-
公开(公告)号：CN116912943A
公开(公告)日：2023-10-20
申请号：CN202310886878.9
申请日：2023-07-19
Applicant: 安徽大学
IPC: G06V40/20 , G06V20/40 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/08 , G06N5/04 , G08B21/04
Abstract: 本发明涉及一种基于jetsontx2和TensorRT加速推理的跌倒检测方法，包括：对截取的视频片段进行预处理；对预处理后的视频数据源进行数据集标注，得到标注数据集；对标注数据集进行预处理，得到标签数据集；构建并训练动作识别模型TwoStreamST‑GCN；通过人体框检测模型、人体关键点检测模型、动作识别模型TwoStreamST‑GCN进行TensorRT加速，得到加速推理引擎；根据加速推理引擎对视频流进行动作识别推理，得到动作识别推理结果；将动作识别推理结果进行报警通知。本发明有效解决了跌倒检测设备的成本较高、摄像头检测造成的隐私问题、检测设备的是否侵入式问题，相较于传统的跌倒检测算法具有可扩展性好、鲁棒性强等优点。
-
公开(公告)号：CN115470716A
公开(公告)日：2022-12-13
申请号：CN202211306415.2
申请日：2022-10-24
Applicant: 安徽大学
IPC: G06F30/27 , A61B5/021 , A61B5/00 , G06F119/02
Abstract: 本发明提供了一种基于卷积神经网络的无创血压预测方法、装置及实时监测系统。通过采集用户指尖的PPG信号；对所述PPG信号执行预处理，以获取第一处理信号；将所述第一处理信号输入至基于卷积神经网络的血压预测模型，以预测生成用户血压信号；所述血压预测模型包括主干网络、基于注意力机制的信息蒸馏网络。相比于现有技术，通过使用双通道编码部分，通过双通道特征提取以提升精度；在编码部分使用改进注意力机制的信息蒸馏模块，获取不同尺度下的特征信息；双通道编码部分使用Addition连接输入到解码部分，加快血压预测速度的同时，提升模型的预测性能。
-
公开(公告)号：CN115049556A
公开(公告)日：2022-09-13
申请号：CN202210736142.9
申请日：2022-06-27
Applicant: 安徽大学
Abstract: 本申请公开了一种基于StyleGAN的人脸图像修复方法，步骤包括：将真实人脸图像分割为人脸区域和背景区域，作为训练集；对数据集进行数据增强，将原始图像设置为标签；利用训练集和标签对编码器进行训练，得到编码器网络；利用编码器网络分别提取真实人脸图像的隐码向量、待修复图像人脸区域的隐码向量、待修复图像背景区域的隐码特征图；将真实人脸图像的隐码向量与待修复图像人脸区域的隐码向量进行混合，得到混合人脸的隐码向量，将混合人脸的隐码向量与待修复图像背景区域的隐码特征图一同输入到StyleGAN生成器网络中，得到修复完成的人脸图像。本申请实现了人脸图像修复能力大幅提升，并且使得修复过程中很好地保证结构相似。
-
公开(公告)号：CN115019388A
公开(公告)日：2022-09-06
申请号：CN202210550424.X
申请日：2022-05-20
Applicant: 安徽大学
Abstract: 本申请涉公开了一种利用单目摄像头拍摄步态视频全自动步态分析方法，包括以下步骤：利用摄像头拍摄目标行走人物，并获取得到运动视频；将运动视频输入多媒体机器学习模型应用框架中，并识别出人体骨骼关键点的坐标矩阵和标准步态参数；将坐标生成矩阵和标准步态参数输入卷积神经网络中，并得到预测值；根据预测值调整网络参数，并继续训练由卷积神经网络构建的模型；若卷积神经网络的损失函数收敛到最小，且输出预设的预测值，则将坐标矩阵输入卷积神经网络构建的并训练得到模型中，并获取目标人物的步态参数。本申请实现了利用全身的骨骼关键点进行卷积神经网络的训练和步态参数的估计，需要的硬件条件低，提高了效率，以便于大量普及。
-
公开(公告)号：CN114880638A
公开(公告)日：2022-08-09
申请号：CN202210284119.0
申请日：2022-03-22
Applicant: 安徽大学
IPC: G06F21/32 , G06F21/36 , G06F21/62 , G06F16/583 , G06F16/58 , G06V40/16 , G06V10/74 , G06K9/62 , G06Q50/00
Abstract: 本申请公开了一种基于情景式照片匹配群组和好友的方法及系统，方法包括以下步骤：获取用户人脸图片，对用户人脸图片进行识别检测；匹配得到用户的虚拟身份；依据虚拟身份向用户推送符合虚拟身份的情景群组；将情景群组中的群内好友推荐给用户；其中，情景群组的生成包括以下步骤：利用生成对抗网络生成多个主题照片库，每个主题照片库对应一个情景主题；将每个情景主题中划分为多个具体化的情景标签；将每个情景标签对应一个情景群组。本申请实现了利用用户人脸创建虚拟身份，并依据虚拟身份匹配预设的情景群组，通过在情景群组内获取好友推荐，整个系统的活动都是基于虚拟身份，对用户的隐私保护较好。
-
Patent Agency Ranking
公开(公告)号：CN114299260A
公开(公告)日：2022-04-08
申请号：CN202111584269.5
申请日：2021-12-22
Applicant: 安徽大学
Abstract: 本申请公开了一种基于AR眼镜的产品配件检测定位引导组装方法及系统，包括以下步骤：获得安装基座的位置数据；获取安装基座的深度图像数据流和视频数据流；将深度图像数据流转换为点云数据；将视频数据流传输至台式机服务端；接收台式机服务端发送的与安装基座相匹配的配件的识别数据；将配件的识别数据与点云数据进行比对，并得到配件的三维坐标数据；识别配件上的二维码，并得到配件的序号；配件的模拟模型与安装基座的模拟模型之间建立模拟引导线。本申请实现了采用三维点云的目标识别，并结合二维码识别辅助，能够快速定位目标配件的三维空间位置，得到较为精确的三维坐标，将物件与物件之间能够进行虚拟模型引导，以便于快速安装。
-
公开(公告)号：CN108537832A
公开(公告)日：2018-09-14
申请号：CN201810316415.8
申请日：2018-04-10
Applicant: 安徽大学
Abstract: 本发明属于数据识别及数据表示技术领域，公开了一种基于局部不变灰度特征的图像配准方法、图像处理系统，所述基于局部不变灰度特征的图像配准方法构建特征提取描述子；通过寻找配准图像间的特征点，采用最近邻法则寻找相匹配的关键点；计算配准图像间的仿射变换变换矩阵H，通过奇异值分解求出其6个参数。构建描述子，将采样点分为奇偶两部分，使得构造描述子时维度显著降低，减少了运行时间，提高了配准时的精度与准确度；构造描述子向量时，根据灰度值大小进行排序，具有旋转不变性。本发明的检测精度较高，具有较好的噪声鲁棒性和较低的计算复杂度，主要得益于较大程度上降低原描述子的维度，对光照变换不敏感。
-
公开(公告)号：CN106887115A
公开(公告)日：2017-06-23
申请号：CN201710048291.5
申请日：2017-01-20
Applicant: 安徽大学
IPC: G08B21/04
CPC classification number: G08B21/043 , G08B21/0446
Abstract: 本发明公开了一种老人跌倒监测装置，包括惯性传感模块、足底压力传感模块、信息接收通讯模块以及移动处理终端；惯性传感模块负责采集人体行走过程中的步态运动信息，足底压力传感模块负责采集人体行走过程中的步态压力信息，信息接收通讯模块分别连接着惯性传感模块、足底压力传感模块，负责接收惯性传感模块和足底压力传感模块的数据信息，并与移动处理终端通信连接，将数据信息发送至移动处理终端，由移动处理终端处理判断是否跌倒。本发明还提供了一种老人跌倒风险评估方法，通过惯性传感模块与足底压力传感模块结合的方式采集姿态与步态信息，提高了跌倒监测以及风险评估的准确性。
-
公开(公告)号：CN115049556B
公开(公告)日：2025-05-06
申请号：CN202210736142.9
申请日：2022-06-27
Applicant: 安徽大学
IPC: G06T5/77 , G06T5/60 , G06V40/16 , G06V10/26 , G06V10/44 , G06V10/42 , G06V10/80 , G06T7/194 , G06V20/70 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/0464 , G06N3/084 , G06N3/094 , G06N3/048
Abstract: 本申请公开了一种基于StyleGAN的人脸图像修复方法，步骤包括：将真实人脸图像分割为人脸区域和背景区域，作为训练集；对数据集进行数据增强，将原始图像设置为标签；利用训练集和标签对编码器进行训练，得到编码器网络；利用编码器网络分别提取真实人脸图像的隐码向量、待修复图像人脸区域的隐码向量、待修复图像背景区域的隐码特征图；将真实人脸图像的隐码向量与待修复图像人脸区域的隐码向量进行混合，得到混合人脸的隐码向量，将混合人脸的隐码向量与待修复图像背景区域的隐码特征图一同输入到StyleGAN生成器网络中，得到修复完成的人脸图像。本申请实现了人脸图像修复能力大幅提升，并且使得修复过程中很好地保证结构相似。
-
公开(公告)号：CN117036958A
公开(公告)日：2023-11-10
申请号：CN202311157101.5
申请日：2023-09-08
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/20 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种小麦幼苗期分蘖数的检测方法，包括：获取小麦幼苗根茎部图像并进行预处理；构建小麦幼苗分蘖数检测识别模型；将卷积注意力模块加入小麦幼苗分蘖数检测识别模型中；将训练集输入改进的小麦幼苗分蘖数检测识别模型进行训练，得到训练后的小麦幼苗分蘖数检测识别模型；将待识别的小麦幼苗根茎部图像输入训练后的小麦幼苗分蘖数检测识别模型中，得到小麦幼苗分蘖数图像检测识别分类结果。本发明的训练结果较好，对小麦幼苗分蘖数检测识别模型性能的提高更加显著，对小麦幼苗的分蘖数检测精确度明显提高，可以有效解决小麦幼苗图像中存在的遮挡重叠问题，实现分蘖期小麦幼苗分蘖部位的准确检测和分蘖数的准确识别。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.02 seconds)
