本发明公开了一种基于点云特征图的实时三维行为识别方法，涉及行为识别技术领域，首先将点云序列抽象为虚拟行为序列，在此基础上，提出了两种点云特征图，即点云外观图PCAM和点云运动图PCMM，以获得三维行为识别的时空外观结构和运动动态；本方法在三个行为识别数据集上进行了大量的实验，在NTU RGB+D 60数据集上实现了跨视图精度96.7%，在UTD‑MHAD数据集上实现了跨主题精度91.61%，在MSR Action3D数据集上实现了91.91%的精度，优于现有技术，从而有效地简化了点云序列分类任务的复杂性，同时保持了优异的识别性能。

本发明公开一种基于折半交叉网络的健康指导方法和系统，包括如下步骤：构建物理层和数据处理层，通过摄像头采集动作视频并进行处理得到去噪深度图和时间梯度图；构建行为识别层：构建特征提取网络，通过特征提取得到深度特征图和时间梯度特征图；构建折半交叉注意力模型，计算得到特征向量；输入全连接层，并通过激活函数进行激活，通过分类器得到输出结果；构建控制层：根据输出结果建立行为与控制的匹配关系，确定每个动作对应的语音指令以及实现对用户的建议提示。采用本发明的健康指导方法，解决了数据维度过高和无关特征信息对模型性能产生影响的问题，增强了对人体行为时空特征的表述能力，提高了行为识别精度和颈椎康复指导系统的可靠性。

本发明公开了一种基于多注意力融合机制和高精度分割网络的病理细胞分类方法，包括：病理细胞图像的收集与预处理；构建多注意力融合模块，包括构造压缩激励模块和空间注意力模块；构建高精度分割网络，通过高精度分割网络在病理细胞图像上生成感兴趣区域；搭建基于多注意力融合和高精度分割网络的深度网络模型，利用预处理过的病理细胞图像对模型进行训练，得到病理细胞分类在正确率最高的网络模型；将需检测的病理细胞图像送入优化的网络模型中，获得对病理细胞样本的分类结果。本发明使模型能够学习到细胞图像中的通道权重和空间权重，可利用高精度分割网络提取图像中病理细胞区域的特征进行分类，从而有效减小计算量及噪声影响。

本发明提出了一种基于时空联合响应网络的智能家居控制方法，属于行为识别领域，可以通过识别目标对象的行为发出相应的指令来控制家居的运作状态。首先，通过物理层采集动作视频，再经数据处理层进行处理并生成动作特征图传入行为识别层。行为识别层采用StarNet网络结构，该网络分别训练针对于时间和空间特征的自编码器，然后利用门控机制自动地对时间、空间或时空混合的输入做出响应并进行最优化编码。编码后的特征向量经全连接层和激活层实现分类。然后，控制层获取行为识别层的分类结果并根据设计的行为关联库发出相应的指令控制家居的运转。本发明提高了行为识别的准确度和智能家居系统的可靠性，解决了语音受限条件下智能家居的控制问题。

本发明公开了一种贴纸式的物体空间定位系统及定位方法，属于物理空间定位技术领域，包括数字图像处理模块、目标位姿变化识别模块、坐标系维度转换模块；通过数字处理模块中所提取的色块确定目标位置及朝向，并根据上下帧时间差及目标在相应时间内的位移，计算瞬时速度、加速度、角速度；求解得到内参、畸变参数、外参等参数，从而通过矩阵变换将二维坐标系转换至三维坐标系，并最终得到在三维坐标系下，目标的朝向、运行轨迹、位置、瞬时速度、加速度、角速度；只需将贴纸贴在识别目标上即可，简便易用，可移植性强，能够应用于生产生活的多个领域，极大的降低成本；具有识别速度快，定位精度高等特点，实用效果远大于传统二维码定位方案。

本发明公开了一种基于霍夫变换的高精度机械式仪表示数识别方法，属于图像处理领域，具体包含如下步骤；对图像进行图像预处理：将图像二值化为灰度图，进而对图像进行滤波来去除噪声点，再进行边缘检测在去除不必要的信息的同时保留图像边缘信息；通过霍夫变换检测出仪表中心；通过霍夫变换的直线检测技术检测出指针的边缘特征直线，通过计算检测出指针边缘特征直线的交点来获得指针的顶点，从而结合仪表的圆心获得精准的指针射线；根据指针的顶点和仪表的圆心为顶点的直线的角度根据相应的公式来计算出具体的示数。本发明提高了识别高精度机械式仪表示数的精准性，并且提高了识别的稳定性。

本发明公开了一种基于数据融合的人体轨迹相似行为识别方法，属于信息数据处理技术领域，包括以下步骤：研究行为特点选取主要运动节点，计算主要运动节点两两之间的结构向量并作为骨骼特征；根据主要运动节点的传感器加速度与传感器角速度数据计算线性加速度数据，对线性加速度数据进行加窗处理，提取每个窗口内数据的时域特征作为线性加速度特征；对骨骼特征与线性加速度特征进行特征处理，包括特征长度归一化、特征大小归一化与特征降维；将骨骼特征与线性加速度特征分别送入支持向量机中进行分类，并使用权重分配方法对两种分类结果进行决策融合得到最终识别结果。

本发明公开了一种基于相机轨迹估计和特征块匹配的稳像方法，采用SIFT算法提取特征点并利用特征点进行粗匹配，采用使用M估计抽样一致性(M‑estimator Sample and Consensus，MSAC)算法去除异常匹配点。通过得到的匹配对进行拟合二维线性运动模型。用得到的二维线性运动模型估计相机的原始运动路径。确定目标函数平滑的约束条件以及限制原始相机运动路径变换的约束条件。同时针对上述最优化问题的求解，得到裁剪变换矩阵。再用裁剪窗口的变换矩阵对原始视频序列进行变换得到稳定的视频序列。

本发明公开了一种基于正方形的自适应运动矢量场平滑技术，针对经过运动估计得到的运动矢量并非都是正确的，对于偏离较大的运动矢量需要对其进行纠正以此来获得较平滑的运动矢量场。通过设置运动矢量纠正参数对运动矢量场窗口各窗角点的运动矢量进行纠正，使得到的运动矢量场更加平滑，减小运动补偿阶段的误差。

本发明公开了一种基于块运动估计的数字视频稳像方法步骤为：首先把视频序列的第一帧作为参考帧，存储在参考缓冲区1，从视频序列的第二帧开始进行向下采样，生成对应图像的缩略图，存储在参考缓冲区0，然后通过边缘检测获得局部运动参数，同时选择具有足够纹理信息的块用于块匹配，进行模块运动搜索,利用运动搜索结果以及采用的相似运动模型来建立一个线性参数系统,采用迭代最小二乘法求解该线性参数系统。最后本发明借助运动向上缩放和运动迭代的方法得到全局运动参数。对全局运动参数进行运动补偿最终得到稳定序列。本发明处理速度快，校正效果明显。