-
公开(公告)号:CN109512405A
公开(公告)日:2019-03-26
申请号:CN201910014382.6
申请日:2019-01-08
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种基于局部点检测的脉象信号分割方法,其包括以下步骤:步骤S1,采集脉象信号;步骤S2,去除脉象信号中的高频噪声;步骤S3,去除脉象信号中的低频噪声,得到去除高频噪声、低频噪声的脉象信号;步骤S4,针对步骤S3得到的去除高频噪声、低频噪声的脉象信号,通过滑动窗口的方法检测波峰点位置;根据波峰点位置,选择波峰点前一段信号,检测起搏点的位置。采用本发明的技术方案,更好地保持所选择出来的起搏点的统一性,减少不同周期之间在时间轴上的差异,提高了平滑脉象信号的起搏点检测准确性,提高了平均周期的准确性,使平均周期更具代表性。
-
公开(公告)号:CN103245705A
公开(公告)日:2013-08-14
申请号:CN201310160696.X
申请日:2013-05-03
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提供了一种呼出气体的检测系统,其包括呼气分析仪和计算机,呼气分析仪包括微型真空泵、气室、传感器阵列、信号处理电路和数据采集卡,传感器阵列包括气体传感器和环境监测传感器,真空泵将呼出气体或洁净空气抽入到气室中,与传感器阵列接触,信号处理电路将传感器的响应进行滤波、放大后发送到数据采集卡,数据采集卡再将处理后的响应数字化后发送到计算机。本发明可以用于与呼气相关的身体状况的辅助分析,如糖尿病的诊断,糖尿病患者血糖的监测和酮症酸中毒的预防,健身或减肥过程中脂肪消耗情况的监测等。
-
公开(公告)号:CN115049704B
公开(公告)日:2025-04-18
申请号:CN202210695527.5
申请日:2022-06-20
Applicant: 哈尔滨工业大学(深圳)
IPC: G06T7/246 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/045 , G06T7/11 , G06T7/62 , G06T7/66 , G06T7/73
Abstract: 本发明公开了一种单目标跟踪方法、装置、终端及存储介质,方法包括:将参考图像输入至特征提取网络,获取特征提取网络输出的第一特征图像,将待跟踪图像输入至特征提取网络,获取特征提取网络输出的第二特征图像,其中,参考图像中包括目标标记信息;将第一特征图像输入至编码器,获取编码器输出的中间特征图像;将中间特征图像和第二特征图像输入至解码器,得到解码器的输出数据,根据解码器的输出数据确定待跟踪图像中的目标跟踪结果,其中,解码器中包括了互相关运算。本发明在对待跟踪图像中的目标进行跟踪时,在解码器中结合了互相关运算,实现了更精确的特征融合,减少了背景或者其他信息的干扰。
-
公开(公告)号:CN115146102B
公开(公告)日:2025-04-15
申请号:CN202210886765.4
申请日:2022-07-26
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F16/583 , G06F16/53
Abstract: 本发明公开了基于图像‑文本重要性一致的跨模态检索模型优化方法。本发明提供的方法挖掘了图像‑文本对中的细粒度语义信息,实现了不同模态间更细粒度的对齐,有效提升跨模态检索模型的检索精度。
-
公开(公告)号:CN113409264B
公开(公告)日:2023-08-25
申请号:CN202110667489.8
申请日:2021-06-16
Applicant: 哈尔滨工业大学(深圳)
IPC: G06T7/00 , G06V10/80 , G06V10/52 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , A61B5/00
Abstract: 本发明公开了一种自动检测六龄牙龋齿的检测装置,包括:拍摄设备、网络云服务器,被配置成执行以下步骤:将儿童口腔区域图像输入到深度残差网络进行特征提取获取图像的特征图,并对特征图进行基于特征金字塔网络的特征增强处理;根据增强后的特征图的不同尺度选取对应的锚点框生成六龄牙候选框;将六龄牙候选框输入区域回归子网络获取六龄牙候选框到真实目标的坐标偏移量并根据坐标偏移量得到六龄牙区域的坐标数据;将六龄牙候选框输入区域分类子网络获取六龄牙的预测类别;最后将六龄牙区域的坐标数据以及预测类别进行合并输出,以提供诊断图像。本发明检测装置能够有效地进行儿童六龄牙龋齿智能检测和分类,提高儿童窝沟龋的诊断精度和效率。
-
公开(公告)号:CN113221916B
公开(公告)日:2023-07-07
申请号:CN202110514446.6
申请日:2021-05-08
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V10/44 , G06V10/74 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种基于跨域快速迁移的视觉拣选方法及装置,从缩小跨域特征之间的差异度出发,考虑单一相似性度量的局限性,提出了基于特征相似性度量加权融合的算法,使用多种相似性度量加权融合,对跨域特征进行全面分析、约束,以减小特征差异,提高拣选模型在真实域工作的准确率和工作效率;提出基于注意力机制的对抗学习算法,在考虑全局特征的基础上,针对零件所在的局部区域特征,使用注意力机制着重减小该区域的差异性,以学习跨域不变的特征,实现跨越仿真域与真实域之间的鸿沟,保证跨域后模型性能的鲁棒性。
-
公开(公告)号:CN114638977A
公开(公告)日:2022-06-17
申请号:CN202210240410.8
申请日:2022-03-10
Abstract: 本发明公开了基于自适应权重融合的薄层色谱成分分析方法及相关设备。本发明提供的基于自适应权重融合的薄层色谱成分分析方法,对待分析样本的薄层色谱图像和已知成分的目标样本的薄层色谱图像进行特征向量提取以及谱带提取,使用特征向量匹配和色谱带的相对位置关系作为鉴别要素输入至神经网络中进行成分鉴别,融合了特征点相似度和谱带位置关系相似度,可以提升薄层色谱成分分析结果的准确性和效率。
-
公开(公告)号:CN114569087A
公开(公告)日:2022-06-03
申请号:CN202210068364.8
申请日:2022-01-20
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于多模态视觉的脉搏波采集系统及方法,所述系统包括:脉搏波采集设备以及感知薄膜,所述感知薄膜包括:脉象感知薄膜与脉象校准薄膜,所述脉象感知薄膜用于提取脉搏波的波动信息,所述脉象校准薄膜用于提取扰动信息;所述脉搏波采集设备包括:双目相机与腕部支撑枕,所述双目相机朝向所述感知薄膜设置,所述双目相机用于采集所述脉象感知薄膜与脉象校准薄膜的视频图像,以得到多模态视频流,所述双目相机包括可见光相机与红外相机;所述腕部支撑枕位于所述双目相机的下方,用于支撑腕部。本发明相对于现有脉搏波采集方法,因通过使用脉象校准薄膜剔除了肢体动作的扰动,提高了脉搏波的采集精度,且采集效率更高。
-
公开(公告)号:CN114543930A
公开(公告)日:2022-05-27
申请号:CN202210149821.6
申请日:2022-02-18
Applicant: 哈尔滨工业大学(深圳)
IPC: G01F23/04
Abstract: 本申请实施例提供了一种基于图像识别的水位获取方法、装置及电子设备,其中方法包括:通过水尺检测模型识别水尺图像的目标水尺区域;确定目标水尺区域的各相邻两行像素向量之间的像素距离;根据各像素距离中的最大像素距离确定水尺上边界线;将目标水尺区域划分为多个子区域,通过梯度函数计算各子区域的二阶导数,根据各二阶导数确定水尺下边界线;获取目标水尺区域的水尺刻度信息;根据水尺上边界线、水尺下边界线和水尺刻度信息确定水位数据。这样,能够利用水尺刻度信息计算水位数据,不需要预先确定像素坐标与真实坐标对应关系,摄像头安装简单,操作简单、人工成本低,水位数据精度高。
-
公开(公告)号:CN112508826B
公开(公告)日:2022-03-01
申请号:CN202011276192.0
申请日:2020-11-16
Applicant: 哈尔滨工业大学(深圳) , 深圳富联富桂精密工业有限公司
IPC: G06T5/20 , G06T5/00 , G06T7/00 , G06T7/11 , G06T7/13 , G06T7/33 , G06T7/73 , G06T3/00 , G06K9/62 , G06V10/44 , G06V10/74
Abstract: 本发明提供了一种基于特征配准及梯度形状匹配融合的印刷品缺陷检测方法,包括制作标准模板图像步骤、待测图像初次定位配准步骤、基于AKAZE特征点的二次配准步骤、提取潜在缺陷区域及掩模步骤、基于图像梯度特征及改进余弦相似度匹配算法判别真伪缺陷步骤和缺陷融合判定及可视化步骤。本发明的有益效果是:本发明基于非线性尺度空间的AKAZE特征点二次配准矫正,在保留真缺陷的前提下对待测图像进行有效的配准,更有利于后续的伪影剔除及缺陷检测。本发明对潜在缺陷范围加以限制,避免由于潜在缺陷的膨胀导致粘连,导致缺陷区域对得分的影响减弱。潜在缺陷区域掩模的引入,只保留潜在缺陷本身的信息,屏蔽潜在缺陷外的信息,能有效去除缺陷外的图像对特征提取的干扰。本发明的缺陷判别只针对潜在缺陷区域采用改进的余弦相似度形状匹配算法,引入非线性激活函数同步考虑图像梯度向量的方向和长度对相似度得分的影响。
-
-
-
-
-
-
-
-
-