-
公开(公告)号：CN106228125B
公开(公告)日：2019-05-14
申请号：CN201610563188.X
申请日：2016-07-15
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于集成学习级联分类器的车道线检测方法，可以在单个CPU或DSP上实时的获取图中车道线准确的位置和方向信息，进而得到车道线方程，同时对交通场景的亮度变化具有一定鲁棒性。该检测方法过程：首先架设图像传感器，获取需提取车道线的彩色图像；然后基于前帧的检测结果提取感兴趣区域；再计算积分图和单尺度块LBP特征；接着采用集成学习遍历感兴趣区域，得到车道线细小区域；得到车道线细小区域后，最后使用基于最优化的办法得到车道线方程。
-
公开(公告)号：CN103985113B
公开(公告)日：2017-09-29
申请号：CN201410089643.8
申请日：2014-03-12
Applicant: 浙江工商大学
Abstract: 本发明提供一种舌像分割方法，包括对获取到的表征舌体信息的舌像进行预处理，得到均衡化的灰度图像。去除得到的均衡化的灰度图像的背景，得到基础舌像；和计算得到的均衡化的灰度图像的熵值。根据熵值对基础舌像内的像素进行熵聚类，提取熵值满足设定值的区域，形成目标舌像。抽取目标舌像的骨架。在骨架上选取至少两对控制点，计算上述控制点对之间的最短测地路径，依次连接所有最短测地路径，得到舌像轮廓。本发明提供的舌像分割方法，利用局部熵特征增强舌像边缘等底层特征，且通过抽取最短测地距离自动获取针对每个特定舌体的模版，大大提高了分割的精度，具有更高的鲁棒性。
-
公开(公告)号：CN106548494A
公开(公告)日：2017-03-29
申请号：CN201610847113.4
申请日：2016-09-26
Applicant: 浙江工商大学
CPC classification number: G06T2207/10016 , G06T2207/20221
Abstract: 本发明公开了一种基于场景样本库的影视图像深度提取方法，主要包括：深度场景库的建立、图片特征提取、深度图片融合、前景目标深度估计、深度图整体优化五部分。本发明利用普通RGB图片之间的相似性，将已有的深度图片中深度值迁移到输入目标图片；在实际影视制作过程中，可以建立多个场景库利用相似场景中的深度图片，生成输入目标图片的深度图；在此过程中能够将人工参与的深度调整减少的最低，提高工作效率，具有准确性高，处理时间短等特点。
-
公开(公告)号：CN106097391A
公开(公告)日：2016-11-09
申请号：CN201610420557.X
申请日：2016-06-13
Applicant: 浙江工商大学
IPC: G06T7/20
CPC classification number: G06T7/20 , G06T2207/10016 , G06T2207/20081 , G06T2207/20084
Abstract: 本发明公开了一种基于深度神经网络的识别辅助的多目标跟踪方法。多目标跟踪是指在摄像机捕获的画面中对感兴趣的多个目标不断的跟踪。现有的多行人跟踪方法在当目标被完全遮挡或者从视野中消失极易导致跟踪失败。本发明方法将多目标跟踪问题转化为寻找帧间检测到的目标之间对应关系问题，在目标消失再现后，采用基于深度学习网络实现有效的轨迹恢复，改善长距离跟踪效果。本发明具有较好的鲁棒性，非常适合应用在安防监控领域，对协助公共场所的维护治安有非常大的实际价值。
-
公开(公告)号：CN103984955A
公开(公告)日：2014-08-13
申请号：CN201410165717.1
申请日：2014-04-23
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于显著特征和迁移增量学习的多摄像机目标识别方法，包括如下步骤：步骤1提取灰度直方图特征并归一化，步骤2提取显著性特征，步骤3特征融合，步骤4分类识别。本发明融合显著性特征和灰度直方图特征构造目标的外观特征模型，采用基于迁移增量学习的方法作为分类器，在摄像机之间时空关联信息未知，无需摄像机标定的情况下，解决了摄像机视野不重叠时的目标识别问题。本发明的特点主要有一下两点：1)仅需要少量的训练样本，就能得到一个高效、鲁棒的目标识别模型；2)能够准确地识别新的目标。本发明适用于实时的无重叠域多摄像机长距离目标跟踪。
-
Patent Agency Ranking
公开(公告)号：CN111539359B
公开(公告)日：2024-04-02
申请号：CN202010350261.1
申请日：2020-04-28
Applicant: 浙江工商大学 , 杭州芃视科技有限公司
Abstract: 本发明公开了一种基于深度学习的违章停车检测方法。本发明首先读取视频帧进行检测；然后检测出的汽车检测框计算中心点；再判断中心点是否在禁停区，如在禁停区则判断停车时间是否超设定值，如超设定值则进行提醒。本发明通过对yolo‑tiny网络结构的简化修改，使得不损失精度的前提下检测单类目标速度更加快速；通过对IOU的二值化，使得计算速度得到显著提升。通过a‑IOU计算，更加简便而精准地判定违章停车；通过检测框的center与集合C中存储的center对比，简单地解决了跟踪计时问题。
-
公开(公告)号：CN111582126B
公开(公告)日：2024-02-27
申请号：CN202010360873.9
申请日：2020-04-30
Applicant: 浙江工商大学
Abstract: 与否，本发明都能比较好地进行重识别。本发明公开了一种基于多尺度行人轮廓分割融合的行人重识别方法。本发明首先进行数据预处理；其次提取图像的全局特征和行人的轮廓特征，并将这两个特征进行融合；然后采用标签平滑损失函数对行人重识别网络进行训练，使得网络参数最优；最后针对行人重识别数据集中包含的查询集和候选集，计算查询集中指定对象和候选集中的每一个对象的欧式距离，接着对所计算得到的距离进行升序排序，获得行人重识别的(56)对比文件罗晖;芦春雨;郑翔文.一种基于多尺度角点检测的语义分割网络.电脑知识与技术.2019,(第33期),全文.
-
公开(公告)号：CN112233090A
公开(公告)日：2021-01-15
申请号：CN202011100208.2
申请日：2020-10-15
Applicant: 浙江工商大学 , 浙江小芃科技有限公司
Abstract: 本发明公开了一种基于改进注意力机制的薄膜瑕疵检测方法。本发明首先实时读取薄膜图像；然后将图像输入到网络模型中进行推理；再通过推理结果判断薄膜图像中是否有瑕疵，如有则自动用红的矩形框标注，否则读取下一张薄膜图像。本发明通过对YOLOv5网络结构的简化修改，通过对网络加入轻量级的注意力模块，使得在不影响速度的前提下能有效提高瑕疵检测的准确率；该方法用于工业薄膜瑕疵检测可以有效提高薄膜产品的质量，且不需要人工干预，节省了人工及时间成本。
-
公开(公告)号：CN111582126A
公开(公告)日：2020-08-25
申请号：CN202010360873.9
申请日：2020-04-30
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于多尺度行人轮廓分割融合的行人重识别方法。本发明首先进行数据预处理；其次提取图像的全局特征和行人的轮廓特征，并将这两个特征进行融合；然后采用标签平滑损失函数对行人重识别网络进行训练，使得网络参数最优；最后针对行人重识别数据集中包含的查询集和候选集，计算查询集中指定对象和候选集中的每一个对象的欧式距离，接着对所计算得到的距离进行升序排序，获得行人重识别的排序结果。本发明去除了行人服装上的特征，也学习了行人的人体的轮廓用来识别行人，结合全局特征，进行行人重识别。行人服装上无论更换与否，本发明都能比较好地进行重识别。
-
公开(公告)号：CN111461169A
公开(公告)日：2020-07-28
申请号：CN202010142676.X
申请日：2020-03-04
Applicant: 浙江工商大学
Abstract: 本发明公开了一种基于正反卷积和多层分支深度网络的行人属性识别方法，首先通过mix-up数据增强方法对数据进行处理，提高训练数据的鲁棒性，然后提出了正反卷积模块，即将瓶颈网络（bottleneck）中的1×1卷积修改为3×3卷积，3×3卷积修改为3×3反卷积，用于需要改变通道数的特征提取，能够提高网络的分类精度，并将其应用于DenseNet网络中bottleneck结构的改造，用于构建基于多层分支的多任务行人属性识别网络。本发明方法可以提取到更丰富的特征，显著提高了分类精度，尤其是在小数据集的情况下，能够在尺度较小的属性上实现分类效果的提升。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.017 seconds)
