-
Patent Agency Ranking
公开(公告)号：CN110334678A
公开(公告)日：2019-10-15
申请号：CN201910627002.6
申请日：2019-07-12
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于视觉融合的行人目标检测方法、通过双目摄像机采集道路图像，对图像进行预处理，完成目标ROI分割，在单目摄像机采集中通过SSD深度学习模型检测ROI图像，在双目摄像机中计算ROI原始视差图，分析得到目标区域，融合单目视觉目标检测结果，得到最终目标检测结果。基于U-V视差图，利用三角测量原理计算出目标行人与自身车辆的距离。本发明相较于现有方法，对行人目标的检测识别率更高，在检测行人目标时具有较好的实时性且精度较高。
-
公开(公告)号：CN110490156A
公开(公告)日：2019-11-22
申请号：CN201910782686.7
申请日：2019-08-23
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于卷积神经网络的快速车辆检测方法，通过摄像机采集道路图像，对图像进行预处理，制作车辆检测训练数据集。以VGG16为基础网络搭建SSD卷积神经网络框架。用训练数据集进行训练，得到训练好的检测模型。设定阈值，将检测视频输入检测模型中，进行车辆检测。本发明相较于现有方法，对车辆目标的检测速度更快，具有较好的实时性，并且识别精度较高。
-
公开(公告)号：CN110134111A
公开(公告)日：2019-08-16
申请号：CN201910410341.9
申请日：2019-05-16
Applicant: 哈尔滨理工大学
Abstract: 本发明提供了一种基于信号灯识别的机房设备故障检测装置与方法，将水平导轨固定在机房顶部，并通过步进电机小车连接垂直导轨；图像采集器通过步进电机小车连接在垂直导轨上，可以保重图像采集器在机房实现空间运动；通过PLC和步进电机驱动器控制小车移动，从而实现了对图像采集器的移动控制，这样可以保证图像采集器与机房设备位置和角度保持相对固定；图像采集器将采集到的设备指示灯图像传入控制主机，并启动图像识别程序；设备指示灯图像通过色彩分割和外形检测初步确定指示灯在图像中的位置，将上述位置做对比确定最后指示灯位置候选区；位置候选区图像经分类器识别确定指示灯状态，并通过指示灯分布确定设备类型，同时输出设备故障类型。
-
公开(公告)号：CN110400305A
公开(公告)日：2019-11-01
申请号：CN201910681200.0
申请日：2019-07-26
Applicant: 哈尔滨理工大学
Abstract: 本发明提出了一种基于深度学习的目标检测方法，属于机器视觉与自动化技术领域。其中该目标检测方法的核心是以深度网络为基础，通过提取不同深度的特征层数据，分别用来检测不同目标，实现对图像中不同大小目标检测。主要步骤为：1，建立深度网络，以较为成熟的网络为基础；2，提取每一个特征层，叫浅层的特征主要用来检测小目标，较深层特征多用于检测大目标；3，建立大目标和小目标同步检测；4，概率比较，确定最后的输出。本发明可以通过调整提取不同深度的特征层，实现对大小目标的偏好检测。
-
公开(公告)号：CN108873695A
公开(公告)日：2018-11-23
申请号：CN201810554501.2
申请日：2018-06-01
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种以多层全连接神经网络为主要控制器的控制系统，该系统对多输入多输出控制有良好的适应性。系统实现有如下步骤：(1)确定理想输入输出曲线。(2)在理想输入输出曲线上取采样点。(3)建立多层全连接网络，并用采样点训练神经网络。(4)将训练好的网络加入到控制器。(5)观测控制系统的输入输出曲线，是否与理想输入输出曲线想符合。通过上述方式，建立多层全连接神经网络控制系统，通过将神经网络与控制系统相结合，利用多层神经网络可以拟合任意曲线的性质，模拟多输入多输出的场景中的复杂响应曲线，对多输入多输出的复杂系统有良好的适应能力。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
