-
公开(公告)号：CN112001286B
公开(公告)日：2022-07-08
申请号：CN202010820060.3
申请日：2020-08-14
Applicant: 燕山大学
Abstract: 本发明提供一种基于压力图像进行睡姿识别的颈枕高度调节方法及装置，高度调节方法包括初步判断人体姿势、识别人体俯躺及仰躺和建立头颈部高度随姿势变化模型；高度调节装置包括枕头外皮、压力传感器、横板、侧板、电动推杆、固定柱、转轴、控制单元、羽绒填充层、电源模块和压力传感器阵列，电源模块提供传感器及控制器电源，压力传感器阵列收集人体压力图像，压力传感器接收头部压力数据，控制单元综合分析人体压力图像信息和头部压力数据，并通过控制电动推杆使侧板转动，改变颈枕高度。上述装置及方法精简了特征计算，提高了对俯躺和仰躺的识别速度及精度，实现了通过压力图像识别睡姿调节颈枕高度保护人体的目的。
-
公开(公告)号：CN112783813A
公开(公告)日：2021-05-11
申请号：CN202110077719.5
申请日：2021-01-20
Applicant: 燕山大学
Abstract: 本发明提供一种可互联HART通信协议芯片的架构及其使用方法，其包括供电电源模块、AXI4总线模块、CLK时钟管理模块、RAM数据存储模块、数据帧解析模块、纵向奇偶校验模块、数据打包模块和信号调制解调模块。其工作方法具体包括：芯片发送数据的方法：CPU向从设备写入数据时芯片接收数据，并将数据存入RAM存储器和寄存器堆栈；进行纵向奇偶校验后将数据打包，将数据信号调成方波作为芯片输出信号；以及芯片发送数据的方法：将接收的方波信号转换成数字量，并传输给数据帧解析模块解析出DATA数据字节，经过纵向奇偶校验后，保存到RAM存储器，最后通过AXI4总线上传给CPU进行处理。本发明使HART芯片更加灵活、统一、标准化；提高CPU与HART芯片数据交互。
-
公开(公告)号：CN113177970B
公开(公告)日：2022-07-19
申请号：CN202110489264.8
申请日：2021-04-29
Applicant: 燕山大学
IPC: G06T7/246 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明提供一种基于自适应特征融合的多尺度滤波目标跟踪方法，涉及目标跟踪技术领域。所述方法包括以下步骤：初始化网络模型，读取视频获取多个图像帧；目标位置预测，首先选取目标周围图像块，提取VGG‑19网络层特征与CN特征，将CN特征广播后与VGG‑19网络conv2‑2层特征直接串联融合，三层特征分别通过分类器进行分类，滤波模型输出响应，最后由粗到细利用经验权重加权融合响应评估目标位置，更新目标滤波器参数。本发明利用VGG19网络的分层特征结合颜色属性CN特征，进行滤波分别输出响应，以最大响应为基准，由粗到细加权融合响应评估目标位置。OPE检测结果表明，在目标变形、光照变化、运动模糊、平面旋转几个方面，方法可靠，精度高。
-
公开(公告)号：CN111867194B
公开(公告)日：2021-05-18
申请号：CN202010634159.4
申请日：2020-07-02
Applicant: 燕山大学
Abstract: 本发明提供一种基于多传感器信息融合的太阳能路灯控制器，首先，用选定的声音、光照和人体传感器检测太阳能路灯周围的状态；然后，将传感器采集的测量信号进行预处理，对预处理后的测量信号进行特征选择，并进行归一化处理，为神经网络的输入提供标准形式；最后，通过RNN中LSTM网络进行信息的融合，将通过归一化处理的测量信号与已知的太阳能路灯周围状态信息作为训练样本，送给神经网络进行训练，直到满足要求为止；在此过程中，主要是进行信息的获取，更新以及遗忘功能，并能够与之前的网络结构进行信息的交互和传递。本发明通过LSTM神经网络把安装地的数据、光照时长和多种传感器的数据进行输入，达到智能化的开关灯以及控制灯的亮度的效果。
-
公开(公告)号：CN112116048A
公开(公告)日：2020-12-22
申请号：CN202010910111.1
申请日：2020-09-02
Applicant: 燕山大学
Abstract: 本发明公开了一种用于动力电池溯源管理的改进Lorenz与Zigzag变换的加密方法，其包括如下步骤：建立完整的溯源管理体系，将动力电池生产、销售、报废、回收、拆解再利用等生命周期的信息分阶段编码进QR码；将彩色QR图像分解为RGB三个通道的灰度QR码图像，进行改进Lorenz混沌加密与Zigzag变换，得到加密后的灰度QR码图像，对其三通道合并，最后生成加密的彩色QR码并上传形成数据库；解密是加密的逆过程，还原出初始QR码图像，用户通过扫描设备就可查询到电池的溯源信息。本发明增加了解密难度，大幅度提高了QR码信息的保密性和隐私性，有效地保护了动力电池的信息，构建了动力电池信息在各个阶段加密、解密、上传的溯源管理体系，对电池的回收利用提供了前提保障。
-
Patent Agency Ranking
公开(公告)号：CN112037175B
公开(公告)日：2022-04-19
申请号：CN202010779902.5
申请日：2020-08-05
Applicant: 燕山大学
Abstract: 本发明提供一种基于机器视觉的陶瓷产品表面斑点检测方法，步骤S1、获得不同光源下图像信息并对图像进行预处理；步骤S2、识别斑点边缘的候选初始点；步骤S3、通过边缘检测模型确定粗边缘点及边缘颜色；步骤S4、基于反正切函数的亚像素表面斑点边缘检测，S5、对步骤S4得到的黑色斑点直径、红色斑点直径以及黄色斑点直径进行判断。本方法针对陶瓷产品三色斑点在三种光照环境下的亮度差异识别三色斑点粗边缘，又应用反正切函数亚像素拟合方法识别斑点边缘并确定斑点直径，具有检测时间短、结果准确的优越性，满足实际检测需要。
-
公开(公告)号：CN113156351A
公开(公告)日：2021-07-23
申请号：CN202110572061.5
申请日：2021-05-25
Applicant: 燕山大学
Abstract: 本发明涉及基于DTI(DiffusionTensorImaging，弥散张量成像)和血清因子的脑损伤标志物分析系统，该系统包括DTI扫描模块，血清检测模块以及数据处理模块，该系统按照以下方式控制:首先对空腹抽取的静脉血，采用酶联免疫吸附测定法检测血清炎症因子水平；然后，进行DTI扫描，将采集的图像进行图像处理与数据分析，得到FA和ADC的变化数据；利用最小二乘法将血清炎症因子水平参数和磁共振扩散成像所得的FA值、ADC值归一化，再定义符号函数，将符号函数的结果作为医生分析及制定下一步的检测方案的一种参考。
-
公开(公告)号：CN113143292A
公开(公告)日：2021-07-23
申请号：CN202110573839.4
申请日：2021-05-25
Applicant: 燕山大学
IPC: A61B5/369
Abstract: 本发明提供一种基于EEG和血清炎症因子分析的脑损伤标志物分析系统，其包含：脑电信号拾取模块、血清检测模块和数据处理模块，该系统按照以下方式控制：首先对脑电信号预处理，分别计算8组导联的慢波系数和近似熵的比值a，根据表达式Sump＝a1+a2+…+a8，(p＝1、2)求出慢波系数Sum1值和近似熵的Sum2值，并根据加权平均法归一化为Sum值的范围；然后抽取受试者的空腹静脉血，采用酶联免疫吸附测定法检测血清炎症因子水平，根据加权平均法求解W值的范围。上述数据用于后续医生制定检测轻微脑损伤的一种参考。
-
公开(公告)号：CN112766185B
公开(公告)日：2022-06-14
申请号：CN202110090638.9
申请日：2021-01-22
Applicant: 燕山大学
Abstract: 本发明提供一种基于深度学习的头部姿态监控方法、装置及系统。方法包括以下步骤：S1，采集的历史图像数据；S2，训练神经网络；S3，采集实时图像；S4，将预处理后的实时图像传入第一神经网络获得需要进行监控的人脸边界框；S5，第二神经网络确定人脸图像的角度；S6，返回步骤S3。系统包括：采集数据模块、图像处理模块和报警模块。装置包括：床、相机、相机固定支架、计算机和警报器。本发明采用第一神经网络和第二神经网络，第一神经网络先是使用改进YOLOv3算法框选出图像中出现的人脸，解决多人脸出现在监控范围内的问题；第二神经网络使用改进的VGG16网络，从图像中提取多个特征并进行融合，可以实时监控头部姿态。
-
公开(公告)号：CN113156351B
公开(公告)日：2022-05-06
申请号：CN202110572061.5
申请日：2021-05-25
Applicant: 燕山大学
Abstract: 本发明涉及基于DTI(DiffusionTensorImaging，弥散张量成像)和血清因子的脑损伤标志物分析系统，该系统包括DTI扫描模块，血清检测模块以及数据处理模块，该系统按照以下方式控制:首先对空腹抽取的静脉血，采用酶联免疫吸附测定法检测血清炎症因子水平；然后，进行DTI扫描，将采集的图像进行图像处理与数据分析，得到FA和ADC的变化数据；利用最小二乘法将血清炎症因子水平参数和磁共振扩散成像所得的FA值、ADC值归一化，再定义符号函数，将符号函数的结果作为医生分析及制定下一步的检测方案的一种参考。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.021 seconds)
