一种基于深度学习的虚拟电梯交互系统及方法

    公开(公告)号:CN109934105B

    公开(公告)日:2022-12-16

    申请号:CN201910090249.9

    申请日:2019-01-30

    Abstract: 本发明公开了一种基于深度学习的虚拟电梯交互系统和方法,所述系统包括:一投影仪,安装于支架上方且与电脑电气连接,用于向投影板投影出交互画面;一摄像头,安装在支架的上方且与所述电脑电气连接,用于采集投影在所述投影板上的交互画面;一支架,用于安装所述投影仪、摄像头和投影板;一投影板,安装在所述支架中,用于显示所述投影仪所投影的交互画面;一电脑,用于根据所述摄像头采集的交互信息做出相应的交互动作并通过所述投影仪将交互结果投影显示在所述投影板上。本发明利用深度学习的方法对触摸键盘的指尖位置进行检测,采用YOLOv3神经网络检测得到指尖位置后,通过判断其是否处在按键区域中,控制系统做出相应的交互动作。

    一种基于循环网络分类模型的直流齿轮减速电机品检方法

    公开(公告)号:CN109975702A

    公开(公告)日:2019-07-05

    申请号:CN201910220117.3

    申请日:2019-03-22

    Inventor: 谢巍 李鸿斌

    Abstract: 本发明公开了一种基于循环网络分类模型的直流齿轮减速电机品检方法,包括以下步骤:1)记录待测减速电机的三秒振动信号,将所述三秒振动信号分割成三份一秒电机振动信号后转为数字电压信号输入PC机;2)所述PC机获取所述振动信号,经过预处理获得所述振动信号对应的二维时频矩阵数据;3)将所述三秒的二维时频矩阵数据输入到训练好的循环网络分类模型中识别待测减速电机的优劣分类信息。本发明解决了目前在该领域广泛使用的人工检测法所带来的巨大劳动成本和疲惫检测等问题,在保证精确率的同时,提高对微型直流齿轮减速电机的品质鉴定的效率。

    一种人脸融合特征提取方法及系统

    公开(公告)号:CN110991258B

    公开(公告)日:2023-05-23

    申请号:CN201911095232.9

    申请日:2019-11-11

    Abstract: 本发明公开了一种人脸融合特征提取方法及系统,该方法包括下述步骤:采集人脸图像样本数据,进行图像预处理,构建人脸图像数据库;提取人脸图像数据库中的人脸图像中主动形状模型全局特征和局部二元模式局部特征的人脸融合特征;确定主动形状模型的关键点位置,提取主动形状模型的全局特征;通过关键点位置划分子区域,提取局部二元模式的局部特征;根据主动形状模型的全局特征与局部二元模式的局部特征,进行标准化后进行串联融合,生成最终的人脸融合特征数据。本发明采用主动形状模型全局特征描述人脸图像整体差异,采用局部二元模式局部特征描述细节差异,通过融合两组特征提高最终融合特征的区分度和稳定性,提高人脸识别的准确率。

    一种基于肤色提取和卷积神经网络的虚拟交互系统及方法

    公开(公告)号:CN109814711B

    公开(公告)日:2021-09-21

    申请号:CN201910003074.3

    申请日:2019-01-03

    Abstract: 本发明公开了一种基于肤色提取和卷积神经网络的虚拟交互系统和方法,所述系统包括投影仪、近红外激光、带近红外滤光片的摄像头、普通摄像头和电脑。所述方法包括步骤:打开近红外激光形成近红外激光面,投影仪将交互界面投向近红外激光面;采集用户做出双手动作时刻的画面和作用物触及近红外激光面时的画面;通过图像处理获取作用物触及点位置信息,利用肤色在Ycbcr颜色空间中的分布特性构建高斯模型从做出双手动作时刻的画面中提取肤色区域;通过基于卷积神经网络的人手分类器在潜在区域中实现对双手位置的确定;通过双手距离与作用物初始速度的线性关系获得作用物的初始速度。本发明提高了定位的准确性和识别精度,提高用户真实感官体验。

    一种基于循环网络分类模型的直流齿轮减速电机品检方法

    公开(公告)号:CN109975702B

    公开(公告)日:2021-08-10

    申请号:CN201910220117.3

    申请日:2019-03-22

    Inventor: 谢巍 李鸿斌

    Abstract: 本发明公开了一种基于循环网络分类模型的直流齿轮减速电机品检方法,包括以下步骤:1)记录待测减速电机的三秒振动信号,将所述三秒振动信号分割成三份一秒电机振动信号后转为数字电压信号输入PC机;2)所述PC机获取所述振动信号,经过预处理获得所述振动信号对应的二维时频矩阵数据;3)将所述三秒的二维时频矩阵数据输入到训练好的循环网络分类模型中识别待测减速电机的优劣分类信息。本发明解决了目前在该领域广泛使用的人工检测法所带来的巨大劳动成本和疲惫检测等问题,在保证精确率的同时,提高对微型直流齿轮减速电机的品质鉴定的效率。

    一种基于深度学习的虚拟电梯交互系统及方法

    公开(公告)号:CN109934105A

    公开(公告)日:2019-06-25

    申请号:CN201910090249.9

    申请日:2019-01-30

    Abstract: 本发明公开了一种基于深度学习的虚拟电梯交互系统和方法,所述系统包括:一投影仪,安装于支架上方且与电脑电气连接,用于向投影板投影出交互画面;一摄像头,安装在支架的上方且与所述电脑电气连接,用于采集投影在所述投影板上的交互画面;一支架,用于安装所述投影仪、摄像头和投影板;一投影板,安装在所述支架中,用于显示所述投影仪所投影的交互画面;一电脑,用于根据所述摄像头采集的交互信息做出相应的交互动作并通过所述投影仪将交互结果投影显示在所述投影板上。本发明利用深度学习的方法对触摸键盘的指尖位置进行检测,采用YOLOv3神经网络检测得到指尖位置后,通过判断其是否处在按键区域中,控制系统做出相应的交互动作。

    一种基于YOLOv3的视觉投影交互方法

    公开(公告)号:CN109683719A

    公开(公告)日:2019-04-26

    申请号:CN201910090253.5

    申请日:2019-01-30

    Abstract: 本发明公开了一种基于YOLOv3的视觉投影交互方法,系统硬件包括PC、摄像头、近红外激光、近红外滤光片和投影仪,本发明的交互场景是弓箭射击虚拟交互场景,核心目标是获取弓箭的离弦速度和弓箭的击中位置,包括步骤,首先系统利用近红外激光构建一个近红外光面,当弓箭触及该光面时将产生高亮光斑,之后通过二值化、膨胀、腐蚀等图像处理算法来实现对射击位置的检测;其次,利用YOLOv3神经网络算法实现对双手位置的检测,进而确定双手距离;最后通过双手距离与弓箭离弦速度的线性关系获得弓箭的离弦速度。本发明使用YOLOv3神经网络模型进行双手位置的检测,相对于传统的手势追踪,本发明在准确度和速度方面拥有明显的优势。

    基于卷积网络深度模型的齿轮减速电机品检装置及方法

    公开(公告)号:CN109782167B

    公开(公告)日:2024-05-10

    申请号:CN201811633174.6

    申请日:2018-12-29

    Abstract: 本发明公开了一种基于卷积网络深度模型的齿轮减速电机品检装置及方法,所述装置包括:直流稳压电源,用于为给待检测微型直流齿轮减速电机供电;恒流适配器,用于为加速度传感器供电,以及将加速度传感器采集的电机振动信号放大后输送至数据采集器;数据采集器,用于将放大后的电机振动信号生成数字信号输送中PC机;加速度传感器,用于采集待检测微型直流齿轮减速电机空转情况下的电机振动信号;PC机,用于根据所述数字信号判断待检测微型直流齿轮减速电机的优劣。本发明解决了目前在电机品检领域广泛使用的人工检测法所带来的巨大劳动成本和疲惫检测等问题,在保证精确率的同时,提高对微型直流齿轮减速电机的品质鉴定的效率。

    基于经验模态分解和倍频程谱分析的减速电机品检方法

    公开(公告)号:CN109917287B

    公开(公告)日:2021-06-08

    申请号:CN201910214209.0

    申请日:2019-03-20

    Inventor: 谢巍 李鸿斌

    Abstract: 本发明公开了一种基于经验模态分解和倍频程谱分析的减速电机品检方法,包括步骤:1)通过硬件设备提取待测减速电机振动信号,转为数字电压信号传入PC机中;2)PC机获取电机的振动信号,通过EMD分析和CPB谱分析转化为六维数据特征;3)输入所述六维数据特征,通过选择对应电机型号训练完毕的OCSVM分类模型,识别得到最终电机优劣的分类信息。本发明通过使用EMD和CPB获得的振动信号特征并用一类支持向量机来判断该信号的来源电机的品质是否合格,解决了目前在该领域广泛使用的人工检测法所带来的巨大劳动成本和疲惫检测等问题,在保证精确率的同时,提高对减速电机品质鉴定的效率。

    一种基于肤色提取和卷积神经网络的虚拟交互系统及方法

    公开(公告)号:CN109814711A

    公开(公告)日:2019-05-28

    申请号:CN201910003074.3

    申请日:2019-01-03

    Abstract: 本发明公开了一种基于肤色提取和卷积神经网络的虚拟交互系统和方法,所述系统包括投影仪、近红外激光、带近红外滤光片的摄像头、普通摄像头和电脑。所述方法包括步骤:打开近红外激光形成近红外激光面,投影仪将交互界面投向近红外激光面;采集用户做出双手动作时刻的画面和作用物触及近红外激光面时的画面;通过图像处理获取作用物触及点位置信息,利用肤色在Ycbcr颜色空间中的分布特性构建高斯模型从做出双手动作时刻的画面中提取肤色区域;通过基于卷积神经网络的人手分类器在潜在区域中实现对双手位置的确定;通过双手距离与作用物初始速度的线性关系获得作用物的初始速度。本发明提高了定位的准确性和识别精度,提高用户真实感官体验。

Patent Agency Ranking