-
公开(公告)号：CN110775467A
公开(公告)日：2020-02-11
申请号：CN201911048970.8
申请日：2019-10-31
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种基于智能识别与语音提示的垃圾收纳系统，包括多个制造为不同单色颜色的箱体，并印刷上醒目的文字说明；每个箱体顶端设计为双页闭合式的箱体盖，所述箱体盖上方安装可见光摄像头与低功率红外摄像头,同时安装低功率LED照明灯，当有物体靠近所述箱体盖时，根据可见光摄像头采集到的可见光图像与低功率红外摄像头采集到的红外图像，进行物体类别的判识，并根据判识结果生成语音提示，以提醒人们将物体投掷进相应的箱体。本发明还提供了一种基于智能识别与语音提示的垃圾收纳方法。本发明的有益效果是：同时利用可见光图像与红外图像两类图像，有助于提升垃圾分类辨识的准确率，避免投错位置。
-
公开(公告)号：CN106066992B
公开(公告)日：2019-10-18
申请号：CN201610321262.7
申请日：2016-05-13
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06K9/00
Abstract: 本发明提出了一种基于自适应局部约束的判别字典学习算法以解决字典学习算法在人脸识别中存在的问题。本发明首先利用原子构造自适应的拉普拉斯图，使其能够保持字典的局部结构特征。然后，利用编码系数矩阵的行向量与字典的拉普拉斯图设计局部约束判别式项，使得字典具有更强的判别性能，进而设计基于自适应局部约束的判别字典学习的人脸识别系统模型，提高人脸识别的分类性能。本发明算法的顺利开展将丰富和发展基于约束的字典学习理论体系，为增强字典鉴别性能、提升人脸识别的能力起着重要的指导作用。
-
公开(公告)号：CN110032926A
公开(公告)日：2019-07-19
申请号：CN201910133098.0
申请日：2019-02-22
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于深度学习的视频分类方法以及设备。其中，所述方法包括：获取视频的数据集及其类别标签，和将该获取的视频均分N段，训练阶段每段视频随机选择M帧，将视频帧堆叠为多通道图像，和通过卷积神经网络，提取该分为N段后的视频的视频空间加权特征，和通过卷积神经网络，提取该分为N段后的视频的视频时间加权特征，和获得该分为N段后的视频的视频多尺度特征，和融合该N段视频特征计算预测得分，得到最终视频分类，和存储该训练好的视频分类模型，应用该训练好的视频分类模型，对测试视频进行分类。通过上述方式，能够实现提高视频特征提取的效果和准确度。
-
公开(公告)号：CN108960099A
公开(公告)日：2018-12-07
申请号：CN201810653661.2
申请日：2018-06-22
Applicant: 哈尔滨工业大学深圳研究生院 , 北京大学深圳研究生院
CPC classification number: G06K9/00228 , G06K9/6201
Abstract: 本发明公开了一种人脸左右倾斜角度的估计方法、系统、设备及存储介质，包括以下步骤：将人脸图像以指定方式均分为第一图像和第二图像；计算所述第一图像与第二图像之间的像素值的相对差异值；根据所述相对差异值计算出对应的人脸左右倾斜角度。本发明的人脸左右倾斜角度的估计方法、系统、设备及存储介质的有益效果为：通过根据像素值的相对差异值计算出对应的人脸左右倾斜角度，简化了人脸倾斜角度估计的步骤，提高了人脸左右倾斜角度计算速度和有效地避免了光照变化的影响。
-
公开(公告)号：CN104504394B
公开(公告)日：2018-09-25
申请号：CN201410756921.0
申请日：2014-12-10
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提出了一种基于多特征融合的密集人数估计方法与系统。首先，将图像分成N个相等的子块；然后，用基于CSLBP直方图纹理模型和混合高斯背景建模的方法，对图像进行分层次背景建模，提取各子块经透视校正后的前景面积，并结合改进的Sobel边缘检测算子检测出各子块边缘密度，还结合CSLBP变换和灰度共生矩阵提取描述图像纹理特征的四个不同方向的重要纹理特征向量；再通过主成分分析对提取到的人群前景分割特征向量和纹理特征向量进行降维处理；将降维后的特征向量输入到神经网络模型的输入层，由其输出层得到各子块的人数估计；最后，相加得到总人数。其具有较高的准确性和较好的鲁棒性，在对地铁站台监控视频的人数统计实验中取得了较好效果。
-
Patent Agency Ranking
公开(公告)号：CN108280811A
公开(公告)日：2018-07-13
申请号：CN201810063893.2
申请日：2018-01-23
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06T5/00
Abstract: 本发明公开了一种基于神经网络的图像去噪方法，包括：获取场景的高感光度图像和低感光度图像；生成第一神经网络模型，并利用第一神经网络模型对低感光度图像进行去噪处理，得到去噪后的低感光度图像；将高感光度图像和去噪后的低感光度图像构成训练图像数据库，并利用训练图像数据库训练神经网络模型，生成用于图像去噪的第二神经网络模型；将待处理图像作为第二神经网络模型的输入，经处理后得到对应的干净图像。此外，还公开了一种基于神经网络的图像去噪系统。上述基于神经网络的图像去噪方法和系统能处理具有真实噪声信息的图像，具有现实的应用意义。
-
公开(公告)号：CN104881592B
公开(公告)日：2018-04-06
申请号：CN201510072511.9
申请日：2015-02-11
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06F19/22
Abstract: 本发明提供了一种DNA序列比对中的打分方法，引入参考序列中碱基排列概率的统计，构建权重矩阵，利用权重矩阵和传统得分矩阵共同设计得分规则，根据打分规则计算序列全局得分，采用动态规划算法进行序列比对得到最优比对。本发明的方法能够利用全局合理性来调控避免“早熟”现象。
-
公开(公告)号：CN107784284A
公开(公告)日：2018-03-09
申请号：CN201711003182.8
申请日：2017-10-24
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06K9/00268 , G06K9/00288 , G06K9/4604 , G06K9/4671 , G06K9/6256 , G06K9/6267
Abstract: 本发明提出的人脸识别方法及系统，具有以下特点：1、计算速度快且计算结果逼近最优解，鲁棒性高；2、将训练样本向测试样本对齐，提高人脸识别率；3、将生成的对齐人脸图像与原始人脸图像同时作为训练样本，由所有样本组成的训练样本集合得到有效扩充；4、同时提取人脸边缘特征作为新训练样本进行分类计算，有效减少复杂背景或光照不均等因素带来的影响；5、有效地结合两种训练样本下所得残差，提高最终人脸识别率。
-
公开(公告)号：CN106919808A
公开(公告)日：2017-07-04
申请号：CN201710110410.5
申请日：2017-02-28
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06F19/18
CPC classification number: G16B20/00
Abstract: 本发明公开了一种基于变步长最小均方误差自适应滤波器的基因识别系统，包括变步长LMS自适应滤波器算法改进单元和基因结构多特征加权融合算法处理单元；所述的变步长LMS自适应滤波器算法改进单元，用于通过变步长LMS自适应改进算法对基因序列进行滤波处理，得到随机噪声较少、周期3行为较强的基因特征；所述的基因结构多特征加权融合算法处理单元，用于通过多特征加权融合策略，对基因序列进行特征提取，从而得到表达能力更强的特征向量。本发明提出了变步长LMS自适应滤波器改进算法和多特征加权融合算法，并将二者集成到同一个基因识别系统中，进一步改善其识别性能。
-
公开(公告)号：CN102789545B
公开(公告)日：2015-08-19
申请号：CN201210240981.8
申请日：2012-07-12
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 基于退化模型匹配的涡轮发动机剩余寿命的预测方法，涉及涡轮发动机剩余寿命预测方法，它为了解决现有涡轮发动机剩余寿命的预测采用通用RUL预测模型的预测效果无法达到预测要求的问题，它包括具体步骤如下：步骤一、数据预处理：从采集到的数据提取运行状态变量；从传感器采集到特征向量；由运行状态变量与特征向量融合得到健康因子；步骤二、建立退化模型库：利用健康因子建立退化模型；多个退化模型组成退化模型库；步骤三、相似性评估：将退化轨迹与模型库中的模型匹配，每个模型给出一个RUL估计；步骤四、RUL融合：根据测试涡轮发动机与模型匹配程度，采用相似度加权，融合得到最终的剩余寿命预测值。适用于涡轮发动机剩余寿命预测。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.037 seconds)
