-
公开(公告)号：CN103440499B
公开(公告)日：2017-03-01
申请号：CN201310389154.X
申请日：2013-08-30
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本方法涉及一种基于信息融合的交通波实时检测与跟踪方法。首先获取交通视频图像，然后采用Kalman滤波技术，根据前一时刻交通波状态最优估计值获取当前时刻的交通波状态预测值；然后得到当前时刻交通波位置测量值，在相向摄像机之间的可视区域内，每台摄像机采用融合Adaboost分类器的复式伸缩窗算法；在相背摄像机之间的盲区内，基于特征点跟踪法及交通波估计法进行估计；最后，采用加权平均一致性信息融合算法获得当前时刻交通波状态最优估计值，为下一时刻交通波状态预测做准备，在此过程中通过引入各摄像机测量噪声权重，并动态调整各摄像机检测结果可信度来提高交通波定位精度。
-
公开(公告)号：CN103559426A
公开(公告)日：2014-02-05
申请号：CN201310545984.7
申请日：2013-11-06
Applicant: 北京工业大学
IPC: G06F19/24
Abstract: 本发明属于数据挖掘领域，公开了一种针对多视图数据融合的蛋白质功能模块挖掘方法。首先，量化多个数据源对蛋白质相互作用的强弱描述，形成多视图数据；进而，利用本发明提出的聚合非负矩阵算法对多视图数据进行一致矩阵分解，通过得到对多视图信息的最优近似，确定蛋白质的功能模块。本发明提出一种针对多视图数据融合的蛋白质功能模块挖掘方法，着眼于同时分析多生物数据，包括基因共表达、GO注释和PPIN，从多视图中提取聚合特征最为一致的蛋白质功能模块。本发明尤其适用于蛋白质相互作用网络和生物数据，同时可应用于社交复杂网络、通讯网络的社区挖掘问题。
-
公开(公告)号：CN103208010A
公开(公告)日：2013-07-17
申请号：CN201310141817.6
申请日：2013-04-22
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明属于智能交通与机器视觉领域，公开了一种基于视觉特征的交通状态量化方法。包括：从视频采集卡中读取视频，对原始视频中各帧图像进行预处理；在灰度化后的视频图像帧中提取时空相关信息；采取客观估计与主观判别相结合的方式为已获取的时空线序列符添加交通状态分类标签；对添加标签的时空线序列符进行降维处理并提取特征向量；将提取得到的特征向量作为SVM的输入构造分类器；量化识别交通状态。本发明各模块均选取最优方案，减少了系统累计误差，提高了交通状态量化识别数据的可靠性；采用PCA+Fisher LDA的方法对时空线序列符图像矩阵的降维和特征提取，并将SVM应用于交通状态识别分类，使分类更加准确、有效。
-
公开(公告)号：CN103208010B
公开(公告)日：2016-08-17
申请号：CN201310141817.6
申请日：2013-04-22
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明属于智能交通与机器视觉领域，公开了一种基于视觉特征的交通状态量化方法。包括：从视频采集卡中读取视频，对原始视频中各帧图像进行预处理；在灰度化后的视频图像帧中提取时空相关信息；采取客观估计与主观判别相结合的方式为已获取的时空线序列符添加交通状态分类标签；对添加标签的时空线序列符进行降维处理并提取特征向量；将提取得到的特征向量作为SVM的输入构造分类器；量化识别交通状态。本发明各模块均选取最优方案，减少了系统累计误差，提高了交通状态量化识别数据的可靠性；采用PCA+Fisher LDA的方法对时空线序列符图像矩阵的降维和特征提取，并将SVM应用于交通状态识别分类，使分类更加准确、有效。
-
公开(公告)号：CN118275922A
公开(公告)日：2024-07-02
申请号：CN202410386258.3
申请日：2024-04-01
IPC: G01R31/392 , G01R31/367 , G01R31/36 , G01R31/378
Abstract: 本发明涉及一种基于鲸鱼优化算法的电化学阻抗谱动力锂电池健康状态评估方法，属于电池预测领域。该方法包括以下步骤：EIS测试与数据提取、EIS数据特征参量的选取、WOA‑BP神经网络的建立与SOH的预测。本发明在建立完整的电池测试数据的基础上，构建输入集和输出集，进而实现WOA‑BP神经网络对SOH进行预测，准确率高，实用性强。
-
Patent Agency Ranking
公开(公告)号：CN103440499A
公开(公告)日：2013-12-11
申请号：CN201310389154.X
申请日：2013-08-30
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本方法涉及一种基于信息融合的交通波实时检测与跟踪方法。首先获取交通视频图像，然后采用Kalman滤波技术，根据前一时刻交通波状态最优估计值获取当前时刻的交通波状态预测值；然后得到当前时刻交通波位置测量值，在相向摄像机之间的可视区域内，每台摄像机采用融合Adaboost分类器的复式伸缩窗算法；在相背摄像机之间的盲区内，基于特征点跟踪法及交通波估计法进行估计；最后，采用加权平均一致性信息融合算法获得当前时刻交通波状态最优估计值，为下一时刻交通波状态预测做准备，在此过程中通过引入各摄像机测量噪声权重，并动态调整各摄像机检测结果可信度来提高交通波定位精度。
-
公开(公告)号：CN101621634B
公开(公告)日：2010-12-01
申请号：CN200910089841.3
申请日：2009-07-24
Applicant: 北京工业大学
Abstract: 动态前景分离的大幅面视频拼接方法，涉及视频拼接、全景视频领域。该方法是采用多台位置和拍摄角相对固定且相同的摄像机拍摄获取视频数据，再由计算机系统按顺序读入这些视频序列，并对这些视频序列依次进行几何校正、前景提取，然后分别对前景和背景视频序列进行匹配和变换，得到拼接后的前景和背景视频，最后将拼接后的前景和背景视频融合得到最终的视频拼接结果。在本发明中所使用的摄像机的摆放位置可根据拍摄环境而调整，摄像机的数目可为2个或2个以上。本发明所提供的方法通过分离前景并在重叠区域重新选择将要保留的单方数据，从而避免了鬼影的产生。实验证明该方法既保证了视频的质量同时也提高了拼接算法的速度。
-
公开(公告)号：CN100446037C
公开(公告)日：2008-12-24
申请号：CN200710121181.3
申请日：2007-08-31
Applicant: 北京工业大学
IPC: G06T5/50
Abstract: 基于特征的大幅面文化遗产图像拼接方法，涉及图像匹配、图像拼接领域。具有以下处理步骤：1)针对文化遗产图像的特点，采用角点检测的方法提取图像中的角点作为图像的特征用于图像间的匹配；2)计算相邻图像匹配点间所连直线斜率，利用斜率相同或相近的特点，使用聚类的方法预筛选图像间的相关点；3)使用最佳路径的方法生成一条像素差值较小的拼接路径，以避开像素差异较大区域，达到消鬼影的目的；4)使用HSI颜色空间中的亮度分量，按照拼接路径运用权重函数公式对亮度进行融合。本发明所提供的方法与其他图像拼接的方法相比，能够大幅度提高图像拼接的速度，消除图像的亮度差异并且消除拼接中经常出现的鬼影现象，达到理想的拼接结果。
-
公开(公告)号：CN101621634A
公开(公告)日：2010-01-06
申请号：CN200910089841.3
申请日：2009-07-24
Applicant: 北京工业大学
Abstract: 动态前景分离的大幅面视频拼接方法，涉及视频拼接、全景视频领域。该方法是采用多台位置和拍摄角相对固定且相同的摄像机拍摄获取视频数据，再由计算机系统按顺序读入这些视频序列，并对这些视频序列依次进行几何校正、前景提取，然后分别对前景和背景视频序列进行匹配和变换，得到拼接后的前景和背景视频，最后将拼接后的前景和背景视频融合得到最终的视频拼接结果。在本发明中所使用的摄像机的摆放位置可根据拍摄环境而调整，摄像机的数目可为2个或2个以上。本发明所提供的方法通过分离前景并在重叠区域重新选择将要保留的单方数据，从而避免了鬼影的产生。实验证明该方法既保证了视频的质量同时也提高了拼接算法的速度。
-
公开(公告)号：CN117930063A
公开(公告)日：2024-04-26
申请号：CN202410118852.4
申请日：2024-01-29
IPC: G01R31/392 , G01R31/367
Abstract: 本发明涉及一种基于电化学阻抗谱与DRT预测退役电池健康状态的方法，属于电池预测领域。该方法包括以下步骤：EIS实验与数据提取、DRT技术对EIS数据的分析、GA‑LSTM神经网络的建立与SOH预测。本发明的锂离子电池弛豫时间对交流阻抗处理方法，EIS包含电池的诸多信息，测试结果准确性高。在LSTM神经网络中加入遗传算法优化，可以保证LSTM中的参数更优，从而有效提升对SOH预测的效果。本发明在建立完整的电池测试数据的基础上，构建输入集与输出集，进而实现LSTM神经网络对SOH进行预测，准确率高，实用性强。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.025 seconds)
