中车门表面划痕所在目标矩形框的坐标，实现对车门表面划痕的定位。本发明可以应用于汽车生产中正负样本极不平衡的场景，而且能够在保证快速检测的前提下保持高的检测精度。
-
公开(公告)号：CN111985310B
公开(公告)日：2023-06-30
申请号：CN202010649598.2
申请日：2020-07-08
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC: G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种用于人脸识别的深度卷积神经网络的训练方法，包括步骤：1)准备好人脸图像数据集，并划分有训练集和验证集，根据训练集的规模、复杂程度和应达到的人脸识别的性能指标，选择深度卷积神经网络模型的类型、结构、超参数和量级；2)利用模型对训练集输入的人脸图片提取特征，作为步骤3)输入；3)构建损失层，并对本次训练迭代计算损失值；4)将步骤3)计算得到的损失值与预先设定的阈值相比较，判断是停止训练还是计算梯度并更新模型参数；5)模型性能验证以及判断是否停止训练。本发明使得在训练时可以从欧式空间和角度空间两方面出发，用一种多元的作用力约束人脸特征，使深度卷积神经网络模型可以学习到更具区别力和鲁棒性的人脸特征。
-
公开(公告)号：CN111402247B
公开(公告)日：2023-04-18
申请号：CN202010206871.4
申请日：2020-03-23
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC: G06T7/00 , G06T7/11 , G06T7/73 , G06T7/62 , G06T5/20 , G06T5/10 , G06V10/82 , G06V10/766 , G06V10/28 , G06V10/764 , G01N21/88 , G01B11/26
Abstract: 本发明公开了一种基于机器视觉的输电线路上悬垂线夹缺陷检测方法，包括：无人机采集输电线路图像，制作实例分割和关键点检测训练数据集；采用Mask‑Keypoints R‑CNN网络对无人机图像进行分割和关键点检测，分割获得悬垂线夹的矩形区域图像、二值化掩膜及上、下、左、右四个关键点坐标；基于四个关键点坐标计算悬垂线夹的倾斜角度；对分割的悬垂线夹矩形区域进行同态滤波数据增强，降低光照和阴影的影响；将分割后的图像转到HSV颜色空间中，基于H分量值定位腐蚀位置，并统计腐蚀面积和判断腐蚀程度。本发明可以实现精确检测并悬垂线夹的倾角并判断悬垂线夹的腐蚀程度。
-
公开(公告)号：CN111368825B
公开(公告)日：2023-04-18
申请号：CN202010114861.8
申请日：2020-02-25
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
IPC: G06V10/26 , G06V20/70 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于语义分割的指针定位方法，包括步骤：1)指针式仪表数据的预处理与数据集的构建；2)针对识别对象及应用场景的特点，设计匹配的语义分割网络；3)对所设计的语义分割网络装载训练参数进行训练，训练完毕后得到指针分割模型；4)将待识别图像经预处理之后输入已训练的指针分割模型中，得到指针的像素级分割区域；5)通过图像处理技术对指针的像素级分割区域进行直线提取，并拟合出指针的位置方程以实现指针定位。本发明整个方法过程简单可靠，可以对各种复杂环境下的各种类型的指针进行精细分割。
-
公开(公告)号：CN111462057B
公开(公告)日：2023-02-21
申请号：CN202010206878.6
申请日：2020-03-23
Applicant: 华南理工大学 , 华南理工大学珠海现代产业创新研究院
Abstract: 本发明公开了一种基于深度学习的输电线路上玻璃绝缘子自爆检测方法，通过无人机采集输电线路图像，使用深层Mask R‑CNN网络分割玻璃绝缘子串，并基于不变矩计算绝缘子串长轴的拟合直线方程。对裁剪后的玻璃绝缘子串图像使用浅层Mask R‑CNN网络进一步分割玻璃绝缘子片并计算质心位置。通过质心到拟合直线的距离判断玻璃绝缘子串的类型，并基于相邻质心的距离与距离阈值的比例定位自爆缺陷位置。本发明可以实现精确检测并定位玻璃绝缘子串的自爆缺陷位置，保障输电供电安全。
-
-
-
-
-
-
-
-
-
Search Results
335
records
(took 0.027 seconds)
