-
公开(公告)号：CN112070049A
公开(公告)日：2020-12-11
申请号：CN202010972176.9
申请日：2020-09-16
Applicant: 福州大学
Abstract: 本发明涉及一种基于BiSeNet的自动驾驶场景下的语义分割方法，包括以下步骤：步骤S1：采集城市街道图像数据，并预处理；步骤S2：对预处理后的图像数据进行标注，得到标注后的图像数据；步骤S3：对标注后的图像数据进行数据增强，并将增强后的图像数据作为训练集；步骤S4：构建BiSeNet神经网络模型，并基于训练集训练模型；步骤S5：对摄像头采集的视频信息进行预处理，根据训练后的BiSeNet神经网络模型对摄像头中的城市街道进行语义分割。本发明能够有效提高自动驾驶的安全性和对道路场景分割的准确性、快速性。
-
公开(公告)号：CN111339988A
公开(公告)日：2020-06-26
申请号：CN202010166807.8
申请日：2020-03-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于动态间隔损失函数和概率特征的视频人脸识别方法，包括以下步骤：步骤S1：通过人脸识别训练集训练识别网络；步骤S2：采用已训练的识别网络作为特征提取模块，并通过同一个训练集训练不确定性模块；步骤S3：利用学习到的不确定性作为特征的重要程度，对输入的视频特征集合进行聚合，得到聚合后的特征；步骤S4：采用互似然分数对聚合后的特征进行比对，完成最终的识别。该方法能够有效地对视频中的人脸进行识别。
-
公开(公告)号：CN110033002A
公开(公告)日：2019-07-19
申请号：CN201910316667.5
申请日：2019-04-19
Applicant: 福州大学
Abstract: 本发明涉及一种基于多任务级联卷积神经网络的车牌检测方法。针对传统的车牌检测方法可扩展性差，泛化能力差，车牌检测效果不佳造成的车牌识别率下降等问题提出了一种多任务级联卷积神经网络的车牌检测方法。为了获得复杂图像中车牌精确定位，该方法通过搭建一种新的多任务级联卷积神经网络模型再CCPD车辆数据上进行大规模训练，其中本发明的网络模型的卷积层采用和BN层相结合的方法来提高对车牌的特征提取能力，加快模型训练速度，使用Relu激活函数增加模型的非线性能力，采用多任务损失函数来提高网络对车牌的分类和回归框准确性，并且回归反馈出车牌的四个关键点信息。最后将训练好的模型应用于车牌检测中。该方法简单灵活，具有较强的实际应用性。
-
公开(公告)号：CN109829436A
公开(公告)日：2019-05-31
申请号：CN201910106309.1
申请日：2019-02-02
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度表观特征和自适应聚合网络的多人脸跟踪方法，首先采用人脸识别数据集训练自适应聚合网络；接着使用基于卷积神经网络的人脸检测方法获取人脸的位置，初始化待跟踪的人脸目标，提取人脸特征；然后采用卡尔曼滤波器预测每个人脸跟踪目标在下一帧的位置，并在下一帧中再次定位人脸所在位置，对检测出的人脸提取特征；最后使用自适应聚合网络，对每个跟踪的人脸目标跟踪轨迹中的人脸特征集合进行聚合，动态地生成一个融合多帧信息的人脸深度表观特征,结合预测的位置及融合后的特征,与当前帧中通过检测得到的人脸位置及其特征,进行相似度计算与匹配，更新跟踪状态。本发明能够提升人脸跟踪的性能。
-
公开(公告)号：CN109829429A
公开(公告)日：2019-05-31
申请号：CN201910097619.1
申请日：2019-01-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于YOLOv3的监控场景下的安防敏感物品检测方法。包括以下步骤：步骤S1：分别采集刀具、枪械、行李箱、手提包、火焰的图像数据，构成安防敏感物品图像集；步骤S2：对下载好的图像进行人工标注，生成xml文件，以符合YOLOv3训练的要求；步骤S3：对处理好的数据进行若干数据增强；步骤S4：训练YOLOv3神经网络模型；步骤S5：将监控视频信息进行预处理，对监控视频中的物品进行检测。本发明方法着眼于计算机视觉对于安防领域的辅助作用，具有创新意义；且本发明方法的准确率高，时效性好，对于监控场景下的敏感物品检测具有一定效果。
-
Patent Agency Ranking
公开(公告)号：CN109672874A
公开(公告)日：2019-04-23
申请号：CN201910157230.1
申请日：2019-03-01
Applicant: 福州大学
IPC: H04N13/15 , H04N13/106
Abstract: 本发明涉及一种时空一致的立体视频颜色校正方法，首先从参考视频帧和目标视频帧中每隔a帧选出一对关键帧，在每个时间滑动窗口内选取k对；接着对于每一对关键帧，采用图像颜色校正算法获得目标视频关键帧的初始颜色校正结果帧，然后利用引导滤波计算得到和输入的目标视频关键帧结构更加一致的颜色校正结果视频帧；然后在时间滑动窗口内，利用改进的直方图匹配求出目标视频关键帧和颜色校正后的目标视频关键帧之间的颜色映射函数；最后用该颜色映射函数校正位于时间滑动窗口中心的a帧目标视频帧，得到a帧颜色校正后的最终目标视频帧。本发明对于立体视频颜色差异能够起到很好的校正效果。
-
公开(公告)号：CN109492672A
公开(公告)日：2019-03-19
申请号：CN201811210693.1
申请日：2018-10-17
Applicant: 福州大学
IPC: G06K9/62
Abstract: 本发明涉及一种自然场景下快速、鲁棒的银行卡定位与分类方法，包括以下步骤：步骤S1：获取银行卡数据集，并对获取的银行卡数据集进行标注，为训练银行卡定位与分类模型做好准备；步骤S2：使用收集到的银行卡数据集训练银行卡定位与分类模型；步骤S3：将待检测的银行卡图像输入训练好的银行卡定位与分类模型中，利用训练好的银行卡定位与分类模型对待检测的银行卡图像进行定位与识别。本发明能够有效地对待检测图像中的银行卡进行定位与分类。
-
公开(公告)号：CN109446953A
公开(公告)日：2019-03-08
申请号：CN201811206061.8
申请日：2018-10-17
Applicant: 福州大学
Abstract: 本发明涉及一种基于轻量化卷积神经网络的行人重识别方法，包括以下步骤：步骤S1:从大型公用数据集中提取取行人重识别数据集；步骤S2:采用中值滤波的方法对人重识别数据集进行图像平滑的预处理操作，得到预处理后的数据集；步骤S3:将预处理后的数据集，采用灰度拉伸的图像增强的算法进行处理，得到增强后的数据集；步骤S4:根据得到的增强后的数据集训练轻量化卷积神经网络，得到训练好的轻量化卷积神经网络模型；步骤S5:将目标人物的图片和待识别匹配的行人图像分别输入训练好的轻量化卷积神经网络模型中，判断待识别匹配的行人是否为目标人物。本发明能够有效地实现行人重识别。
-
公开(公告)号：CN105678766B
公开(公告)日：2019-01-22
申请号：CN201610008271.0
申请日：2016-01-06
Applicant: 福州大学
Abstract: 本发明涉及一种基于局部邻域和全局信息的模糊c均值图像分割方法，通过将局部邻域因子和全局空间因子引入到传统的模糊C均值图像分割模型中，对待分割的图像进行分割。该方法通过对分割中心以及模糊隶属度的不断迭代来确定合理的分割效果，分割性能的好坏可以通过本发明所提出的有效性指标来衡量。本发明所提出的一种基于局部邻域和全局信息的模糊C均值图像分割方法，简单灵活，设备要求简单，并且具有较强的实用性。
-
公开(公告)号：CN108427946A
公开(公告)日：2018-08-21
申请号：CN201810218038.4
申请日：2018-03-16
Applicant: 福州大学
Abstract: 本发明提供了一种复杂场景下基于内特征和文本域布局的驾驶证检测识别方法，首先用归一化和SSR增强等技术预处理图像，用形态学操作和线段修补对证件中的车型框边框进行修补，通过轮廓检测与过滤得到车型框轮廓，求拟合直线的交点得到车型框顶点，结合标准驾驶证布局得到驾驶证区域图像。然后分析积分投影信息对车型文本区域位置进行精细定位，从它开始，每次找临近的未定位区域进行粗定位和精细定位得到文本区域图像，并在地址栏以上区域进行倾斜校正。最后融合多种方法对文本区域二值化，用专训的文字识别引擎识别文字。该方法快速鲁棒，能准确迅速地识别各种复杂场景下的拍摄出来的图像，具有较好的实用性和较高的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
298
records
(took 0.025 seconds)
