-
公开(公告)号：CN114694127B
公开(公告)日：2025-04-18
申请号：CN202210415288.3
申请日：2022-04-20
Applicant: 南京邮电大学
IPC: G06V20/59 , G06V10/26 , G06V10/32 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于深度图像的驾驶行为识别方法和系统，包括：采集驾驶员的深度图像序列，形成包含驾驶员上半身骨骼点信息的图像训练集；进行深度图像预处理；分析图像位置信息，获取深度图像时间序列并进行归一化处理；分析图像骨骼信息，计算骨骼节点矩阵并进行归一化处理；利用改进的VGG‑16网络处理所得数据，融合深度图像序列和骨骼点信息的训练结果，输出驾驶行为分类结果。本方法和系统采用骨骼追踪融合卷积神经网络与疲劳检测的计算机视觉处理方法，设计了一套轻便低复杂度的边缘系统，满足了真实驾驶环境下易部署、高稳定性的要求，能够高效、准确、及时地检测出驾驶员的违规行为并给予警示，从而减少交通安全事故发生的可能性，为道路安全保驾护航。
-
公开(公告)号：CN116649957A
公开(公告)日：2023-08-29
申请号：CN202310482098.8
申请日：2023-04-29
Applicant: 南京邮电大学
Abstract: 本发明属于机器学习、深度学习、信号处理和模式识别的技术领域，公开了一种基于惯性传感器的马匹步态识别及跛行检测方法。本发明基于深度学习，将BiLSTM引入卷积神经网络，提取特征序列的正向和向后依赖关系，提高了网络的性能，并且有效提升了马匹的步态识别准确率；相较于基于图像的步态识别，基于惯性传感器的步态识别成本低、体积小、功耗低、灵活性高且不受环境因素影响；本发明主要针对马术训练场景，在马术训练中客观、全面、精准掌握马匹的实时步态以及跛行程度，不但可以提高马术训练效果和马匹竞技状态，而且对于马匹的早期运动伤病预防具有很好的控制作用，实用性强。
-
公开(公告)号：CN116958256A
公开(公告)日：2023-10-27
申请号：CN202310890344.3
申请日：2023-07-20
Applicant: 南京邮电大学
Abstract: 本发明涉及机器视觉技术领域，本发明公开了一种基于亚像素精度的多点位结构件位移测量方法及系统包括，获取对待测量结构件进行视频采集后得到的待测量视频帧；从所述待测量视频帧中确定出结构件中待测量的感兴趣区域，并对三个区域的坐标方位与大小进行标注；利用计算机多线程处理机制，对所述视频帧的三个区域同时进行处理步骤，对结构件的多个区域进行亚像素位移计算。本发明方法通过使用插值和曲面拟合的混合算法对预处理后大视场中结构件图像进行亚像素位移检测，并结合计算机多任务处理能力的方案，能够有效的提高测量精度和速度、降低计算量，进一步提升视频采集设备利用率。
-
公开(公告)号：CN114694127A
公开(公告)日：2022-07-01
申请号：CN202210415288.3
申请日：2022-04-20
Applicant: 南京邮电大学
IPC: G06V20/59 , G06V10/26 , G06V10/32 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种基于深度图像的驾驶行为识别方法和系统，包括：采集驾驶员的深度图像序列，形成包含驾驶员上半身骨骼点信息的图像训练集；进行深度图像预处理；分析图像位置信息，获取深度图像时间序列并进行归一化处理；分析图像骨骼信息，计算骨骼节点矩阵并进行归一化处理；利用改进的VGG‑16网络处理所得数据，融合深度图像序列和骨骼点信息的训练结果，输出驾驶行为分类结果。本方法和系统采用骨骼追踪融合卷积神经网络与疲劳检测的计算机视觉处理方法，设计了一套轻便低复杂度的边缘系统，满足了真实驾驶环境下易部署、高稳定性的要求，能够高效、准确、及时地检测出驾驶员的违规行为并给予警示，从而减少交通安全事故发生的可能性，为道路安全保驾护航。
-
-
-
Search Results
4
records
(took 0.021 seconds)
