-
公开(公告)号：CN113837306B
公开(公告)日：2024-04-12
申请号：CN202111153566.4
申请日：2021-09-29
Applicant: 南京邮电大学
IPC: G06V20/52 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 一种基于人体关键点时空图模型的异常行为检测方法，首先对视频集合进行预处理，得到视频序列，然后预处理得到人体关键点坐标。其次，一旦人体关键点坐标被确定，依照人体骨架自然连接，多帧累积之后得到一段时间内人体的关键点时空图模型。然后利用神经网络，通过空间卷积模块和时间卷积模块的交替工作，提取行为特征，描述行为模式。最后使用自动编码器网络，利用其难以对异常数据进行编码再重构的性质，通过对比重构误差，进行异常检测。本方法数据量小，计算成本低，并且训练过程不需要人工标注的数据，大大提高了异常检测的适用性。
-
公开(公告)号：CN113837131B
公开(公告)日：2024-04-05
申请号：CN202111150695.8
申请日：2021-09-29
Applicant: 南京邮电大学
IPC: G06V40/20 , G06V10/44 , G06V10/80 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 一种基于FMCW毫米波雷达的多尺度特征融合手势识别方法，采用密度聚类算法对雷达目标的点迹进行处理，有效剔除异常点和无效点，抑制了杂波和噪声，利于提取手势运动特征；采用了信号截取和密度聚类算法的处理，大大减少了数据运算，便于集成在能耗低、体积小的高速处理芯片上；对处理过的距离‑角度图以及距离‑多普勒图进行多尺度变换，提取手掌和手指特征，兼顾手掌整体动作识别的同时，还关注手指的细微动作。融合距离、角度、速度手势运动信息，一定程度上提高了手势识别的准确度和精度。
-
公开(公告)号：CN117437693A
公开(公告)日：2024-01-23
申请号：CN202311448163.1
申请日：2023-11-02
Applicant: 南京邮电大学
IPC: G06V40/20 , G06V10/80 , G06V10/62 , G06V10/52 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/82 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/048
Abstract: 基于点云时空特征的毫米波雷达步态识别方法，聚合不同空间局部域步态特征，并通过时间卷积网络提取步态时序特征，细化了步态特征提取粒度。引入点云空间对齐与特征数据标准化以及高度修正因子等策略对点云进行预处理，消除因点云空间位置偏移，速度与能量强度奇异值对识别结果产生的较大干扰。鉴于常见的点云域划分算法即最远点采样算法较高的计算代价及局限性，提出非重叠体素降采样算法改进了降采样时间复杂度，通过步态模式聚合层聚合各个局部域步态特征，使系统提取到更有效的步态空间特征，有效提高了系统步态识别准确率。引入标签平滑处理，提高了模型泛化性能，对于一些噪声或错误标注的数据也具有了一定的容错性。
-
公开(公告)号：CN117333953A
公开(公告)日：2024-01-02
申请号：CN202311396073.2
申请日：2023-10-26
Applicant: 南京邮电大学
Abstract: 本发明属于图像识别技术领域，具体公开了一种基于分数加权融合的指静脉仿冒检测模型及方法，所述模型的训练步骤包括：伪造图像在打印或二次采集后会产生额外的噪声信息，因此采用双边滤波去噪算法和均值滤波去噪算法提取出伪造图像和真实图像的噪声特征，然后采用基于局部二值模式LBP提取的两类噪声特征和原始纹理特征，最后使用支持向量机SVM对提取的两类噪声特征和原始纹理特征分别进行分类，再将分类结果进行分数加权融合，就能得到最终的分类结果模型，然后采用分类结果模型对待识别图像进行识别。
-
公开(公告)号：CN117315731A
公开(公告)日：2023-12-29
申请号：CN202311454774.7
申请日：2023-11-03
Applicant: 南京邮电大学
Abstract: 本发明属于生物特征识别技术领域，公开了基于改进自动编码网络的指静脉识别方法，其基于改进的自动编码网络，能从未标记数据中无监督地学习结构与特征，提高了识别准确率；采用适用于实值特征的实值纠错码(Error Correcting Code，ECC)来保护模板，可以在提升安全性的同时，避免了细节信息的损失，进而提高了识别系统的灵敏度和准确性。
-
Patent Agency Ranking
公开(公告)号：CN117271954A
公开(公告)日：2023-12-22
申请号：CN202311215747.4
申请日：2023-09-19
Applicant: 南京邮电大学
IPC: G06F17/14 , G01S13/88 , G06F17/16 , G06N3/0455 , G06N3/0499 , G06N3/0464 , G06N3/08 , A61B5/08 , A61B5/00
Abstract: 本发明属于非接触式生命体征监测领域，公开了一种基于MIMO毫米波雷达的细粒度呼吸波形重构方法，包括：设置雷达参数并进行数据采集，利用二维傅里叶变换处理数据后得到时间‑距离‑方位雷达矩阵，利用回环滤波器去除时间‑距离‑方位雷达矩阵中静态物体的反射信号，并利用2D‑CFAR算法定位人体区域，对人体区域中的I/Q分量进行旋转处理，标签归一化处理和数据集划分，搭建IQ‑Transformer模型，将待预测的雷达数据输入训练好的网络模型，实现细粒度呼吸监测。本发明通过设计IQ‑Transformer模型，负责从雷达数据的I/Q分量中提取并编码呼吸相关的隐藏特征，最终从隐藏特征中恢复出细粒度呼吸波形。
-
公开(公告)号：CN116246355A
公开(公告)日：2023-06-09
申请号：CN202310056814.6
申请日：2023-01-18
Applicant: 南京邮电大学
IPC: G06V40/40 , G06V40/14 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 基于胶囊网络的指静脉仿冒攻击检测方法，引入了胶囊网络，胶囊网络不仅适用于小样本的指静脉数据集，而且在CNN基础上用向量表示的胶囊代替神经元，可以更好地处理相对位置、角度等空间信息，增强网络对于手指偏移和旋转场景下的适应性；提出了一种贝叶斯路由算法，增加了胶囊的微分熵作为计算激活值的考量，最终分类时选择激活概率较高且集中程度较大的特征胶囊，有助于提高真伪静脉分类的准确率；通过模拟胶囊参数的不确定性，可减少训练误差，提升识别准确率。
-
公开(公告)号：CN111629345B
公开(公告)日：2023-04-25
申请号：CN202010427808.3
申请日：2020-05-19
Applicant: 南京邮电大学
Abstract: 基于太阳能补给的多媒体传感网节点任务分配方法。基于太阳能补给的分布式多媒体传感网在运动目标检测应用场景中，节点通过红外探测装置检测运动目标是否到达其监测范围内，若处于其监测范围内，则激活任务竞标功能模块。所有可检测到目标的节点根据当前自身能量、能量预测模块计算所得的在任务执行时间内节点可获取的能量和任务能源成本三个因素将任务进行分类。不同种类的任务赋予权重因子，各节点计算加入权重后自身的预期利润，若预期利润大于等于期望利润，则加入候选集。候选集中节点互相比较自己可为任务提供的利润，选择可提供最大利润的节点执行任务。节点完成监测任务后，通过多跳中继方式将感知到的数据传到信息汇聚中心，汇聚中心再对监测数据进行分析。
-
公开(公告)号：CN115736888A
公开(公告)日：2023-03-07
申请号：CN202211486782.5
申请日：2022-11-24
Applicant: 南京邮电大学
IPC: A61B5/08 , A61B5/11 , A61B5/0507 , A61B5/113 , A61B5/00
Abstract: 本发明提供一种基于FMCW雷达的呼吸信号提取方法，通过获得原始雷达信号数据；同时，使用接触式的电阻应变式传感器，检测并记录目标人员的呼吸数据，包括呼吸振幅和呼吸率，作为呼吸标签数据；获得同一时间段的数据‑标签组合作为数据样本；构建基于残差神经网络和自注意力机制的信号提取网络模型；得到最佳网络模型参数的基于残差神经网络和自注意力机制的信号提取网络模型；将待提取呼吸信号的雷达数据输入后，获得呼吸信号的提取结果；本发明能够准确有效提取出呼吸信号，能够有效提高频率分辨率和抗噪性能，大幅提高提取呼吸信号的准确率，并能够根据不同环境中的数据进行适应化的训练，无需人工调整处理算法，灵活性更好。
-
公开(公告)号：CN115690157A
公开(公告)日：2023-02-03
申请号：CN202211371915.4
申请日：2022-11-03
Applicant: 南京邮电大学
IPC: G06T7/246 , G06V10/762 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 一种基于Transformer的毫米波雷达行人轨迹预测方法，使用毫米波雷达定位方法完成行人的水平空间坐标定位；然后使用基于二分图匹配的历史轨迹跟踪模块，完成对行人历史轨迹的跟踪；最后使用基于Transformer的行人轨迹预测模型（Transformer‑based Trajectories Prediction Model，TTPM）完成对行人未来轨迹的预测。本方法使用邻近历史轨迹编码器和未来轨迹编码器来处理因他人产生的行人轨迹变化。TTPA有效降低了行人轨迹预测的平均位移误差及最终位移误差。
-
-
-
-
-
-
-
-
-
Search Results
177
records
(took 0.035 seconds)
