-
公开(公告)号：CN112014822A
公开(公告)日：2020-12-01
申请号：CN202010882008.0
申请日：2020-08-28
Applicant: 北京川速微波科技有限公司 , 北京信息科技大学
Inventor： 王涛 , 王东峰 , 曹林 , 华斌 , 戴春杨 , 赵宇 , 宋雨轩 , 宋科宁 , 镡晓林 , 刘怡晓 , 姚京立 , 王兆锋 , 李萌 , 郑健中 , 柏宇豪 , 杨华斌 , 谢晓鹏
IPC: G01S7/41
Abstract: 本发明实施例提供车载雷达测量数据识别方法、装置、介质和电子装置，以自动实现车速的确定和动静态目标数据的识别。其中所述方法包括：获取车载雷达在同一时刻测量得到的多个测量数据，测量数据为目标的2个以上参数组成的向量，所述参数至少包括速度；计算各测量数据中目标的速度在邻域范围内的速度密度；选定在邻域范围内的速度密度最大的目标的速度；确定选定速度对应的测量数据及其关联的其它各测量数据的分布广度；当所确定的分布广度满足预设的分散条件时，根据各测量数据中在选定速度的邻域范围内的目标的速度，确定车载雷达所在车辆的行驶速度；根据测量数据中目标的速度和所确定的车辆速度，判断目标为静态目标或动态目标。
-
公开(公告)号：CN119738775A
公开(公告)日：2025-04-01
申请号：CN202411843303.X
申请日：2024-12-13
Applicant: 北京信息科技大学 , 拉萨数字经济产业(集团)有限公司 , 中国矿业大学(北京) , 北京川速微波科技有限公司 , 嘉兴聚速电子技术有限公司
Abstract: 本发明公开了一种非均匀噪声下互质阵列波达方向的确定方法及装置。该方法包括：获取信号接收模块接收的阵列信号；确定阵列信号的阵列协方差矩阵，其中，信号接收模块包括：多个阵元，多个阵元之间的间隔距离的阵元互质阵列；使用第二噪声协方差矩阵替换阵列协方差矩阵中的第一噪声协方差矩阵，得到重构协方差矩阵，其中，第二噪声协方差矩阵为对角矩阵，第二噪声协方差矩阵的对角线元素为第一噪声协方差矩阵中对角线元素的最小值；利用空间频谱估计算法对重构协方差矩阵进行空间频谱分析，得到阵列信号中每个目标信号的波达方向。本发明解决了在非均匀噪声的条件下，无法准确确定阵列信号的波达方向的技术问题。
-
公开(公告)号：CN112014822B
公开(公告)日：2024-04-09
申请号：CN202010882008.0
申请日：2020-08-28
Applicant: 北京川速微波科技有限公司 , 北京信息科技大学
Inventor： 王涛 , 王东峰 , 曹林 , 华斌 , 戴春杨 , 赵宇 , 宋雨轩 , 宋科宁 , 镡晓林 , 刘怡晓 , 姚京立 , 王兆锋 , 李萌 , 郑健中 , 柏宇豪 , 杨华斌 , 谢晓鹏
IPC: G01S7/41
Abstract: 本发明实施例提供车载雷达测量数据识别方法、装置、介质和电子装置，以自动实现车速的确定和动静态目标数据的识别。其中所述方法包括：获取车载雷达在同一时刻测量得到的多个测量数据，测量数据为目标的2个以上参数组成的向量，所述参数至少包括速度；计算各测量数据中目标的速度在邻域范围内的速度密度；选定在邻域范围内的速度密度最大的目标的速度；确定选定速度对应的测量数据及其关联的其它各测量数据的分布广度；当所确定的分布广度满足预设的分散条件时，根据各测量数据中在选定速度的邻域范围内的目标的速度，确定车载雷达所在车辆的行驶速度；根据测量数据中目标的速度和所确定的车辆速度，判断目标为静态目标或动态目标。
-
公开(公告)号：CN112017446A
公开(公告)日：2020-12-01
申请号：CN202010789668.4
申请日：2020-08-07
Applicant: 北京川速微波科技有限公司
Abstract: 本发明实施例提供雷达测量数据与车辆轨迹关联方法、装置、介质和电子装置，用以解决现有技术中无法探测出静止排队的车辆的问题，其中所述方法包括：获取雷达在当前时刻得到的测量数据集和已测得的目标车辆轨迹；根据预先训练得到的目标车辆预测位置邻近区域的子区域联合有效测量概率矩阵，计算测量数据集中的测量数据与目标车辆轨迹的关联关系；如果测量数据集中不存在与目标车辆轨迹关联的测量数据，则判断测量数据集中的测量数据均无效，判断目标车辆为预设的趋于静止的车辆。
-
公开(公告)号：CN112015960A
公开(公告)日：2020-12-01
申请号：CN202010790882.1
申请日：2020-08-07
Applicant: 北京川速微波科技有限公司
IPC: G06F16/906 , G06K9/62
Abstract: 本发明实施例提供车载雷达测量数据的聚类方法、存储介质和电子装置，以能够在目标数量未知的情况下自适应识别出测量数据中所包含的目标数量，其中所述方法包括：获取车载雷达的测量数据，作为待聚类的数据集；计算数据集中每个测量数据的密度；按照密度的大小，确定数据集中属于峰值点的测量数据；根据峰值点，计算数据集的聚类信息，其中聚类信息中包括的聚类数量为车载雷达的测量数据中的目标数量。
-
Patent Agency Ranking
公开(公告)号：CN112017446B
公开(公告)日：2021-09-14
申请号：CN202010789668.4
申请日：2020-08-07
Applicant: 北京川速微波科技有限公司
Abstract: 本发明实施例提供雷达测量数据与车辆轨迹关联方法、装置、介质和电子装置，用以解决现有技术中无法探测出静止排队的车辆的问题，其中所述方法包括：获取雷达在当前时刻得到的测量数据集和已测得的目标车辆轨迹；根据预先训练得到的目标车辆预测位置邻近区域的子区域联合有效测量概率矩阵，计算测量数据集中的测量数据与目标车辆轨迹的关联关系；如果测量数据集中不存在与目标车辆轨迹关联的测量数据，则判断测量数据集中的测量数据均无效，判断目标车辆为预设的趋于静止的车辆。
-
公开(公告)号：CN112015960B
公开(公告)日：2024-08-02
申请号：CN202010790882.1
申请日：2020-08-07
Applicant: 北京川速微波科技有限公司
IPC: G06F16/906 , G06F18/2321
Abstract: 本发明实施例提供车载雷达测量数据的聚类方法、存储介质和电子装置，以能够在目标数量未知的情况下自适应识别出测量数据中所包含的目标数量，其中所述方法包括：获取车载雷达的测量数据，作为待聚类的数据集；计算数据集中每个测量数据的密度；按照密度的大小，确定数据集中属于峰值点的测量数据；根据峰值点，计算数据集的聚类信息，其中聚类信息中包括的聚类数量为车载雷达的测量数据中的目标数量。
-
公开(公告)号：CN117095433A
公开(公告)日：2023-11-21
申请号：CN202310899533.7
申请日：2023-07-20
Applicant: 北京信息科技大学
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本说明书涉及人工智能技术领域，具体地公开了一种素描人脸识别方法及装置，其中，该方法包括：获取训练集；利用训练集对预设识别模型进行训练，得到目标识别模型，以对素描图像进行人脸识别；预设识别模型包括卷积神经网络、序列化模块、分组Transformer网络、GeM池化层和域自适应网络；分组Transformer网络中分组多头自注意力模块对样本集中的视觉标记序列进行分组，在各第一分组内进行自注意力运算生成分组多头自注意力建模结果；跨组多头自注意力模块对分组多头自注意力建模结果跨组组合，在各第二分组内进行自注意力运算生成跨组多头自注意力建模结果。上述方案捕捉特征全局上下文联系，提高了素描人脸识别准确率。
-
公开(公告)号：CN116579916A
公开(公告)日：2023-08-11
申请号：CN202310551568.1
申请日：2023-05-16
Applicant: 北京信息科技大学
IPC: G06T3/00 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本说明书提出一种非对称素描图像的生成方法及装置。该方法包括：获取目标光学图像；其中，所述目标光学图像包含有目标对象；利用目标全局模型处理目标光学图像，以得到包含有目标对象的目标素描图像；其中，所述目标全局模型为预先利用样本数据，以及基于预设的局部模型得到的样本数据的局部特征优化损失训练得到的。基于上述方法，能够解决现有技术中在非对称训练的前提下无法生成局部细节完整精致的非对称素描图像的问题。
-
公开(公告)号：CN116416552A
公开(公告)日：2023-07-11
申请号：CN202310177624.X
申请日：2023-02-17
Applicant: 北京信息科技大学
Abstract: 本说明书提供了视频异常检测方法、装置和计算机可读存储介质。基于该方法，具体实施前，预先训练得到至少包括跨模态注意力机制模块的预设的特征处理模型。具体实施时，先将所获取的目标视频划分成多个目标图像片段和多个目标光流片段；再利用预设的特征提取网络处理多个目标图像片段和多个目标光流片段，提取得到对应的目标外观特征和目标运动特征；接着，利用预设的特征处理模型先通过跨模态注意力机制模块去除目标外观特征和目标运动特征的冗余信息，得到并融合优化后的目标外观特征和优化后的目标运动特征；再利用预设的特征处理模型通过处理融合后的目标特征，得到目标处理结果，从而能够准确、高效地确定出目标视频是否存在异常目标。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.06 seconds)
