-
公开(公告)号：CN109993103A
公开(公告)日：2019-07-09
申请号：CN201910246695.4
申请日：2019-03-29
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于点云数据的人体行为识别方法，包括步骤：1)获取基础数据，包括深度图数据、相机参数；2)对数据做预处理，包括对深度图进行平滑处理，深度图到点云的转换，对点云数据做归一化处理；3)把处理过后的数据输入到网络中进行行为识别。本发明提出了基于点云数据的深度学习人体行为识别，能够直接利用从深度图获取到的点云数据进行人体行为识别，并取得了不错的结果。
-
公开(公告)号：CN114972170B
公开(公告)日：2024-05-14
申请号：CN202210335755.1
申请日：2022-03-31
Applicant: 华南理工大学
IPC: G06T7/00 , G06T7/70 , G06T5/90 , G06N3/0464
Abstract: 本发明提供了一种基于鱼眼相机的密集场景下抗遮挡的物体检测方法，包括以下步骤：在原始场景中采集原始图像并进行标注，获得单物体的掩膜；基于物体掩膜，根据基于物体之间的空间位置关系的遮挡关系和预设的遮挡优先级合成图像，获得合成数据集；根据物体的识别难度，将合成数据集划分为识别难度不同的多个子数据集；对合成数据集进行数据增强；采用数据增强后的合成数据集训练物体检测网络；将待检测图像输入训练好的物体检测网络中，获得物体检测结果。本发明能极大降低数据的采集成本，并可以可以随意的增加不同的种类，用于模拟各种可能的遮挡，提升复杂场景下的物体检测准确率。
-
公开(公告)号：CN114972170A
公开(公告)日：2022-08-30
申请号：CN202210335755.1
申请日：2022-03-31
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于鱼眼相机的密集场景下抗遮挡的物体检测方法，包括以下步骤：在原始场景中采集原始图像并进行标注，获得单物体的掩膜；基于物体掩膜，根据基于物体之间的空间位置关系的遮挡关系和预设的遮挡优先级合成图像，获得合成数据集；根据物体的识别难度，将合成数据集划分为识别难度不同的多个子数据集；对合成数据集进行数据增强；采用数据增强后的合成数据集训练物体检测网络；将待检测图像输入训练好的物体检测网络中，获得物体检测结果。本发明能极大降低数据的采集成本，并可以可以随意的增加不同的种类，用于模拟各种可能的遮挡，提升复杂场景下的物体检测准确率。
-
公开(公告)号：CN113344010A
公开(公告)日：2021-09-03
申请号：CN202110682534.7
申请日：2021-06-17
Applicant: 华南理工大学
Abstract: 本发明提出了一种基于参数化视图学习机制的新型轻量级多视图网络PVLNet。尽管基于多视图数据的三维物体表征方法取得了长足的发展，但与基于点云数据的方法相比，以往的方法在计算效率上有着很大劣势。本发明在参数化视角学习机制的指导下，直接将视角坐标作为PVLNet的参数，并通过梯度下降方法自动优化。当根据视角参数把点云数据投影生成深度图像时，使用一个简化的可感知遮挡的深度图生成器来确保梯度传播。与以往的基于多视图的方法相比，该网络仅使用1/10的参数就能实现最好的性能。
-
-
-
Search Results
4
records
(took 0.018 seconds)
