-
公开(公告)号：CN107016358B
公开(公告)日：2020-03-20
申请号：CN201710182324.5
申请日：2017-03-24
申请人： 上海电力学院
发明人： 邵洁
摘要： 本发明涉及一种中等密度场景小群体实时检测方法，输入视频及个体运动轨迹检测数据；根据个体运动轨迹数据得到每个个体在每一帧的检测坐标位置及运动速度；为每个运动个体建立目标预测模型，计算每个运动个体的目标方向ηi；将ηi带入相关性滤波算法进行小群体检测，得到相关性小群体。此方法适用于各类型中等密集度密集场景；本方法运算速度快，能够实现实时运算；在各种场景中均具有较高的精确率和召回率；此方法为在线算法，不需要离线学习。
-
-
公开(公告)号：CN103345116A
公开(公告)日：2013-10-09
申请号：CN201310271999.9
申请日：2013-07-02
申请人： 上海电力学院
摘要： 本发明涉及一种以三维人像模版为基底的显影方法，在计算机中得到人像的三维扫描数据，用激光扫描或者结构光得到误差不到50微米的三维坐标；然后用高清相机得到的前后两个视角的图像数据；将三维人像以1：1比例通过三维打印机输出，用砂纸打磨光华后，喷涂白色乳胶作为基底，再均匀喷涂氯溴化银乳剂作为显影层；用两个投影机安装快门，设定投影时间，同时把前后两个视角的图像投影到均匀喷涂过显影层的三维人像上，通过显影、定影两个环节得到三维人像实物。将图形学以及传统的照相显象技术引入到三维打印的物体上，给出新的三维像片实现方法，让人们在现实生活中享受到三维实物照片的娱乐。
-
公开(公告)号：CN109802430B
公开(公告)日：2022-06-28
申请号：CN201811645045.9
申请日：2018-12-29
申请人： 上海电力学院
IPC分类号： H02J3/38
摘要： 本发明涉及一种基于LSTM‑Attention网络的风电电网控制方法，包括以下步骤：S1：针对不同风速数据进行数据预处理；S2：建立总网络模型；S3：利用历史数据训练总网络模型；S4：利用经过训练的网络模型得出风电功率结果；S5：检验风电功率结果并根据风电功率结果对应措施对风电电网进行不同控制操作。预测模型分为两个部分：注意力机制的LSTM网络和SE_CNN网络。首先，在对原始NWP数据进行标准化处理后作为预测模型的输入；其次，利用注意力机制的LSTM网络和SE_CNN网络分别提取时间序列NWP数据的整体特征和局部特征后进行特征融合，并利用分类器预测风速；最后，利用历史风速和风电功率的关系得到风电功率。与现有技术相比，本发明具有准确度高，速度快等优点。
-
公开(公告)号：CN109802430A
公开(公告)日：2019-05-24
申请号：CN201811645045.9
申请日：2018-12-29
申请人： 上海电力学院
IPC分类号： H02J3/38
摘要： 本发明涉及一种基于LSTM-Attention网络的风电电网控制方法，包括以下步骤：S1：针对不同风速数据进行数据预处理；S2：建立总网络模型；S3：利用历史数据训练总网络模型；S4：利用经过训练的网络模型得出风电功率结果；S5：检验风电功率结果并根据风电功率结果对应措施对风电电网进行不同控制操作。预测模型分为两个部分：注意力机制的LSTM网络和SE_CNN网络。首先，在对原始NWP数据进行标准化处理后作为预测模型的输入；其次，利用注意力机制的LSTM网络和SE_CNN网络分别提取时间序列NWP数据的整体特征和局部特征后进行特征融合，并利用分类器预测风速；最后，利用历史风速和风电功率的关系得到风电功率。与现有技术相比，本发明具有准确度高，速度快等优点。
-
公开(公告)号：CN107016358A
公开(公告)日：2017-08-04
申请号：CN201710182324.5
申请日：2017-03-24
申请人： 上海电力学院
发明人： 邵洁
摘要： 本发明涉及一种中等密度场景小群体实时检测方法，输入视频及个体运动轨迹检测数据；根据个体运动轨迹数据得到每个个体在每一帧的检测坐标位置及运动速度；为每个运动个体建立目标预测模型，计算每个运动个体的目标方向ηi；将ηi带入相关性滤波算法进行小群体检测，得到相关性小群体。此方法适用于各类型中等密集度密集场景；本方法运算速度快，能够实现实时运算；在各种场景中均具有较高的精确率和召回率；此方法为在线算法，不需要离线学习。
-
公开(公告)号：CN106295568A
公开(公告)日：2017-01-04
申请号：CN201610654684.6
申请日：2016-08-11
申请人： 上海电力学院
IPC分类号： G06K9/00
摘要： 本发明涉及一种基于表情和行为双模态结合的人类自然状态情感识别方法，包括以下步骤：S1：建立两级分类模式的情感认知架构；S2：对视频输入的自然姿态人体图像进行人体区域检测；S3：对人体躯干子区域的图像进行特征点提取，并根据不同时刻各帧图像内的特征点获取特征点运动轨迹，采用聚类方法由特征点运动轨迹获取反映人体行为的主运动轨迹，从主运动轨迹中提取出人体躯干运动特征；S4：根据人体躯干运动特征获得情感认知粗分类结果；S5：对人脸子区域的图像进行人脸表情特征提取；S6：输出对应查找出的人脸表情特征的情感认知细分类结果。与现有技术相比，本发明具有识别精度高、适用范围广、容易实现等优点。
-
-
公开(公告)号：CN109145754A
公开(公告)日：2019-01-04
申请号：CN201810816740.0
申请日：2018-07-23
申请人： 上海电力学院
IPC分类号： G06K9/00
CPC分类号： G06K9/00255 , G06K9/00201 , G06K9/00268 , G06K9/00288 , G06K9/00302 , G06K9/00335
摘要： 一种融合面部表情及肢体动作三维特征的情绪识别方法，涉及人工智能技术领域，所解决的是提高人的情绪识别准确性的技术问题。该方法利用融合了面部表情及肢体动作的特征向量输入到SVM模型进行训练，得到SVM情绪识别模型；对目标视频进行情绪识别时，从目标视频中提取融合了面部表情及肢体动作的特征向量后输入到训练得到的SVM情绪识别模型中，利用SVM分类器对提取的特征向量实施情绪识别。本发明提供的方法，情绪识别特征融合了面部表情及肢体动作，其识别准确性较高。
-
公开(公告)号：CN103971137A
公开(公告)日：2014-08-06
申请号：CN201410189169.6
申请日：2014-05-07
申请人： 上海电力学院
发明人： 邵洁
摘要： 本发明涉及一种基于结构性稀疏特征学习的三维动态人脸表情识别方法，对图像序列预处理，将人类表情样本的RGB和深度序列分别分割为三维模块；提取每个三维模块的LBP-TOP纹理特征；以三维模块纹理特征为编码字典训练样本，并得到RGB和深度序列的编码字典B；利用编码字典B计算得到所有三维模块纹理特征的RGB和深度稀疏编码表示；利用汇聚算法将所有稀疏编码值汇聚统计表示，缩小特征维数，并合并RGB和深度特征，得到最终人脸表情序列特征；利用PCA算法降维，将降维后的特征输入CRFs实现样本训练；针对测试样本，依次采用上述步骤处理，投影至训练样本PCA空间降维，最终输入CRFs分类器实现表情识别。
-
-
-
-
-
-
-
-
-
搜索结果
19 条记录 (耗时 0.024 秒)
