-
公开(公告)号:CN106652534A
公开(公告)日:2017-05-10
申请号:CN201611152030.X
申请日:2016-12-14
Applicant: 北京工业大学
CPC classification number: G08G1/123 , G06Q10/04 , G08G1/0125
Abstract: 本发明提供一种预测公交车到站时间的方法,包括:采集一定时间内的公交车数据以及公交线路数据,基于空间插值法,获得公交车在各数据点的时距数据对;基于所述时距数据对,获得公交车运营序列;将所述公交车运营序列输入至LSTM递归神经网络,获得公交车到站时间预测模型;以及对所述公交车到站时间预测模型基于链式预测法,获得预测的公交车到站时间。本发明充分考虑了复杂的交通变化对公交车运营的影响,得到的预测时间更加准确可靠。
-
公开(公告)号:CN103888763B
公开(公告)日:2017-04-26
申请号:CN201410110871.9
申请日:2014-03-24
Applicant: 北京工业大学
IPC: H04N19/11 , H04N19/105 , H04N19/147
Abstract: 公开一种基于HEVC的帧内编码方法,包括步骤:(1)获得临近当前编码块的左、左上、上块的尺寸,如果全为2或3,将当前编码块的尺寸设置为2或3并执行步骤(3);否则执行步骤(2);(2)根据概率,减少RMD候选队列中的模式数量;(3)如果预测块尺寸为32×32或16×16,执行步骤(4),否则执行步骤(5);(4)进行RMD,跳转步骤(9);(5)判断RMD候选队列与父预测块的候选队列的相似程度,相似执行步骤(6),否则执行步骤(7);(6)用父预测块的最优模式作为当前预测块的最优模式,执行步骤(9);(7)对RMD候选队列进行模式过滤;(8)对处理过的RMD候选队列进行分组;(9)执行RDO。
-
公开(公告)号:CN106407563A
公开(公告)日:2017-02-15
申请号:CN201610835917.2
申请日:2016-09-20
Applicant: 北京工业大学
Abstract: 本发明公开一种基于驾驶类型和前车加速度信息的跟驰模型生成方法,利用聚类数据挖掘的方法,根据实际数据进行司机驾驶风格的划分,在全速度差模型的基础上引入个人预期效应,并进一步考虑了前车加速度信息对跟驰行为的影响,得到车辆跟驰模型。相比已有的车辆跟驰模型,极大的提高了交通流的稳定性,并且更加的符合实际交通流状态。
-
公开(公告)号:CN106097278A
公开(公告)日:2016-11-09
申请号:CN201610474921.0
申请日:2016-06-24
Applicant: 北京工业大学
CPC classification number: G06T5/002 , G06T7/00 , G06T2207/20081
Abstract: 本发明公开一种多维信号的稀疏模型,其能够保证不需要采用Kronecker乘积,从而保证在算法复杂度和存储空间上都有明显的改进。这种多维信号的稀疏模型,其为公式其中,张量表示成一个N维稀疏张量与一系列稀疏字典的张量乘积,In≤Mn,Dn定义为第n个方向的字典,K是稀疏度,用来刻画稀疏系数中的非零元素的个数。还提供了重建方法和字典训练方法。
-
公开(公告)号:CN105741332A
公开(公告)日:2016-07-06
申请号:CN201610069414.9
申请日:2016-02-01
Applicant: 北京工业大学
IPC: G06T9/00
CPC classification number: G06T9/00
Abstract: 本发明公开一种真实感三维网格压缩方法,其能够提高在压缩法向图像上的效率,从而有效地提高真实感三维网格的压缩效率。该方法包括编码阶段和解码阶段;原始的输入数据是原始的几何图像GI,原始的θ′?角度图像Iθ′以及原始的φ?角度图像Iφ,编码阶段包括:(1)下采样平滑的几何图像;(2)通过解码重建后的几何图像预测角度图像;解码阶段包括:(3)解码并上采样上述几何图像,得到重建后的几何图像(4)通过预测θ?角度图像,φ?角度图像和θ′?角度图像,得到预测的和(5)解码残差和并添加到预测的和得到重建的θ′?角度图像和重建的φ?角度图像(6)利用估计边信息作用于最后得到重建后的角度图像和
-
公开(公告)号:CN105678321A
公开(公告)日:2016-06-15
申请号:CN201511025900.2
申请日:2015-12-31
Applicant: 北京工业大学
CPC classification number: G06K9/6292 , G06K9/00342 , G06K9/00369
Abstract: 本发明公开一种基于融合模型的人体姿态估计方法,其能够充分利用图像特征信息,能够将图像的HOG特征信息和形状特征信息融合,提高了传统图模型结构的人体姿态识别的准确率。包括以下步骤:(1)以人体运动时的二维静态图像为输入数据,获取基于图模型的候选姿态;(2)利用信度函数D-S融合模型将图像中的特征信息融合,求得最高信度值对应各部位的位置,作为最佳位置,从而获得人体姿态最佳结果。
-
公开(公告)号:CN103024383B
公开(公告)日:2016-02-10
申请号:CN201210543813.6
申请日:2012-12-14
Applicant: 北京工业大学
IPC: H04N19/593 , H04N19/11 , H04N19/176
Abstract: 公开了一种时间复杂度较低、预测准确度较高、提高压缩比的基于HEVC框架的无损压缩编码方法。利用HEVC框架本身,可以实现依据图像平坦程度来自适应的分割编码单元,并决定最佳的分割方案,选择最优的预测模式。利用DPCM差分编码进行初步预测,对于纹理复杂的区域只用差分编码可能会使预测误差较大,因此,对该区域采用误差补偿的方式对预测值进行修正,通过这两种方法的结合可以获得降低时间复杂度,提高预测准确度的有效的折中。残差的分布特点依赖于预测模式,因此根据预测模式决定残差的扫描顺序,可以使熵编码更加有效。
-
-
-
公开(公告)号:CN104598744A
公开(公告)日:2015-05-06
申请号:CN201510040975.1
申请日:2015-01-27
Applicant: 北京工业大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于光场的深度估计方法,其能够解决初始深度可靠性问题、能量优化过平滑问题。包括步骤:(1)初始深度估计;(2)检测可计算像素;(3)基于水平和垂直方向光场的深度计算;(4)深度信息融合;(5)深度信息传播;(6)重复步骤(3)-(5),直到当前分辨率的EPI上所有Me值为1的置信像素都得到计算或在传播中得到深度值;(7)将低分辨率下计算得到的深度值逐层复制到高分辨率图像,直到最高分辨率图像中所有像素都有深度值。
-
-
-
-
-
-
-
-
-