-
公开(公告)号：CN116630679A
公开(公告)日：2023-08-22
申请号：CN202310321204.4
申请日：2023-03-29
Applicant: 南通大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/10 , G06V10/26 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/094 , G06N3/096 , G06N3/084
Abstract: 本发明涉及医学图像分类技术领域，尤其涉及一种基于CT图像和域不变特征的骨质疏松识别方法，包括：S1、建立生成对抗网络的MACE‑CycleGAN模型对正常剂量图像和低剂量图像进行领域迁移，生成一些伪图像数据；S2、建立三个任务模块之间的相关性和强调椎骨之间的关系的多任务关系学习模型；S3、建立基于域对抗迁移学习的模块，将域适应嵌入到学习表示过程中，以便最终的分类决策基于对域的变化具有区分性和不变性的特征；S4、基于定位模块、分割模块、分类模型和域对抗迁移学习模块建立正常剂量和低剂量图像的深度学习模型，构建分步训练损失函数来防止模型过拟合。本发明既能对正常剂量CT图像的骨质疏松进行识别，也能对低剂量CT图像骨质疏松进行识别。
-
公开(公告)号：CN115937895A
公开(公告)日：2023-04-07
申请号：CN202211414614.5
申请日：2022-11-11
Applicant: 南通大学
IPC: G06V40/10 , G06V10/764 , G06V10/766 , G06V10/25 , G06T7/73 , A63B71/06 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及电子信息技术领域，尤其涉及一种基于深度相机的速度与力量反馈系统，包括图像采集模块、人体捕捉模块、运动监测模块和速度与力量计算模块；所述图像采集模块运用内置视觉传感器分别对运动员和运动员外部环境监测，图像采集模块可同时完成彩色图像和深度图像的采集；所述图像采集模块由两个深度相机组成，按照十字型将两个深度相机进行横竖安装固定；所述人体捕捉模块用于高效定位人体16个关键点，以Exc‑Pose算法为核心，具体包括轻量化“E”型结构编码层和基于回归模型监督学习方法的解码层。本发明通过合理的结构搭配相关算法无接触捕获运动员在体能训练过程中产生的姿态、速度、力量、功率等核心技术指标，并将其数字化，指导科学化训练。
-
公开(公告)号：CN114898464A
公开(公告)日：2022-08-12
申请号：CN202210502602.1
申请日：2022-05-09
Applicant: 南通大学
IPC: G06V40/20 , G06V10/10 , G06V10/22 , G06V10/40 , G06V10/46 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于手语识别技术领域，具体涉及一种基于机器视觉的轻量化精准手指语智能算法识别方法，具体步骤包括：第一步单目相机采集图像信息，以Finger‑YOLOv4算法对采集的图像信息处理，框选出手部的区域；第二步在框选的手部区域内基于稀疏性目标提取算法锁定操作人员手部区域排除非操作人员手部干扰；第三步在操作人员手部区域内基于DFCRF‑Net进行深度学习，识别出手部区域的21个关键点的坐标；第四步根据21个关键点坐标的位置关系采用强制坐标法推理出当前手势表达的手指语。本发明提出的算法架构轻量化，仅需单目相机即可部署，检测速度快、精度高；经过不同环境、操作人员的测试，该智能算法识别方法可以有效的识别出全部手指语手势。
-
公开(公告)号：CN116630679B
公开(公告)日：2024-06-04
申请号：CN202310321204.4
申请日：2023-03-29
Applicant: 南通大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/10 , G06V10/26 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/094 , G06N3/096 , G06N3/084
Abstract: 本发明涉及医学图像分类技术领域，尤其涉及一种基于CT图像和域不变特征的骨质疏松识别方法，包括：S1、建立生成对抗网络的MACE‑CycleGAN模型对正常剂量图像和低剂量图像进行领域迁移，生成一些伪图像数据；S2、建立三个任务模块之间的相关性和强调椎骨之间的关系的多任务关系学习模型；S3、建立基于域对抗迁移学习的模块，将域适应嵌入到学习表示过程中，以便最终的分类决策基于对域的变化具有区分性和不变性的特征；S4、基于定位模块、分割模块、分类模型和域对抗迁移学习模块建立正常剂量和低剂量图像的深度学习模型，构建分步训练损失函数来防止模型过拟合。本发明既能对正常剂量CT图像的骨质疏松进行识别，也能对低剂量CT图像骨质疏松进行识别。
-
公开(公告)号：CN116152719A
公开(公告)日：2023-05-23
申请号：CN202310249328.6
申请日：2023-03-15
Applicant: 南通大学
Abstract: 本发明涉及城市智慧路测停车识别技术领域，尤其涉及一种基于高位视频的停车管理方法，包括：以车辆为单位，判断车辆是否停入停车位:若是，则上传系统时间，并判断是否满足车牌检测触发条件，否则捕捉下一视频帧画面；在满足车牌检测触发条件时，进行车牌检测，否则捕捉下一视频帧画面；待车辆出车位时，上传系统时间，判断车牌是否存在：若是，则计算停车时长，并判断停车时长是否在阈值内，否则捕捉下一视频帧画面；在停车时长不在阈值内时，输出车辆的详细信息，并清空车牌数组，清除检测的车牌信息，清空时间数组。本发明通过路侧高位摄像头捕捉车辆行为和车牌信息，记录停车时长，降低路侧停车管理运营成本，提高车位利用率，记录监控视频。
-
Patent Agency Ranking
公开(公告)号：CN114863165A
公开(公告)日：2022-08-05
申请号：CN202210378696.6
申请日：2022-04-12
Applicant: 南通大学
IPC: G06V10/764 , G06K9/62 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/74 , G06V10/40 , G06T7/11 , G06T7/00 , G06T5/00 , G06N3/04
Abstract: 本发明涉及医学图像分割与图像分类技术领域，具体涉及一种基于影像组学与深度学习特征融合的椎体骨密度分类方法，将CT图像下椎体分为骨质疏松、低骨量与正常组，包括S1:建立基于CRF和注意力引导的椎体分割网络，获取L1、L2椎体松质骨掩膜；S2:通过GCAM‑Net对L1和L2融合后的特征图进行深度学习特征提取，并利用L1和L2的CT图像及掩膜进行影像组学特征提取；S3：运用差分进化算法在深度学习特征中提取最优特征集，并将提取后影像组学特征通过SVM‑RFE法进行特征筛选，最后将影像组学特征和深度学习特征通过最大相关性融合算法进行特征融合，并利用神经网络分类。本发明技术方案结合深度学习特征和影像组学特征，有效提高骨密度分类的准确性。
-
公开(公告)号：CN117918841A
公开(公告)日：2024-04-26
申请号：CN202410099094.6
申请日：2024-01-24
Applicant: 南通大学
IPC: A61B5/16 , A61B5/00 , A61B5/024 , A61B5/021 , G16H50/30 , G06V40/16 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明提出了一种基于深度生理特征的线上专注度检测方法，主要应用于在线教学技术领域，用于在线教学的评估，通过观察学生的生理指标的变化趋势，来判断学生的注意力水平。该方法采用非接触式测量的方法，无额外硬件，仅需通过电脑摄像头采集人脸脉搏波信号，对脉搏波信号进行去噪处理，构建复合C‑T血压模型以及HR心率模型即可实现对血压和心率的估计，然后根据各学生血压和心率变化的同步趋势，同时结合心理学理论分析在线学习专注度。对于在线学习，本发明的提出可以方便教师获取数据，得到的生理参数的值能够和课堂教学的内容时间线同步，有助于教师及时调整教学策略，提供有效的引导，确保学生在学习过程中能够保持良好的专注度。
-
公开(公告)号：CN114863165B
公开(公告)日：2023-06-16
申请号：CN202210378696.6
申请日：2022-04-12
Applicant: 南通大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/74 , G06V10/40 , G06T7/11 , G06T7/00 , G06T5/00 , G06N3/0464
Abstract: 本发明涉及医学图像分割与图像分类技术领域，具体涉及一种基于影像组学与深度学习特征融合的椎体骨密度分类方法，将CT图像下椎体分为骨质疏松、低骨量与正常组，包括S1:建立基于CRF和注意力引导的椎体分割网络，获取L1、L2椎体松质骨掩膜；S2:通过GCAM‑Net对L1和L2融合后的特征图进行深度学习特征提取，并利用L1和L2的CT图像及掩膜进行影像组学特征提取；S3：运用差分进化算法在深度学习特征中提取最优特征集，并将提取后影像组学特征通过SVM‑RFE法进行特征筛选，最后将影像组学特征和深度学习特征通过最大相关性融合算法进行特征融合，并利用神经网络分类。本发明技术方案结合深度学习特征和影像组学特征，有效提高骨密度分类的准确性。
-
公开(公告)号：CN114898464B
公开(公告)日：2023-04-07
申请号：CN202210502602.1
申请日：2022-05-09
Applicant: 南通大学
IPC: G06V40/20 , G06V10/10 , G06V10/22 , G06V10/40 , G06V10/46 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明属于手语识别技术领域，具体涉及一种基于机器视觉的轻量化精准手指语智能算法识别方法，具体步骤包括：第一步单目相机采集图像信息，以Finger‑YOLOv4算法对采集的图像信息处理，框选出手部的区域；第二步在框选的手部区域内基于稀疏性目标提取算法锁定操作人员手部区域排除非操作人员手部干扰；第三步在操作人员手部区域内基于DFCRF‑Net进行深度学习，识别出手部区域的21个关键点的坐标；第四步根据21个关键点坐标的位置关系采用强制坐标法推理出当前手势表达的手指语。本发明提出的算法架构轻量化，仅需单目相机即可部署，检测速度快、精度高；经过不同环境、操作人员的测试，该智能算法识别方法可以有效的识别出全部手指语手势。
-
公开(公告)号：CN115013771A
公开(公告)日：2022-09-06
申请号：CN202210561576.X
申请日：2022-05-23
Applicant: 南通大学
IPC: F21S9/03 , F21V33/00 , F21V23/04 , G06V40/10 , G06V10/22 , G06V10/26 , G06T7/246 , G06T7/277 , F21W131/103 , F21Y115/10
Abstract: 本发明涉及路灯设备技术领域，尤其涉及一种用于小区监测的智慧路灯，包括灯柱，灯柱的顶部左侧通过支架安装有上视觉传感器和下视觉传感器，灯柱的顶部右侧通过支架安装有太阳能板、光敏模块和节能型LED灯，灯柱的上端部通过支架安装有广告牌，灯柱的下端部连接有花坛喷水装置，灯柱的底部安装有箱体，箱体上设有道路喷水装置。本发明采用上视觉传感器具备前景目标提取算法和下降目标跟踪算法功能，从而达到提前预警的功能以及后续辅助工作人员进行责任追究；采用下视觉传感器具备行人检测算法以及控压装置控制功能，实现监测行人以及喷水需求。本发明利用太阳能进行供电，节能环保；并结合道路喷水装置和花坛喷水装置代替洒水车，节省人力资源。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.019 seconds)
