公开(公告)号：CN108681693A

公开(公告)日：2018-10-19

申请号：CN201810324180.7

申请日：2018-04-12

Applicant: 南昌大学

Inventor： 闵卫东 ,  李祥鹏 ,  廖艳秋 ,  刘瑞康

IPC: G06K9/00 ,  G06K9/62

CPC classification number: G06K9/00825 ,  G06K9/6223 ,  G06K2209/15

Abstract: 本发明涉及一种基于可信区域的车牌识别方法，采用k‑means++聚类来选择初始车辆和车牌候选框的数量和尺度；将得到的初始候选框的数量和尺度结合到YOLO‑L模型，来提高车辆区域和车牌区域的定位准确率。通过YOLO‑L模型来定位车辆区域和车牌区域，并输出左上角和右下角的坐标；YOLO‑L模型首先区分道路上的车辆和其他物体；车牌识别算法判断车牌区域是否位于车辆区域内，以消除车牌区域的错误识别；如果所在车牌区域位于这些车辆区域内，则认为所在车牌区域正确检测，完成车牌识别。本发明基于可信区域的车牌识别方法，有效区分了车牌和类似的物体，能有效地定位车牌，减少了车牌的误判，大大降低了类似物体的误判性，提供了车牌识别效率，提高车牌识别的准确性。

公开(公告)号：CN108681693B

公开(公告)日：2022-04-12

申请号：CN201810324180.7

申请日：2018-04-12

Applicant: 南昌大学

Inventor： 闵卫东 ,  李祥鹏 ,  廖艳秋 ,  刘瑞康

IPC: G06V20/62 ,  G06V10/762 ,  G06K9/62

Abstract: 本发明涉及一种基于可信区域的车牌识别方法，采用k‑means++聚类来选择初始车辆和车牌候选框的数量和尺度；将得到的初始候选框的数量和尺度结合到YOLO‑L模型，来提高车辆区域和车牌区域的定位准确率。通过YOLO‑L模型来定位车辆区域和车牌区域，并输出左上角和右下角的坐标；YOLO‑L模型首先区分道路上的车辆和其他物体；车牌识别算法判断车牌区域是否位于车辆区域内，以消除车牌区域的错误识别；如果所在车牌区域位于这些车辆区域内，则认为所在车牌区域正确检测，完成车牌识别。本发明基于可信区域的车牌识别方法，有效区分了车牌和类似的物体，能有效地定位车牌，减少了车牌的误判，大大降低了类似物体的误判性，提供了车牌识别效率，提高车牌识别的准确性。

公开(公告)号：CN110110602A

公开(公告)日：2019-08-09

申请号：CN201910282569.4

申请日：2019-04-09

Applicant: 南昌大学

Inventor： 闵卫东 ,  廖艳秋 ,  熊鹏文 ,  韩清 ,  张愚 ,  徐剑强 ,  邹松 ,  熊辛 ,  汪琦

IPC: G06K9/00 ,  G06K9/32 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T7/194

Abstract: 本发明提供了一种基于三维残差神经网络和视频序列的动态手语识别方法，所述方法提出了基于三维残差神经网络的新模型B3D ResNet，包括以下步骤：步骤1，在视频帧中，采用Faster R-CNN模型检测手的位置，并从背景中分割出手；步骤2，利用B3D ResNet模型对输入的视频序列进行手势的时空特征提取和特征序列分析；步骤3，通过对输入的视频序列进行分类，可以识别手势，有效地实现动态手语识别。本发明通过分析视频序列的时空特征，可以提取有效的动态手势时空特征序列，从而达到识别不同手势的目的，并且在复杂或类似的手语识别上也获得了良好的性能。通过测试数据集的实验结果表明，本发明可以准确有效地区分不同的手语，以及相似的手势对。