-
公开(公告)号：CN110458021A
公开(公告)日：2019-11-15
申请号：CN201910620049.X
申请日：2019-07-10
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于物理特性和分布特性的人脸运动单元检测方法，其特征在于，该方法基于预训练的人脸运动单元检测模型对一组图片序列进行处理，获取人脸运动单元检测结果，所述人脸运动单元检测模型包括依次连接的交叉拼接网络和长短期记忆网络。与现有技术相比，本发明首次考虑并解决了不同人脸运动单元之间数据分布不均衡问题，进一步提升了人脸运动单元检测效果。
-
公开(公告)号：CN110414380A
公开(公告)日：2019-11-05
申请号：CN201910620750.1
申请日：2019-07-10
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于目标检测的学生行为检测方法，包括以下步骤：S1、建立包含学生行为信息的数据集，所述学生行为包括举手、站立和睡觉；S2、建立学生行为检测模型，该模型为基于残差网络ResNet-101的改进Faster R-CNN模型；S3、基于所述数据集，采用在线困难样本挖掘方法对学生行为检测模型进行训练；S4、利用训练后的学生行为检测模型对待测视频进行检测，获得学生行为结果并可视化；其中，所述残差网络ResNet-101采用多层特征融合策略，所述残差网络ResNet-101的第5个卷积阶段包括多个具有感受野大小不同的分支。与现有技术相比，本发明具有精度高等优点。
-
公开(公告)号：CN108717522A
公开(公告)日：2018-10-30
申请号：CN201810349970.0
申请日：2018-04-18
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于深度学习和相关滤波的人体目标跟踪方法，该方法包括以下步骤：1)读取待跟踪视频的当前帧，利用人体检测器检测人体位置；2)读取待跟踪视频的下一帧，判断是否到达视频结尾，若是，则结束，若否，则执行步骤3)；3)利用上一步检测获得的人体位置初始化相关滤波跟踪器，进行人体跟踪，持续设定时间；4)利用轻量级人体判别器判定当前跟踪目标是否为人体，若是，则记录人体位置，返回步骤2)，若否，则返回步骤1)。与现有技术相比，本发明具有准确性高、实时性好等优点。
-
公开(公告)号：CN108229352A
公开(公告)日：2018-06-29
申请号：CN201711397963.X
申请日：2017-12-21
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于深度学习的站立检测方法，该方法包括：1)收集样本，各所述样本包括样本图片和对应的标注文件；2)建立站立检测模型，该站立检测模型基于卷积神经网络结构，并基于所述样本以R‑FCN目标检测算法进行训练，所述站立检测模型包括高年级站立检测模型和低年级站立检测模型；3)利用训练后的站立检测模型对待测视频进行站立检测。与现有技术相比，本发明具有检全率、准确率高，适用于复杂教室环境等优点。
-
公开(公告)号：CN107808376A
公开(公告)日：2018-03-16
申请号：CN201711044722.7
申请日：2017-10-31
Applicant: 上海交通大学
CPC classification number: G06T7/0002 , G06K9/00744 , G06K9/00771 , G06K9/6218 , G06K9/6276 , G06T7/254 , G06T2207/10016 , G06T2207/20081 , G06T2207/20084 , G06T2207/30232 , G06T2207/30242
Abstract: 本发明涉及一种基于深度学习的举手检测方法，包括以下步骤：1)收集样本，所述样本为复杂环境样本；2)建立举手检测模型，该举手检测模型基于卷积神经网络结构，并基于所述样本以R-FCN目标检测算法进行训练；3)利用训练后的举手检测模型对待测视频进行举手检测，获得举手框位置。与现有技术相比，本发明具有能够检测复杂环境中的举手动作、准确率检全率高等优点。
-
Patent Agency Ranking
公开(公告)号：CN107657664A
公开(公告)日：2018-02-02
申请号：CN201710709018.2
申请日：2017-08-17
Applicant: 上海交通大学
IPC: G06T19/20
CPC classification number: G06T19/20
Abstract: 本发明涉及一种人脸表情合成后的图像优化方法、装置、存储介质和计算机设备。首先，制作3D牙齿模型，获取表情转移后的3D合成脸模型。其次，对牙齿模型进行变换操作，使得经过变换操作后的牙齿模型与合成脸模型对齐，即牙齿模型会随着合成脸模型中嘴部张开而改变方位，呈现出更加贴合实际的效果。最后，将经过变换操作后的牙齿模型转换为2D图像，将合成脸模型转换为2D图像，将牙齿模型对应的2D图像融合至合成脸模型对应的2D图像中，获得融合后的合成脸图像。经过融合之后，牙齿与脸部的接合部分柔和了许多，整体效果更加自然。传统的方法，只进行了表情转移，并未对牙齿及其他口腔细节进行刻画，导致表情转移的图像的视觉效果非常突兀与奇怪。
-
公开(公告)号：CN107610209A
公开(公告)日：2018-01-19
申请号：CN201710708218.6
申请日：2017-08-17
Applicant: 上海交通大学
Abstract: 本发明涉及一种人脸表情合成方法、装置、存储介质和计算机设备。获取源视频和目标视频中的图像，源视频中的图像包含待合成至目标视频中的图像的表情，对图像中的人脸进行人脸特征点定位。对经过人脸特征点定位后的图像进行3D人脸建模，得到3D人脸模型，在3D人脸模型的形状层面，将源视频中图像的表情对应转移至目标视频中的图像，生成表情转移后的目标视频中的图像的3D人脸模型，对转移后的3D人脸模型进行纹理贴图，得到表情转移后的合成脸模型。将2D人脸图像转换为3D人脸模型，这样能够将脸部的姿态与其形状分离开，用模型参数对表情、形状等部分用参数进行限定。所以对图像进行3D人脸建模可以便捷地实现保持人脸基本特征一致而改变表情的效果。
-
-
公开(公告)号：CN102831388B
公开(公告)日：2015-10-14
申请号：CN201210163132.7
申请日：2012-05-23
Applicant: 上海交通大学 , 上海交网信息科技有限公司
Abstract: 本发明涉及一种基于扩展的活动形状模型的实时特征点检测方法与系统，所述的方法包括以下步骤：训练模块基于已有的特征点数据库使用扩展的活动形状模型进行训练产生训练模型；匹配模块基于训练模型使用扩展的活动形状模型对新的图片进行匹配处理，将匹配结果通过特征点标记模块添加入特征点数据库或进行进一步处理；测试模块测试匹配结果，并判断匹配处理方法的准确率和速度情况；所述的系统包括用于完成特征点的多模式标记工作特征点标记模块、产生训练模型的训练模块、对新的图形进行匹配的匹配模块和用于测试匹配结果判断匹配方法的准确率和速度情况的测试模块。与现有技术相比，本发明具有提高匹配准确度、降低特征点检测过程复杂度等优点。
-
公开(公告)号：CN101840506B
公开(公告)日：2014-02-19
申请号：CN201010140911.6
申请日：2010-04-08
Applicant: 上海交通大学
Abstract: 本发明涉及的是一种信息处理技术领域的远程教育学生特征信号提取识别的方法。通过对学生生理信号的预处理，消除由于个体差异以及环境因素导致的信号偏置，然后利用连续的受限波尔茨曼机对生理信号特征进行处理，减小由于个体差异带来的特征差异，再将该信息输入支持向量机训练得到分类器，最后通过进行模式实时识别，能够有效地获得学生对授课方式反馈信息，其现场学生对教学反馈信息准确率可以达到平均82.6％，有利于提高现场远程教育的教学水平。本发明能够被广泛应用于远程教学中，在教学中可以直接获取参加远程教学学生对教学接受程度的反馈信息，及时调整和提高教学节奏和水平，十分有益于远程教学，在分类准确率上有明显的优势。
-
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.025 seconds)
