-
公开(公告)号：CN114584801B
公开(公告)日：2022-12-09
申请号：CN202210034887.0
申请日：2022-01-13
Applicant: 北京理工大学
IPC: H04N21/231 , H04N21/25 , H04L67/10
Abstract: 本发明涉及一种基于图神经网络推荐算法的视频资源缓存方法，属于边缘计算技术领域。首先将边缘服务器划分为不同的区域，每个边缘服务器只向其区域内用户提供服务。然后，在云服务器使用图神经网络实现推荐算法，计算出每个用户的推荐视频列表。根据不同用户的推荐列表，选取其最靠前的若干视频文件执行缓存策略，将其缓存到边缘服务器中。本发明充分利用了云端服务器的计算资源，同时使用边缘服务器进行视频缓存，减小主干网络开销，同时提高了用户体验。
-
公开(公告)号：CN115082845A
公开(公告)日：2022-09-20
申请号：CN202210450859.7
申请日：2022-04-26
Applicant: 北京理工大学
IPC: G06V20/52 , G06V10/764 , G06V10/82 , H04N7/18
Abstract: 本发明涉及一种基于深度强化学习的监控视频目标检测任务调度方法，属于边缘计算技术领域。首先抽取监控视频关键帧压缩待处理视频规模，使用残差U‑Net神经网络对监控视频的关键帧进行显著性目标检测，识别有价值的目标信息。同时，采用云边协作架构，根据云服务器和边缘设备的可用资源，使用深度强化学习异步优势行动者评论家A3C算法优化调度残差U‑Net网络，将残差U‑Net网络目标检测任务根据当前系统可用资源，自适应地卸载在云服务器或边缘设备执行，从而减小系统时延，提高实时性能。
-
公开(公告)号：CN114584801A
公开(公告)日：2022-06-03
申请号：CN202210034887.0
申请日：2022-01-13
Applicant: 北京理工大学
IPC: H04N21/231 , H04N21/25 , H04L67/10
Abstract: 本发明涉及一种基于图神经网络推荐算法的视频资源缓存方法，属于边缘计算技术领域。首先将边缘服务器划分为不同的区域，每个边缘服务器只向其区域内用户提供服务。然后，在云服务器使用图神经网络实现推荐算法，计算出每个用户的推荐视频列表。根据不同用户的推荐列表，选取其最靠前的若干视频文件执行缓存策略，将其缓存到边缘服务器中。本发明充分利用了云端服务器的计算资源，同时使用边缘服务器进行视频缓存，减小主干网络开销，同时提高了用户体验。
-
公开(公告)号：CN113069105A
公开(公告)日：2021-07-06
申请号：CN202110323882.5
申请日：2021-03-26
Applicant: 北京理工大学
Abstract: 本发明涉及一种利用智能手机扬声器和麦克风的驾驶员吸烟行为检测方法，属于移动计算应用技术领域。通过现有智能手机普遍配备的扬声器和麦克风组成一个简易的主动式声呐系统，手机扬声器发出超声波被不同距离的障碍物反射后，在不同的时间被手机麦克风收到。当驾驶员吸烟时，其手臂和胸腔的运动具有一定的规律性，系统通过检测驾驶员手臂和胸腔的运动来分析是否存在吸烟行为。本发明方法尤其适用于出租车、网约车和公交车等禁止吸烟的驾驶环境。
-
公开(公告)号：CN112330924B
公开(公告)日：2021-07-06
申请号：CN202011221862.9
申请日：2020-11-05
Applicant: 北京理工大学
IPC: G08B21/04 , H04B17/309 , H04W4/33 , H04W84/12
Abstract: 本发明公开了一种室内环境下基于信道状态信息的跌倒事件检测方法。本方法利用商用Wi‑Fi设备和接收天线来收集用户在室内环境中进行日常活动时的Wi‑Fi信号，通过分析Wi‑Fi信号的信道状态信息，包括信号的幅值、相位和动态路径分量等信息，来确定用户是否有活动，然后结合机器学习方法，从用户活动引起的信号变化中提取有效特征来判断该用户活动是否为跌倒事件，最终实现室内环境下的跌倒事件检测。本发明仅依靠商用Wi‑Fi设备发送Wi‑Fi信号，一组天线接收Wi‑Fi信号，部署和维护成本低、使用便利、不存在泄露隐私问题，尤其适用于单人的室内检测环境，具有很高的准确性。
-
Patent Agency Ranking
公开(公告)号：CN120030869A
公开(公告)日：2025-05-23
申请号：CN202411869428.X
申请日：2024-12-18
Applicant: 北京理工大学
IPC: G06F30/27 , G06F21/62 , G06N20/00 , G06F111/08
Abstract: 本发明涉及一种在线学习的联邦群智感知方法，属于物联网技术领域。本发明实现方法为：1、构建服务者和参与者的感知交互模型；分别对参与者和服务者的交互模式和效用进行建模并优化双方的交互模式；进一步的对交互模式采用奖励预算与支付报酬的方式对感知任务进行优化分配；进而提升感知任务数据采集的多样性；2、构建服务者和参与者的联邦交互模型；在随机性和对抗性环境中，对建模参与者的出价并优化参与者的选取概率，通过参与者的出价与对全局模型的贡献更新选取概率估计量，进而对联邦学习模型进行优化；与现有技术相比，本发明解决了在随机性和对抗性环境中现有物联网数据分析中数据的多样性和隐私性，进而实现了高效的物联网数据分析。
-
公开(公告)号：CN113069105B
公开(公告)日：2022-03-04
申请号：CN202110323882.5
申请日：2021-03-26
Applicant: 北京理工大学
Abstract: 本发明涉及一种利用智能手机扬声器和麦克风的驾驶员吸烟行为检测方法，属于移动计算应用技术领域。通过现有智能手机普遍配备的扬声器和麦克风组成一个简易的主动式声呐系统，手机扬声器发出超声波被不同距离的障碍物反射后，在不同的时间被手机麦克风收到。当驾驶员吸烟时，其手臂和胸腔的运动具有一定的规律性，系统通过检测驾驶员手臂和胸腔的运动来分析是否存在吸烟行为。本发明方法尤其适用于出租车、网约车和公交车等禁止吸烟的驾驶环境。
-
公开(公告)号：CN111669291B
公开(公告)日：2021-06-01
申请号：CN202010492093.X
申请日：2020-06-03
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于深度强化学习的虚拟化网络服务功能链部署方法，用于解决边缘计算背景下的虚拟化网络服务功能部署问题，属于边缘计算技术领域。本方法，通过分别解决虚拟功能放置和流量路由两个问题，实现以最小成本代价的服务功能链的部署，可以利用深度强化学习的优势，以适应随时间变化的流量控制需求。本方法用神经网络作为累计奖赏Q值的依据。另外，在为神经网络输入样本时，深度强化学习引入了经验池的概念。本发明既考虑了总成本也考虑了端到端延迟，尤其是中间处理延迟，适用于应用在动态复杂的，对服务器的通讯成本和延迟都要求较高的场景。
-
公开(公告)号：CN109965889B
公开(公告)日：2020-06-16
申请号：CN201910256804.0
申请日：2019-04-01
Applicant: 北京理工大学
Abstract: 本发明公开了一种利用智能手机扬声器和麦克风的疲劳驾驶检测方法。通过智能手机的扬声器和麦克风组成多普勒雷达系统，利用驾驶员运动时的多普勒效应判断是否存在疲劳驾驶的三种典型动作(点头、打哈欠和非正常操控方向盘)，最终根据对三种典型动作的检测结果分析是否存在疲劳驾驶。本发明仅依靠智能手机中的扬声器发出超出人耳听力范围的高频声音，麦克风接收声音信号，成本低、抗干扰性强、不存在泄露隐私问题、用户体验好，尤其适用于车内前排仅有驾驶员、路况较好的监测环境。本发明检测的三种典型疲劳驾驶动作与正常驾驶时动作有较大差别，结合欠采样技术和深度学习技术，可在感知能力有限的智能手机上获得准确动作信息，具有很高的准确性。
-
公开(公告)号：CN109965889A
公开(公告)日：2019-07-05
申请号：CN201910256804.0
申请日：2019-04-01
Applicant: 北京理工大学
Abstract: 本发明公开了一种利用智能手机扬声器和麦克风的疲劳驾驶检测方法。通过智能手机的扬声器和麦克风组成多普勒雷达系统，利用驾驶员运动时的多普勒效应判断是否存在疲劳驾驶的三种典型动作(点头、打哈欠和非正常操控方向盘)，最终根据对三种典型动作的检测结果分析是否存在疲劳驾驶。本发明仅依靠智能手机中的扬声器发出超出人耳听力范围的高频声音，麦克风接收声音信号，成本低、抗干扰性强、不存在泄露隐私问题、用户体验好，尤其适用于车内前排仅有驾驶员、路况较好的监测环境。本发明检测的三种典型疲劳驾驶动作与正常驾驶时动作有较大差别，结合欠采样技术和深度学习技术，可在感知能力有限的智能手机上获得准确动作信息，具有很高的准确性。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.028 seconds)
