用於合成人物的影像合成方法
105PF0012一種用於合成人物的影像合成方法,用於合成兩張含有相同之場景及部分相同之人物的第一影像與第二影像,藉由一處理模組來實施,且包含以下步驟:(A)對該第一影像與該第二影像進行對齊處理;(B)獲得一相關於對齊後的該第一影像與該第二影像兩者之差異的差異區域;(C)辨識並偵測出對齊後的該第一影像與該第二影像中所含有的多個人臉部份;(D)針對每一人臉差異區,判定是否存在至少一人臉差異區位於該差異區域;及(E)當步驟(D)判定為是時,針對每一位於該差異區域的人臉差異區,自該第一影像擷取一包含該人臉差異區的目標區域並合成至該第二影像中。
利用影像處理的汽車車門開啟警示方法
103PC0050一種利用影像處理的汽車車門開啟警示方法,用於在一汽車之車門被開啟前,偵測是否有一目標物件靠近該車門且藉由一包括一影像拍攝單元、一輸出單元及一影像處理單元的系統來實施,並包含以下步驟:(A)該影像拍攝單元拍攝該目標物件的一連串影像;(B)該影像處理單元獲得第n幅影像中相關於該目標物件之中心之像素位置;(C)該影像處理單元將該像素位置轉換為該目標物件在一路面上之位置的一二維座標;(D)該影像處理單元根據該二維座標判定該目標物件與該汽車之距離是否小於一預設距離;及(E)當判定結果為是時,將一警示輸出至該輸出單元。
即時影像追蹤方法
102PF0018本發明係有關於一種即時影像追蹤方法,包括步驟:(A)輸入一模板影像資訊與原圖影像資訊;(B)使用一影像金字塔將該模板影像與原圖影像縮放為數組不同大小的影像層級,該等影像層級依照該等影像大小依序排列;(C)進行該最小影像層級中該模板影像與原圖影像之門檻位元圖轉換,用以分別取得該模板影像與原圖影像的一平均值門檻位元圖;(D)進行該模板影像與原圖影像之平均值門檻位元圖相似度匹配,藉此找出該模板影像於原圖影像中之一匹配位置;(E)進行一下一影像層級之模板影像與原圖影像之門檻位元圖轉換,並將上一層所取得的影像匹配中心區塊對應至該下一影像層級的原圖影像上,並由該匹配中心區塊處擴張一範圍,之後只針對該範圍進行模板影像與該原圖影像之平均值門檻位元圖相似度匹配;(F)重複進行步驟(E),直到影像層級為該等影像的原始大小層級,並以該層級之匹配為至作為匹配結果輸出。藉此可以在該原圖影像中找出和模板影像匹配的物件。
具深度學習之工控網路威脅智慧偵測系統及訓練系統
110PF0008X本專利提出一個新的結合實體蜜罐與深度學習方法,應用於Modbus工業控制網絡的入侵偵測系統。所提出的蜜罐可以佈署在工業控制網路對外與對內的網路交換器(Switch)上,以收集來自工控網路外部與內部的惡意封包。惡意封包的分析則由集成式深度學習方法(Ensemble Deep Learning Method)學習建立惡意攻擊類別預測模型。本專利的應用場域得在智慧製造的工業控制網路環境中佈署,即時監控網路封包,預測其為正常封包或異常封包的攻擊類別,若為異常封包則即時發出警報(Alarm)給系統管理者。
分支映射編碼處理方法
一種分支映射編碼處理方法包含:接收一原始資料樹,將原始資料樹之原始節點中,其位於同一層級且其標籤相同者進行合併,以產生一合併後資料樹。分析合併後資料樹,以產生各標籤於合併後資料樹之各層級分支對應關係。根據合併後資料樹,產生一個層級標籤對應編碼表,以紀錄合併後節點具有之標籤於合併後資料樹所位於之層級。根據分支對應關係以及層級標籤對應編碼表並分析合併後資料樹,產生一路徑索引表,以紀錄合併後節點中其標籤相同者之資訊。根據層級標籤對應編碼表以及路徑索引表,查詢或更新合併後資料樹。
閱讀詳細內容基於移動平均演算法之契約容量預警技術
一般國內外中小型企業對於用電契約容量的簽訂皆憑自行之試誤經驗,往往也沒有契約容量的監控與超標預警機制,導致高額的罰金或是採取保守的用電行為,本研發成果為國內外中小型企業契約容量實現一個契約容量的監控與超標預警機制以減少企業用電成本。本研發
閱讀詳細內容基於少訓練樣本之光學檢測影像品質評估與元件標記方法
本成果開發的人工智慧演算法可由少量的自動光學檢測影像訓練樣本進行自動化學習,來達到在未事先對位的假設下,自動光學檢測影像品質評估與元件標記的目標,並對特定元件進行量測展示。透過檢測影像品質的評估參數自適化學習,減少工廠端檢查人員參數設定的問題。當檢測影像符合量測品質要求後,再進行元件對位與自動標記,最後進行量測。除技術成果外,本成果也提供元件標記視窗介面、測試標記結果視窗介面程式與原始程式碼,方便使用。本研發成果可以使用在目前已安裝之Windows電腦設備上,不需要額外使用GPU顯示卡,以節省在工廠端與伺服器端之運算硬體成本。本技術以主機板為例獲得2020年第25屆大專校院資訊應用服務創新競賽亞太交流英文組第一名與產學合作組第二名,並於2021年獲得未來科技獎。
閱讀詳細內容基於少訓練樣本之光學檢測影像品質評估與元件標記方法
本成果開發的人工智慧演算法可由少量的自動光學檢測影像訓練樣本進行自動化學習,來達到在未事先對位的假設下,自動光學檢測影像品質評估與元件標記的目標,並對特定元件進行量測展示。透過檢測影像品質的評估參數自適化學習,減少工廠端檢查人員參數設定的問題。當檢測影像符合量測品質要求後,再進行元件對位與自動標記,最後進行量測。除技術成果外,本成果也提供元件標記視窗介面、測試標記結果視窗介面程式與原始程式碼,方便使用。本研發成果可以使用在目前已安裝之Windows電腦設備上,不需要額外使用GPU顯示卡,以節省在工廠端與伺服器端之運算硬體成本。本技術以主機板為例獲得2020年第25屆大專校院資訊應用服務創新競賽亞太交流英文組第一名與產學合作組第二名。
閱讀詳細內容Galaxy局部描述元
目前的影像局部描述元演算法主要是依賴灰階影像之資訊來描述以salient point為中心之區域,並結合多個影像局部描述元來描述整張灰階影像。這樣的作法缺乏彩色的資訊,因而很容易將不同影像中不同顏色,但是其影像灰階值相同的物體誤判為同一個物體。本技術提出Galaxy局部描述元,在影像彩色不變性顏色空間中,考量離salient point較近之鄰近區域像素自動給予不同的權重,以避免較遠之區域的彩色不變性空間顏色變化過渡影響到真正在salient point附近區域之比對,使得Galaxy局部描述元可以對抗環境光影變化影響,達到比傳統方法更加的優越的物體比對效果。
閱讀詳細內容