-
公开(公告)号:CN115856636A
公开(公告)日:2023-03-28
申请号:CN202211513674.2
申请日:2022-11-29
Applicant: 安徽信息工程学院
IPC: G01R31/367 , G01R31/392
Abstract: 本发明公开了一种基于双时间尺度滤波算法的动力电池SOC估算方法,其过程为:构建包含系统状态和系统参数的非线性离散系统;初始化;数据采集;计算分数阶模型参数;宏观EKF滤波器方程初始化;时间更新;测量更新;参数输出,进入步骤13;微观FOMIUKF滤波器方程初始化;时间更新;测量更新;SOC输出;数据存储。采用上述技术方案,进一步提高电池状态的估算准确性,提高动力电池的安全性。
-
公开(公告)号:CN114333235A
公开(公告)日:2022-04-12
申请号:CN202111593285.0
申请日:2021-12-23
Applicant: 安徽信息工程学院
IPC: G08B21/04 , G06V40/20 , G06V40/10 , G06V20/52 , G06V20/40 , G06T7/246 , G06T5/30 , G06T5/20 , G06T5/00 , G06K9/62 , G06V10/74
Abstract: 本发明公开了一种人体多特征融合的跌倒检测方法,属于跌倒预警技术领域,该人体多特征融合的跌倒检测方法,包括以下步骤:步骤一、从监控视频中获取图像序列,对输入图像进行预处理,利用中值滤波算法去除图像中的噪声,步骤二、通过PC‑GMM运动目标检测算法检测出监控视频中出现的运动人体,利用形态学腐蚀、膨胀、开运算和闭运算消除图像间细小的间断,以此得到更加平滑的人体目标。形状特征检测算法、头部轨迹检测算法和运动特征的检测算法,形状特征检测方法依据人体姿态的变化来检测跌倒事件,基于头部轨迹的检测算法是根据跟踪人体头部的运动轨迹来判断跌倒行为,基于人体运动特征的检测算法主要通过空间信息和时间信息对跌倒进行检测。
-
公开(公告)号:CN114529487A
公开(公告)日:2022-05-24
申请号:CN202210131717.4
申请日:2022-02-14
Applicant: 安徽信息工程学院
Abstract: 本发明公开了一种多源图像融合方法、系统,所述多源图像融合方法包括:根据深度特征提取算法与低通滤波融合算法将红外图像fr(x,y)与微光图像fl(x,y)进行融合以获得融合图像Frl(x,y);根据无监督卷积神经网络模型将所述融合图像Frl(x,y)与可见光图像fv(x,y)进行融合以获得夜视图像Grlv(x,y)。该一种多源图像融合方法、系统综合了红外,微光与可见光图像的特征信息,使其呈现更全面的夜视图像,增强场景理解、突出目标,且更符合人眼特性,明显改善人眼的识别性能。
-
公开(公告)号:CN119453837A
公开(公告)日:2025-02-18
申请号:CN202411850663.2
申请日:2024-12-16
Applicant: 安徽信息工程学院
Abstract: 本发明公开了一种自动清洁装置,包括回收桶(9),回收桶(9)上设置回收桶盖(10);回收桶(9)内腔中设置旋转清洗刷(2),旋转清洗刷(2)通过圆柱体柱芯(1)安装在回收桶(9)中;圆柱体柱芯(1)通过控制电路与清洗系统控制单元连接。采用上述技术方案,实现对不同环境的适应性;通过智能化提高清洁效率和清洁效果;利用网络实现远程控制,使用和操作更为方便、简单、快捷,节省时间和人力;设备制造成本不高;还能减少病毒、细菌和过敏原的滋生。
-
公开(公告)号:CN114529487B
公开(公告)日:2024-09-13
申请号:CN202210131717.4
申请日:2022-02-14
Applicant: 安徽信息工程学院
IPC: G06T5/50 , G06T5/20 , G06T7/13 , G06N3/0464 , G06N3/088
Abstract: 本发明公开了一种多源图像融合方法、系统,所述多源图像融合方法包括:根据深度特征提取算法与低通滤波融合算法将红外图像fr(x,y)与微光图像fl(x,y)进行融合以获得融合图像Frl(x,y);根据无监督卷积神经网络模型将所述融合图像Frl(x,y)与可见光图像fv(x,y)进行融合以获得夜视图像Grlv(x,y)。该一种多源图像融合方法、系统综合了红外,微光与可见光图像的特征信息,使其呈现更全面的夜视图像,增强场景理解、突出目标,且更符合人眼特性,明显改善人眼的识别性能。
-
公开(公告)号:CN117611554A
公开(公告)日:2024-02-27
申请号:CN202311611939.7
申请日:2023-11-29
Applicant: 安徽信息工程学院
Abstract: 本发明公开了一种基于YUV色彩空间和梯度特征相融合的阴影检测方法,属于阴影检测领域。本发明通过YUV色彩空间从输入的图像中获取了候选阴影区域,再结合梯度特征计算出了所述候选阴影区域像素点与背景像素点的梯度相关性,最后根据所述梯度方向相关性判断所述候选阴影区域是阴影区域还是前景区域。本发明基于YUV色彩空间和梯度特征的融合,提高了阴影检测的精度和鲁棒性。
-
-
-
-
-
-