-
公开(公告)号：CN107315995A
公开(公告)日：2017-11-03
申请号：CN201710354814.9
申请日：2017-05-18
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明提供一种基于拉普拉斯对数脸及卷积神经网络的人脸识别方法，包括：S1，获取待识别人脸图像并预处理；S2，判断数据库中人脸图像数量是否达到预定值，若未达到则执行S3，否则执行S4；S3，利用拉普拉斯对数脸算法从待识别人脸图像中提取人脸特征，而后计算提取的人脸特征与数据库中各人脸图像对应的人脸特征之间的卡方距离，并输出卡方距离最小的人脸图像；S4，利用预先训练的卷积神经网络从预处理后的待识别人脸图像中提取人脸特征；而后计算提取的人脸特征与数据库中各人脸图像对应的人脸特征之间的余弦距离，并输出余弦距离最小的人脸图像。本发明可以实现快速的人脸识别，识别准确率高，对于监控、反恐等都有重要的意义。
-
公开(公告)号：CN105068042B
公开(公告)日：2017-10-13
申请号：CN201510456283.5
申请日：2015-07-29
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种基于麦克风阵列的运动目标计数方法，其特征在于所述的计数方法包括以下步骤：麦克风阵列通过目标检测算法获悉是否出现运动目标；检测到运动目标出现后，麦克风阵列在每个时间帧上利用该帧的采集信号按一个声源对运动目标进行定向，从而得到运动目标在每个时间帧上的角度估计值；检测算法检测到运动目标驶离麦克风阵列过后，麦克风阵列停止角度估计，计算所得各帧的角度估计值经过某个角度带的次数，则该次数就是运动目标的数目。本发明充分利用了麦克风阵列的优势，凭借单个麦克风阵列即可十分便捷地实现对运动目标数目的估计。且所述的计数方法具有传统的使用红外传感器或图像传感器难以满足的低功耗、易于布放以及隐蔽性的三个优点。
-
公开(公告)号：CN104182990B
公开(公告)日：2017-05-31
申请号：CN201410395358.9
申请日：2014-08-12
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G06T7/20
Abstract: 本发明涉及一种实时序列图像运动目标区域获取方法，包括以下步骤：对获取的静态图像序列做帧差处理，获得帧差图像序列；将帧差图像序列的每一帧分割成W×H子区域，并计算每个子区域能量对数值；根据每个子区域能量对数值获取每个子区域的特征值；判断每个子区域是否属于运动目标区域；得到整体运动目标区域。本发明能够适应复杂背景和自然环境等情况。
-
公开(公告)号：CN104182976B
公开(公告)日：2017-02-01
申请号：CN201410395284.9
申请日：2014-08-12
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及野外运动目标精细化提取方法，包括：获取包含运动目标的序列图像，并对序列图像进行预处理；将预处理后的序列图逐帧做差后分割为多个栅格，根据栅格的特征值确定目标所在的运动区域，并利用栅格法提取目标的运动区域进一步缩小目标范围；在目标的运动区域内对背景进行建模，通过背景减除法得到目标的二值化图，并对所述二值化图进行带反馈的像素级处理；将处理后的二值化图映射到目标所在的彩色图区域，并对所述彩色图区域进行超像素分割；将该分割结果和二值化图进行融合，根据融合结果，计算每个超像素的置信度，阈值化后最终得到精细化的运动目标。本发明可以在复杂背景下实现较实时、鲁棒、精细的野外运动目标的
-
公开(公告)号：CN105068042A
公开(公告)日：2015-11-18
申请号：CN201510456283.5
申请日：2015-07-29
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明涉及一种基于麦克风阵列的运动目标计数方法，其特征在于所述的计数方法包括以下步骤：麦克风阵列通过目标检测算法获悉是否出现运动目标；检测到运动目标出现后，麦克风阵列在每个时间帧上利用该帧的采集信号按一个声源对运动目标进行定向，从而得到运动目标在每个时间帧上的角度估计值；检测算法检测到运动目标驶离麦克风阵列过后，麦克风阵列停止角度估计，计算所得各帧的角度估计值经过某个角度带的次数，则该次数就是运动目标的数目。本发明充分利用了麦克风阵列的优势，凭借单个麦克风阵列即可十分便捷地实现对运动目标数目的估计。且所述的计数方法具有传统的使用红外传感器或图像传感器难以满足的低功耗、易于布放以及隐蔽性的三个优点。
-
Patent Agency Ranking
公开(公告)号：CN104302016A
公开(公告)日：2015-01-21
申请号：CN201410470218.3
申请日：2014-09-16
Applicant: 北京市信息技术研究所 , 中国科学院上海微系统与信息技术研究所
IPC: H04W84/18
CPC classification number: H04W84/20 , G01V1/001 , G01V1/223 , G06F3/16 , G06K9/00771 , G06K9/6288 , H04N5/225 , H04W84/18
Abstract: 本发明提供一种基于多功能复合式传感器的无线传感网架构，包括：若干个传感模块，包括多个第一传感节点、和第二传感节点，第一传感节点用于在感测移动目标进入探测区域后采集目标信号，提取移动目标的特征信息，分析移动目标的特征信息形成初级目标信息，传输初级目标信息至第二传感节点，第二传感节点将多个第一传感节点传输的移动目标的初级目标信息进行移动目标匹配和关联，并将关联后的初级目标信息进行修正形成中级目标信息；控制模块，用于综合和校准中级目标信息，通过融合校准后的中级目标信息获取到移动目标的态势评估形成高级目标信息。本发明提升了无线传感网的抗毁能力，延长了传感网生命周期，增加了融合处理高级目标信息的可信度。
-
公开(公告)号：CN116824433A
公开(公告)日：2023-09-29
申请号：CN202310495293.4
申请日：2023-05-05
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G06V20/40 , G01S17/06 , G01S17/86 , G01C21/16 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明涉及一种基于自监督神经网络的视觉‑惯导‑雷达融合自定位方法，包括：获取视频帧序列、惯导数据和激光雷达点云图；将视频帧序列、惯导数据和激光雷达点云图输入至位姿估计网络模型，得到输入视频帧的相对位姿估计；其中，位姿估计网络模型包括：深度预测网络，用于根据输入的视频帧序列得到深度图；特征提取网络，用于分别对输入的视频帧序列、惯导数据和激光雷达点云图提取特征信息，得到视觉特征、动量特征和雷达特征；特征融合网络，用于将视觉特征和雷达特征进行融合得到预融合特征，再将预融合特征与动量特征进行融合，得到融合特征；位姿估计网络，用于根据融合特征预测位姿变换矩阵。本发明提升了自监督深度定位算法的定位精度。
-
公开(公告)号：CN107315995B
公开(公告)日：2020-07-31
申请号：CN201710354814.9
申请日：2017-05-18
Applicant: 中国科学院上海微系统与信息技术研究所
Abstract: 本发明提供一种基于拉普拉斯对数脸及卷积神经网络的人脸识别方法，包括：S1，获取待识别人脸图像并预处理；S2，判断数据库中人脸图像数量是否达到预定值，若未达到则执行S3，否则执行S4；S3，利用拉普拉斯对数脸算法从待识别人脸图像中提取人脸特征，而后计算提取的人脸特征与数据库中各人脸图像对应的人脸特征之间的卡方距离，并输出卡方距离最小的人脸图像；S4，利用预先训练的卷积神经网络从预处理后的待识别人脸图像中提取人脸特征；而后计算提取的人脸特征与数据库中各人脸图像对应的人脸特征之间的余弦距离，并输出余弦距离最小的人脸图像。本发明可以实现快速的人脸识别，识别准确率高，对于监控、反恐等都有重要的意义。
-
公开(公告)号：CN109916957A
公开(公告)日：2019-06-21
申请号：CN201910178328.5
申请日：2019-03-08
Applicant: 中国科学院上海微系统与信息技术研究所
IPC: G01N25/56
Abstract: 本发明涉及一种基于红外信号的落叶含水率测量方法，包括以下步骤：获取落叶的短时红外信号数据；根据得到的红外信号数据计算能量值序列；计算能量值序列的平均值作为判断落叶含水率的特征值；将能量值序列的平均值转换为落叶含水率，得到准确的落叶含水率。本发明能够在各种林区环境及自然环境下，准确的得到落叶层含水率，适用性强，无需人工干预。
-
公开(公告)号：CN106526533B
公开(公告)日：2019-03-05
申请号：CN201611025627.8
申请日：2016-11-14
Applicant: 中国科学院上海微系统与信息技术研究所 , 中国科学院大学
Abstract: 本发明提供一种微孔径MEMS声阵列传感器及其使用方法，包括依次连接的MEMS声阵列、声信号预处理器、微控制器和微处理器，所述MEMS声阵列包括多个呈中心对称均匀分布的MEMS传声器；所述声信号预处理器包括多路与所述MEMS传声器一一对应连接的滤波器、以及与各滤波器分别连接的多通道增益调节模块；所述微控制器包括相互连接的AD转换模块和抗虚警模块；所述微处理器包括依次连接的目标检测模块、信号增强模块、分类识别模块和DOA估计模块。本发明的传感器功耗低、体积小、重量轻。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.195 seconds)
