-
公开(公告)号：CN116723456A
公开(公告)日：2023-09-08
申请号：CN202310711863.9
申请日：2023-06-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请公开了一种面向火灾监测的网络定位优化方法和装置，该方法对SSA算法进行改进，得到改进后的ESSA算法；通过ESSA算法对DV‑Hop算法得到的不带有定位功能的未知节点位置进行二次更新，从而提高网络的定位精度。
-
公开(公告)号：CN116758693A
公开(公告)日：2023-09-15
申请号：CN202310711869.6
申请日：2023-06-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请提供了一种基于室内的无线火灾报警系统，采用了无线方式对检测火灾参数的传感器进行布局，以实现对室内环境信息实时感知，并对室内火灾作出判别和报警，为火灾报警技术领域提供了一定的思路。传感器的无线布局方式解决了传统有线布局方式的繁琐性、复杂性以及资源浪费等问题，其为后续消防检查工作也带来了一定的便利性。
-
Patent Agency Ranking
公开(公告)号：CN116614820A
公开(公告)日：2023-08-18
申请号：CN202211730595.7
申请日：2022-12-30
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种面向火灾监测的网络覆盖优化方法、系统及存储介质，该网络覆盖优化方法包括以下步骤：步骤A，使用非线性控制策略和Lévy飞行机制对SOA算法进行改进，得到改进的ISOA算法；步骤B，将ISOA算法和PSO算法混合形成一种ISOAPSO算法，所述ISOAPSO算法包括内层优化和外层优化，在求解面向火灾监测的网络覆盖优化问题中，首先利用内层的ISOA算法对传感器节点进行优化，然后将ISOA算法优化后的传感器节点传递给外层的PSO算法，进行二次优化，从而达到提高网络覆盖率的目的。本发明的有益效果是：本发明的网络覆盖优化方法可以更好的解决面向火灾监测的网络覆盖优化问题，提升火灾监测能力。
-
公开(公告)号：CN115205112A
公开(公告)日：2022-10-18
申请号：CN202210675580.9
申请日：2022-06-15
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本申请提供了一种真实复杂场景图像超分辨率的模型训练方法及装置，通过获取样本图像和初始超分辨率模型；确定样本图像的关键点，并对高分辨率图像和低分辨率图像中的关键点进行一一配对，生成配准图像对数据集；依据复杂退化模型确定配准图像对数据集中低分辨率图像与退化图像的第一关系参数；依据初始超分辨率模型确定通过退化图像生成的超分辨率图像与配准图像对数据集中高分辨率图像的第二关系参数；依据第二关系参数和初始超分辨率模型建立目标模型。通过高低分辨率图像对与复杂退化模型相结合，覆盖广阔的退化空间，提升网络模型的泛化性，超分辨率模型具有泛化性强、应用广泛的特点，可用于多种真实场景下的自然图像超分。
-
公开(公告)号：CN104504394A
公开(公告)日：2015-04-08
申请号：CN201410756921.0
申请日：2014-12-10
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06K9/00711 , G06K9/00362 , G06K9/4647
Abstract: 本发明提出了一种基于多特征融合的密集人数估计方法与系统。首先，将图像分成N个相等的子块；然后，用基于CSLBP直方图纹理模型和混合高斯背景建模的方法，对图像进行分层次背景建模，提取各子块经透视校正后的前景面积，并结合改进的Sobel边缘检测算子检测出各子块边缘密度，还结合CSLBP变换和灰度共生矩阵提取描述图像纹理特征的四个不同方向的重要纹理特征向量；再通过主成分分析对提取到的人群前景分割特征向量和纹理特征向量进行降维处理；将降维后的特征向量输入到神经网络模型的输入层，由其输出层得到各子块的人数估计；最后，相加得到总人数。其具有较高的准确性和较好的鲁棒性，在对地铁站台监控视频的人数统计实验中取得了较好效果。
-
公开(公告)号：CN115205112B
公开(公告)日：2025-05-13
申请号：CN202210675580.9
申请日：2022-06-15
Applicant: 哈尔滨工业大学(深圳)
IPC: G06T3/4053 , G06T5/70 , G06T7/33 , G06N20/00
Abstract: 本申请提供了一种真实复杂场景图像超分辨率的模型训练方法及装置，通过获取样本图像和初始超分辨率模型；确定样本图像的关键点，并对高分辨率图像和低分辨率图像中的关键点进行一一配对，生成配准图像对数据集；依据复杂退化模型确定配准图像对数据集中低分辨率图像与退化图像的第一关系参数；依据初始超分辨率模型确定通过退化图像生成的超分辨率图像与配准图像对数据集中高分辨率图像的第二关系参数；依据第二关系参数和初始超分辨率模型建立目标模型。通过高低分辨率图像对与复杂退化模型相结合，覆盖广阔的退化空间，提升网络模型的泛化性，超分辨率模型具有泛化性强、应用广泛的特点，可用于多种真实场景下的自然图像超分。
-
公开(公告)号：CN104504394B
公开(公告)日：2018-09-25
申请号：CN201410756921.0
申请日：2014-12-10
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提出了一种基于多特征融合的密集人数估计方法与系统。首先，将图像分成N个相等的子块；然后，用基于CSLBP直方图纹理模型和混合高斯背景建模的方法，对图像进行分层次背景建模，提取各子块经透视校正后的前景面积，并结合改进的Sobel边缘检测算子检测出各子块边缘密度，还结合CSLBP变换和灰度共生矩阵提取描述图像纹理特征的四个不同方向的重要纹理特征向量；再通过主成分分析对提取到的人群前景分割特征向量和纹理特征向量进行降维处理；将降维后的特征向量输入到神经网络模型的输入层，由其输出层得到各子块的人数估计；最后，相加得到总人数。其具有较高的准确性和较好的鲁棒性，在对地铁站台监控视频的人数统计实验中取得了较好效果。
-
-
-
-
-
-
Search Results
7
records
(took 0.025 seconds)
