-
公开(公告)号：CN106725401B
公开(公告)日：2020-01-17
申请号：CN201710022239.2
申请日：2017-01-12
Applicant: 成都信息工程大学
IPC: A61B5/022
Abstract: 本发明公开了基于深度学习的听诊器音频数据处理方法，包括：首先，采集音频数据，并对音频数据进行切分处理，通过切分对音频数据进行分帧；其次，采用深度学习方法对语音数据进行分类，然后，按照切分处理的顺序重组分类结果；最后，进行血压值映射，将分类结果转换为血压值。本专利提出的方法将血压值的测量简化为一个分类问题，采用应用最广泛的深度学习方法，来对采集到的听诊器音频数据进行分类，即判断听诊器数据中的信号，是或者不是柯式音信号。本发明提供的听诊器音频数据处理方法较为科学，测量结果较为精确、可靠。
-
公开(公告)号：CN117456426A
公开(公告)日：2024-01-26
申请号：CN202311698456.5
申请日：2023-12-12
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种固定场景监控视频目标检测方法，主要目的是提高目标检测的准确性和效率。本方法结合了多帧分析和多尺度处理技术，首先通过随机选择多个帧及其前一帧与背景帧进行比较，快速捕捉场景中的变化。接着，利用多尺度差分技术，将随机帧及其前一帧的结果相乘，有效减少误判和漏判的可能性。此外，本方法采用多帧综合判断机制，只有在多个随机帧中的大部分指示存在新增目标时，才确认目标的存在。这种方法不仅增强了对小目标和远距离目标的检测能力，也提高了在低对比度场景中的表现。通过这种综合的目标检测策略，本发明显著提升了视频监控系统在复杂环境下的目标检测效率和准确性。
-
公开(公告)号：CN114708543A
公开(公告)日：2022-07-05
申请号：CN202210629393.7
申请日：2022-06-06
Applicant: 成都信息工程大学
Abstract: 本发明涉及图像处理领域，具体涉及一种考场监控视频图像中考生定位方法，主要包括，首先根据考场监控视频图像数据中考生的耳朵可见情况、对包含了不同考试场景、不同考生的大量考场监控视频图像数据进行基于考生头顶部头发区域的框选标记，建立考生头顶部头发区域数据集，在此基础上进行基于高虚警率的目标检测的初步筛选，最后建立基于SSD深度学习目标检测的模型，对考生头发区域定位，最终实现考生的定位，该方法提高了对考场监控视频图像中考生定位的准确性、可靠性及泛化能力。
-
公开(公告)号：CN114694233A
公开(公告)日：2022-07-01
申请号：CN202210611129.0
申请日：2022-06-01
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于多特征的考场监控视频图像中人脸定位方法，主要包括：首先基于SSD目标检测框架，建立针对考场监控视频图像数据中人的头发区域定位的目标检测深度学习模型，对考生头发区域定位，然后对考场监控视频图像数据在不同颜色空间进行基于阈值的像素点检测，并且引入多次索引图像更新方案，实现对皮肤区域的定位，最后将头发区域、皮肤区定位结果进行基于锚框翻转的融合，最终实现人脸的定位，该方法提高了对考场监控视频图像中人脸定位的准确性、可靠性及泛化能力。
-
公开(公告)号：CN114694233B
公开(公告)日：2022-08-23
申请号：CN202210611129.0
申请日：2022-06-01
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于多特征的考场监控视频图像中人脸定位方法，主要包括：首先基于SSD目标检测框架，建立针对考场监控视频图像数据中人的头发区域定位的目标检测深度学习模型，对考生头发区域定位，然后对考场监控视频图像数据在不同颜色空间进行基于阈值的像素点检测，并且引入多次索引图像更新方案，实现对皮肤区域的定位，最后将头发区域、皮肤区定位结果进行基于锚框翻转的融合，最终实现人脸的定位，该方法提高了对考场监控视频图像中人脸定位的准确性、可靠性及泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN106725401A
公开(公告)日：2017-05-31
申请号：CN201710022239.2
申请日：2017-01-12
Applicant: 成都信息工程大学
IPC: A61B5/022
Abstract: 本发明公开了基于深度学习的自动血压测量方法，包括：首先，采集音频数据，并对音频数据进行切分处理，通过切分对音频数据进行分帧；其次，采用深度学习方法对语音数据进行分类，然后，按照切分处理的顺序重组分类结果；最后，进行血压值映射，将分类结果转换为血压值。本发明提出的方法将血压值的测量简化为一个分类问题，采用应用最广泛的深度学习方法，来对采集到的听诊器音频数据进行分类，即判断听诊器数据中的信号，是或者不是柯式音信号。本发明提供的自动血压测量方法较为科学，测量结果较为精确、可靠。
-
公开(公告)号：CN117714638A
公开(公告)日：2024-03-15
申请号：CN202311698249.X
申请日：2023-12-12
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种固定场景下的视频监控动态优化处理方法，主要包括对摄像头是否遭遇遮挡的高效判断和对监控区域的智能优先级分配。首先，通过分阶段分析单帧及多帧图像，细致判断摄像头是否被遮挡，有效提高了判断的准确性和响应速度。其次，创新性地对监控场景进行区域划分，并基于各区域的角点变化率与目标出现概率计算区域优先度。这种方法使得监控系统能够根据实时情况动态调整关注焦点，优化资源分配，提高监控效率及事件响应能力，特别适用于需要长时间稳定监控的固定场景。
-
公开(公告)号：CN108830883B
公开(公告)日：2022-04-01
申请号：CN201810567306.3
申请日：2018-06-05
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于超像素结构的视觉注意SAR图像目标检测方法，属于雷达遥感或图像处理技术，主要解决SAR图像目标检测时检测率低、虚警率和漏检率高以及检测到的目标失真的问题。其实现步骤为：确定待输入的SAR图像，先进行滤波；接着提取灰度和方向初级视觉特征；进行归一化和显著性处理；生成显著图；设定阈值Sth生成二值化的显著图选出候选目标区域；将二值化的显著图和滤波后的图像点乘；用SLIC超像素生成算法将图像分割成超像素区域；设定角点检测的阈值Rth对图像进行Harris角点检测以突出目标与背景的超像素的结构特征的差异；统计每个超像素区域内的角点个数；设定阈值Th进行离群值检测以剔除候选目标区域中包含的虚警，得到最终SAR图像目标检测结果。本发明充分利用超像素、视觉注意、Harris角点检测相结合的方法来实现SAR图像目标检测，得到的检测结果显示本发明方法检测率高、虚警率和漏检率低，并且检测结果不失真，即检测后的SAR图像目标形态能够完整的保留。
-
公开(公告)号：CN114708543B
公开(公告)日：2022-08-30
申请号：CN202210629393.7
申请日：2022-06-06
Applicant: 成都信息工程大学
Abstract: 本发明涉及图像处理领域，具体涉及一种考场监控视频图像中考生定位方法，主要包括，首先根据考场监控视频图像数据中考生的耳朵可见情况、对包含了不同考试场景、不同考生的大量考场监控视频图像数据进行基于考生头顶部头发区域的框选标记，建立考生头顶部头发区域数据集，在此基础上进行基于高虚警率的目标检测的初步筛选，最后建立基于SSD深度学习目标检测的模型，对考生头发区域定位，最终实现考生的定位，该方法提高了对考场监控视频图像中考生定位的准确性、可靠性及泛化能力。
-
公开(公告)号：CN108830883A
公开(公告)日：2018-11-16
申请号：CN201810567306.3
申请日：2018-06-05
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于超像素结构的视觉注意SAR图像目标检测方法，属于雷达遥感或图像处理技术，主要解决SAR图像目标检测时检测率低、虚警率和漏检率高以及检测到的目标失真的问题。其实现步骤为：确定待输入的SAR图像，先进行滤波；接着提取灰度和方向初级视觉特征；进行归一化和显著性处理；生成显著图；设定阈值Sth生成二值化的显著图选出候选目标区域；将二值化的显著图和滤波后的图像点乘；用SLIC超像素生成算法将图像分割成超像素区域；设定角点检测的阈值Rth对图像进行Harris角点检测以突出目标与背景的超像素的结构特征的差异；统计每个超像素区域内的角点个数；设定阈值Th进行离群值检测以剔除候选目标区域中包含的虚警，得到最终SAR图像目标检测结果。本发明充分利用超像素、视觉注意、Harris角点检测相结合的方法来实现SAR图像目标检测，得到的检测结果显示本发明方法检测率高、虚警率和漏检率低，并且检测结果不失真，即检测后的SAR图像目标形态能够完整的保留。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.057 seconds)
