-
公开(公告)号：CN115736864A
公开(公告)日：2023-03-07
申请号：CN202211426588.8
申请日：2022-11-15
Applicant: 北京邮电大学
IPC: A61B5/021 , G06F18/10 , G06F18/213 , G06F18/24 , A61B5/00
Abstract: 本发明公开了一种基于多头自注意力机制的光电序列血压监测方法及装置。本发明装置包括：佩戴在人体的光电血压监测设备，与光电监测设备通过无线通信的智能设备，智能设备上安装有用户血压数据库、光电序列监控单元、自注意力模型单元以及输出单元；本发明方法包括：收集原始用户光电时间序列数据；并对其进行质控滤波得到质保光电时间序列数据；对光电时间序列进行挖掘特征值，与质保光电序列合并生成特征向量；将特征向量添加用户标签，训练多头自注意力机制监测模型，保存训练好的监测模型；最后将待判断用户光电数据输入训练好的监测模型，输出待判断用户的监测结果。本发明解决了在实际血压监测中存在着个体差异大、数据精度不高等问题。
-
公开(公告)号：CN113435234A
公开(公告)日：2021-09-24
申请号：CN202110019216.2
申请日：2021-03-25
Applicant: 北京邮电大学
Abstract: 本发明提供了一种基于双模态视频EEG数据的驾驶员视觉显著性区域预测方法，所述方法包括：采集驾驶员在执行驾驶行为时的视觉注意力相关的脑电图(Electroencephalography,EEG)信号；对采集EEG信号进行预处理，搭建EEG注意力特征初始化框架，提取二维EEG注意力特征；提取视频图像中的低层特征；将提取的二维EEG注意力特征和提取的视频图像低层特征融合，得到双模态数据；基于双模态数据进行预测。本发明在不使用光流信息的条件下，仅分析视频图像的空间信息就得到了较好的驾驶员的视觉注意力信息(Focus field of driver's Attention，FoA)预测效果，本发明进一步完成了从EEG信号中有效提取车辆驾驶员的视觉注意力特征，并将其与视频图像特征相结合，共同完成目标任务。
-
公开(公告)号：CN113221867A
公开(公告)日：2021-08-06
申请号：CN202110513119.9
申请日：2021-05-11
Abstract: 本发明提供了一种基于深度学习的PCB图像字符检测方法。所述方法包括：构建PCB字符检测网络，将待检测的PCB图像输入训练好的网络中；网络通过下采样生成不同尺寸的特征图，并逐层上采样融合特征；通过字符检测头与边框检测头分别得到字符分布热力图与边框分布热力图；将两个热力图逐像素相减，得到最终的字符分布热力图；利用预设的阈值对热力图进行二值化处理，判断该位置上是否存在字符及其边缘位置,得到字符检测结果；利用字符识别网络ASTER识别字符，并将字符信息存入数据库。本发明设计的PCB字符检测网络与ASTER字符识别网络相结合，完成了PCB图像字符检测、识别、字符信息入库任务，进而实现PCB残片图像溯源。
-
公开(公告)号：CN110909636B
公开(公告)日：2021-03-19
申请号：CN201911088558.9
申请日：2019-11-08
Applicant: 北京邮电大学
Abstract: 本发明提供了一种基于非均匀分布的人脸识别方法，属于图像模式识别领域。首先使用人脸检测器检测和截取人脸区域，再利用仿射变换矩阵对所有截取的人脸区域进行侧脸矫正操作，然后利用深度学习模型对侧脸矫正的人脸图片提取特征；深度学习模型进行训练和测试，包括：(1)对深度学习模型进行训练；(2)对人脸检测器检测和截取的人脸区域进行侧脸矫正操作后，利用训练好的深度学习模型提取原始特征，并进行归一化处理，计算不同原始特征归一化后的特征之间的余弦相似度来判断是否属于同一人。本发明基于大边界的特征增强技术与可迁移特征归一化技术相结合，使得人脸识别的效率得到较大的提高，使得人脸识别系统的稳定性的也有很大的提高。
-
公开(公告)号：CN110909636A
公开(公告)日：2020-03-24
申请号：CN201911088558.9
申请日：2019-11-08
Applicant: 北京邮电大学
Abstract: 本发明提供了一种基于非均匀分布的人脸识别方法，属于图像模式识别领域。首先使用人脸检测器检测和截取人脸区域，再利用仿射变换矩阵对所有截取的人脸区域进行侧脸矫正操作，然后利用深度学习模型对侧脸矫正的人脸图片提取特征；深度学习模型进行训练和测试，包括：(1)对深度学习模型进行训练；(2)对人脸检测器检测和截取的人脸区域进行侧脸矫正操作后，利用训练好的深度学习模型提取原始特征，并进行归一化处理，计算不同原始特征归一化后的特征之间的余弦相似度来判断是否属于同一人。本发明基于大边界的特征增强技术与可迁移特征归一化技术相结合，使得人脸识别的效率得到较大的提高，使得人脸识别系统的稳定性的也有很大的提高。
-
Patent Agency Ranking
公开(公告)号：CN109815863A
公开(公告)日：2019-05-28
申请号：CN201910026602.7
申请日：2019-01-11
Applicant: 北京邮电大学
Abstract: 本公开涉及一种基于深度学习和图像识别的烟火检测方法，包括以下步骤：步骤1、从待识别的视频中读取视频帧，根据所述视频帧内的像素的颜色特征、以及视频帧间的像素的差异特征，提取所述视频帧内的部分像素集合，形成一个或多个预处理区域供识别；步骤2、将提取出的预处理区域截取成图片，作为烟火检测模型的输入；步骤3、通过所述烟火检测模型，从所述图片提取特征；步骤4、根据所提取的特征来确定所述图片中存在烟火场景的置信度；步骤5、如果所述置信度超过置信度阈值，则将所述图片对应的区域在所述视频帧中标记出来。
-
公开(公告)号：CN109801275A
公开(公告)日：2019-05-24
申请号：CN201910026589.5
申请日：2019-01-11
Applicant: 北京邮电大学
Abstract: 本公开涉及一种基于图像识别的马铃薯病害检测方法，包括以下步骤：步骤1、客户端获取待识别的马铃薯叶片、根茎和薯块的图片，并上传到服务端；步骤2、服务端对所述图片进行预处理，之后将预处理后的图片送入深度学习模型；步骤3、深度学习模型对预处理后的图片提取高维特征后识别并标定出图片中包含的马铃薯病斑的类别和位置；步骤4、将识别出的病斑位置及其类别作为标记叠加到图片上，形成检测结果图片，以供客户端下载并显示。
-
公开(公告)号：CN103914685B
公开(公告)日：2018-06-22
申请号：CN201410083226.2
申请日：2014-03-07
Applicant: 北京邮电大学
IPC: G06K9/00
Abstract: 本申请公开了一种基于广义最小团图和禁忌搜索的多目标跟踪方法，包括以下步骤：步骤1、在一段视频的各帧图像中进行目标检测，当在一帧或多帧图像中检测到一个或多个目标时，记录并输出被检测到的各个目标在相应帧图像中的位置、相应帧图像在视频中的时间位置及各个目标在相应帧图像中的大小；步骤2、根据每帧图像中的各个目标的像素值及所述各个目标在相应帧图像中的位置以及大小，计算每帧图像中的各个目标的外观特征及运动特征；步骤3、根据所计算的每帧图像中的各个目标的外观特征及运动特征，在已记录的各个目标在相应帧图像中的位置中提取出属于同一目标的多个位置，并根据相应帧图像在视频中的时间位置，将其连接成为同一目标的轨迹。
-
公开(公告)号：CN104484679B
公开(公告)日：2017-12-22
申请号：CN201410473198.5
申请日：2014-09-17
IPC: G06K9/64
Abstract: 本申请公开了一种非制式枪射击弹头痕迹图像自动识别方法，包括以下步骤：步骤1、将三维空间中的弹头痕迹转换成二维的弹头痕迹图像，作为待识别的图像；步骤2、对待识别的图像进行水平和垂直方向投影，分别生成特征feature1[y]、feature2[x]，其中，0≤y＜M，0≤x＜N，M和N分别为弹头痕迹图像的像素阵列的行数和列数；步骤3、将所述特征feature1[y]、feature2[x]与样本库中的K个样本的特征feature1[Mk]、feature2[Nk]，分别进行比对，其中k＝1、2、……K，生成对应于各个样本的K个相似度。
-
公开(公告)号：CN104464079B
公开(公告)日：2016-10-05
申请号：CN201410837446.X
申请日：2014-12-29
Applicant: 北京邮电大学
IPC: G07D7/206
Abstract: 本申请公开了基于模板特征点及其拓扑结构的多币种面值识别方法，包括：1、提取待识别纸币图像的特征点，记录特征点的位置及其特征描述；2、将待识别纸币图像的特征点与各个模板的基准点分别进行第一比对匹配，选取与一个或多个模板的基准点之间的匹配结果满足第一匹配条件的特征点，作为待识别纸币图像的基准点；3、以待识别纸币图像的基准点作为基准，生成其它特征点的拓扑结构信息；4、将待识别纸币图像的其它特征点的特征描述及其拓扑结构信息与一个或多个模板的特征点的特征描述及其拓扑结构信息进行第二比对匹配；5、选取与待识别纸币图像的比对匹配结果满足判别条件的模板所代表的币种及面值，作为待识别纸币图像的面值识别结果。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.049 seconds)
