-
-
公开(公告)号：CN113465596A
公开(公告)日：2021-10-01
申请号：CN202110712202.9
申请日：2021-06-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多传感器融合的四旋翼无人机定位方法，通过对分布式多传感器的模块化操作，以惯性测量单元IMU的测量值、视觉传感器的测量值、GPS传感器的测量值以及超声波传感器的测量值作为主要的状态，并且以松耦合的方式进行扩展卡尔曼滤波的定位信息融合，最终输出一个频率稳定且准确的位置和姿态，最终将位姿发给飞控单元，完成定位任务。
-
公开(公告)号：CN115310086A
公开(公告)日：2022-11-08
申请号：CN202210935122.4
申请日：2022-08-05
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种恶意程序行为规则集的构建方法，包括采用本体对恶意程序行为进行描述；恶意程序行为特征提取；构建恶意程序细粒度行为规则集；构建程序粗粒度行为规则集；构建可检测程序类别的行为规则集的步骤。本发明构建方法，提出了基于恶意程序的API调用频数的形式化扩展描述方法，实现基于本体对程序行为的完备描述。由恶意程序细粒度行为规则集和程序粗粒度行为规则集共同构建的可检测程序类别的行为规则集是完备的，把推理规则输入推理机中，将推理机与本体绑定，即可使用行为规则集对未知样本进行推理检测，标记未知程序的类别，对未知样本推理检测能全面覆盖。
-
公开(公告)号：CN115292702A
公开(公告)日：2022-11-04
申请号：CN202210935099.9
申请日：2022-08-05
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种恶意代码家族的识别方法、装置、设备及存储介质。识别方法包括数据预处理，特征图像生成融合和基于微调后的卷积神经网络CNN的识别的步骤。本发明识别方法通过从多角度对恶意代码进行特征提取，提高了恶意代码识别的准确率。使用MinHash变换算法对提取到的不同长度的特征序列进行归一化并生成多通道哈希映射的特征图像，这样既保留了同家族之间的相似性和不同家族之间的差异性，又避免了特征信息丢失。基于迁移学习微调技术，采用改进的预训练网络RepVGG（微调CNN）对恶意代码家族特征图像进行分类，一方面使其符合分类任务，另一方面以提高网络的健壮性和整体性能。
-
公开(公告)号：CN115203039A
公开(公告)日：2022-10-18
申请号：CN202210838753.4
申请日：2022-07-18
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于污点查找关联的安卓静态污点分析装置和分析方法，所述装置设有顺序连接的反编译模块、分词模块和语义分析模块，所述方法建采用构建一条或多条平行的、指向不同回调方法中污点的污点传播边，其中，污点查找关联仅查找和分析污点相关代码，根据规则有效地对污点相关语句进行查找和关联，以构建准确完整的污点传播路径图、同时采用污点别名获取，解决了污点分析中的别名分析问题，实现了包含准确别名分析的Android静态污点分析。这种方法能提升污点分析的准确率和分析效率，尤其解决因Android应用特性导致的污点分析准确率下降问题。
-
Patent Agency Ranking
公开(公告)号：CN113688680A
公开(公告)日：2021-11-23
申请号：CN202110831447.3
申请日：2021-07-22
Applicant: 电子科技大学
Abstract: 本发明公开了一种智能识别与追踪系统，该系统通过摄像头捕获指定场景下的图像信息，接收来自用户的人物框选，识别框选的人物目标，并对后续视频流逐帧处理，根据偏移信息控制电机带动摄像头转动，使框选中的目标追踪人物始终处于画面中央。本发明解决了现有技术中消耗大量人力和物力完成舞台直拍所带来的问题；并且该追踪系统可以实时使用，平均帧速率大约为15fps，适用于指定场景下的指定目标人物的识别与追踪。本发明在基于MTCNN模型和FaceNet模型完成人脸识别的基础上，通过使用追踪器和串口通信的方法，控制摄像头跟随目标追踪人物移动，实现了对指定人物目标的识别与实时追踪。
-
公开(公告)号：CN112308013A
公开(公告)日：2021-02-02
申请号：CN202011280591.4
申请日：2020-11-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的足球球员追踪方法，涉及人工智能技术领域。该方法在使用原有的孪生区域选择网络的基础上，进行了改进，使用ResNet‑50网络替换原有的A lexNet网络作为特征提取网络，并修改了锚点的大小和宽高比对该孪生区域选择网络重新训练，在一定程度上提高了对球员的追踪精度和速度。除此之外，该方法还引入了Python实现的前端界面、路径判断和视频帧截取模块两个部分，提高了使用体验。
-
公开(公告)号：CN113688680B
公开(公告)日：2023-04-18
申请号：CN202110831447.3
申请日：2021-07-22
Applicant: 电子科技大学
IPC: G06V40/16 , G06V10/22 , G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T7/246
Abstract: 本发明公开了一种智能识别与追踪系统，该系统通过摄像头捕获指定场景下的图像信息，接收来自用户的人物框选，识别框选的人物目标，并对后续视频流逐帧处理，根据偏移信息控制电机带动摄像头转动，使框选中的目标追踪人物始终处于画面中央。本发明解决了现有技术中消耗大量人力和物力完成舞台直拍所带来的问题；并且该追踪系统可以实时使用，平均帧速率大约为15fps，适用于指定场景下的指定目标人物的识别与追踪。本发明在基于MTCNN模型和FaceNet模型完成人脸识别的基础上，通过使用追踪器和串口通信的方法，控制摄像头跟随目标追踪人物移动，实现了对指定人物目标的识别与实时追踪。
-
公开(公告)号：CN112308013B
公开(公告)日：2023-03-31
申请号：CN202011280591.4
申请日：2020-11-16
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的足球球员追踪方法，涉及人工智能技术领域。该方法在使用原有的孪生区域选择网络的基础上，进行了改进，使用ResNet‑50网络替换原有的A lexNet网络作为特征提取网络，并修改了锚点的大小和宽高比对该孪生区域选择网络重新训练，在一定程度上提高了对球员的追踪精度和速度。除此之外，该方法还引入了Python实现的前端界面、路径判断和视频帧截取模块两个部分，提高了使用体验。
-
公开(公告)号：CN112270381B
公开(公告)日：2022-06-03
申请号：CN202011279131.X
申请日：2020-11-16
Applicant: 电子科技大学
IPC: G06K9/62 , G06F16/951 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的人流量检测方法，涉及人工智能技术领域。本发明使用的轻量级神经网络模型，与主流的卷积神经网络相比，通过深度可分离卷积将标准卷积核进行分解，减少了计算量，加速了计算，具有优良的性能，在保持传统模型性能的前提下，能降低模型大小同时提升速度；克服了模型过于庞大面临的内存不足的缺点，适用于移动端或嵌入式芯片的部署。本发明实现的视频监控下的人流量检测方法，基于该轻量级网络模型框架，自制实用型数据集，适用于特殊场景，如婴儿车数量多、行人移动速度慢的公园、文化广场；在如传染病疫情期间的特殊时期，能够及时计算人流量并疏散过密人群，加强对人们，特别是对婴幼儿的防护。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.023 seconds)
