公开(公告)号：CN118587169A

公开(公告)日：2024-09-03

申请号：CN202410647827.5

申请日：2024-05-23

Applicant: 浙江工商大学

Inventor： 徐晓刚 ,  张国栋 ,  郑一伟 ,  汪洋 ,  徐冠雷

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/766 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06N3/0464 ,  G06V20/68 ,  G06N3/048

Abstract: 本发明公开了一种解构部分通道关键点的穗粒检测方法和系统，属于计算机视觉领域。包括：获取待检测的含穗粒的图像；通过特征提取主干网络获取图像的多尺度特征，保存最后两个尺度的深度特征图，作为第一特征图和第二特征图；利用1×1卷积分别处理第一特征图和第二特征图，生成第三特征图和第四特征图，再将第四特征图上采样得到与第三特征图尺寸一致的第五特征图，将第三特征图和第五特征图相加，作为双分支通道解构网络的输入特征图；利用双分支通道解构网络进行穗粒位置识别和穗粒性状分类；所述的双分支通道解构网络中插入解构式关键点模块。本发明提升了模型对图像中对穗粒的信息获取能力，进一步提升了模型对穗粒秕、实粒区分的准确度。

公开(公告)号：CN113642606B

公开(公告)日：2024-01-09

申请号：CN202110788250.6

申请日：2021-07-13

Applicant: 浙江工商大学

Inventor： 徐晓刚 ,  陈雨杭 ,  余新洲 ,  徐冠雷

IPC: G06V10/774 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明公开了一种基于注意力机制的海上舰船检测方法，能够使得深度卷积神经网络在特征表示中关注更有判别力的部分，从而有效提高舰船检测识别的精度。本发明方法包括：将原始舰船图片输入到YOLOv5网络的Backbone中，得到最后一个卷积层输出的特征图，将特征图输入到一个协调注意力模块中，得到基于协调注意力优化后的特征图，将优化后的特征图像输入Neck部分，经过一系列处理后产生三个特征层输入到输出端，输出端根据生成的三个特征层，给出边界框和置信度。本发明提出的优化网络所涉及到的协调注意力模块同时考虑了通道间关系和位置信息。它不仅捕获了跨通道的信息，还包含了方向感知(direction‑aware)和位置敏感(position‑sensitive)的信息，能更准确地定位到并识别目标区域。

公开(公告)号：CN114998999B

公开(公告)日：2022-12-06

申请号：CN202210856428.0

申请日：2022-07-21

Applicant: 之江实验室 ,  浙江工商大学

Inventor： 张文广 ,  徐晓刚 ,  虞舒敏 ,  曹卫强

IPC: G06V40/20 ,  G06V20/52 ,  G06V10/22 ,  G06V10/75 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于多帧输入与轨迹平滑的多目标跟踪方法和装置，方法包括：步骤S1：获取行人视频数据集并进行行人坐标以及行人轨迹的标注，并生成片段型轨迹数据；步骤S2：构造并训练基于多帧输入与轨迹平滑的行人多目标跟踪网络模型；步骤S3：基于训练得到的行人多目标跟踪网络模型进行推理，获取当前帧行人目标检测与特征提取结果以及其前几帧的行人目标检测与特征提取结果，即获取得到多帧图像目标的坐标及外观特征；步骤S4：利用多帧图像目标的坐标及外观特征进行最短特征距离匹配，并利用轨迹曲率平滑函数进行轨迹平滑，最终得到当前帧的轨迹。本发明具有耗时低，且对同类目标的遮挡问题鲁棒性较好的优点。

公开(公告)号：CN115410068A

公开(公告)日：2022-11-29

申请号：CN202211024164.9

申请日：2022-08-24

Applicant: 浙江工商大学

Inventor： 徐晓刚 ,  张志鑫 ,  雷家旭 ,  徐冠雷

IPC: G06V10/82 ,  G06V10/774 ,  G06V10/80 ,  G06V10/75 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络的局部舰船识别方法，该方法包括如下步骤：将原始的舰船图片进行裁剪分割构成补丁集，将分割后的图片进行采样后输入到改进的Siamese孪生网络进行训练，提取局部关键特征向量，作为后续目标匹配的特征库。将待识别的局部缺损舰船图片输入到改进的Siamese网络提取特征向量后，与特征库进行匹配后，输出特征对，将特征对输入Metric network训练测度网络，得到相似度概率，相似度大于一定阈值则判断该缺损图像为舰船。

公开(公告)号：CN114757822B

公开(公告)日：2022-11-04

申请号：CN202210663896.6

申请日：2022-06-14

Applicant: 之江实验室 ,  浙江工商大学

Inventor： 祝敏航 ,  李玲 ,  曹卫强 ,  徐晓刚 ,  王军

IPC: G06T3/00 ,  G06V40/10 ,  G06N3/04

Abstract: 本发明公开一种基于双目的人体三维关键点检测方法及系统，该方法包括：步骤一：通过采用YOLOv5目标检测算法的目标检测模块分别获得左、右视场图像中的人体矩形框；步骤二：扣取人体矩形框对应的人体图像，通过人体二维关键点识别算法提取左、右视场图像中人体各关键点的二维热力图；步骤三：将左、右人体二维关键点热力图反向投影到三维空间，得到三维反投影热力图；步骤四，将三维反投影热力图输入三维卷积编解码网络，通过编解码操作得到三维关键点热力图；步骤五，三维关键点热力图中每一通道通过自变量最大值软操作得到该通道表示的三维关键点所在坐标，最终得到全部人体三维关键点坐标。本发明具有较高的可行性和实用性。

公开(公告)号：CN114638272B

公开(公告)日：2022-11-04

申请号：CN202210541225.2

申请日：2022-05-19

Applicant: 之江实验室 ,  浙江工商大学

Inventor： 魏日令 ,  徐晓刚 ,  徐冠雷 ,  何鹏飞

IPC: G06K9/00 ,  G06K9/62 ,  A61B5/1455 ,  A61B5/117 ,  A61B5/00

Abstract: 本发明涉及非接触式生理信号检测领域，尤其涉及一种基于指尖脉搏波信号的身份识别方法和装置，该方法包括：步骤一，利用血氧仪采集人体指尖的脉搏波信号；步骤二，将采集到的脉搏波信号进行滤波、峰值检测、信号截取对齐以及计算导数并归一标准化的处理，同时保存对应的个人身份标识号；步骤三，重复步骤一至步骤二，将步骤二中得到的信号数据保存为数据集；步骤四，将数据集输入特征提取网络进行特征提取，后输入分类网络训练，训练完成后保存训练好的网络参数，得到训练好的身份识别模型；步骤五，利用训练好的身份识别模型，对输入的脉搏波信号进行识别，预测出对应身份。本发明相比现有的其他方法，具有更高的识别准确率的优点。

公开(公告)号：CN113963427B

公开(公告)日：2022-07-26

申请号：CN202111580954.0

申请日：2021-12-22

Applicant: 浙江工商大学

Inventor： 徐晓刚 ,  王小龙 ,  徐冠雷

IPC: G06V40/16 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06T5/40 ,  G06T7/136 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种快速活体检测的方法与系统，属于活体检测领域。通过构建真实人脸图像和二次拍摄人脸图像的多尺度、多旋转角度下的频谱图，将频谱图在水平和垂直方向上的投影向量作为特征向量，既能够充分提取到图像的摩尔纹特征，又无需依赖复杂的神经网络结构，实现了对视频重播攻击手段的快速检测。利用人脸图像的面部总体信号与局部感兴趣信号的相关性来构建血容积分布，在此基础上计算频率峰值分布，结合阈值分割模型实现了对包含生理信号区域的精准定位，能够对高仿真面具和高清图片攻击进行高精度检测。本发明无需指定面部动作配合检测，仅通过采集面部视频即可进行综合检测，覆盖了主要的活体检测攻击方式，具备高的检测精度及检测速度。

公开(公告)号：CN114648723A

公开(公告)日：2022-06-21

申请号：CN202210454687.0

申请日：2022-04-28

Applicant: 之江实验室 ,  浙江工商大学

Inventor： 李玲 ,  徐晓刚 ,  王军 ,  祝敏航 ,  曹卫强 ,  何鹏飞

IPC: G06V20/40 ,  G06V20/52 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及智能视频监控及深度学习领域，尤其涉及一种基于时间一致性对比学习的动作规范性检测方法和装置，该方法为：首先将第一数量标注和第二数量未标注的通过摄像头采集的视频构建数据集，第一数量小于第二数量；然后将未标注视频经过强弱数据增强后提取特征，再输入时间一致性行为对齐网络，输出特征图和不同样本间相似动作起始与结束帧集合，映射集合在特征图上对应子特征图，构造同类与不同类子特征图样本，送入对比学习网络提取时空判别性特征；再将第一数量标注视频送入预训练后的网络进行迁移学习，输出行为类别；最后通过帧间行为类别变化判断行为规范性，若不规范则发出预警。

公开(公告)号：CN110569755B

公开(公告)日：2022-04-29

申请号：CN201910790679.1

申请日：2019-08-26

Applicant: 浙江工商大学

Inventor： 徐晓刚 ,  王小龙 ,  徐冠雷

IPC: G06V20/40 ,  G06V10/774 ,  G06V10/30 ,  G06V10/54 ,  G06V10/80 ,  G06V10/82 ,  G06V10/74 ,  G06N3/04 ,  G06N3/08 ,  G06F17/16

Abstract: 本发明公开了一种基于视频的智能积水检测方法，首先，对视频帧图像进行高斯低通滤波，提取视频帧图像的纹理信息，对视频帧图像纹理信息的信号特征进行分析，融合纹理信息特征得到积水存在概率，实现对道路积水区域的初步筛选，减少下一阶段判别所需检测的空间及时间范围，提高积水判别的效率；其次，为了提升积水区域的定位精度，采用混合深度学习模型构建积水判别网络模型，以实际场景的监控视频数据作为样本，增强了判别网络模型对行车尾迹、车轮溅水、水纹波动等典型积水区域现象的识别精度，并通过增加泊松噪声等方法，提高判别网络模型对监控摄像头抖动、采集硬件噪声及复杂光照等噪声的适应能力，实现了精确定位道路积水区域的功能。

公开(公告)号：CN113642608A

公开(公告)日：2021-11-12

申请号：CN202110797637.8

申请日：2021-07-14

Applicant: 浙江工商大学

Inventor： 徐晓刚 ,  余新洲 ,  陈雨杭 ,  徐冠雷

IPC: G06K9/62 ,  G06K9/34 ,  G06N3/04 ,  G06T7/194

Abstract: 本发明公开了一种基于卷积神经网络的人形靶分割方法，属于计算机视觉识别领域，用以解决目前人形靶分割精度不高，人形靶识别分割速度慢及对复杂场景的适应能力较低的问题。方法包括：确定人形靶目标图像数据集，通过深度卷积网络提取图像特征，并利用得到的特征图构建FPN网络；将FPN网络特征同时输入一个分类网络及一个分割网络，两个网络并行执行；将两个网络的输出结果融合之后得到分割后的人形靶特征图，最后通过确定人形靶的位置信息，将人形靶区域从图像中截取出来，剔除背景的干扰，提高后续的弹孔检测速度与精度。该方法实现了快速高效且适应力强的人形靶分割，提高了人形靶分割精度及速度，为后续的打靶检测处理提供正确的靶面数据。