-
公开(公告)号：CN110097020A
公开(公告)日：2019-08-06
申请号：CN201910388310.8
申请日：2019-05-10
Applicant: 山东大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于联合稀疏字典学习的微表情识别方法，包括步骤如下：(1)对宏表情和微表情进行特征提取：分别提取宏表情的LBP特征、微表情的LBP-TOP特征和光流特征，进行特征选择；(2)构建基于联合稀疏字典学习的微表情识别模型，将宏表情和微表情同时投影到标签空间，在标签空间中进行各自字典的学习，并进行字典的二分解构建宏表情和微表情的情感联系；保证在字典中，宏表情和微表情表达情绪的公共部分尽可能相近，表达自己各自特异的部分尽可能远；(3)通过基于欧氏距离的最近邻分类器对微表情进行分类识别。
-
公开(公告)号：CN109871781A
公开(公告)日：2019-06-11
申请号：CN201910080484.8
申请日：2019-01-28
Applicant: 山东大学
Abstract: 本公开公开了基于多模态3D卷积神经网络的动态手势识别方法及系统，包括：对获取的实际视频数据进行分帧处理，分为若干帧图像；从所述若干帧图像中提取若干关键帧图像；对每个关键帧图像进行灰度化处理得到灰度图像，对每个关键帧图像的灰度图像进行Gabor变换得到gabor图像，对每个关键帧图像的灰度图像进行边缘提取得到边缘图像；将每个关键帧图像所对应的灰度图像输入到预先训练好的第一、第二和第三3D卷积神经网络，分别输出第一、第二和第三分类结果；第一、第二和第三3D卷积神经网络的输出端同时连接到一个输出层，所述输出层对第一、第二和第三分类结果进行融合，输出最终的分类结果。
-
公开(公告)号：CN103873111B
公开(公告)日：2015-10-21
申请号：CN201410114209.0
申请日：2014-03-25
Applicant: 山东大学
Abstract: 本发明公开了压缩感知的脉冲超宽带接收机的窄带干扰抑制系统及方法，所述方法包含带外噪声滤除、导频部分窄带干扰估计、导频部分窄带干扰抑制、信号相关模板重构、负载部分窄带干扰估计与抑制、相关解调六个步骤。所述方法有两个关键点：一是利用压缩感知技术逐一估计出各导频符号波形中的窄带干扰，并利用减法器从导频观测序列中减去对应窄带干扰观测序列，提高了信号相关模板估计精度；二是利用压缩感知技术逐一估计出各负载符号波形中的窄带干扰，并用减法器从负载信号波形中消除，提高了负载信号信干比。本发明方法利用压缩感知技术实现窄带干扰的估计和抑制，大大降低了采样率，具有良好的窄带干扰抑制效果，提高了超宽带接收机性能。
-
公开(公告)号：CN103220016B
公开(公告)日：2015-03-25
申请号：CN201310139258.5
申请日：2013-04-19
Applicant: 山东大学
IPC: H04B1/7163 , H04L25/03
Abstract: 本发明公开了一种脉冲超宽带系统正交稀疏字典的产生系统及产生方法，超宽带发射机周期性的发射一系列未经调制的超宽带单脉冲信号波形，超宽带天线模块接收来自无线信道的脉冲超宽带信号，该信号经过接收滤波器模块后送入模数转换模块；并存储在存储器模块，存储器模块并将存储的信号分别送往统计均值波形向量产生模块和协方差矩阵产生模块；协方差矩阵产生模块根据离散接收信号样本和信号统计平均波形向量，估计接收信号协方差矩阵，并将其送往特征值分解模块；稀疏字典产生模块根据特征值分解的结果确定稀疏字典。本发明有效地对脉冲超宽带信号进行稀疏分解，降低脉冲超宽带信号进行压缩采样和重构时所需的压缩采样率和信号重构复杂度。
-
公开(公告)号：CN102594928A
公开(公告)日：2012-07-18
申请号：CN201210099568.4
申请日：2012-04-05
Applicant: 山东大学
Abstract: 本发明涉及一种协作上下文感知的框架模型，包括设备节点、采集上下文信息的感知节点和向设备节点发送指令信息的中心节点或融合节点，所述中心节点为计算机或手机；所述设备节点通过Zigbee网络、IGRS网络、通用RF网络、UPnP网络或DLNA网络与中心节点无线连接，所述感知节点通过Zigbee网络、IGRS网络、通用RF网络、UPnP网络或DLNA网络与中心节点无线连接；所述设备节点之间通过Zigbee网络、IGRS网络、通用RF网络、UPnP网络或DLNA网络无线连接；感知节点、中心节点和设备节点之间的感知协作模式包括基于相关任务的节点间协作感知模式、基于同任务的节点间协作感知模式和基于相关任务的节点间协作感知模式与基于同任务的节点协作感知模式相结合的融合模式。本发明提高了感知的可靠性和精度、提高了节点利用率、降低了中心节点计算和存储的压力。
-
Patent Agency Ranking
公开(公告)号：CN101741405A
公开(公告)日：2010-06-16
申请号：CN200910231171.4
申请日：2009-12-10
Applicant: 山东大学
Abstract: 本发明公开了一种适用于脉冲超宽带系统的接收方法，它采用一对具有相同频谱成分且相互正交的模板信号捕获多径信号能量，改善了脉冲超宽带接收机的检测性能。其步骤为：1)根据发射机发送的已调制信号，借助数据辅助方法或盲估计方法，接收机分别估计出两个模板信号对应的多径信道信息；2)接收机根据复杂度要求，选择出一定数量的多径分量，作为后续分集合并处理的对象；3)接收机根据步骤2)选定的多径分量，利用相关器捕获接收信号中多径分量，结合步骤1)得到的信道信息，对相关器输出变量进行最大比合并或等增益合并，得到数据符号判决变量；4)接收机依据判决准则对步骤3)得到的数据符号判决变量进行判决，恢复数据信息。
-
公开(公告)号：CN118804099A
公开(公告)日：2024-10-18
申请号：CN202410787128.0
申请日：2024-06-18
Applicant: 山东大学
IPC: H04W28/084 , H02J13/00 , H04W28/08 , H04W72/53
Abstract: 本发明提出一种面向智能电网的融合通信移动边缘计算卸载方法，基于SPN和可信WLAN融合的智能电网，将MT设备产生的任务安全接入AP侧，为不同的任务类型构建专属的业务传输通道，实现端到端的软硬隔离，建立加权安全计算任务传输总时延优化卸载模型，将采集类任务直接输送至智能电网中心。而控制类计算任务经MEC服务器处理后，输送到智能电网中心，或者回传至MT设备，灵活分配和动态调度资源。该方法具有更高的安全性和更好传输性，能够有效降低智能电网的成本，获得更多的社会效益，具有较强的实用价值。
-
公开(公告)号：CN109961005B
公开(公告)日：2021-08-31
申请号：CN201910079917.8
申请日：2019-01-28
Applicant: 山东大学
Abstract: 本公开公开了一种基于二维卷积网络的动态手势识别方法及系统，包括：采集实际动态手势视频，对视频进行分帧处理；对分帧后的实际图像进行帧抽样；对帧抽样后的实际图像进行编码得到实际图像的实际特征向量；对实际特征向量进行融合得到实际特征矩阵；将实际特征矩阵输入到训练好的二维卷积神经网络中，输出手势识别结果。其通过将源视频流处理成一帧图像并将其送入二维卷积网络，得到手势动作的分类结果。视频生成的图像同时含有该视频的空间特征信息和时序信息。该方法有效的降低了手势识别的计算复杂度。
-
公开(公告)号：CN109871781B
公开(公告)日：2020-11-06
申请号：CN201910080484.8
申请日：2019-01-28
Applicant: 山东大学
Abstract: 本公开公开了基于多模态3D卷积神经网络的动态手势识别方法及系统，包括：对获取的实际视频数据进行分帧处理，分为若干帧图像；从所述若干帧图像中提取若干关键帧图像；对每个关键帧图像进行灰度化处理得到灰度图像，对每个关键帧图像的灰度图像进行Gabor变换得到gabor图像，对每个关键帧图像的灰度图像进行边缘提取得到边缘图像；将每个关键帧图像所对应的灰度图像输入到预先训练好的第一、第二和第三3D卷积神经网络，分别输出第一、第二和第三分类结果；第一、第二和第三3D卷积神经网络的输出端同时连接到一个输出层，所述输出层对第一、第二和第三分类结果进行融合，输出最终的分类结果。
-
公开(公告)号：CN111582212A
公开(公告)日：2020-08-25
申请号：CN202010410345.X
申请日：2020-05-15
Applicant: 山东大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于运动单元的多域融合微表情检测方法，包含：(1)对微表情视频进行预处理，包括获取视频帧序列、人脸检测与定位、人脸对齐；(2)对视频帧序列进行运动单元检测，获取视频帧序列的运动单元信息；(3)根据运动单元信息，通过半决策算法，找到包含微表情运动单元信息量ME最多的一个面部运动单元子块作为微表情检测区域，同时，通过设置动态阈值，提取微表情运动单元信息量ME的若干峰值帧作为微表情检测的参考高潮帧；(4)通过多域融合的微表情检测方法实现微表情的检测。本发明减少了冗余信息对微表情检测的影响，减少计算量，使微表情检测更具有综合判别力。计算速度快，微表情检测精度高。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.029 seconds)
