-
公开(公告)号：CN109222963A
公开(公告)日：2019-01-18
申请号：CN201811394101.6
申请日：2018-11-21
Applicant: 燕山大学
IPC: A61B5/0402 , A61B5/00
Abstract: 本发明公开了一种基于卷积神经网络的心电异常识别分类方法，方法包括从MIT数据库中获取心电数据，对所获取的数据工频干扰噪声、基线运动噪声与高频噪声干扰，对处理后的数据进行R波峰值检测，前后取点绘制图片，搭建卷积神经网络模型对图片进行训练，采用10倍交叉验证评估性能指标。本发明使用基于卷积神经网络的方法，通过对卷积神经网络的结构配置及优化提高了心电异常识别分类的准确率及增加了分类种数。本发明主要解决的技术问题是通过心电数据进行心电异常的识别分类，辅助给医生提供参考，降低误诊、漏诊率，减轻医生的工作量；应用卷积神经网络自动学习特征，减少了特征提取的工作量及复杂度。
-
公开(公告)号：CN101739687A
公开(公告)日：2010-06-16
申请号：CN200910175258.4
申请日：2009-11-23
Applicant: 燕山大学
Abstract: 本发明公开了一种基于协方差矩阵的快速机动目标跟踪方法，包括：提取目标的颜色、边缘、像素几何位置特征构建描述目标的协方差矩阵模型；利用遗传算法的快速寻优特性在大范围窗口内粗略搜索目标；在遗传算法获得的最佳个体附近邻域逐点搜索，依据协方差矩阵间的距离度量函数精确定位目标。本发明的基于协方差矩阵的快速目标跟踪方法融合了多种特征描述目标，可在复杂环境下稳定地跟踪目标，同时，将遗传算法的粗匹配与逐点精匹配相结合，缩短了计算时间，保障了大范围搜索快速机动目标的实时性。
-
公开(公告)号：CN114937062B
公开(公告)日：2024-08-16
申请号：CN202210673886.0
申请日：2022-06-14
Applicant: 燕山大学
IPC: G06T7/246 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/042
Abstract: 本发明公开了一种基于深度学习的无人机目标跟踪系统，通过设计一个基于Anchor‑free的聚合多尺度的目标跟踪系统，采用图注意力模块（GAM）替代了传统的互相关，更加有效地将目标信息从模板区域传递到搜索区域；针对目标跟踪中尺度变化等问题，采用了融合多尺度感受野结构，从而提出了Encoder模块；针对目标跟踪中计算复杂等问题，采用了自适应锚点的结构，大大减少了超参数，进而设计了Decoder模块；特征提取网络提取足够的语义信息经过GAM模块后送到Encoder模块；Encoder模块可以看做是一个单入多出的编码器，经过Encoder所得到的特征随后进入Decoder模块。
-
公开(公告)号：CN114937062A
公开(公告)日：2022-08-23
申请号：CN202210673886.0
申请日：2022-06-14
Applicant: 燕山大学
IPC: G06T7/246 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的无人机目标跟踪系统，通过设计一个基于Anchor‑free的聚合多尺度的目标跟踪系统，采用图注意力模块（GAM）替代了传统的互相关，更加有效地将目标信息从模板区域传递到搜索区域；针对目标跟踪中尺度变化等问题，采用了融合多尺度感受野结构，从而提出了Encoder模块；针对目标跟踪中计算复杂等问题，采用了自适应锚点的结构，大大减少了超参数，进而设计了Decoder模块；特征提取网络提取足够的语义信息经过GAM模块后送到Encoder模块；Encoder模块可以看做是一个单入多出的编码器，经过Encoder所得到的特征随后进入Decoder模块。
-
公开(公告)号：CN107274437A
公开(公告)日：2017-10-20
申请号：CN201710488018.4
申请日：2017-06-23
Applicant: 燕山大学
Abstract: 本发明公开了一种基于卷积神经网络的视觉跟踪方法。其内容包括以下步骤：1、离线训练：利用CIFAR-10数据集对卷积神经网络进行离线训练，获得可以表达深度特征的能力；2、多特征融合：提取每层卷积层后的特征图，获得多种特征，进行多层特征融合；3、跟踪：在步骤一和步骤二的基础上使用粒子滤波方法完成跟踪。本发明克服了跟踪过程中目标被遮挡和光照变化等难题，特征描述能够满足跟踪过程中多种多样的复杂变化，不会导致跟踪器丢失目标，提高了特征的准确度，从而提高了跟踪精度。
-
Patent Agency Ranking
公开(公告)号：CN104298964B
公开(公告)日：2017-08-11
申请号：CN201410467813.1
申请日：2014-09-15
Applicant: 燕山大学
Abstract: 本发明公开了一种人体行为动作快速识别方法及装置，所述识别方法经过提取轮廓、获取关键帧、计算特征算子、设定阈值等步骤，通过特征算子与阈值之间的比较分析对人体行为动作进行分类；所述识别装置由运动轮廓获取单元、行为模型建立单元和运动识别单元组成；本发明方法及装置具有简单高效、使用合理等优点，可以减少匹配计算量和时间，提高行为动作识别的实时性和准确性。
-
公开(公告)号：CN105303585A
公开(公告)日：2016-02-03
申请号：CN201510629140.X
申请日：2015-09-29
Applicant: 燕山大学
IPC: G06T7/20
Abstract: 一种快速目标跟踪方法及装置，所述跟踪过程包括空间识别、目标提取、计算适应度函数、计算以及更新粒子各参数等步骤。在更新粒子速度问题有所改进，以求粒子能够更快收敛；在粒子位置的更新上采用选择模式，使种群向最优解进化。本发明所述装置由图像采集单元、跟踪搜索单元及输出单元组成。本发明方法及装置的优点是简单高效、性能好，减少了搜索匹配的时间和计算量，提高了目标跟踪的准确性和实效性。
-
公开(公告)号：CN104318586A
公开(公告)日：2015-01-28
申请号：CN201410505484.5
申请日：2014-09-26
Applicant: 燕山大学
IPC: G06T7/20
CPC classification number: G06T7/11 , G06T7/207 , G06T2207/20056
Abstract: 一种基于自适应形态学滤波的运动模糊方向估计方法及装置，所述装置由运动模糊频谱图像获取单元、自适应形态学滤波单元、运动模糊方向估计单元连接组成；根据频谱图像中心条纹尺度信息，自适应调节形态学腐蚀算子的执行次数，利用Radon变换得到运动模糊方向的精确估计。本发明方法可有效抑制十字亮线对计算精度的干扰，同时能增强频谱图像中的有效信号，也克服了传统方法中在模糊尺度较小时误差较大等问题。
-
公开(公告)号：CN117451070A
公开(公告)日：2024-01-26
申请号：CN202311543022.8
申请日：2023-11-20
Applicant: 燕山大学
IPC: G01C21/34
Abstract: 本发明公开了一种基于改进RRT*算法的光伏机器人规划算法及规划系统，属于路径规划领域，包括LCO‑RRT*算法核心模块、样本提取模块和样本寻优模块；LCO‑RRT*算法核心模块使用HOCBF约束检查和用于控制合成的LQR策略来改进扩展规则，用于规划路径的安全性约束；样本提取模块，去除冗余节点，保证相邻节点之间路径优于原始路径；样本寻优模块，随机采样并迭代获取更优的样本，得到路径长度更短的路。本发明引入了HOCBF约束检查和用于控制合成的LQR策略来改进扩展规则，改进了采样策略，提高了采样的效率。随后进行重采样优化，进一步优化机器人路径规划方案，寻找具有安全保障、成本低廉且可行的路径。
-
公开(公告)号：CN115909312A
公开(公告)日：2023-04-04
申请号：CN202211480113.7
申请日：2022-11-24
Applicant: 燕山大学 , 唐山惠唐物联科技有限公司 , 河钢集团有限公司 , 河钢股份有限公司唐山分公司
IPC: G06V20/62 , G06V20/40 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于深度学习的板坯号实时检测与识别方法，属于连铸生产信息化领域，包括通过安装在现场辊道旁的摄像头采集大量含背景的板坯图像，以训练改进的YOLOv5得到图像检测模型，制作板坯号图像数据集；对板坯号图像预处理，分割为字符图像，制作字符图像数据集，以训练MobileNetv2得到字符识别模型；用图像检测模型实时检测并提取辊道上的板坯号图像，用字符识别模型实时识别板坯号图像并输出字符串结果；将此结果与板坯调度系统的板坯号信息进行比对，若一致则识别准确，否则弹出警告信息提醒人工校对。本发明使用计算机视觉技术和深度学习方法实现了连铸板坯号的实时检测与准确识别，为连铸后续生产奠定了良好基础。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.018 seconds)
