一种基于无人机运动状态的DeepSort园林垃圾统计方法

    公开(公告)号:CN114821364B

    公开(公告)日:2024-11-08

    申请号:CN202210323197.7

    申请日:2022-03-29

    Abstract: 本发明公开了一种基于无人机运动状态的DeepSort园林垃圾统计方法,所述方法包括:1)针对模糊图像,判断模糊区域对目标垃圾的影响,预测下一帧预测框,减少垃圾的多检,提高统计的准确率。2)针对无人机采集数据时出现突然上升、下降、加速、减速情况,改进预测框与检测框的匹配方法,提高匹配的准确率,降低垃圾的多检率。在智慧园林场景中,利用本发明的技术方案,可实现对无人机拍摄的视频信息中的垃圾进行精准统计,大大减少了在园林管理中人力物力的投入,完善了园林管理系统和保洁人员的考核标准。

    面向追捕目标的无人机多源传感群智动态跟踪方法

    公开(公告)号:CN118689240A

    公开(公告)日:2024-09-24

    申请号:CN202410581025.9

    申请日:2024-05-11

    Inventor: 张晖 陈坤

    Abstract: 本发明提出了面向追捕目标的无人机多源传感群智动态跟踪方法,包括:对待追捕目标从车型外观、车牌号以及驾驶员进行多维特征识别,锁定追捕目标。然后建立无人机的驾驶状态与追捕目标实时运动状态的动态关系,基于两者运动状态动态差值对比实时动态调整跟踪策略和驾驶状态,并基于无人机的动态驾驶调整对追捕目标的轨迹进行预测,根据预测结果进行自适应跟踪,确保对目标的持续监视跟踪,保持与目标的适当距离,并在可能的情况下重新获取目标的跟踪,确保不会因目标的躲避逃脱等变化而丢失目标。无人机对特定追捕目标进行识别、追踪,并不断调整优化提高了目标识别的准确性和鲁棒性,智能应对各种复杂环境,为目标的精准追踪和识别提供有力支持。

    工业物联网复杂环境下的小样本烟雾监测方法

    公开(公告)号:CN113344119B

    公开(公告)日:2024-07-12

    申请号:CN202110718610.5

    申请日:2021-06-28

    Abstract: 本发明是一种工业物联网复杂环境下的小样本烟雾监测方法,该监测方法利用两条并行分支实现烟雾检测,具体包括如下步骤:S1、第一条分支利用条件生成对抗网络生成数据集,将生成的数据集输入卷积神经网络中进行训练,将参数固定;S2、第二条分支采用迁移学习方法对源域图片和目标域的图片传入卷积神经网络进行训练,S3、将步骤S1和S2得到的概率进行加权得到新的概率,概率最高的标签即为所属类别,从而实现小样本下的烟雾检测。本发明结合了生成对抗网络和迁移学习方法,前者通过扩充数据集来解决小样本的问题,后者通过迁移学习来解决,二者结合,使得该模型即使在只有少量样本的情况下也能很好地在有雪环境下对烟雾进行监控。

    一种基于聚类预分析的多意图与语义槽联合识别方法

    公开(公告)号:CN113204952B

    公开(公告)日:2023-09-15

    申请号:CN202110325369.X

    申请日:2021-03-26

    Abstract: 本发明提出了一种基于聚类预分析的多意图识别与语义槽填充联合建模方法:实时获取当前用户输入的多意图文本并进行预处理;基于聚类预分析构建多意图识别模型,用来识别用户的多个意图;基于Slot‑Gated关联门机制构建BiLSTM‑CRF语义槽填充模型,充分利用意图识别的结果指导语义槽的填充;对构建的多意图识别与语义槽填充的联合模型进行优化。本发明充分考虑了意图识别与语义槽填充之间的联系,提出了一种联合建模的方法,将两个语义分析子任务合并为一个语义分析任务,在提高多意图识别准确性的同时也提高语义槽填充的准确性,从而提高自然语言语义分析的质量;在实际应用中,可以有效提升人机对话中机器理解人类语言的能力,提高解决问题的能力和人机对话的体验。

    基于自适应WKNN的无线指纹智能定位方法

    公开(公告)号:CN116506943A

    公开(公告)日:2023-07-28

    申请号:CN202310458796.4

    申请日:2023-04-25

    Inventor: 张晖 王炜馨 王琴

    Abstract: 本申请公开了一种基于自适应WKNN的无线指纹智能定位方法。该方法包括:首先,采用基于贪婪聚类的定位区域划分方法,利用参考点之间的位置距离和特征距离关系确定子区域数与区域中心,完成离线阶段的子区域划分;其次,依据位置距离和特征距离之间的关系,自适应确定最近邻参考点个数及集合;最后,采用基于统计规律校正的定位方法,对各最近邻参考点的权重进行修正,进而获得待定位终端的定位信息。利用本发明的技术方案,有效提高了在线阶段的定位精度,并且降低了在线定位阶段的位置匹配的复杂度。

    一种基于改进SSD学习模型的无人机树木种类识别方法

    公开(公告)号:CN113627240B

    公开(公告)日:2023-07-25

    申请号:CN202110726043.8

    申请日:2021-06-29

    Abstract: 本发明公开了一种基于改进SSD学习模型的无人机树木种类识别方法。首先,采用K‑means++方法进行聚类,分别得到默认候选框的尺度和宽高比信息,为下一步卷积神经网络模型提供参数;其次,构建卷积神经网络模型,改进基准SSD学习模型,增添能针对不同种类的图片噪声自适应产生不同滤波器的滤波层,在模型最后添加一个全局特征融合网络,改进基准SSD学习模型损失函数,并用预先获取的图片对模型进行训练;最后,基于改进SSD学习模型对树木种类进行检测。本发明通过在树木数据集上进行训练提取泛化的不同种类的树木所具有的特征表示,突出特征之间的可区分度,提高针对小目标的检测以及抗图片噪声能力,提高树木种类识别准确度。

    一种面向家居噪声环境的分层自适应去噪方法及系统

    公开(公告)号:CN111477241B

    公开(公告)日:2023-05-26

    申请号:CN202010294672.3

    申请日:2020-04-15

    Abstract: 本发明公开了一种面向家居噪声环境的分层自适应去噪方法及系统,该方法包括:(1)先将带噪语音信号经过谱减法滤波,去除掉噪声的短时谱部分,得到去噪后的语音信号;(2)观察谱减法去噪后的语音信号中时域波形出现时间较短的突发声调的情况;(3)若谱减法去噪后的时域波形出现时间较短的突发声调的情况比较严重,采用维纳滤波法对该信号进行二次滤波,去噪结束,得到去噪后的语音信号否则,转至步骤4;(4)若出现时间较短的突发声调的情况不明显,对该信号进行小波阈值去噪法滤波,去噪结束,得到去噪后的语音信号;本发明提出的面向家居噪声环境下的分层自适应算法,可以有效的抑制带噪信号中的噪声。

    一种面向智慧医疗的多场景适配B5G三维定位方法

    公开(公告)号:CN115113138A

    公开(公告)日:2022-09-27

    申请号:CN202210599648.X

    申请日:2022-05-30

    Abstract: 本发明公开了一种面向智慧医疗的多场景适配B5G三维定位方法,包括:基于离线阶段医院内参考点的信号数据与类别标签,采用LBP‑SVM算法训练得出分类决策模型;基于分类决策模型,使用改进的粒子滤波算法进行位置解算,获得待定位终端的定位信息;向待定位终端反馈所述定位信息。本发明依据对医院的分区,对待定位终端分类,利用粒子滤波,将运动状态转化为静止状态,提高了定位精度,在一定程度上更适应复杂的环境。

Patent Agency Ranking