-
公开(公告)号:CN116665285A
公开(公告)日:2023-08-29
申请号:CN202210147807.2
申请日:2022-02-17
Applicant: 广州大学
IPC: G06V40/18 , G06V10/764 , G06V10/82 , G05B15/02 , G05B19/418
Abstract: 基于YOLOv3的睡眠检测方法、装置、设备及介质,其方法包括:采集家庭中每个成员睡眠时的照片;对照片中的人眼处进行标注,对标注的照片进行扩张和过滤,将扩张和过滤后的照片作为数据集;对数据集进行卷积化和池化处理,然后对处理后的数据集中的图像进行分类;对分类后的图像进行处理,判断用户是否闭眼,根据判断结果控制家电运行,本专利提出的YOLOv3的睡眠检测与智能家居相结合的方法,可以随时检测用户是否处于睡眠状态,并根据检测的结果控制家电关闭或节能运行,可以节约电力资源、减少电子废物的产生,有利于绿色环保社会的建设。
-
公开(公告)号:CN115751072A
公开(公告)日:2023-03-07
申请号:CN202211516949.8
申请日:2022-11-29
Applicant: 广州大学
IPC: F16M11/04 , G09B5/02 , G02B27/01 , G09B23/10 , F16M11/08 , F16M11/18 , F16M11/22 , F16M11/42 , B66D1/74 , B66D1/12
Abstract: 本发明涉及VR技术领域,尤其是涉及一种基于VR智能模拟技术的物理重力加速度实验装置及方法。实验装置包括底座、升降机构、立柱、显示屏、主机、VR输入设备、角度调节机构和安装板;本发明通过升降机构的安装,实现了显示屏的升降,便于现场场地的实际情况来调整设备的高度,避免了设备过高或者过低引起的观看不便的情况出现,通过角度调节机构的安装,实现了显示屏的角度的自动调整,便于不同位置的人员查看显示屏上的实验过程中,无需整体转动设备即可实现角度改变,提升了设备的实用性。
-
公开(公告)号:CN114511036A
公开(公告)日:2022-05-17
申请号:CN202210147830.1
申请日:2022-02-17
Applicant: 广州大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于KNN的改进k‑means++算法,包括K‑means++算法,所述方法包括以下步骤:S1:输入包含n个数据对象的目标数据集D,数据集待聚类类簇数k,通过在初始类簇中心点选择时,第一个类簇中心点随机选取,后续的类簇中心点的选取将同时基于数据对象与最近邻的初始类簇中心点的距离,以及数据对象附近空间的稠密程度,其中,通过优化过后的中心点选取机制,那些远离已存在类簇中心点的高密度对象将有更大的可能性被选取为新的类簇中心点,由此中心点的选取不会过于随机而影响到聚类结果,在一定程度上提升了k‑means算法的聚类稳定性以及聚类质量,达到了使得中心点的选取更加合理且稳定,并提高聚类质量和聚类稳定性的效果。
-
公开(公告)号:CN116665190A
公开(公告)日:2023-08-29
申请号:CN202210148192.5
申请日:2022-02-17
Applicant: 广州大学
IPC: G06V20/59 , G06V40/16 , G06V10/764
Abstract: 一种基于人脸识别的驾驶员疲劳程度判断方法及系统,其方法包括:采集驾驶员的数据图像,将获取的图像进行图像预处理,得到预处理图像;采用回归树级联网络估计预处理图像中的人脸特征点位置;根据特征点位置,划分特征区域,对特征区域进行状态识别;根据状态识别的结果,判断驾驶员的疲劳程度;本申请通过深度学习的方法对驾驶员的人脸图像进行实时的采集和识别,可以及时判断驾驶员是否处于疲劳驾驶状态,以便及时提醒或采取相应措施,避免驾驶员由于疲劳驾驶,导致交通事故的发生。
-
公开(公告)号:CN114529970A
公开(公告)日:2022-05-24
申请号:CN202210147839.2
申请日:2022-02-17
Applicant: 广州大学
Abstract: 本发明涉及智能监控技术领域,且公开了基于Gabor特征和HOG特征融合的行人检测系统,包括首先对输入图像进行预处理,若图像不是人脸图像,需要先对图像进行人脸检测、人脸截图和人脸对齐,然后针对人脸图像进行灰度化、滤波和归一化,构造Gabor滤波器组,设置滤波器的核尺寸和方向,构造Gabor滤波器组。本发明通过计算每个单元的每个像素的梯度,并统计细胞单元的梯度方向直方图,以30°为间隔划分6个bin,则每个细胞单元可以得到一个6维的特征向量,最后将块归一化的特征向量进行串联,合成HOG特征向量,通过此过程,可以得到20张特征图,该特征图为二级特征,采用PCA对融合特征进行降维,最后用SVM作为分类器进行人脸识别,简化操作,提高人脸识别的效率。
-
-
-
-