-
公开(公告)号：CN112329527B
公开(公告)日：2023-12-08
申请号：CN202011053277.2
申请日：2020-09-29
申请人： 深圳大学
摘要： 本申请提供一种姿态估计方法、装置、电子设备及存储介质，该方法包括：根据姿态关节信息，确定各跟踪对象的姿态距离，并生成对应的姿态距离矩阵；根据姿态距离矩阵，在姿态关节信息中提取冗余姿态关节数据，以得到冗余姿态关节数据；基于预设的姿态关节数据融合规则，对冗余姿态关节数据进行加权融合处理，得到冗余姿态融合数据；将姿态关节信息中的冗余姿态关节数据替换为冗余姿态融合数据，得到目标姿态关节信息；根据目标姿态关节信息，确定跟踪对象的姿态估计结果。通过对姿态关节信息中的冗余姿态关节数据进行加权融合处理，以得到可靠性较高的目标姿态关节信息，进而提高了姿态估计结果的准确性。
-
公开(公告)号：CN110263968B
公开(公告)日：2021-04-30
申请号：CN201910375579.2
申请日：2019-05-07
申请人： 深圳大学
摘要： 本发明提供了一种新的时间序列的预测方法，包括：接收输入的原始滑坡时间序列{X(t),t＝1,2,3,…,n}；判断原始滑坡时间序列是否具有混沌特征；若原始滑坡时间序列具有混沌特征，则确定出原始滑坡时间序列的延迟时间；确定出原始滑坡时间所要嵌入的相空间的嵌入维数；将延迟时间和嵌入维数代入到目标volterra级数模型，目标volterra级数模型迭代训练核函数的系数，当核函数的系数达到预设误差要求时，输出目标volterra级数模型的参数、核函数的系数、以及预测出的目标滑坡时间序列。在本发明将延迟时间和嵌入维数直接嵌入volterra级数的数学模型中，将传统的把滑坡时间序列相空间重构后得到的输出序列再输入到volterra级数模型中的两步直接变成了一步，提高了运算效率。
-
公开(公告)号：CN111897364A
公开(公告)日：2020-11-06
申请号：CN202010821003.7
申请日：2020-08-14
申请人： 深圳大学
IPC分类号： G05D1/10
摘要： 本发明公开了一种无人机区域轨迹规划方法、装置及可读存储介质。该方法包括：获取无人机的飞行区域；判断飞行区域是否为凹多边形区域；若飞行区域为凹多边形区域，将凹多边形区域划分为相互垂直的横向飞行区域和纵向飞行区域；分别规划横向飞行区域和纵向飞行区域的区域轨迹；连接区域轨迹的轨迹点，生成规划后的飞行轨迹。通过实施本发明，对规划区域的凹凸性的判断，并对飞行区域进行划分，从而避免产生间隔区域，解决现有的直接往返飞行，但对无人机航行轨迹没有正确规划的问题，对不同区域的飞行区域的轨迹进行连接，完成轨迹规划，对凹多边形区域规划出最优的飞行轨迹，无人机正常作业时，提升作业效率，节约作业时间。
-
公开(公告)号：CN110728702A
公开(公告)日：2020-01-24
申请号：CN201910811068.0
申请日：2019-08-30
申请人： 深圳大学 , 深圳市坪山区大数据资源管理中心
摘要： 一种基于深度学习的高速跨摄像头单目标跟踪方法，涉及计算机视觉技术领域，解决现有技术以多摄像头多目标跟踪，需要对所有轨迹片提取特征并全局关联，而无法只对部分数据处理的问题，本发明包括建立行人检测模型；单相机内多目标跟踪，基于卡尔曼滤波算法进行多目标跟踪；轨迹片代表图片筛选；采用预先训练好的行人再识别模型提取行人外观特征；在单摄像头域内，设计搜索约束条件和关联；设计的跨摄像头轨迹方向约束以及基于轨迹方向约束的跨摄像头轨迹关联的步骤实现单目标跟踪。实验结果和分析表明本发明所述的跟踪方法取得较好的实时性和准确性。
-
公开(公告)号：CN110686633A
公开(公告)日：2020-01-14
申请号：CN201910811128.9
申请日：2019-08-30
申请人： 深圳大学 , 深圳市坪山区大数据资源管理中心
摘要： 本发明实施例公开了一种滑坡位移预测方法、装置及电子设备，用于解决现有的滑坡位移预测精度较低的问题。方法包括：获取预定个监测点中每个监测点在预定个时刻的位移监测数据；基于每个所述监测点在预定个时刻的位移监测数据，确定在第一预定时刻所述预定个监测点中每两个监测点之间的滑坡位移空间关系数据；将每两个所述监测点之间的位移空间关系数据作为LSTM预测模型的输入，输出所述预定个监测点在第二预定时刻的位移数据，可以基于每个监测点在预定个时刻的位移监测数据和在第一预定时刻预定个监测点中每两个监测点之间的滑坡位移空间关系数据，确定预定个监测点在第二预定时刻的位移数据，结合滑坡位移的时间序列和空间序列，提高位移预测精度。
-
公开(公告)号：CN112330714B
公开(公告)日：2024-01-09
申请号：CN202011053262.6
申请日：2020-09-29
申请人： 深圳大学
摘要： 本申请提供一种行人跟踪方法、装置、电子设备及存储介质，该方法包括：获取预设监控区域内的监控录像；在监控录像中提取监控区域中各跟踪对象的姿态关节信息；基于预设的非极大值抑制算法，根据各跟踪对象的姿态关节信息，判断各跟踪对象是否为被遮挡对象；当确定跟踪对象为被遮挡对象时，根据预设的姿态关节信息关联规则，估计被遮挡对象的姿态关节估计信息；根据被遮挡对象的姿态关节信息和姿态关节估计信息，确定被遮挡对象的跟踪结果。通过对被遮挡对象的被遮挡关节的关节信息进行估计，以得到姿态关节估计信息，进而确定被遮挡对象的跟踪结果，提高了该行人跟踪方法的鲁棒性，提高了跟踪结果的准确性。
-
公开(公告)号：CN110717384B
公开(公告)日：2022-04-29
申请号：CN201910811059.1
申请日：2019-08-30
申请人： 深圳大学 , 深圳市坪山区大数据资源管理中心
摘要： 本发明提供一种视频交互式行为识别方法及装置，所述方法包括：根据运动距离标注主动参与者及被动参与者；利用有效的15个骨架关键关节点数据，计算相对距离特征向量；并对所述相对距离特征向量进行编码，得到表征所述交互式行为的骨架序列的彩色空间RGB图片；对所述彩色空间RGB图片进行视觉增强处理，输入到3‑stream神经网络识别所述交互式行为。根据本发明的方案，能够对交互式行为进行有效识别且交互式行为识别准确率高、效率高。
-
公开(公告)号：CN109711530B
公开(公告)日：2021-01-08
申请号：CN201811359231.6
申请日：2018-11-15
申请人： 深圳大学
摘要： 本发明公开了一种滑坡预测方法及系统，用于滑坡预测，解决了现有技术中滑坡预测数据的准确度不高的问题，其包括：融合预先获取的传感器的时间序列及空间序列，得到传感器的网络时空序列；向已根据历史数据建立的长短期记忆网络及径向基函数神经网络的输出进行加权平均融合，得到未来时刻的滑坡预测数据，从而在预测滑坡时，基于时间序列的基础上，增加了空间序列对滑坡进行预测，使得预测涉及的相关因素不再单一，从而提高了预测结果的准确度。
-
公开(公告)号：CN109783967B
公开(公告)日：2020-02-21
申请号：CN201910073688.9
申请日：2019-01-25
申请人： 深圳大学
IPC分类号： G06F30/20
摘要： 本发明公开了一种基于随机森林模型的滑坡预测方法及装置，该方法包括采集多类滑坡训练数据，并分别构建针对每类滑坡训练数据的滑坡预警分类视角；使用随机森林模型构建针对所有滑坡预警分类视角的多视角权重随机森林模型；采集多类滑坡测试数据，并分别构建针对每类滑坡测试数据的滑坡观测视角；使用该多视角权重随机森林模型分别对每个滑坡观测视角进行模型评估，得到模型评估结果，并融合该模型评估结果，得到滑坡预警分类结果。可见，实施本发明能够通过多视角权重随机森林模型分析滑坡变动情况，不仅能够提高滑坡运动状态的预测效率和预测精准度，还能够为后期进行滑坡稳定性分析与评价，预测预警滑坡及后期防治工作提供定量化的评价依据。
-
公开(公告)号：CN110263968A
公开(公告)日：2019-09-20
申请号：CN201910375579.2
申请日：2019-05-07
申请人： 深圳大学
摘要： 本发明提供了一种新的时间序列的预测方法，包括：接收输入的原始滑坡时间序列{X(t),t＝1,2,3,…,n}；判断原始滑坡时间序列是否具有混沌特征；若原始滑坡时间序列具有混沌特征，则确定出原始滑坡时间序列的延迟时间；确定出原始滑坡时间所要嵌入的相空间的嵌入维数；将延迟时间和嵌入维数代入到目标volterra级数模型，目标volterra级数模型迭代训练核函数的系数，当核函数的系数达到预设误差要求时，输出目标volterra级数模型的参数、核函数的系数、以及预测出的目标滑坡时间序列。在本发明将延迟时间和嵌入维数直接嵌入volterra级数的数学模型中，将传统的把滑坡时间序列相空间重构后得到的输出序列再输入到volterra级数模型中的两步直接变成了一步，提高了运算效率。
-
-
-
-
-
-
-
-
-
搜索结果
26 条记录 (耗时 0.029 秒)
