-
公开(公告)号：CN106355166B
公开(公告)日：2021-09-24
申请号：CN201610893523.2
申请日：2016-10-13
Applicant: 北京师范大学
Abstract: 本发明为一种基于监控视频与遥感图像的灰霾扩散路径绘制与来源确定方法，首先对地区进行网格化分区，同时为每个网格建立基于视频图像的无霾基准图样本库，然后通过对视频监控图像进行分析，结合无霾基准图，同时基于时间序列分析，区分雾与霾，确定当前位置监控图像灰霾指数、等级、变化趋势、变化速度，最后根据监控视频所在位置、灰霾指数、等级、随时间变化的趋势，结合遥感图像分析得到的区域雾霾变化趋势，绘制随时间变化的灰霾扩散路径，进而得到路径上的网格序列，最终确定具体污染源网格、确定污染源的责任主体。本发明可用于实时对特定区域进行灰霾生成直接来源的及时定位；本发明具有识别精度高、效率高的优点。
-
公开(公告)号：CN106355166A
公开(公告)日：2017-01-25
申请号：CN201610893523.2
申请日：2016-10-13
Applicant: 北京师范大学
CPC classification number: G06K9/0063 , G06K9/00651 , G06T7/0004 , G06T2207/10032 , G06T2207/30192
Abstract: 本发明为一种采用网格划分区域，通过分析网格内监控视频数据和遥感图像数据反映的污染指数变化趋势，用来实时追溯灰霾生成直接来源的方法。该方法首先对地区进行网格化分区，同时为每个网格建立基于视频图像的无霾基准图样本库。然后通过对视频监控图像进行分析，结合无霾基准图，同时基于时间序列分析，区分雾与霾，确定当前位置监控图像灰霾指数、等级、变化趋势、变化速度。最后根据监控视频所在位置、灰霾指数、等级、随时间变化的趋势，结合遥感图像分析得到的区域雾霾变化趋势，绘制随时间变化的灰霾扩散路径，进而得到路径上的网格序列，最终确定具体污染源网格、确定污染源的责任主体。本发明可用于实时对特定区域进行灰霾生成直接来源的及时定位。本发明具有识别精度高、效率高的优点。
-
公开(公告)号：CN111242201A
公开(公告)日：2020-06-05
申请号：CN202010014622.5
申请日：2020-01-07
Applicant: 北京师范大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于对抗生成网络的半监督恒星光谱分类方法：该方法是基于已知训练样本较少情况下的分类方法。由于已知特定天体的光谱数量非常少，想要对特定天体的光谱进行分类，然而使用传统的基于机器学习和统计的分类方法需要大量已知的数据来训练分类模型。因此，本方法与监督方法不同，所提出的方法可以充分利用大量未标记的样本，其包含两部分：捕获数据分布的生成器和确定样本是否由实际数据组成的判别器。然后利用少量带标签的数据对训练好的判别器再进行训练，即可得到较好的分类模型。利用真实世界光谱数据，并且是光谱数据数量有限的情况下，评估模型的性能，实验结果表明该模型在分类精度方面优于其他方法。
-
公开(公告)号：CN106529410B
公开(公告)日：2020-05-08
申请号：CN201610887353.7
申请日：2016-10-11
Applicant: 北京师范大学
Abstract: 本发明为一种采用网格划分区域，通过分析网格内监控视频数据反映的污染指数变化趋势，用来实时追溯灰霾生成直接来源的方法。该方法首先对地区进行网格化分区，同时为每个网格建立基于视频图像的无霾基准图样本库。然后通过对视频监控图像进行分析，结合无霾基准图，同时基于时间序列分析，区分雾与霾，确定当前位置监控图像灰霾指数、等级、变化趋势、变化速度。最后根据监控视频所在位置、灰霾指数、等级、随时间变化的趋势，绘制随时间变化的灰霾扩散路径，进而得到路径上的网格序列，最终确定具体污染源网格、确定污染源的责任主体。本发明可用于实时对特定区域进行灰霾生成直接来源的及时定位。本发明具有识别精度高、效率高的优点。
-
Patent Agency Ranking
公开(公告)号：CN106529410A
公开(公告)日：2017-03-22
申请号：CN201610887353.7
申请日：2016-10-11
Applicant: 北京师范大学
Abstract: 本发明为一种采用网格划分区域，通过分析网格内监控视频数据反映的污染指数变化趋势，用来实时追溯灰霾生成直接来源的方法。该方法首先对地区进行网格化分区，同时为每个网格建立基于视频图像的无霾基准图样本库。然后通过对视频监控图像进行分析，结合无霾基准图，同时基于时间序列分析，区分雾与霾，确定当前位置监控图像灰霾指数、等级、变化趋势、变化速度。最后根据监控视频所在位置、灰霾指数、等级、随时间变化的趋势，绘制随时间变化的灰霾扩散路径，进而得到路径上的网格序列，最终确定具体污染源网格、确定污染源的责任主体。本发明可用于实时对特定区域进行灰霾生成直接来源的及时定位。本发明具有识别精度高、效率高的优点。
-
公开(公告)号：CN106454241A
公开(公告)日：2017-02-22
申请号：CN201610893630.5
申请日：2016-10-13
Applicant: 北京师范大学
Abstract: 本发明为一种采用网格划分区域，通过分析网格内监控视频数据和社交网络数据反映的污染指数变化趋势，用来实时追溯灰霾生成直接来源的方法。该方法首先对地区进行网格化分区，同时为每个网格建立基于视频图像的无霾基准图样本库。然后通过对视频监控图像进行分析，结合无霾基准图，同时基于时间序列分析，区分雾与霾，确定当前位置监控图像灰霾指数、等级、变化趋势、变化速度。同时针对社交网络图像数据进行单图像雾霾等级分类。最后根据监控视频所在位置、灰霾指数、等级、随时间变化的趋势，结合社交网络数据获得的位置相关信息，绘制随时间变化的灰霾扩散路径，进而得到路径上的网格序列，最终确定具体污染源网格、确定污染源的责任主体。本发明可用于实时对特定区域进行灰霾生成直接来源的及时定位。本发明具有识别精度高、效率高的优点。
-
公开(公告)号：CN106454241B
公开(公告)日：2020-02-21
申请号：CN201610893630.5
申请日：2016-10-13
Applicant: 北京师范大学
Abstract: 本发明为一种采用网格划分区域，通过分析网格内监控视频数据和社交网络数据反映的污染指数变化趋势，用来实时追溯灰霾生成直接来源的方法。该方法首先对地区进行网格化分区，同时为每个网格建立基于视频图像的无霾基准图样本库。然后通过对视频监控图像进行分析，结合无霾基准图，同时基于时间序列分析，区分雾与霾，确定当前位置监控图像灰霾指数、等级、变化趋势、变化速度。同时针对社交网络图像数据进行单图像雾霾等级分类。最后根据监控视频所在位置、灰霾指数、等级、随时间变化的趋势，结合社交网络数据获得的位置相关信息，绘制随时间变化的灰霾扩散路径，进而得到路径上的网格序列，最终确定具体污染源网格、确定污染源的责任主体。本发明可用于实时对特定区域进行灰霾生成直接来源的及时定位。本发明具有识别精度高、效率高的优点。
-
公开(公告)号：CN104867166A
公开(公告)日：2015-08-26
申请号：CN201510263006.2
申请日：2015-05-22
Applicant: 北京师范大学
Abstract: 本发明是一种基于稀疏字典学习的油井示功图压缩存储方法，尤其是基于字典学习的方法，目的在于解决大量抽油机井示功图数据存储问题。该方法基于历史油井示功图数据库，选取典型的油井示功图数据，通过数据预处理后组成训练样本库，采用信号稀疏领域的K-SVD算法对样本库进行训练得到稀疏字典并保存；原始示功图结合稀疏字典，通过OMP算法得到稀疏系数并保存，实现油井示功图数据压缩；稀疏系数结合稀疏字典进行示功图重构，得到原始示功图。本方法得到的字典对油井示功图的稀疏化效果更好，重构油井示功图的精度更高。本方法不需要目标的先验信息，具有广泛的应用面。
-
公开(公告)号：CN104867166B
公开(公告)日：2018-04-06
申请号：CN201510263006.2
申请日：2015-05-22
Applicant: 北京师范大学
Abstract: 本发明是一种基于稀疏字典学习的油井示功图压缩存储方法，尤其是基于字典学习的方法，目的在于解决大量抽油机井示功图数据存储问题。该方法基于历史油井示功图数据库，选取典型的油井示功图数据，通过数据预处理后组成训练样本库，采用信号稀疏领域的K‑SVD算法对样本库进行训练得到稀疏字典并保存；原始示功图结合稀疏字典，通过OMP算法得到稀疏系数并保存，实现油井示功图数据压缩；稀疏系数结合稀疏字典进行示功图重构，得到原始示功图。本方法得到的字典对油井示功图的稀疏化效果更好，重构油井示功图的精度更高。本方法不需要目标的先验信息，具有广泛的应用面。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.02 seconds)
