一种基于视频的人体危险行为分析方法

    公开(公告)号:CN116259002A

    公开(公告)日:2023-06-13

    申请号:CN202211738972.1

    申请日:2022-12-30

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于视频的人体危险行为分析方法,包括:读取视频流信息;利用改进的YOLOv5从中提取行人目标以及与危险行为有关的目标物体;以提取到的目标人员区域作为人体姿态检测的输入,利用AlphaPose提取出行人的骨架姿态;结合人员骨架姿态与目标小物体位置信息,判断视频中人员是否在与目标物体进行互动、以及是否存在设定的危险行为;使用ST‑GCN对目标人员行为进行判断,并结合空间信息确定人员是否出现跌倒行为或者闯入禁区;根据骨架信息提取出目标人员的肢体末端部位,结合色彩分析判断其是否存在工装穿戴不规范的行为;将判断得出的危险行为信息传输到前端进行显示以及警报。与现有技术相比,本发明能够高精度低延迟地进行多种危险行为的识别及预警。

    一种基于改进穿线法的数字仪表读数识别方法

    公开(公告)号:CN116246277A

    公开(公告)日:2023-06-09

    申请号:CN202310094025.1

    申请日:2023-02-06

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于改进穿线法的数字仪表读数识别方法,其特征在于,包括以下步骤:获取数字仪表图像;对数字仪表图像进行预处理;图像矫正:基于轮廓和多边形拟合,并借鉴Ransac算法提取预处理后数字仪表图像的有效样本,分别定位到数字仪表数字区域的上下边界与左右边界,并利用透视变换矫正包含数字的四边形区域,使得数码管笔画横平竖直;数字识别:利用垂直投影的方法,将矫正后的图像分割为单一字符,并利用改进穿线法完成对每一字符的识别,得到数字仪表的示数值。与现有技术相比,本发明具有识别精确、稳定性好等优点。

    基于颜色和深度信息融合的物体六自由度位姿估计方法

    公开(公告)号:CN111179324B

    公开(公告)日:2023-05-05

    申请号:CN201911399009.3

    申请日:2019-12-30

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于颜色和深度信息融合的物体六自由度位姿估计方法,包括以下步骤:获取目标物体的彩色图像和深度图像,对彩色图像进行实例分割;从彩色图像中裁剪出包含目标物体的彩色图像块,同时从深度图像中得到目标物体点云;从彩色图像块中提取彩色特征,在像素层面结合到目标物体点云上;对目标物体点云进行点云处理,得到若干个融合彩色信息和深度信息的点云局部区域特征和一个全局特征,并将全局特征结合到点云局部区域特征中;每个局部特征预测一个目标物体的位姿和置信度,以置信度最高对应的位姿作为最终估计结果。与现有技术相比,本发明结合彩色信息和深度信息,并且通过结合局部特征和全局特征的方式预测物体位姿,具有鲁棒性强、准确度高等优点。

    一种结合多级优化模型的机器人高性能轨迹自动生成方法

    公开(公告)号:CN113435025B

    公开(公告)日:2023-04-07

    申请号:CN202110690035.2

    申请日:2021-06-22

    Applicant: 同济大学

    Abstract: 本发明涉及一种结合多级优化模型的机器人高性能轨迹自动生成方法,该方法包括:S1、确定轨迹关键点坐标、以及相邻两个轨迹关键点之间的轨迹曲线模型;S2、搭建性能指标库,构建多级优化模型;S3、获取性能指标的权重因子,确定优化目标函数;S4、基于优化目标函数,采用改进的遗传粒子群混合优化算法对各段轨迹的运动时间进行优化;S5、基于轨迹曲线模型和各段轨迹的运动时间确定轨迹曲线模型参数,获取各段轨迹曲线。与现有技术相比,本发明轨迹生成方法可满足用户自定义性能需求,保证轨迹的绝对平滑连续。

    一种基于人体骨骼检测和跟踪算法的行为识别方法

    公开(公告)号:CN112966563B

    公开(公告)日:2022-09-20

    申请号:CN202110153661.8

    申请日:2021-02-04

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于人体骨骼检测和跟踪算法的行为识别方法,包括:S1、利用基于深度卷积神经网络的目标检测算法对输入图像中的手机和人物进行识别和定位;S2、利用基于卡尔曼滤波和匈牙利算法的多目标跟踪算法,融合前后图像帧的时空信息,对目标人物进行跟踪;S3、利用基于部件亲和度算法的轻量人体姿态估计算法检测图像中每个人的关节点坐标;S4、计算每个人的手腕与每部手机的中心距离,若距离小于阈值,计算对应手肘的弯曲角度;S5、若距离和角度均小于阈值,则增加当前人物的可疑指数,若可疑指数超过一定阈值,则认为当前人物正在玩手机;若超过一定帧数均未更新,则删除该目标。本发明具有运行速度快、行为识别准确、应用方便等优点。

    一种基于RoboCup标准平台组的球位置预测方法

    公开(公告)号:CN110666811B

    公开(公告)日:2022-08-05

    申请号:CN201910917335.2

    申请日:2019-09-26

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于RoboCup标准平台组的球位置预测方法,包括:S1:建立场地坐标系,将场地分为若干相同的方格,为每个方格赋予时间轴和评价值,将每个方格的时间轴和评价值初始化;S2:所述时间轴和评价值实时更新为当前时间,当方格在己方机器人视野之内或其上方有己方机器人时,初始化该方格的时间轴,若同时己方机器人发现该方格上有球,则进一步将该方格的评价值初始化;S3:根据当前球观测状态以及所有方格的评价值和时间轴预测当前球预测位置坐标,S4:己方机器人前往该坐标找球,若未找到球则重复步骤S2,否则结束。与现有技术相比,本发明具有准确性好、鲁棒性强和效率高等优点。

    一种基于在线学习的仿人机器人上半身姿态控制方法

    公开(公告)号:CN114371613A

    公开(公告)日:2022-04-19

    申请号:CN202111617507.8

    申请日:2021-12-27

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于在线学习的仿人机器人上半身姿态控制方法,包括以下步骤:构建以逻辑斯蒂回归模型为基础的髋关节补偿模型,以采集的历史数据离线训练所述髋关节补偿模型的模型参数;在每个步态周期中,基于当前的髋关节补偿模型获得髋关节补偿值进行仿人机器人上半身姿态控制,在每个步态周期结束时对所述模型参数进行在线周期性更新;采集的所述历史数据为采用PID控制的仿人机器人在不同PID参数下的运行数据。与现有技术相比,本发明具有鲁棒性强、能够使机器人行走更稳定等优点。

    一种基于曲线配准的示教轨迹学习方法

    公开(公告)号:CN114227688A

    公开(公告)日:2022-03-25

    申请号:CN202111638864.2

    申请日:2021-12-29

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于曲线配准的示教轨迹学习方法,包括以下步骤:S1、通过动觉示教获取原始示教轨迹;S2、对动觉示教所记录的原始示教轨迹进行曲线配准;S3、经过曲线配准,将原始示教轨迹分解为时域特征和空域特征,由原始示教轨迹的空域特征构成规整示教轨迹;S4、使用规整示教轨迹作为示教学习算法的输入;S5、使用习得的模型对示教轨迹进行重现。与现有技术相比,本发明明确指出示教轨迹所具有的时‑空耦合数据特性,并使用曲线配准方法替代现有的示教轨迹规整方法,使得后续的示教学习算法能够从规整的示教轨迹中进行学习,提升了一类示教轨迹学习方法的性能。

    基于自动划分域的人群计数模型训练方法及应用

    公开(公告)号:CN111274973B

    公开(公告)日:2022-02-18

    申请号:CN202010070745.0

    申请日:2020-01-21

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于自动划分域的人群计数模型训练方法及应用,所述训练方法包括以下步骤:1)建立并训练获得初步训练模型;2)以一测试集对所述初步训练模型进行验证,获取测试集中每一图像对应的识别误差;3)将识别误差大于等于一设定阈值的图像划分为目标域,将识别误差小于所述设定阈值的图像划分为源域;4)在源域和目标域之间加入第二损失函数,基于该第二损失函数及两个域各自的原损失函数优化获得最终模型。与现有技术相比,本发明具有适应性强、提高计数准确性等优点。

    一种基于巡检机器人的机房服务器故障灯检测方法

    公开(公告)号:CN113776783A

    公开(公告)日:2021-12-10

    申请号:CN202110995065.4

    申请日:2021-08-27

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于巡检机器人的机房服务器故障灯检测方法,包括以下步骤:1)通过巡检机器人对待巡检机房进行完整建图;2)上位机和巡检机器人的工控机处于同一局域网下;3)巡检机器人按照规划的巡检路径进行巡检;4)上位机采用基于深度学习的目标检测卷积神经网络及TensorRT深度学习推理优化器实时对待检测服务器的指示灯颜色和位置进行检测;5)工控机接收到当前检测位置检测完成信号后,巡检机器人按照巡检路径自动前往下个检测位置点并更新检测位置的ID号,重新发送确认到达信号给上位机,重复步骤4)最终完成整个待巡检机房内服务器指示灯的巡检任务。与现有技术相比,本发明具有高实时性、高准确率、鲁棒性好、高效率、高安全性等优点。

Patent Agency Ranking