-
公开(公告)号：CN119579925A
公开(公告)日：2025-03-07
申请号：CN202411619203.9
申请日：2024-11-13
Applicant: 上海五零盛同信息科技有限公司 , 上海工程技术大学
Abstract: 本发明提供了一种基于视频特征与相似计算的媒体屏内容比对方法及系统，包括：获取视频图像，并对视频图像进行预处理；对预处理后的视频图像进行关键帧提取得到关键帧序列；从关键帧序列中，提取每一帧对应的具有尺度不变性的SURF特征；根据视频特征点的SURF特征构建K‑D树，基于K‑D树和RANSAC进行二阶段特征匹配；通过特征匹配的结果，对匹配点数进行统计指标的计算后逐帧输出相似度指标；根据相似度指标，比对视频图像每一帧之间的相似度，并根据不同相似度等级制定相应的预警方案。本发明通过视频内容比对技术建立综合评价模型，实现了实时监测和预警，能够及时发现播放内容与预设内容的不一致之处，避免错误信息的传播，确保城市光环境的绿色健康。
-
公开(公告)号：CN111815613A
公开(公告)日：2020-10-23
申请号：CN202010692369.9
申请日：2020-07-17
Applicant: 上海工程技术大学
Abstract: 本发明提供了一种基于包膜线形态特征分析的肝硬化疾病分期识别方法，其包括：根据超声波图像获取肝包膜的预测膜和真实膜；从预测膜中获取分段斜率的方差VoS、相邻段斜率差的变异系数CV、波动变化的次数NoF；并从真实膜中获取线段的数量NoL；初步预测中，将VoS、NoF以及CV作为输入特征输入以识别“正常-前期”和“中期-后期”两种情况；若初步识别的结果为“正常-前期”，将NoL以及CV作为特征输入轻度识别模型，以判断正常和轻度肝硬化；若初步识别的结果为“中期-后期”，将NoL以及VoS作为特征输入中后期识别模型，以识别中度肝硬化和重度肝硬化。本发明结合肝包膜预测膜和真实膜两种形态下的特征进行分析，可以对肝包膜形态特征进行充分展示。
-
公开(公告)号：CN111833348B
公开(公告)日：2023-07-14
申请号：CN202010795680.6
申请日：2020-08-10
Applicant: 上海工程技术大学
IPC: G06T7/00 , G06T7/11 , G06N3/0464 , G06N3/0475
Abstract: 本发明公开了一种基于图像处理的血管沉积物自动检测方法，其特征在于，所述检测方法包括步骤：对待测血管超声图像进行预处理获取预处理后待测血管超声图像；使用所述预处理后待测血管超声图像对超分辨率对抗网络模型进行训练；获取待测感兴趣区域图像；将所述待测感兴趣区域图像输入已训练检测模型；获取所述待测血管超声图像的检测结果。本发明提高了超声图像质量，一定程度上解决超声仪在拍摄超声图像过程中，由于仪器本身、拍摄原理以及操作者个人因素造成的超声图像分辨率不高的问题，方便后续处理提高检测准确性；缩小检测范围并可以有效提高检测效率；具有高识别率和高效率的特点。
-
公开(公告)号：CN111815613B
公开(公告)日：2023-06-27
申请号：CN202010692369.9
申请日：2020-07-17
Applicant: 上海工程技术大学
IPC: G06T7/00 , G06T7/11 , G06T7/90 , G06V10/764 , G06V10/762 , G16H50/20
Abstract: 本发明提供了一种基于包膜线形态特征分析的肝硬化疾病分期识别方法，其包括：根据超声波图像获取肝包膜的预测膜和真实膜；从预测膜中获取分段斜率的方差VoS、相邻段斜率差的变异系数CV、波动变化的次数NoF；并从真实膜中获取线段的数量NoL；初步预测中，将VoS、NoF以及CV作为输入特征输入以识别“正常‑前期”和“中期‑后期”两种情况；若初步识别的结果为“正常‑前期”，将NoL以及CV作为特征输入轻度识别模型，以判断正常和轻度肝硬化；若初步识别的结果为“中期‑后期”，将NoL以及VoS作为特征输入中后期识别模型，以识别中度肝硬化和重度肝硬化。本发明结合肝包膜预测膜和真实膜两种形态下的特征进行分析，可以对肝包膜形态特征进行充分展示。
-
公开(公告)号：CN110555827B
公开(公告)日：2022-03-29
申请号：CN201910721584.4
申请日：2019-08-06
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于深度学习驱动的超声成像信息计算机处理系统，包括：高频超声图像获取模块；组织器官膜状结构信息定位模块；patch小块获取模块，采用滑动窗口自动获取小块区域范围，筛选掉成像质量低于设定阈值的patch小块，将其余patch小块用于深度学习网络的训练和测试；网络训练模块，用于根据组织器官膜状结构和实质结构区域的不同图像特点，分别选择符合两种区域图像特点的深度学习网络模型进行训练以及后续特征的提取；两级分类模块，用于利用组织器官膜状结构模型A和实质模型B对patch小块获取模块输出的patch小块进行分类结果处理，经投票方法得到整体高频超声图像的分类结果。本发明应用到肝硬化的分期诊断中达到了较高的准确率和灵敏度。
-
Patent Agency Ranking
公开(公告)号：CN113989786A
公开(公告)日：2022-01-28
申请号：CN202111174577.0
申请日：2021-10-09
Applicant: 上海工程技术大学
IPC: G06V20/59 , G06V40/16 , G06V10/764 , G06K9/62
Abstract: 本发明涉及一种基于多源视觉信息融合的疲劳驾驶检测方法，该方法包括：建立疲劳驾驶状态下的用户图像样本数据集；基于所述用户图像样本数据集，提取并融合多维面部动作单元和头部姿态特征、多维眼部纹理特征与多维额部纹理特征，获得多维疲劳特征向量；利用MI‑FCBF算法对所述多维疲劳特征向量进行选择，获得低维疲劳特征；根据所述低维疲劳特征，训练Adaboost分类器，生成可用于识别疲劳驾驶状态的分类模型；根据所述分类模型监测用户驾驶状态。上述基于多源视觉信息融合的疲劳驾驶检测方法，将可见光下的面部视觉特征和面部红外热像图纹理信息在特征层进行融合，可以综合视觉信号和生理信号评价疲劳状态，检测结果较为客观。
-
公开(公告)号：CN113947756A
公开(公告)日：2022-01-18
申请号：CN202111260563.0
申请日：2021-10-28
Applicant: 上海工程技术大学
Abstract: 本发明公开了一种基于迭代设计的目标检测方法，解决了传统目标检测方法中采用非极大值抑制等后处理方法带来的检测精度和召回率过低的问题，其技术方案要点是构建目标检测主网络和历史信息特征提取子网络，通过融合机制进行特征融合，并进行目标检测模型的训练，通过训练收敛后的目标检测模型进行场景下的目标检测，本发明的一种基于迭代设计的目标检测方法，有效增强检测精度和鲁棒性，减少性训练的难度和复杂程度，更通用。
-
公开(公告)号：CN107273850B
公开(公告)日：2021-06-11
申请号：CN201710452549.8
申请日：2017-06-15
Applicant: 上海工程技术大学
Abstract: 本发明涉及自主跟随的技术领域，公开了一种基于移动机器人的自主跟随方法，包括以下步骤：步骤一、在被跟随载体上设置有图案，对被跟随载体进行视频拍摄；步骤二、对包含所述图案的被跟随载体的移动视频进行处理，获取所述图案在移动视频的各帧图像上的位置信息和形状信息；步骤三、对所述图案进行特征提取，并和模板做特征匹配，若匹配成功，则执行步骤四，否则返回步骤二；步骤四、计算所述图案在各帧图像上的最小外接矩形的形状信息，决策被跟随载体此刻的运动方向；步骤五、每隔一个执行周期，重复执行步骤二至四，决策被跟随载体的下一时刻的运动方向。本发明简单可靠，操作方便，易于实现，便于推广应用。
-
公开(公告)号：CN111815538A
公开(公告)日：2020-10-23
申请号：CN202010692356.1
申请日：2020-07-17
Applicant: 上海工程技术大学
Abstract: 本发明提供了一种基于数字图像处理技术的肝硬化超声图像肝包膜提取方法，用于对肝脏浅表切面图像进行处理，其包括以下步骤：利用滑动窗口算法对超声图像的上部进行遍历，以识别所述超声图像中是否有肝腹水区域；对超声图像依次进行高斯模糊处理、二值化处理、形态学闭运算处理以得到二值超声图像。随后基于遍历算法对处理后的二值超声图像进行搜索，寻找肝包膜对应的像素点集以构成肝包膜的预测膜；将预测膜融合到原始的超声图像中，采用灰度差分算法从预测膜中剔除伪膜的像素点，以得到肝包膜的真实膜。本发明可以同时得到肝包膜的预测膜和真实膜，为后续的形态特征分析提供了保障。
-
公开(公告)号：CN107273850A
公开(公告)日：2017-10-20
申请号：CN201710452549.8
申请日：2017-06-15
Applicant: 上海工程技术大学
CPC classification number: G06K9/00711 , B25J9/1697 , B25J11/008 , G06K9/342 , G06K9/40 , G06K9/4671 , G06K9/6215
Abstract: 本发明涉及自主跟随的技术领域，公开了一种基于移动机器人的自主跟随方法，包括以下步骤：步骤一、在被跟随载体上设置有图案，对被跟随载体进行视频拍摄；步骤二、对包含所述图案的被跟随载体的移动视频进行处理，获取所述图案在移动视频的各帧图像上的位置信息和形状信息；步骤三、对所述图案进行特征提取，并和模板做特征匹配，若匹配成功，则执行步骤四，否则返回步骤二；步骤四、计算所述图案在各帧图像上的最小外接矩形的形状信息，决策被跟随载体此刻的运动方向；步骤五、每隔一个执行周期，重复执行步骤二至四，决策被跟随载体的下一时刻的运动方向。本发明简单可靠，操作方便，易于实现，便于推广应用。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.036 seconds)
