-
公开(公告)号：CN109784151A
公开(公告)日：2019-05-21
申请号：CN201811502762.6
申请日：2018-12-10
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于卷积神经网络的脱机手写汉字识别方法，该方法包括卷积神经网络模型训练和脱机手写汉字识别两个阶段，训练阶段主要包括数据集获取，数据集划分，图像预处理，卷积神经网络模型构建与训练，模型及权重参数的保存；识别阶段主要包括图像预处理，重构模型，识别结果输出等过程。本发明所设计卷积神经网络模型结构，包括输入层，5个卷积层，3个全连接层，4个最大值池化层，softmax层及输出层，采用步长为1的3*3卷积核，尺寸为2*2，步长为1的最大值池化方法，Relu激活函数。本发明具有良好的识别效果，并且模型泛化能力较好。
-
公开(公告)号：CN108899084A
公开(公告)日：2018-11-27
申请号：CN201810693255.9
申请日：2018-06-29
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种智慧养老健康监护系统，其特征在于包括云端服务器、社区管理服务平台、智能设备三部分内容。其中所述云端服务器负责处理老人的健康数据，将智能设备采集到的数据存储和分析。云端服务器的疾病预测模块可以根据老人的生理数据对疾病的类别和发生的时间做出一个预测值，便于老人子女和社区管理服务平台参考；所述社区管理服务平台负责对社区老年人的集中健康监护管理，实时查看云端服务器返回的健康数据；所述智能设备包括各类智能穿戴设备，采集老年人的生理参数，并将参数及时上传到云端服务器。本发明为老年人的健康提供了全方位的监护和管理，能够极大的减轻子女的压力，为老人提供一个安全，舒适的生活环境。
-
公开(公告)号：CN107145878A
公开(公告)日：2017-09-08
申请号：CN201710403573.2
申请日：2017-06-01
Applicant: 重庆邮电大学
CPC classification number: G06K9/00335 , G06K9/00892 , G06K9/6256 , G06K9/6267 , G06K2009/00939
Abstract: 本发明请求保护一种基于深度学习的老人异常行为检测方法，属于深度学习领域。本发明通过多种传感器采集老人的体征信息、位置信息、图像信息，联合检测联合判断老人的异常行为，降低误判概率。首先根据多种传感器数据进行信号预处理，将处理的数据输入已训练好的BP神经网络获得老人身体状况，然后根据原始图像，对图像进行预处理后送入3D卷积神经网络提取特征向量，通过Softmax分类器识别老人的多种行为，再综合老人位置信息与驻留时长，根据模糊逻辑推理判断老人行为是否异常。本发明采用联合检测方法，通过深度学习，模糊逻辑推理对老人异常行为进行联合判断，降低了误判率，提高了检测的准确性。
-
公开(公告)号：CN107092895A
公开(公告)日：2017-08-25
申请号：CN201710322847.5
申请日：2017-05-09
Applicant: 重庆邮电大学
CPC classification number: G06K9/00523 , G06K9/00536 , G06K9/6267
Abstract: 本发明公开了一种基于深度信念网络的多模态情感识别方法，步骤如下：一、建立一个多模态情感识别数据库，包含3类情感的样本，分别是：语音情感识别数据库、心电情感识别数据库和呼吸情感识别数据库；二、获取每种情感识别数据库的深度信念网络分类器并对分类器进行数据集的训练，其中该分类器包括M个深度信念网络模型以及M个深度信念网络模型输出端共同连接的分类器；三、将3种情感识别数据库的深度信念网络分类器采用投票的方法进行决策层融合，得到最终的情感识别结果。本发明针对多模态情感数据库样本进行情感识别，包括语音、心电和呼吸，采用了深度信念网络构造分类器取代传统的人工抽取特征方法，减少了情感特征提取对人工经验和实验次数的依赖性，为深度信念网络和多模态情感识别的结合提供了新思路。
-
-
Patent Agency Ranking
公开(公告)号：CN102665215B
公开(公告)日：2014-12-03
申请号：CN201210135178.8
申请日：2012-05-04
Applicant: 重庆邮电大学
IPC: H04W12/06
Abstract: 本发明请求保护一种基于社交网络的智能手机轻型安全认证方法，涉及手机用户的身份认证方式，该方法通过运用手机通话网络中存在用户常用联系人数量较小且联系对象稳定，不同交互事件携带的信任信息量不同，不同节点影响力不同及个体行为具有差异性的社交网络特性，有效的解决了基于社交网络的认证协议手机资源消耗量大，认证效率且时延长的问题，同时提高了认证的安全性。手机端自动认证的方式提高了用户的使用体验。本机制可以广泛用于移动互联网，计算机网络等相关领域。
-
公开(公告)号：CN102665215A
公开(公告)日：2012-09-12
申请号：CN201210135178.8
申请日：2012-05-04
Applicant: 重庆邮电大学
IPC: H04W12/06
Abstract: 本发明请求保护一种基于社交网络的智能手机轻型安全认证方法，涉及手机用户的身份认证方式，该方法通过运用手机通话网络中存在用户常用联系人数量较小且联系对象稳定，不同交互事件携带的信任信息量不同，不同节点影响力不同及个体行为具有差异性的社交网络特性，有效的解决了基于社交网络的认证协议手机资源消耗量大，认证效率且时延长的问题，同时提高了认证的安全性。手机端自动认证的方式提高了用户的使用体验。本机制可以广泛用于移动互联网，计算机网络等相关领域。
-
公开(公告)号：CN100499668C
公开(公告)日：2009-06-10
申请号：CN200610054344.6
申请日：2006-06-05
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种第三代移动通信无线接入网Iub接口上，公共传输信道类型及其ATM传输承载的自动识别方法，涉及第三代移动通信系统(3G)信令测试技术。本发明利用各公共传输信道数据帧长度集合的不同，提取公共信道中ATM连接上数据帧的长度，并记录各自的ATM连接传输承载参数VPI/VCI/CID；然后将提取的数据帧长度与建立的数据帧长集合中的数据进行比较，来判断Iub接口公共传输信道类型。采用本发明的方法能够快速、准确地判断出某一Node B所支持的所有公共传输信道的ATM承载参数。采用这种方法，不需重启节点设备，不影响网络运行，就能获取公共传输信道的承载参数，对3G网络信令实时监测具有重要意义。
-
公开(公告)号：CN118476794A
公开(公告)日：2024-08-13
申请号：CN202410643322.1
申请日：2024-05-23
Applicant: 重庆邮电大学
IPC: A61B5/0205
Abstract: 本发明提出了一种基于调频连续波雷达的呼吸心跳监测方法。该方法包括：将调频连续波雷达获得的中频信号沿快时间轴傅里叶变换得到人体与雷达的距离信息；对距离信息使用滑动平均算法滤除静态物体的反射杂波；使用基于奇异值分解的线性解调算法从距离信息中得到真实的相位信号，再分离得到呼吸信号和心跳信号；针对心跳信号中存在的呼吸谐波，在自适应噪声完备集合经验模态分解算法中添加心跳特征波和小波包去噪；对心跳和呼吸信号进行周期性特征估计得到心率和呼吸频率。本发明通过特征波法和小波包去噪克服经验模态分解算法中的模态混叠和端点效应的问题，在复杂环境下实现了精准的心率和呼吸频率估计。
-
公开(公告)号：CN117152652A
公开(公告)日：2023-12-01
申请号：CN202310757416.7
申请日：2023-06-26
Applicant: 重庆邮电大学
IPC: G06V20/40 , G06V20/70 , G06V20/52 , G06V10/26 , G06V10/762 , G06V10/82 , G06N3/0464 , G06V10/774
Abstract: 本发明设计了一种基于改进YOLOv7的密集行人检测方法及装置，首先利用监控设备或车载录像设备采集交通场景下的视频数据，然后将视频数据提取关键帧，并在关键帧构成的图像数据中标注出行人位置，将图像与标注共同作为样本数据集。构建改进的YOLOv7卷积神经网络模型，所述模型包括用于提取特征的骨干网络，颈部网络和头部网络；将样本数据集中标注后的图像数据进行尺度变换，并输入到改进的YOLOv7卷积神经网络模型，进行不少于100Epochs的迭代训练，直到模型收敛；最后输入待检测的图像，利用训练好的模型进行密集行人检测。该方法能有效解决解决行人密集情况下出现的行人间遮挡，背景干扰，网络特征提取能力不足导致的检测精度低、误检率和漏检率高的问题。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.02 seconds)
