-
公开(公告)号：CN111461112B
公开(公告)日：2023-02-14
申请号：CN202010138872.X
申请日：2020-03-03
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于双循环转录网络的车牌字符识别方法，用于对车牌图像中样本失衡的汉字字符、英文字符、数字字符进行识别，包括以下步骤：首先通过卷积神经网络提取车牌图像特征，然后在双循环转录网络内搭建两个并行排列的Bi‑LSTM，两个并行排列的Bi‑LSTM分别对汉字字符和英文字符、数字字符进行特征计算，得到车牌字符置信度估计序列，最后通过转录层对车牌字符置信度估计序列进行映射，得到预测标签。该发明成功解决了在车牌字符识别中训练样本失衡问题，提升了车牌字符识别方法的准确率。另外，通过在实际场景应用该车牌字符识别方法，验证本发明的有效性。
-
公开(公告)号：CN111461111A
公开(公告)日：2020-07-28
申请号：CN202010138866.4
申请日：2020-03-03
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于随机森林的多帧车牌识别优化方法，该多帧车牌识别优化方法利用连续多帧车牌图像进行车牌识别，同时利用连续多帧车牌识别结果中各位字符的统计信息来优化车牌识别。本发明可用于智能交通系统、电子警察、高速公路收费卡口等实际场景，解决了现有技术中利用固定相机识别车牌容易受到光照不均匀、雾霾、车速等因素的影响导致无法只在单帧车牌图像识别上获得高识别率的问题。
-
公开(公告)号：CN111354007B
公开(公告)日：2023-05-23
申请号：CN202010132864.4
申请日：2020-02-29
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于纯机器视觉定位的投影交互方法，包括以下步骤：S1、对视觉传感器采集的源图像进行灰度化处理，定位出图像中投影区域的边界和四个顶点；S2、建立起由源图像坐标系至投影场景坐标系的坐标映射关系，求解坐标变换矩阵H；S3、基于深度学习中的目标检测算法检测源图像中的交互载体在投影平面上的触点位置；S4、通过步骤S2建立好的坐标变换关系将触点映射至投影场景坐标系下，完成人机交互。针对目前基于红外定位的投影交互方案依赖红外设备的弊端，本发明采用基于直线检测的方法定位出投影平面，采用纯视觉方式定位实现触点检测，通过坐标映射关系，将交互载体坐标映射至投影场景坐标系中，实现精准的交互。
-
公开(公告)号：CN111461113A
公开(公告)日：2020-07-28
申请号：CN202010138881.9
申请日：2020-03-03
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于变形平面物体检测网络的大角度车牌检测方法，解决现有车牌检测方法在识别大角度车牌时准确率下降的技术问题。本发明提出的变形平面物体检测网络直接检测车牌的四个角点坐标，然后对车牌图片进行仿射变换，把倾斜的车牌矫正为正角度车牌，最后对矫正后的正角度车牌进行字符识别。本发明提出的变形平面物体检测网络由YOLO方法和STN方法改进而成，同时具备车牌矫正和运行速度快的特性，可以大幅度降低车牌字符识别的难度，有效提高车牌识别在各种非限制场景下的准确率。另外，通过在实际场景应用该车牌检测方法，验证本发明的有效性。
-
公开(公告)号：CN109903373A
公开(公告)日：2019-06-18
申请号：CN201910121232.5
申请日：2019-02-19
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于多尺度残差网络的高质量人脸生成方法，过程如下：数据集设计步骤，整合当前主流的人脸数据集，通过软件生成低质量人脸与高质量人脸的数据对；模型设计与训练步骤，对多尺度残差网络的设计以及利用数据对进行模型训练，进而获得网络模型权重；模型预测步骤，针对现实所获取的人脸图像，进行模型处理后，得到预测结果。本发明将深度学习网络技术应用到高质量人脸的生成任务，用来生成具有高分辨、低模糊程度、低噪声的彩色人脸图像；用深度学习网络的方法，能够减少人工绘制的时间与成本，为后续人脸的特征提取与识别打下坚实基础。
-
Patent Agency Ranking
公开(公告)号：CN110119692B
公开(公告)日：2021-01-19
申请号：CN201910319432.1
申请日：2019-04-19
Applicant: 华南理工大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于双摄像头的平面人像检测方法，该方法是一种基于普通视频人像检测设备的改进方案，目的在于防止有人通过平面的人像完成人脸检测。增加的摄像头视角的放置位置应该与原有摄像头的拍摄主视角相互垂直，在识别人像的过程中，两台摄像头需要同时工作，以便检测到目标对象的侧面状态。其原理在于由于两台摄像头的检测的视角呈垂直状态，被检测的对象的侧面必能被增加的摄像头捕捉到，且两台摄像头的检测时间同步，所以得到的就是实时状态下的被检测对象的正面和侧面图像。通过被检测对象的侧面图像，通过检测人形轮廓和人脸面前是否有细窄矩形物体，就能够利用侧面图像中是否有人存在，以及是否在人脸前面存在遮挡物进行判断。
-
公开(公告)号：CN111461111B
公开(公告)日：2024-01-05
申请号：CN202010138866.4
申请日：2020-03-03
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于随机森林的多帧车牌识别优化方法，该多帧车牌识别优化方法利用连续多帧车牌图像进行车牌识别，同时利用连续多帧车牌识别结果中各位字符的统计信息来优化车牌识别。本发明可用于智能交通系统、电子警察、高速公路收费卡口等实际场景，解决了现有技术中利用固定相机识别车牌容易受到光照不均匀、雾霾、车速等因素的影响导致无法只在单帧车牌图像识别上获得高识别率的问题。
-
公开(公告)号：CN111290582A
公开(公告)日：2020-06-16
申请号：CN202010134990.3
申请日：2020-02-29
Applicant: 华南理工大学
IPC: G06F3/01
Abstract: 本发明公开了一种基于改进型直线检测的投影交互区域定位方法，包括以下步骤：S1、图像采集，对图像进行灰度化处理，按不同权重对RGB三分量进行加权平均得到灰度图像；S2、利用高核拉普拉斯滤波对灰度化图像后进行卷积操作；S3、基于直方图的二值化，采用滑窗法，利用窗体内的直方图特征对每个像素进行去噪筛选；S4、使用霍夫直线检测算法对去噪后图像检测，并利用投影区域的特点筛选出四条边界线，由得到的四条边界线，实现投影区域定位。
-
公开(公告)号：CN109934116A
公开(公告)日：2019-06-25
申请号：CN201910121233.X
申请日：2019-02-19
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于生成对抗机制与注意力机制的标准人脸生成方法，包括：数据集设计步骤，依据数据库相关标注数据，为一张人脸图像构建出具有多种非限制因素的人脸编码，以编码和人脸图像作为模型的输入；模型设计与训练步骤，利用生成对抗机制与注意力机制设计相应的网络结构，并利用所构建的数据对进行模型训练，进而获得网络模型权重；模型预测步骤，将获取的人脸图像通过模型进行预测。本发明将深度学习网络技术应用到标准人脸生成，用来生成彩色的、正向的、以及正常光照下的标准人脸图像；用深度学习网络的方法，能够获得准确的标准正脸照，减少与单样本数据库中数据的匹配难度，为后续人脸的特征提取与单样本人脸识别打下坚实基础。
-
公开(公告)号：CN111461113B
公开(公告)日：2023-02-14
申请号：CN202010138881.9
申请日：2020-03-03
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于变形平面物体检测网络的大角度车牌检测方法，解决现有车牌检测方法在识别大角度车牌时准确率下降的技术问题。本发明提出的变形平面物体检测网络直接检测车牌的四个角点坐标，然后对车牌图片进行仿射变换，把倾斜的车牌矫正为正角度车牌，最后对矫正后的正角度车牌进行字符识别。本发明提出的变形平面物体检测网络由YOLO方法和STN方法改进而成，同时具备车牌矫正和运行速度快的特性，可以大幅度降低车牌字符识别的难度，有效提高车牌识别在各种非限制场景下的准确率。另外，通过在实际场景应用该车牌检测方法，验证本发明的有效性。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.018 seconds)
