一种转辙机动静接点组接入深度检测方法

    公开(公告)号:CN115082399B

    公开(公告)日:2025-02-28

    申请号:CN202210706487.X

    申请日:2022-06-21

    Abstract: 本发明涉及一种转辙机动静接点组接入深度检测方法,包括以下步骤:1)利用训练好的MASK‑RCNN深度学习网络模型对处于接入状态下的转辙机动静接点组的待检测图像进行识别,在待检测图像上的螺栓位置生成掩膜;2)利用交互迭代算法精修掩膜;3)根据掩膜区域,通过最小区域覆盖法,获取待矫正区域;4)利用三维空间矫正技术对待矫正区域进行畸变矫正,获得矫正区域;5)根据矫正区域,计算动静接点组螺栓真实距离;6)根据动静接点组螺栓真实距离与动静接点组接入深度的对应关系式获得动静接点组接入深度。与现有技术相比,本发明具有检测速度快、检测效率高、精度高等优点。

    一种转辙机动静接点组接入深度检测方法

    公开(公告)号:CN115082399A

    公开(公告)日:2022-09-20

    申请号:CN202210706487.X

    申请日:2022-06-21

    Abstract: 本发明涉及一种转辙机动静接点组接入深度检测方法,包括以下步骤:1)利用训练好的MASK‑RCNN深度学习网络模型对处于接入状态下的转辙机动静接点组的待检测图像进行识别,在待检测图像上的螺栓位置生成掩膜;2)利用交互迭代算法精修掩膜;3)根据掩膜区域,通过最小区域覆盖法,获取待矫正区域;4)利用三维空间矫正技术对待矫正区域进行畸变矫正,获得矫正区域;5)根据矫正区域,计算动静接点组螺栓真实距离;6)根据动静接点组螺栓真实距离与动静接点组接入深度的对应关系式获得动静接点组接入深度。与现有技术相比,本发明具有检测速度快、检测效率高、精度高等优点。

    基于机器视觉和深度学习的健身动作识别评估方法

    公开(公告)号:CN112990011A

    公开(公告)日:2021-06-18

    申请号:CN202110274616.8

    申请日:2021-03-15

    Abstract: 本发明涉及一种基于机器视觉和深度学习的健身动作识别评估方法,包括以下步骤:获取待评估健身动作视频,设定动作类型;建立每一帧视频图像的人体骨架模型;提取动作与标准动作最接近的一帧视频图像作为待评估图像;建立获取动作分数的评分规则标准;计算待评估图像中人体骨架模型的距离特征和角度特征,根据评分标准中动作类型对应的评分标准对待评估图像中的动作进行评分。与现有技术相比,本发明采用自下而上的人体姿态识别算法,对人体健身动作进行识别,获取相关动作分数,提高获取分数的准确性和效率,能够有效对错误动作进行提示,提高健身效率。

Patent Agency Ranking