-
公开(公告)号：CN110335270A
公开(公告)日：2019-10-15
申请号：CN201910614536.5
申请日：2019-07-09
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了基于层级区域特征融合学习的输电线路缺陷检测方法，包括：构建和调取Faster R-CNN模型；将主干网络提取的目标特征通过RPN网络回归得到目标区域；通过对输入图像进行RoI pooling操作产生局部层级区域特征，通过深度选择网络学习产生特征融合所需要的权重将深层特征区域和浅层特征区域融合；并通过分类网络和回归网络产生最后的预测结果。本发明利用深度选择网络产生自学习的区域特征融合权重，节省调整参数的时间，并使模型学习得到的融合特征能够较好地适应不同复杂情况下的缺陷检测任务，深度模型使用区域特征进行预测，强化模型对提取目标局部特征的学习能力，降低了模型在实际环境中因输电线路缺陷图像的复杂背景和类间差异产生的误检问题。
-
公开(公告)号：CN107730546A
公开(公告)日：2018-02-23
申请号：CN201710740343.5
申请日：2017-08-25
Applicant: 华北电力大学(保定)
CPC classification number: G06T7/50 , G06T2207/20084
Abstract: 本发明公开了一种图像深度特征确定方法及系统。该方法包括：提取深度卷积神经网络中各卷积层输出的特征图；计算各所述卷积层的层熵和相对层熵；根据各所述卷积层的层熵和相对层熵，从各所述卷积层中选取特征表达层；根据所述特征表达层输出的所述特征图构建深度特征描述子；对所述深度特征描述子进行编码处理，得到所述输入图像的深度特征表达。本发明提供的图像深度特征确定方法及系统具有泛化性强、处理过程简单的特点，能够获得具有鲁棒性与区分度的高层特征表达。
-
公开(公告)号：CN104115442B
公开(公告)日：2017-02-08
申请号：CN201380003846.4
申请日：2013-06-20
Applicant: 华北电力大学(保定)
IPC: H04L9/32
CPC classification number: H04L9/3242 , H04L9/0891 , H04L2209/805
Abstract: 本发明公开了信息安全技术领域中的一种基于非对称密钥和Hash函数的RFID双向认证方法。包括：阅读器发送请求信息给标签；标签收到请求信息后，发送用公钥加密的标签标识符DID给阅读器；阅读器收到公钥加密的标签标识符DID并用私钥解密，得到标签标识符ID；阅读器根据标签标识符ID，获得用于Hash函数验证的数字串num，判断标签是否为合法标签，当标签是合法标签时，更新数字串num。本发明在不增加标签的运算量的情况下，有效避免了Hash函数防窃密和攻击，保障了数字串num更新的安全，并且解决了Hash冲突问题。
-
公开(公告)号：CN105069461A
公开(公告)日：2015-11-18
申请号：CN201510443073.2
申请日：2015-07-24
Applicant: 华北电力大学(保定)
IPC: G06K9/54
CPC classification number: G06K9/54
Abstract: 本发明公开了一种基于图像特征点共线与等距约束的绝缘子串自动定位方法，包括图像预处理、曲率尺度空间角点提取、共线等距点提取、层次聚类和绝缘子串定位步骤。本发明简单、切实可行，利用绝缘子串曲率尺度空间角点的共线与等距约束，能够实现复杂、含噪、低分辨率的航拍图像中任意主轴方向的绝缘子串的自动定位，且耗时少，对部分遮挡及掉串具有鲁棒性，解决了目前绝缘子串定位方法精度低、误定位及计算复杂度高的问题。
-
公开(公告)号：CN103499776A
公开(公告)日：2014-01-08
申请号：CN201310395204.5
申请日：2013-09-03
Applicant: 华北电力大学(保定)
Abstract: 本发明属于输变电设备巡检技术领域，特别涉及一种基于超声波和红外热像的输变电设备故障巡检核心系统。该系统由数据采集模块、计算机、无线通信模块和电池供电系统组成；电池供电系统分别与数据采集模块、计算机及无线通信模块连接。数据采集模块包括红外热像传感器、超声波传感器、防护罩、云台和网络交换机；无线通信模块包括无线宽带终端和天线；红外热像传感器和超声波传感器安装于云台上的防护罩内；网络交换机分别与超声波传感器、红外热像传感器和计算机连接。本发明的优点是综合利用超声波、红外热像技术检测电气设备故障，提高了故障诊断的准确性，减少了漏检、错检的情况，具有高效、方便、灵活等特点。
-
Patent Agency Ranking
公开(公告)号：CN110335270B
公开(公告)日：2022-09-13
申请号：CN201910614536.5
申请日：2019-07-09
Applicant: 华北电力大学(保定) , 山东大学 , 浙江大华技术股份有限公司 , 智洋创新科技股份有限公司 , 南瑞集团有限公司
IPC: G06T7/00 , G06V10/46 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08 , G01N21/88 , G01R31/08
Abstract: 本发明公开了基于层级区域特征融合学习的输电线路缺陷检测方法，包括：构建和调取Faster R‑CNN模型；将主干网络提取的目标特征通过RPN网络回归得到目标区域；通过对输入图像进行RoI pooling操作产生局部层级区域特征，通过深度选择网络学习产生特征融合所需要的权重将深层特征区域和浅层特征区域融合；并通过分类网络和回归网络产生最后的预测结果。本发明利用深度选择网络产生自学习的区域特征融合权重，节省调整参数的时间，并使模型学习得到的融合特征能够较好地适应不同复杂情况下的缺陷检测任务，深度模型使用区域特征进行预测，强化模型对提取目标局部特征的学习能力，降低了模型在实际环境中因输电线路缺陷图像的复杂背景和类间差异产生的误检问题。
-
公开(公告)号：CN113869105A
公开(公告)日：2021-12-31
申请号：CN202110906825.X
申请日：2021-08-09
Applicant: 华北电力大学(保定)
Abstract: 针对2s‑AGCN网络模型的时域网络结构是单一的，采用一维卷积层对时间动态进行建模，难以捕捉复杂的节点时域特征的问题，本申请提出了一种人体行为识别方法，具体为一种多尺度时空卷积网络的人体行为识别模型，即在基线模型2s‑AGCN基础上设计并嵌入多尺度时域网络模块，构建了MT‑AGCN模型，该多尺度时域网络模块一方面增加了网络的宽度，增强了网络对尺度的适应性，另一方面网络中不同支路的感受野不同，提取时域信息的尺度是不同的。随着训练的进行，MT‑AGCN网络模型不断学习节点时域特征，通过不同尺度的时域信息表现出的行为信息可以使得网络在特征提取时更关注显著区域。
-
公开(公告)号：CN108092822B
公开(公告)日：2021-08-31
申请号：CN201810002477.1
申请日：2018-01-02
Applicant: 华北电力大学(保定)
IPC: H04L12/24
Abstract: 本发明公开了一种电力通信网故障链路的恢复方法及系统。所述恢复方法及系统在电力通信网大规模故障且恢复资源有限时，能够根据故障链路距离资源性价比值的大小对电力通信网的故障链路进行恢复，从而保证性价比较高的故障链路可以先恢复，使故障后的电力通信网可以承载更多的电力业务，促使整个电力通信网恢复进程能够有的放矢地进行，从而保证电力通信网的安全稳定运行。
-
公开(公告)号：CN107369162B
公开(公告)日：2020-07-10
申请号：CN201710598299.9
申请日：2017-07-21
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种绝缘子候选目标区域的生成方法及系统。该方法包括：获取待检测图像；对所述待检测图像进行预处理，去除干扰信息，得到处理后的第一图像；提取所述第一图像中的图像边缘，得到轮廓曲线；确定所述轮廓曲线的曲率尺度空间角点；确定所述曲率尺度空间角点的位置坐标；根据K‑means聚类法和所述曲率尺度空间角点的位置坐标，确定位于绝缘子上的曲率尺度空间角点，记为目标曲率尺度空间角点；在所述目标曲率尺度空间角点处画封闭图形，得到处理后的第二图像；将所述第二图像输入到Edge Boxes的打分系统中，Edge Boxes的打分系统输出绝缘子的候选目标区域。本发明提供的一种绝缘子候选目标区域的生成方法及系统具有效率高且准确度高的特点。
-
公开(公告)号：CN110633669A
公开(公告)日：2019-12-31
申请号：CN201910867087.5
申请日：2019-09-12
Applicant: 华北电力大学(保定)
IPC: G06K9/00
Abstract: 一种家居环境中基于深度学习的移动端人脸属性识别方法，所述方法由数据采集端、以路由器和互联网云端为核心的传输装置和以安卓手机和人脸属性识别APP为核心的识别终端组成识别系统，安卓手机APP获取数据采集端采集的远程视频数据，利用OpenCV 3.4.1库里的LBP人脸检测器对远程视频进行人脸检测，利用人脸属性识别终端提供的轻量级mini_Xception深度学习识别模型对检测到的人脸进行人脸属性识别，并对异常表情和陌生人的出现给与及时告警提醒。本发明将轻量级识别模型移植到移动端设备上，由移动端设备完成人脸属性的识别，可避免多用户访问服务器造成信道拥塞，降低服务器运行成本。该方法识别准确率高，速率快，能满足智能家居的发展对人脸属性识别的要求。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.029 seconds)
