-
公开(公告)号：CN112528815A
公开(公告)日：2021-03-19
申请号：CN202011408091.4
申请日：2020-12-05
Applicant: 西安电子科技大学
Abstract: 一种基于多模态信息融合的疲劳驾驶检测方法。该方法通过同时采集脑电信号、面部图像和车辆行驶车道图像，分别构建并训练卷积神经网络，采集待检测数据输入到训练好的卷积神经网络中进行初步预测，综合各初步预测结果融合判定驾驶人是否处于疲劳状态。具体步骤包括：生成训练集，分别构建并训练脑电信号分类、定位眼睛和嘴巴区域、判断眼睛和嘴巴开合状态、定位车道线位置的卷积神经网络，采集待检测数据，初步预测疲劳驾驶状态，融合判定驾驶人疲劳状态。本发明克服了驾驶人疲劳状态判断依据模态单一，表征驾驶人疲劳状态不全面的问题，具有较好的鲁棒性和稳定性，提高了疲劳驾驶检测的精度。
-
公开(公告)号：CN111223062A
公开(公告)日：2020-06-02
申请号：CN202010018444.3
申请日：2020-01-08
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于生成对抗网络的图像去模糊方法，主要解决现有技术需要估计模糊核，反卷积迭代求取清晰图像时运行速度缓慢、重建效果差的问题。其实现方案是：1)选择实验数据集，确定与其相关的训练数据集和测试数据集；2)分别构建15层结构的生成网络和6层结构的对抗网络；3)根据对抗损失、像素损失和特征损失构建联合损失函数；4)通过联合损失函数对生成网络和对抗网络进行交互训练，得到生成对抗网络模型；5)将对测试样本输入到生成对抗网络模型中，得到去模糊后的清晰图像。本发明具有无需估计模糊核、去模糊速度快、去模糊效果好的优点，可用于由于相机抖动而拍摄的模糊图像的去模糊处理。
-
公开(公告)号：CN110781760A
公开(公告)日：2020-02-11
申请号：CN201910935281.2
申请日：2019-09-29
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于空间注意的面部表情识别方法和装置，通过获得空间注意模块；根据所述空间注意模块，搭建深度特征提取网络；在公开的自然面部表情数据集上训练所述深度特征提取网络，获得人脸表情识别模型；将目标人脸图像输入所述人脸表情识别模型进行识别。解决了现有技术中的面部表情特征提取中对局部细节特征提取不充分的技术问题，达到了在面部表情特征提取时加入了空间注意机制，可以自适应地学习面部特征在空间上权重分配，不仅可以加强面部表情中有鉴别信息区域的权重，还可以降低背景和无关区域的负面影响，提升面部表情识别结果的技术效果。
-
公开(公告)号：CN110532855A
公开(公告)日：2019-12-03
申请号：CN201910630252.5
申请日：2019-07-12
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度学习的自然场景证件图像文字识别方法，实现的步骤为：(1)构建图像特征提取模块；(2)构建文字前景预测模块；(3)构建文字区域定位模块；(4)组成文字定位网络；(5)构建字符特征提取模块；(6)组成文字识别网络；(7)构建文字定位数据集；(8)构建文字识别数据集；(9)训练文字定位网络；(10)训练文字识别网络；(11)识别证件图像中的文字。本发明克服了现有证件图像文字识别技术对拍摄环境要求苛刻，在复杂场景中识别准确率低的问题，使得本发明能够在任意自然场景下都能精准的识别证件图像中的文字。
-
公开(公告)号：CN109800817A
公开(公告)日：2019-05-24
申请号：CN201910072477.3
申请日：2019-01-25
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于融合语义神经网络的图像分类方法，通过在神经网络中融入语义知识，克服了现有技术中神经网络依赖大量样本训练、网络结构复杂、模型层数多的问题。本发明实现的步骤是：(1)输入待分类的彩色图像；(2)获得训练样本集和测试样本集；(3)构建胶囊网络；(4)获取训练样本集和测试样本集彩色图像的语义分类预测结果；(5)训练胶囊网络；(6)对测试样本集进行分类。本发明具有在少量训练样本上分类准确率更高、网络结构简单的优点，可用于自然图像的分类。
-
Patent Agency Ranking
公开(公告)号：CN114648721B
公开(公告)日：2024-11-01
申请号：CN202210336402.3
申请日：2022-03-31
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于视频监控的临水预警方法及系统，获取视频流数据；对视频流中当前帧进行人员识别；对当前帧行人进行人员实时追踪；对追踪的行人进行落水行为识别，并在识别到落水行为后发出警报预警。对当前帧识别的行人进行人员实时追踪时，先设置置信度阈值，对当前帧的低于置信度阈值的检测框进行过滤，同时，对当前帧的检测框进行非最大值抑制；然后读取当前帧非最大值抑制后剩余的检测框的位置，并利用重识别神经网络提取这些检测框内的图像块的表观特征；利用卡尔曼滤波器预测追踪器在当前帧的运动状态即预测框的位置及大小，基于检测框内的图像块的表观特征，用检测框匹配追踪器。实现了临水行人的自动追踪及落水行为识别、预警。
-
公开(公告)号：CN113111697B
公开(公告)日：2023-07-28
申请号：CN202011493152.1
申请日：2020-12-17
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种虚拟现实环境中三维静态图像的脑电信号识别系统及方法。该系统通过三维静态图像构建模块、脑电信号采集模块、机器学习模型训练模块和脑电信号识别模块。具体方法步骤包括：构建了包括刺激目标和非刺激目标的三维静态图像，采集被试者在三维虚拟现实环境中的脑电信号，训练机器学习模型，对脑电信号进行识别。本发明克服了现有技术中被试者易受到其他事物干扰导致采集到的脑电信号中包含噪声，刺激图片失真导致采集到的脑电信号为无效脑电信号的问题，使得本发明采集到的脑电信号包含噪声更少并且是有效的脑电信号，提高了脑电信号识别结果的精度和脑电信号采集的效率。
-
公开(公告)号：CN116473514A
公开(公告)日：2023-07-25
申请号：CN202310317096.3
申请日：2023-03-29
Applicant: 西安电子科技大学广州研究院
Abstract: 本发明涉及基于足底压力的疾病检测技术领域，具体的说是基于自适应有向时空图神经网络的步态帕金森疾病检测，所述检测步骤如下：S1、信号预处理：将获取到的步态信号分成100个时间步；S2、模型构建：对足底传感器进行拓扑结构建模，并将传感器获取的信号处理成双流模态；S3、特征提取网络：通过多个自适应有向时空图神经网络单元，在空间上使用消息传递机制获取足底局部和全局信息，在时间上使用1维卷积获取时序信息，因此在时空域分析了步态变化；S4、分类器：采用交叉熵损失函数为分类器；S5、模型融合：对双流模态进行线性融合；S6、诊断结果：对受试者的所有分段结果进行平均获得最终的诊断结果。本发明在参数量更少的情况下获得准确的结果。
-
公开(公告)号：CN111223062B
公开(公告)日：2023-04-07
申请号：CN202010018444.3
申请日：2020-01-08
Applicant: 西安电子科技大学
IPC: G06T5/00 , G06N3/0464 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了一种基于生成对抗网络的图像去模糊方法，主要解决现有技术需要估计模糊核，反卷积迭代求取清晰图像时运行速度缓慢、重建效果差的问题。其实现方案是：1)选择实验数据集，确定与其相关的训练数据集和测试数据集；2)分别构建15层结构的生成网络和6层结构的对抗网络；3)根据对抗损失、像素损失和特征损失构建联合损失函数；4)通过联合损失函数对生成网络和对抗网络进行交互训练，得到生成对抗网络模型；5)将对测试样本输入到生成对抗网络模型中，得到去模糊后的清晰图像。本发明具有无需估计模糊核、去模糊速度快、去模糊效果好的优点，可用于由于相机抖动而拍摄的模糊图像的去模糊处理。
-
公开(公告)号：CN114611560A
公开(公告)日：2022-06-10
申请号：CN202210272742.4
申请日：2022-03-18
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的SSVEP脑电信号分类方法，其具体步骤包括：构建卷积神经网络，生成训练集，训练卷积神经网络，处理待分类的SSVEP脑电信号，输出SSVEP脑电信号的分类结果。由于本发明构造了一个包含LSTM层的卷积神经网络并采用网格搜索法训练该网络，克服了现有技术中利用多元调制分量获取目标脑电信号分解中易丢失有效的脑电信号的缺陷，改善了每名被试者分别训练Volterra模型参数导致的方法不具有普适性的问题。使得本发明分类后的SSVEP脑电信号更加完整，提高了脑电信号分类的准确性和SSVEP脑电信号的普适性。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.033 seconds)
