公开(公告)号：CN107688794A

公开(公告)日：2018-02-13

申请号：CN201710792598.6

申请日：2017-09-05

Applicant: 河南大学

Inventor： 左宪禹 ,  商东东 ,  郑逢斌 ,  郭拯危 ,  李佩琛

IPC: G06K9/00 ,  G06K9/46 ,  G06T1/60

CPC classification number: G06K9/00657 ,  G06K9/4642 ,  G06T1/60

Abstract: 本发明公开了一种基于一维数组结构的遥感影像NDVI并行提取方法，包括以下步骤：读取图像数据，降低图像存储维度，图像数据预处理，获取以数组方式存储的遥感影像NDVI，获得以矩阵方式存储的遥感影像NDVI。本发明设计新颖，成果更优，适于在遥感影像技术领域中推广及应用。

公开(公告)号：CN103747454B

公开(公告)日：2015-06-17

申请号：CN201410018957.9

申请日：2014-01-14

Applicant: 河南大学

Inventor： 杜晓玉 ,  宫德龙 ,  吴永辉 ,  李佩琛 ,  李辉 ,  周林 ,  金勇

IPC: H04W16/18 ,  H04W24/02 ,  H04W84/18

Abstract: 本发明公开了一种基于三维定向移动的水下无线传感器网络覆盖方法，包括以下步骤：（1）、水下无线传感器节点向邻居节点转发消息；（2）、每个节点统计邻居节点的个数及位置信息，同时计算每个邻居节点到节点本身的距离；（3）、根据邻居节点的位置信息，依次计算对于每个邻居节点，节点所需移动的虚拟距离矢量，（4）、根据节点坐标，计算节点到部署区域边界的距离、节点远离边界所移动的虚拟距离；（5）、将步骤（3）计算的虚拟距离和步骤（4）所计算的虚拟距离加权求和，按照节点ID号的顺序依次对全网中所有水下节点进行优化。本发明通过对节点的位置进行微调优化，从而使网络中节点部署接近均匀分布，以优化提高整个水下三维网络的覆盖率。

公开(公告)号：CN103747454A

公开(公告)日：2014-04-23

申请号：CN201410018957.9

申请日：2014-01-14

Applicant: 河南大学

Inventor： 杜晓玉 ,  宫德龙 ,  吴永辉 ,  李佩琛 ,  李辉 ,  周林 ,  金勇

IPC: H04W16/18 ,  H04W24/02 ,  H04W84/18

Abstract: 本发明公开了一种基于三维定向移动的水下无线传感器网络覆盖方法，包括以下步骤：（1）水下无线传感器节点向邻居节点转发消息；（2）每个节点统计邻居节点的个数及位置信息，同时计算每个邻居节点到节点本身的距离；（3）根据邻居节点的位置信息，依次计算对于每个邻居节点，节点所需移动的虚拟距离矢量，（4）根据节点坐标，计算节点到部署区域边界的距离、节点远离边界所移动的虚拟距离；（5）将步骤（3）计算的虚拟距离和步骤（4）所计算的虚拟距离加权求和，按照节点ID号的顺序依次对全网中所有水下节点进行优化。本发明通过对节点的位置进行微调优化，从而使网络中节点部署接近均匀分布，以优化提高整个水下三维网络的覆盖率。

公开(公告)号：CN107808145B

公开(公告)日：2021-03-30

申请号：CN201711110949.7

申请日：2017-11-13

Applicant: 河南大学

Inventor： 刘扬 ,  李佩琛 ,  邵阳雪

IPC: G06K9/00 ,  G10L17/22 ,  G10L17/18 ,  G10L17/02 ,  G06F3/0484 ,  G06F21/32

Abstract: 本发明属于智能机器人领域，具体涉及用于智能对话机器人的多模态的鉴别和跟踪交互者身份的方法，尤其涉及基于多模态智能机器人的交互身份鉴别与跟踪方法及系统。基于多模态智能机器人的交互身份鉴别与跟踪方法，包括：采集交互对象的多通道信息；采用深度神经网络提取激活特征，构成多通道交互信息的多模态特征；采用跨模态概率认知的集成学习，对人脸图像特征和声纹特征进行身份鉴别；对由跨模态属性鉴别出的交互者身份进行注册和跟踪。基于多模态智能机器人的交互身份鉴别与跟踪系统，包括：多通道信息采集模块；多模态特征提取模块；跨模态身份鉴别模块；交互对象注册跟踪模块。本发明可解决单模态信息缺失，无法识别和跟踪交互身份问题。

公开(公告)号：CN107808145A

公开(公告)日：2018-03-16

申请号：CN201711110949.7

申请日：2017-11-13

Applicant: 河南大学

Inventor： 刘扬 ,  李佩琛 ,  邵阳雪

IPC: G06K9/00 ,  G10L17/22 ,  G10L17/18 ,  G10L17/02 ,  G06F3/0484 ,  G06F21/32

CPC classification number: G06K9/00255 ,  G06F3/0484 ,  G06F21/32 ,  G06K9/00268 ,  G10L17/02 ,  G10L17/18 ,  G10L17/22

Abstract: 本发明属于智能机器人领域，具体涉及用于智能对话机器人的多模态的鉴别和跟踪交互者身份的方法，尤其涉及基于多模态智能机器人的交互身份鉴别与跟踪方法及系统。基于多模态智能机器人的交互身份鉴别与跟踪方法，包括：采集交互对象的多通道信息；采用深度神经网络提取激活特征，构成多通道交互信息的多模态特征；采用跨模态概率认知的集成学习，对人脸图像特征和声纹特征进行身份鉴别；对由跨模态属性鉴别出的交互者身份进行注册和跟踪。基于多模态智能机器人的交互身份鉴别与跟踪系统，包括：多通道信息采集模块；多模态特征提取模块；跨模态身份鉴别模块；交互对象注册跟踪模块。本发明可解决单模态信息缺失，无法识别和跟踪交互身份问题。