-
公开(公告)号：CN112104635A
公开(公告)日：2020-12-18
申请号：CN202010939964.8
申请日：2020-09-09
Applicant: 中移(杭州)信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本发明实施例涉及通信领域，公开了一种通信方法、系统和网络设备。通信方法基于UDP协议，包括：将待发送的消息按照预先定义的帧格式打包成数据帧，其中，所述数据帧中携带协议版本号，协议标识符，报文发送类型，源地址，目标地址和数据负载；根据所述源地址和所述目标地址，发送所述数据帧，其中，若所述源地址和所述目标地址处于同一网络，则通过明文方式发送所述数据帧至目标地址，若所述源地址和所述目标地址处于不同网络，则将所述数据帧发送至所述源地址所在网络的网关。本发明应用在消息通信过程中，使得整个通信过程延时低，开销少，传输效率高。
-
公开(公告)号：CN111523638A
公开(公告)日：2020-08-11
申请号：CN202010162245.X
申请日：2020-03-10
Applicant: 中移(杭州)信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本发明实施例涉及人工智能领域，公开了一种深度神经网络的泛化能力的度量方法、装置、终端、计算机可读存储介质。本发明中，所述深度神经网络的泛化能力的度量方法，包括：获取待评估的深度神经网络；获取所述深度神经网络输出的分类类别的特征向量；对所述特征向量进行归一化处理，计算归一化处理后的所述特征向量在高维单位球面上的分布面积，将所述分布面积作为所述深度神经网络的泛化能力的度量值；输出所述泛化能力的度量值。本发明能够对深度神经网络的泛化能力进行度量，并且实现比较简单。
-
公开(公告)号：CN109726672B
公开(公告)日：2020-08-04
申请号：CN201811613090.6
申请日：2018-12-27
Applicant: 哈尔滨工业大学 , 中移(杭州)信息技术有限公司
Abstract: 一种基于人体骨架序列和卷积神经网络的摔倒检测方法，它属于人体摔倒检测技术领域。本发明解决了传统的人体摔倒检测方法仅利用不连续的单时间点传感信息来检测，容易带来摔倒的误判的问题。本发明采集了一部分人体摔倒骨架序列和类摔倒骨架序列，并且将MSRDaily Activity3D数据集融合到采集的数据集中，同时为了弥补数据集的空白，本发明利用两种数据增强的方法对数据集进行扩增，以避免过拟合的问题；扩增后的数据集用来训练和测试本发明建立的卷积神经网络，实验结果显示，在测试集上的识别准确率为93.75％，灵敏度为93.9％，所以，本发明的方法克服了传统方法容易带来摔倒的误判的问题。本发明可以应用于人体摔倒检测技术领域。
-
公开(公告)号：CN111294524A
公开(公告)日：2020-06-16
申请号：CN202010110983.X
申请日：2020-02-24
Applicant: 中移(杭州)信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本发明实施例涉及计算机领域，公开了一种视频剪辑方法、装置、电子设备及存储介质，视频剪辑方法包括：采用目标检测算法检测视频中的视频帧，得到所述视频帧中的人体区域；其中，所述目标检测算法基于人体目标特征数据预先训练得到；获取所述人体区域内的运动矢量，并根据所述运动矢量确定所述视频帧中的人体是否存在运动；若存在运动，则输出所述视频帧；根据预设的跳帧步长确定下一待检测的视频帧并进行检测，当所述视频中剩余的视频帧的帧数小于所述跳帧步长时，合成所有输出的视频帧以形成剪辑后的视频。本发明有利于快速且准确地提取出包含有人体运动的视频帧。
-
公开(公告)号：CN111225039A
公开(公告)日：2020-06-02
申请号：CN201911345388.8
申请日：2019-12-24
Applicant: 中移(杭州)信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本发明涉及网络通信领域，特别涉及一种显示方法、电子设备及计算机可读存储介质，其中，显示方法，包括：获取待显示文档；将所述待显示文档转换为图片格式、得到待显示图片；将所述待显示图片发送至多个终端进行显示。本发明实施方式所提供的显示方法、电子设备及计算机可读存储介质具有在降低网络要求和网络资源消耗的同时，扩大使用范围的优点。
-
Patent Agency Ranking
公开(公告)号：CN109829422A
公开(公告)日：2019-05-31
申请号：CN201910088572.2
申请日：2019-01-28
Applicant: 哈尔滨工业大学 , 中移(杭州)信息技术有限公司
Abstract: 本发明提供一种基于脉冲神经网络人体摔倒动作的视频识别方法，属于视频识别技术领域。本发明首先将需要识别的视频中基于时间的人体骨骼节点转换为二维彩色图像，并将其转化为二维灰度图像；然后建立人体摔倒动作识别的脉冲神经网络模型；收集人体摔倒动作和未摔倒动作样本，建立人体摔倒动作数据集；并在该人体摔倒动作数据集的基础上，采用STDP算法对所述脉冲神经网络模型进行训练；最后将二维灰度图像作为训练好的脉冲神经网络模型的输入，输出得到识别结果。本发明解决了现有人体摔倒动作的视频识别技术需要进行人工特征提取，导致效率较低的问题。本发明可用于人体摔倒动作的视频识别。
-
公开(公告)号：CN108830252A
公开(公告)日：2018-11-16
申请号：CN201810671262.9
申请日：2018-06-26
Applicant: 哈尔滨工业大学 , 中移(杭州)信息技术有限公司
Abstract: 一种融合全局时空特征的卷积神经网络人体动作识别方法，它属于人体动作识别技术领域。本发明解决了传统动作识别方法存在的动作识别的准确率较低的问题。本发明选用InceptionV3基础网络结构，建立空间通道网络和全局时域通道网络，将UCF101视频数据集切割成单帧静态图像，将单帧静态图像分为训练和测试集对空间通道网络训练和测试；计算训练和测试集中单帧静态图像对应的能量运动历史图，对全局时域通道网络进行训练和测试；对训练好的空间通道网络和全局时域通道网络的参数微调，将概率平均值最大的类别作为待识别视频序列的每帧静态图像的动作识别结果，本发明方法的动作识别准确率可以达到87％以上。本发明可以应用于人体动作识别技术领域用。
-
公开(公告)号：CN119942652A
公开(公告)日：2025-05-06
申请号：CN202510422828.4
申请日：2025-04-07
Applicant: 中移(杭州)信息技术有限公司 , 中国移动通信集团有限公司
IPC: G06V40/20 , G06V40/10 , G06V10/143 , G06V20/40 , G06V10/62
Abstract: 本申请实施例公开了一种信息处理方法、装置、设备、介质及程序产品。该方法包括：在检测到用户处于第一区域的情况下，通过红外摄像头采集第一区域在第一目标时段的红外散斑阵列标定信息；对红外散斑阵列标定信息进行深度计算，得到第一目标时段对应的多帧第一深度图；根据多帧第一深度图进行运动物体集群检测，得到运动物体集群检测结果；根据运动物体集群检测结果，确定各帧第一深度图中的人体区域；分别对各帧第一深度图中的人体区域进行姿态识别，得到各帧第一深度图的姿态识别结果；根据各帧第一深度图的姿态识别结果，确定用户在第一目标时段的运动状态。本申请实施例能够在减少用户信息暴露的情况下，准确地监测用户的运动状态。
-
公开(公告)号：CN119941797A
公开(公告)日：2025-05-06
申请号：CN202510423392.0
申请日：2025-04-07
Applicant: 中移(杭州)信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本发明提供目标跟踪方法、装置、设备、介质及产品，涉及图像处理领域，方法包括：获取待处理图像，对待处理图像进行目标检测，得到至少一个候选目标，待处理图像为场景图像，场景图像为对跟踪场景进行成像得到的图像；分别提取各个候选目标在待处理图像中的目标特征，基于跟踪目标在待处理图像之前的场景图像中的目标特征确定跟踪目标对应的待匹配特征，目标在图像中的目标特征包括降低图像中目标的亮度和预设亮度值的差异之后目标的特征；基于各个候选目标在待处理图像中的目标特征和跟踪目标对应的待匹配特征，在候选目标中确定跟踪目标。本发明在特征提取的过程中，降低了亮度对特征提取的影响，提高在光线急剧变化的场景下目标跟踪的成功率。
-
公开(公告)号：CN119940521A
公开(公告)日：2025-05-06
申请号：CN202510422652.2
申请日：2025-04-07
Applicant: 中移(杭州)信息技术有限公司 , 中国移动通信集团有限公司
Abstract: 本申请公开了一种关系信息的确定方法、装置、设备、介质和产品。该方法包括：获取问题信息中的实体标识；从预设知识图谱中确定实体标识对应的实体向量；获取实体向量在预设知识图谱中的关系路径，以及实体标识的描述信息和交叉描述信息对应的描述文本向量；确定实体向量和描述文本向量的平均向量；将关系路径和平均向量输入至关系预测模型，利用关系预测模型中的预设关系路径、预设平均向量和预设实体关系信息的目标关系信息，确定与关系路径和平均向量对应的目标实体关系信息，为实体标识的实体关系信息。能够对知识图谱中的实体关系信息进行拓展，对实体标识的实体关系信息进行挖掘，进而使得用户能够得到想要的结果，提升了用户体验。
-
-
-
-
-
-
-
-
-
Search Results
209
records
(took 0.05 seconds)
