公开(公告)号：CN109948469A

公开(公告)日：2019-06-28

申请号：CN201910153856.5

申请日：2019-03-01

Applicant: 吉林大学

Inventor： 倪涛 ,  缪海峰 ,  张红彦 ,  赵忠 ,  刘海强

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了基于深度学习的巡检机器人仪表自动检测识别方法，所述方法具体包括以下步骤：(1)采集仪表图像进行数据标记得到训练所需数据，并训练目标检测模型(SSD)及关键点检测模型；(2)利用步骤(1)中得到的SSD目标检测模型对待识别示数的仪表图像目标识别，得到仪表的种类及边框，并裁剪仪表区域；(3)利用步骤(1)得到的关键点检测模型对步骤(2)得到的仪表区域进行关键点识别，得到指针仪表的中心点、零点、满量程点及指针末端点；(4)结合仪表的种类，利用步骤(3)得到的点计算示数进行指针示数识别。本发明提出的指针仪表示数识别方法，其能同时识别不同类型的指针仪表，且无需考虑仪表姿态和尺度等问题，极大提高了指针仪表示数识别的精度。

公开(公告)号：CN108764058B

公开(公告)日：2021-05-25

申请号：CN201810418468.0

申请日：2018-05-04

Applicant: 吉林大学

Inventor： 张红彦 ,  倪涛 ,  邹少元 ,  孔志飞 ,  刘海强 ,  缪海峰

IPC: G06K9/00

Abstract: 本发明涉及一种基于热成像效应的双摄像头人脸活体检测方法，其特征在于：以热成像效应作为活体人脸的活体特征，通过检测人脸区域是否同时满足热成像效应的三个判据，从而区分活体人脸和非活体人脸。该方法包含以下具体步骤：可见光摄像头采集照片进行人脸检测；可见光照片人脸位置定位低分辨率热成像摄像头采集照片中人脸位置；对热成像图像人脸位置进行图像形态学处理和凸包检测；判断热成像图像人脸位置是否满足热成像效应的三个判据，若同时满足这三个判据则判定为活体人脸，否则判定为非活体人脸。其适用于门禁考勤、现场监控等人脸识别活体认证系统，具有预防照片或者视频恶意欺骗系统的能力。

公开(公告)号：CN108509025A

公开(公告)日：2018-09-07

申请号：CN201810078017.7

申请日：2018-01-26

Applicant: 吉林大学

Inventor： 倪涛 ,  邹少元 ,  张红彦 ,  孔志飞 ,  缪海峰 ,  刘海强 ,  周磊 ,  郑旭东 ,  王彬

IPC: G06F3/01 ,  G06K9/00 ,  G06K9/62

Abstract: 本发明涉及一种基于肢体动作识别的起重机智能吊装系统，其特征在于基于六个控制单元的人机交互系统，1）大变焦网络摄像头连续采集指挥人员多组标准肢体动作，2）大变焦网络摄像头通过云台架于起重机驾驶舱上，实时采集指挥人员肢体动作，先后进入轮廓提取单元和特征提取单元后获取指挥人员手势Hu图像矩特征向量；3）具体通过采用SVM机器学习算法的样本分类器进行查询，返回最匹配的肢体动作样本类，从而将相应的起重机指挥信号传给起重机控制器完成起重机吊装工作；其克服上述现有肢体动作识别技术的不足，以及人为判断指挥信号方式不够友好，其以起重指挥信号国家标准GB5082-85为参照，能够对指挥人员实时追踪，具有成本低、鲁棒性强和实时性高等优点。

公开(公告)号：CN108764058A

公开(公告)日：2018-11-06

申请号：CN201810418468.0

申请日：2018-05-04

Applicant: 吉林大学

Inventor： 张红彦 ,  倪涛 ,  邹少元 ,  孔志飞 ,  刘海强 ,  缪海峰

IPC: G06K9/00

CPC classification number: G06K9/00288 ,  G06K9/00248 ,  G06K9/00255 ,  G06K9/00906

Abstract: 本发明涉及一种基于热成像效应的双摄像头人脸活体检测方法，其特征在于：以热成像效应作为活体人脸的活体特征，通过检测人脸区域是否同时满足热成像效应的三个判据，从而区分活体人脸和非活体人脸。该方法包含以下具体步骤：可见光摄像头采集照片进行人脸检测；可见光照片人脸位置定位低分辨率热成像摄像头采集照片中人脸位置；对热成像图像人脸位置进行图像形态学处理和凸包检测；判断热成像图像人脸位置是否满足热成像效应的三个判据，若同时满足这三个判据则判定为活体人脸，否则判定为非活体人脸。其适用于门禁考勤、现场监控等人脸识别活体认证系统，具有预防照片或者视频恶意欺骗系统的能力。

公开(公告)号：CN109948469B

公开(公告)日：2022-11-29

申请号：CN201910153856.5

申请日：2019-03-01

Applicant: 吉林大学

Inventor： 倪涛 ,  缪海峰 ,  张红彦 ,  赵忠 ,  刘海强

IPC: G06V20/10 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明公开了基于深度学习的巡检机器人仪表自动检测识别方法，所述方法具体包括以下步骤：(1)采集仪表图像进行数据标记得到训练所需数据，并训练目标检测模型(SSD)及关键点检测模型；(2)利用步骤(1)中得到的SSD目标检测模型对待识别示数的仪表图像目标识别，得到仪表的种类及边框，并裁剪仪表区域；(3)利用步骤(1)得到的关键点检测模型对步骤(2)得到的仪表区域进行关键点识别，得到指针仪表的中心点、零点、满量程点及指针末端点；(4)结合仪表的种类，利用步骤(3)得到的点计算示数进行指针示数识别。本发明提出的指针仪表示数识别方法，其能同时识别不同类型的指针仪表，且无需考虑仪表姿态和尺度等问题，极大提高了指针仪表示数识别的精度。