-
公开(公告)号：CN109684982A
公开(公告)日：2019-04-26
申请号：CN201811557875.6
申请日：2018-12-19
Applicant: 哈尔滨工业大学(深圳) , 深圳云安宝科技有限公司
IPC: G06K9/00
Abstract: 本发明提供了一种结合易混目标排除的基于视频分析的火焰检测方法，首先利用训练好的火焰目标检测深度模型判别出初选火焰目标区域；然后将训练好的车灯检测深度模型应用于初选火焰目标区域，若某个初选火焰目标区域被判定为车灯，则将其排除在真实火焰目标区域外；经过车灯检测深度模型筛选留下的初选火焰目标区域被最终标记为终选火焰目标区域；最后利用火苗的运动特性从终选火焰目标区域中筛选出真实火焰目标区域。本发明的有益效果是：将易混的夜间车灯排除，有利于减少误判，提高火焰检测的准确度。
-
公开(公告)号：CN107563150A
公开(公告)日：2018-01-09
申请号：CN201710770933.2
申请日：2017-08-31
Applicant: 深圳大学 , 哈尔滨工业大学深圳研究生院
Abstract: 本发明适用生物信息技术领域，提供了一种蛋白质结合位点的预测方法、装置、设备及存储介质，该方法包括：接收待预测的蛋白质序列，使用预设的滑动窗口和滑动步长对蛋白质序列进行序列划分，得到多个氨基酸子序列，根据这些氨基酸子序列构建蛋白质序列的词向量，对词元素进行文档特征提取，根据提取的文档特征构建蛋白质序列的文档特征向量，对这些氨基酸子序列进行蛋白质链生物学特征提取，根据提取的生物学特征构建蛋白质序列的生物学特征向量，使用预设的氨基酸残基分类模型对使用文档特征向量和生物学特征向量表示的氨基酸子序列进行分类，得到蛋白质序列的氨基酸残基类型，从而提高了蛋白质结合位点预测的准确性和泛用性。
-
公开(公告)号：CN104166860B
公开(公告)日：2017-06-13
申请号：CN201410359737.2
申请日：2014-07-25
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06K9/66
Abstract: 本发明提供了一种基于约束的面向单个测试样本的人脸识别方法，步骤1，对训练样本集合和测试样本进行预处理；步骤2，算法的第一阶段，设计测试样本与训练样本之间的函数关系，利用训练样本线性表示测试样本的方法建立它们间的函数关系，步骤3，设计字典的类标嵌入项，步骤4，算法的第二阶段,利用训练样本集合来学习字典，并且该字典同时也是测试样本的最优表示，步骤5、分类方法：采用线性分类方法对测试样本进行分类。试验结果表明提出的算法具有计算复杂度低，重构性能、鉴别性和紧凑性强的等特点，能进一步提高人脸识别效率。
-
公开(公告)号：CN106709477A
公开(公告)日：2017-05-24
申请号：CN201710098166.5
申请日：2017-02-23
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06K9/00288 , G06K9/2018 , G06K9/6292 , G06N3/084
Abstract: 本发明公开了一种基于自适应得分融合与深度学习的人脸识别方法及系统，该系统包括：近红外人脸和可见光人脸采集单元，用于通过两个模态的摄像头协同工作，共同采集同一个人脸的图片；人脸特征提取单元，用于通过深度卷积模型分别对获取的近红外人脸图片和可见光人脸图片进行特征提取；自适应的分融合单元，用于通过欧氏距离求出两张图片的相似度，也就是图片的得分，然后利用自适应的得分融合算法对使用深度学习算法提取到的人脸特征在得分层次进行融合，求出该用户最终的得分；结果输出单元，用于进行最终得分结果的输出。本发明既可以解决近红外光的光照强度对人脸成像的影响，又可以利用可见光图片解决近红外图片细节消失的问题。
-
公开(公告)号：CN106295571A
公开(公告)日：2017-01-04
申请号：CN201610658765.3
申请日：2016-08-11
Applicant: 深圳市赛为智能股份有限公司 , 哈尔滨工业大学深圳研究生院
IPC: G06K9/00
Abstract: 本发明公开了一种光照自适应的人脸识别方法，所述光照自适应的人脸识别方法包括以下步骤：采集多张人脸图片，并将获取的人脸图片按照光照强度的等级保存至相应的数据库；根据当前光照强度等级对应数据库中的人脸图片与当前拍摄的测试样本，获取当前光照强度时的测试样本的自相似度；测算当前光照强度时测试样本的图像特征最优阈值；比较当前光照强度时测试样本的自相似度与图像特征最优阈值，从而确定测试样本的分类结果。本发明还公开了一种光照自适应的人脸识别系统。本发明实现了光照自适应的调整最优阈值，提高了人脸识别分类结果的准确性，因此增加了人脸识别系统的稳定性。
-
Patent Agency Ranking
公开(公告)号：CN103679149B
公开(公告)日：2016-11-30
申请号：CN201310676785.X
申请日：2013-12-11
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提出了一种采用凸包(凸多边形)来描述人群并使用二次聚类方法对人群进行进一步的简化的人群聚集检测的方法与装置，通过使用角点描述人群，避免了人群个体分割的不准确性；通过使用凸包表示相隔很近并且具有相似运动形态的人群，使得事件检测上升为群体性判断而非个体行为判断；通过对人群凸包进行二次聚类，减少了同向人群运动向量交点个数，使得计算的人群事件概率更加准确。
-
公开(公告)号：CN106066992A
公开(公告)日：2016-11-02
申请号：CN201610321262.7
申请日：2016-05-13
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06K9/00
Abstract: 本发明提出了一种基于自适应局部约束的判别字典学习算法以解决字典学习算法在人脸识别中存在的问题。本发明首先利用原子构造自适应的拉普拉斯图，使其能够保持字典的局部结构特征。然后，利用编码系数矩阵的行向量与字典的拉普拉斯图设计局部约束判别式项，使得字典具有更强的判别性能，进而设计基于自适应局部约束的判别字典学习的人脸识别系统模型，提高人脸识别的分类性能。本发明算法的顺利开展将丰富和发展基于约束的字典学习理论体系，为增强字典鉴别性能、提升人脸识别的能力起着重要的指导作用。
-
公开(公告)号：CN105205788A
公开(公告)日：2015-12-30
申请号：CN201510433962.0
申请日：2015-07-22
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明提出了一种基于à trous小波阈值去噪方法，应用于高通量基因测序图像去噪。本发明主要是对基于硬阈值的各向同性非抽取离散小波算法的改进，具体操作是使用特定的小波对高通量基因测序的图像进行小波分解，针对每一层小波系数，提出使用l1范数计算全局阈值。通过全局阈值和每一层小波系数构建估计小波系数表达式，最后使用小波重构算法得到去噪后的图像。本发明的方法相对于现有技术中具有去噪性能更好的优点，并且通过几组实验数据对比，证明本发明的合理性和鲁棒性。
-
公开(公告)号：CN105046665A
公开(公告)日：2015-11-11
申请号：CN201510435812.3
申请日：2015-07-22
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明提出了一种基于离散小波变换图像去噪方法，应用于高通量基因测序图像去噪。本发明主要是对基于离散小波变换的BiShrink改进，具体操作是使用离散小波变换对BiShrink阈值算法进行改进。传统的BiShrink算法在计算估计小波系数时考虑当前系数、父子系数的相关性。而本发明是在含有高斯噪声的测序图像中，在每个小波系数的邻域内选择部分小波系数来计算局部阈值，并使用拉普拉斯模型表示当前小波系数与父代小波系数之间的关系，进而得到估计小波系数表达式，用于鲁棒的解决待测序图像的去噪问题。通过对比现有的基于局部阈值小波阈值收缩法花费时间和去噪效果，本发明提出的方法去噪性能更优越，花费时间更短，效率更高。
-
公开(公告)号：CN104166860A
公开(公告)日：2014-11-26
申请号：CN201410359737.2
申请日：2014-07-25
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06K9/66
Abstract: 本发明提供了一种基于约束的面向单个测试样本的人脸识别方法，步骤1，对训练样本集合和测试样本进行预处理；步骤2，算法的第一阶段，设计测试样本与训练样本之间的函数关系，利用训练样本线性表示测试样本的方法建立它们间的函数关系，步骤3，设计字典的类标嵌入项，步骤4，算法的第二阶段,利用训练样本集合来学习字典，并且该字典同时也是测试样本的最优表示，步骤5、分类方法：采用线性分类方法对测试样本进行分类。试验结果表明提出的算法具有计算复杂度低，重构性能、鉴别性和紧凑性强的等特点，能进一步提高人脸识别效率。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.053 seconds)
