公开(公告)号：CN114627381B

公开(公告)日：2024-09-24

申请号：CN202210426001.7

申请日：2022-04-21

Applicant: 南通大学

Inventor： 邵叶秦 ,  周昆阳 ,  李泽漩 ,  宋锦伟 ,  刘江 ,  龚巧云 ,  高瞻 ,  施佺

IPC: G06V20/10 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0895 ,  G06N3/084 ,  G06N3/096 ,  G06N3/042 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开了一种基于改进半监督学习的电瓶车头盔识别方法，包含以下步骤：S1、通过相机拍摄各种场景下电瓶车驾驶员戴头盔的图片，制作电瓶车头盔数据集，并对数据进行增强；S2、使用Faster‑RCNN作为头盔识别模型，半监督学习的基本流程采用教师‑学生模型，训练头盔识别模型；S3、对半监督学习方法进行改进，并对改进后的模型进行训练；S4、使用训练好的学生模型进行电瓶车头盔识别。与现有电瓶车头盔识别方法相比，本发明提出改进的半监督学习方法，相比于传统的半监督学习模型，本发明的方法准确率更高，且不会增加推理时间。本发明的模型能够适应不同场景、不同天气下的电瓶车头盔检测，模型的实用性和泛化性更好。

公开(公告)号：CN114627381A

公开(公告)日：2022-06-14

申请号：CN202210426001.7

申请日：2022-04-21

Applicant: 南通大学

Inventor： 邵叶秦 ,  周昆阳 ,  李泽漩 ,  宋锦伟 ,  刘江 ,  龚巧云 ,  高瞻 ,  施佺

IPC: G06V20/10 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开了一种基于改进半监督学习的电瓶车头盔识别方法，包含以下步骤：S1、通过相机拍摄各种场景下电瓶车驾驶员戴头盔的图片，制作电瓶车头盔数据集，并对数据进行增强；S2、使用Faster‑RCNN作为头盔识别模型，半监督学习的基本流程采用教师‑学生模型，训练头盔识别模型；S3、对半监督学习方法进行改进，并对改进后的模型进行训练；S4、使用训练好的学生模型进行电瓶车头盔识别。与现有电瓶车头盔识别方法相比，本发明提出改进的半监督学习方法，相比于传统的半监督学习模型，本发明的方法准确率更高，且不会增加推理时间。本发明的模型能够适应不同场景、不同天气下的电瓶车头盔检测，模型的实用性和泛化性更好。

公开(公告)号：CN113537393A

公开(公告)日：2021-10-22

申请号：CN202110907362.9

申请日：2021-08-09

Applicant: 南通大学

Inventor： 邵叶秦 ,  周昆阳 ,  杨启硕 ,  赵梦婷 ,  泮佳俊 ,  李泽漩 ,  刘江

IPC: G06K9/62 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进Transformer的黑暗场景三维人体姿态估计算法，包括以下步骤：制作黑暗场景下人体姿态数据集，并进行数据增强；训练二维人体姿态估计模型，并将经过处理后的图像首先进行二维人体姿态估计，得到人体关节点的二维坐标；将得到的二维关节点坐标组成特征序列作为改进Transformer的输入实现三维人体姿态估计；将训练好的模型部署到移动端设备。本发明在黑暗场景下具有准确率较高和实用性较好等优点。

公开(公告)号：CN113627316A

公开(公告)日：2021-11-09

申请号：CN202110901548.3

申请日：2021-08-06

Applicant: 南通大学

Inventor： 邵叶秦 ,  宋锦伟 ,  曹秋阳 ,  刘江 ,  高瞻

IPC: G06K9/00 ,  G06T7/136 ,  G06T7/73

Abstract: 本发明公开了一种人脸眼睛部位定位及视线估计方法，包括如下步骤：步骤一、提取人脸上左右眼周围的关键点，定位眼睛部位；步骤二、采用基于直方图的检测方法检测与定位瞳孔；步骤三、判断视线方向。实验验证了本发明所具备的实际应用效果和实时性。

公开(公告)号：CN113537393B

公开(公告)日：2023-08-22

申请号：CN202110907362.9

申请日：2021-08-09

Applicant: 南通大学

Inventor： 邵叶秦 ,  周昆阳 ,  杨启硕 ,  赵梦婷 ,  泮佳俊 ,  李泽漩 ,  刘江

IPC: G06T17/00 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08 ,  G06V10/44 ,  G06T7/20

Abstract: 本发明公开了一种基于改进Transformer的黑暗场景三维人体姿态估计算法，包括以下步骤：制作黑暗场景下人体姿态数据集，并进行数据增强；训练二维人体姿态估计模型，并将经过处理后的图像首先进行二维人体姿态估计，得到人体关节点的二维坐标；将得到的二维关节点坐标组成特征序列作为改进Transformer的输入实现三维人体姿态估计；将训练好的模型部署到移动端设备。本发明在黑暗场景下具有准确率较高和实用性较好等优点。