公开(公告)号：CN110414426A

公开(公告)日：2019-11-05

申请号：CN201910682211.0

申请日：2019-07-26

Applicant: 西安电子科技大学

Inventor： 周峰 ,  侯敏 ,  石晓然 ,  李雅欣 ,  杨爽 ,  刘磊 ,  白雪茹

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于PC-IRNN的行人步态分类方法，该方法通过构建PC-IRNN和梯度裁剪解决了传统RNN由于长时依赖容易出现的梯度消失和梯度爆炸现象、IRNN利用ReLU激活函数导致输入信息损失的问题，以及LSTM由于网络结构复杂从而计算成本过高的缺点。另外，本发明是RNN的一种，它可以直接从样本的输入序列间的固有相关性中自动提取与分类相关的特征，从而省去了DCNN中预定义不同大小的卷积核来提取特征的步骤，实现网络计算成本的减少和行人步态分类准确率的提高。

公开(公告)号：CN110414426B

公开(公告)日：2023-05-30

申请号：CN201910682211.0

申请日：2019-07-26

Applicant: 西安电子科技大学

Inventor： 周峰 ,  侯敏 ,  石晓然 ,  李雅欣 ,  杨爽 ,  刘磊 ,  白雪茹

IPC: G06F18/213 ,  G06F18/24 ,  G06F18/241 ,  G06F18/214 ,  G06N3/044 ,  G06N3/084 ,  G01S7/41

公开(公告)号：CN114529486A

公开(公告)日：2022-05-24

申请号：CN202210095100.1

申请日：2022-01-26

Applicant: 西安电子科技大学

Inventor： 周峰 ,  石晓然 ,  龚啸 ,  杨爽 ,  樊伟伟 ,  董洋珣 ,  刘磊

IPC: G06T5/50 ,  G06T5/00 ,  G06N3/04

Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于多特征融合全卷积网络的多聚焦图像融合方法。本发明弥补了传统图像融合方法中均是手动设计特征提取方法和融合规则的不足，使多聚焦图像融合后细节信息得到充分保留；利用不同模糊函数预处理的图像数据训练网络，提高了网络的泛化性能和融合精度；构建的多特征融合全卷积网络，利用跨层连接实现了特征复用，既保留了图像的原始特征，同时增添了网络学习的特征，使得图像表征更加全面；且减少了网络参数量，提高了算法效率。

公开(公告)号：CN110146872A

公开(公告)日：2019-08-20

申请号：CN201910412178.X

申请日：2019-05-17

Applicant: 西安电子科技大学

Inventor： 周峰 ,  杨爽 ,  石晓然 ,  刘磊 ,  樊伟伟 ,  白雪茹 ,  粟华林

IPC: G01S13/58 ,  G01S7/41

Abstract: 本发明公开了基于逆Radon变换的人体微多普勒分量提取方法，该方法对行人雷达回波信号作时频变换、逆Radon变换，得到聚集程度最高的点即为能量最强的频率分量信号在逆Radon域中的映射点；再通过映射点估计正弦调频信号的频率和幅值，从而得到能量最强的正弦调频信号；将该信号从行人雷达回波信号中分离，即完成第1个微多普勒分量的提取；继续对信号进行分离，直到信号分量能量小于等于信号分离阈值，停止分离，提取出多个微多普勒分量。本发明实现了精确估计行人不同部位的微动信号分量，对行人微动信号的精细化分离。