-
公开(公告)号:CN112949531A
公开(公告)日:2021-06-11
申请号:CN202110273649.0
申请日:2021-03-15
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于图像处理与机器学习的颈部姿态识别方法,该方法的步骤包括:颈部图像采集、颈部目标检测、颈部特征提取、颈部姿态识别;本发明首先用图像处理的算法对颈部目标进行检测,将目标与背景进行分离;之后用建立的坐标系将颈部进行特征提取形成特征向量,特征向量表征颈部姿态特征;颈部姿态识别是在上述两项技术的基础上,通过LVQ神经网络算法对颈部姿态进行识别判断。以上四个步骤连贯起来是一个完整的颈部姿态识别方法。本发明的显著优点是:提供的技术方案可以完整检测颈部目标,特征提取降低了特征数据量,采用LVQ神经网络算法提高了颈部姿态识别效率。
-
公开(公告)号:CN114596276A
公开(公告)日:2022-06-07
申请号:CN202210205646.8
申请日:2022-03-02
Applicant: 哈尔滨理工大学
IPC: G06T7/00 , G06T7/11 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种胎儿头部超声影像的分割方法,包括根据获得的胎儿头部原始超声影像,将胎儿头部原始超声影像数字化,利用基于范数低差异性类别簇像素集合簇群估计方法,计算出医生期望获得的初步的胎儿头部低差异性类别簇像素集合簇群的合成影像,利用均匀化串联低差异性类别簇像素集合簇群像素密度过滤像素峰值密度的方法消除多余小区域重新映射轮廓拟合合成胎儿头部分割图像,实现对产科的胎儿发育指标检测方面中获得的超声影像进行区域分割预处理,为进一步的超声影像三维重建完成前期图像预处理基础。
-
公开(公告)号:CN113327269A
公开(公告)日:2021-08-31
申请号:CN202110559856.2
申请日:2021-05-21
Applicant: 哈尔滨理工大学
IPC: G06T7/215 , G06T7/246 , G06T7/66 , G06T7/80 , G06K9/62 , G06N3/08 , G06T5/00 , G06T7/11 , G06T7/13 , G06T7/136 , G06T7/155 , G06T7/194
Abstract: 一种无标记颈椎运动检测方法,属于图像识别领域。现有的有标记物的目标识别方法具有局限性的问题。本发明包括,获得连续的含有颈部的图像帧;将L‑K光流法与最大类间方差图像分割法相结合的方法,检测图像中的颈部区域目标;检测颈部边缘,提取颈部轮廓部分信息;将提取出的颈部边缘图像的质心作为坐标原点,建立坐标系,把图像在四个象限的质心分别和原点进行连线,计算每条连线和横轴的夹角的正切值,得出特征向量;从而进行颈部特征提取;采用BP神经网络进行颈部姿态识别;提取样本特征数据计算训练参数,根据提取的特征参数训练分类器;之后将待检测的颈部图像进行检测,识别检测结果。具有目标识别时间短,识别结果准确的优点。
-
-
-