-
公开(公告)号：CN107330463B
公开(公告)日：2020-12-08
申请号：CN201710518975.7
申请日：2017-06-29
Applicant: 南京信息工程大学
Abstract: 基于CNN多特征联合和多核稀疏表示的车型识别方法，利用智能交通相机拍摄包括复杂场景下的车辆图像，首先对车辆图像进行预处理，然后基于CNN中AlexNet网络，设计5个卷积层与3个全连接层自动提取车辆的全局与局部特征，将第1,2,5池化层和第6,7全连接层的特征图按列拉伸后作为车辆特征分量分别输入到5个不同的单核函数中，并通过加权融合形成一个联合特征矩阵；然后基于多核学习和稀疏表示算法，求解每个核函数的权值和联合特征矩阵的投影矩阵，最后根据核稀疏最小重构误差实现对车辆类型的识别。本发明能够实时进行车型识别，提取出需要的交通流信息，解决交通拥堵问题，有利于公路网的总体规划及道路建设。
-
公开(公告)号：CN108986140B
公开(公告)日：2022-02-01
申请号：CN201810674804.8
申请日：2018-06-26
Applicant: 南京信息工程大学
IPC: G06T7/246
Abstract: 本发明的目标尺度自适应跟踪方法，包括如下步骤：步骤1读取第一帧图片，确定目标位置及大小，设置目标区域和背景区域；步骤2获得不同尺度的样本图像，计算目标区域O与背景区域B的颜色直方图，获得目标样本的概率；步骤3提取图像的hog特征和灰度特征，训练位置滤波器和尺度滤波器，获得对应滤波器模板；步骤4读入下一帧图片，更新目标当前位置；步骤5根据目标当前位置，更新目标尺度；步骤6判断当前帧跟踪是否正常，并进行相应的操作；步骤7根据判定结果，代入下一帧目标检测，直至跟踪任务结束。通过对目标图像和背景图像的不同响应区别目标及背景，有效的利用目标的背景信息，提高目标在遮挡、形变等场景下的准确性。
-
公开(公告)号：CN108416270B
公开(公告)日：2021-07-06
申请号：CN201810117900.2
申请日：2018-02-06
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种基于多属性联合特征的交通标志识别方法，首先对图像进行预处理，然后设计卷积神经网络结构，通过该CNN网络自动提取交通标志特征，为了充分利用CNN多层特征的有用信息，提取最后3层特征图，将提取出的每层特征图通过多尺度池化操作形成3个尺度的特征矩阵，将3个尺度的特征矩阵按列展开并级联成列向量；然后将得到的3个列向量级联成一个具有多尺度多属性的联合特征向量；最后将联合特征向量通过ELM分类器进行分类，从而高效地完成交通标志的识别分类。
-
公开(公告)号：CN108986140A
公开(公告)日：2018-12-11
申请号：CN201810674804.8
申请日：2018-06-26
Applicant: 南京信息工程大学
IPC: G06T7/246
Abstract: 本发明的目标尺度自适应跟踪方法，包括如下步骤：步骤1读取第一帧图片，确定目标位置及大小，设置目标区域和背景区域；步骤2获得不同尺度的样本图像，计算目标区域O与背景区域B的颜色直方图，获得目标样本的概率；步骤3提取图像的hog特征和灰度特征，训练位置滤波器和尺度滤波器，获得对应滤波器模板；步骤4读入下一帧图片，更新目标当前位置；步骤5根据目标当前位置，更新目标尺度；步骤6判断当前帧跟踪是否正常，并进行相应的操作；步骤7根据判定结果，代入下一帧目标检测，直至跟踪任务结束。通过对目标图像和背景图像的不同响应区别目标及背景，有效的利用目标的背景信息，提高目标在遮挡、形变等场景下的准确性。
-
公开(公告)号：CN107330463A
公开(公告)日：2017-11-07
申请号：CN201710518975.7
申请日：2017-06-29
Applicant: 南京信息工程大学
Abstract: 基于CNN多特征联合和多核稀疏表示的车型识别方法，利用智能交通相机拍摄包括复杂场景下的车辆图像，首先对车辆图像进行预处理，然后基于CNN中AlexNet网络，设计5个卷积层与3个全连接层自动提取车辆的全局与局部特征，将第1,2,5池化层和第6,7全连接层的特征图按列拉伸后作为车辆特征分量分别输入到5个不同的单核函数中，并通过加权融合形成一个联合特征矩阵；然后基于多核学习和稀疏表示算法，求解每个核函数的权值和联合特征矩阵的投影矩阵，最后根据核稀疏最小重构误差实现对车辆类型的识别。本发明能够实时进行车型识别，提取出需要的交通流信息，解决交通拥堵问题，有利于公路网的总体规划及道路建设。
-
Patent Agency Ranking
公开(公告)号：CN107527068B
公开(公告)日：2020-12-25
申请号：CN201710670157.9
申请日：2017-08-07
Applicant: 南京信息工程大学
Abstract: 本发明涉及基于CNN和域自适应学习的车型识别方法，通过在Alexnet网络中添加旋转不变层、区分判别层和设计新的目标函数，建立基于CNN网络初始模型；利用建立的初始模型分别提取不同领域样本卷积层的特征图，计算样本特征图之间的余弦相似度，确定CNN网络的共享卷积核或非共享卷积核，保留共享卷积核的权重和偏置，更新非共享卷积核的权重和偏置；基于目标领域训练样本，计算每层特征图之间的余弦相似度和整个目标领域平均相似度，根据平均相似度聚类每类相似特征图；将与目标领域中样本有相似分布特性的源领域样本拓展为目标领域的新样本，用目标领域的新样本来微调整个CNN网络模型，再通过softmax分类器对目标领域中的测试样本进行车型分类。
-
公开(公告)号：CN108416270A
公开(公告)日：2018-08-17
申请号：CN201810117900.2
申请日：2018-02-06
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种基于多属性联合特征的交通标志识别方法，首先对图像进行预处理，然后设计卷积神经网络结构，通过该CNN网络自动提取交通标志特征，为了充分利用CNN多层特征的有用信息，提取最后3层特征图，将提取出的每层特征图通过多尺度池化操作形成3个尺度的特征矩阵，将3个尺度的特征矩阵按列展开并级联成列向量；然后将得到的3个列向量级联成一个具有多尺度多属性的联合特征向量；最后将联合特征向量通过ELM分类器进行分类，从而高效地完成交通标志的识别分类。
-
公开(公告)号：CN107527068A
公开(公告)日：2017-12-29
申请号：CN201710670157.9
申请日：2017-08-07
Applicant: 南京信息工程大学
Abstract: 本发明涉及基于CNN和域自适应学习的车型识别方法，通过在Alexnet网络中添加旋转不变层、区分判别层和设计新的目标函数，建立基于CNN网络初始模型；利用建立的初始模型分别提取不同领域样本卷积层的特征图，计算样本特征图之间的余弦相似度，确定CNN网络的共享卷积核或非共享卷积核，保留共享卷积核的权重和偏置，更新非共享卷积核的权重和偏置；基于目标领域训练样本，计算每层特征图之间的余弦相似度和整个目标领域平均相似度，根据平均相似度聚类每类相似特征图；将与目标领域中样本有相似分布特性的源领域样本拓展为目标领域的新样本，用目标领域的新样本来微调整个CNN网络模型，再通过softmax分类器对目标领域中的测试样本进行车型分类。
-
公开(公告)号：CN206963026U
公开(公告)日：2018-02-02
申请号：CN201720642336.7
申请日：2017-06-05
Applicant: 南京信息工程大学
IPC: H04R1/10
Abstract: 本实用新型公开了一种防疲劳坐姿提醒耳机，包括控制器，及与控制器相连接的姿态数据采集模块、热红外传感器、声音播放模块、无线传输模块和电源模块，所述电源模块给整个装置供电，所述控制器包括时钟模块，所述无线传输模块与上位机通讯连接，所述姿态数据采集模块为六轴传感器MPU6050。本实用新型所提供的一种防疲劳坐姿提醒耳机，可对使用者的姿态偏移进行检测，对疲劳状态下的不良坐姿进行提醒和干预，对使用者的视力、脊椎及整体健康有较好的保护作用，同时使用方便，设备改造成本低。
-
公开(公告)号：CN206581859U
公开(公告)日：2017-10-24
申请号：CN201720223955.2
申请日：2017-03-09
Applicant: 南京信息工程大学
IPC: E06B9/32
Abstract: 本实用新型公开了一种无线控制的多功能百叶窗，上轨和下轨之间设置有若干个长条形的窗叶，每个窗叶之间平行设置；上轨中位于窗叶的两端各设置有两个电机，其中一个电机的转动轴上绕设有角绳，角绳的两个自由端对称连接于每个窗叶宽度方向的一侧，且角绳的末端与下轨固定连接，通过电机的正或反转动，带动角绳使窗叶形成与上、下轨平行、垂直或呈夹角的状态；另一个电机的转动轴上绕设有高绳，高绳的自由端与每个窗叶连接，且高绳的末端与下轨固定连接，通过电机的正或反转动，带动高绳使窗叶向上或向下移动；四个电机、与电机连接高绳和角绳相对于窗叶长度方向的中心线对称设置。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.024 seconds)
