-
公开(公告)号：CN109101697B
公开(公告)日：2020-06-12
申请号：CN201810787425.X
申请日：2018-07-18
Applicant: 吉林大学
Abstract: 本发明公开了液罐汽车流‑固耦合系统的整车动力学模型的建模方法，涉及汽车建模技术领域；整车动力学模型由非满载罐体内的液体侧向晃动等效椭圆规钟摆模型的动力学方程、液罐汽车的侧向力平衡方程、液罐汽车的横摆力矩平衡方程和液罐汽车的侧倾力矩平衡方程组成，所述整车动力学模型为四自由度动力学模型；其通过构建非满载罐体内的液体侧向晃动等效椭圆规钟摆模型的动力学方程、液罐汽车的侧向力平衡方程、横摆力矩平衡方程和侧倾力矩平衡方程等，实现了构建结构简单、准确性高、能够应用于液罐汽车动力学特性分析和主动安全控制的液罐汽车整车动力学模型。
-
公开(公告)号：CN110569783A
公开(公告)日：2019-12-13
申请号：CN201910836440.3
申请日：2019-09-05
Applicant: 吉林大学
Abstract: 本发明涉及一种驾驶人换道意图识别方法及系统，使用决策树方法提取方向盘转角、车道偏离量和横摆角加速度作为意图表征参数组；基于K-means聚类，对方向盘转角和车道偏离量的时间序列分别聚类，确定意图起止时刻，进而确定换道意图时窗宽度；最后结合高斯概率密度函数和隐马尔可夫理论，建立驾驶人换道意图识别模型对驾驶人意图进行识别，识别信度高，对左、右换道意图的识别准确率达100％，对直行意图的识别准确率达91.1％，且时序性较强，可在左换道开始前的1.5s、右换道开始之前的1.4s预测出换道行为，预防LWS系统对驾驶人造成的干扰，对提高行车安全和降低交通事故有重要意义。
-
公开(公告)号：CN109509364A
公开(公告)日：2019-03-22
申请号：CN201910007150.8
申请日：2019-01-04
Applicant: 吉林大学
IPC: G08G1/0969 , G08G1/0967
Abstract: 本发明涉及一种驾驶人预瞄时间确认方法、系统、设备及介质，根据预行驶道路的半径、所述预行驶道路半径随长度的变化率、预瞄时间随道路半径变化系数与预瞄时间的预设关系精确动态变化得所述预瞄时间，所述预瞄时间的确认与当前源车辆的形式环境精密关联，贴合当前源车辆的形式环境，当前车辆配备的各安全行驶系统据此生成的关联信息必定精度大幅度提高，进而提高各安全行驶系统的预警、引导、控制精度，从而降低交通事故的发生。
-
公开(公告)号：CN110991294B
公开(公告)日：2023-06-02
申请号：CN201911173059.X
申请日：2019-11-26
Applicant: 吉林大学
IPC: G06V40/16 , G06V10/774 , G06V10/74 , G06V10/82
Abstract: 本发明涉及一种快速构建的人脸动作单元识别方法及系统，根据样本基准脸上任意两关键点之间的基准距离及表情脸上相应两关键点之间的表情距离与它们之间的相对关系一生成相应两关键点之间的相对距离，根据基准脸上任意三关键点之间的基准角度及表情脸上相应三关键点之间的表情角度与它们之间的相对关系二生成相应三关键点之间的相对角度，依此取消个体间的AU运动幅度的差异，对由于人的相貌所导致的差异进行了均衡，保证在被识别者天生的相貌特征的基础上，识别被识别者的各种表情中所呈现出的面部动作单元，确保后续AU识别准确进行，首次提出以脸部关键点间的距离及角度特征构建特征库，对样本库样本质量和数量要求较低，计算速度快，调参时间短。
-
公开(公告)号：CN113011394B
公开(公告)日：2021-11-30
申请号：CN202110453698.2
申请日：2021-04-26
Applicant: 吉林大学
Abstract: 本发明提供一种眼动数据预处理方法，包括：获取原始眼动数据；检验原始眼动数据是否有效；对有效的左和/或右眼眼动数据进行频率校正；获取缺失数据的缺失间隙，判断缺失间隙是否为无效间隙，通过构造傅里叶级数对无效间隙进行缺失数据填充；对填充后的眼动数据进行滤波降噪，对降噪后的眼动数据进行特征提取以分类眼动点并获取带有有效标签的眼动数据。本发明通过检验原始眼动数据是否有效识别有效数据，通过频率校正规整眼动数据，通过构造傅里叶级数对无效间隙进行缺失数据填充使眼动数据更完整，通过融合降噪去除眼动数据噪声，基于特征提取分类的眼动点获取带有有效标签的眼动数据，可更精确的分析用户眼动特性。
-
Patent Agency Ranking
公开(公告)号：CN113011394A
公开(公告)日：2021-06-22
申请号：CN202110453698.2
申请日：2021-04-26
Applicant: 吉林大学
Abstract: 本发明提供一种眼动数据预处理方法，包括：获取原始眼动数据；检验原始眼动数据是否有效；对有效的左和/或右眼眼动数据进行频率校正；获取缺失数据的缺失间隙，判断缺失间隙是否为无效间隙，通过构造傅里叶级数对无效间隙进行缺失数据填充；对填充后的眼动数据进行滤波降噪，对降噪后的眼动数据进行特征提取以分类眼动点并获取带有有效标签的眼动数据。本发明通过检验原始眼动数据是否有效识别有效数据，通过频率校正规整眼动数据，通过构造傅里叶级数对无效间隙进行缺失数据填充使眼动数据更完整，通过融合降噪去除眼动数据噪声，基于特征提取分类的眼动点获取带有有效标签的眼动数据，可更精确的分析用户眼动特性。
-
公开(公告)号：CN107292266B
公开(公告)日：2020-05-01
申请号：CN201710474004.7
申请日：2017-06-21
Applicant: 吉林大学
IPC: G06K9/00 , G06K9/32 , G06K9/46 , G06K9/62 , G06T7/246 , G06T7/254 , G06T7/136 , G06T7/194 , G06T7/11
Abstract: 本发明公开了一种基于光流聚类的车载行人区域估计方法，对摄像机获取的图像进行光流估计，获得图像光流场；再进行光流聚类，从而估计出背景区域；剔除背景区域，使用图分割算法分割前景区；最后对前景区各区域进行判别，识别出有效的行人区域，本发明提出的基于光流聚类的车载行人区域估计方法，避免了传统行人检测系统采用全局模板搜索匹配识别造成的行人识别的盲目搜索，适用于车载环境下的车辆智能辅助驾驶、无人驾驶等，克服了通常的EM算法和K‑means等聚类算法难以确定背景的高斯分布的问题，本方法提出的光流聚类算法可更加有效地估计背景区域，在判别前景行人区域的过程中，利用人体形态特征，可有效地剔除非行人区域，获得行人区域。
-
公开(公告)号：CN113326733A
公开(公告)日：2021-08-31
申请号：CN202110453599.4
申请日：2021-04-26
Applicant: 吉林大学
Abstract: 本发明公开了一种眼动点数据分类模型的构建方法，包括以下步骤：获取原始眼动数据，对所述原始眼动数据进行预处理得到眼动数据，根据所述眼动数据计算特征数据，所特征数据包括：单位时间内眼动数据分布的最小覆盖圆半径R、单位时间内相邻欧氏距离比值的加权平均和β、单位时间内欧氏距离的方差ΔL2、单位时间内相邻运动方向变化率Δα和单位时间内相邻三点的曲率半径r，本发明所构建出的决策树模型可高效实时地对眼动点数据进行分类，且可满足三种眼动类型的同步分类,可以对注视、扫视以及平滑尾随进行同步分类，适用于观察静态刺激情景和动态刺激，本发明实时眼动分类模型准确率高于现有眼动分类算法。
-
公开(公告)号：CN109902656B
公开(公告)日：2020-10-23
申请号：CN201910184196.7
申请日：2019-03-12
Applicant: 吉林大学
IPC: G06K9/00
Abstract: 本发明涉及一种面部动作单元的识别方法、系统，基于历史目标面部特征点、历史目标空间形态、历史空间特征表征参数、历史空间特征表征参数的表征指标变化范围及所述历史空间特征表征参数的权重关系构建面部动作单元识别模型，进而进行面部动作单元的运动的识别。面部动作单元的识别能够识别面部表情的细微变化，结果可以用于进行面部微表情的分析以及面部表情的分析。本发明所涉及的方法对样本库样本质量和数量要求较低，计算速度快，调参时间短，操作简单，无需大量成本投入且能保证高效的准确度，并且对目标面部动作单元(AU)识别能力强，无论其单独发生或组合发生，均可识别，且应用简单。
-
公开(公告)号：CN110991294A
公开(公告)日：2020-04-10
申请号：CN201911173059.X
申请日：2019-11-26
Applicant: 吉林大学
Abstract: 本发明涉及一种快速构建的人脸动作单元识别方法及系统，根据样本基准脸上任意两关键点之间的基准距离及表情脸上相应两关键点之间的表情距离与它们之间的相对关系一生成相应两关键点之间的相对距离，根据基准脸上任意三关键点之间的基准角度及表情脸上相应三关键点之间的表情角度与它们之间的相对关系二生成相应三关键点之间的相对角度，依此取消个体间的AU运动幅度的差异，对由于人的相貌所导致的差异进行了均衡，保证在被识别者天生的相貌特征的基础上，识别被识别者的各种表情中所呈现出的面部动作单元，确保后续AU识别准确进行，首次提出以脸部关键点间的距离及角度特征构建特征库，对样本库样本质量和数量要求较低，计算速度快，调参时间短。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.017 seconds)
