-
公开(公告)号:CN113947108B
公开(公告)日:2024-07-02
申请号:CN202111201325.2
申请日:2021-10-15
Applicant: 福州大学
IPC: G06V40/20 , G06V10/25 , G06V10/75 , G06V10/762 , G06V10/82 , G06N3/045 , G06N3/0499 , G06N3/0464 , G06N3/08 , G06T7/246 , G06T7/277
Abstract: 本发明涉及一种基于YOLO V5的球员追踪检测方法。利用K‑means聚类方法对目标框的参数进行确定及对数据增强的数据集进行训练,利用YOLO V5和DeepSort算法,并且将prediction heads集成到YOLO V5中,在高密度场景中准确定位和追踪目标,并用无人机在球场上空进行场景实时捕获。本发明能做到较高的模型精度,能对目标物和重叠遮挡目标进行准确度高的识别,能够记录一整场比赛中运动员的运动轨迹和细节,帮助我们更好的对运动员和其所在球队进行数据分析,比如运动员在什么区域得分较多,球员喜欢在什么位置持球等等,帮助教练和运动员赛后更好复盘,对运动员进行有针对性的指导和训练和对对手球队球员进行针对性的防守部署;对于用户,有助于用户快速找到感兴趣的体育视频节目或片段。
-
公开(公告)号:CN118482652A
公开(公告)日:2024-08-13
申请号:CN202410579577.6
申请日:2024-05-11
Applicant: 福州大学
IPC: G01B11/14 , G06N3/0464 , G06N3/08 , G06T7/13 , G06T7/62
Abstract: 本发明涉及一种基于计算机视觉的钢筋间距测量辅助验收方法。首先采用YOLO‑Pose算法提取出钢筋图片的交点信息;接着,获得交点信息后,使用图像透视变换算法将拍摄角度倾斜的图片进行校正;然后,通过直线检测与拟合方法获得钢筋像素直径,再由标靶法得到图像的像素标定值;最后,采用欧氏距离公式计算出钢筋图像的像素距离,根据像素距离采用标靶法换算成实际距离,从而判断钢筋的安装间距是否规范。通过计算机视觉技术的应用,该方法相较传统人工测量方法,能够更加快速准确地完成钢筋间距的测量和验收工作,提高了建筑工程的施工效率和安全性。
-
公开(公告)号:CN113989719B
公开(公告)日:2024-08-06
申请号:CN202111277965.1
申请日:2021-10-30
Applicant: 福州大学
IPC: G06V20/40 , G06V20/52 , G06V40/10 , G06V10/22 , G06V10/25 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/048 , G06N3/084 , G06Q50/08 , G06Q50/26
Abstract: 本发明涉及一种工地盗窃监测方法及系统,该方法包括以下步骤:S1、从监控摄像头对监控区域的监控视频中获取场景图像,通过深度学习目标检测算法框架YOLO V3检测图像中的目标监控材料,并用矩形框进行标识和输出;S2、通过实时多人姿态估计算法模型OpenPose检测并输出图像中所有个体的身体骨架姿态;S3、整合两种算法模型,利用KDTree算法计算出人体的手掌关键点坐标到所有矩形框的最短欧氏距离;S4、利用最短欧氏距离与对应矩形框较短的边相除实现归一化,若其值小于预设的阈值T,则判定工地材料可能遭受盗窃。该方法及系统有利于实时、准确地对工地内重要材料进行安全监控,以保护其不被盗取。
-
公开(公告)号:CN118314330A
公开(公告)日:2024-07-09
申请号:CN202410579568.7
申请日:2024-05-11
Applicant: 福州大学
IPC: G06V10/25 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本发明涉及一种基于计算机视觉的钢筋绑扎识别的方法。首先,通过边缘检测和直线检测算法获取钢筋图像中钢筋的位置信息和交点坐标;然后,对钢筋交点区域图像进行裁剪作为数据集,利用轻量级图像分类网络对裁剪后的钢筋交点图像进行分类,识别结果为“已绑扎”与“未绑扎”,最后根据识别结果在钢筋图像中进行定位与标记。本发明方法能够有效地识别钢筋绑扎情况并确定绑扎结果的定位;相较于传统的人工检查方法,本发明能够自动化地完成钢筋绑扎状态的识别和结果的定位,大幅降低了人力成本和时间消耗,同时提高了检测的准确性和可靠性。
-
公开(公告)号:CN114170573A
公开(公告)日:2022-03-11
申请号:CN202111545932.0
申请日:2021-12-17
Applicant: 福州大学
IPC: G06V20/52 , G06V20/10 , G06V10/762 , G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于YOLO v5的校园图书馆的占座检测方法。摄像头以及YOLO V5目标检测算法实时监测图书馆的座位空置情况,比如座位上有人就会判定此座位上有人,如果此座位上没检测到人,需要判断此时是否是恶意占座行为,桌上的灯会亮为红色,若检测到座位上有书但没有人,即认定为占座行为,此时开始计时,若占座时间大于30分钟,则认为此时是恶意占座,桌上的灯就会变成绿色,表示没座位的同学可坐下,这个座位上的上个人离开过久或其他同学一个人占用多个位置。需要做的就是第一步检测座位上是否有人,无人的话再检测桌子上是否有书或者包之类的较大占座物品,再计算占座物品的放置时间。超过30分钟这则认定为是恶意占座行为,其他同学可放心坐下。
-
公开(公告)号:CN113963444A
公开(公告)日:2022-01-21
申请号:CN202111318527.5
申请日:2021-11-09
Applicant: 福州大学
Abstract: 本发明涉及一种用于排球技术动作的规范纠正方法。首先,录制练习者的击球视频,提取练习者与标准动作视频的关键帧或图片,采用OpenPose算法对练习者动作和标准动作进行识别,识别出人体姿态关键点;然后,通过计算人体特定关节间夹角的角度值,通过比对练习者动作和标准动作的差别,从而根据分析结果对练习者动作进行纠正。利用本发明方法,排球练习者不仅能够防止由于动作错误而引发的损伤,而且能够更加科学的提高自己的排球技术水平,从而打下坚实的排球技术基础。
-
公开(公告)号:CN113963444B
公开(公告)日:2025-01-14
申请号:CN202111318527.5
申请日:2021-11-09
Applicant: 福州大学
IPC: G06V40/20 , G06V10/774 , G06V10/74 , G06V10/82 , G06N3/0464 , A63B69/00 , A63B71/06
Abstract: 本发明涉及一种用于排球技术动作的规范纠正方法。首先,录制练习者的击球视频,提取练习者与标准动作视频的关键帧或图片,采用OpenPose算法对练习者动作和标准动作进行识别,识别出人体姿态关键点;然后,通过计算人体特定关节间夹角的角度值,通过比对练习者动作和标准动作的差别,从而根据分析结果对练习者动作进行纠正。利用本发明方法,排球练习者不仅能够防止由于动作错误而引发的损伤,而且能够更加科学的提高自己的排球技术水平,从而打下坚实的排球技术基础。
-
公开(公告)号:CN114723737B
公开(公告)日:2024-06-07
申请号:CN202210484761.3
申请日:2022-05-06
Applicant: 福州大学
IPC: G06T7/00 , G06T5/30 , G06N3/0464 , G06N3/08 , G06T5/60
Abstract: 本发明涉及一种基于计算机视觉的工地脚手架间距检测方法。首先,采用DeepFlux骨架提取算法来提取出脚手架图像的骨架信息;其次,获得脚手架骨架图像后,根据脚手架特殊的物理结构,采用一种交点检测方法计算脚手架的交点;最后,根据得到的交点,采用欧式距离计算出脚手架图像的参数信息,根据图像数据采用标靶法换算成实际数据,从而来判断脚手架的安装间距是否规范。相较传统落后的人工测量脚手架方法,利用本发明方法,可以更加安全便捷的对脚手架杆间数据进行测量,不仅能够避免传统人工检测的效率低、危险度高的风险,还能够快速的检测出脚手架的安全隐患,极大程度的降低脚手架坍塌事故的发生。
-
公开(公告)号:CN113989707B
公开(公告)日:2024-05-31
申请号:CN202111251971.X
申请日:2021-10-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于OpenPose和OpenCV的公共场所排队异常行为检测方法。该方法,首先通过摄像头获取公共场所排队视频,间隔5‑20秒随机提取图像以获取数据;其次用OpenPose提取人体骨架序列,采用OpenCV测量人体骨架关键点距离数据检测是否出现异常排队行为;最后根据检测结果在公共场所处的显示器上显示排队状态并及时发出警报,引导排队人员规范排队状态。本发明以数字图像处理的方法检测是否出现异常排队行为并引导人员规范排队,有效保障排队人员的隐私安全与财产安全,也更加有效的维护了公共场所的秩序。
-
公开(公告)号:CN115222788A
公开(公告)日:2022-10-21
申请号:CN202210433623.2
申请日:2022-04-24
Applicant: 福州大学
Abstract: 本发明提供了一种基于深度估计模型的钢筋距离检测方法,包括采用单目深度估计的AdaBins深度估计方法,对深度图进行二值化的FCM算法,包括以下步骤:步骤S1:根据单目深度估计算法AdaBins获得对应的深度图;步骤S2:对深度图进行简单地归一化调整获得对应灰度图,利用FCM算法对灰度图进行二值处理获得相应的二值化模板;步骤S3:利用得到的二值模板与原图进行Hadamard乘积从而只保留原图中最上层钢筋对应的像素点;步骤S4:将只含有最上层钢筋的预处理图像送入改进YOLO X模型中,获得每根钢筋的中心点坐标。应用本技术方案可实现对深度图进行二值化的FCM(Fuzzy C‑means Cluster)算法,提出了一种改进YOLO X的目标检测算法建立施工过程中绑扎钢筋间距的实时检测系统。
-
-
-
-
-
-
-
-
-