-
公开(公告)号：CN109222963A
公开(公告)日：2019-01-18
申请号：CN201811394101.6
申请日：2018-11-21
申请人： 燕山大学
IPC分类号： A61B5/0402 , A61B5/00
摘要： 本发明公开了一种基于卷积神经网络的心电异常识别分类方法，方法包括从MIT数据库中获取心电数据，对所获取的数据工频干扰噪声、基线运动噪声与高频噪声干扰，对处理后的数据进行R波峰值检测，前后取点绘制图片，搭建卷积神经网络模型对图片进行训练，采用10倍交叉验证评估性能指标。本发明使用基于卷积神经网络的方法，通过对卷积神经网络的结构配置及优化提高了心电异常识别分类的准确率及增加了分类种数。本发明主要解决的技术问题是通过心电数据进行心电异常的识别分类，辅助给医生提供参考，降低误诊、漏诊率，减轻医生的工作量；应用卷积神经网络自动学习特征，减少了特征提取的工作量及复杂度。
-
公开(公告)号：CN101739687A
公开(公告)日：2010-06-16
申请号：CN200910175258.4
申请日：2009-11-23
申请人： 燕山大学
摘要： 本发明公开了一种基于协方差矩阵的快速机动目标跟踪方法，包括：提取目标的颜色、边缘、像素几何位置特征构建描述目标的协方差矩阵模型；利用遗传算法的快速寻优特性在大范围窗口内粗略搜索目标；在遗传算法获得的最佳个体附近邻域逐点搜索，依据协方差矩阵间的距离度量函数精确定位目标。本发明的基于协方差矩阵的快速目标跟踪方法融合了多种特征描述目标，可在复杂环境下稳定地跟踪目标，同时，将遗传算法的粗匹配与逐点精匹配相结合，缩短了计算时间，保障了大范围搜索快速机动目标的实时性。
-
公开(公告)号：CN117451070A
公开(公告)日：2024-01-26
申请号：CN202311543022.8
申请日：2023-11-20
申请人： 燕山大学
IPC分类号： G01C21/34
摘要： 本发明公开了一种基于改进RRT*算法的光伏机器人规划算法及规划系统，属于路径规划领域，包括LCO‑RRT*算法核心模块、样本提取模块和样本寻优模块；LCO‑RRT*算法核心模块使用HOCBF约束检查和用于控制合成的LQR策略来改进扩展规则，用于规划路径的安全性约束；样本提取模块，去除冗余节点，保证相邻节点之间路径优于原始路径；样本寻优模块，随机采样并迭代获取更优的样本，得到路径长度更短的路。本发明引入了HOCBF约束检查和用于控制合成的LQR策略来改进扩展规则，改进了采样策略，提高了采样的效率。随后进行重采样优化，进一步优化机器人路径规划方案，寻找具有安全保障、成本低廉且可行的路径。
-
公开(公告)号：CN115909312A
公开(公告)日：2023-04-04
申请号：CN202211480113.7
申请日：2022-11-24
申请人： 燕山大学 , 唐山惠唐物联科技有限公司 , 河钢集团有限公司 , 河钢股份有限公司唐山分公司
IPC分类号： G06V20/62 , G06V20/40 , G06V10/82 , G06N3/08 , G06N3/0464
摘要： 本发明公开了一种基于深度学习的板坯号实时检测与识别方法，属于连铸生产信息化领域，包括通过安装在现场辊道旁的摄像头采集大量含背景的板坯图像，以训练改进的YOLOv5得到图像检测模型，制作板坯号图像数据集；对板坯号图像预处理，分割为字符图像，制作字符图像数据集，以训练MobileNetv2得到字符识别模型；用图像检测模型实时检测并提取辊道上的板坯号图像，用字符识别模型实时识别板坯号图像并输出字符串结果；将此结果与板坯调度系统的板坯号信息进行比对，若一致则识别准确，否则弹出警告信息提醒人工校对。本发明使用计算机视觉技术和深度学习方法实现了连铸板坯号的实时检测与准确识别，为连铸后续生产奠定了良好基础。
-
公开(公告)号：CN112669282B
公开(公告)日：2023-02-14
申请号：CN202011592476.0
申请日：2020-12-29
申请人： 燕山大学
IPC分类号： G06T7/00
摘要： 本发明涉及一种基于深度神经网络的脊柱定位方法，属于计算机视觉跟踪技术领域，包括以下步骤：A、采用传统特征提取模块提取传统通用特征；B、采用医学特征提取模块提取专门的医学影像特征；C、采用定位模块对传统特征提取模块和医学特征提取模块提取的特征进行处理，得到锥体与椎间盘的具体位置；D、将上述模块组成系统，采用多任务损失分别对定位网络Ｉ和定位网络Ⅱ进行单独训练，且两个网络训练采用的定位标签以及医学影像图片相同。本发明融合了传统深度网络可使用预训练模型的特点以及医学影像特征提取网络的少样本学习的特点，并引入新的损失函数以及相应的标签制作方法，并使用多任务损失，从而提升了脊柱定位的精度以及鲁棒性。
-
公开(公告)号：CN112560651B
公开(公告)日：2023-02-03
申请号：CN202011449867.7
申请日：2020-12-09
申请人： 燕山大学
IPC分类号： G06V10/44 , G06V10/764 , G06V20/40 , G06T7/215 , G06T7/62
摘要： 本发明公开了基于深度网络和目标分割结合的目标跟踪方法及装置，包括：获取目标图像和全局图像，利用孪生网络算法对所述目标区域图像和全局图像进行目标跟踪，得到跟踪结果；利用目标检测算法对所述全局图像进行目标跟踪，得到检测结果；检测同类间物体的跟踪漂移情况，利用基于目标跟踪轨迹的校正策略，对所述跟踪结果进行纠正；在纠正后的跟踪结果和检测结果中进行择优选择，得到初步坐标位置；利用分割算法对所述初步坐标位置进行分割，得到由若干轮廓节点组成的分割结果，得到最终的跟踪结果。本发明融合了孪生网络算法和目标分割算法的优点，提升跟踪精度保证运行速度，并且对孪生网络存在的类间跟踪漂移问题进行改善。
-
公开(公告)号：CN114998238A
公开(公告)日：2022-09-02
申请号：CN202210577050.0
申请日：2022-05-25
申请人： 燕山大学 , 唐山惠唐物联科技有限公司 , 河钢集团有限公司
摘要： 本发明公开了一种基于深度学习的板坯实时检测及宏跟踪方法，属于连铸生产过程信息化领域，包括：结合现场辊道实际，分区段安装若干个摄像头拍摄整个辊道；采集连铸板坯传输线运行图像，并进行板坯、天车的标注；使用标注的数据集训练改进YOLOV5模型得到用于板坯检测的优化模型；用板坯检测模型对现场辊道上的各板坯进行实时检测，并将板坯检测结果配合多目标跟踪算法生成各板坯的跟踪ID；将板坯调度系统中的板坯号与该跟踪ID进行匹配，实现板坯在全部摄像头下的实时检测及宏跟踪，并能识别板坯的上下线。本发明能够实现连铸板坯在辊道上的实时检测和宏跟踪，解决板坯运动过程中信息丢失等问题，为连铸连轧高效生产奠定了坚实基础。
-
公开(公告)号：CN109522844B
公开(公告)日：2020-07-24
申请号：CN201811375169.X
申请日：2018-11-19
申请人： 燕山大学
摘要： 本发明公开了一种社交亲密度确定方法及系统。该方法包括：获取摄像头采集的图像；采用级联神经网络检测所述图像中的人脸信息；采用卷积神经网络确定检测到的人脸信息的稀疏表示；以人脸信息的稀疏表示为输入，采用分类器对人脸进行分类，得到代表不同行为人的人脸；以不同行为人的人脸作为目标进行跟踪，并获取各行为人的行为信息，所述行为信息包括行为人之间的距离信息以及行为人之间的交谈行为；根据各行为人的行为信息确定行为人之间的亲密度。本发明提供的社交亲密度确定方法及系统能够基于摄像头监控自动获取行为人之间的亲密度。
-
公开(公告)号：CN109086673A
公开(公告)日：2018-12-25
申请号：CN201810729497.9
申请日：2018-07-05
申请人： 燕山大学
摘要： 本发明公开了一种基于人群密度和行人速度的人群安全程度评估方法，其内容包括：以获取的视频帧图像的前景面积和周长构成特征向量，采用神经网络模型回归预测出人群密度；基于LK光流改进的金字塔Lucas-Kanade光流算法处理连续图像帧，求取行人速度，即不同行人个体运动的平均速度；构建模糊推理系统，评估人群安全等级：选择评价因素及确定其隶属度函数；建立人群属性与安全风险规则库，根据规则库对输入进行模糊推理；对推理结果进行去模糊化，进而评估出人群安全风险等级。本发明对人群密度、行人速度和输出人群安全风险等级建立数学模型，采用模糊推理方法来确定人群属性各要素对预警等级的影响，设计合理，操作简单，提高了实际应用性。
-
公开(公告)号：CN108133489A
公开(公告)日：2018-06-08
申请号：CN201711389302.2
申请日：2017-12-21
申请人： 燕山大学
摘要： 一种增强的多层卷积视觉跟踪方法，具体为：采用VGG-19深层网络框架，采用0.5倍第三层与0.5倍第四层卷积层直接加和作为输出特征模板，并通过主成分分析对特征模板降维得到所需特征图，采用加和的卷积特征，增加所提取特征的鲁棒性；根据目标位置，确定颜色直方图比例权重，权重乘以上帧目标尺寸即为当前目标尺寸；根据滤波模板输出的最大响应值是否大于给定阈值，判定目标是否消失，若大于则直接确定目标位置，若小于则消失，通过间隔帧差法确定检测区域的待检测目标位置，以直方图权重排除非目标物体干扰，确定可疑目标物体，提取特征，与滤波模板做相关，找出大于阈值的最大响应，确定目标位置。本发明缓解了跟踪当中姿态、光照强度等因素导致目标外观变化以及遮挡等问题。
-
-
-
-
-
-
-
-
-
搜索结果
31 条记录 (耗时 0.029 秒)
