公开(公告)号：CN118312877A

公开(公告)日：2024-07-09

申请号：CN202410529819.0

申请日：2024-04-29

Applicant: 南京师范大学

Inventor： 姚明慧 ,  张雷 ,  程东洲 ,  程东府

IPC: G06F18/2415 ,  G06F18/10 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种通过自适应点表示连续大内核的人体行为识别方法，包括：对数据集进行预处理；将预处理后的数据集划分为训练集、验证集和测试集；通过自适应点构建连续卷积；通过连续卷积构建大型卷积核，获得连续大核模型；将划分后的数据输入到连续大核模型中进行迭代训练，获得最高分类准确率的模型权重并保存；将训练好的网络模型作为识别模型，获得人体行为识别结果。本发明通过利用自适应点表示和插值方案将卷积核建模为连续函数，其中每个采样位置都可以包含自己的权重参数并独立更新，通过连接这些邻近的点，产生更丰富的表现力，能够在大内核设置中显示连续卷积的有效性和效率，在多个人体行为识别基准测试中表现出显着的性能增益。

公开(公告)号：CN106780426B

公开(公告)日：2023-05-23

申请号：CN201610839437.3

申请日：2016-09-21

Applicant: 南京师范大学 ,  南京宝岩自动化有限公司

Inventor： 谢非 ,  吴茜 ,  杨建飞 ,  杨继全 ,  刘益剑 ,  程继红 ,  李娜 ,  张雷

IPC: G06T7/00 ,  G06T7/90

Abstract: 本发明公开了一种基于色彩特征模型的集成电路板多形态焊点定位方法，该方法实现对集成电路板上的各种形态焊点目标的定位功能，从而为集成电路板喷涂绝缘材料设备提供视觉定位信息。首先，采用工业相机采集集成电路板的彩色图像，图像中焊点部分为银色，其余部分是以绿色的背景为主，包括白色的文字与线条、黑色的镂空，将图像按颜色分为焊点部分、背景部分、白色部分与黑色部分；然后，根据彩色图像的色彩特征建立色彩特征模型，提取色度区间特征与色差特征；最后，采用色彩特征模型实现集成电路板的多形态焊点定位。

公开(公告)号：CN109146972A

公开(公告)日：2019-01-04

申请号：CN201810954414.6

申请日：2018-08-21

Applicant: 南京师范大学镇江创新发展研究院

Inventor： 谢非 ,  黄天胤 ,  钱伟行 ,  刘文慧 ,  霍丽颖 ,  沈世斌 ,  张雷 ,  刘益剑 ,  张亮 ,  夏邵君

IPC: G06T7/73 ,  G06K9/46 ,  G06K9/62

CPC classification number: G06T7/73 ,  G06K9/4609 ,  G06K9/4671 ,  G06K9/6223 ,  G06T2207/10016

Abstract: 本发明公开了基于快速特征点提取及网格化三角形约束的视觉导航方法，包括如下步骤：采集连续视频帧序列图像，提取相邻两帧图像中的特征点；对提取的相邻两帧图像进行网格化划分；对每个三角形构建6维形状描述子及32维区域描述子，得到由每个三角形的38维混合描述子组成的特征向量；对网格化划分对应三角形的特征向量进行匹配，通过中心点聚类方法选取具有显著特性的特征点，剔除错误匹配的特征点，利用极线几何约束剔除运动特征点，获得有效可用特征点对；完成最终的运动模型求解，获得视觉导航解算的位置结果。本发明为室内环境下的机器人视觉导航与定位提供解决方法，具有特征点提取速度快、匹配率高的优点。

公开(公告)号：CN113642432A

公开(公告)日：2021-11-12

申请号：CN202110869054.1

申请日：2021-07-30

Applicant: 南京师范大学

Inventor： 权威铭 ,  端越峰 ,  张雷

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于协方差矩阵变换的卷积神经网络用于人体姿态识别方法，涉及人工智能的应用领域，该方法包括利用智能手机采集关于人体姿态的传感器时间序列，并且对原始数据进行归一化，滑窗等操作切分数据集并固定动作属性标签，然后利用协方差矩阵变换搭建卷积神经网络系统，利用协方差矩阵的逆变换来消除数据的相关性，在每层卷积之前均加入协方差操作可以避免数据的相关性，用训练数据集来训练网络参数，测试数据集来验证网络精度，最后固化网络模型生成pb文件通过Android studio迁移到android客户端，可以使移动设备利用自带的加速度计和陀螺仪来识别用户当前所处状态。

公开(公告)号：CN111860191A

公开(公告)日：2020-10-30

申请号：CN202010589470.1

申请日：2020-06-24

Applicant: 南京师范大学

Inventor： 张雷 ,  黄文博 ,  王嘉琦 ,  闵富红

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于信道选择卷积神经网络的人体姿态识别方法，包括：利用移动设备采集人体动作的原始数据，附上动作的标签、利用滑窗和归一化处理并切分为训练样本集和测试样本集、建立基于信道选择卷积神经网络模型，与常规神经网络相比，引入了信道选择卷积核策略，首先是对输入样本利用期望通道损失矩阵判断通道的权重，然后再对权重低的通道进行阻断，权重高的通道进行重分配，为了防止多样性的缺失，在重分配后加入了空间位移经过多层训练后，进行姿态识别。由于空间位移的作用，空间偏置会向中间聚集，所以卷积核相当于被扩大，所以当样本输入时，参数可以被更好的利用，并且保持参数量不变，本发明具有识别精准。

公开(公告)号：CN109378030A

公开(公告)日：2019-02-22

申请号：CN201811130656.X

申请日：2018-09-27

Applicant: 南京师范大学

Inventor： 张雷 ,  闵富红 ,  钱伟行

IPC: G16B5/00

Abstract: 本发明公开一种基于基因调控网络的逻辑信号处理方法，包括如下步骤：步骤1，在输入的逻辑组合信号(D1,D2)中加入周期信号，得到输入信号I：I＝I1+I2+Asin(ωt)，其中，I1、I2分别为D1、D2对应的电平值，Asin(ωt)为周期信号，A和ω分别为信号幅值和频率；步骤2，将输入信号送入基因调控网络，设置基因调控网络的阈值为0.75；步骤3，在基因调控网络的合成过程中引入时延指数τ，得到：其中F(x)表示为： 其中，Dη(t)为基因调控网络的背景噪声；γ为基因调控网络的偏置指数；x为阻遏物浓度；参数m为单个细胞内的质粒数目；λ正比于蛋白质衰减率，是基因调控网络的调控参数；σ1、σ2、α为参数。此种方法基于基因调控网络进行设计，可用于基因芯片设计领域，通过添加周期信号和非线性时延，可有效扩大噪声工作范围。

公开(公告)号：CN105717518B

公开(公告)日：2017-11-07

申请号：CN201610055936.3

申请日：2016-01-27

Applicant: 南京师范大学

Inventor： 谢非 ,  赵静 ,  杨继全 ,  彭晨 ,  钱伟行 ,  杨建飞 ,  李娜 ,  孙冀 ,  张雷 ,  吴茜

IPC: G01S19/21

Abstract: 本发明公开了一种基于码相位辨识的卫星接收机欺骗信号检测方法，包括以下步骤：步骤S1，在卫星接收机重新捕获及跟踪信号时，基于码相位辨识的卫星接收机欺骗信号检测，利用卫星接收机基带信号处理过程中伪码解扩的相关峰值结果，进行欺骗信号检测；步骤S2，如未检测出欺骗信号，则利用航迹推算方法获得的载体运动状态，及由星历参数获得的卫星运动状态信息，进一步对重新捕获及跟踪信号进行码相位辨识处理，即对卫星接收机解扩的伪码相位参数进行真假辨识；步骤S3，在检测出接收机解扩解调信号含有欺骗信号以后，对欺骗信号进行报警与隔离处理，从而增强卫星接收机的抗欺骗干扰能力。

公开(公告)号：CN111199202B

公开(公告)日：2024-04-26

申请号：CN201911390481.0

申请日：2019-12-30

Applicant: 南京师范大学

Inventor： 张雷 ,  王焜 ,  严佳欢 ,  唐寅 ,  刘天一 ,  高文彬

IPC: G06V40/20 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/044

Abstract: 本发明公开了一种基于循环注意力网络的人体动作识别方法及识别装置。所述方法包括以下步骤：S1：利用多轴传感器采集人体各类动作数据；S2：将数据分割为包含多种动作类别的长时间序列段，并给序列段附上序列标签；S3：将处理后的数据输入预先构建的多层的循环注意力神经网络模型，实现特定类别动作的识别。本发明利用循环注意力算法，可以实现传感器数据的自动定位识别与切割，可大大减少传感器数据人为标注所耗费的人力物力。

公开(公告)号：CN111178288B

公开(公告)日：2024-03-01

申请号：CN201911411314.X

申请日：2019-12-31

Applicant: 南京师范大学

Inventor： 张雷 ,  滕起 ,  严佳欢 ,  黄文博 ,  程鑫 ,  权威铭

IPC: G06V40/20 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于局部误差逐层训练的人体姿态识别方法和装置，所述方法包括：S1、获取人体姿态数据，进行降噪、归一化处理；S2、将处理后数据送入卷积神经网络模型进行逐层训练，对人体姿态进行分类识别，当识别结果符合准确率要求时，输出模型；S3、利用训练好的模型对待识别的人体姿态数据进行分类识别。本发明摆脱了传统卷积神经网络依赖全局误差及反向传播更新网络参数，通过在每层神经网络中构建代价函数，实现逐层反向传播、层层优化、分批更新权重参数。通过避免保存全局梯度流参数实现节省计算机资源，并极大加快训练周期，提高了可穿戴传感器识别精度，在运动辅助、智能家居、医疗康复、虚拟运动场景等领域具有重要应用意义。

公开(公告)号：CN111723662B

公开(公告)日：2023-07-11

申请号：CN202010419639.9

申请日：2020-05-18

Applicant: 南京师范大学

Inventor： 张雷 ,  唐寅 ,  王嘉琦 ,  滕起

IPC: G06V40/20 ,  G06V10/82 ,  G06V10/764 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络的人体姿态识别方法，包括：移动传感器原始数据采集并打上标签、数据频率降采样和归一化处理并划分训练集和测试集、卷积神经网络训练、模型移植到安卓端进行人体姿态识别。根据卷积神经网络用于人体姿态识别方法，该实施引入了Split‑Transform‑Merge策略，提出了一组更小通道数的乐高卷积核，按照随机映射和循环矩阵的方法堆叠这些卷积核以此实现卷积操作，最后将生成的乐高特征图垂直合并经过全连接层送入分类器用于传感器数据的识别。本发明具有识别速度快、识别准确度高、计算量小、泛化能力强等特点，同时在智能家居、健康检测、运动追踪等方面具有十分重要的作用。