网络监测方法及监测平台
    11.
    发明公开

    公开(公告)号:CN108011774A

    公开(公告)日:2018-05-08

    申请号:CN201610964216.9

    申请日:2016-10-28

    Abstract: 本发明实施例提供一种网络监测方法及监测平台。该方法包括:监测平台接收探针设备发送的被测网络的网络性能参数;存储所述被测网络的网络性能参数;根据所述网络性能参数,确定所述被测网络是否异常;若所述被测网络异常,所述监测平台发出报警信息。本发明实施例通过部署在被测网络内的探针设备检测被测网络的网络性能参数,探针设备将被测网络的网络性能参数发送给监测平台,监测平台根据被测网络的网络性能参数确定被测网络是否异常,若被测网络异常,则监测平台发出报警信息,实现了对被测网络的实时监测和维护,若被测网络是有线电视网络,将实现对有线电视网络的实时监测和维护。

    一种基于北斗地基增强和物联网融合的报警系统及方法

    公开(公告)号:CN107767639A

    公开(公告)日:2018-03-06

    申请号:CN201710741940.X

    申请日:2017-08-25

    Abstract: 本发明公开了一种报警系统及方法,包括定位装置、社区服务器、家庭主机以及报警装置;所述定位装置与家庭主机、社区服务器通信连接;报警装置用于根据用户的触发生成报警无线信号并发送给家庭主机;家庭主机用于接收报警无线信号并传送给社区服务器和定位装置;定位装置包含信号接收单元和分析单元,信号接收单元用于接收家庭主机传送的报警无线信号,分析单元用于分析所述报警无线信号来源的位置信息以获取报警定位信息,并传送给社区服务器;社区服务器用于整合报警无线信号以及报警定位信息得到报警信息,并将报警信息发送给外部服务器。该系统及方法能用于社区家庭一键报警,并且外部可快速获得报警类型信息以及精确的报警位置信息。

    基于对偶综合-解析字典学习的行人再识别方法

    公开(公告)号:CN107679461A

    公开(公告)日:2018-02-09

    申请号:CN201710816499.7

    申请日:2017-09-12

    Abstract: 本发明设计了一种基于对偶综合-解析字典学习的行人再识别方法,其主要技术特点是:从行人再识别数据中提取行人图像特征;采用局部Fisher判决分析方法将不同摄像机视角下的行人图像特征投影到公共特征空间;运用对偶综合-解析字典学习算法,在公共特征空间中学习对偶综合字典和对偶解析字典;建立行人匹配模型,并利用改进余弦公式进行行人距离计算。本发明设计合理,其通过在原始对偶综合字典学习中引入对偶解析字典,解析字典拥有判决能力,提高了综合字典的数据表示能力,使得字典能够更有效的表示数据的本征结构,获得了有效的再识别性能。

    基于小型单支卷积神经网络的视觉目标跟踪方法

    公开(公告)号:CN107292914A

    公开(公告)日:2017-10-24

    申请号:CN201710450318.3

    申请日:2017-06-15

    CPC classification number: G06T7/246 G06N3/084

    Abstract: 本发明涉及一种基于小型单支卷积神经网络的视觉目标跟踪方法,其主要技术特点是:搭建小型单支卷积神经网络;设计损失函数用于卷积神经网络的训练;对测试序列进行目标跟踪,当新视频帧到来时,根据损失函数的结果判断网络参数的更新与否;将卷积神经网络的输出结果送给二元分类器,预测出目标位置。本发明利用了深度卷积网络对目标物体强大的表示能力,构建小型单支卷积神经网络,提出新的损失函数和更新策略,增加了整体算法的跟踪精度,提高了跟踪结果的稳定性以及跟踪速率,获得了很好的目标跟踪结果。

    广播电视传输分配网信道损伤测试方法

    公开(公告)号:CN103795589B

    公开(公告)日:2017-09-19

    申请号:CN201310727057.7

    申请日:2013-12-26

    Abstract: 本发明提供一种广播电视传输分配网信道损伤测试方法,包括:本发明提供的广播电视传输分配网信道损伤测试方法,向待测传输码TS流的每一个TS包的第一字段位置添加输入时间戳,并将添加输入时间戳的TS包发送至待测广播电视传输分配网中;从待测广播电视传输分配网的输出端接收添加有输入时间戳的TS包,向TS包的第二字段位置添加输出时间戳后,将该TS包存入缓存中;将缓存中存储的各TS包内包含的输入时间戳和输出时间戳的时间戳差值,确定为TS包在待测广播电视传输分配网信道中的延时损伤。本发明实施例有效提高了测试TS流在传输分配网络中的延时损伤的准确性。

    基于深度学习框架对图像进行特征提取的目标检测方法

    公开(公告)号:CN106203450A

    公开(公告)日:2016-12-07

    申请号:CN201610542676.2

    申请日:2016-07-11

    Inventor: 赵怀瑾 周芸 王强

    CPC classification number: G06K9/4604 G06K9/42 G06K9/6269 G06K2209/21

    Abstract: 本发明涉及一种基于深度学习框架对图像进行特征提取的目标检测方法,其技术特点是:基于MCG算法对图像进行预处理,提取出可能存在的目标位置的图像块;基于MTSE算法优化已提取出来的图像块;将得到的图像块利用超像素优化的方法迭代调整到caffe框架输入要求的大小;利用caffe深度学习框架对图像块进行特征提取,其中模型的配置利用R-CNN算法完成;对得到的特征利用SVM算法进行分类,得到最终结果。本发明设计合理,通过对图像进行预处理减少了特征的计算量,然后利用caffe深度学习框架提取图像的深度特征,能更好地表示物体,并用SVM分类算法对特征进行分类,获得了良好的检测结果。

Patent Agency Ranking