-
公开(公告)号：CN110689057B
公开(公告)日：2022-07-15
申请号：CN201910855228.1
申请日：2019-09-11
Applicant: 哈尔滨工程大学
IPC: G06K9/62 , G06V10/774 , G06T7/11 , G06T7/62 , G06T7/90
Abstract: 本发明提供的是一种基于图像分割的降低神经网络训练样本量的方法。将单张图片分割为不同区域；按照区域发展的先后顺序，给区域进行编号并且记录区域面积；设置一个面积阈值，区域小于阈值的区域舍弃；将保留下来的区域像素进行颜色空间的转化，将像素点的RGB值转化为HIS值，将相邻区域颜色差异大的区域保留，颜色差异小的将区域面积过小的一方舍弃；提取各区域的形状特征，将轮廓较为突出或较为光滑的区域留下，其他的区域舍弃；遍历整张图片，将被舍弃的区域显示为白色，保留的区域按原图显示，得到新图；判断是否将所有图片全部处理完，处理完就将新数据集送入网络训练；否则跳回循环。本发明在提高效率的同时也保留甚至提高了准确率。
-
Patent Agency Ranking
公开(公告)号：CN110956099A
公开(公告)日：2020-04-03
申请号：CN201911109920.6
申请日：2019-11-14
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种动态手势指令识别方法，包括以下步骤：制作5种基础样本类；进行HSV空间肤色分割，得到二值图，并调整大小；进行区域生长选出最大肤色区域；将HOG检测算法提取并保存图片像素梯度归一化后的特征信息作为样本进行训练；基于基础样本类，设计27种动态手势指令；结合CFDP的思想进行手势跟踪，对区域生长后的图像进行计算处理，得到手势质心和边缘；结合静态模型对每组手势指令进行相应的特征提取；每组指令得到一个61维的特征矩阵，经过对特征整合，再次利用SVM分类器进行分类，得出Model_2。本发明在实现了实时高效的手势指令识别的前提下，既结合了新的跟踪算法又避免了采用时间序列算法的繁琐。
-
公开(公告)号：CN110689057A
公开(公告)日：2020-01-14
申请号：CN201910855228.1
申请日：2019-09-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于图像分割的降低神经网络训练样本量的方法。将单张图片分割为不同区域；按照区域发展的先后顺序，给区域进行编号并且记录区域面积；设置一个面积阈值，区域小于阈值的区域舍弃；将保留下来的区域像素进行颜色空间的转化，将像素点的RGB值转化为HIS值，将相邻区域颜色差异大的区域保留，颜色差异小的将区域面积过小的一方舍弃；提取各区域的形状特征，将轮廓较为突出或较为光滑的区域留下，其他的区域舍弃；遍历整张图片，将被舍弃的区域显示为白色，保留的区域按原图显示，得到新图；判断是否将所有图片全部处理完，处理完就将新数据集送入网络训练；否则跳回循环。本发明在提高效率的同时也保留甚至提高了准确率。
-
公开(公告)号：CN110570453B
公开(公告)日：2022-09-27
申请号：CN201910619006.X
申请日：2019-07-10
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于双目视觉的闭环式跟踪特征的视觉里程计方法领域。提取双目图像特征点，如果图像是第一帧，执行左右图像匹配及去除误匹配操作，利用匹配成功的左右图像特征点，计算特征点对应的世界三维坐标；当前帧非第一帧，执行跟踪机制，每一步都会记录相应标志位，用来滤除掉不合格的特征点；以左相机为参考，光流法跟踪前一帧图像与当前帧图像特征点，移除跟踪失败以及超出图像边界的点，保存跟踪的特征点在当前帧的坐标位置，运用标志位更新前一帧双目特征，及对应跟踪的世界三维坐标记为。本发明在新图像到来时，保护已跟踪特征，在已跟踪特征以外提取新的特征点，继续整个跟踪过程，这样做可以避免提取到重复的特征，以提高算法效率。
-
公开(公告)号：CN110956099B
公开(公告)日：2022-06-17
申请号：CN201911109920.6
申请日：2019-11-14
Applicant: 哈尔滨工程大学
IPC: G06V40/20 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种动态手势指令识别方法，包括以下步骤：制作5种基础样本类；进行HSV空间肤色分割，得到二值图，并调整大小；进行区域生长选出最大肤色区域；将HOG检测算法提取并保存图片像素梯度归一化后的特征信息作为样本进行训练；基于基础样本类，设计27种动态手势指令；结合CFDP的思想进行手势跟踪，对区域生长后的图像进行计算处理，得到手势质心和边缘；结合静态模型对每组手势指令进行相应的特征提取；每组指令得到一个61维的特征矩阵，经过对特征整合，再次利用SVM分类器进行分类，得出Model_2。本发明在实现了实时高效的手势指令识别的前提下，既结合了新的跟踪算法又避免了采用时间序列算法的繁琐。
-
公开(公告)号：CN110570453A
公开(公告)日：2019-12-13
申请号：CN201910619006.X
申请日：2019-07-10
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于双目视觉的闭环式跟踪特征的视觉里程计方法领域。提取双目图像特征点，如果图像是第一帧，执行左右图像匹配及去除误匹配操作，利用匹配成功的左右图像特征点，计算特征点对应的世界三维坐标；当前帧非第一帧，执行跟踪机制，每一步都会记录相应标志位，用来滤除掉不合格的特征点；以左相机为参考，光流法跟踪前一帧图像与当前帧图像特征点，移除跟踪失败以及超出图像边界的点，保存跟踪的特征点在当前帧的坐标位置，运用标志位更新前一帧双目特征，及对应跟踪的世界三维坐标记为。本发明在新图像到来时，保护已跟踪特征，在已跟踪特征以外提取新的特征点，继续整个跟踪过程，这样做可以避免提取到重复的特征，以提高算法效率。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
