-
Patent Agency Ranking
公开(公告)号：CN108615034A
公开(公告)日：2018-10-02
申请号：CN201711335511.9
申请日：2017-12-14
Applicant: 燕山大学
Abstract: 本发明公开了一种模板匹配与神经网络算法结合的车牌识别方法，所述方法包括：对摄像头采集到的原始车牌图像做灰度化、二值化、直方图均衡化等处理；对灰度图像进行图像滤波、边缘检测等处理；对处理过后的图像，采用数学形态学方法和行扫描方法粗定位车牌，使用Hough变换方法精确定位车牌位置；采用竖直投影法和检测行像素值和最大法对车牌字符进行精确分割；将模板匹配方法与神经网络算法结合对分割后的车牌字符自动识别。本发明方法采用模板匹配与神经网络算法相结合的方式对车牌字符自动识别，可以较好的解决对汉字、字母与数字组合的国内车牌字符识别不高的问题，能够快速、准确的自动识别车牌字符。
-
公开(公告)号：CN111639550A
公开(公告)日：2020-09-08
申请号：CN202010403335.3
申请日：2020-05-13
Applicant: 燕山大学
Abstract: 本发明提出一种基于多尺度融合LBP和改进深度置信网络的指静脉识别方法。该方法采用多尺度融合的LBP算法，相比单一尺度的LBP算法，可在指静脉识别的特征提取阶段获取较为丰富的信息；本方法采用的改进的深度置信网络方法，能够缩短深度置信网络的训练时间，同时在识别率上相较于传统深度置信网络更具有优势；因此，本发明提出的基于多尺度融合LBP及改进深度置信网络的指静脉识别方法与现有技术相比，可以得到更高精度的识别效果，并花费较少的时间代价。
-
公开(公告)号：CN108073917A
公开(公告)日：2018-05-25
申请号：CN201810069954.6
申请日：2018-01-24
Applicant: 燕山大学
Abstract: 一种基于卷积神经网络的人脸识别方法，本发明涉及基于卷积神经网络的人脸识别方法。本发明为了解决现有针对小数据集的人脸识别方法准确率低、自适应差以及需要人工调参数的问题。本发明包括：一：对需要进行识别的人脸图像分为训练样本、测试样本和验证样本三类，并读取待训练的数据；二：进行归一化处理；三：构建卷积神经网络的网络结构；四：将训练样本放入步骤三构建的网络结构中进行训练，训练的过程包括前向传播和反向传播；五：将步骤四训练后的模型参数进行保存；六：使用训练后的模型参数对步骤二归一化处理后的测试样本进行检测，得到模型的检测结果。本发明用于模式识别领域。
-
公开(公告)号：CN112649265A
公开(公告)日：2021-04-13
申请号：CN202110031422.5
申请日：2021-01-11
Applicant: 燕山大学
Abstract: 本发明涉及一种用于冷冻石蜡两用切片机的辅助装置及其使用方法，所述装置包括底座、多插口插槽立柱、矩形侧壁、制冷槽和顶盖；所述底座由多插口插槽组成，所述多插口插槽立柱通过固定连接板、内角件、螺栓、螺母与底座连接固定；所述矩形侧壁包括前侧壁和左右两侧壁，在前侧壁上设有冷槽托和温度计托，左右两侧壁结构相同均设有矩形操作窗和冷槽托；所述的冷槽托的内端设有凸起部，用于限制制冷槽的推进位置；所述制冷槽上设有把手，通过螺栓和螺母固定在制冷槽上，便于制冷槽在冷槽托上的取下和安装；所述顶盖通过螺钉与多插口插槽立柱固定。本发明主要解决在室温条件下使用冷冻石蜡两用切片机进行冰冻组织切片时成功率低等问题。
-
公开(公告)号：CN111248900A
公开(公告)日：2020-06-09
申请号：CN202010244142.8
申请日：2020-03-31
Applicant: 燕山大学
IPC: A61B5/0402 , A61B5/0456 , A61B5/0476 , A61B5/00
Abstract: 本发明涉及一种基于单通道心脑信息耦合分析方法及系统。通过采集单通道心电信号和单通道脑电信号，对信号进行预处理操作；提取预处理后的心电信号中的R波，得到RR间期时间序列；对RR间期时间序列进行平均值滤波器和线性插值处理，得到第一心率变异性时间序列；对第一心率变异性时间序列进行三次样条插值，得到插值后的心率变异性时间序列；对插值后的心率变异性时间序列和第一脑电信号进行处理，得到第二心率变异性时间序列和第二脑电信号；根据第二心率变异性时间序列和第二脑电信号，计算相干性和交叉谱功率；根据相干性和交叉谱功率，得到耦合强度。本发明能够解决心电和脑电信号在耦合信息特征方面的提取。
-
-
-
-
Search Results
5
records
(took 0.013 seconds)
