-
公开(公告)号：CN106886778B
公开(公告)日：2020-02-07
申请号：CN201710278593.1
申请日：2017-04-25
Applicant: 福州大学
Abstract: 本发明涉及一种监控场景下车牌字符分割与识别方法，包括以下步骤：步骤S1：对车牌字符图像进行分类，为显式特征分类器和隐式特征分类器的训练做好准备；步骤S2：输入车牌图像；步骤S3：对车牌图像采用投影分割法和连通域法相结合的字符分割方法进行字符分割；步骤S4：采用显式特征分类器和隐式特征分类器相融合的方法对车牌字符进行识别。本发明采用投影分割法和连通域法相结合的方法来改善车牌字符分割的效果，针对车牌字符识别特征考虑单一的问题，提出了基于显式特征分类器与隐式特征分类器融合的方法，能够结合两者在特征提取上的优势，从而改善字符识别的效果。
-
公开(公告)号：CN110119703A
公开(公告)日：2019-08-13
申请号：CN201910373679.1
申请日：2019-05-07
Applicant: 福州大学
Abstract: 本发明提出一种安防场景下融合注意力机制和时空图卷积神经网络的人体动作识别方法，首先对获取的安防场景下的人体动作分析数据集进行随机划分，分为为训练集和验证集；其次对训练集和验证集视频数据进行数据增强处理；接着对获取的和增强的数据集利用注意力机制进行关键帧筛选；然后对筛选出来的关键帧视频利用人体姿态估计模型框架进行转码和标注，为训练人体动作检测与识别模型做好准备；最后构建时空骨骼图卷积神经网络模型，并使用训练集进行训练并利用随机梯度下降进行优化网络参数权重，使用验证集进行神经网络模型的准确率预测。其不仅可以扩大原始动作数据量，还可以增强模型的鲁棒性，进而提升最终的动作识别准确率。
-
公开(公告)号：CN110084327A
公开(公告)日：2019-08-02
申请号：CN201910359135.X
申请日：2019-04-30
Applicant: 福州大学
Abstract: 本发明涉及一种基于视角自适应深度网络的票据手写数字识别方法及系统，该方法包括以下步骤：步骤A：使用带类别标签的数字图像训练视角自适应的深度网络；步骤B：对彩色票据图像进行预处理，得到二值图像；步骤C：使用积分投影法对二值图像进行分割，得到各数字图像；步骤D：将各数字图像分别输入到深度网络进行数字识别，得到分类结果。该方法及系统解决了票据手写数字识别中存在的字形字体变化导致识别出错、视角变化对识别造成影响的问题，有利于提高票据手写数字识别的准确度和速度。
-
公开(公告)号：CN110059768A
公开(公告)日：2019-07-26
申请号：CN201910359134.5
申请日：2019-04-30
Applicant: 福州大学
Abstract: 本发明涉及一种用于街景理解的融合点与区域特征的语义分割方法及系统，该方法包括：对训练集输入图像进行预处理，使图像标准化并获取相同尺寸的预处理图像；用卷积网络提取通用特征，再基于通用特征获取多重上下文对比点特征，以这两部分级联作为编码网络提取编码特征；从卷积网络中选取中间层特征，结合编码特征计算区域特征，融合点域特征扩大解码特征分辨率，把这部分多次迭代作为解码网络，重建图像分辨率，计算解码特征；计算边缘增强的语义分割损失，以最小化边缘增强的语义分割损失为目标来对深度神经网络进行训练；利用深度神经网络模型对待分割图像进行语义分割，输出分割结果。该方法及系统有利于提高图像语义分割的准确性和鲁棒性。
-
公开(公告)号：CN110059698A
公开(公告)日：2019-07-26
申请号：CN201910359119.0
申请日：2019-04-30
Applicant: 福州大学
Abstract: 本发明涉及一种用于街景理解的基于边缘稠密重建的语义分割方法及系统，该方法包括：对训练集输入图像进行预处理，使图像标准化并获取相同尺寸的预处理图像；用卷积网络提取通用特征，再获取三级上下文空间金字塔融合特征，以这两部分级联作为编码网络提取编码特征；利用编码特征获取半输入尺寸编码特征，基于卷积网络获取边缘特征，结合半输入尺寸编码特征，以融合边缘特征的稠密网为解码网络，重建图像分辨率，获取解码特征；计算语义分割损失和辅助监督的边缘损失，以最小化两者加权和损失为目标对深度神经网络进行训练；利用深度神经网络模型对待分割图像进行语义分割，输出分割结果。该方法及系统有利于提高图像语义分割的准确性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN109461128A
公开(公告)日：2019-03-12
申请号：CN201811235870.1
申请日：2018-10-24
Applicant: 福州大学
Abstract: 本发明涉及一种基于梯度保持的结构一致立体图像颜色校正方法，首先利用SIFT特征提取和匹配分别对参考图像和目标图像进行特征提取和像素匹配，获取结构图像和匹配图像；然后利用结构相似性算法生成匹配图像和目标图像的置信度图，对图像置信度较低的区域进行局部映射，生成初始颜色校正结果图像；最后利用梯度保持算法对初始颜色校正结果图像的颜色和结构进行有参考的优化，得到最终的结果图像。本发明解决了局部颜色校正算法的结构一致问题和全局颜色校正算的区域颜色混乱问题，而且还保留了图像的梯度信息，提升了图像的保真度。
-
公开(公告)号：CN109460767A
公开(公告)日：2019-03-12
申请号：CN201811233474.5
申请日：2018-10-23
Applicant: 福州大学
Abstract: 本发明提出了一种基于规则的凸印银行卡卡号分割与识别方法。定位方面通过对国内凸印银行卡卡号的形状、颜色进行分析和总结，提出了使用形态学梯度和数值匹配的方法进行卡号分割；提高了银行卡卡号字符定位的准确度，减少了银行卡卡号行的定位时间。针对凸印银行卡卡号的特点，通过形态学方法处理卡号图像，使其特征突出易于识别。识别方面通过大量凸印银行卡卡号图像对3个浅层卷积网络进行训练，卡号识别的结果由3个网络的结果投票得出，保证了卡号识别的准确率。本发明构建的方法具有准确率高，速度快的优点，可以非常迅速准确地确定卡号宽度，分割卡号。使用的3个浅层神经网络比单个神经网络的识别模型准确率更高。
-
公开(公告)号：CN109190668A
公开(公告)日：2019-01-11
申请号：CN201810860574.4
申请日：2018-08-01
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于Faster-RCNN的多类证件检测与分类方法。首先人工选取适量的多类证件图片作为训练图片，制作训练数据集；然后基于Faster-RCNN模型进行学习，根据学习的结果调整参数、做数据增强处理，重新训练直到得到一个较好的多类证件图像检测与分类模型；最后，对测试图像进行预处理，利用训练好的模型对图像进行检测分类。本发明方法对较模糊、角度众多的证件图像同样能够取得较好的检测分类结果；本方法具有较强的实用性，良好的发展前景。
-
公开(公告)号：CN108388920A
公开(公告)日：2018-08-10
申请号：CN201810172048.9
申请日：2018-03-01
Applicant: 福州大学
Abstract: 本发明公开了一种融合HOG和LBPH特征的身份证复印件检测方法，包括：首先选取大量身份证和非身份证图片作为训练样本集的正、负样本，分别对训练样本集提取HOG特征和LBPH特征，并训练SVM，得到第一分类器和第二分类器，利用第一分类器对测试图像进行目标检测，获取目标检测结果的LBPH特征；利用第二分类器根据目标检测结果的LBPH特征进行判断，保留判断结果为真的目标。本发明先利用HOG分类器进行检测，然后利用LBPH分类器对HOG检测结果进行再次检测，方法简单、快速、高效，检测准确率高。
-
公开(公告)号：CN107705254A
公开(公告)日：2018-02-16
申请号：CN201711068726.9
申请日：2017-11-03
Applicant: 福州大学
Abstract: 本发明提供一种基于街景图的城市环境评估方法：首先通过道路检索获取街景图，进行配准以实现街景拼接；对比暗通道与均值灰度图来判断图像是否有雾的方法，并对有雾图像进行基于暗原色先验算法的去雾，同时利用导向滤波对去雾效果进行了优化；通过设定不同颜色空间中的颜色通道阈值，提出了针对蓝天检测与绿化检测的2BGR与2GBR图像分割方法，通过分析连通区域对检测结果进行二次筛选；最后，针对对比度、绿化率与蓝天率给出了各自的评估函数，提出了融合对比度、绿化率与蓝天率的评估方案。通过在多个城市上进行的实验验证了所提出方案的有效性，该方案具有灵活、速度快与成本低等优点，能够达到客观评估城市环境的目的。
-
-
-
-
-
-
-
-
-
Search Results
298
records
(took 0.034 seconds)
