-
公开(公告)号：CN103226708B
公开(公告)日：2016-06-29
申请号：CN201310118064.7
申请日：2013-04-07
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于Kinect的多模型融合视频人手分割方法，包括如下步骤：（1）捕捉视频信息；（2）分别对视频中的图像进行分割得到深度模型、肤色模型和背景模型的分割结果，分割结果的表现形式为二值图；（3）计算三个分割结果的两两重叠率，作为衡量它们各自分割效果好坏的特征，把三个重叠率输入到神经网络；（4）神经网络输出三个系数（即置信系数），置信系数表示出三个模型各自的可靠性，三个分割结果经由置信系数进行加权；（5）对加权后的三个模型分割结果进行线性叠加；（6）叠加的结果经过阈值函数输出最终的二值图，最后分割得到的视频人手区域；（7）更新背景模型。具有成本低和灵活性好等优点。
-
公开(公告)号：CN103824269A
公开(公告)日：2014-05-28
申请号：CN201210465767.2
申请日：2012-11-16
Applicant: 广州三星通信技术研究有限公司 , 华南理工大学 , 三星电子株式会社
Abstract: 提供一种人脸的特效处理方法和系统。所述方法包括，在服务器端执行以下操作：从客户机接收图片；从接收的图片检测人脸区域；从检测的人脸区域检测特征点；根据检测的人脸区域的形状和特征点的位置，从图片库搜索一组相似的人脸图片作为相似图片子集；基于相似图片子集合成平均脸；将合成的平均脸和检测的人脸区域按照预定的权值进行加权融合，将融合得到的结果作为具有预定的特效特性的人脸图片；将融合形成的具有预定的特效特性的人脸图片发送给所述客户机。
-
-
公开(公告)号：CN117838057A
公开(公告)日：2024-04-09
申请号：CN202410132785.1
申请日：2024-01-30
Applicant: 华南理工大学
IPC: A61B5/00 , G16H50/20 , A61B5/16 , A61B5/1455
Abstract: 本发明公开了一种面向产前抑郁孕妇近红外脑功能成像的数据采集及分析系统，该系统包括：采集脑信号的电极帽、获取爱丁堡产后抑郁量表评分的爱丁堡量表数据采集模块、采集静息态和任务态fNIRS数据的fNIRS数据采集模块、对采集数据进行数据预处理的数据预处理模块、对静息态fNIRS数据计算相关系数和脑网络参数的静息态fNIRS数据分析模块、对任务态fNIRS数据计算血液动力学响应指标的任务态fNIRS数据分析模块、对正常被试数据组和产前抑郁被试数据组的相关系数、脑网络参数以及血液动力学响应指标的组间差异统计分析，得到差异通道和脑区的统计分析模块；本发明在时间和空间分辨率上取得了较好的平衡，时间分辨率高。
-
公开(公告)号：CN113158828B
公开(公告)日：2024-04-09
申请号：CN202110343609.9
申请日：2021-03-30
Applicant: 华南理工大学
IPC: G06V40/70 , G06V40/10 , G06V40/16 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明提供了一种基于深度学习的面部情感校准方法及系统。所述方法包括以下步骤：对含有人脸的原始图像进行预处理；将预处理后的原始图像送入训练过的第一卷积神经网络，并结合肤色模型，检测原始图像中手部出现的具体位置和大小，作为肢体特征；将预处理后的原始图像送入训练过的第二卷积神经网络，提取表情特征；将提取的肢体特征与表情特征进行融合，决定最终的情感属性与能级。本发明提供了一种基于深度学习的面部情感校准系统，通过人脸检测、关键点检测、人脸对齐，提取肢体特征与表情特征并最终融合等步骤，能够捕获更准确、真实、丰富的面部情感信息，具有广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN111563533B
公开(公告)日：2023-05-02
申请号：CN202010269486.4
申请日：2020-04-08
Applicant: 华南理工大学
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于图卷积神经网络融合多种人脑图谱的受试者分类方法，人脑图谱是一种数据结构，表示人脑中不同脑区之间的互动信息，通过对受试者的五种人脑图谱进行识别从而对该受试者进行分类预测，属于脑科学研究以及深度学习研究领域。该分类方法步骤如下：获取人脑功能磁共振时序信号并进行预处理；根据不同的功能连接强度计算方法对每个样本构建五种类型的人脑图谱从而得到五个数据集；构建五个图卷积神经网络分类器；分别在对应的人脑图谱数据集上进行训练，从而获得对特定人脑图谱的二分类能力；综合五个图卷积神经网络分类器的预测结果，对受试者进行分类预测，即预测受试者属于哪一类人。
-
公开(公告)号：CN113158828A
公开(公告)日：2021-07-23
申请号：CN202110343609.9
申请日：2021-03-30
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于深度学习的面部情感校准方法及系统。所述方法包括以下步骤：对含有人脸的原始图像进行预处理；将预处理后的原始图像送入训练过的第一卷积神经网络，并结合肤色模型，检测原始图像中手部出现的具体位置和大小，作为肢体特征；将预处理后的原始图像送入训练过的第二卷积神经网络，提取表情特征；将提取的肢体特征与表情特征进行融合，决定最终的情感属性与能级。本发明提供了一种基于深度学习的面部情感校准系统，通过人脸检测、关键点检测、人脸对齐，提取肢体特征与表情特征并最终融合等步骤，能够捕获更准确、真实、丰富的面部情感信息，具有广阔的应用前景。
-
公开(公告)号：CN106407369A
公开(公告)日：2017-02-15
申请号：CN201610813728.5
申请日：2016-09-09
Applicant: 华南理工大学
CPC classification number: G06F16/583 , G06K9/00288 , G06K9/6256 , G06K9/6262
Abstract: 本发明提供一种基于深度学习人脸识别的照片管理方法和系统。所述方法使用卷积神经网络的深度学习模型在服务器训练一个识别率高，处理速度快的人脸识别模型。训练过程使用Caffe网络框架，对经典的CaffectNet网络进行微调使其适于人脸的分类，得到最优网络结构以供照片管理使用。在PC客户端的照片分类管理过程，用户选择待分类归档的照片并指定要挑选的人物对象后将照片发送到服务器，服务器利用训练好的识别模型对接收到的照片进行分类，并返回相应标签给客户端，客户端根据返回的标签对相应照片进行分类保存。本发明使用深度学习模型对用户照片进行人脸识别并分类管理，准确率高、速度快，节省手动整理的时间，操作体验良好。
-
-
-
-
-
-
-
Search Results
57
records
(took 0.034 seconds)
