-
公开(公告)号：CN119646605A
公开(公告)日：2025-03-18
申请号：CN202411672462.8
申请日：2024-11-21
Applicant: 哈尔滨工业大学
IPC: G06F18/241 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/0442
Abstract: 一种手势分割与识别方法、电子设备及存储介质，属于手势识别技术领域。为了解决手势快速，准确的识别的问题，本发明包括利用智能数据手套采集手势动作数据，将采集的手势动作数据使用固定滑动窗口分割为n个连续的窗口数据，将每个窗口数据再划分为三个大小相等的子窗口，使用距离计算函数计算每个窗口的子窗口之间的内部相似特征，建立相邻窗口相似特征判断方法，用于判断手势窗口为基本手势动作窗口或过渡手势动作窗口，分别得到基本手势动作窗口和过渡手势动作窗口；对过渡手势动作窗口进行升采样处理，将得到的基本手势动作窗口和处理后的过渡手势动作窗口分别输入到手势动作识别模型中进行识别，得到基本手势动作和过渡手势动作。
-
公开(公告)号：CN118349368A
公开(公告)日：2024-07-16
申请号：CN202410595970.4
申请日：2024-05-14
Applicant: 哈尔滨工业大学
Abstract: 一种面向实时性的虚拟化平台可中断互斥锁的构建方法、电子设备及存储介质，属于实时虚拟化技术领域。为解决现有实时虚拟化技术所忽略的BQL锁等待延迟问题，本发明定义数据结构；基于定义的数据结构，构建锁仲裁机制，采用由所有线程共享的HItex的锁变量lvar对同时发起持锁请求的多个线程进行仲裁；基于得到的无法立刻持有锁的线程，构建锁等待机制，所述锁等待机制在内核态中实现；对得到的线程对锁的等待队列中的vCPU线程，构建可中断等待机制。本发明能够大幅降低最坏情况下的中断延迟及尾延迟，将中断延迟的分布控制在较低水平。HItex能够经受长时间高负载的测试，证明了其能够满足硬实时应用需求。
-
公开(公告)号：CN117290773B
公开(公告)日：2024-04-26
申请号：CN202311327279.X
申请日：2023-10-13
Applicant: 哈尔滨工业大学
IPC: G06F18/241 , G06F3/01 , G06N3/0442 , G06F18/214 , G06F18/10 , G06F18/213 , G06F18/23213
Abstract: 一种基于智能数据手套的水陆两栖个性化手势识别方法及识别系统，属于人工智能技术领域。为实现水陆两栖环境基于传感器的手势识别更加准确，本发明构建轻量级手势识别模型、复杂手势识别模型；首先通过装载在智能数据手套上的芯片进行环境感知判断；水下环境中，将手套拉伸传感器数据输入到部署在手套端的轻量级手势识别模型进行手指手势识别，将识别结果通过有线方式传输至移动设备；陆上环境中，将在手套端识别得到的手指部分手势识别结果与IMU数据、拉伸传感器数据输入到移动设备中的复杂手势识别模型进行识别，将识别结果通过无线方式传输至移动设备。最后根据移动设备预定义的陆上和水下手势编码与系统控制规则完成水下环境的人机交互。
-
公开(公告)号：CN117292404B
公开(公告)日：2024-04-19
申请号：CN202311327282.1
申请日：2023-10-13
Applicant: 哈尔滨工业大学
IPC: G06V40/10 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/26
Abstract: 一种高精度手势数据识别方法、电子设备及存储介质，属于人工智能技术领域。为提高基于数据手套的手势识别的准确率，本发明采集新目标手势数据，构建新目标手势数据集，获取源域手势数据，构建源域手势数据集；基于mPUL算法和TSC算法构建无用手势过滤模型；将新目标手势数据，利用构建的无用手势过滤模型进行手势过滤，得到目标域手势数据，构建目标域手势数据集；构建基于迁移学习的跨域手势识别模型；将采集的源域手势数据集、目标域手势数据集输入到构建的基于迁移学习的跨域手势识别模型，进行从源域到目标域的手势识别，得到高精度手势数据识别结果。本发明手势识别准确率高。
-
公开(公告)号：CN112966608A
公开(公告)日：2021-06-15
申请号：CN202110246508.X
申请日：2021-03-05
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种基于边缘协同的目标检测方法、系统及存储介质，应用于基于边端协同的目标检测系统，基于边端协同的目标检测系统包括移动端和边缘云，包括：由移动端获取待检测图像，对待检测图像进行粗粒度分类，获得包含第一分类结果的第一结果图像，将第一分类结果或第一结果图像作为第一目标检测结果；由移动端判断移动端和边缘云是否符合预设条件；若是，则由移动端将待检测图像发送给边缘云，由边缘云将待检测图像进行细粒度分类，获得包含第二分类结果的第二结果图像，将第二分类结果或第二结果图像发送给移动端，由移动端基于第二分类结果或第二结果图像获得第二目标检测结果，保证在快速响应检测任务的基础上获得最优的目标检测结果。
-
Patent Agency Ranking
公开(公告)号：CN117932309B
公开(公告)日：2025-02-25
申请号：CN202410135011.4
申请日：2024-01-31
Applicant: 哈尔滨工业大学
IPC: G06F18/213 , G06F18/211 , G06F18/23 , G06F18/2433 , G06F11/30 , G06F123/02
Abstract: 基于度量间和时间维度选择的KPI数据降维方法、电子设备及存储介质，属于异常检测处理技术领域。为在多维KPI异常检测中提高精度和效率，本发明多维KPI数据集进行低方差过滤处理，得到预处理的多维KPI数据集；进行度量间维度选择处理，包括使用时间序列编码压缩KPI序列，然后使用均值漂移聚类保留相关性维度，得到度量间维度选择的多维KPI数据集；对预处理的多维KPI数据集进行时间维度选择处理，包括使用3‑sigma标注各维度KPI数据的离群值，然后使用样本熵选择离群值符合真实异常分布的维度，得到时间维度选择的多维KPI数据集；将两个数据集取并集得到基于度量间和时间维度选择的KPI数据降维数据集。
-
公开(公告)号：CN112162863B
公开(公告)日：2024-04-02
申请号：CN202011127194.3
申请日：2020-10-20
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种边缘卸载决策方法、终端及可读存储介质，所述边缘卸载决策方法，包括：获取可卸载任务，并监测可穿戴终端状态信息；与边缘服务终端建立通讯连接，并接收所述边缘服务终端发送的边缘服务终端状态信息；选取所述边缘服务终端并发送所述可卸载任务的卸载请求；在接收到卸载指令后，向所述边缘服务终端发送可卸载任务信息；接收执行所述可卸载任务得到的执行结果。这样，通过可穿戴终端对要分配的可卸载任务进行初步分配方向，再由边缘服务终端根据自身的计算资源进行二次分析，对可以执行的可卸载任务给予反馈，从而避免了边缘服务终端需要执行的可卸载任务过多造成的无法及时执行进而导致可穿戴终端应用卡顿的情况。
-
公开(公告)号：CN117290773A
公开(公告)日：2023-12-26
申请号：CN202311327279.X
申请日：2023-10-13
Applicant: 哈尔滨工业大学
IPC: G06F18/241 , G06F3/01 , G06N3/0442 , G06F18/214 , G06F18/10 , G06F18/213 , G06F18/23213
Abstract: 一种基于智能数据手套的水陆两栖个性化手势识别方法及识别系统，属于人工智能技术领域。为实现水陆两栖环境基于传感器的手势识别更加准确，本发明构建轻量级手势识别模型、复杂手势识别模型；首先通过装载在智能数据手套上的芯片进行环境感知判断；水下环境中，将手套拉伸传感器数据输入到部署在手套端的轻量级手势识别模型进行手指手势识别，将识别结果通过有线方式传输至移动设备；陆上环境中，将在手套端识别得到的手指部分手势识别结果与IMU数据、拉伸传感器数据输入到移动设备中的复杂手势识别模型进行识别，将识别结果通过无线方式传输至移动设备。最后根据移动设备预定义的陆上和水下手势编码与系统控制规则完成水下环境的人机交互。
-
公开(公告)号：CN116205947A
公开(公告)日：2023-06-02
申请号：CN202310003442.0
申请日：2023-01-03
Applicant: 哈尔滨工业大学
Abstract: 本发明提出基于相机运动状态的双目‑惯性融合的位姿估计方法、电子设备及存储介质，属于位姿估计技术领域。包括：S1.获取相邻两帧图像特征点对，匹配相邻两帧图像的特征点对；S2.对相邻两帧图像中的IMU测量数据进行预积分处理；S3.基于相邻两帧图像的特征点对进行相机初始位姿估计；S4.将IMU信息位姿与相机初始位姿进行融合；S5.对融合后的相机初始化位姿进行紧耦合位姿优化；S6.对优化后的位姿进行闭环检测与重定位；S7.基于相机运动状态设置关键帧筛选阈值；S8.基于相机运动状态的双目‑惯性融合的位姿估计。解决无法在当设备长时间静态或者极小姿态运动时正确估计位姿，导致轨迹出现误差的问题。
-
公开(公告)号：CN112148128B
公开(公告)日：2022-11-25
申请号：CN202011109960.3
申请日：2020-10-16
Applicant: 哈尔滨工业大学
IPC: G06F3/01 , G06V40/20 , G06V10/762 , G06V10/764 , G06N3/04
Abstract: 本发明提供了一种实时手势识别方法、装置、移动终端及人机交互系统，涉及手势识别技术领域，包括：获取手势数据，所述手势数据包括数据手套采集的传感器数据；对所述手势数据进行预处理，并对预处理后的手势数据进行特征提取；将所述特征提取的结果输入预训练好的分层手势识别模型进行多级手势识别，确定手势类型信息。本发明通过数据手套实时采集用户的手势数据，并对手势数据进行有效的手势分割等预处理操作，再通过构造有价值的特征信息集进行特征提取，并将提取后的特征信息输入轻量级的分层手势识别模型进行手势识别，可在保证手势识别准确度的基础上，占用更少的系统资源，适用于面向移动终端的应用场景。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.028 seconds)
