-
公开(公告)号：CN118312877A
公开(公告)日：2024-07-09
申请号：CN202410529819.0
申请日：2024-04-29
Applicant: 南京师范大学
IPC: G06F18/2415 , G06F18/10 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种通过自适应点表示连续大内核的人体行为识别方法，包括：对数据集进行预处理；将预处理后的数据集划分为训练集、验证集和测试集；通过自适应点构建连续卷积；通过连续卷积构建大型卷积核，获得连续大核模型；将划分后的数据输入到连续大核模型中进行迭代训练，获得最高分类准确率的模型权重并保存；将训练好的网络模型作为识别模型，获得人体行为识别结果。本发明通过利用自适应点表示和插值方案将卷积核建模为连续函数，其中每个采样位置都可以包含自己的权重参数并独立更新，通过连接这些邻近的点，产生更丰富的表现力，能够在大内核设置中显示连续卷积的有效性和效率，在多个人体行为识别基准测试中表现出显着的性能增益。
-
公开(公告)号：CN106780426B
公开(公告)日：2023-05-23
申请号：CN201610839437.3
申请日：2016-09-21
Applicant: 南京师范大学 , 南京宝岩自动化有限公司
Abstract: 本发明公开了一种基于色彩特征模型的集成电路板多形态焊点定位方法，该方法实现对集成电路板上的各种形态焊点目标的定位功能，从而为集成电路板喷涂绝缘材料设备提供视觉定位信息。首先，采用工业相机采集集成电路板的彩色图像，图像中焊点部分为银色，其余部分是以绿色的背景为主，包括白色的文字与线条、黑色的镂空，将图像按颜色分为焊点部分、背景部分、白色部分与黑色部分；然后，根据彩色图像的色彩特征建立色彩特征模型，提取色度区间特征与色差特征；最后，采用色彩特征模型实现集成电路板的多形态焊点定位。
-
公开(公告)号：CN109146972A
公开(公告)日：2019-01-04
申请号：CN201810954414.6
申请日：2018-08-21
Applicant: 南京师范大学镇江创新发展研究院
CPC classification number: G06T7/73 , G06K9/4609 , G06K9/4671 , G06K9/6223 , G06T2207/10016
Abstract: 本发明公开了基于快速特征点提取及网格化三角形约束的视觉导航方法，包括如下步骤：采集连续视频帧序列图像，提取相邻两帧图像中的特征点；对提取的相邻两帧图像进行网格化划分；对每个三角形构建6维形状描述子及32维区域描述子，得到由每个三角形的38维混合描述子组成的特征向量；对网格化划分对应三角形的特征向量进行匹配，通过中心点聚类方法选取具有显著特性的特征点，剔除错误匹配的特征点，利用极线几何约束剔除运动特征点，获得有效可用特征点对；完成最终的运动模型求解，获得视觉导航解算的位置结果。本发明为室内环境下的机器人视觉导航与定位提供解决方法，具有特征点提取速度快、匹配率高的优点。
-
公开(公告)号：CN111199202B
公开(公告)日：2024-04-26
申请号：CN201911390481.0
申请日：2019-12-30
Applicant: 南京师范大学
IPC: G06V40/20 , G06V10/82 , G06N3/0464 , G06N3/044
Abstract: 本发明公开了一种基于循环注意力网络的人体动作识别方法及识别装置。所述方法包括以下步骤：S1：利用多轴传感器采集人体各类动作数据；S2：将数据分割为包含多种动作类别的长时间序列段，并给序列段附上序列标签；S3：将处理后的数据输入预先构建的多层的循环注意力神经网络模型，实现特定类别动作的识别。本发明利用循环注意力算法，可以实现传感器数据的自动定位识别与切割，可大大减少传感器数据人为标注所耗费的人力物力。
-
公开(公告)号：CN111178288B
公开(公告)日：2024-03-01
申请号：CN201911411314.X
申请日：2019-12-31
Applicant: 南京师范大学
IPC: G06V40/20 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于局部误差逐层训练的人体姿态识别方法和装置，所述方法包括：S1、获取人体姿态数据，进行降噪、归一化处理；S2、将处理后数据送入卷积神经网络模型进行逐层训练，对人体姿态进行分类识别，当识别结果符合准确率要求时，输出模型；S3、利用训练好的模型对待识别的人体姿态数据进行分类识别。本发明摆脱了传统卷积神经网络依赖全局误差及反向传播更新网络参数，通过在每层神经网络中构建代价函数，实现逐层反向传播、层层优化、分批更新权重参数。通过避免保存全局梯度流参数实现节省计算机资源，并极大加快训练周期，提高了可穿戴传感器识别精度，在运动辅助、智能家居、医疗康复、虚拟运动场景等领域具有重要应用意义。
-
Patent Agency Ranking
公开(公告)号：CN111723662B
公开(公告)日：2023-07-11
申请号：CN202010419639.9
申请日：2020-05-18
Applicant: 南京师范大学
IPC: G06V40/20 , G06V10/82 , G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络的人体姿态识别方法，包括：移动传感器原始数据采集并打上标签、数据频率降采样和归一化处理并划分训练集和测试集、卷积神经网络训练、模型移植到安卓端进行人体姿态识别。根据卷积神经网络用于人体姿态识别方法，该实施引入了Split‑Transform‑Merge策略，提出了一组更小通道数的乐高卷积核，按照随机映射和循环矩阵的方法堆叠这些卷积核以此实现卷积操作，最后将生成的乐高特征图垂直合并经过全连接层送入分类器用于传感器数据的识别。本发明具有识别速度快、识别准确度高、计算量小、泛化能力强等特点，同时在智能家居、健康检测、运动追踪等方面具有十分重要的作用。
-
公开(公告)号：CN109146972B
公开(公告)日：2022-04-12
申请号：CN201810954414.6
申请日：2018-08-21
Applicant: 南京师范大学镇江创新发展研究院
IPC: G06T7/73 , G06V10/44 , G06V10/46 , G06V10/762 , G06K9/62
Abstract: 本发明公开了基于快速特征点提取及网格化三角形约束的视觉导航方法，包括如下步骤：采集连续视频帧序列图像，提取相邻两帧图像中的特征点；对提取的相邻两帧图像进行网格化划分；对每个三角形构建6维形状描述子及32维区域描述子，得到由每个三角形的38维混合描述子组成的特征向量；对网格化划分对应三角形的特征向量进行匹配，通过中心点聚类方法选取具有显著特性的特征点，剔除错误匹配的特征点，利用极线几何约束剔除运动特征点，获得有效可用特征点对；完成最终的运动模型求解，获得视觉导航解算的位置结果。本发明为室内环境下的机器人视觉导航与定位提供解决方法，具有特征点提取速度快、匹配率高的优点。
-
公开(公告)号：CN111723662A
公开(公告)日：2020-09-29
申请号：CN202010419639.9
申请日：2020-05-18
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于卷积神经网络的人体姿态识别方法，包括：移动传感器原始数据采集并打上标签、数据频率降采样和归一化处理并划分训练集和测试集、卷积神经网络训练、模型移植到安卓端进行人体姿态识别。根据卷积神经网络用于人体姿态识别方法，该实施引入了Split-Transform-Merge策略，提出了一组更小通道数的乐高卷积核，按照随机映射和循环矩阵的方法堆叠这些卷积核以此实现卷积操作，最后将生成的乐高特征图垂直合并经过全连接层送入分类器用于传感器数据的识别。本发明具有识别速度快、识别准确度高、计算量小、泛化能力强等特点，同时在智能家居、健康检测、运动追踪等方面具有十分重要的作用。
-
公开(公告)号：CN111199202A
公开(公告)日：2020-05-26
申请号：CN201911390481.0
申请日：2019-12-30
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于循环注意力网络的人体动作识别方法及识别装置。所述方法包括以下步骤：S1：利用多轴传感器采集人体各类动作数据；S2：将数据分割为包含多种动作类别的长时间序列段，并给序列段附上序列标签；S3：将处理后的数据输入预先构建的多层的循环注意力神经网络模型，实现特定类别动作的识别。本发明利用循环注意力算法，可以实现传感器数据的自动定位识别与切割，可大大减少传感器数据人为标注所耗费的人力物力。
-
公开(公告)号：CN110610158A
公开(公告)日：2019-12-24
申请号：CN201910869443.7
申请日：2019-09-16
Applicant: 南京师范大学
Abstract: 本发明公开一种基于卷积和门控循环神经网络的人体姿态识别方法及系统，该方法包括：(1)采集传感器数据，并记录对应的动作类别；(2)对传感器数据进行预处理，将数据分为训练样本和测试样本两类；(3)采用训练样本训练卷积和门控循环神经网络模型，并根据需求不断调整模型参数；(4)将训练完成的卷积和门控循环神经网络模型移植到移动智能终端上；(5)利用移动智能终端上实时采集的传感器数据，进行预处理后，输入到训练完成的卷积和门控循环神经网络模型，得到人体姿态识别结果。本发明利用人工智能-卷积和门控循环神经网络识别方法，识别精度高，识别类型多；相比于视频或者图像识别的方法，可以有效的保护用户隐私。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.025 seconds)
