-
公开(公告)号：CN112966648B
公开(公告)日：2023-10-10
申请号：CN202110319459.8
申请日：2021-03-25
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于核扩展块字典稀疏表示的遮挡人脸识别方法，包括步骤(S1))：构建训练样本集X，将训练样本集X划分为B个训练块样本集#imgabs0#步骤(S2)：构建标准样本集N；步骤(S3)：构建测试样本集Y；步骤(S4)：构建训练块样本#imgabs1#的遮挡字典#imgabs2#和待测块样本#imgabs3#的遮挡字典#imgabs4#得到混合完备遮挡块字典#imgabs5#步骤(S5)：根据混合完备遮挡块字典#imgabs6#采用SRC模型对待测样本进行线性稀疏表示分类，进行该待测样本的遮挡人脸识别。本发明通过对原始图像分块，构建块图像集，其目的是充分考虑非约束人脸图像数据的复杂性，以及人脸空间拓扑信息在遮挡人脸识别中的重要性，相比原始图像，块图像更集中关注人脸结构特征或遮挡信息，更有利于遮挡人脸的准确识别。
-
公开(公告)号：CN116168434A
公开(公告)日：2023-05-26
申请号：CN202211710159.3
申请日：2022-12-29
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于鲁棒稀疏保持判别分析的视频人脸识别方法，本发明通过高斯混合模型对人脸视频数据进行建模，可以更精确的捕捉多模态密度分布的数据变化信息，数据建模更准确，通过采用对数函数将SPD矩阵从非线性黎曼流形空间映射到线性切空间，降低了算法的计算复杂度，通过鲁棒稀疏保持判别分析对高维人脸视频数据进行降维，在求解鲁棒稀疏邻接图时，通过引入加权重构约束和类内紧凑度约束，可以有效提取出高维人脸视频数据的低维本征结构，同时在保持低维人脸视频数据样本的局部重构关系的基础上，又考虑了低维人脸视频数据样本的全局分布信息，能够在最大程度上保留高维人脸视频数据的本征结构，提高数据低维表示的准确性。
-
公开(公告)号：CN113963421A
公开(公告)日：2022-01-21
申请号：CN202111354855.0
申请日：2021-11-16
Applicant: 南京工程学院
Inventor： 童莹
Abstract: 本发明公开了基于混合特征增强网络的动态序列非约束表情识别方法，涉及面部表情识别技术领域，包括如下步骤，步骤1、对人脸表情视频数据进行人脸检测，截取人脸ROI区域，去除背景干扰，得到动态序列人脸表情数据；步骤2、将动态序列人脸表情数据以N帧为一组的分为多组序列，并对多组序列进行分析，提取它们的表情特征，且每组序列之间有N/2帧图像重叠；步骤3、将每组的N帧图像顺序输入单帧特征增强CNN网络和多帧特征增强自注意网络，得到N个2048维特征向量。本发明有效提高了动态序列面部表情特征的判别能力，缩小了非约束表情数据的类内差距；本发明提出的浅层特征增强模块通过增加网络宽度提高表情特征的判别能力，而且有效降低了计算复杂度。
-
公开(公告)号：CN111523461A
公开(公告)日：2020-08-11
申请号：CN202010324539.8
申请日：2020-04-22
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于增强CNN和跨层LSTM的表情识别系统与方法，系统包括特征增强CNN模块、跨层LSTM模块和全连接层，特征增强CNN模块与跨层LSTM模块级联进行端到端训练；特征增强CNN模块在骨干CNN网络的中间层引出一条特征增强支路，并将特征增强支路的输出与骨干CNN网络的输出融合；跨层LSTM模块在至少两层LSTM网络级联的基础上，将特征增强CNN模块的输出输入到第一层LSTM网络，同时将特征增强CNN模块的输出跨接到后层LSTM网络的输入端。本发明有助于获取准确的视频序列表情时间信息，有效提高非约束人脸表情识别的准确率，在人机交互、智慧教育、病人监护等领域具有广大应用前景。
-
公开(公告)号：CN106022214B
公开(公告)日：2019-10-08
申请号：CN201610290463.5
申请日：2016-05-04
Applicant: 南京工程学院
IPC: G06K9/00
Abstract: 本发明提供一种非约束环境下的有效人脸特征提取方法，首先，构造多尺度主方向旋转梯度模板，包括3*3和5*5两个尺度的主方向旋转梯度模板；然后，对人脸图像中生物视觉ROI区域即感兴趣区域进行关键点标记，得到3*3尺度、5*5尺度的主方向旋转HOG特征，将k‑PDR‑HOG‑3和k‑PDR‑HOG‑5两个特征级联融合，得到最终的基于关键点的多尺度主方向旋转HOG特征。相比于原始的HOG算法，本发明构造的多尺度主方向旋转梯度模板在非约束环境下可以提取更为丰富全面的人脸特征，k‑MSPDR‑HOG特征具有强鲁棒性和高准确性。
-
Patent Agency Ranking
公开(公告)号：CN108960313A
公开(公告)日：2018-12-07
申请号：CN201810674801.4
申请日：2018-06-26
Applicant: 南京工程学院
CPC classification number: G06K9/6269 , G06K9/46 , G06K2209/05 , G16H50/20
Abstract: 本发明提供一种基于Shearlet特征和层级二叉树SVM分类器的超声乳腺肿块分级检测方法，通过输入乳腺超声RF数据；提取Shearlet特征并降维，基于Shearlet变换实现乳腺肿块特征提取，基于LBP的Shearlet特征降维；采用层级二叉树SVM分类器进行乳腺肿块分级检测。该方法基于Shearlet变换进行乳腺肿块特征提取，可以准确描述不同分级的乳腺肿块特征差异，同时，基于LBP编码的降维算法，可以既不损失乳腺肿块特征信息，同时也降低了算法的计算复杂度，有利于提高算法的有效性；通过层级二叉树SVM分类器，可以对乳腺肿块进行有效分级；能够提高阅片的准确率，能够减少医生的主观因素影响，有助于提高医生诊断的准确率。
-
公开(公告)号：CN104778472B
公开(公告)日：2017-11-21
申请号：CN201510202840.0
申请日：2015-04-24
Applicant: 南京工程学院
Abstract: 本发明提供一种人脸表情特征提取方法，将人脸表情图像分为N个块图像，每个子图像的大小为m×n；由局部加权二值模式即LWBP分别计算出每个块图像中所有像素的LWBP1和LWBP2编码值；分别统计每个块图像的LWBP直方图；将块图像的两个直方图直接叠加得到直方图作为最终的块图像LWBP特征；将所有块图像的统计直方图顺序连接起来，得到用于分类识别的整个图像的LWBP特征向量。通过分别计算两组对称的共八个模板的加权灰度值，比较各个方向加权值与平均加权值的大小并进行编码，它综合考虑了不同方向上邻域像素的灰度变化，能够有效表征人脸表情细节特征，且对噪声有一定的鲁棒性，且识别速度明显加快，具有实用性。
-
公开(公告)号：CN119324471A
公开(公告)日：2025-01-17
申请号：CN202411346490.0
申请日：2024-09-26
Applicant: 南京工程学院
IPC: H02J3/14 , H02J3/00 , G06Q10/0631 , G06Q30/0201 , G06Q50/06
Abstract: 本发明公开了一种基于改进差分进化算法的电动汽车有序充放电控制方法，通过蒙特卡洛方法构建电动汽车充电行为的概率模型；并通过获取电网信息与充电电动汽车的信息，进行需求分析和电动汽车调度可行性判别；考虑电网运行安全风险和用户信用等级，制定动态电价；以用户综合成本和电网建设成本最小化为目标，建立充放电控制模型；采用改进的差分进化算法对模型进行求解，以获得最优电价和充放电策略，从而提升电力系统的运行效率和经济性。本发明有效克服现有电价策略在灵活性和成本方面的不足，以及动态电价制定在用户信用方面的缺陷，能够有效应对电网负荷波动，促进电动汽车与电网的协调发展。
-
公开(公告)号：CN119150131A
公开(公告)日：2024-12-17
申请号：CN202411165798.5
申请日：2024-08-23
Applicant: 南京工程学院
IPC: G06F18/2415 , G01R31/367 , G01R31/36 , G01R31/385 , G01R31/389 , G06F18/211 , G06F18/213 , G06N3/045 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/094 , G06F123/02
Abstract: 本发明公开了一种基于集成深度学习的锂离子电池荷电状态预测方法、存储介质、设备及计算机程序产品，包括：收集锂离子电池在不同运行工况下的锂离子电池可测变量数据，将其进行预处理，并采用安时积分法计算锂离子电池的荷电状态；基于锂离子电池的电压、电流与荷电状态之间的互信息计算锂离子电池的平均电压和平均电流，从而构建锂离子电池可测变量五元组，并为每个锂离子电池可测变量五元组添加荷电状态标签；建立深度学习网络，即卷积对抗自编码网络，并通过卷积对抗自编码网络提取锂离子电池可测变量五元组的空间特征；构建集成学习网络，将提取的空间特征作为集成学习网络的输入，预测出锂离子电池荷电状态，实现了锂离子电池荷电状态的高精度预测。
-
公开(公告)号：CN116664440A
公开(公告)日：2023-08-29
申请号：CN202310651554.7
申请日：2023-06-02
Applicant: 南京工程学院
IPC: G06T5/00 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/088 , G06N3/094
Abstract: 本发明公开了一种基于Seal‑Inception GAN网络的印章消除方法，包括步骤：构建和训练Seal‑Inception GAN网络；将含有印章的图像输入至训练后的Seal‑Inception GAN网络中进行印章消除，输出处理后图像。本发明利用了Cycle GAN的循环生成结构以及无监督训练的优点，创新性的将Inception结构与生成器中经典的Res Net结构进行结合并根据印章消除工作的特点，去调整生成器中的采样结构与训练数据集，实现对审批材料中印章的消除的同时有效的保留了印章部分的手写字体；间接地提高机器识别的准确性与效率。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.019 seconds)
