-
公开(公告)号：CN109407504B
公开(公告)日：2021-05-14
申请号：CN201811457233.9
申请日：2018-11-30
Applicant: 华南理工大学
Abstract: 本发明属于人身安全保障领域，涉及一种基于智能手表的人身安全检测系统及方法。一种基于智能手表的人身安全检测系统包括处理器模块以及分别与处理器模块连接的显示模块、通信模块、摄像头、GPS定位模块、时间模块、传感器模块、音频模块和存储模块。处理器模块设有信号识别模型、决策模型和警报模块，信号识别模型对传感器模块采集的数据和音频模块采集的环境声音进行处理，决策模型综合信号识别模型的输出结果，判断智能手表佩戴者的状态，把状态结果传递给警报模块。本发明可以检测智能手表佩戴者是否受虐、受欺凌或者其他对智能手表佩戴者产生负面影响的处境并通知监护人，监护人及时处理，有效地保护智能手表佩戴者。
-
公开(公告)号：CN111931637A
公开(公告)日：2020-11-13
申请号：CN202010789561.X
申请日：2020-08-07
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于双流卷积神经网络的跨模态行人重识别方法和系统，该方法通过使用两个在大型图像识别数据集上预训练好的卷积神经网络中的特征提取部分，并采用交叉熵损失函数、跨模态三元组损失函数、相对熵损失函数和随机调换策略对两个网络在跨模态数据集上进行训练，分别提取两个模态图像的特征，再将两个模态的特征进行欧氏距离度量得到特征匹配结果，实现跨模态行人重识别。本发明针对跨模态行人重识别任务的需求，在双流卷积神经网络训练期间没有加大时间开销和增加额外人工工作量的条件下，拉近了深度神经网络提取的不同模态图像特征之间的距离，提高了行人重识别任务的匹配准确率。
-
公开(公告)号：CN109938709A
公开(公告)日：2019-06-28
申请号：CN201910174132.9
申请日：2019-03-08
Applicant: 华南理工大学
IPC: A61B5/0205 , A61B5/04 , A61B5/11 , A61B5/16
Abstract: 本发明涉及可穿戴设备的警报技术，具体为可穿戴安全警报装置的触发信息权重选择优化系统，包括相连接的信号识别模型、决策模型与警报模块；其中信号识别模型用于接受并分析外界提供的生理信号与环境信号，判断佩戴者的环境状态与自身状态；决策模型用于根据信号识别模型推算的环境状态与自身状态，对信号识别结果进行不同权重分配并给出加权求和的评分；警报模块用于比对决策模型给出的评分与预设报警阈值，判断是否触发并发出警报。该系统针对不同的周边环境信号、模型权重占比的分析结果决定是否触发报警装置，提高了对穿戴者人身安全远程检测的效率。
-
公开(公告)号：CN111931637B
公开(公告)日：2023-09-15
申请号：CN202010789561.X
申请日：2020-08-07
Applicant: 华南理工大学
IPC: G06V40/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于双流卷积神经网络的跨模态行人重识别方法和系统，该方法通过使用两个在大型图像识别数据集上预训练好的卷积神经网络中的特征提取部分，并采用交叉熵损失函数、跨模态三元组损失函数、相对熵损失函数和随机调换策略对两个网络在跨模态数据集上进行训练，分别提取两个模态图像的特征，再将两个模态的特征进行欧氏距离度量得到特征匹配结果，实现跨模态行人重识别。本发明针对跨模态行人重识别任务的需求，在双流卷积神经网络训练期间没有加大时间开销和增加额外人工工作量的条件下，拉近了深度神经网络提取的不同模态图像特征之间的距离，提高了行人重识别任务的匹配准确率。
-
公开(公告)号：CN111931638B
公开(公告)日：2023-06-20
申请号：CN202010789567.7
申请日：2020-08-07
Applicant: 华南理工大学
IPC: G06V40/10 , G06V10/25 , G06V20/52 , G06V10/75 , G06V10/764
Abstract: 本发明公开了一种基于行人重识别的局部复杂区域定位系统及方法，该方法步骤为：用户端向服务器端发送待寻找的目标图像；摄像头单元采集各个监控区域的图像，并与自身编号发送至服务器端；构建摄像头单元信息表；对图像信息进行图像分割，筛选出符合行人类别的目标，并根据边界框选取感兴趣区域；感兴趣区域与目标图像输入到深度学习网络中进行特征提取及特征匹配，获取目标图片；获取拍摄到目标图片对应的摄像头单元编号，对照摄像头单元信息表，获取摄像头单元的安装位置，并结合目标感兴趣区域在整个图片中的位置，将目标位置进行可视化显示。本发明实现对场景复杂尤其是有多层结构的局部区域的精确定位。
-
Patent Agency Ranking
公开(公告)号：CN114821125A
公开(公告)日：2022-07-29
申请号：CN202210365889.8
申请日：2022-04-08
Applicant: 华南理工大学
Abstract: 本发明公开了一种物体六自由度姿态估计方法、系统、装置及介质，其中方法包括：提取目标物体观测点云以及目标物体对应的三维模型的点级深度特征，获得两组深度特征；对两组深度特征进行特征的解耦，获得姿态特征、匹配特征；根据匹配特征获取部分到部分的关联关系以及完整到完整的关联关系；根据获得的两种关联关系对姿态特征和匹配特征进行对齐，获得姿态特征对和匹配特征对；根据匹配特征对对姿态特征对进行挑选及聚合，获得深度特征；根据深度特征对目标物体的六自由度姿态进行回归。本发明使用了部分到部分、完整到完整这两种关联关系，得到一个描述二者之间相对姿态的深度特征，提高了估计结果的鲁棒性，可广泛应用于计算机视觉领域。
-
公开(公告)号：CN111931641B
公开(公告)日：2023-08-22
申请号：CN202010790733.5
申请日：2020-08-07
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于权重多样性正则化的行人重识别方法及其应用，该方法步骤包括：构建卷积神经网络并初始化卷积神经网络参数；图像预处理得到卷积神经网络的输入张量；采用交叉熵损失函数和三元组损失函数的同时采用权重多样性损失函数控制卷积神经网络中卷积层的权重互不相同，完成权重多样性正则化；卷积神经网络训练，提取图像中行人不同的局部特征，对每一个行人的局部特征级联成为卷积神经网络输出的特征向量，将提取到的所有行人特征向量进行距离度量，完成行人重识别。本发明提取得到的局部特征更加细致且具有更加丰富的特征数量，具有区分性更大的行人图像语义信息，实现了权重多样性正则化效果，提高了行人重识别任务的准确率。
-
公开(公告)号：CN111931641A
公开(公告)日：2020-11-13
申请号：CN202010790733.5
申请日：2020-08-07
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于权重多样性正则化的行人重识别方法及其应用，该方法步骤包括：构建卷积神经网络并初始化卷积神经网络参数；图像预处理得到卷积神经网络的输入张量；采用交叉熵损失函数和三元组损失函数的同时采用权重多样性损失函数控制卷积神经网络中卷积层的权重互不相同，完成权重多样性正则化；卷积神经网络训练，提取图像中行人不同的局部特征，对每一个行人的局部特征级联成为卷积神经网络输出的特征向量，将提取到的所有行人特征向量进行距离度量，完成行人重识别。本发明提取得到的局部特征更加细致且具有更加丰富的特征数量，具有区分性更大的行人图像语义信息，实现了权重多样性正则化效果，提高了行人重识别任务的准确率。
-
公开(公告)号：CN111931638A
公开(公告)日：2020-11-13
申请号：CN202010789567.7
申请日：2020-08-07
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于行人重识别的局部复杂区域定位系统及方法，该方法步骤为：用户端向服务器端发送待寻找的目标图像；摄像头单元采集各个监控区域的图像，并与自身编号发送至服务器端；构建摄像头单元信息表；对图像信息进行图像分割，筛选出符合行人类别的目标，并根据边界框选取感兴趣区域；感兴趣区域与目标图像输入到深度学习网络中进行特征提取及特征匹配，获取目标图片；获取拍摄到目标图片对应的摄像头单元编号，对照摄像头单元信息表，获取摄像头单元的安装位置，并结合目标感兴趣区域在整个图片中的位置，将目标位置进行可视化显示。本发明实现对场景复杂尤其是有多层结构的局部区域的精确定位。
-
公开(公告)号：CN109407504A
公开(公告)日：2019-03-01
申请号：CN201811457233.9
申请日：2018-11-30
Applicant: 华南理工大学
Abstract: 本发明属于人身安全保障领域，涉及一种基于智能手表的人身安全检测系统及方法。一种基于智能手表的人身安全检测系统包括处理器模块以及分别与处理器模块连接的显示模块、通信模块、摄像头、GPS定位模块、时间模块、传感器模块、音频模块和存储模块。处理器模块设有信号识别模型、决策模型和警报模块，信号识别模型对传感器模块采集的数据和音频模块采集的环境声音进行处理，决策模型综合信号识别模型的输出结果，判断智能手表佩戴者的状态，把状态结果传递给警报模块。本发明可以检测智能手表佩戴者是否受虐、受欺凌或者其他对智能手表佩戴者产生负面影响的处境并通知监护人，监护人及时处理，有效地保护智能手表佩戴者。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
