-
公开(公告)号：CN111737706A
公开(公告)日：2020-10-02
申请号：CN202010391315.9
申请日：2020-05-11
Applicant: 华南理工大学
Abstract: 本发明公开了一种生物特征隐私保护的前端人像加密与识别方法，包括：人像数据采集，利用前端摄像头拍摄具有人像生物特征的视频流；人像预处理，利用自适应分数阶积分算法对不同强度的图像噪声进行不同程度的衰减，实现图像的自适应去噪效果，并利用人像定位算法检测视频动态人像位置；人像加密，利用混沌系统生成的伪随机序列，对人像进行灰度置乱和扩散，获得加密人像，建立加密人像库；加密人像识别，以加密人像库作为训练集训练人像识别模型，可对加密待测人像直接进行识别。本发明将图像加密应用到人像识别，并利用一种加密人像识别方法，规避解密过程隐私泄露的风险，避免使用人像识别产品时导致的个人隐私泄露问题。
-
公开(公告)号：CN114998667B
公开(公告)日：2024-05-07
申请号：CN202210497054.8
申请日：2022-05-09
Applicant: 华南理工大学
IPC: G06V10/77 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种多光谱目标检测方法、系统、计算机设备及存储介质，该方法包括：将获取的多光谱图像数据划分为训练集和验证集；构建的多光谱目标检测模型采用目标检测网络Yolov5作为基础架构，Backbone部分包括具有增强特征交互作用的双流特征提取网络和整合互补信息作用的自注意力特征融合模块；利用训练集训练多光谱目标检测模型，并利用验证集评估模型性能，获取最佳模型权重参数；将待测多光谱图像输入最佳模型权重参数的多光谱目标检测模型，得到待测图像中目标的坐标、类别和置信度等预测结果。本发明提供的方法通过构建多光谱目标检测模型，增强了网络对环境光照变化的鲁棒性，从而提高了模型在不良光照条件下的检测精度。
-
公开(公告)号：CN113724339A
公开(公告)日：2021-11-30
申请号：CN202110503629.8
申请日：2021-05-10
Applicant: 华南理工大学
Abstract: 本发明属于图像处理及机器学习技术领域，涉及一种基于颜色空间特征的少样本瓷砖分色方法。该方法包括：在预设环境下，采集第一瓷砖图像；利用角点检测、仿射变换、图像分割一系列图像处理技术将第一瓷砖图像的瓷砖区域与背景分离，并将分离后的纯净瓷砖区域从RGB色彩空间转换到HSV色彩空间；将HSV纯净瓷砖区域切分成细胞单元，基于HSV色彩空间提取出瓷砖色彩特征，并通过特征选择得到瓷砖的有效色彩特征；根据采集到的带标签的第一瓷砖图像的有效色彩特征及对应标签构建数据集，完成瓷砖分色器训练；基于瓷砖分色器对第二瓷砖图像进行色差分色。本发明解决了人工瓷砖分色难度高、耗时耗力，深度学习模型训练需要大量数据的问题。
-
公开(公告)号：CN113724339B
公开(公告)日：2023-08-18
申请号：CN202110503629.8
申请日：2021-05-10
Applicant: 华南理工大学
Abstract: 本发明属于图像处理及机器学习技术领域，涉及一种基于颜色空间特征的少样本瓷砖分色方法。该方法包括：在预设环境下，采集第一瓷砖图像；利用角点检测、仿射变换、图像分割一系列图像处理技术将第一瓷砖图像的瓷砖区域与背景分离，并将分离后的纯净瓷砖区域从RGB色彩空间转换到HSV色彩空间；将HSV纯净瓷砖区域切分成细胞单元，基于HSV色彩空间提取出瓷砖色彩特征，并通过特征选择得到瓷砖的有效色彩特征；根据采集到的带标签的第一瓷砖图像的有效色彩特征及对应标签构建数据集，完成瓷砖分色器训练；基于瓷砖分色器对第二瓷砖图像进行色差分色。本发明解决了人工瓷砖分色难度高、耗时耗力，深度学习模型训练需要大量数据的问题。
-
公开(公告)号：CN111737706B
公开(公告)日：2023-01-06
申请号：CN202010391315.9
申请日：2020-05-11
Applicant: 华南理工大学
Abstract: 本发明公开了一种生物特征隐私保护的前端人像加密与识别方法，包括：人像数据采集，利用前端摄像头拍摄具有人像生物特征的视频流；人像预处理，利用自适应分数阶积分算法对不同强度的图像噪声进行不同程度的衰减，实现图像的自适应去噪效果，并利用人像定位算法检测视频动态人像位置；人像加密，利用混沌系统生成的伪随机序列，对人像进行灰度置乱和扩散，获得加密人像，建立加密人像库；加密人像识别，以加密人像库作为训练集训练人像识别模型，可对加密待测人像直接进行识别。本发明将图像加密应用到人像识别，并利用一种加密人像识别方法，规避解密过程隐私泄露的风险，避免使用人像识别产品时导致的个人隐私泄露问题。
-
Patent Agency Ranking
公开(公告)号：CN114359687B
公开(公告)日：2024-04-09
申请号：CN202111483806.7
申请日：2021-12-07
Applicant: 华南理工大学
IPC: G06V20/00 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种基于多模态数据双重融合的目标检测方法、装置、电子设备和存储介质，所述方法包括：根据可见光‑红外目标检测数据集中任意一对可见光图像和红外图像，生成融合图像；由可见光图像和红外图像与融合图像构成数据样本；利用数据样本训练检测器，得到训练好的不同模态的检测器；根据待测的一对可见光图像和红外图像，生成待测融合图像；将待测的可见光图像和红外图像与待测融合图像分别输入训练好的对应模态的检测器，得到检测结果；将检测结果融合，得到最终检测结果。本发明综合利用像素级融合和决策级融合两种不同层级融合的优点，使可见光模态和红外模态的信息尽可能被充分利用，从而具有更优秀的全天候检测性能。
-
公开(公告)号：CN113962246A
公开(公告)日：2022-01-21
申请号：CN202111093663.9
申请日：2021-09-17
Applicant: 华南理工大学
Abstract: 本发明公开了一种融合双模态特征的目标检测方法、系统、计算机设备及存储介质，所述方法包括：获取训练数据集；训练数据集包括双模态图像和注释文件，双模态图像包括可见光图像和红外图像；将可见光图像输入目标检测模型中的光照感知权重生成网络，输出两种模态特征的融合权重；将双模态图像和两种模态特征的融合权重输入目标检测模型中的具有特征循环融合机制的主路网络，输出预测结果；利用两种模态特征的融合权重和预测结果以及注释文件训练目标检测模型，将待测双模态图像输入训练好的目标检测模型，得到待测双模态图像中目标的位置和类别的预测结果。本发明通过构建目标检测模型，改善了模型对环境光照变化的适应能力，提高了检测精度。
-
公开(公告)号：CN113378701A
公开(公告)日：2021-09-10
申请号：CN202110640365.0
申请日：2021-06-08
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于无人机的地面多AGV状态监测方法，包括以下步骤：首先用于AGV导航与定位的航向特征标识符，并将其放置到AGV顶部；在初始化基于无人机的地面多AGV状态监测系统之后，利用无人机摄像头对地面进行全局拍摄，使用YOLOV4目标检测算法对图像中的AGV进行定位；然后，对图像中检测到的AGV进行处理，识别航向图案并计算AGV的航向角，随后对特征标识符进行解码，获取AGV的编号；最后，无人机将AGV信息发送给主控计算机，若发现AGV轨迹异常，则及时对AGV进行位置信息更新，直至完成监测任务。
-
公开(公告)号：CN113962246B
公开(公告)日：2024-04-09
申请号：CN202111093663.9
申请日：2021-09-17
Applicant: 华南理工大学
IPC: G06V20/00 , G06V10/141 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/044 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了一种融合双模态特征的目标检测方法、系统、计算机设备及存储介质，所述方法包括：获取训练数据集；训练数据集包括双模态图像和注释文件，双模态图像包括可见光图像和红外图像；将可见光图像输入目标检测模型中的光照感知权重生成网络，输出两种模态特征的融合权重；将双模态图像和两种模态特征的融合权重输入目标检测模型中的具有特征循环融合机制的主路网络，输出预测结果；利用两种模态特征的融合权重和预测结果以及注释文件训练目标检测模型，将待测双模态图像输入训练好的目标检测模型，得到待测双模态图像中目标的位置和类别的预测结果。本发明通过构建目标检测模型，改善了模型对环境光照变化的适应能力，提高了检测精度。
-
公开(公告)号：CN113378701B
公开(公告)日：2023-02-14
申请号：CN202110640365.0
申请日：2021-06-08
Applicant: 华南理工大学
IPC: G06V20/17 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于无人机的地面多AGV状态监测方法，包括以下步骤：首先用于AGV导航与定位的航向特征标识符，并将其放置到AGV顶部；在初始化基于无人机的地面多AGV状态监测系统之后，利用无人机摄像头对地面进行全局拍摄，使用YOLOV4目标检测算法对图像中的AGV进行定位；然后，对图像中检测到的AGV进行处理，识别航向图案并计算AGV的航向角，随后对特征标识符进行解码，获取AGV的编号；最后，无人机将AGV信息发送给主控计算机，若发现AGV轨迹异常，则及时对AGV进行位置信息更新，直至完成监测任务。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.027 seconds)
