-
公开(公告)号：CN109978907A
公开(公告)日：2019-07-05
申请号：CN201910220634.0
申请日：2019-03-22
Applicant: 南京邮电大学 , 南京邮电大学盐城大数据研究院有限公司
Abstract: 本发明提出了一种面向家居场景的学生坐姿检测方法，实时采集视频流中的连续帧图像；首先对图像进行预处理，降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰；然后通过背景减除法对捕获的当前帧图像进行处理，获得人形所在区域，降低背景对检测准确度的影响；之后对预处理后的当前帧进行人形分割，把大量人形分割后的待检图像和标签输入到改进后的AlexNet神经网络模型进行训练，获取学生坐姿检测模型。该发明可以广泛应用于家居场景下的学生坐姿检测，包括坐姿是否正确和坐姿倾斜程度等，给用户带来健康舒适的身心享受，有非常广阔的应用前景。
-
公开(公告)号：CN113204989B
公开(公告)日：2022-07-29
申请号：CN202110295154.8
申请日：2021-03-19
Applicant: 南京邮电大学
IPC: G06V40/20 , G06V10/80 , G06V10/764 , G06K9/62
Abstract: 本发明提出了一种面向跌倒分析的人体姿态时空特征提取方法，该方法首先采用人体姿态估计算法检测得到目标姿态关键点数据；然后提出了基于行为分析的空间特征设计方法、基于行为分析的时序特征设计方法以及基于自适应FSW的人体姿态时空特征融合方法，设计提取出人体跌倒特征，并融合成跌倒特征向量；最后将特征向量输入到分类器，以此判断人体是否发生跌倒行为。该方法可以提取出有意义的深层次的人体跌倒特征，大大提高了跌倒识别的准确率，可以广泛的应用到家居场景中。
-
Patent Agency Ranking
公开(公告)号：CN113204989A
公开(公告)日：2021-08-03
申请号：CN202110295154.8
申请日：2021-03-19
Applicant: 南京邮电大学
Abstract: 本发明提出了一种面向跌倒分析的人体姿态时空特征提取方法，该方法首先采用人体姿态估计算法检测得到目标姿态关键点数据；然后提出了基于行为分析的空间特征设计方法、基于行为分析的时序特征设计方法以及基于自适应FSW的人体姿态时空特征融合方法，设计提取出人体跌倒特征，并融合成跌倒特征向量；最后将特征向量输入到分类器，以此判断人体是否发生跌倒行为。该方法可以提取出有意义的深层次的人体跌倒特征，大大提高了跌倒识别的准确率，可以广泛的应用到家居场景中。
-
公开(公告)号：CN112949569B
公开(公告)日：2022-07-29
申请号：CN202110322202.8
申请日：2021-03-25
Applicant: 南京邮电大学
IPC: G06V40/20
Abstract: 本发明提出了一种面向跌倒分析的人体姿态点有效提取方法，该方法首先采用人体姿态估计算法检测得到目标姿态关键点；然后提出了基于行为分析的分层筛选方法，分析不同人体行为下关键点的位置变化情况，得到与跌倒行为紧密联系的人体姿态点；之后针对某些帧中可能存在关键点缺失的情况，提出了基于IBLI理论的预测填充方法。该算法可以有效去除跌倒行为的冗余关键点信息，不仅降低了构建跌倒分析模型的复杂度，也提高了跌倒识别的准确度。因此，该发明可以广泛应用于家居场景下的人体跌倒行为检测，有非常广阔的应用场景。
-
公开(公告)号：CN110472490A
公开(公告)日：2019-11-19
申请号：CN201910602687.9
申请日：2019-07-05
Applicant: 南京邮电大学
Abstract: 一种基于改进VGGNet的动作识别方法及装置、存储介质和终端，所述方法包括：对采集到的原始图像进行预处理；对预处理后的图像进行分割，得到对应的人形区域图像；将分割得到的人形区域图像输入改进的VGGNet模型中提取对应的动作特征数据；采用预设的随机森林模型对所提取的动作特征数据进行分类，得到所述原始图像中的人体动作信息。上述的方案，可以在使用有限的资源进行动作识别时提高识别的准确率。
-
公开(公告)号：CN112949569A
公开(公告)日：2021-06-11
申请号：CN202110322202.8
申请日：2021-03-25
Applicant: 南京邮电大学
IPC: G06K9/00
Abstract: 本发明提出了一种面向跌倒分析的人体姿态点有效提取方法，该方法首先采用人体姿态估计算法检测得到目标姿态关键点；然后提出了基于行为分析的分层筛选方法，分析不同人体行为下关键点的位置变化情况，得到与跌倒行为紧密联系的人体姿态点；之后针对某些帧中可能存在关键点缺失的情况，提出了基于IBLI理论的预测填充方法。该算法可以有效去除跌倒行为的冗余关键点信息，不仅降低了构建跌倒分析模型的复杂度，也提高了跌倒识别的准确度。因此，该发明可以广泛应用于家居场景下的人体跌倒行为检测，有非常广阔的应用场景。
-
公开(公告)号：CN109657597A
公开(公告)日：2019-04-19
申请号：CN201811523868.4
申请日：2018-12-13
Applicant: 南京邮电大学
Abstract: 本发明揭示了一种面向个体直播场景的异常行为检测方法，其特征在于，包括如下步骤：S1、实时获取直播视频信号，捕获视频流中的每帧图像，对每帧图像进行预处理，得到连续三帧图像；S2、对连续三帧图像进行灰度处理，之后采用三帧差法对运动的人形区域进行检测；S3、对当前帧图像进行人形区域分割，得到待检图像；S4、分离待检图像的三个颜色通道的图像，得到输入图像；S5、对输入图像进行卷积神经网络训练，得到异常行为检测模型，并最终得到检测结果。本发明能快速且准确的对视频中人物的异常行为进行检测识别，当检测到直播内容违规时，可以及时向网络平台通知报警，从而实现对直播内容实时、全面的监测。
-
-
-
-
-
-
Search Results
7
records
(took 0.049 seconds)
