-
公开(公告)号：CN115272653A
公开(公告)日：2022-11-01
申请号：CN202210962416.6
申请日：2022-08-11
Applicant: 暨南大学
Abstract: 本申请涉及的基于linemod匹配和霍夫变换的贴标定位方法，以及装置、电子装置及存储介质，该方法包括：获取待贴标定位的目标图像；利用多模板匹配定位模型处理目标图像，得到目标图像中出现焊缝的焊缝目标区域，其中，多模板匹配定位模型是根据预设训练模板图像和预设训练模板图像出现焊缝的实测区域信息训练生成的；对目标图像进行边缘提取，得到第一金属罐图像，在第一金属罐图像对应于焊缝目标区域的区域内，进行垂直直线检测，得到目标图像对应的焊缝中心坐标数据并确定贴标位置。通过本申请，解决了相关技术中对大质量的金属罐难以旋转扫描实现标签定位、部分定位不准确的问题，实现了各类金属罐的高效、准确的贴标定位的有益效果。
-
公开(公告)号：CN114120634B
公开(公告)日：2023-04-07
申请号：CN202111291690.7
申请日：2021-11-03
Applicant: 暨南大学
IPC: G08G1/01 , G06F18/213 , G06F18/24 , G06F18/241 , G06F18/25 , G06F18/2135 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习与WiFi感知相结合的端云协同危险驾驶行为识别方法、装置、计算机设备及存储介质，本发明采用深度学习方法，一方面摒弃数据预处理中小波变换、动态时间规整、主成分分析等冗杂的步骤，简化预处理步骤；另一方面提出多子载波多链路融合方法，采用全部收集到的CSI共同生成CSI‑Image，并送入深层卷积神经网络中进行训练。完成训练的分类识别模型分别部署在车机端和云端上，由车机端和云端协同识别出相应的危险驾驶行为，并警告驾驶员。本发明充分结合云端高性能和车机端近距离的特性，使该危险驾驶行为识别方法兼顾了高性能与低时延的特性，显著提高危险驾驶行为识别的准确性和鲁棒性。
-
公开(公告)号：CN114120634A
公开(公告)日：2022-03-01
申请号：CN202111291690.7
申请日：2021-11-03
Applicant: 暨南大学
Abstract: 本发明公开了一种基于深度学习与WiFi感知相结合的端云协同危险驾驶行为识别方法、装置、计算机设备及存储介质，本发明采用深度学习方法，一方面摒弃数据预处理中小波变换、动态时间规整、主成分分析等冗杂的步骤，简化预处理步骤；另一方面提出多子载波多链路融合方法，采用全部收集到的CSI共同生成CSI‑Image，并送入深层卷积神经网络中进行训练。完成训练的分类识别模型分别部署在车机端和云端上，由车机端和云端协同识别出相应的危险驾驶行为，并警告驾驶员。本发明充分结合云端高性能和车机端近距离的特性，使该危险驾驶行为识别方法兼顾了高性能与低时延的特性，显著提高危险驾驶行为识别的准确性和鲁棒性。
-
-
Search Results
3
records
(took 0.021 seconds)
