一种目标定位方法、装置、电子设备及存储介质

    公开(公告)号:CN113138367B

    公开(公告)日:2024-07-26

    申请号:CN202010064567.0

    申请日:2020-01-20

    Abstract: 本申请涉及一种目标定位方法、装置、电子设备及存储介质,该方法包括:通过对M个待处理声音信号中的每个待处理信号进行傅里叶变化,得到M个分量集合;每个分量集合包括频率值子集合和幅值子集合;基于协方差矩阵对M个幅值子集合进行分解,得到M个噪声分量集合;根据方向向量和M个噪声分量集合确定M个谱函数模型;基于M个所述频率值子集合、预设角度集合和所述M个谱函数模型确定M个谱函数组;确定M个目标函数对应的M个目标角度;基于M个目标角度从M组声音传感器对应的区域内确定目标所在位置。如此,可以解决现有技术中存在无法准确定位发出多个频率分量的声音信号的目标的技术问题。

    一种目标定位方法、装置、电子设备及存储介质

    公开(公告)号:CN113138367A

    公开(公告)日:2021-07-20

    申请号:CN202010064567.0

    申请日:2020-01-20

    Abstract: 本申请涉及一种目标定位方法、装置、电子设备及存储介质,该方法包括:通过对M个待处理声音信号中的每个待处理信号进行傅里叶变化,得到M个分量集合;每个分量集合包括频率值子集合和幅值子集合;基于协方差矩阵对M个幅值子集合进行分解,得到M个噪声分量集合;根据方向向量和M个噪声分量集合确定M个谱函数模型;基于M个所述频率值子集合、预设角度集合和所述M个谱函数模型确定M个谱函数组;确定M个目标函数对应的M个目标角度;基于M个目标角度从M组声音传感器对应的区域内确定目标所在位置。如此,可以解决现有技术中存在无法准确定位发出多个频率分量的声音信号的目标的技术问题。

    一种基于深度学习的车辆类型判别方法

    公开(公告)号:CN110852358A

    公开(公告)日:2020-02-28

    申请号:CN201911034377.8

    申请日:2019-10-29

    Abstract: 本发明提供一种基于深度学习的车辆类型判别方法,包括:构建一yolo框架的人工神经网络模型,并且随机初始化权重系数;从网上收集和在当前应用环境中抓拍车辆照片,车辆照片包括在有遮挡、昏暗光线、车辆正面的情况下的车辆照片,对车辆进行标注,并将车辆照片输入人工神经网络模型;使用人工神经网络模型和车辆照片来进行训练;停止训练,得到适用于所述当前应用环境的权重文件;将需要识别的图片输入人工神经网络模型,判别车辆类型并返回结果。本发明的车辆类型判别方法采用的车辆照片包括有遮挡样本、昏暗光线样本以及角度较差的情况下的车辆照片,因此能够降低识别车辆类型时对降低对有无遮挡、光线和拍摄角度的要求。

Patent Agency Ranking