-
公开(公告)号：CN114724065B
公开(公告)日：2024-11-15
申请号：CN202210330483.6
申请日：2022-03-31
Applicant: 南京邮电大学
IPC: G06V20/40 , G06V10/46 , G06V10/25 , G06V10/26 , G06V10/764 , G06V10/766 , G06V10/82 , G06T7/11 , G06T7/246 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于非局部步态特征的多目标跟踪与识别方法，该发明首先获取一段步态视频序列，在分类定位分支和掩码预测分支检测分割视频序列；然后在跟踪分支采用实例标签划分法与匈牙利算法关联跟踪目标，获取所有目标的步态能量图；接着将步态能量图输入到改进的非局部分块网络生成特征图。根据特征图划分不同区域，赋予不同权重，得到细粒度的步态特征。最后将提取的步态特征输入到一对多支持向量机进行目标识别。本发明通过分类定位分支和掩码预测分支检测分割视频序列，有助于提升多目标分割的精度；通过实例标签划分法与匈牙利算法，有效实现不同帧之间目标的关联；通过改进的非局部分块网络，有助于提取细粒度的非局部特征。
-
公开(公告)号：CN103853918B
公开(公告)日：2017-01-04
申请号：CN201410058579.7
申请日：2014-02-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于空闲时间预测的云计算服务器调度方法，属于云计算和节能技术领域。本发明方法针对现有基于滑动窗口的指数平均预测方法所存在的不足，对其进行改进，根据前次空闲时间预测值与实际空闲时间的偏差对滑动窗口大小进行动态调整，从而有效提高了预测的准确性，并根据预测结果对云计算服务器的工作状态进行动态调整，从而在保证系统性能的前提下，降低了系统能耗。
-
公开(公告)号：CN109085244A
公开(公告)日：2018-12-25
申请号：CN201810750290.X
申请日：2018-07-10
Applicant: 南京邮电大学
IPC: G01N29/06
Abstract: 本发明揭示了一种基于压电阵列的非线性Lamb波结构疲劳损伤层析成像方法，该方法通过以下几个步骤实现：在结构上布置激励/传感阵列；然后，构建传感通道，采集各个激励/传感通道上的Lamb波响应信号；通过Lamb波主动监测的方法提取有损和无损非线性参数值，通过非线性参数值的变化率计算出损伤位置；利用非线性Lamb波变化量作为特征参数，在损伤成像中采用了RAPID层析成像算法，来进行信号比较和图像重构。利用非线性Lamb波变化量作为特征参数，在损伤成像中采用了RAPID层析成像算法，来进行信号比较和图像重构，对微裂纹、结构疲劳以及其他结构早期微损伤的监测提供了可靠的方法。
-
公开(公告)号：CN103853918A
公开(公告)日：2014-06-11
申请号：CN201410058579.7
申请日：2014-02-21
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于空闲时间预测的云计算服务器调度方法，属于云计算和节能技术领域。本发明方法针对现有基于滑动窗口的指数平均预测方法所存在的不足，对其进行改进，根据前次空闲时间预测值与实际空闲时间的偏差对滑动窗口大小进行动态调整，从而有效提高了预测的准确性，并根据预测结果对云计算服务器的工作状态进行动态调整，从而在保证系统性能的前提下，降低了系统能耗。
-
公开(公告)号：CN114882523B
公开(公告)日：2024-11-05
申请号：CN202210375278.1
申请日：2022-04-11
Applicant: 南京邮电大学
IPC: G06V40/10 , G06V20/40 , G06V10/764 , G06N3/0464 , G06N3/043 , G06N3/047
Abstract: 本发明公开了一种基于碎片化视频信息的任务目标检测方法及系统，基于有效帧序列提取模块、深度卷积特征图提取模块、光流信息模块、变形特征模块、权重系数计算模块，构建目标人物检测模型，完成对预设目标人物的检测，本发明通过模糊先验方法改进聚合帧的权值分配，计算出每帧图像的权重，而不是赋予每帧相同的权重，有效地提升了人物检测的准确性与可靠性。
-
Patent Agency Ranking
公开(公告)号：CN115171701A
公开(公告)日：2022-10-11
申请号：CN202210768407.3
申请日：2022-06-30
Applicant: 南京邮电大学
Abstract: 本发明公开了一种利用神经架构搜索的声纹识别方法，首先获得说话人声音的音频片段，并对音频进行端点检测、预加重、分帧及加窗等预处理操作，然后对预处理后的音频进行梅尔频谱特征提取，最后利用预先使用神经架构搜索得到的声纹识别模型将提取到的声纹特征与预先构建的声纹数据库进行比对，得到识别结果。本发明利用神经架构搜索，首先通过双层优化，获得神经元中的最佳操作组合，然后通过多次堆叠神经元来推导出CNN模型，最后通过训练得到的CNN模型得到最终的声纹识别模型，本发明有效提升人物识别的准确性，并拥有较低的模型复杂度。
-
公开(公告)号：CN114821786A
公开(公告)日：2022-07-29
申请号：CN202210452885.3
申请日：2022-04-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于人体轮廓和关键点特征融合的步态识别方法，包括：输入单人行走的步态视频，获取视频中的行人轮廓序列；将步态视频代入OpenPose算法模块，获得归一化的人体关键点信息序列，将行人轮廓序列代入GaitSet算法模块，获得步态轮廓序列的特征；将人体关键点信息序列由LSTM和CNN组成的人体关键点特征提取模块；分别获得步态轮廓特征向量和人体关键点特征向量；将步态轮廓特征向量和人体关键点特征向量连接后输入特征融合模块；将步态融合特征导入融合网络进行特征学习，识别出视频中人物的身份。本发明利用人体轮廓特征提取模块和人体关键点特征提取模块分别提取其特征，然后进行特征层融合得到步态融合特征，提高步态识别的准确率和鲁棒性。
-
公开(公告)号：CN114821786B
公开(公告)日：2025-01-17
申请号：CN202210452885.3
申请日：2022-04-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于人体轮廓和关键点特征融合的步态识别方法，包括：输入单人行走的步态视频，获取视频中的行人轮廓序列；将步态视频代入OpenPose算法模块，获得归一化的人体关键点信息序列，将行人轮廓序列代入GaitSet算法模块，获得步态轮廓序列的特征；将人体关键点信息序列由LSTM和CNN组成的人体关键点特征提取模块；分别获得步态轮廓特征向量和人体关键点特征向量；将步态轮廓特征向量和人体关键点特征向量连接后输入特征融合模块；将步态融合特征导入融合网络进行特征学习，识别出视频中人物的身份。本发明利用人体轮廓特征提取模块和人体关键点特征提取模块分别提取其特征，然后进行特征层融合得到步态融合特征，提高步态识别的准确率和鲁棒性。
-
公开(公告)号：CN114882523A
公开(公告)日：2022-08-09
申请号：CN202210375278.1
申请日：2022-04-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于碎片化视频信息的任务目标检测方法及系统，基于有效帧序列提取模块、深度卷积特征图提取模块、光流信息模块、变形特征模块、权重系数计算模块，构建目标人物检测模型，完成对预设目标人物的检测，本发明通过模糊先验方法改进聚合帧的权值分配，计算出每帧图像的权重，而不是赋予每帧相同的权重，有效地提升了人物检测的准确性与可靠性。
-
公开(公告)号：CN114724065A
公开(公告)日：2022-07-08
申请号：CN202210330483.6
申请日：2022-03-31
Applicant: 南京邮电大学
IPC: G06V20/40 , G06V10/46 , G06V10/25 , G06V10/26 , G06V10/764 , G06V10/766 , G06V10/82 , G06K9/62 , G06T7/11 , G06T7/246 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于非局部步态特征的多目标跟踪与识别方法，该发明首先获取一段步态视频序列，在分类定位分支和掩码预测分支检测分割视频序列；然后在跟踪分支采用实例标签划分法与匈牙利算法关联跟踪目标，获取所有目标的步态能量图；接着将步态能量图输入到改进的非局部分块网络生成特征图。根据特征图划分不同区域，赋予不同权重，得到细粒度的步态特征。最后将提取的步态特征输入到一对多支持向量机进行目标识别。本发明通过分类定位分支和掩码预测分支检测分割视频序列，有助于提升多目标分割的精度；通过实例标签划分法与匈牙利算法，有效实现不同帧之间目标的关联；通过改进的非局部分块网络，有助于提取细粒度的非局部特征。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
