-
公开(公告)号：CN113177970B
公开(公告)日：2022-07-19
申请号：CN202110489264.8
申请日：2021-04-29
Applicant: 燕山大学
IPC: G06T7/246 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明提供一种基于自适应特征融合的多尺度滤波目标跟踪方法，涉及目标跟踪技术领域。所述方法包括以下步骤：初始化网络模型，读取视频获取多个图像帧；目标位置预测，首先选取目标周围图像块，提取VGG‑19网络层特征与CN特征，将CN特征广播后与VGG‑19网络conv2‑2层特征直接串联融合，三层特征分别通过分类器进行分类，滤波模型输出响应，最后由粗到细利用经验权重加权融合响应评估目标位置，更新目标滤波器参数。本发明利用VGG19网络的分层特征结合颜色属性CN特征，进行滤波分别输出响应，以最大响应为基准，由粗到细加权融合响应评估目标位置。OPE检测结果表明，在目标变形、光照变化、运动模糊、平面旋转几个方面，方法可靠，精度高。
-
公开(公告)号：CN112232402B
公开(公告)日：2022-07-08
申请号：CN202011091430.0
申请日：2020-10-13
Applicant: 燕山大学
IPC: G06K9/62 , G06V10/764 , G06V10/30
Abstract: 本发明公开了一种基于改进的OIF和SVM实现高光谱伪装目标识别的方法，其内容包括：波段选择：在计算各波段组合间的OIF指数之前，依次对全波段进行去噪、采样、分组三次筛选，减小波段组合范围，最后根据各波段组合的OIF指数选出最佳波段组合。伪装目标识别：改进的SVM算法将SVM与二叉树、马氏距离相结合，先基于马氏距离初识别出部分点；再采用基于二叉树的OCSVM对剩余点进行分类，最终将待测图片的所有点分为各个类别及背景。本发明适用于对各种静态伪装目标的识别，算法速度快、准确率高，能有效减小复杂背景及未经训练的新类别对分类结果的影响。
-
公开(公告)号：CN113572742B
公开(公告)日：2022-05-10
申请号：CN202110750388.7
申请日：2021-07-02
Applicant: 燕山大学
Abstract: 本发明公开了一种基于深度学习的网络入侵检测方法，该方法训练过程为：将获取的数据集输入待训练的卷积神经网络模型，通过待训练的卷积神经网络模型提取网络流量特征；再通过空间金字塔模型“卷积层+上采样层+下采样层”反复提取网络流量更丰富的特征，得到多尺度的有效特征层；最后通过逻辑回归预测网络入侵分类置信度，使用逻辑分类模型预测类别，将真实框与预测框通过误差模型计算真实框与预测框的损失误差；然后通过反向梯度进行反复迭代优化，将损失误差最小的待训练的网络入侵检测模型作为训练好的网络入侵检测模型；本发明方法进一步提高了网络入侵的检测精度和速度，提高了对未知攻击的检测能力，降低了误报率。
-
公开(公告)号：CN112799992B
公开(公告)日：2022-04-01
申请号：CN202110183744.1
申请日：2021-02-08
Applicant: 燕山大学
Abstract: 本发明公开了一种现场总线芯片架构，其包括CPU交互模块、时钟管理模块、帧编/解码模块、Manchester编/解码模块、RAM数据存储模块、DMA控制器、数据收发模块、CRC帧校验模块、地址识别与管理模块、中断控制器和寄存器堆栈。本发明提出在芯片中封装AXI4总线协议接口，通过AXI4总线与CPU进行数据交互，AXI4总线的握手机制能保证CPU与本发明芯片的数据传输安全可靠，且使用AXI4总线后，可给芯片分配不同的AXI总线ID，通过ID访问芯片，实现一片微处理器挂载多片本发明芯片，并通过AXI4‑Lite总线配置特征码寄存器实现芯片的现场总线协议数据帧编码与解码能力。
-
公开(公告)号：CN113688736A
公开(公告)日：2021-11-23
申请号：CN202110980852.1
申请日：2021-08-25
Applicant: 燕山大学
Abstract: 本发明公开了一种对患者健康状况进行分析监测的方法，属于目标识别技术领域，构建利用病房内安装的监控摄像头和放在护理人员值班室的监控终端对患者进行健康状况检测的系统，该系统将面部表情识别、人体姿态估计和手部姿势估计结合起来，将摄像头采集到的患者的表情、姿态和手势数据进行融合，利用融合后的信息综合分析患者的健康状况；患者在病房内出现四种情况时系统需要发出警报，通知护理人员留意观察患者健康的情况，以减轻医院护理人员工作压力。本发明较全面的实现了对病房内患者健康情况的分析，从而在患者出现危险情况时，护理人员能够及时做出反应，保障了患者的生命健康，减轻了护理人员的工作压力。
-
Patent Agency Ranking
公开(公告)号：CN113610120A
公开(公告)日：2021-11-05
申请号：CN202110825738.1
申请日：2021-07-21
Applicant: 燕山大学
Abstract: 本发明涉及一种基于弱监督学习的App图像内容安全检测方法。其包括算法部分，对应的检测器是一个卷积神经网络框架，本发明算法backbone部分采用的是Resnet。基于Resnet网络的优点，使得学习结果堆网络权重的波动变化更加敏感，同时残差结果对数据的波动更加敏感。另外，本发明的算法部分还加入了Inception结构，其结构在控制了计算量和参数的同时，获得了良好的分类。本方法提出采取弱监督学习的方法，通过改变模型参数，可构建见出不同的App内容检测器，剔除不良、违法信息，为人们提供一个优质、安全的网络环境；传统基于监督学习的图片检测方法的数据集标注主要靠人工，本发明采用弱监督学习方法，可大大降低人力成本。
-
公开(公告)号：CN113591093A
公开(公告)日：2021-11-02
申请号：CN202110831387.5
申请日：2021-07-22
Applicant: 燕山大学
Abstract: 本发明公开了一种基于自注意力机制的工业软件漏洞检测方法，该方法采用自注意力机制对软件漏洞进行检测，检测过程分为代码预处理过程和漏洞检测模型训练测试过程；首先获取数据库漏洞程序，提取库API函数调用和程序片段，分为5类漏洞问题构建成工业软件漏洞的漏洞库，然后对漏洞库的关键点进行切片，将切片后的程序组装成行关联代码并进行数据处理，之后将行关联代码转换成对应的向量获得特征向量，并处理成相同长度大小；将特征向量与位置编码向量相加作为漏洞检测模型的输入，然后训练D_transformer神经网络，将训练好的模型通过测试样本验证模型的检测能力。本发明方法进一步提高了检测分类精度，降低了漏报率。
-
公开(公告)号：CN112799992A
公开(公告)日：2021-05-14
申请号：CN202110183744.1
申请日：2021-02-08
Applicant: 燕山大学
Abstract: 本发明公开了一种现场总线芯片架构，其包括CPU交互模块、时钟管理模块、帧编/解码模块、Manchester编/解码模块、RAM数据存储模块、DMA控制器、数据收发模块、CRC帧校验模块、地址识别与管理模块、中断控制器和寄存器堆栈。本发明提出在芯片中封装AXI4总线协议接口，通过AXI4总线与CPU进行数据交互，AXI4总线的握手机制能保证CPU与本发明芯片的数据传输安全可靠，且使用AXI4总线后，可给芯片分配不同的AXI总线ID，通过ID访问芯片，实现一片微处理器挂载多片本发明芯片，并通过AXI4‑Lite总线配置特征码寄存器实现芯片的现场总线协议数据帧编码与解码能力。
-
公开(公告)号：CN112613650A
公开(公告)日：2021-04-06
申请号：CN202011475642.9
申请日：2020-12-14
Applicant: 燕山大学
Abstract: 本发明涉及一种新型三阶段短期电力负荷预测方法，属于电力负荷预测技术领域，包括4个步骤：选取预测时刻前n个时刻的原始电力负荷序列；采用VMD将原始电力负荷序列分解为个本征模态函数并针对每个本征模态函数分别建立基于FA‑ELM的分层预测模型，得到分层预测序列；构建基于FA‑ELM的误差纠正模型，得到误差纠正序列；通过基于FA‑ELM的非线性集成方法得到最终的负荷预测序列。本发明基于FA‑ELM的非线性集成方法拥有强大的非线性映射能力，可以有效地提高强非线性和非平稳性下短期电力预测的精度；通过VMD、FA‑ELM、分层预测、误差纠正和非线性集成方法，逐步地提高了复杂模态下短期电力负荷预测的精度。
-
公开(公告)号：CN112580443A
公开(公告)日：2021-03-30
申请号：CN202011402378.6
申请日：2020-12-02
Applicant: 燕山大学
Abstract: 本发明提供一种基于嵌入式设备改进CenterNet的行人检测方法，包括以下步骤：步骤S1：使用BiFPN结构改进优化CenterNet的骨干网络；步骤S2：统计行人数据集标注框宽高比，并据此设置好每个标注框对应的高斯核分布；步骤S3：据步骤S2设置好的高斯核分布宽高比改进训练过程中的高斯核以及损失函数；步骤S4：按步骤S2中统计行人检测框宽高比的数据集进行训练；步骤S5：将训练好的模型进行量化、加速，移植到嵌入式设备；步骤S6：在嵌入式设备上开启服务端，对模型移植后的检测效果进行评估。改进后的CenterNet模型能够有效的提取深度特征，避免复杂的网络结构带来的庞大参数量，在嵌入式设备上有更快的运行速度，同时在行人检测的精度上也得到提升。
-
-
-
-
-
-
-
-
-
Search Results
122
records
(took 0.027 seconds)
