-
公开(公告)号：CN109726672B
公开(公告)日：2020-08-04
申请号：CN201811613090.6
申请日：2018-12-27
Applicant: 哈尔滨工业大学 , 中移(杭州)信息技术有限公司
Abstract: 一种基于人体骨架序列和卷积神经网络的摔倒检测方法，它属于人体摔倒检测技术领域。本发明解决了传统的人体摔倒检测方法仅利用不连续的单时间点传感信息来检测，容易带来摔倒的误判的问题。本发明采集了一部分人体摔倒骨架序列和类摔倒骨架序列，并且将MSRDaily Activity3D数据集融合到采集的数据集中，同时为了弥补数据集的空白，本发明利用两种数据增强的方法对数据集进行扩增，以避免过拟合的问题；扩增后的数据集用来训练和测试本发明建立的卷积神经网络，实验结果显示，在测试集上的识别准确率为93.75％，灵敏度为93.9％，所以，本发明的方法克服了传统方法容易带来摔倒的误判的问题。本发明可以应用于人体摔倒检测技术领域。
-
公开(公告)号：CN109829422A
公开(公告)日：2019-05-31
申请号：CN201910088572.2
申请日：2019-01-28
Applicant: 哈尔滨工业大学 , 中移(杭州)信息技术有限公司
Abstract: 本发明提供一种基于脉冲神经网络人体摔倒动作的视频识别方法，属于视频识别技术领域。本发明首先将需要识别的视频中基于时间的人体骨骼节点转换为二维彩色图像，并将其转化为二维灰度图像；然后建立人体摔倒动作识别的脉冲神经网络模型；收集人体摔倒动作和未摔倒动作样本，建立人体摔倒动作数据集；并在该人体摔倒动作数据集的基础上，采用STDP算法对所述脉冲神经网络模型进行训练；最后将二维灰度图像作为训练好的脉冲神经网络模型的输入，输出得到识别结果。本发明解决了现有人体摔倒动作的视频识别技术需要进行人工特征提取，导致效率较低的问题。本发明可用于人体摔倒动作的视频识别。
-
公开(公告)号：CN108830252A
公开(公告)日：2018-11-16
申请号：CN201810671262.9
申请日：2018-06-26
Applicant: 哈尔滨工业大学 , 中移(杭州)信息技术有限公司
Abstract: 一种融合全局时空特征的卷积神经网络人体动作识别方法，它属于人体动作识别技术领域。本发明解决了传统动作识别方法存在的动作识别的准确率较低的问题。本发明选用InceptionV3基础网络结构，建立空间通道网络和全局时域通道网络，将UCF101视频数据集切割成单帧静态图像，将单帧静态图像分为训练和测试集对空间通道网络训练和测试；计算训练和测试集中单帧静态图像对应的能量运动历史图，对全局时域通道网络进行训练和测试；对训练好的空间通道网络和全局时域通道网络的参数微调，将概率平均值最大的类别作为待识别视频序列的每帧静态图像的动作识别结果，本发明方法的动作识别准确率可以达到87％以上。本发明可以应用于人体动作识别技术领域用。
-
公开(公告)号：CN108830252B
公开(公告)日：2021-09-10
申请号：CN201810671262.9
申请日：2018-06-26
Applicant: 哈尔滨工业大学 , 中移(杭州)信息技术有限公司
Abstract: 一种融合全局时空特征的卷积神经网络人体动作识别方法，它属于人体动作识别技术领域。本发明解决了传统动作识别方法存在的动作识别的准确率较低的问题。本发明选用InceptionV3基础网络结构，建立空间通道网络和全局时域通道网络，将UCF101视频数据集切割成单帧静态图像，将单帧静态图像分为训练和测试集对空间通道网络训练和测试；计算训练和测试集中单帧静态图像对应的能量运动历史图，对全局时域通道网络进行训练和测试；对训练好的空间通道网络和全局时域通道网络的参数微调，将概率平均值最大的类别作为待识别视频序列的每帧静态图像的动作识别结果，本发明方法的动作识别准确率可以达到87％以上。本发明可以应用于人体动作识别技术领域用。
-
公开(公告)号：CN109726672A
公开(公告)日：2019-05-07
申请号：CN201811613090.6
申请日：2018-12-27
Applicant: 哈尔滨工业大学 , 中移(杭州)信息技术有限公司
Abstract: 一种基于人体骨架序列和卷积神经网络的摔倒检测方法，它属于人体摔倒检测技术领域。本发明解决了传统的人体摔倒检测方法仅利用不连续的单时间点传感信息来检测，容易带来摔倒的误判的问题。本发明采集了一部分人体摔倒骨架序列和类摔倒骨架序列，并且将MSRDaily Activity3D数据集融合到采集的数据集中，同时为了弥补数据集的空白，本发明利用两种数据增强的方法对数据集进行扩增，以避免过拟合的问题；扩增后的数据集用来训练和测试本发明建立的卷积神经网络，实验结果显示，在测试集上的识别准确率为93.75％，灵敏度为93.9％，所以，本发明的方法克服了传统方法容易带来摔倒的误判的问题。本发明可以应用于人体摔倒检测技术领域。
-
Patent Agency Ranking
公开(公告)号：CN109886227A
公开(公告)日：2019-06-14
申请号：CN201910146795.X
申请日：2019-02-27
Applicant: 哈尔滨工业大学 , 中移(杭州)信息技术有限公司
Abstract: 本发明提供基于多通道卷积神经网络的室内火灾视频识别方法，属于图像处理识别技术领域。本发明首先对视频中的图像进行火焰的区域分割，提取图像中疑似火焰目标，进而获得疑似火焰目标区域面积；然后对图像提取火焰颜色特征；根据疑似火焰目标区域面积对视频中的图像提取圆形度特征和面积变化特征；再将火焰颜色特征、圆形度特征以及面积变化特征作为检测特征通道，设计卷积神经网络CNN模型；对各个通道图像特征进行识别训练；最后将从待识别视频中提取的火焰颜色特征、圆形度特征以及面积变化特征输入训练好的卷积神经网络中进行火灾识别。本发明解决了现有火灾视频识别技术的识别准确率较低的问题。本发明可应用于室内火灾视频识别。
-
公开(公告)号：CN119850710A
公开(公告)日：2025-04-18
申请号：CN202411914343.9
申请日：2024-12-24
Applicant: 哈尔滨工业大学
Abstract: 本发本发明属于智能移动机器人重定位领域，具体涉及一种基于稠密点云配准的智能移动机器人激光重定位方法。针对现有智能移动机器人在应用场景中的开机定位精度低的问题。本发明使用ScanContext技术实现点云检索，并提出一种基于混合局部特征提取与锚点引导的点云配准网络(AGHL)。该网络提出一种混合局部特征提取模块，用于整合点云的局部几何特征与局部语义特征。此外，该网络设计了一种锚点引导的交叉注意力机制，减少不相关区域的噪声和干扰，从而提升点云配准的准确率，解决了智能移动机器人在应用场景中的开机定位精度低的问题。
-
公开(公告)号：CN112734667B
公开(公告)日：2025-02-18
申请号：CN202110012679.6
申请日：2021-01-06
Applicant: 哈尔滨工业大学
Abstract: 一种用于机器人焊接视觉的图像快速降噪模型建立方法，属于成像技术领域。解决了机器人焊缝跟踪过程中需要快速降低飞溅噪音以及成像的问题。本发明先获取多帧曝光时长不同的标定图像；计算所有标定图像每个像素点的辐照度表达值；计算所有图像对应像素点辐照度表达值的加权平均值，作为对应像素点的最终的辐照度表达值；将所述辐照度表达值压缩成目标灰度值；任意选取两帧曝光时长不同的标定图像，构造带有映射关系的查找表，利用图形学操作方法，消除表格中的数据离群点与区域边缘的毛刺；将数据集中分布区域设定为脊线区域，通过像素邻域灰度平均的方法与卷积平均法对脊线区域数据进行修正；完成模型建立。本发明适用于图像快速降噪。
-
公开(公告)号：CN118392033A
公开(公告)日：2024-07-26
申请号：CN202410476577.3
申请日：2024-04-19
Applicant: 哈尔滨工业大学
IPC: G01B11/00
Abstract: 一种基于多传感器融合的动力电池电芯极柱检测方法，属于动力电池组产线智能化检测领域。本发明解决了现有飞行焊过程中存在电芯极柱位置检测的精度和实时性较差的问题。本发明采用相机对动力电池进行图像采集，获取极柱感兴趣区域，获取激光点在线激光测量仪坐标系下的三维坐标；对电芯极柱区域图像进行高斯滤波、灰度图转换，获取电芯极柱区域灰度图像；进而获取电芯极柱中心的二维坐标，再计算出电芯极柱在相机坐标系下的三维坐标，获取有效激光阵列所有激光点深度值的均值，通过相机针孔模型和机器人坐标转换关系，计算出电芯极柱在焊接机器人坐标系下的三维坐标，实现对动力电池电芯极柱的位置的检测。本发明适用于电芯极柱位置检测。
-
公开(公告)号：CN117635986B
公开(公告)日：2024-07-05
申请号：CN202311593713.9
申请日：2023-11-27
IPC: G06V10/75 , G06V10/52 , G06V10/82 , G06N3/0455 , G06N3/08
Abstract: 本发明属于图像特征匹配领域，具体涉及一种适用大尺度场景下基于特征匹配网络的特征识别方法。针对现有技术中无法将全局特征、局部特征和多尺度特征进行有效的提取和整合的问题。本发明设计一种适用大尺度场景下基于特征匹配网络的特征识别方法，使用基于ResNet18的特征金字塔网络提供粗、细两种级别的特征。粗级别特征生成同时具有多尺度、全局和局部信息的特征。利用局部调节分支和全局调节分支从局部和全局两个角度来有效地校准丰富的特征表示。将输出的特征传入粗匹配模块得到粗匹配坐标。最后通过细匹配模块生成细匹配位置偏差来得出最终的匹配点。实现将全局特征、局部特征和多尺度特征进行有效的提取和整合。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.074 seconds)
