-
公开(公告)号：CN101661554A
公开(公告)日：2010-03-03
申请号：CN200910073004.1
申请日：2009-09-29
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种远距离视频下的正面人体自动身份识别方法。包括步态模块和人脸模块；首先读入视频文件，用Adaboost方法检测行人，若检测到便自动开启人脸模块和步态模块，分别对步态和人脸采用核主成分分析进行特征提取，最后采用人脸特征辅助步态特征在决策级的融合方法进行识别。本发明为远距离身份识别提出新的解决思路，采用人脸特征辅助步态特征在决策级融合方法。在单样本的步态识别中辅助人脸特征的优点在于，即使步态训练样本是单样本，而人脸图像是多个的，这样便从另外一个角度扩充了训练样本的数目，有助于身份识别，融合人脸特征可以提高2.4％的识别精度。
-
公开(公告)号：CN101615246A
公开(公告)日：2009-12-30
申请号：CN200910072575.3
申请日：2009-07-24
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种用于大型考试中考生身份验证的指纹身份验证系统。指纹信息采集子以高效采集考生指纹信息；指纹信息管理子系统将考生报名信息作为密钥对其指纹信息进行加密，并生成带有唯一性条码的准考证用于验证；指纹信息验证子系统采用一对多快速指纹验证模块为主，一对一高精度指纹验证模块为辅的考生身份指纹复合验证方法，快速准确地进行考生指纹身份验证；考场核查子系统在考试现场指纹验证结束后，依据指纹验证结果进行考场缺考考生核查；指纹验证信息上报子系统可将验证通过的考生指纹信息发至考生招收院校。本发明具有指纹采集易行性，信息管理安全性，指纹验证快速准确等特点，能够有效实现大型考试中考生身份指纹验证。
-
公开(公告)号：CN100541521C
公开(公告)日：2009-09-16
申请号：CN200710144588.8
申请日：2007-11-14
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种中文印刷体公式识别方法。包括版面分析、汉字识别和数学公式识别3个模块，版面分析模块是对待识别的BMP图像进行各项预处理二值化，并利用投影法结合自底向上的版面分析算法，分割出文字块、图像块、表格块，对图像块和表格块进行保存处理；汉字识别模块是针对文字块进行虚假行合并、选择切分参数、提取特征和对汉字识别，将拒识的结果记录下来，把同行相邻的拒识结果合并这样可以定位出公式区域；数学公式识别是将拒识出来的文字区域中的公式字符进行提取、分割、合并一些合成字符、识别；最后通过公式字符的结构分析，得出字符间的关系；并最终输出结果为一维的字符串。经过试验证明本发明的识别效果还是令人满意的。
-
公开(公告)号：CN101488185A
公开(公告)日：2009-07-22
申请号：CN200910071284.2
申请日：2009-01-16
Applicant: 哈尔滨工程大学
CPC classification number: G06K9/00348
Abstract: 本发明提供的是一种基于分块矩阵的步态识别方法。首先从视频中提取单帧图像进行灰度变换，采用背景减除法提取人体目标，用数学形态学填补二值化图像的空洞、单连通分析提取人的侧影，使人体居中统一大小为64*64像素；根据步态视频序列中每帧图像标准中心化后图形区域拟合的椭圆短轴和离心率来观测步态的周期性变化情况；从而在一个周期中采用步态能量图提取步态的整体特征，采用分块矩阵的方式对GEI进行子块划分，自适应地去掉对分类无用的子块，运用子块模式的二维主成分分析结合子块模式的二维线性判别分析的方法进一步局部特征提取；在分类识别时将每个有效子块的特征合为整体，采用最近邻分类器进行身份判别。本发明对背包变化的步态的识别有效。
-
公开(公告)号：CN109711387B
公开(公告)日：2023-04-18
申请号：CN201910026678.X
申请日：2019-01-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于多类能量图的步态图像预处理方法，对数据集中多个已知的步态视频序列，利用遍历图像的像素点的方法，进行人体矩形区域的切割提取；采用双线性插值法，对提取出的行人图像进行大小归一化和质心归一化；采用高宽比的方法进行步态周期检测，采集并处理行走一个周期的步态信息，将图片分别生成步态能量图GEI、活动能量图AEI和步态熵图像GEnI；将生成的三种能量图按照RGB三通道原理，同时输入到网络模型中。本发明采用三种能量图来进行步态特征提取，得到了更多的步态特征，并按照三通道处理的方法，提出将三种能量图按三通道输入到网络中，并利用卷积神经网络实现模型，本发明可广泛用于模式识别尤其是步态识别领域以提高识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN109766838B
公开(公告)日：2022-04-12
申请号：CN201910026947.2
申请日：2019-01-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于卷积神经网络的步态周期检测方法，对步态视频进行预处理，包括视频解码，行人轮廓提取和质心归一化的图像预处理操作；训练用于提取步态周期性特征的卷积神经网络；将待测的步态视频帧序列送入卷积神经网络中，输出波形经过滤波后，通过确定相邻的波峰与波谷的位置即得到一个步态周期。该方法对角度变化、服饰和携带物变化都有很强的鲁棒性，解决了在正面和背面视角下难以检测步态周期的问题，本发明方法对提高复杂环境中步态识别精度有重要意义，可用于步态识别中的前端，适用于安全监控、人机交互、医疗诊断和门禁系统等中的身份识别中。
-
公开(公告)号：CN110909919A
公开(公告)日：2020-03-24
申请号：CN201911079279.6
申请日：2019-11-07
Applicant: 哈尔滨工程大学
Abstract: 融合注意力机制的深度神经网络模型的光伏功率预测方法，属于可再生能源光伏功率技术领域。该方法首先根据光伏数据特点选择了基于长短期记忆神经网络和卷积神经网络的混合神经网络作为预测模型，并考虑了最佳的连接方式；其次，为了降低模型的计算时间且更加准确地提取出可用于光伏预测的高质量特征信息，在模型特征提取方面，加入了注意力机制模型。通过不同的预测模型的比较，证明了所提出的混合深度学习模型的优势；通过注意力机制模型的应用对高质量特征的选取提供了可能。合理的混合模型方式可以实现预测精度高和计算成本低的双重追求。
-
公开(公告)号：CN109886190A
公开(公告)日：2019-06-14
申请号：CN201910126798.7
申请日：2019-02-20
Applicant: 哈尔滨工程大学
Abstract: 本发明属于图像识别技术领域，具体涉及一种基于深度学习的人脸表情和姿态双模态融合表情识别方法。包括以下步骤：建立自然环境下的图像数据库，并对获取的图像进行预处理和增强处理；提出SE-GoogleNet网络对处理后的数据图像进行特征提取；选用基于动作分类的GoogleNet模型的Caffemodel的卷积部分直接进行知识迁移训练；将两个经过预训练之后的卷积神经网络分别输入SPP层进行特征融合，最后送入LSTM中实现双模态表情识别最终分类。本发明设计了基于面部、肢体的双通道特征融合的LSTM模型，使用金字塔池化，进而解决了特征融合时的尺寸匹配问题；并且结合迁移学习，使该模型能在数据库较少的情况下实现对双模态表情的识别，提高了该模型对各种自然环境的适应能力，应用前景广泛。
-
公开(公告)号：CN109766838A
公开(公告)日：2019-05-17
申请号：CN201910026947.2
申请日：2019-01-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于卷积神经网络的步态周期检测方法，对步态视频进行预处理，包括视频解码，行人轮廓提取和质心归一化的图像预处理操作；训练用于提取步态周期性特征的卷积神经网络；将待测的步态视频帧序列送入卷积神经网络中，输出波形经过滤波后，通过确定相邻的波峰与波谷的位置即得到一个步态周期。该方法对角度变化、服饰和携带物变化都有很强的鲁棒性，解决了在正面和背面视角下难以检测步态周期的问题，本发明方法对提高复杂环境中步态识别精度有重要意义，可用于步态识别中的前端，适用于安全监控、人机交互、医疗诊断和门禁系统等中的身份识别中。
-
公开(公告)号：CN103390119B
公开(公告)日：2016-01-27
申请号：CN201310277169.7
申请日：2013-07-03
Applicant: 哈尔滨工程大学
IPC: G06F19/12
Abstract: 本发明属于分子生物信息检测领域，具体涉及一种基于条件随机场技术，融合ChIP-chip基因芯片数据和ChIP-seq DNA测序数据的转录因子结合位点识别方法。本发明包括：建立条件随机场模型；获取ChIP-chip实验检测值，识别出对应状态值；获取ChIP-seq实验检测值识别出对应状态值；测试条件随机场模型的识别精度；加权融合识别结果的第n个DNA碱基片段识别概率；比较和识别转录因子结合位点。本发明利用条件随机场融合ChIP-chip和ChIP-seq实验的检测数据识别转录因子结合位点。通过实验验证，在识别准确率方面，本发明方法要高于采用单一技术的识别方法。
-
-
-
-
-
-
-
-
-
Search Results
111
records
(took 0.029 seconds)
