-
公开(公告)号：CN110032991A
公开(公告)日：2019-07-19
申请号：CN201910331226.2
申请日：2019-04-23
Applicant: 福州大学
Abstract: 本发明涉及一种基于车标再定位的车标检测和识别方法。首先采用了颜色特征作为车牌的定位特征对车牌进行定位，通过定位出的车牌位置信息可以对车标进行大致定位。框选出车标的粗定位范围后，本发明通过一种新的基于Canny算子的车标提取方法进一步定位车标。定位完成后，由于车辆散热网形状各异，对有些情况无法精确定位，本发明提出一种基于车标再定位的思想，重新定位车标分类范围。由于车标边缘特征明显，本发明使用梯度方向直方图(HOG)特征作为分类特征。计算提取出的车标范围的梯度方向直方图(HOG)特征，送入支持向量机(SVM)进行训练分类。本发明能够有效地对车标图像进行检测。
-
公开(公告)号：CN110032991B
公开(公告)日：2022-07-08
申请号：CN201910331226.2
申请日：2019-04-23
Applicant: 福州大学
IPC: G06V20/58 , G06V10/50 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明涉及一种基于车标再定位的车标检测和识别方法。首先采用了颜色特征作为车牌的定位特征对车牌进行定位，通过定位出的车牌位置信息可以对车标进行大致定位。框选出车标的粗定位范围后，本发明通过一种新的基于Canny算子的车标提取方法进一步定位车标。定位完成后，由于车辆散热网形状各异，对有些情况无法精确定位，本发明提出一种基于车标再定位的思想，重新定位车标分类范围。由于车标边缘特征明显，本发明使用梯度方向直方图(HOG)特征作为分类特征。计算提取出的车标范围的梯度方向直方图(HOG)特征，送入支持向量机(SVM)进行训练分类。本发明能够有效地对车标图像进行检测。
-
公开(公告)号：CN112200258A
公开(公告)日：2021-01-08
申请号：CN202011114773.4
申请日：2020-10-16
Applicant: 福州大学
Abstract: 本发明涉及一种多维度车标数据增强方法，首先通过小框随机选取法,生成一个四个顶点相对车标顶点偏移量为车标区域宽和高1.5到3倍的小矩形框，用这个矩形框框选包含车标区域的图像，截取作为尺度维度增强图像。然后进行数量维度增强，通过滑动交叉分割法，用一个大小为源图像1/2的矩形框每隔1/4的步长对图像进行扫描并截取，生成大量有效的数量维度增强图像。通过正态分布分割法，生成一个长为车标区域的中心到图像左右两边的最小值，宽为车标区域的中心到图像上下两边的最小值的矩形框，用这个矩形框以正态分布的概率选取包含车标区域的一部分图像并截取作为空间维度增强图像。最后使用亮度变换和对比度变换对以上所有数据进行亮度维度和对比度维度的增强。本发明能够有效地对车标进行数据量扩充。
-
Patent Agency Ranking
公开(公告)号：CN112200184B
公开(公告)日：2022-07-08
申请号：CN202011076021.3
申请日：2020-10-10
Applicant: 福州大学
IPC: G06V10/25 , G06V10/44 , G06K9/62 , G06V10/774
Abstract: 本发明涉及一种自然场景下的书法区域检测及作者识别方法，包括以下步骤：步骤S1:采集书法图片，构建书法区域检测与作者信息数据集；步骤S2:对书法区域检测与作者信息数据集进行预处理；步骤S3:基于CornerNet网络结构，构建书法区域检测及作者识别网络，并根据预处理后的数据集进行训练；步骤S4:将待识别的图片送入训练好的书法区域检测及作者识别网络，获取图片中包含书法作品的区域并识别书法作者。本发明能够高效便捷的检测自然场景下的图片包含的书法区域及作者信息。
-
公开(公告)号：CN112200258B
公开(公告)日：2022-06-10
申请号：CN202011114773.4
申请日：2020-10-16
Applicant: 福州大学
IPC: G06V10/774 , G06V10/25 , G06K9/62
Abstract: 本发明涉及一种多维度车标数据增强方法，首先通过小框随机选取法,生成一个四个顶点相对车标顶点偏移量为车标区域宽和高1.5到3倍的小矩形框，用这个矩形框框选包含车标区域的图像，截取作为尺度维度增强图像。然后进行数量维度增强，通过滑动交叉分割法，用一个大小为源图像1/2的矩形框每隔1/4的步长对图像进行扫描并截取，生成大量有效的数量维度增强图像。通过正态分布分割法，生成一个长为车标区域的中心到图像左右两边的最小值，宽为车标区域的中心到图像上下两边的最小值的矩形框，用这个矩形框以正态分布的概率选取包含车标区域的一部分图像并截取作为空间维度增强图像。最后使用亮度变换和对比度变换对以上所有数据进行亮度维度和对比度维度的增强。本发明能够有效地对车标进行数据量扩充。
-
公开(公告)号：CN112651360A
公开(公告)日：2021-04-13
申请号：CN202011616955.1
申请日：2020-12-31
Applicant: 福州大学
Abstract: 本发明提出一种小样本下骨架动作识别方法，包括以下步骤；步骤S1：构建序列到序列生成网络对骨架运动序列进行生成、构建增强数据集；步骤S2：构建基于时空图卷积的序列质量评估网络，用于解决生成质量欠佳的骨架运动序列会对后续步骤产生负面影响的问题；步骤S3：构建基于多层次骨架分割算法的骨架动作识别网络；步骤S4：整合步骤S1、步骤S2、步骤S3构建的所有网络模型并使用；使用步骤S1的骨架序列生成网络生成骨架运动序列，使用步骤S2的骨架序列质量评估网络过滤步骤S1生成的质量较差的数据，优化数据集，使用步骤S3的骨架动作识别网络基于上述步骤构建的数据集进行骨架动作识别；本发明可用于小样本条件下的骨架动作识别。
-
公开(公告)号：CN112651360B
公开(公告)日：2023-04-07
申请号：CN202011616955.1
申请日：2020-12-31
Applicant: 福州大学
IPC: G06V40/20 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种小样本下骨架动作识别方法，包括以下步骤；步骤S1：构建序列到序列生成网络对骨架运动序列进行生成、构建增强数据集；步骤S2：构建基于时空图卷积的序列质量评估网络，用于解决生成质量欠佳的骨架运动序列会对后续步骤产生负面影响的问题；步骤S3：构建基于多层次骨架分割算法的骨架动作识别网络；步骤S4：整合步骤S1、步骤S2、步骤S3构建的所有网络模型并使用；使用步骤S1的骨架序列生成网络生成骨架运动序列，使用步骤S2的骨架序列质量评估网络过滤步骤S1生成的质量较差的数据，优化数据集，使用步骤S3的骨架动作识别网络基于上述步骤构建的数据集进行骨架动作识别；本发明可用于小样本条件下的骨架动作识别。
-
公开(公告)号：CN112200184A
公开(公告)日：2021-01-08
申请号：CN202011076021.3
申请日：2020-10-10
Applicant: 福州大学
Abstract: 本发明涉及一种自然场景下的书法区域检测及作者识别方法，包括以下步骤：步骤S1:采集书法图片，构建书法区域检测与作者信息数据集；步骤S2:对书法区域检测与作者信息数据集进行预处理；步骤S3:基于CornerNet网络结构，构建书法区域检测及作者识别网络，并根据预处理后的数据集进行训练；步骤S4:将待识别的图片送入训练好的书法区域检测及作者识别网络，获取图片中包含书法作品的区域并识别书法作者。本发明能够高效便捷的检测自然场景下的图片包含的书法区域及作者信息。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
