公开(公告)号：CN115361077A

公开(公告)日：2022-11-18

申请号：CN202211046082.4

申请日：2022-08-30

Applicant: 安徽大学

Inventor： 蒋芳 ,  李睿 ,  杨雅情 ,  许耀华 ,  王翊 ,  胡艳军

IPC: H04B17/30 ,  H04W4/021 ,  H04W4/80 ,  G06K9/62

Abstract: 本发明涉及一种轻微动作扰动场景下基于DTW距离KNN的区域内人员入侵探测方法，与现有技术相比解决了难以在轻微扰动环境下进行人员入侵探测的缺陷。本发明包括以下步骤：探测区域内wifi数据的收集；数据预处理；构建训练数据集、验证数据集与测试数据集；CSI时域特征的提取；区域内人员入侵的探测；测试数据集分类结果的获得。本发明通过提取不同人员状态下无线信号状态信息之间的幅值差作为CSI的时域特征，能更好的区分在轻微动作扰动场景下不同人员状态的探测区域内无线信号的信道状态。

公开(公告)号：CN119290918B

公开(公告)日：2025-03-18

申请号：CN202411845727.X

申请日：2024-12-16

Applicant: 安徽大学

Inventor： 黄文全 ,  李腾 ,  王妍 ,  程庆 ,  齐平 ,  王福成 ,  方天泽 ,  李睿

IPC: G01N21/95 ,  G01N21/01

Abstract: 本发明属于工业型材检测技术领域，具体公开了基于计算机视觉的工业型材缺陷检测装置，包括工作台，所述工作台的顶部固定连接有支撑架，所述工作台的一侧设置有工业计算机，所述工作台的顶部固定连接有均匀分布的支撑台；通过设置第一检测组件，启动电动推杆带动安装板移动至型材内部凹槽的开设高度处，并通过启动线性滑轨能够通过电动推杆带动安装板同步移动，使其能够移动至型材内部凹槽内，在此过程中通过启动第一LED灯能够对型材表面进行补光，在此过程中第一LED灯光线经过反光板反射后形成的光路，能够对型材内部凹槽的死角进行补光，以便于第二工业相机对型材内部凹槽的死角进行拍摄，避免了传统型材检测过程中死角处拍摄效果较差的情况。

公开(公告)号：CN115361077B

公开(公告)日：2024-12-06

申请号：CN202211046082.4

申请日：2022-08-30

Applicant: 安徽大学

Inventor： 蒋芳 ,  李睿 ,  杨雅情 ,  许耀华 ,  王翊 ,  胡艳军

IPC: H04B17/30 ,  H04W4/021 ,  H04W4/80 ,  G06F18/2413 ,  G06F18/214 ,  G06F18/213 ,  G06F123/02

Abstract: 本发明涉及一种轻微动作扰动场景下基于DTW距离KNN的区域内人员入侵探测方法，与现有技术相比解决了难以在轻微扰动环境下进行人员入侵探测的缺陷。本发明包括以下步骤：探测区域内wifi数据的收集；数据预处理；构建训练数据集、验证数据集与测试数据集；CSI时域特征的提取；区域内人员入侵的探测；测试数据集分类结果的获得。本发明通过提取不同人员状态下无线信号状态信息之间的幅值差作为CSI的时域特征，能更好的区分在轻微动作扰动场景下不同人员状态的探测区域内无线信号的信道状态。

公开(公告)号：CN119290918A

公开(公告)日：2025-01-10

申请号：CN202411845727.X

申请日：2024-12-16

Applicant: 安徽大学

Inventor： 黄文全 ,  李腾 ,  王妍 ,  程庆 ,  齐平 ,  王福成 ,  方天泽 ,  李睿

IPC: G01N21/95 ,  G01N21/01

Abstract: 本发明属于工业型材检测技术领域，具体公开了基于计算机视觉的工业型材缺陷检测装置，包括工作台，所述工作台的顶部固定连接有支撑架，所述工作台的一侧设置有工业计算机，所述工作台的顶部固定连接有均匀分布的支撑台；通过设置第一检测组件，启动电动推杆带动安装板移动至型材内部凹槽的开设高度处，并通过启动线性滑轨能够通过电动推杆带动安装板同步移动，使其能够移动至型材内部凹槽内，在此过程中通过启动第一LED灯能够对型材表面进行补光，在此过程中第一LED灯光线经过反光板反射后形成的光路，能够对型材内部凹槽的死角进行补光，以便于第二工业相机对型材内部凹槽的死角进行拍摄，避免了传统型材检测过程中死角处拍摄效果较差的情况。

公开(公告)号：CN116680522A

公开(公告)日：2023-09-01

申请号：CN202310724724.X

申请日：2023-06-19

Applicant: 安徽大学

Inventor： 蒋芳 ,  李睿 ,  许耀华 ,  王翊 ,  胡艳军

IPC: G06F18/10 ,  G06F18/214 ,  G06F18/241 ,  G06F17/16 ,  G06V40/20

Abstract: 本发明涉及一种基于CSI和三元组孪生网络的小样本学习跨域动作识别方法，包括：收集CSI数据；进行数据预处理；将预处理过的CSI数据从一维信号转化成三维的CSI矩阵；构建数据集；使用预训练模型作为三元组孪生网络的特征提取器，将元训练数据集的CSI矩阵以三元组的形式输入到三元组孪生网络中进行元训练，得到经过元训练后的三元组孪生网络特征提取器；进行微调；使用经过元训练后的三元组孪生网络特征提取器和经过微调后的Softmax分类器，对查询集的CSI矩阵进行分类，得到查询集的分类结果。本发明提升了跨域场景下基于CSI的动作识别系统精准度，降低了训练模型所需的样本数量，解决了在跨域场景下系统识别精准度下降而需要大量目标域样本重新训练的问题。