一种基于卷积神经网络的步态周期检测方法.pdf
冷霜****魔王
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于卷积神经网络的步态周期检测方法.pdf
本发明提供一种基于卷积神经网络的步态周期检测方法,对步态视频进行预处理,包括视频解码,行人轮廓提取和质心归一化的图像预处理操作;训练用于提取步态周期性特征的卷积神经网络;将待测的步态视频帧序列送入卷积神经网络中,输出波形经过滤波后,通过确定相邻的波峰与波谷的位置即得到一个步态周期。该方法对角度变化、服饰和携带物变化都有很强的鲁棒性,解决了在正面和背面视角下难以检测步态周期的问题,本发明方法对提高复杂环境中步态识别精度有重要意义,可用于步态识别中的前端,适用于安全监控、人机交互、医疗诊断和门禁系统等中的身份
一种基于反馈权重卷积神经网络和胶囊神经网络的步态识别方法.pdf
本发明公开了一种基于反馈权重卷积神经网络和胶囊神经网络的步态识别方法,具体包括以下步骤:将一对步态能量图作为网络的输入;从底层开始匹配输入图像的特征;用卷积神经网络提取输入图像的步态特征;通过像素级反馈权重更新输入图像;使用初级胶囊神经网络将数据形状进行重塑;使用改进的胶囊神经网络输出图像的相似性。该方法在数据集较小的情况下具有较强的鲁棒性,能有效地体现身体不同部位对步态识别准确率的重要性,采用向量的方式表示实体,保留了步态特征的等变性,有效提高了跨视角步态识别的准确率。
一种基于卷积神经网络的行人检测方法.pdf
本发明公开了一种基于卷积神经网络的行人检测方法,涉及计算机视觉中的深度学习领域,该方法利用卷积神经网络检测出行人,可以根据检测目标的尺寸不同动态的选择训练分支,得到更加准确的行人特征描述,无需手动设计行人特征,并且其检测准确率较高,检测速度较快,省时省力,可以应用在自动驾驶,辅助驾驶系统,安保系统以及机器人等多个领域,并且因为其基于深度学习方法,可以根据不同的应用场景获取不同的行人数据集进行训练,使其能够适用多种不同的领域,并且保持较高的检测准确率。
一种基于卷积神经网络的息肉检测方法.pdf
本发明涉及一种息肉检测技术领域,本发明公开了一种基于卷积神经网络的息肉检测方法,包括采集患者肠道检测原始图像,构建息肉检测模型,构建息肉检测数据集,生成合成图像,验证分类损失,提取过渡区域图像特征,计算模型的预测概率分布与图像真实分布之间的交叉熵损失,以合成图像与目标图像的对比损失和过渡区域的特征分类损失以及交叉熵损失的加权和作为息肉训练模型的总损失函数,根据模型总损失函数选择预测结果,以多视角多距离方式采集息肉图像,在息肉分类过程中引入息肉与肠道背景的过渡区域来进一步对息肉图像检测识别,通过多层次多区域
基于视频的正面步态周期检测方法.pdf
本发明提供的是一种基于视频的正面步态周期检测方法。包括行人目标轮廓的获取和正面步态的周期检测;首先从视频中提取单帧图像进行灰度变换,然后选择不含人体的图像作为整个视频的原始背景图像,采用背景实时更新的背景减除法提取人体目标,Kapur熵阈值法对图像序列进行二值化处理,用数学形态学填补二值化图像的空洞、单连通分析提取人的侧影,使人体居中,将图像的大小统一为64*64像素,最后对分割出的人体进行检测,将包含不完整人体的冗余帧去除;根据肢体占身高比例关系,将下臂的摇摆区域像素点的数目变化情况作为判断正