-
公开(公告)号：CN111513745A
公开(公告)日：2020-08-11
申请号：CN202010317522.X
申请日：2020-04-21
Applicant: 南通大学
Abstract: 本发明公开了一种用于高危环境下的智能化无接触CT体位识别装置，包括摄像头，身份验证装置，音频提示装置，CT扫描装置，控制系统，控制系统包含基于改进的Openpose人体姿态识别模块，姿态分析模块，器官定位模块，远程确认模块，通过摄像头输入图像，确定测试者的姿态，控制音频提示装置，CT扫描装置，辅助其正确摆位，并正确进行CT扫描，最终技师远程确认，本发明可用于高危环境下的CT检测，技师无需进入扫描间，最大限度地减小医护人员被病毒感染的风险，通过使用机器视觉，解决了因患者身着口罩或防护服等导致技师视线受限等问题，本发明设备简单，可以附加在原有的CT设备上，构成智能化无接触CT体位识别装置，从而保护操作人员的安全。
-
公开(公告)号：CN111368791A
公开(公告)日：2020-07-03
申请号：CN202010191346.X
申请日：2020-03-18
Applicant: 南通大学
Abstract: 本发明公开了一种基于Quick-OpenPose模型的引体向上测试计数方法及系统，包括：进入学号认证模块；测试器上的引体向上摄像头持续拍摄测试者的测试图像，获取图像，使用人体姿态识别模块识别姿态，当初次发现某帧图像中手腕检测点与单杠距离在阈值范围内时，将该帧设置为起始帧；当识别到运动姿态达到阈值要求时，进行累计计数；人体姿态如果识别出现严重错误，则防错模块中断检测过程，返回等待重新开始并语音播报；若识别到运动姿态未达标，则同样进行语音播报但不中断识别，本次动作不计数；检测到手腕离开单杠，测试结束；计数模块计算被测人的最终有效引体向上测试计数成绩并进行语音播报。本发明检测速度快，效率高，提高了参数共享率，降低了模型冗余度。
-
Patent Agency Ranking
公开(公告)号：CN111862123B
公开(公告)日：2024-01-23
申请号：CN202010740903.9
申请日：2020-07-29
Applicant: 南通大学 , 杭州博拉哲科技有限公司
IPC: G06T7/11 , G06T7/00 , G06T5/40 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的CT腹部动脉血管分级识别方法，包括如下步骤：步骤1：图像预处理，得到训练集；步骤2：对训练集进行图像块剪裁操作，得到数据集；步骤3：通过深度学习进行血管分割；步骤4：骨骼化处理；步骤5：寻找交叉点；步骤6：累加交叉点。本发明设计了一种血管分级的方法，基于先分割后分级的思路，较为准确的实现腹部动脉血管的分级。
-
公开(公告)号：CN111513745B
公开(公告)日：2021-10-26
申请号：CN202010317522.X
申请日：2020-04-21
Applicant: 南通大学
Abstract: 本发明公开了一种用于高危环境下的智能化无接触CT体位识别装置，包括摄像头，身份验证装置，音频提示装置，CT扫描装置，控制系统，控制系统包含基于改进的Openpose人体姿态识别模块，姿态分析模块，器官定位模块，远程确认模块，通过摄像头输入图像，确定测试者的姿态，控制音频提示装置，CT扫描装置，辅助其正确摆位，并正确进行CT扫描，最终技师远程确认，本发明可用于高危环境下的CT检测，技师无需进入扫描间，最大限度地减小医护人员被病毒感染的风险，通过使用机器视觉，解决了因患者身着口罩或防护服等导致技师视线受限等问题，本发明设备简单，可以附加在原有的CT设备上，构成智能化无接触CT体位识别装置，从而保护操作人员的安全。
-
公开(公告)号：CN111882543A
公开(公告)日：2020-11-03
申请号：CN202010741400.3
申请日：2020-07-29
Applicant: 南通大学 , 杭州博拉哲科技有限公司
Abstract: 本发明公开了一种基于AA R2Unet和HMM的香烟滤棒计数方法，本发明利用U-net网络模型进行训练，准确识别滤棒目标和背景。因此，根据识别出的二值化图像，提出了滤棒分布特征的结构单元填充和圆切线搜索策略，实验结果表明，该算法在检测精度和检测范围上都取得了很大的进步。
-
公开(公告)号：CN111862123A
公开(公告)日：2020-10-30
申请号：CN202010740903.9
申请日：2020-07-29
Applicant: 南通大学 , 杭州博拉哲科技有限公司
Abstract: 本发明公开了一种基于深度学习的CT腹部动脉血管分级识别方法，包括如下步骤：步骤1：图像预处理，得到训练集；步骤2：对训练集进行图像块剪裁操作，得到数据集；步骤3：通过深度学习进行血管分割；步骤4：骨骼化处理；步骤5：寻找交叉点；步骤6：累加交叉点。本发明设计了一种血管分级的方法，基于先分割后分级的思路，较为准确的实现腹部动脉血管的分级。
-
公开(公告)号：CN111401260A
公开(公告)日：2020-07-10
申请号：CN202010191868.X
申请日：2020-03-18
Applicant: 南通大学
Abstract: 本发明公开了一种基于Quick-OpenPose模型的仰卧起坐测试计数方法及系统，通过在测试区侧面放置摄像机，以一定帧率持续拍摄测试者的测试图像。使用改进的Quick-OpenPose模型识别人体主要部位并对其编号、连线，挑选出脊柱连接线条以及头部和膝盖连接线条。将脊柱连结线条与地面间的角度作为首选判断条件，当脊柱连结线条识别不到时，选择头部到膝盖的连接线条长度作为备用判断条件。分别设定卧姿起身、坐姿、卧姿躺下三个判断条件。当3个判断条件都满足时，系统计数一次。依靠视觉识别减少干扰因素，简化设备，同时本发明还提供对应的计数系统。本发明实现自助式的仰卧起坐测试和计数，测试效率高，可以附加在现有仰卧起坐垫上，实现实时的计数。
-
-
-
-
-
-
Search Results
17
records
(took 0.013 seconds)
