-
公开(公告)号：CN115937895A
公开(公告)日：2023-04-07
申请号：CN202211414614.5
申请日：2022-11-11
Applicant: 南通大学
IPC: G06V40/10 , G06V10/764 , G06V10/766 , G06V10/25 , G06T7/73 , A63B71/06 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及电子信息技术领域，尤其涉及一种基于深度相机的速度与力量反馈系统，包括图像采集模块、人体捕捉模块、运动监测模块和速度与力量计算模块；所述图像采集模块运用内置视觉传感器分别对运动员和运动员外部环境监测，图像采集模块可同时完成彩色图像和深度图像的采集；所述图像采集模块由两个深度相机组成，按照十字型将两个深度相机进行横竖安装固定；所述人体捕捉模块用于高效定位人体16个关键点，以Exc‑Pose算法为核心，具体包括轻量化“E”型结构编码层和基于回归模型监督学习方法的解码层。本发明通过合理的结构搭配相关算法无接触捕获运动员在体能训练过程中产生的姿态、速度、力量、功率等核心技术指标，并将其数字化，指导科学化训练。
-
公开(公告)号：CN114898464A
公开(公告)日：2022-08-12
申请号：CN202210502602.1
申请日：2022-05-09
Applicant: 南通大学
IPC: G06V40/20 , G06V10/10 , G06V10/22 , G06V10/40 , G06V10/46 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于手语识别技术领域，具体涉及一种基于机器视觉的轻量化精准手指语智能算法识别方法，具体步骤包括：第一步单目相机采集图像信息，以Finger‑YOLOv4算法对采集的图像信息处理，框选出手部的区域；第二步在框选的手部区域内基于稀疏性目标提取算法锁定操作人员手部区域排除非操作人员手部干扰；第三步在操作人员手部区域内基于DFCRF‑Net进行深度学习，识别出手部区域的21个关键点的坐标；第四步根据21个关键点坐标的位置关系采用强制坐标法推理出当前手势表达的手指语。本发明提出的算法架构轻量化，仅需单目相机即可部署，检测速度快、精度高；经过不同环境、操作人员的测试，该智能算法识别方法可以有效的识别出全部手指语手势。
-
公开(公告)号：CN112289037B
公开(公告)日：2022-06-07
申请号：CN202011176098.8
申请日：2020-10-29
Applicant: 南通中铁华宇电气有限公司 , 南通大学
Abstract: 本发明公开了一种基于复杂环境下高视角的机动车辆违规停车检测方法及系统，包括：接收系统传达的机动车辆违规停车检测请求，获取机动车辆违规停车检测请求对应的机动车辆监控视频信息；提取机动车辆停车监控视频信息中的车辆图像关键帧；车辆图像输入至检测模型进行处理，获得机动车辆违规停车检测结果；在机动车辆违规停车检测结果为异常状态时，获取机动车辆的车牌图像信息；通过车牌识别模块获得所述车辆的车牌号；确定驾驶者的身份信息，并根据驾驶者的身份信息对所述驾驶者进行管控处理。本发明可以快捷识别禁止停车区域是否有机动车辆违停，节约了机动车辆违规停车检测的管控成本、提高了机动车辆违规停车检测的管控效率和可操作性。
-
公开(公告)号：CN111523535B
公开(公告)日：2022-03-15
申请号：CN202010252859.7
申请日：2020-04-01
Applicant: 南通大学
IPC: G06V10/25 , G06V10/26 , G06V10/28 , G06V10/44 , G06V10/56 , G06V10/774 , G06K9/62 , G06T7/00 , G06T7/66 , G06T7/13 , G06T7/11 , G06T3/40
Abstract: 本发明公开了基于机器视觉与深度学习的类圆对象识别计数检测算法，包括采用工业相机对所要统计的滤棒对象的垂直截面图像进行采集；从获得的图像中利用自适应阈值二值化和FindContours()函数获得滤棒对象的感兴趣区域；将获得的感兴趣区域切成a个A*A像素子图；将获得的a个A*A像素子图放入改进的SAA‑unet模型中进行训练；将训练完的a个A*A像素子图进行复原，重新获得感兴趣区域；再将重新获得的感兴趣区域进行滤棒对象的统计计数，本发明加入了SAA‑unet数学理论、结构构造原理来提高检测的效率的计数检测方法，更为高效与智能，解决了人工计数高强度作业，工作效率低，误差大等容易出错的问题，算法准确率高达98.7%。
-
公开(公告)号：CN110824006B
公开(公告)日：2021-12-28
申请号：CN201911088740.4
申请日：2019-11-08
Applicant: 南通大学
Abstract: 本发明属于机械控制领域，公开了一种基于智能声信息识别的焊后焊缝冲击质量判别方法，包括：控制超声冲击枪枪头以不同的处理压力、处理速度、处理角度和冲击频率对焊后焊缝进行冲击处理，获取冲击处理过程中的声信号，计算声信号的特征值，构建包含多种应力处理情况的声信号样本集；根据焊后焊缝的冲击处理质量测定结果对声信号样本集进行标注；建立多权值神经网络模型，并利用经过标注的声信号样本集对多权值神经网络模型进行训练；获取待判别焊后焊缝冲击处理声信号的特征值，并将特征值输入经过训练的多权值神经网络，输出待判别焊后焊缝冲击处理质量的判断结果。该方法识别准确、监测成本低且不用对焊件造成破坏。
-
Patent Agency Ranking
公开(公告)号：CN111862070A
公开(公告)日：2020-10-30
申请号：CN202010741385.2
申请日：2020-07-29
Applicant: 南通大学 , 杭州博拉哲科技有限公司
Abstract: 本发明公开了一种基于CT图像测量皮下脂肪厚度的方法，包括以下步骤：步骤1：对CT图像进行预处理，得到训练集；步骤2：对训练集进行图像块剪裁操作，得到数据集；步骤3：通过深度学习进行外围曲线分割；步骤4：边缘连接；步骤5：对CT图像外围曲线和内曲线进行骨骼化操作；步骤6：从12个方向获取CT图像外围曲线和内曲线之间的像素点；步骤7：对外围曲线和内曲线进行换算，得到皮下脂肪厚度。本发明设计了一种测量皮下脂肪厚度的方法，基于先分割后计算的思路，较为准确的皮下脂肪厚度的计算。
-
公开(公告)号：CN111523535A
公开(公告)日：2020-08-11
申请号：CN202010252859.7
申请日：2020-04-01
Applicant: 南通大学
IPC: G06K9/32 , G06K9/34 , G06K9/38 , G06K9/46 , G06K9/62 , G06T7/00 , G06T7/66 , G06T7/13 , G06T7/11 , G06T3/40
Abstract: 本发明公开了基于机器视觉与深度学习的类圆对象识别计数检测算法，包括采用工业相机对所要统计的滤棒对象的垂直截面图像进行采集；从获得的图像中利用自适应阈值二值化和FindContours()函数获得滤棒对象的感兴趣区域；将获得的感兴趣区域切成a个A*A像素子图；将获得的a个A*A像素子图放入改进的SAA‑unet模型中进行训练；将训练完的a个A*A像素子图进行复原，重新获得感兴趣区域；再将重新获得的感兴趣区域进行滤棒对象的统计计数，本发明加入了SAA‑unet数学理论、结构构造原理来提高检测的效率的计数检测方法，更为高效与智能，解决了人工计数高强度作业，工作效率低，误差大等容易出错的问题，算法准确率高达98.7%。
-
公开(公告)号：CN111523445A
公开(公告)日：2020-08-11
申请号：CN202010317535.7
申请日：2020-04-21
Applicant: 南通大学
Abstract: 本发明公开了一种基于改进的Openpose模型和面部微表情的考试行为检测方法，在课桌前布置摄像机，实时检测学生考试行为。通过人工智能模型识别面部信息、上半身骨骼信息，以关键点能否被识别到以及关键点之间的距离为主要判断条件，以微表情的变化为辅助判断条件。若某学生持续一段时间未满足条件，则判定其存在考试行为异常。此外，通过一节课的视频流，找出学生行为异常可能发生阶段，并对该阶段进行分析，实现教学的创新和改革。靠机器视觉识别减少干扰因素，简化设备，本发明通过残差网络，权值修剪等方法进一步优化网络模型。相较于传统方式，本发明实现自助式的考试行为检测和反馈，测试效率高，准确性可达95％，可以应用于一般考试检测。
-
公开(公告)号：CN111523444A
公开(公告)日：2020-08-11
申请号：CN202010317534.2
申请日：2020-04-21
Applicant: 南通大学
Abstract: 本发明公开了基于改进的Openpose模型和面部微表情的课堂行为检测的方法，在课桌前的布置摄像机，实时检测学生课堂行为。通过人工智能模型识别面部信息、上半身骨骼信息，以关键点能否被识别到以及关键点之间的距离为主要判断条件，以微表情的变化为辅助判断条件。若某学生持续一段时间未满足条件，则判定其存在考试行为异常。此外，通过一节课的视频流，找出学生行为异常可能发生阶段，并对该阶段进行分析，实现教学的创新和改革。靠机器视觉识别减少干扰因素，简化设备，同时本发明还提供对应的数据分析处理系统。本发明通过残差网络，权值修剪等方法进一步优化网络模型。本发明实现自助式的课堂行为检测和反馈，测试效率高，准确性可达95％。
-
公开(公告)号：CN110110634A
公开(公告)日：2019-08-09
申请号：CN201910347578.7
申请日：2019-04-28
Applicant: 南通大学
Abstract: 本发明公开了一种基于深度学习的病理图像多染色分离方法，包括以下步骤：(1)对病理染色图像进行光密度变换，得到原始病理染色图像的光密度矩阵；(2)将步骤(1)得到的光密度矩阵构建ResU-Net模型；(3)对步骤(2)得到的ResU-Net模型进行训练；(4)通过经步骤(3)训练后的ResU-Net模型进行图像染色分离。该方法能够对原图像进行像素级分析，更好的分离图像中同一类组织，从而提高染色分离性能。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.031 seconds)
