-
公开(公告)号：CN115393955A
公开(公告)日：2022-11-25
申请号：CN202211000411.1
申请日：2022-08-19
Applicant: 上海工程技术大学
IPC: G06V40/20 , G06V10/82 , G06V10/764 , G06N3/04
Abstract: 本发明涉及一种利用WiFi基于BVP和WiTransformer的手势识别方法及系统，方法包括：接收并记录识别对象运动引起的CSI模式，基于CSI推导出BVP序列，BVP序列为三维数据，是一组沿时间维度T排列的BVP，BVP序列的长度由BVP的帧数确定，BVP中沿x轴和y轴速度分量可能值的数量记为N；对不同长度的BVP序列进行序列填充和归一化处理，得到处理好的BVP序列；将BVP序列输入训练好的WiTransformer模型，得到手势识别结果，WiTransformer模型是通过改装Transformer模型框架得到的。与现有技术相比，本发明改装Transformer模型，在编码器前增加了时序信息堆叠融合与帧位置编码模块，对编码器结构进行了调整，在编码器后增加了分类器，在面对高复杂度的识别任务时，也能够稳定、准确地识别。
-
公开(公告)号：CN113884981A
公开(公告)日：2022-01-04
申请号：CN202111269647.0
申请日：2021-10-29
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于粒子滤波和地图匹配的室内人员定位方法，该方法包括以下步骤：获取待定位点接收的多个蓝牙信标的RSSI数据，基于加权质心法获得初步定位结果；以改进粒子滤波算法对所述初步定位结果进行初步修正，获得中间修正定位结果，所述改进粒子滤波算法基于定位历史数据和室内人员行走速度实现；基于HMM的室内地图匹配技术对所述中间修正定位结果进行再次修正，合理化人员轨迹，获得最终定位结果。与现有技术相比，本发明具有稳定、精度较高等优点。
-
公开(公告)号：CN113794986A
公开(公告)日：2021-12-14
申请号：CN202111270756.4
申请日：2021-10-29
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于RSSI概率分布的加权定位方法，该方法包括以下步骤：将定位空间简化为多个离散空间，获取待定位终端采集的RSSI数据；基于离线获取的距离与RSSI概率分布之间的映射关系以及定位空间中RSSI概率分布，采用贝叶斯公式估计各个离散空间的权重，以权重最大的离散空间的位置作为定位结果。与现有技术相比，本发明具有定位精度高、鲁棒性佳等优点。
-
Patent Agency Ranking
公开(公告)号：CN113538527A
公开(公告)日：2021-10-22
申请号：CN202110773332.3
申请日：2021-07-08
Applicant: 上海工程技术大学
Abstract: 本发明涉及图像处理技术领域，目的是提供一种高效轻量级光流估计方法，本发明共采用六层金字塔网络结构，对输入的图像对分别进行下采样形成六层金字塔结构，具体包含有特征输入层、扭曲层、成本代价计算层、解耦光流估计层、金字塔结构改进的光流估计层和大位移估计层，成本代价计算层的输出与解耦光流估计层连接，解耦光流估计层的输出端与大位移估计层连接，得到大位移变化后的光流预测，特征输入层的输出还直接与解耦光流估计层连接，得到初步光流预测，更新模型中各参数的权重后在保持相同估计精准度的同时大幅提升了光流估计运算性能，同时改进了物体有遮挡物时精确度下降的情况。
-
公开(公告)号：CN113538527B
公开(公告)日：2023-09-26
申请号：CN202110773332.3
申请日：2021-07-08
Applicant: 上海工程技术大学
Abstract: 本发明涉及图像处理技术领域，目的是提供一种高效轻量级光流估计方法，本发明共采用六层金字塔网络结构，对输入的图像对分别进行下采样形成六层金字塔结构，具体包含有特征输入层、扭曲层、成本代价计算层、解耦光流估计层、金字塔结构改进的光流估计层和大位移估计层，成本代价计算层的输出与解耦光流估计层连接，解耦光流估计层的输出端与大位移估计层连接，得到大位移变化后的光流预测，特征输入层的输出还直接与解耦光流估计层连接，得到初步光流预测，更新模型中各参数的权重后在保持相同估计精准度的同时大幅提升了光流估计运算性能，同时改进了物体有遮挡物时精确度下降的情况。
-
公开(公告)号：CN115272719A
公开(公告)日：2022-11-01
申请号：CN202210889578.1
申请日：2022-07-27
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种用于无人机图像和卫星图像的跨视角景象匹配方法，该方法包括以下步骤：步骤1：建立基于孪生神经网络的景象匹配模型；步骤2：通过景象匹配模型的预处理层对输入的图像进行预处理；步骤3：将预处理后的图像输入至特征提取器进行特征提取；步骤4：基于得到的卫星图的特征向量与无人机图的特征向量进行匹配，以实现无人机定位和导航任务。与现有技术相比，本发明具有提高景象匹配模型推理阶段的精度、大幅提高在不同环境和姿态下的鲁棒性以及提高了景象匹配模型的收敛速度等优点。
-
公开(公告)号：CN118350992A
公开(公告)日：2024-07-16
申请号：CN202410516234.5
申请日：2024-04-28
Applicant: 上海工程技术大学
IPC: G06T3/4038 , G06T3/18 , G06T3/4046 , G06T5/50 , G06T5/60 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种基于ConvNeXt的拼接图像矩形化网络。该网络针对在训练过程中往往存在不同类型（输入样本及其掩膜图）的输入图像，从而导致训练效果不佳问题，提出了利用混合注意力机制使网络对输入样本中的空间域和通道域的特征呈现不同的关注度，提升了网络的特征学习能力。同时，为使得网络尽可能提取不同尺度目标的特征，利用了空洞空间金字塔池化模块，在扩大网络感受野的同时，对不同尺度的高维特征进行融合。与现有技术相比，本发明可以有效地提高矩形化效果，并且在面对复杂非线性语义信息的拼接图像时，拥有更好的语义内容保护能力。
-
公开(公告)号：CN115439934A
公开(公告)日：2022-12-06
申请号：CN202211102627.9
申请日：2022-09-09
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于CNN‑LSTM运动模式识别的自适应步频检测方法，所述检测方法包括以下步骤：获得用户行走时传感器采集数据；将采集数据输入CNN‑LSTM模型进行运动模式识别分类；将采集数据和分类结果输入到采用自适应阈值波峰检测的步频检测算法中，得到步频检测结果；采用所述CNN‑LSTM模型进行运动模式识别分类的步骤包括：将采集数据制成二维切片数据，并将切片数据输入到CNN；利用卷积层提取切片数据运动特征；经过池化层进行降维下采样；通过展平层将数据展开为一维阵列输入到LSTM层；利用LSTM层对数据的不同运动模式进行分类；通过全连接层输出分类结果。与现有技术相比，本发明具有自适应行人不同运动模式，无需人工提取特征，识别准确性高，有效消除伪波峰等优点。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
