-
公开(公告)号：CN113139533B
公开(公告)日：2022-08-02
申请号：CN202110366873.4
申请日：2021-04-06
Applicant: 广州大学
IPC: G06V30/14 , G06V30/226 , G06V30/148 , G06V30/18 , G06V30/19 , G06T7/13 , G06T5/00
Abstract: 本发明公开了一种快速识别手写矢量的方法及装置、介质和设备，方法首先获取含有手写字体的原始图像并进行高斯滤波、灰度化、边缘检测，得到边缘图像，然后识别并存储其中的字母。检测边缘图像中是否含有直线，若有，则初步判定手写字体存在字母矢量的箭头特征，并分割边缘图像，得到含有直线的局部图像，再计算局部图像的HU矩，将HU矩与标准箭头HU矩进行匹配，两者一致的情况下判定手写字体存在字母矢量的箭头特征。只有两次都有检测到箭头特征，才判定手写字体为手写字母矢量，根据存储的字母信息生成并输出对应的字母矢量，其他情况则判定手写字体为字母，输出存储的字母信息。本发明可以准确高效地识别手写字母及手写字母矢量。
-
公开(公告)号：CN113139533A
公开(公告)日：2021-07-20
申请号：CN202110366873.4
申请日：2021-04-06
Applicant: 广州大学
Abstract: 本发明公开了一种快速识别手写矢量的方法及装置、介质和设备，方法首先获取含有手写字体的原始图像并进行高斯滤波、灰度化、边缘检测，得到边缘图像，然后识别并存储其中的字母。检测边缘图像中是否含有直线，若有，则初步判定手写字体存在字母矢量的箭头特征，并分割边缘图像，得到含有直线的局部图像，再计算局部图像的HU矩，将HU矩与标准箭头HU矩进行匹配，两者一致的情况下判定手写字体存在字母矢量的箭头特征。只有两次都有检测到箭头特征，才判定手写字体为手写字母矢量，根据存储的字母信息生成并输出对应的字母矢量，其他情况则判定手写字体为字母，输出存储的字母信息。本发明可以准确高效地识别手写字母及手写字母矢量。
-
公开(公告)号：CN113569656B
公开(公告)日：2023-08-29
申请号：CN202110752439.X
申请日：2021-07-02
Applicant: 广州大学
IPC: G06V20/52 , G06V20/40 , G06V40/20 , G06V10/774 , G06V10/762 , G06V10/82 , G06N3/0464 , G06V10/25 , G06V10/764 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的考场监控方法，包括：监控系统实时拍摄考试视频；将预处理后的考试图像输入到已训练好的卷积神经网络当中，卷积神经网络将考试图像均匀的分成多个网格；每个网格对网格内的待识别物体进行行为类框预测，将行为类框的类别得分与预设阀值比较，过滤低于预设阀值的行为类框，将高于预设阀值的行为类框进行非极大值抑制，得到最终的检测框；根据最终的检测框的得分T与优化后的自适应参数q，p，r进行比较，得到行为类框中含有目标的概率。本发明在现有的一段式算法中的YOLO算法基础上，对检测数据进行深度学习自适应参数优化，并且提出自适应参数区间划分异常行为程度，将进一步提高异常行为检测的精确度。
-
公开(公告)号：CN113128387A
公开(公告)日：2021-07-16
申请号：CN202110397494.1
申请日：2021-04-14
Applicant: 广州大学
Abstract: 本发明公开了一种基于面部表情特征分析的吸毒者毒瘾发作识别方法，该方法步骤包括：采集被监察者的视频并进行人脸识别；对提取得到的人脸图像进行图像预处理；构建DNN深度神经网络并进行网络训练，设置待训练的DNN深度神经网络的超参数值，将训练集样本输入到DNN深度神经网络进行训练；DNN深度神经网络包括依次连接的输入层、卷积层、池化层、GRU层和Softmax输出层；将图像预处理后的人脸图像输入到训练好的DNN深度神经网络，对人脸图像的特征进行提取，输出毒瘾发作概率的预测值；当输出毒瘾发作概率的预测值大于预设的阈值时，判定被监察者毒瘾发作。本发明提供判断精确度的效果，具有良好的分类效果和泛化能力。
-
公开(公告)号：CN113205687B
公开(公告)日：2022-07-05
申请号：CN202110481444.1
申请日：2021-04-30
Applicant: 广州大学
Abstract: 本发明涉及一种基于视频监控的酒驾车辆轨迹识别系统，包括视频采集模块、数字图像预处理模块、车辆行驶特征检测模块、酒驾车辆识别模块、车牌识别模块以及报送交警人工检测模块，各模块依次连接；其中，数字图像预处理模块包括车道线识别模块、汽车识别模块和图像预处理模块；车辆行驶特征检测模块包括汽车追踪模块、转向灯识别模块、角度检测模块和压线检测模块。本发明通过扩大酒驾检测的范围，提高交警的酒驾检测工作效率，使得酒驾司机不再抱有侥幸心理，进而减少因酒驾引起的交通事故的发生。
-
Patent Agency Ranking
公开(公告)号：CN113205687A
公开(公告)日：2021-08-03
申请号：CN202110481444.1
申请日：2021-04-30
Applicant: 广州大学
Abstract: 本发明涉及一种基于视频监控的酒驾车辆轨迹识别系统，包括视频采集模块、数字图像预处理模块、车辆行驶特征检测模块、酒驾车辆识别模块、车牌识别模块以及报送交警人工检测模块，各模块依次连接；其中，数字图像预处理模块包括车道线识别模块、汽车识别模块和图像预处理模块；车辆行驶特征检测模块包括汽车追踪模块、转向灯识别模块、角度检测模块和压线检测模块。本发明通过扩大酒驾检测的范围，提高交警的酒驾检测工作效率，使得酒驾司机不再抱有侥幸心理，进而减少因酒驾引起的交通事故的发生。
-
公开(公告)号：CN113139979A
公开(公告)日：2021-07-20
申请号：CN202110427265.X
申请日：2021-04-21
Applicant: 广州大学
Abstract: 本发明涉及一种基于学习的边缘识别方法，包括步骤：S1、进行网络结构搭建，在网络结构上设定锚点anchor，进行目标预测，并设计7层卷积层提取网络特征；S2、采用卷积层四周填充提取边缘信息，并融合残差网络和卷积下采样操作；S3、在每个卷积层中加入批量归一化操作，采用Softmax函数归一化，将图像进行0与1分类，产生目标概率可能值；S4、进行目标网络检测，采用多尺度训练方式，调整输入图像分辨率。本发明从目标的边缘信息出发，提出一种T‑YOLO检测算法，解决检测速度慢的问题，实现目标定位的准确度，提高识别精度。
-
公开(公告)号：CN110323333B
公开(公告)日：2022-08-19
申请号：CN201910612588.9
申请日：2019-07-09
Applicant: 广州大学
IPC: H01L45/00
Abstract: 本发明涉及一种基于天然有机材料的忆阻器及其制备方法，其包括，依次层叠的衬底、底电极、阻变功能层以及顶电极，所述阻变功能层包括化学修饰后的卡拉胶薄膜以及包覆于所述化学修饰后的卡拉胶薄膜中的纳米金属颗粒，所述纳米银颗粒与所述化学修饰后的卡拉胶的质量比为1％‑4％。该阻变功能层采用化学修饰后的天然有机材料ι型卡拉胶薄膜和以及包覆于薄膜内部的纳米金属颗粒，该阻变功能层具有更高的离子电导率，用于忆阻器件中实现了更加稳定的电阻翻转行为，卡拉胶薄膜中的银纳米颗粒增强了神经突触的可塑性。该忆阻器成本低廉、生物相容性好，并且具有可降解、柔性等优点。该忆阻器可应用于可植入芯片、电子皮肤和生物诊断和治疗等领域。
-
公开(公告)号：CN113255535A
公开(公告)日：2021-08-13
申请号：CN202110606543.8
申请日：2021-05-28
Applicant: 广州大学
Abstract: 本发明公开了一种基于微表情分析的抑郁症识别方法，包括：S1，通过用户的移动终端的前置相机动态捕捉使用者面部图片；S2，对面部图片进行依次预处理、人脸检测、人脸特征提取；S3，将提取的人脸特征输入已训练好的人脸识别模型进行微表情识别；S4，利用价态‑唤醒度理论对人脸进行情绪分类。本发明利用手机前置相机动态捕捉使用者面部图片，通过微表情识别技术，最终生成数据报告提供给医生辅助治疗，可以使得诊断更加准确，克服了专业抑郁症识别系统覆盖范围小、操作难度大、技术要求高的缺点。
-
公开(公告)号：CN113139439A
公开(公告)日：2021-07-20
申请号：CN202110368642.7
申请日：2021-04-06
Applicant: 广州大学
Abstract: 本发明公开了一种基于人脸识别的在线学习专注度评价方法及装置，方法首先通过在线学习学习者的电脑摄像头获取视频图像；在视频图像含有人脸信息情况下截取其中的人脸部分，生成人脸图像；然后提取人脸图像中的人脸头像并归一化，对归一化后的图像进行直方图均衡化处理，得到特征图像；接着创建专注度评价模型，将学习者在线学习过程中的特征图像导入专注度评价模型，得到专注度分值的平均值；根据专注度分值的平均值与专注度自评结果迭代专注度评价模型；当学习者正在在线学习时，将实时获取的特征图像导入到完成迭代的专注度评价模型，专注度评价模型实时输出学习者的专注度分值。本发明能够自动准确监测学习者在线学习过程中的专注度水平。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.014 seconds)
