基于轨迹泊松多伯努利滤波的机动目标跟踪方法

    公开(公告)号:CN117849781A

    公开(公告)日:2024-04-09

    申请号:CN202410031528.9

    申请日:2024-01-09

    Abstract: 本发明公开一种基于轨迹泊松多伯努利滤波的机动目标跟踪方法,通过融合交互多模型和轨迹泊松多伯努利滤波方法,实现对机动目标轨迹的精准跟踪。使得本发明填补了目前机动目标跟踪领域的技术空白,为实现更为精确、实时的目标跟踪提供一种有效的解决方案。本发明采用了泊松多伯努利近似思想PMB,将滤波更新结束后的泊松多伯努利混合分量利用KL散度得到泊松多伯努利分量,克服了现有技术中在跟踪过程中由于泊松多伯努利混合分量数量太多而导致的计算复杂的问题,使得本发明在降低算法复杂度,提高滤波效率,提升了滤波实时性。

    一种智能识别与追踪系统

    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

    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。

    基于γ面LiAlO2衬底上非极性m面GaN的MOCVD生长方法

    公开(公告)号:CN101901761A

    公开(公告)日:2010-12-01

    申请号:CN201010209568.6

    申请日:2010-06-24

    Abstract: 本发明公开了一种基于γ面LiAlO2衬底的非极性m面GaN薄膜的生长方法,主要解决常规非极性m面GaN材料质量较差的问题。其工艺步骤是:(1)将γ面LiAlO2衬底置于MOCVD反应室中,对衬底进行热处理;(2)在γ面LiAlO2衬底上生长厚度为30-100nm,温度为500-600℃的低温AlN成核层;(3)在所述低温AlN成核层之上生长厚度为60-200nm,温度为900-1050℃的高温AlN层;(4)在所述高温AlN层之上生长厚度为1000-5000nm,温度为900-1050℃的m面GaN缓冲层;(5)将经过上述生长过程后的衬底基片从反应室取出,在熔融KOH溶液中进行1-5分钟腐蚀,形成横向外延区;(6)将经过腐蚀的基片置于MOCVD反应室中,二次生长厚度为2000-5000nm,温度为1000-1100℃的非极性m面GaN外延层。本发明具有低缺陷、表面平整的优点,可用于制作m面GaN基发光二极管。

    一种智能识别与追踪系统

    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

    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。

    基于深度学习的人流量检测方法

    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

    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。

    一种含有奇异点的电子信号故障混合预测方法及验证装置

    公开(公告)号:CN112487725A

    公开(公告)日:2021-03-12

    申请号:CN202011510756.2

    申请日:2020-12-18

    Abstract: 本发明公开了一种含有奇异点的电子信号故障混合预测方法,这种混合方法将三次非多样式样条函数作为OS‑ELM输出的预测单元,对样条模型的二次导数进行计算以构建一系列的观测帧。同时,本方法采用改进的粒子群算法优化OS‑ELM的隐藏层,来帮助预测观测序列的趋势并重建样条函数。在后续验证部分,有两个数值模拟案例和一个实际应用,其时间序列数据都具有奇异点,本发明分别以这些案例来证明所提方法的有效性。

    基于深度学习的人流量检测方法

    公开(公告)号:CN112270381A

    公开(公告)日:2021-01-26

    申请号:CN202011279131.X

    申请日:2020-11-16

    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。

    高动态弱连续相位调制信号捕获中FFT的优化方法

    公开(公告)号:CN107370705A

    公开(公告)日:2017-11-21

    申请号:CN201710494935.3

    申请日:2017-06-26

    Abstract: 本发明公开了一种高动态弱连续相位调制信号捕获中FFT的优化方法,主要解决现有技术捕获时间和采样频率过高的问题。其实现方案是:在接收端先将接收到的信号依次进行滤波、下变频和数字采样,得到基带复信号并对其进行频差补偿;再分别对补偿后信号和本地CA码调制信号进行FFT运算,并留下计算后的前1/4个数据,将余下的3/4个数据设置为零,得到两组采样序列;接着将两组采样序列共轭相乘,将结果进行IFFT运算得到相关函数;最后对相关函数进行积累和平方,得到判决量,若判决量出现明显峰值,判定捕获成功,反之不成功。本发明无需使用过高的采样频率,提高了捕获时间,降低了复杂度,可用于CPM信号捕获系统和卫星通信中。

Patent Agency Ranking