·
搜索结果:找到“郑碎武”相关结果21条
排序: 按相关 按相关 按时间降序
  • 【专利】 一种半自动人脸关键点标注方法及存储介质

    作者:郑碎武 ; 黄海清 ; 刘智勇 ; 杨旭 ; 黄志明 ; 谢德坤 ; 田健 年份:2018
    摘要:本发明涉及了一种半自动人脸关键点标注方法,该方法包括以下步骤:将待标注的人脸图像分为两个部分分别进行标注,人脸五官部分以及人脸轮廓部分;提取人脸五官部分的纹理边缘作为目标曲线V;为偏离人脸五官部分的纹理边缘的点提供锚点PA,将关键点配准到目标曲线V上,直至得到人脸五官部分满意的标注结果;提取人脸轮廓部分的纹理边缘作为目标曲线V′;将关键点配准到目标曲线V′上,直至得到人脸轮廓部分满意的标注结果。区别于现有技术,本发明可以在标注者提供少量关键信息的条件下,由标注工具自动计算大部分关键点的位置。为不同部位设计了不同的标注方式,其对于关键点标注的初始化具有很强的鲁棒性,适应范围广。
  • 【专利】 一种基于玻璃原盘的电子元器件检测装置

    作者:郑碎武 ; 宋鹏 ; 周利斌 ; 林晓安 ; 乔红 年份:2018
    摘要:本实用新型公开了一种基于玻璃原盘的电子元器件检测装置,玻璃圆盘周围设置分料机构、CCD相机组、检测机构、校正机构,其中校正机构设置在玻璃圆盘的进料口位置,校正机构后端设置检测机构,检测机构后端设置CCD相机组,CCD相机组后端设置分料机构,玻璃圆盘与伺服电机连接;分料机构包括固定块和设置在固定块上方的多个电磁阀,固定块两端通过支撑板支撑,固定块下方位于其两端的支撑板之间设置多个料仓,多个电磁阀进气端外接供气装置,多个电磁阀出气端分别连接喷气嘴。本实用新型可以对于检测后元器件的合格品和不合格品自动收集整理,电磁阀每秒开/关200次,速度极快,产品可分拣的种类多(最多10类),检测效率高。
  • 【专利】 一种基于机器视觉的四轴并联机器人分拣系统

    作者:郑碎武 ; 周济峰 ; 乔红 年份:2016
    摘要:本实用新型公开了一种基于机器视觉的四轴并联机器人分拣系统,包括机架,所述机架上设有工件平台单元、工业相机平台单元、视觉处理平台单元、机器人RC控制单元;所述工业相机平台单元与所述视觉处理平台单元连接,所述视觉处理平台单元与所述机器人RC控制单元连接,所述机器人RC控制单元、所述视觉处理平台单元均与所述工件平台单元连接,所述工件平台单元与所述工业相机单元连接。本实用新型的基于机器视觉的四轴并联机器人分拣系统具有可靠性高、准确性好、使用寿命长和生产效率高的特点。
  • 【专利】 一种基于机器视觉的球泡灯分拣和装箱系统

    作者:郑碎武 ; 张远东 ; 乔红 年份:2016
    摘要:本实用新型公开了一种基于机器视觉的球泡灯分拣和装箱系统,包括工作平台,工作平台上设有机器人模块、视觉系统模块和工件平台模块,机器人模块包括六轴机器人、机械手爪和PLC控制箱,机械手爪安装在六轴机器人端部的转动机械手上;工件平台模块包括拍照区平台、检测平台、成品箱和次品箱;视觉系统模块包括2D相机、光源、工控机一体机和视觉软件系统,2D相机通过支架固定在机械手爪上,多个光源均匀分布在拍照区的四周。本实用新型基于机器视觉的球泡灯分拣和装箱系统结构简单、集成度高、安装方便、分拣速度快、效率高、成本低和安全性好,有效实现了基于机器视觉的球泡灯的分拣和装箱。
  • 【期刊】 基于局部-全局一致性学习的弱监督人手分割

    刊名:计算机应用与软件 作者:郑碎武 ; 谢志坚 ; 李寅霖 关键词:人手分割 ; 深度全卷积神经网络 ; 弱监督学习 ; 条件随机场 机构:广州市机电技师学院智能控制系 ; 广州市机电技师学院智能控制系 ; 中国科学院自动化研究所复杂系统管理与控制国家重点实验室 ; 中国科学院自动化研究所惠州先进制造产业技术研究中心 年份:2019
    摘要:随着可穿戴设备的日益普及,人的上肢行为数据急剧增长,而自然场景下的人手分割研究较少。针对现有的算法对手工设计特征、像素级标签、设备、环境等的依赖,造成的精度有限或设备、人工标注成本较高的问题,提出一种弱监督人手分割算法,并将其应用到人手操作行为分割中。在像素级标签的源数据集上,利用全卷积神经网络(FCN)预训练。在只有类别标签的目标数据集上,实现基于超像素的局部-全局一致性学习的分割优化,进而实现FCN网络训练和分割优化的交替迭代。使用全连接条件随机场(CRF)进行后处理。提出基于边界框的弱监督分割,以及半监督分割方法。与其他方法的对比实验表明,该方法具有较高的召回率和区域交叠率。
  • 【专利】 一种发动机缸盖螺丝漏装检测装置

    作者:郑碎武 ; 姚楚鸿 ; 周济峰 ; 乔红 年份:2016
    摘要:本实用新型公开了一种发动机缸盖螺丝漏装检测装置,包括控制柜和顶部的工作平台,工作平台的上方设有主计算机和轻型六轴机器人,轻型六轴机器人的端部设有摄像单元和平台精度检测单元,工作平台的另一侧设有已安装螺丝的发动机缸盖,控制柜控制摄像单元进行摄取发动机缸盖图像并交于主计算机进行图像匹配,主计算机寻找并记录所要检测点的位置,规划检测路径,然后向轻型六轴机器人发出启动信号,由轻型六轴机器人按预先规划的检测路径带动摄像单元运动进行检测发动机缸盖上的螺丝是否有漏装。本实用新型发动机缸盖螺丝漏装检测装置灵活性强、通用性广、成本低、检测全面,有效避免了现有检测技术中存在异型产品混流的缺点。
  • 【专利】 一种基于机器视觉的球泡灯分拣和装箱系统及方法

    作者:郑碎武 ; 张远东 ; 乔红 年份:2016
    摘要:本发明公开了一种基于机器视觉的球泡灯分拣和装箱系统,包括工作平台,工作平台上设有机器人模块、视觉系统模块和工件平台模块,机器人模块包括六轴机器人、机械手爪和PLC控制箱,机械手爪安装在六轴机器人端部的转动机械手上;工件平台模块包括拍照区平台、检测平台、成品箱和次品箱;视觉系统模块包括2D相机、光源、工控机一体机和视觉软件系统,2D相机通过支架固定在机械手爪上,多个光源均匀分布在拍照区的四周。本发明基于机器视觉的球泡灯分拣和装箱系统结构简单、集成度高、安装方便、分拣速度快、效率高、成本低和安全性好,有效实现了基于机器视觉的球泡灯的分拣和装箱。
  • 【专利】 一种可拆卸双屏人脸识别设备

    作者:郑碎武 ; 黄海清 ; 黄志明 ; 刘智斌 ; 刘智勇 年份:2018
    摘要:本实用新型涉及了一种可拆卸的双屏人脸识别设备,包括显示屏和摄像单元,显示屏包括屏幕和外框,屏幕镶嵌于外框内,摄像单元包括摄像头组,所述显示屏和摄像单元均为两个,第一显示屏的外框背部和第二显示屏的外框背部相对设置,第一显示屏、第二显示屏于外框背部处可拆卸连接,第一摄像单元安装于第一显示屏的外框顶部,第二摄像单元安装于第一显示屏或者第二显示屏的外框顶部。本实用新型可拆卸人脸识别设备设置两块显示屏和两个摄像单元,可以实现两个摄像头组同时对两个使用者进行图像采集或验证,并通过显示屏进行相应的同步显示,工作效率高;而且两显示屏采用可拆卸连接,两个显示屏组装快速,在无需使用该装置时,拆卸简单。
  • 【专利】 一种自调节摄像头的人脸识别设备

    作者:郑碎武 ; 黄海清 ; 刘智斌 ; 黄志明 ; 田健 ; 林锋 年份:2018
    摘要:本发明涉及了一种自调节摄像头的人脸识别设备,包括显示屏和自调节摄像单元;显示屏包括屏幕和外框,屏幕镶嵌于外框内,外框上开设有容置孔;自调节摄像单元包括驱动机构和摄像头组;驱动机构包括第一驱动电机、第二驱动电机和枢转件,枢转件铰接固定于容置孔内,所述第一驱动电机用于驱动枢转件进行轴向转动,所述摄像头组与枢转件的侧壁铰接,所述第二驱动电机用于驱动摄像头组进行径向转动。本发明中的自调节摄像单元,能够通过第一驱动电机带动枢转件以及摄像头组实现轴向旋转,通过第二驱动电机带动摄像头组进行径向上的旋转,能够非常方便的实现摄像头组的拍摄高度以及拍摄角度的调节,使用更加方便,采集效率高,适应范围广。
  • 【专利】 基于遮挡物建模的有遮挡情况下的目标跟踪方法

    作者:郑碎武 ; 王鹏 ; 乔红 年份:2010
    摘要:本发明为一种基于遮挡物建模的有遮挡情况下的目标跟踪方法,步骤包括:对于每一帧输入图像,根据在初始帧建立的目标模型,利用均值漂移算法求目标的状态;检测遮挡是否发生,当检测到目标被其他物体遮挡时,对遮挡物建模,以确定目标可能重现的区域,当没有检测到目标被遮挡,则输出目标的状态;通过寻找遮挡物的轮廓对遮挡物进行建模,遮挡物的轮廓通过改进的主动轮廓方法来实现;在目标可能重现的区域搜索目标,并对目标进行确认,若是目标,则输出目标的状态,若不是目标,则在目标可能重现的区域继续搜索目标,在对目标的搜索过程中遮挡物的轮廓也在进行动态的更新,以保证搜索区域的准确性。
  • 【期刊】 基于核集合的大数据快速Kernel Grower聚类方法

    刊名:自动化学报 作者:郑碎武 ; 常亮 ; 邓小明 ; 王永庆 关键词:Kernel clustering ; core-set ; large data sets ; image segmentation ; pattern recognition 机构:Laboratory ; Laboratory ; Complex ; System ; Intelligence ; Science ; Institute ; Automation ; Chinese ; Academy ; Sciences ; Beijing ; China ; Virtual ; Reality ; Laboratory ; Institute ; Computing ; Technology ; Chinese ; Academy ; Sciences ; Beijing ; China ; National ; Laboratory ; Pattern ; Recognition ; Institute ; Automation ; Chinese ; Academy ; Sciences ; Beijing ; China 年份:2008
    摘要:Kernel grower is a novel kernel clustering method proposed recently by Camastra and Verri. It shows good performance for various data sets and compares favorably with respect to popular clustering algorithms. However, the main drawback of the method is the weak scaling ability in dealing with large data sets, which restricts its application greatly. In this paper, we propose a scaled-up kernel grower method using core-sets, which is significantly faster than the original method for large data clustering.Meanwhile, it can deal with very large data sets. Numerical experiments on benchmark data sets as well as synthetic data sets show the efficiency of the proposed method. The method is also applied to real image segmentation to illustrate its performance.
  • 【期刊】 基于核集合的大数据快速Kernel Grower聚类方法(英文)

    刊名:自动化学报 作者:郑碎武 ; 常亮 ; 邓小明 ; 王永庆 关键词:Kernel clustering ; core-set ; large data sets ; image segmentation ; pattern recognition 机构:Laboratory ; Laboratory ; Complex ; System ; Intelligence ; Science ; Institute ; Automation ; Chinese ; Academy ; Sciences ; Virtual ; Reality ; Laboratory ; Institute ; Computing ; Technology ; Chinese ; Academy ; Sciences ; Laboratory ; Complex ; System ; Intelligence ; Science ; Institute ; Automation ; Chinese ; Academy ; Sciences ; Laboratory ; Complex ; System ; Intelligence ; Science ; Institute ; Automation ; Chinese ; Academy ; Sciences ; Beijing ; P.R.China ; Beijing ; P.R.China ; National ; Laboratory ; Pattern ; Recognition ; Institute ; Automation ; Chinese ; Academy ; Sciences ; Beijing ; P.R.China ; Beijing ; P.R.China ; Beijing ; P.R.China 年份:2008
    摘要:Kernel grower is a novel kernel clustering method proposed recently by Camastra and Verri.It shows good performance for various data sets and compares favorably with respect to popular clustering algorithms.However,the main drawback of the method is the weak scaling ability in dealing with large data sets,which restricts its application greatly.In this paper,we propose a scaled-up kernel grower method using core-sets,which is significantly faster than the original method for large data clustering. Meanwhile,it can deal with very large data sets.Numerical experiments on benchmark data sets as well as synthetic data sets show the efficiency of the proposed method.The method is also applied to real image segmentation to illustrate its performance.
上一页 1 2 下一页 跳转