-
公开(公告)号：CN112016489B
公开(公告)日：2022-10-04
申请号：CN202010911071.2
申请日：2020-09-02
Applicant: 重庆邮电大学
IPC: G06V40/10 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种保留全局信息并增强局部特征的行人再识别方法，包括以下步骤：S1：把原始行人图像的尺寸大小变更为384×128×3；S2：通过全局‑分支和局部‑分支分别提取行人的全局特征信息和局部特征信息；S3：融合引导模块把全局特征信息分别和每个局部特征信息融合：S4：将全局‑分支和局部‑分支的全局平均池化后的特征输入三元组损失函数进行度量学习，并将全局‑分支、局部‑分支和融合引导模块三个部分的特征输入交叉熵损失函数进行分类学习；S5：将全局‑分支、局部‑分支和融合引导模块三个部分的特征输入各自已训练的分类器中，输出行人再识别分类结果。本发明能够弱化行人图像中遮挡、图像模糊和行人未对齐的问题。
-
Patent Agency Ranking
公开(公告)号：CN109141714A
公开(公告)日：2019-01-04
申请号：CN201810904325.0
申请日：2018-08-09
Applicant: 重庆邮电大学
CPC classification number: G01L5/00 , A61B5/1038 , A61B2503/04 , A61B2562/0247
Abstract: 本发明涉及一种婴幼儿足底压力数据测量和处理方法，属于数据处理领域，该方法包含如下步骤：S1：通过婴幼儿足底压力数据采集装置对婴儿脚型压力数据进行采集；S2：记录下婴幼儿足底压力数据采集装置所采集到的数据；S3：对所采集到的数据进行数据处理，并根据处理结果绘制婴幼儿脚型压力数据的热力分布图。本发明方法能够准确的测量婴幼儿的足底压力数据，并做出处理可视化的显示出结果。
-
公开(公告)号：CN112016489A
公开(公告)日：2020-12-01
申请号：CN202010911071.2
申请日：2020-09-02
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种保留全局信息并增强局部特征的行人再识别方法，包括以下步骤：S1：把原始行人图像的尺寸大小变更为384×128×3；S2：通过全局-分支和局部-分支分别提取行人的全局特征信息和局部特征信息；S3：融合引导模块把全局特征信息分别和每个局部特征信息融合：S4：将全局-分支和局部-分支的全局平均池化后的特征输入三元组损失函数进行度量学习，并将全局-分支、局部-分支和融合引导模块三个部分的特征输入交叉熵损失函数进行分类学习；S5：将全局-分支、局部-分支和融合引导模块三个部分的特征输入各自已训练的分类器中，输出行人再识别分类结果。本发明能够弱化行人图像中遮挡、图像模糊和行人未对齐的问题。
-
公开(公告)号：CN109199392A
公开(公告)日：2019-01-15
申请号：CN201810903712.2
申请日：2018-08-09
Applicant: 重庆邮电大学
IPC: A61B5/107
Abstract: 本发明涉及一种婴幼儿足底图像数据采集和三维形状建模方法，属于数字图像处理和模式识别领域，该方法包含如下步骤：S1：根据采集装置采集标定图像；S2：利用3D传感摄像头采集幼儿足底RGB图像和深度图像；S3：利用标定图像计算出相机内参；S4：根据相机内参，利用RGB图像和深度图像信息形成点云数据，将像素从二维空间映射到三维空间。与已有的解决方案相比，本发明成本低，数据采集方便快速。本发明能够辅助医生诊断婴幼儿足底畸形，并生成婴幼儿足部三维模型为3D打印定制纠正鞋垫或鞋提供模型基础。
-
公开(公告)号：CN108509938A
公开(公告)日：2018-09-07
申请号：CN201810338982.3
申请日：2018-04-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于视频监控的跌倒检测方法，属于数字图像处理和模式识别领域。该方法包括：人体目标提取阶段：采用三帧差法和高斯混合背景建模相结合来提取视频中的人体目标前景，有效去除图像中的高频噪声、阴影，准确地提取检测目标；跌倒检测阶段：提取的人体目标轮廓的质心、宽高比和Hu矩特征融合，利用支持向量机算法判别跌倒行为和非跌倒行为。本发明通过摄像头采集图像进行检测，相较于通过穿戴设备传感器和物联网信息采集信息做出判断，更加方便，具有非强制性。并且，对图像进行处理和模式识别不仅具有实时性强，准确度高的特点，也不会影响正常的生活。
-
公开(公告)号：CN107122776A
公开(公告)日：2017-09-01
申请号：CN201710243464.9
申请日：2017-04-14
Applicant: 重庆邮电大学
CPC classification number: G06K9/3258 , G06K9/34 , G06K9/4647 , G06K9/4652 , G06K9/6277 , G06N3/084
Abstract: 本发明请求保护一种基于卷积神经网络的交通标志检测与识别方法，属于数字图像处理和机器学习领域。包括步骤：首先，将预处理后的RGB图像转换到HSV颜色空间，通过阈值设定得到感兴趣区域。然后，设计区分交通标志与非交通标志的二分类卷积神经网络，以此来判断感兴趣区域是否为交通标志。得到交通标志的位置后，使用基于卷积神经网络的交通标志识别方法，调整卷积神经网络的层数、特征图数量等参数，通过大量训练样本来学习网络中的参数，进而识别不同位置的交通标志的类别。实验表明，该方法对交通标志的变形、局部遮挡、倾斜等具有较好的适应性，在识别效果和识别效率方面均体现了良好的性能。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
