-
公开(公告)号：CN119647292A
公开(公告)日：2025-03-18
申请号：CN202510157612.X
申请日：2025-02-13
Applicant: 烟台哈尔滨工程大学研究院 , 哈尔滨工程大学
Abstract: 本发明涉及基于GNSS‑R前向模型的海面风速反演方法及系统，属于海洋遥感及环境监测技术领域。首先通过输入四类CYGNSS数据，得到建模DDM和雅可比矩阵，其次，进行特征提取，通过数据质量筛选后，获取多个与海面风速相关的特征，然后和风速进行时空匹配输入到反演模型中，最后得出DDM前向模型生成的DDM和观测DDM的分布较为集中，整体模拟效果良好，本发明解决了神经网络缺少物理可解释性且反演过程复杂的问题，为之后反演土壤湿度和其他指标了提供新的思路。
-
公开(公告)号：CN101571917B
公开(公告)日：2011-03-16
申请号：CN200910072299.0
申请日：2009-06-16
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于视频的正面步态周期检测方法。包括行人目标轮廓的获取和正面步态的周期检测；首先从视频中提取单帧图像进行灰度变换，然后选择不含人体的图像作为整个视频的原始背景图像，采用背景实时更新的背景减除法提取人体目标，Kapur熵阈值法对图像序列进行二值化处理，用数学形态学填补二值化图像的空洞、单连通分析提取人的侧影，使人体居中，将图像的大小统一为64*64像素，最后对分割出的人体进行检测，将包含不完整人体的冗余帧去除；根据肢体占身高比例关系，将下臂的摇摆区域像素点的数目变化情况作为判断正面步态周期的依据。本发明针对正面步态周期检测十分有效，计算量小，节省大量的存储空间，为实时的步态识别提供了可能。
-
公开(公告)号：CN101661554A
公开(公告)日：2010-03-03
申请号：CN200910073004.1
申请日：2009-09-29
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种远距离视频下的正面人体自动身份识别方法。包括步态模块和人脸模块；首先读入视频文件，用Adaboost方法检测行人，若检测到便自动开启人脸模块和步态模块，分别对步态和人脸采用核主成分分析进行特征提取，最后采用人脸特征辅助步态特征在决策级的融合方法进行识别。本发明为远距离身份识别提出新的解决思路，采用人脸特征辅助步态特征在决策级融合方法。在单样本的步态识别中辅助人脸特征的优点在于，即使步态训练样本是单样本，而人脸图像是多个的，这样便从另外一个角度扩充了训练样本的数目，有助于身份识别，融合人脸特征可以提高2.4％的识别精度。
-
公开(公告)号：CN101661554B
公开(公告)日：2012-02-01
申请号：CN200910073004.1
申请日：2009-09-29
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种远距离视频下的正面人体自动身份识别方法。包括步态模块和人脸模块；首先读入视频文件，用Adaboost方法检测行人，若检测到便自动开启人脸模块和步态模块，分别对步态和人脸采用核主成分分析进行特征提取，最后采用人脸特征辅助步态特征在决策级的融合方法进行识别。本发明为远距离身份识别提出新的解决思路，采用人脸特征辅助步态特征在决策级融合方法。在单样本的步态识别中辅助人脸特征的优点在于，即使步态训练样本是单样本，而人脸图像是多个的，这样便从另外一个角度扩充了训练样本的数目，有助于身份识别，融合人脸特征可以提高2.4％的识别精度。
-
公开(公告)号：CN101564300B
公开(公告)日：2011-03-16
申请号：CN200910072171.4
申请日：2009-06-03
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于区域特征分析的步态周期检测方法。包括行人目标轮廓的获取和步态周期检测；所述的行人目标轮廓的获取的方法为，首先从视频中提取单帧图像进行灰度变换，然后计算各像素点在逐帧中的中值，作为整个序列的背景图像，最后采用背景减除法提取人体目标，用数学形态学填补二值化图像的空洞、单连通分析提取人的侧影，使人体居中，将图像的大小统一为64*64像素；所述的步态周期检测是将步态周期分析问题转化为单帧的图形区域特征分析问题，即根据每帧中图形区域的特征变化情况来分析步态的周期。本发明不但计算量小，而且已经达到人主观判断步态周期的精度，为实时的步态识别提供了可能。
-
Patent Agency Ranking
公开(公告)号：CN101571917A
公开(公告)日：2009-11-04
申请号：CN200910072299.0
申请日：2009-06-16
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于视频的正面步态周期检测方法。包括行人目标轮廓的获取和正面步态的周期检测；首先从视频中提取单帧图像进行灰度变换，然后选择不含人体的图像作为整个视频的原始背景图像，采用背景实时更新的背景减除法提取人体目标，Kapur熵阈值法对图像序列进行二值化处理，用数学形态学填补二值化图像的空洞、单连通分析提取人的侧影，使人体居中，将图像的大小统一为64*64像素，最后对分割出的人体进行检测，将包含不完整人体的冗余帧去除；根据肢体占身高比例关系，将下臂的摇摆区域像素点的数目变化情况作为判断正面步态周期的依据。本发明针对正面步态周期检测十分有效，计算量小，节省大量的存储空间，为实时的步态识别提供了可能。
-
公开(公告)号：CN101667137A
公开(公告)日：2010-03-10
申请号：CN200910073045.0
申请日：2009-10-12
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种使用方向滤波技术的手指静脉纹路提取方法。包括手指区域定位、滤波增强、手指静脉模式提取；对读入的静脉图像先采用Kapur熵阈值法分割出手指区域，然后采用数学形态学中的开操作对手指区域去除毛刺；再结合静脉纹路特点求取手指静脉区域的方向图并设计滤波器，结合所得的方向图及方向滤波器对图像进行滤波增强；最后采用NiBlack方法进行二值化操作提取手指静脉模式。本发明所提供的方法提取手指静脉纹路连通性与光滑性好、噪声少。
-
公开(公告)号：CN101564300A
公开(公告)日：2009-10-28
申请号：CN200910072171.4
申请日：2009-06-03
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于区域特征分析的步态周期检测方法。包括行人目标轮廓的获取和步态周期检测；所述的行人目标轮廓的获取的方法为，首先从视频中提取单帧图像进行灰度变换，然后计算各像素点在逐帧中的中值，作为整个序列的背景图像，最后采用背景减除法提取人体目标，用数学形态学填补二值化图像的空洞、单连通分析提取人的侧影，使人体居中，将图像的大小统一为64＊64像素；所述的步态周期检测是将步态周期分析问题转化为单帧的图形区域特征分析问题，即根据每帧中图形区域的特征变化情况来分析步态的周期。本发明不但计算量小，而且已经达到人主观判断步态周期的精度，为实时的步态识别提供了可能。
-
公开(公告)号：CN119693971A
公开(公告)日：2025-03-25
申请号：CN202411855026.4
申请日：2024-12-17
IPC: G06V40/10 , G06V40/20 , G06V10/44 , G06V10/80 , G06V10/30 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本申请属于步态识别技术领域，具体涉及一种缺失视角下的基于扩散模型的跨视角步态识别方法及系统，将缺失视角条件下的受限步态序列输入该跨视角步态识别框架，利用上述任意视角下的步态序列转换通路实现现有视角到缺失视角的步态序列生成，利用扩充后的全部步态序列训练步态识别模型，使用训练后的模型完成缺失视角条件的跨视角步态识别。其优点在于，跨视角步态序列生成模型，能够以某ID身份现有的任一视角下的步态信息为约束，基于任意缺失视角下的线索帧，生成该缺失视角下同ID身份的步态序列，提供了一种基于跨视角转换通路的缺失视角步态序列生成方法。
-
公开(公告)号：CN119471590A
公开(公告)日：2025-02-18
申请号：CN202411453834.8
申请日：2024-10-17
Applicant: 哈尔滨工程大学
IPC: G01S7/36 , G01S7/285 , G01S7/295 , G01S13/88 , G06F18/2323 , G06F18/23213 , G06F18/2132 , G06F18/2136
Abstract: 本发明属于雷达信号分选技术领域，具体涉及一种基于改进稀疏子空间聚类的雷达信号分选方法、程序、设备及存储介质。本发明根据同一子空间中雷达脉冲数据点之间的自表示属性将雷达脉冲序列构建为复杂网络，利用广义正交匹配追踪算法使得来自不同雷达的脉冲在复杂网络中的连接较少，从而降低了计算复杂度；借用图分割的思想，利用拉普拉斯谱分解挖掘同一部雷达脉冲信号的几何关联关系，以获得复杂电磁环境下的非理想雷达信号的高效分选。同时，本发明设计了一种基于能量校正割裂阈值的算法可以有效实现聚类中心个数的精确求解。本发明可有效解决截获复杂雷达工作状态参数混叠或缺失导致的分选错批问题。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.023 seconds)
