-
公开(公告)号：CN110084211A
公开(公告)日：2019-08-02
申请号：CN201910362475.8
申请日：2019-04-30
Applicant: 苏州大学
Abstract: 本发明提出一种动作识别方法，包括获取目标的三维骨骼关节点信息；设计跨层连接神经网络对训练集中动作序列的每帧骨骼关节点三维坐标提取特征，得到该帧的特征向量；将训练集中所有特征向量聚类成K个簇；计算每个簇对各个动作类别的支持度；定义姿态子组，从训练集中抽取姿态子组，组成姿态子组集合；学习得到Z个层级分类器；用跨层连接神经网络获取测试动作序列每帧的特征向量并将其划分给与其距离最近的簇；分别计算Z个层级分类器对测试样本的分类结果；选取Z个层级分类器分类结果中出现次数最多的类别作为测试动作序列的类别。本发明减小了动作的类内差异对动作识别效果的影响，不受动作发生速率影响，能够处理任意时间长度的动作序列。
-
公开(公告)号：CN107203742A
公开(公告)日：2017-09-26
申请号：CN201710305721.7
申请日：2017-05-03
Applicant: 苏州大学
Abstract: 本发明公开了一种基于显著特征点提取的手势识别方法及装置，包括：提取模块，用于获取待识别手势的形状，由所述待识别手势形状边缘提取出一个不闭合的轮廓，获取该轮廓上所有轮廓点的坐标；计算模块，用于计算每个轮廓点的面积参数，并根据面积参数对轮廓点进行筛选，提取出显著特征点，以显著特征点序列的面积参数以及归一化后的点序参数作为该轮廓的特征参数；匹配模块，用于利用显著特征点的特征参数，将所述待识别手势与预设模板库中的模板进行匹配，得到所述待识别手势的最佳匹配模板，并确定所述最佳匹配模板的类别为所述待识别手势的类别。本发明在对手势形状特征的有效提取和表示的同时，还具有平移不变性、旋转不变性、尺度不变性和铰接不变性等优良性能，能有效抑制噪声干扰。
-
公开(公告)号：CN106022297A
公开(公告)日：2016-10-12
申请号：CN201610382507.7
申请日：2016-06-01
Applicant: 苏州大学
CPC classification number: G06K9/00389 , G06F3/017
Abstract: 本发明公开了一种手势识别方法，所述方法包括如下步骤：S1、获取待识别手势，并获取轮廓上的所有轮廓点及每个轮廓点的坐标；S2、确定当前所有轮廓点所在的轮廓的层数为1，计算当前所有轮廓点对应于当前层的特征参数；S3、将当前层加1作为当前层，计算当前所有轮廓点对应于当前层的特征参数，然后计算差异，并判断比值是否小于差异阈值，如果是，则确定当前层减1得到的层数为轮廓的层数,并执行步骤S5,如果否，则执行步骤S4；S4、返回步骤S3；S5、利用每个轮廓点的特征参数，将待识别手势输入预设BP神经网络，得到输出手势类别。本发明特征参数的维度较低，计算复杂度降低，从而本发明能同时保证较高的识别效率和识别准确率。
-
公开(公告)号：CN108830313B
公开(公告)日：2021-11-09
申请号：CN201810556701.1
申请日：2018-05-31
Applicant: 苏州大学
Abstract: 本发明公开了一种共生模式图像挖掘方法，包括如下步骤：（1）利用SIFT算法提取图像中的视觉基元；（2）利用语境感知聚类将视觉基元聚类成语境相似组；（3）利用空间聚类将语境相似组分成对象组；（4）合并匹配模式，圈定对象组；（5）对每个对象组进行共生频率检测,在共生频率检测规则下筛出有意义的共生模式。本发明能快速，准确的发现图片中的共生视觉模式，以便于后续的视觉任务。
-
公开(公告)号：CN107203742B
公开(公告)日：2020-05-08
申请号：CN201710305721.7
申请日：2017-05-03
Applicant: 苏州大学
Abstract: 本发明公开了一种基于显著特征点提取的手势识别方法及装置，包括：提取模块，用于获取待识别手势的形状，由所述待识别手势形状边缘提取出一个不闭合的轮廓，获取该轮廓上所有轮廓点的坐标；计算模块，用于计算每个轮廓点的面积参数，并根据面积参数对轮廓点进行筛选，提取出显著特征点，以显著特征点序列的面积参数以及归一化后的点序参数作为该轮廓的特征参数；匹配模块，用于利用显著特征点的特征参数，将所述待识别手势与预设模板库中的模板进行匹配，得到所述待识别手势的最佳匹配模板，并确定所述最佳匹配模板的类别为所述待识别手势的类别。本发明在对手势形状特征的有效提取和表示的同时，还具有平移不变性、旋转不变性、尺度不变性和铰接不变性等优良性能，能有效抑制噪声干扰。
-
Patent Agency Ranking
公开(公告)号：CN110119707A
公开(公告)日：2019-08-13
申请号：CN201910387635.4
申请日：2019-05-10
Applicant: 苏州大学
Abstract: 本发明提出一种人体动作识别方法，提取动作样本每个骨骼关节点在相邻帧之间的运动作为该动作样本的动态特征；对动态特征进行空间多尺度划分，得到各个子特征集；对于每个子特征集，将同一帧所有骨骼关节点的运动特征组成向量；提取所有训练样本的该子特征集的帧特征向量，进行聚类，得到聚类中心；将动作样本所有帧的特征向量输入至各个子特征集构建的概率分布神经元，累加每个概率分布神经元上的所有输出，得到直方图表达；对该子特征集进行时间多尺度划分，得到时间多尺度直方图；组成时空多尺度软量化直方图；构成时空多尺度软量化网络；训练时空多尺度软量化网络，将测试样本输入至训练好的网络模型中，实现动作识别。
-
公开(公告)号：CN104961714B
公开(公告)日：2017-04-19
申请号：CN201510259217.9
申请日：2015-05-20
Applicant: 苏州大学
IPC: C07D307/58
Abstract: 本发明公开了一种α,β‑不饱和丁内酯的合成方法，该方法合成路线为：其中，R1为芳基或叔丁基，R2为烷基或氢，R3和R4均为芳基和烷基的任意一种。该方法在整个反应过程中所使用的原料都是价格便宜且易获得的，大大减少了反应的成本；该方法的底物试用范围广；整个反应的操作简单易行；产率均在80％以上。
-
公开(公告)号：CN105461671A
公开(公告)日：2016-04-06
申请号：CN201510789779.4
申请日：2015-11-17
Applicant: 苏州大学
IPC: C07D307/58
CPC classification number: C07D307/58
Abstract: 本发明公开了酮酸与炔制备α,β-不饱和丁内酯的方法。以氯苯作为溶剂，酮酸、炔、对甲苯磺酸一水合物和三氟化硼乙醚发生反应，获得粗制品；再经过减压去溶剂；用有机溶剂进行柱层析，即可获得精制品。合成路线为：其中：R1为芳基或叔丁基，R2为芳基；在整个反应过程中所使用的原料都是价格便宜且易获得的；该方法的底物适用范围广；整个反应的操作简单易行；产率在80％左右；大大减少了反应的成本。
-
公开(公告)号：CN108681700B
公开(公告)日：2021-09-28
申请号：CN201810421670.9
申请日：2018-05-04
Applicant: 苏州大学
IPC: G06K9/00
Abstract: 本发明公开了一种复杂行为识别方法，包括：利用传感器获取目标运动的三维骨骼关节点信息；对关节点信息预处理，归一化坐标系；提取每个关节点的运动轨迹，投影至三个二维平面；提取每两帧间的运动向量及其长度和方向角，用k‑means算法聚类得到运动基元，统计得到直方图；利用时间金字塔结合时间信息，结合所有直方图的各个簇的值，计算各关节点的权重，形成描述符；用SVM分类，实现动作识别。本发明可以对动作骨骼关节点信息进行特征的提取和有效表示，提高动作识别的准确率；所有的运动信息被完整保留，可以进行动作重建；对所有动作类进行聚类，从全局上捕捉人类动作特征；使用低级别特征，降低了计算难度，提高动作识别效率，满足系统的实时性要求。
-
公开(公告)号：CN104961714A
公开(公告)日：2015-10-07
申请号：CN201510259217.9
申请日：2015-05-20
Applicant: 苏州大学
IPC: C07D307/58
CPC classification number: C07D307/58
Abstract: 本发明公开了一种α,β-不饱和丁内酯的合成方法，该方法合成路线为：其中，R1为芳基或叔丁基，R2为烷基或氢，R3和R4均为芳基和烷基的任意一种。该方法在整个反应过程中所使用的原料都是价格便宜且易获得的，大大减少了反应的成本；该方法的底物试用范围广；整个反应的操作简单易行；产率均在80％以上。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.023 seconds)
