-
公开(公告)号：CN110188646B
公开(公告)日：2022-08-02
申请号：CN201910433620.7
申请日：2019-05-23
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于梯度方向直方图与局部二值模式融合的人耳识别方法，解决了从人耳图像中进行人耳识别识别率不高的问题。本发明首先提取出图像的梯度方向直方图，并用主成分分析法进行降维，再用局部二值模式提取出图像的纹理特征，然后将两个特征融合，最后使用最小距离分类器进行分类。本发明通过多特征融合，提高了人耳识别的识别率，具有良好的实施性与实效性。
-
公开(公告)号：CN111563447B
公开(公告)日：2022-07-22
申请号：CN202010363512.X
申请日：2020-04-30
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于密度图的人群密度分析与检测定位方法，将用于训练的数据集中的人群图像进行预处理，利用高斯滤波器转化为二维的人群密度图像，其次设计一种深度分离空洞卷积网络模型学习输入图像与人群密度图像之间的特征映射函数，实现端到端的预测模型，并对预测密度图像素值积分求和实现人群计数，最后将预测得到的人群密度图输入至RetinaNet目标检测网络实现人头检测与定位。本发明实现在人群高度密集场景下人头与非人头的分类，能够解决高度密集场景下的人群密度分析无法提供具体定位以及人群检测中的漏检问题。
-
公开(公告)号：CN109977881B
公开(公告)日：2022-07-22
申请号：CN201910245310.2
申请日：2019-03-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于无线射频技术的人物动作特征提取和识别优化方法，无线射频识别系统主要包括阅读器和标签两部分。阅读器可以向空间中发出信号，标签接受到信号之后可以发送应答信号。在空间中布置多台阅读器，并将标签附着于人体之上。当用户做出动作时，阅读器所接受到的信号将会发生变化，当动作结束时，将多台阅读器所获得的数据进行整合，将运动过程中信号的变化均分为若干段，再借助深度学习技术识别出用户动作的类型。本方法解决了视频动作识别技术算力要求高的问题。
-
公开(公告)号：CN114724065A
公开(公告)日：2022-07-08
申请号：CN202210330483.6
申请日：2022-03-31
Applicant: 南京邮电大学
IPC: G06V20/40 , G06V10/46 , G06V10/25 , G06V10/26 , G06V10/764 , G06V10/766 , G06V10/82 , G06K9/62 , G06T7/11 , G06T7/246 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于非局部步态特征的多目标跟踪与识别方法，该发明首先获取一段步态视频序列，在分类定位分支和掩码预测分支检测分割视频序列；然后在跟踪分支采用实例标签划分法与匈牙利算法关联跟踪目标，获取所有目标的步态能量图；接着将步态能量图输入到改进的非局部分块网络生成特征图。根据特征图划分不同区域，赋予不同权重，得到细粒度的步态特征。最后将提取的步态特征输入到一对多支持向量机进行目标识别。本发明通过分类定位分支和掩码预测分支检测分割视频序列，有助于提升多目标分割的精度；通过实例标签划分法与匈牙利算法，有效实现不同帧之间目标的关联；通过改进的非局部分块网络，有助于提取细粒度的非局部特征。
-
公开(公告)号：CN109064484B
公开(公告)日：2022-02-08
申请号：CN201810236397.2
申请日：2018-03-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于子群组划分与动量特征融合的人群运动行为识别方法，该方法首先利用角点跟踪和背景建模的方法，获取视频图像帧中运动目标的时空信息，利用前景中群体分布的空间区域信息，将空间上相邻近的人群划分为若干子群体，子群体通过一段时间内的运动相关性进行进一步的分割，得到具有运动一致性的子群体；其次在子群体分割的基础上，提取出人群运动三个动量特征进行融合；最后将融合的特征以及视频帧的像素特征作为微分循环卷积神经网络的输入进行训练，采用人工标记的方法将训练视频片段标记成不同的描述词汇，用带标记的数据调整微分循环卷积神经网络的结果，得到了良好的训练成果，能够有效识别人群的运动行为，达到较好的效果。
-
Patent Agency Ranking
公开(公告)号：CN108986148B
公开(公告)日：2021-10-26
申请号：CN201810236334.7
申请日：2018-03-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种实现多智能小车协同搜索识别并跟踪特定目标群体的方法，该方法首先初始化一个目标操作域O并将其分成A个小块,采用A辆智能小车在这A个区域进行搜索；接着通过计算事先输入目标群体中其中一个目标的归一化转动向量(NMI)值，智能小车在搜索过程中不断进行图像的采集以及预处理。将采集到的图像的NMI值与事先输入的进行匹配，若相等，则说明测量结果为真,否则视为未发现目标。然后将该测量值作为单个智能小车i的输入并根据贝叶斯规则分别更新地图。引入概率图的非线性变换以通过线性化贝叶斯更新来简化计算，最后提出了一种类似共识的分布式融合方案，用于多小车的地图融合，得到一个新的分散概率图。
-
公开(公告)号：CN110233657B
公开(公告)日：2021-07-09
申请号：CN201910255514.4
申请日：2019-04-01
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于粒子群遗传算法的多无人机区域覆盖部署方法，根据目标区域的大小和无人机的各项参数，解决无人机的区域覆盖部署问题。本发明以粒子群算法为基本框架，将改进的遗传算法嵌入到粒子群算法的迭代过程中，避免了算法陷入局部极值。本发明使用粒子群遗传算法根据区域覆盖率和网络连通性对覆盖部署方案进行对比研究，经过多次的迭代优化最终得出最佳的覆盖部署方案。
-
公开(公告)号：CN110221290B
公开(公告)日：2021-05-11
申请号：CN201910504078.X
申请日：2019-06-12
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于蚁群算法优化的无人机目标搜索构建方法，首先在无人机信息识别系统中导入关于“人”的归一化转动惯性特征序列，然后使无人机集群依照路径到达坐标节点并向各方向发散，无人机同步的不断采集图像判断是否提取到目标特征序列；在锁定目标后，无人机接着使用贪婪转发策略将位置信息反馈给主无人机，循环往复直到当前节点范围已被完全搜索；最后无人机判断所在节点是否为最终节点，如果所在节点不是最终节点，则进入下一节点搜寻，如果所在节点是最终节点，则返回地面指挥中心任务结束。本发明能够较好的解决重大灾情中对尚有生命体征个体搜寻的效率及精度问题。
-
公开(公告)号：CN108764059B
公开(公告)日：2021-01-01
申请号：CN201810422265.9
申请日：2018-05-04
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于神经网络的人体行为识别方法，解决穿戴式传感器数据的人体行为识别准确度不够高的问题。本发明首先通过穿戴式图像传感器采集的图像信息采用了灰度化处理，再对图像数据进行直方图均衡化处理，使用LSTM‑RNN神经网络算法对处理后的传感器的图像信息进行场景识别。对于穿戴式运动传感器的运动数据输入，使用LSTM‑RNN神经网络算法运动传感器的加速度信息进行动作识别。并将使用场景标记的运动序列在行为数据库中进行匹配，得到具体的行为信息。使用警报模块通知用户紧急信息。本发明通过这些方法的应用与系统中配套模块的支持对人体穿戴传感器数据完成行为识别，能够提高人体行为识别的准确性与稳定性，具有良好的实施性与实效性。
-
公开(公告)号：CN111753956A
公开(公告)日：2020-10-09
申请号：CN202010556830.8
申请日：2020-06-18
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于卷积神经网络的目标边界实时检测方法，首先输入图片，提取该图片的特征图，预测边界框坐标和置信评分预测值。然后通过特征图得到引用边界框坐标，根据预测边界框坐标和引用边界框坐标计算出相关边界框坐标和实际边界框坐标，计算相关边界框和实际边界框的重叠值，对具有最大重叠部分的实际边界框设置最大重叠标记。最后根据重叠值，最大重叠标记和置信评分预测值计算引用边界框的置信评分，保留前N个具有最高置信评分的引用边界框，过滤其他边界框，得到最终结果。本发明将卷积神经网络用来提取特征图和作为输出层去计算边界框坐标和置信评分，通过多任务的损失函数训练卷积层，有效提高卷积神经网络的运行效率和计算精度。
-
-
-
-
-
-
-
-
-
Search Results
374
records
(took 0.036 seconds)
