-
公开(公告)号：CN113435234B
公开(公告)日：2024-01-23
申请号：CN202110019216.2
申请日：2021-03-25
Applicant: 北京邮电大学
IPC: G06F18/10 , G06F18/213 , G06F18/25 , A61B5/372 , A61B5/18
Abstract: 本发明提供了一种基于双模态视频EEG数据的驾驶员视觉显著性区域预测方法，所述方法包括：采集驾驶员在执行驾驶行为时的视觉注意力相关的脑电图(Electroencephalography,EEG)信号；对采集EEG信号进行预处理，搭建EEG注意力特征初始化框架，提取二维EEG注意力特征；提取视频图像中的低层特征；将提取的二维EEG注意力特征和提取的视频图像低层特征融合，得到双模态数据；基于双模态数据进行预测。本发明在不使用光流信息的条件下，仅分析视频图像的空间信息就得到了较好的驾驶员的视觉注意力信息(Focus field of driver's Attention，FoA)预测效果，本发明进一步完成了从EEG信号中有效提取车辆驾驶员的视觉注意力特征，并将其与视频图像特征相结合，共同完成目标任务。
-
公开(公告)号：CN116824241A
公开(公告)日：2023-09-29
申请号：CN202310734961.4
申请日：2023-06-20
Applicant: 北京邮电大学 , 云南省农业科学院经济作物研究所
IPC: G06V10/764 , G06V10/774 , G06N3/0464 , G06N3/0895 , G06V10/42 , G06V10/25
Abstract: 本发明提供了一种基于迭代学习的马铃薯病害多分类和检测方法。所述方法包括：对有标注的马铃薯病害数据，如叶片、虫害、茎秆等图片进行统计，均匀抽取各个类别，将抽取后的数据按照一定比例划分为训练集以及验证集；对训练集数据做数据增强，并输入深度学习模型进行训练，在验证集上调整超参数，求出最优的有监督模型权重；对无标注的马铃薯病害数据，使用上述权重进行模型推理，实现预标注；根据检测置信度进行预标注数据的清洗；冻结模型的主干特征网络，仅反向回传模型最后输出层的梯度；将无标注的马铃薯病害数据输入模型，迭代上述训练和预标注过程，直至评估指标达到平衡。
-
公开(公告)号：CN112086202B
公开(公告)日：2022-11-22
申请号：CN202010768565.X
申请日：2020-08-03
Applicant: 北京邮电大学 , 北京微芯边缘计算研究院
Abstract: 本发明公开了一种体温序列职业画像新方法，属于机器学习领域。首先针对某个目标用户，从体温数据库中提取固定时间段内的体温序列值生成该用户的体温时间序列数据集。如果该体温时间序列数据集有缺失，则对缺失的体温序列值进行补足，生成完整的体温时间序列数据。然后使用完整的体温时间序列数据生成目标用户的五维高层次特征，并将五维高层次特征组成K‑means聚类算法的输入向量，利用K‑means聚类算法得到不同职业的簇。最后对各个职业簇进行数据统计与分析，生成用户职业画像。本发明免去大量繁杂的人工操作，并且进一步挖掘了体温序列的深层次信息，更具表征性。
-
公开(公告)号：CN112057053A
公开(公告)日：2020-12-11
申请号：CN202010768189.4
申请日：2020-08-03
Applicant: 北京邮电大学 , 北京微芯边缘计算研究院
IPC: A61B5/01
Abstract: 本发明公开了一种基于SVM的异常体温序列检测装置及方法，属于温度检测技术领域。本发明装置包括：佩戴在人体的温度检测设备，与温度检测设备通过无线通信的智能设备，智能设备上安装有用户体温数据库、体温序列提取单元、温度特征提取单元、支持向量机模型单元以及预警输出单元；本发明方法包括：收集用户体温时间序列数据；并对其进行提取及插值得到完整的体温时间序列数据；对体温时间序列进行挖掘特征值，生成特征向量；将特征向量添加用户标签，训练支持向量机，保存训练好的分类模型；最后将待判断用户体温数据输入训练好的分类模型，输出待判断用户的分类结果。本发明解决了在实际体温监测中存在着体温数据缺失、数据精度不高等问题。
-
公开(公告)号：CN112057052A
公开(公告)日：2020-12-11
申请号：CN202010767411.9
申请日：2020-08-03
Applicant: 北京邮电大学 , 北京微芯边缘计算研究院
IPC: A61B5/01
Abstract: 本发明提出一种基于时间序列平稳性检验的异常体温序列筛选方法，属于体温检测技术领域。包括：步骤一、生成初始体温时间序列；步骤二、对用户体温时间序列进行插值，补充缺失数据，形成完整的体温时间序列数据集；步骤三、对用户的体温时间序列的平稳性利用扩展迪基‑福勒方法进行检验，对检验结果为不平稳的体温时间序列，进一步做阶数为周期长度的差分，周期长度是指每日固定时间段长度，然后对差分所得体温序列再用扩展迪基‑福勒方法进行平稳性检验；步骤四、计算用户体温时间序列的特征评分，进行异常体温判定。本发明使用平稳性检验方法初步筛选体温时间序列，可以增加异常体温筛选工作的效率，避免大规模的计算工作。
-
Patent Agency Ranking
公开(公告)号：CN104464079A
公开(公告)日：2015-03-25
申请号：CN201410837446.X
申请日：2014-12-29
Applicant: 北京邮电大学
IPC: G07D7/20
Abstract: 本申请公开了基于模板特征点及其拓扑结构的多币种面值识别方法，包括：1、提取待识别纸币图像的特征点，记录特征点的位置及其特征描述；2、将待识别纸币图像的特征点与各个模板的基准点分别进行第一比对匹配，选取与一个或多个模板的基准点之间的匹配结果满足第一匹配条件的特征点，作为待识别纸币图像的基准点；3、以待识别纸币图像的基准点作为基准，生成其它特征点的拓扑结构信息；4、将待识别纸币图像的其它特征点的特征描述及其拓扑结构信息与一个或多个模板的特征点的特征描述及其拓扑结构信息进行第二比对匹配；5、选取与待识别纸币图像的比对匹配结果满足判别条件的模板所代表的币种及面值，作为待识别纸币图像的面值识别结果。
-
公开(公告)号：CN103955699A
公开(公告)日：2014-07-30
申请号：CN201410125985.0
申请日：2014-03-31
Applicant: 北京邮电大学
Abstract: 本申请公开了一种基于监控视频的实时摔倒事件检测方法，在检测场景中安装有朝向同一目标区域、拍摄角度不同的多个摄像机，多个摄像机连续拍摄目标区域，包括以下步骤：多个摄像机同时拍摄目标区域的一段视频；从多个摄像机各自拍摄的同一时段的多个视频中，分别提取出每一帧画面的代表目标的前景图像；提取同一时刻同一目标的前景图像在由多个摄像机拍摄的画面中的各自的形状和位置特征，并使用RVM分类器，确定每一帧画面对应的时刻的目标姿态类别；将所得到的每一帧画面的目标姿态类别作为目标姿态值序列输入到HMM评估器，得到目标姿态类别变化的后验概率，目标姿态类别变化代表目标摔倒事件发生；如果后验概率大于预定阈值，则确定摔倒发生。
-
公开(公告)号：CN118644878A
公开(公告)日：2024-09-13
申请号：CN202410733376.7
申请日：2024-06-06
Applicant: 北京邮电大学
Abstract: 本发明提供了一种基于三维特征和图神经网络的非接触指纹识别方法。所述方法包括：对非接触指纹图像进行预处理，对齐非接触指纹图像的偏航角并增强其对比度；通过一个卷积神经网络同时提取非接触指纹的三维特征，包括表面梯度和细节点；将表面梯度重建为深度，将深度信息和细节点融合得到三维细节点；将一对非接触指纹图像的三维细节点用图卷积网络进行特征编码；采用三元组损失计算真匹配特征以及假匹配特征之间的均方距离，并利用损失不断地优化骨干网络参数，拉近真匹配特征之间的距离，并使假匹配特征之间相互远离；应用时利用训练好的非接触指纹特征提取网络和图卷积网络分别对非接触指纹的样本和模版进行编码；计算当前非接触指纹样本特征与所有非接触指纹模板特征的特征距离表示；根据计算所得的特征距离预测出当前非接触指纹样本所属的用户。本发明在识别大姿态跨度的非接触指纹时具有明显优势。
-
公开(公告)号：CN112071434B
公开(公告)日：2022-11-29
申请号：CN202010769307.3
申请日：2020-08-03
Applicant: 北京邮电大学 , 北京微芯边缘计算研究院
Abstract: 本发明公开了一种异常体温序列检测新方法，属于智能医疗领域。针对每个用户，首先以30分钟作为间隔进行采样，选取30分钟内的体温数据的均值作为采样结果。然后将每个用户在采样时间段内测量的所有采样温度值，构成各用户的体温序列，并对体温数据进行预处理，滤除无效值并用插值算法填充数据缺失位置，得到完整体温序列。将完整体温序列根据医院检测结果进行标记，得到各用户的标签。最后按照十折交叉验证的方式将带有标签的用户数据划分为训练集和验证集，利用训练集训练全连接神经网络，并利用验证集进行验证。利用训练好的全连接神经网络预测待检测用户的体温序列对应的感染情况。本发明判断更加精准，操作简便，灵活性较强。
-
公开(公告)号：CN112057052B
公开(公告)日：2022-02-15
申请号：CN202010767411.9
申请日：2020-08-03
Applicant: 北京邮电大学 , 北京微芯边缘计算研究院
IPC: A61B5/01
Abstract: 本发明提出一种基于时间序列平稳性检验的异常体温序列筛选方法，属于体温检测技术领域。包括：步骤一、生成初始体温时间序列；步骤二、对用户体温时间序列进行插值，补充缺失数据，形成完整的体温时间序列数据集；步骤三、对用户的体温时间序列的平稳性利用扩展迪基‑福勒方法进行检验，对检验结果为不平稳的体温时间序列，进一步做阶数为周期长度的差分，周期长度是指每日固定时间段长度，然后对差分所得体温序列再用扩展迪基‑福勒方法进行平稳性检验；步骤四、计算用户体温时间序列的特征评分，进行异常体温判定。本发明使用平稳性检验方法初步筛选体温时间序列，可以增加异常体温筛选工作的效率，避免大规模的计算工作。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.027 seconds)
