-
公开(公告)号：CN107729295A
公开(公告)日：2018-02-23
申请号：CN201710977083.3
申请日：2017-10-19
Applicant: 广东工业大学
CPC classification number: G06F17/18 , A63B69/0017 , A63B69/40 , A63B71/0605 , A63B2102/04 , A63B2220/14 , G06K9/00664 , G06T7/50 , G06T7/70 , G06T2207/10004
Abstract: 本申请公开了一种羽毛球的实时落点预判方法，应用于羽毛球机器人，羽毛球机器人包括相机；实时落点预判方法包括：通过相机实时获取羽毛球的彩色图像和深度图像；根据彩色图像和深度图像，计算羽毛球在相机坐标系中的第一坐标；利用第一坐标和位姿坐标，计算羽毛球在世界坐标系中的第二坐标；其中，位姿坐标为预先获取到的羽毛球机器人在世界坐标系中的位姿坐标；利用第二坐标和羽毛球的空气动力学模型，计算羽毛球在世界坐标系中的落点坐标。在本发明中，通过在羽毛球机器人本体上安装相机，提高了羽毛球机器人对环境的适应能力。相应的，本发明还公开了一种羽毛球的实时落点预判平台与设备，同样具有以上有益效果。
-
公开(公告)号：CN107730532B
公开(公告)日：2021-05-11
申请号：CN201711065134.1
申请日：2017-11-02
Applicant: 广东工业大学
Abstract: 本申请公开了一种羽毛球运动轨迹跟踪方法，包括：利用羽毛球模型对羽毛球运动视频的当前帧的前一帧中的羽毛球进行检测，得到羽毛球的重心；提取当前帧的运动前景；其中，运动前景包括羽毛球运动前景和干扰物运动前景；计算重心与每一个运动前景的重心的距离，并将距离按数值的大小进行排序，得到运动距离组；按预设的筛选条件对运动距离组中的数值进行筛选；将筛选到的数值所对应的运动前景的重心，标记为当前帧的羽毛球位置点。通过本发明中的方法，可以提高对羽毛球运动轨迹跟踪的速度以及减少在对羽毛球运动轨迹进行跟踪时的丢帧现象。相应的，本发明还公开了一种羽毛球运动轨迹跟踪系统、介质及设备，同样具有上述有益效果。
-
公开(公告)号：CN107392142B
公开(公告)日：2020-11-13
申请号：CN201710591420.5
申请日：2017-07-19
Applicant: 广东工业大学
Abstract: 本发明公开了一种真伪人脸识别方法及其装置，包括获取多帧人脸图像，并按照图像序列的顺序依次将连续N帧图像作为一个处理片段；最后不足N帧的部分舍弃；N为正整数；计算每个处理片段的LBP局部二值模式特征值，得到动态纹理特征；将动态纹理特征带入静态小波关系式中，得到融合纹理特征；采用分类识别装置对融合纹理特征进行识别，确认人脸图像的真伪。本发明能够捕捉图像场景的变化模式，进而区分真伪人脸图像，实现真伪人脸的识别，提高人脸识别系统的安全性。
-
公开(公告)号：CN107730532A
公开(公告)日：2018-02-23
申请号：CN201711065134.1
申请日：2017-11-02
Applicant: 广东工业大学
CPC classification number: G06T7/207 , G06K9/6256
Abstract: 本申请公开了一种羽毛球运动轨迹跟踪方法，包括：利用羽毛球模型对羽毛球运动视频的当前帧的前一帧中的羽毛球进行检测，得到羽毛球的重心；提取当前帧的运动前景；其中，运动前景包括羽毛球运动前景和干扰物运动前景；计算重心与每一个运动前景的重心的距离，并将距离按数值的大小进行排序，得到运动距离组；按预设的筛选条件对运动距离组中的数值进行筛选；将筛选到的数值所对应的运动前景的重心，标记为当前帧的羽毛球位置点。通过本发明中的方法，可以提高对羽毛球运动轨迹跟踪的速度以及减少在对羽毛球运动轨迹进行跟踪时的丢帧现象。相应的，本发明还公开了一种羽毛球运动轨迹跟踪系统、介质及设备，同样具有上述有益效果。
-
Patent Agency Ranking
公开(公告)号：CN107886128A
公开(公告)日：2018-04-06
申请号：CN201711106334.7
申请日：2017-11-10
Applicant: 广东工业大学
CPC classification number: G06K9/6267 , G06N3/0454 , G06T7/0004 , G06T2207/20081 , G06T2207/20084
Abstract: 本申请公开了一种羽毛球识别方法，包括：利用预先训练好的羽毛球模型对待处理的图片进行识别，获取相应的羽毛球或干扰物的分类；其中，羽毛球模型的创建过程为：获取羽毛球的训练样本；其中，训练样本包括羽毛球的运动图片和干扰物图片以及相应的分类信息；将训练样本输入至利用TensorFlow创建的卷积神经网络模型中进行训练，得到羽毛球模型。在本发明中，利用TensorFlow的深度学习框架来创建羽毛球模型，该方法相比利用图像算子来对图像进行识别的方法，简化了对图像处理的复杂程度，因为，该方法以模型的网络设计代替特征算法的设计，减少了大量的人工成本。相应的，本发明还公开了一种羽毛球识别系统、介质及设备，同样具有上述有益效果。
-
公开(公告)号：CN107392142A
公开(公告)日：2017-11-24
申请号：CN201710591420.5
申请日：2017-07-19
Applicant: 广东工业大学
Abstract: 本发明公开了一种真伪人脸识别方法及其装置，包括获取多帧人脸图像，并按照图像序列的顺序依次将连续N帧图像作为一个处理片段；最后不足N帧的部分舍弃；N为正整数；计算每个处理片段的LBP局部二值模式特征值，得到动态纹理特征；将动态纹理特征带入静态小波关系式中，得到融合纹理特征；采用分类识别装置对融合纹理特征进行识别，确认人脸图像的真伪。本发明能够捕捉图像场景的变化模式，进而区分真伪人脸图像，实现真伪人脸的识别，提高人脸识别系统的安全性。
-
公开(公告)号：CN107729295B
公开(公告)日：2021-07-06
申请号：CN201710977083.3
申请日：2017-10-19
Applicant: 广东工业大学
Abstract: 本申请公开了一种羽毛球的实时落点预判方法，应用于羽毛球机器人，羽毛球机器人包括相机；实时落点预判方法包括：通过相机实时获取羽毛球的彩色图像和深度图像；根据彩色图像和深度图像，计算羽毛球在相机坐标系中的第一坐标；利用第一坐标和位姿坐标，计算羽毛球在世界坐标系中的第二坐标；其中，位姿坐标为预先获取到的羽毛球机器人在世界坐标系中的位姿坐标；利用第二坐标和羽毛球的空气动力学模型，计算羽毛球在世界坐标系中的落点坐标。在本发明中，通过在羽毛球机器人本体上安装相机，提高了羽毛球机器人对环境的适应能力。相应的，本发明还公开了一种羽毛球的实时落点预判平台与设备，同样具有以上有益效果。
-
公开(公告)号：CN107463927A
公开(公告)日：2017-12-12
申请号：CN201710860765.6
申请日：2017-09-21
Applicant: 广东工业大学
CPC classification number: G06K9/00805 , E01F9/529 , G06N3/0454
Abstract: 本发明公开了一种基于卷积神经网络的道路减速带检测方法，获得目标路面信息，根据预先构造并进行训练获得的目标卷积神经网络，检测目标路面信息并得到目标检测结果，根据目标检测结果，确定目标路面信息中是否包含道路减速带。应用本发明实施例所提供的技术方案，通过构造并且进行训练得到目标卷积神经网络，使得目标卷积神经网络对目标路面信息进行检测之后，确定目标路面信息中是否包含道路减速带。由于目标卷积神经网络特征提取强，统计学习的能力强，提高了对道路减速带的检测率。本发明还公开了一种基于卷积神经网络的道路减速带检测装置，具有相应技术效果。
-
公开(公告)号：CN207874233U
公开(公告)日：2018-09-18
申请号：CN201721366215.0
申请日：2017-10-20
Applicant: 广东工业大学
IPC: B25J9/16
Abstract: 本实用新型公开了一种机器人控制系统，包括：实时定位确定机器人的当前位置的定位装置；发送控制指令的上位机；分别与所述上位机及所述定位装置连接，使用位置式PID算法控制所述机器人由当前位置移动至所述控制指令对应目标位置的控制器。本申请公开的上述技术方案中，定位装置实时确定机器人的当前位置，控制器在接收到上位机发送的控制指令时控制机器人由当前位置移动至控制指令对应目标位置，由此，使得机器人可以根据训练人员的需要达到不同位置并实现击球等操作，提升了训练人员在使用机器人实现训练时的使用体验。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.015 seconds)
