-
公开(公告)号：CN108549876A
公开(公告)日：2018-09-18
申请号：CN201810357864.7
申请日：2018-04-20
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于目标检测和人体姿态估计的坐姿检测方法，属于图像处理与计算机视觉技术领域。本发明首先提取由特征I和特征II融合形成的融合特征，并将融合后的特征输入CNN中，若融合特征来自于训练集，则用于训练网络参数；若融合特征来自验证集，则用于验证网络参数，并通过反向传播算法传递误差信号，更新梯度，寻找最优值，利用柔性最大激活函数Softmax做分类回归，得到最终的分类结果和分类准确率。本发明解决了现有坐姿检测中在复杂多目标情况下目标丢失的问题，摒弃了传统的依赖可穿戴设备或传感器的方法，采用了基于目标检测和人体姿态估计的方法，使得在背景复杂，人群密集的情况下能够准确定各个任务目标的坐姿。
-
公开(公告)号：CN108564577A
公开(公告)日：2018-09-21
申请号：CN201810324996.X
申请日：2018-04-12
Applicant: 重庆邮电大学
Abstract: 本发明涉及图像处理与计算机视觉技术领域，特别涉及基于密集连接卷积神经网络的太阳能电池片断栅缺陷检测方法，包括：将获取到的多晶硅太阳能电池片断栅缺陷图像分为训练集和测试集；通过水平积分投影提取感兴趣的目标候选区域，通过训练集训练基于密集连接卷积神经网络的二分类分类器；将测试集送入训练好的分类器中进行分类，检测出缺陷区域；根据断栅缺陷的尺度分布特点计算连通域剔除检测出的离散位置，绘制缺陷位置的外接矩形得到检测结果；本发明首次使用了密集连接神经网络的结构训练图像块分类器来实现缺陷检测的目的，能在复杂多样的背景中准确的检测出缺陷图像，并给出缺陷区域的位置，完成对产品质量的自动监控。
-
公开(公告)号：CN107862705B
公开(公告)日：2021-03-30
申请号：CN201711166232.4
申请日：2017-11-21
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于运动特征和深度学习特征的无人机小目标检测方法，属于图像处理与计算机视觉技术领域。首先通过视频稳像算法对输入的视频数据集处理，补偿摄像头运动；分析图像中检测运动候选目标区域；将视频数据集分为两部分，利用训练数据集训练得到改进的候选区域生成网络模型；通过训练得到的基于深度特征的候选区域生成网络，通过该网络对测试集的视频图像生成候选目标；将候选目标区域进行融合；利用训练数据集训练得到基于双通道的深度神经网络的模型，并应用该模型得到识别结果。将基于多层深度特征的目标跟踪方法应用于上一步的识别结果，得到最终的无人机所在位置。本发明可准确检测出视频图像中的无人机，为后续无人机智能监控相关领域的研究提供支持。
-
公开(公告)号：CN107862705A
公开(公告)日：2018-03-30
申请号：CN201711166232.4
申请日：2017-11-21
Applicant: 重庆邮电大学
CPC classification number: G06T7/246 , G06N3/0454 , G06T2207/10016 , G06T2207/20081
Abstract: 本发明涉及一种基于运动特征和深度学习特征的无人机小目标检测方法，属于图像处理与计算机视觉技术领域。首先通过视频稳像算法对输入的视频数据集处理，补偿摄像头运动；分析图像中检测运动候选目标区域；将视频数据集分为两部分，利用训练数据集训练得到改进的候选区域生成网络模型；通过训练得到的基于深度特征的候选区域生成网络，通过该网络对测试集的视频图像生成候选目标；将候选目标区域进行融合；利用训练数据集训练得到基于双通道的深度神经网络的模型，并应用该模型得到识别结果。将基于多层深度特征的目标跟踪方法应用于上一步的识别结果，得到最终的无人机所在位置。本发明可准确检测出视频图像中的无人机，为后续无人机智能监控相关领域的研究提供支持。
-
-
-
Search Results
4
records
(took 0.018 seconds)
