公开(公告)号：CN116824352A

公开(公告)日：2023-09-29

申请号：CN202310894099.3

申请日：2023-07-20

Applicant: 安徽大学 ,  安徽博微广成信息科技有限公司

Inventor： 唐俊 ,  李运生 ,  郑向宏 ,  王国庆 ,  葛新科 ,  张艳

IPC: G06V20/00 ,  G06V10/26 ,  G06V10/764 ,  G06V20/70 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于语义分割与图像异常检测的水面漂浮物识别方法，其步骤包括：1、水面漂浮物图像数据的收集与预处理；2、构建水面分割网络，分割出水面和背景；3、构建水面异常检测网络，检测出水面中的漂浮物区域；4、构建图像分类网络并识别漂浮物具体类别；5、利用训练好的模型对水面漂浮物图像进行识别。本发明通过语义分割模型分割出水面漂浮物图像中的水面部分，能消除背景部分对漂浮物识别的干扰，然后由异常检测模型检测出水面中的漂浮物区域，再利用图像分类模型识别出漂浮物具体类别，从而能大大提高漂浮物识别的全面性和精确度。

公开(公告)号：CN119888334A

公开(公告)日：2025-04-25

申请号：CN202411955959.0

申请日：2024-12-28

Applicant: 安徽大学

Inventor： 张艳 ,  汪玉凤 ,  石宝 ,  吴烨峰 ,  汪思彤 ,  王兴宇

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/74 ,  G06V10/40 ,  G06V20/10

Abstract: 本发明公开了一种基于复域特征图网络的SAR图像目标分类系统，包括以下步骤：按照划分比例将SAR数据集分为训练集、验证集、测试集，对训练集做数据增广；将SAR图像分为支持集和查询集；将支持集和查询集分别通过复域变换特征提取模块得到SAR的复域特征；利用系统中的图网络更新得到与查询集图像最为相似的支持集图像；将最终的分类正确率结果在显示窗口中打印出来。本发明涉及图像处理领域，该种基于复域特征图网络的SAR图像目标分类系统，解决了现有大多聚焦于空间域或时频域的特征提取和分析，而忽略了复域在SAR图像分类中的潜在优势，提高了对SAR图像分类正确率。

公开(公告)号：CN113656623B

公开(公告)日：2024-09-27

申请号：CN202110940231.0

申请日：2021-08-17

Applicant: 安徽大学

Inventor： 唐俊 ,  吴正建 ,  王年 ,  朱明 ,  张艳 ,  鲍文霞

IPC: G06F16/532 ,  G06F16/55 ,  G06F16/583 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084 ,  G06T5/70 ,  G06T5/60 ,  G06T7/10

Abstract: 本发明涉及基于时序移位和多分支时空增强网络的成趟足迹图像检索方法，与现有技术相比解决了成趟足迹图像之间有效的时空特征少、难以聚合不同类别的差异性特征的缺陷。本发明包括以下步骤：训练数据的获取；构建成趟足迹图像检索模型；对训练数据进行预处理；成趟足迹图像检索模型的训练；待检索成趟足迹图像的获取；成趟足迹图像的检索。本发明提高了成趟足迹图像的检索速度和准确率。

公开(公告)号：CN118366009B

公开(公告)日：2024-09-13

申请号：CN202410781255.X

申请日：2024-06-18

Applicant: 安徽大学

Inventor： 陈杰 ,  徐睿 ,  李倩 ,  王硕恒 ,  徐蕴恒 ,  汪新文 ,  李迎松 ,  黄志祥 ,  曹宜策 ,  张艳

IPC: G06V10/82 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/80 ,  G06V40/10 ,  G06V40/20

Abstract: 本发明公开了基于人类群体行为特性引导的行人轨迹预测方法及系统，属于自动驾驶技术领域。方法包括：首先，根据行人的历史轨迹和可学习的距离阈值参数对其进行分组，并从行人的历史位置获得位置层面的群体特征。同时引入行人的速度信息作为约束，获取速度层面的群体特征；接着，从多层面的群体特征中获取不同行人群体的运动模式；最后，基于稀疏图卷积网络进行轨迹预测，该网络提取群体与行人之间的交互特征，并根据这些特征获得未来轨迹的概率分布，从而推断出预测轨迹。使用本发明提出的方法，可以更好的辅助规划驾驶路线，减少交通事故的发生。

公开(公告)号：CN111402202B

公开(公告)日：2023-07-25

申请号：CN202010112014.8

申请日：2020-02-24

Applicant: 安徽大学

Inventor： 王年 ,  樊旭晨 ,  唐俊 ,  张艳 ,  朱明 ,  鲍文霞 ,  吴洛天 ,  王鹏鹏

IPC: G06T7/00 ,  G06T7/11 ,  G06T7/136 ,  G06T5/00 ,  G06V10/74

Abstract: 本发明涉及图像处理技术领域，公开了一种足底压力图像相似度评价方法，包括以下步骤：足迹校准：对采集到的足底压力数据进行去噪，并统一足迹图像中足迹的倾角，完成校准操作；判断外部相似度：对经过校准的足迹图像进行等效矩形算法，得到像素级别的足长与足宽，并转化为真实的足长与足宽，比较得出外部相似度；判断内部相似度：对每个区域的压力块进行压力增强，分别在每个区域建立极坐标系，将压力块转化为点集形式，基于匹配相似度算法，根据压力的点集信息对内部相似度进行评价。本发明通过上述步骤能够准确判断不同足底压力图像之间的相似度，反馈足底每个区域压力分布的差异性，可用于刑侦判断，有效提高刑侦效率。

公开(公告)号：CN111340098B

公开(公告)日：2023-07-21

申请号：CN202010112342.8

申请日：2020-02-24

Applicant: 安徽大学

Inventor： 唐俊 ,  徐君君 ,  樊旭晨 ,  吴洛天 ,  王鹏鹏 ,  鹿新 ,  汪桐生 ,  茅丽丽 ,  瞿金杰 ,  王年 ,  张艳 ,  朱明 ,  鲍文霞

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/20 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明图像处理、深度学习以及刑侦技术领域，公开了基于鞋印图像的STA‑Net年龄预测方法，先将待测鞋印图像经评分模型进行数据评估，评估高于预设值代表待测鞋印图像质量合格；随后将质量合格的待测鞋印图像进行预处理操作，所述预处理操作包括去噪、中心化、伪彩化；预处理后的待测鞋印图像输入经STA‑Net网络训练得到预测模型进行年龄预测，得到最终的预测年龄。图像评分模型、图像预处理模型能够对待测鞋印图像进行筛选与去躁处理，将不同来源的数据转化为满足网络输入的数据；STA‑Net回归网络能够根据鞋印图像预测出年龄信息，相比于传统的预测方法，提高了预测的效率以及准确率。

公开(公告)号：CN116168443B

公开(公告)日：2023-07-07

申请号：CN202310453612.5

申请日：2023-04-25

Applicant: 安徽大学

Inventor： 张艳 ,  李增辉 ,  夏雨琪 ,  申多 ,  王年

IPC: G06V40/16 ,  G06V10/778 ,  G06V10/82

Abstract: 本发明公开了一种基于信息差知识蒸馏的遮挡面部情绪识别方法，包括以下步骤：数据采集及预处理：通过RGB摄像机采集图像数据，检测图像中是否包含人脸信息，再经过人脸对齐网络提取出面部图像区域，将最终采集到的数据划分为训练集和测试集，将训练集中图像经过随机掩膜机制生成掩膜图像；最优模型训练；情绪识别。本发明涉及面部识别技术领域，该种基于信息差知识蒸馏的遮挡面部情绪识别方法，采用知识蒸馏方法可以将更大更复杂的教师模型学习到的知识蒸馏到更小更简便的学生模型当中，在减小模型参数的同时能够提高学生模型的识别效果，可以更加方便部署到系统当中实现实时检测，解决面部遮挡面部表情无法识别的问题。

公开(公告)号：CN111680614B

公开(公告)日：2023-04-14

申请号：CN202010495091.6

申请日：2020-06-03

Applicant: 安徽大学

Inventor： 唐俊 ,  洪杰 ,  王年 ,  朱明 ,  鲍文霞 ,  张艳

IPC: G06V20/40 ,  G06V20/52 ,  G06V10/764 ,  G06V10/762 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/088

Abstract: 本发明公开了一种基于视频监控中的异常行为检测方法，包括通过YOLOv3目标检测算法即快速又精确的检测出视频帧图像中的前景目标对象，可以去除背景噪声的影响，并且可以满足异常检测实时性的要求；将视频帧图像中的目标对象提取特征后，先对特征进行聚类，再输入到SVM分类器中，取得分最高的作为该目标对象的异常得分，最后取该视频帧图像中所有目标对象的异常得分中的最高值作为该帧图像的异常得分，利用SVM分类器可以快速准确的分类，并且满足实时性要求。本发明采用深度学习和机器学习的方法，能够有效地检测出异常事件的发生，并且可以达到实时检测的要求，提高了对异常事件检测的准确率。

公开(公告)号：CN112884025B

公开(公告)日：2022-11-04

申请号：CN202110141168.4

申请日：2021-02-01

Applicant: 安徽大学

Inventor： 张艳 ,  王林茂 ,  程志友 ,  胡根生

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于多特征分段式训练的茶叶病害分类系统，包含以下阶段：第一阶段、数据预处理；第二阶段、最优网络训练；第三阶段、图像分类功能；所述的第一阶段、数据预处理包括病害图片的裁切和数据的扩充两步；所述的第二阶段、最优网络训练包括数据划分和特征学习网络迭代训练两步本发明通过深度学习的方法设计了一种茶叶病害特征学习网络对茶叶病害数据进行训练，然后及那个已训练好的网络模型进行迁移，将最终的茶叶病害分类智能化，并且排除人为主观因素，使得到的结果较好。

公开(公告)号：CN113220926A

公开(公告)日：2021-08-06

申请号：CN202110489372.5

申请日：2021-05-06

Applicant: 安徽大学 ,  南京市公安局刑事侦查局 ,  杭州创恒电子技术开发有限公司

Inventor： 朱明 ,  江畅 ,  于小勇 ,  唐俊 ,  王年 ,  宫臣 ,  张艳 ,  鲍文霞 ,  骆刚

IPC: G06F16/583 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于多尺度局部注意力增强网络的足迹图像检索方法，与现有技术相比解决了足迹图像检索准确率低、速度慢的缺陷。本发明包括以下步骤：训练样本的获取和预处理；构建足迹图像检索模型；训练足迹图像检索模型；待检索足迹图像的获取；足迹图像检索结果的获得。本发明能够提取到更多有效的细粒度特征，进一步挖掘图像的特征表征能力，提高足迹图像检索的速度和准确率。