-
公开(公告)号：CN109993172A
公开(公告)日：2019-07-09
申请号：CN201910229635.1
申请日：2019-03-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种道路车流的车牌识别方法,主要解决现有技术在复杂环境下车牌识别准确率低的问题。其实现方案是：1.采集若干个不同场景和在不同拍摄角度、不同天气和光照情况下的车辆行驶视频，提取视频中的车牌信息并处理，构建训练数据集；2.构建基于图像特征域转换的车牌识别网络；3.利用训练数据集对构建好的车牌识别网络进行训练；4.将待识别的车牌图像输入到训练好的车牌识别网络，对车牌图像进行识别，得到车牌预测序列，并将车牌预测序列进行整理，得到最终的车牌预测结果。本发明不仅在车牌识别时取得了很高的准确率，而且对各种交通状况及天气光照情况都有很好的普适性，具有较强的鲁棒性，可用于道路车流的车牌识别。
-
公开(公告)号：CN109492594A
公开(公告)日：2019-03-19
申请号：CN201811369227.8
申请日：2018-11-16
Applicant: 西安电子科技大学
Abstract: 一种基于深度学习网络的课堂听课者抬头率检测方法，其步骤为：1、生成训练集、验证集和测试集；2、构建深度学习网络；3、训练深度学习网络；4、检测人脸的得分值及位置信息；5、设置检测状态；6、获得课堂抬头率。本发明通过搭建两个分支的深度学习网络，保证了深度学习网络对多尺度的人脸的检测，利用随机梯度下降方法对深度学习网络在大数据集上进行训练，保证了深度学习网络对人脸检测的鲁棒性，并且使得训练能够在较短时间内完成，然后利用设置检测状态的方法，有效地区分了抬头和低头两种状态，同时，本发明对课堂听课者抬头率的检测具有很好的实时性，能够对实时视频流进行检测。
-
公开(公告)号：CN108712354B
公开(公告)日：2021-01-29
申请号：CN201810233429.3
申请日：2018-03-19
Applicant: 西安电子科技大学
IPC: H04L25/03
Abstract: 本发明属于无线通信领域，公开了一种基于变步长LMS算法处理时延敏感的延迟判决反馈均衡方法及系统，该系统将基于变步长LMS算法的判决反馈均衡器应用于受干扰信号的接收处理中。由于无线通信信道存在时变性，为了使均衡器能够更好地实时跟踪信道变化，需要进一步加快LMS的收敛速度。本发明中的变步长LMS算法在初始工作阶段采用较大迭代步长加快收敛速度，在收敛阶段采用较小迭代步长减小稳态误差，能够有效恢复原始信号。本发明具有收敛速度快，稳态误差较小，处理时延小，易于实现等优点。
-
公开(公告)号：CN111079616A
公开(公告)日：2020-04-28
申请号：CN201911258388.4
申请日：2019-12-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于神经网络的单人运动姿态矫正方法,主要解决当今体育老师对学生进行运动指导准确性和效率低下的问题。其实现方案是：下载包含人体关节点的图像数据集和其对应的标注文件，构建训练数据集；搭建基于空间域转换的人体关节点检测网络，并利用训练数据集对其训练；采集标准运动和普通运动图片，分别输入到训练好的基于空间域转换的人体关节点检测网络，得到各自的关节点坐标，分别构成标准运动和普通运动数据集并进行匹配，得到标准匹配图片；计算普通运动图片与标准匹配图片中各关节点之间的欧氏距离，统计大于打分阈值的关节点，即为需要矫正的动作点。本发明提高了运动姿态矫正准确率和训练效率，可用于单人运动姿态矫正。
-
公开(公告)号：CN108599894A
公开(公告)日：2018-09-28
申请号：CN201810223186.5
申请日：2018-03-19
Applicant: 西安电子科技大学
Abstract: 本发明属于无线通信技术领域，公开了一种与Turbo码相结合的SEFDM信号的检测方法、无线通信系统，结合SEFDM信号的解调公式，初步解调，对解调后的信号进行MAP译码；将译码后的信号代入解调公式，并给出其中一条子载波上的载波间干扰；载波间干扰变换成两个序列的循环卷积的形式，方便计算；从初步解调后的信号中减去求得的载波间干扰，将结果送入下一次迭代。本发明在误码率性能上，当压缩因子大于0.6时，表现出比现有算法更好的误码率性能，压缩因子小于0.6时，误码率性能也与现有算法接近。在算法复杂度上，与Turbo码结合的SEFDM信号的检测算法的算法复杂度至于载波数N有关，且小于原有算法。
-
Patent Agency Ranking
公开(公告)号：CN109993172B
公开(公告)日：2022-12-06
申请号：CN201910229635.1
申请日：2019-03-25
Applicant: 西安电子科技大学
IPC: G06V30/148 , G06V10/26 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种道路车流的车牌识别方法,主要解决现有技术在复杂环境下车牌识别准确率低的问题。其实现方案是：1.采集若干个不同场景和在不同拍摄角度、不同天气和光照情况下的车辆行驶视频，提取视频中的车牌信息并处理，构建训练数据集；2.构建基于图像特征域转换的车牌识别网络；3.利用训练数据集对构建好的车牌识别网络进行训练；4.将待识别的车牌图像输入到训练好的车牌识别网络，对车牌图像进行识别，得到车牌预测序列，并将车牌预测序列进行整理，得到最终的车牌预测结果。本发明不仅在车牌识别时取得了很高的准确率，而且对各种交通状况及天气光照情况都有很好的普适性，具有较强的鲁棒性，可用于道路车流的车牌识别。
-
公开(公告)号：CN108712354A
公开(公告)日：2018-10-26
申请号：CN201810233429.3
申请日：2018-03-19
Applicant: 西安电子科技大学
IPC: H04L25/03
CPC classification number: H04L25/03267 , H04L2025/03471 , H04L2025/03585 , H04L2025/03636
Abstract: 本发明属于无线通信领域，公开了一种基于变步长LMS算法处理时延敏感的延迟判决反馈均衡方法及系统，该系统将基于变步长LMS算法的判决反馈均衡器应用于受干扰信号的接收处理中。由于无线通信信道存在时变性，为了使均衡器能够更好地实时跟踪信道变化，需要进一步加快LMS的收敛速度。本发明中的变步长LMS算法在初始工作阶段采用较大迭代步长加快收敛速度，在收敛阶段采用较小迭代步长减小稳态误差，能够有效恢复原始信号。本发明具有收敛速度快，稳态误差较小，处理时延小，易于实现等优点。
-
公开(公告)号：CN111079616B
公开(公告)日：2022-03-04
申请号：CN201911258388.4
申请日：2019-12-10
Applicant: 西安电子科技大学
IPC: G06V40/20 , G06K9/62 , G06V10/764
Abstract: 本发明公开了一种基于神经网络的单人运动姿态矫正方法,主要解决当今体育老师对学生进行运动指导准确性和效率低下的问题。其实现方案是：下载包含人体关节点的图像数据集和其对应的标注文件，构建训练数据集；搭建基于空间域转换的人体关节点检测网络，并利用训练数据集对其训练；采集标准运动和普通运动图片，分别输入到训练好的基于空间域转换的人体关节点检测网络，得到各自的关节点坐标，分别构成标准运动和普通运动数据集并进行匹配，得到标准匹配图片；计算普通运动图片与标准匹配图片中各关节点之间的欧氏距离，统计大于打分阈值的关节点，即为需要矫正的动作点。本发明提高了运动姿态矫正准确率和训练效率，可用于单人运动姿态矫正。
-
公开(公告)号：CN109472247B
公开(公告)日：2021-11-30
申请号：CN201811369244.1
申请日：2018-11-16
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于深度学习非配合式人脸识别方法，其步骤为：1、生成深度学习网络训练数据集；2、分别构建检测深度学习网络和识别深度学习网络；3、分别训练检测深度学习网络和识别深度学习网络；4、制备非配合人脸特征数据库；5、摄像头对视频流实时采样；6、检测并跟踪图像的人脸区域；7、特征匹配；8、人脸识别。本发明通过在传统的检测识别人脸的过程中引入跟踪算法，能够持续地对同一个人进行识别分析，不仅能实现快速识别非配合式人脸，而且对遮挡和形变的人脸具有较好的识别率，可用于对视频监控环境下非配合拍摄的人脸进行识别。
-
公开(公告)号：CN109472247A
公开(公告)日：2019-03-15
申请号：CN201811369244.1
申请日：2018-11-16
Applicant: 西安电子科技大学
Abstract: 本发明公开一种基于深度学习非配合式人脸识别方法，其步骤为：1、生成深度学习网络训练数据集；2、分别构建检测深度学习网络和识别深度学习网络；3、分别训练检测深度学习网络和识别深度学习网络；4、制备非配合人脸特征数据库；5、摄像头对视频流实时采样；6、检测并跟踪图像的人脸区域；7、特征匹配；8、人脸识别。本发明通过在传统的检测识别人脸的过程中引入跟踪算法，能够持续地对同一个人进行识别分析，不仅能实现快速识别非配合式人脸，而且对遮挡和形变的人脸具有较好的识别率，可用于对视频监控环境下非配合拍摄的人脸进行识别。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.034 seconds)
