-
公开(公告)号：CN109977777A
公开(公告)日：2019-07-05
申请号：CN201910140450.3
申请日：2019-02-26
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于新型RF‑Net模型的手势识别方法，包括如下步骤：S1、在AlexNet模型的基础上进行模型优化，得到AlexNet_I模型；S2、在手势图像训练集中训练AlexNet_I模型并固定网络参数，得到手势特征提取模型；S3、建立并训练RF模型；S4、将手势特征提取模型与RF模型结合，构建成RF‑Net模型、并使用所述RF‑Net模型进行手势图像识别。本发明的方法能够快速而准确地对图像中的手势进行识别，有效地提高了用户体验基于手势的人机交互系统的舒适度。
-
公开(公告)号：CN107025437A
公开(公告)日：2017-08-08
申请号：CN201710156337.5
申请日：2017-03-16
Applicant: 南京邮电大学
CPC classification number: G06K9/00302 , G06K9/00664 , H04N5/23222
Abstract: 本发明公开了一种基于智能构图及微表情分析的智能拍照方法及装置，该方法通过分析相机预览图像背景，得出最佳构图视角，并建立提示信息，使得智能终端能为用户提供拍摄建议，用户即使不具备专业的摄影技巧，也能找到最佳的摄影视角。此外，通过提前训练好的模型对预览图像中的人脸微表情进行分析，抓拍出符合模型阈值的图片，避免出现人眼没有睁开，脸部表情怪异的照片。此发明一方面能够帮用户提升摄影技术，拍摄出令人满意效果的照片。另一方面，能帮助用户抓取一个更加接近自身需求的表情，同时避免手动去相册中删除不满意照片的繁琐操作，进一步提升用户的业务体验。
-
公开(公告)号：CN115499073B
公开(公告)日：2023-07-25
申请号：CN202211018355.4
申请日：2022-08-24
Applicant: 南京邮电大学
IPC: H04B17/345 , H04W52/14 , H04W52/24 , G01S13/86
Abstract: 本发明提供了一种多智能反射表面辅助的雷达感知与通信共存方法，对于配置了多个智能反射表面的系统，给出了两种RIS辅助雷达检测的选择方案，系统会根据检测需求选择最优的RIS辅助方案，进而优化智能反射表面的相移配置，大大提高雷达检测的能力。同时利用了干扰信道零空间投影算法，降低了雷达系统对于通信系统的干扰。并通过仿真验证了上行用户端功率分配使得用户总信息传输速率最大的优化问题，能够满足通信用户的通信需求。
-
公开(公告)号：CN109977777B
公开(公告)日：2022-08-30
申请号：CN201910140450.3
申请日：2019-02-26
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种基于新型RF‑Net模型的手势识别方法，包括如下步骤：S1、在AlexNet模型的基础上进行模型优化，得到AlexNet_I模型；S2、在手势图像训练集中训练AlexNet_I模型并固定网络参数，得到手势特征提取模型；S3、建立并训练RF模型；S4、将手势特征提取模型与RF模型结合，构建成RF‑Net模型、并使用所述RF‑Net模型进行手势图像识别。本发明的方法能够快速而准确地对图像中的手势进行识别，有效地提高了用户体验基于手势的人机交互系统的舒适度。
-
公开(公告)号：CN108549855A
公开(公告)日：2018-09-18
申请号：CN201810280722.5
申请日：2018-04-02
Applicant: 南京邮电大学
Abstract: 面向智能家居场景的实时人形检测方法，包括如下步骤：S1、预处理一张无人物的家居场景图像作为背景图；S2、预处理视频流中的每一帧图像，获取当前帧处理后的图像；S3、通过背景减除法对当前帧处理后的图像和预处理后的背景图进行处理，获人形所在区域的图像；S4、人形所在区域的图像中的每个像素的灰度值与设定好的阈值进行比较，获取掩码图，利用矩形拟合掩码图，获取人形图像；S5、分离人形图像的红色、绿色、蓝色通道图像，获取该人形图像的HOG特征；S6、通过SVM对人形图像的HOG特征进行训练，获取人形模型。该方法通过背景减除法分割人形图形，再利用矩形框拟合掩码图，提取人形图像的HOG特征，训练人形模型，可以快速准确的检测人形图像。
-
Patent Agency Ranking
公开(公告)号：CN108345867A
公开(公告)日：2018-07-31
申请号：CN201810193484.4
申请日：2018-03-09
Applicant: 南京邮电大学
Abstract: 面向智能家居场景的手势识别方法，包括如下步骤：S1、对初始图像进行预处理；S2、将预处理后的图像从RGB颜色空间转化为HSV颜色空间，转化后的图像中的每个像素与肤色阈值进行比较，获取掩码图；利用矩形拟合掩码图，截取矩形部分，获取手势图像；S3、分离手势图像的红、绿、蓝三色通道图像，将手势图像分成9个单元，计算各单元中每个像素的LBP值，对每个单元的LBP值进行归一化，统计每个单元的LBP分布直方图，再串联成一个图像LBP分布直方图，获取图像的LBP特征；S4、通过SVM对LBP特征进行训练，获取手势模型；本发明将图像转化为HSV颜色空间进行手势图像分割，再利用矩形框拟合掩码图，提取手势的LBP特征，训练手势模型，可以快速准确的定位和识别图像中手势。
-
公开(公告)号：CN115499073A
公开(公告)日：2022-12-20
申请号：CN202211018355.4
申请日：2022-08-24
Applicant: 南京邮电大学
IPC: H04B17/345 , H04W52/14 , H04W52/24 , G01S13/86
Abstract: 本发明提供了一种多智能反射表面辅助的雷达感知与通信共存方法，对于配置了多个智能反射表面的系统，给出了两种RIS辅助雷达检测的选择方案，系统会根据检测需求选择最优的RIS辅助方案，进而优化智能反射表面的相移配置，大大提高雷达检测的能力。同时利用了干扰信道零空间投影算法，降低了雷达系统对于通信系统的干扰。并通过仿真验证了上行用户端功率分配使得用户总信息传输速率最大的优化问题，能够满足通信用户的通信需求。
-
公开(公告)号：CN109961016B
公开(公告)日：2022-10-14
申请号：CN201910140430.6
申请日：2019-02-26
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种面向智能家居场景的多手势精准分割方法，包括如下步骤：S1、对手势图像Image0进行预处理，得到图像Image1；S2、对预处理后的图像Image1进行肤色分割，得到经过处理后的图像Image4；S3、在图像Image4中构建图像的最小绑定矩形MBR；S4、通过非手势区域排除准则对图像Image4中的非手势区域进行排除，获取手势图像Image5；S5、通过基于手部形状特征的手臂冗余去除算法对图像Image5进行处理，完成对手臂冗余的去除。本发明可以在本地智能化地对手势进行分割，整个过程快速、准确，显著地提高了基于手势的人机交互系统的使用舒适度。
-
公开(公告)号：CN108596033A
公开(公告)日：2018-09-28
申请号：CN201810242987.6
申请日：2018-03-22
Applicant: 南京邮电大学
Abstract: 本发明公开了面向智能家居场景的快速云台定位方法，包括以下步骤：先标记智能家居场景下需要定位的图像，并对定位图像及实时视频流中的每帧图像预处理；对图像进行特征提取；计算当前帧图像与定位图像之间的图像特征相似度，当相似度小于阈值时，将云台从记录位置水平、垂直旋转到初始位置，记录云台在记录位置的水平垂直方向度数；将云台旋转到记录位置；将云台旋转到记录位置的上下左右各10度，每次移动1度，并记录对应位置坐标及相似度；将云台旋转到相似度最高点所在位置、并将该位置的相似度与阈值比较，如相似度不小于阈值，则云台定位成功。本发明具有云台立体定位速度快、定位效果好且对实时视频处理时延低的优点。
-
公开(公告)号：CN107590440A
公开(公告)日：2018-01-16
申请号：CN201710717807.0
申请日：2017-08-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种智能家居场景下人形识别的方法和系统，首先通过终端摄像头实时捕获图像，并选取家居场景下不含有人物的背景图，对当前帧和背景图进行预处理。通过背景减除法得到人形轮廓图，用形态学的方法填充人形轮廓中的孔洞，对人形轮廓图的水平和垂直方向进行像素分布直方图和像素梯度分布直方图统计，获取人形特征点的坐标信息，构建头肩模型，计算头肩比用于判断是否为人形，计算基于形状特征的曲率并与人形特征曲率库进行比对，用于人形识别。若人形识别到当前为陌生人时，该系统会向客户端发送报警信息，并传输当前图像到客户端。该发明可以广泛应用于智能家居场景下，给用户带来舒适安全的享受，有非常广阔的应用场景。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.023 seconds)
