-
公开(公告)号：CN106156771B
公开(公告)日：2020-01-31
申请号：CN201610513983.8
申请日：2016-06-30
Applicant: 华南理工大学
Abstract: 本发明公开的一种基于多特征融合的水表读数区域检测算法，包括以下步骤：S1、获取训练数据；S2、切割出水表图像中读数区域和非读数区域，提取该切割区域的多通道特征并进行特征融合，以该特征为输入训练目标分类器；S3、提取水表图像多通道特征，计算其特征积分图；S4、利用特征积分图计算各滑动窗特征，以融合特征为输入，利用S2训练所得分类器对滑动窗进行分类，获取目标窗口；S5、用外插方法估计原图在多个尺度下的特征图，重复S4、S5，获取多尺度的目标窗口；S6、旋转原图，重复S3、S4、S5、S6，获取多方向的目标窗口。本发明提供了一种准确、鲁棒、实用的水表读数区域检测算法。
-
公开(公告)号：CN106156771A
公开(公告)日：2016-11-23
申请号：CN201610513983.8
申请日：2016-06-30
Applicant: 华南理工大学
Abstract: 本发明公开的一种基于多特征融合的水表读数区域检测算法，包括以下步骤：S1、获取训练数据；S2、切割出水表图像中读数区域和非读数区域，提取该切割区域的多通道特征并进行特征融合，以该特征为输入训练目标分类器；S3、提取水表图像多通道特征，计算其特征积分图；S4、利用特征积分图计算各滑动窗特征，以融合特征为输入，利用S2训练所得分类器对滑动窗进行分类，获取目标窗口；S5、用外插方法估计原图在多个尺度下的特征图，重复S4、S5，获取多尺度的目标窗口；S6、旋转原图，重复S3、S4、S5、S6，获取多方向的目标窗口。本发明提供了一种准确、鲁棒、实用的水表读数区域检测算法。
-
Patent Agency Ranking
公开(公告)号：CN106127204B
公开(公告)日：2019-08-09
申请号：CN201610515007.6
申请日：2016-06-30
Applicant: 华南理工大学
Abstract: 本发明公开的一种全卷积神经网络的多方向水表读数区域检测算法，包括以下步骤：S1、获取训练数据，包括水表图像以及读数区域的标注信息；S2、利用标注信息训练全卷积神经网络对水表图像进行多层级联特征提取，获取多通道特征图；S3、对特征图进行滑动窗扫描，以全连接神经网络为分类器和回归器，初步筛选出水表读数区域矩形候选窗；S4、依据候选窗的区域位置信息提取特征图上相应区域的特征，以第二个全连接神经网络作为分类器和回归器，获得水表读数区域的中心、长宽、角度信息；S5、最终以旋转矩形框的形式得到多方向水表读数区域的检测结果。本发明提供了一种准确、鲁棒、实用的多方向水表读数区域检测算法。
-
公开(公告)号：CN105718879A
公开(公告)日：2016-06-29
申请号：CN201610033819.7
申请日：2016-01-19
Applicant: 华南理工大学
CPC classification number: G06K9/00375 , G06N3/084
Abstract: 本发明公开了一种基于深度卷积神经网络的自由场景第一视角手指关键点检测方法，包括下述步骤：S1、获取训练数据，通过合适的定位技术获取得到包含手部的区域，人工标记手指关键点所在的坐标，所述手指关键点包括指尖和手指关节点；S2、设计一个深度卷积神经网络，利用该深度卷积网络求解点坐标回归问题；S3、通过大量标记样本训练该深度卷积神经网络的权重参数，经过一定迭代到达稳定后，获得多层的卷积核参数；S4、以任意前景图片作为输入，经过网络参数的计算后准确得到手指关键点坐标。本发明提供了一种准确度高、鲁棒性好的第一视角手指关键点检测方法。
-
公开(公告)号：CN105718878B
公开(公告)日：2019-08-09
申请号：CN201610033798.9
申请日：2016-01-19
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于级联卷积神经网络的第一视角空中手写和空中交互方法，包括下述步骤：S1、获取训练数据；S2、设计一个深度卷积神经网络用于手部检测；S3、设计一个深度卷积神经网络用于手势分类和指尖检测；S4、将一级网络和二级网络级联，通过一级网络输出的前景外接矩形切割出感兴趣区域从而获得包含手部的前景区域，然后将前景区域作为第二级卷积网络的输入进行指尖检测和手势识别；S5、判断手势类别，若为单指手势，则输出其指尖坐标并进行时序平滑和点间插值；S6、利用连续多帧的指尖采样坐标进行文字识别。本发明提供了一种完整的空中手写和空中交互算法，实现准确鲁棒的指尖检测和手势分类从而实现第一视角空中手写和空中交互。
-
公开(公告)号：CN106127204A
公开(公告)日：2016-11-16
申请号：CN201610515007.6
申请日：2016-06-30
Applicant: 华南理工大学
CPC classification number: G06K9/3258 , G06K9/6277 , G06K2209/03 , G06N3/02
Abstract: 本发明公开的一种全卷积神经网络的多方向水表读数区域检测算法，包括以下步骤：S1、获取训练数据，包括水表图像以及读数区域的标注信息；S2、利用标注信息训练全卷积神经网络对水表图像进行多层级联特征提取，获取多通道特征图；S3、对特征图进行滑动窗扫描，以全连接神经网络为分类器和回归器，初步筛选出水表读数区域矩形候选窗；S4、依据候选窗的区域位置信息提取特征图上相应区域的特征，以第二个全连接神经网络作为分类器和回归器，获得水表读数区域的中心、长宽、角度信息；S5、最终以旋转矩形框的形式得到多方向水表读数区域的检测结果。本发明提供了一种准确、鲁棒、实用的多方向水表读数区域检测算法。
-
公开(公告)号：CN105718878A
公开(公告)日：2016-06-29
申请号：CN201610033798.9
申请日：2016-01-19
Applicant: 华南理工大学
CPC classification number: G06K9/00355 , G06N3/084
Abstract: 本发明公开了一种基于级联卷积神经网络的第一视角空中手写和空中交互方法，包括下述步骤：S1、获取训练数据；S2、设计一个深度卷积神经网络用于手部检测；S3、设计一个深度卷积神经网络用于手势分类和指尖检测；S4、将一级网络和二级网络级联，通过一级网络输出的前景外接矩形切割出感兴趣区域从而获得包含手部的前景区域，然后将前景区域作为第二级卷积网络的输入进行指尖检测和手势识别；S5、判断手势类别，若为单指手势，则输出其指尖坐标并进行时序平滑和点间插值；S6、利用连续多帧的指尖采样坐标进行文字识别。本发明提供了一种完整的空中手写和空中交互算法，实现准确鲁棒的指尖检测和手势分类从而实现第一视角空中手写和空中交互。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
