-
Patent Agency Ranking
公开(公告)号：CN103559793A
公开(公告)日：2014-02-05
申请号：CN201310574043.6
申请日：2013-11-18
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种车内遮阳板检测的方法及装置，其特征在于包括对车身定位，具体为对采集到的图像利用基于彩色图像信息的定位方法对车身进行定位，并根据车身大小裁剪出车身图像；对车窗进行定位，根据步骤1获得的图像，进一步得到车身轮廓，再利用水平投影、垂直投影扫描的方法对车窗进行定位，并根据车窗大小裁剪出车窗图像；对遮阳板区域进行检测，利用形态学图像处理方法对图像进行预处理和细化处理，再根据遮阳板的位置、大小等固有特征来对遮阳板进行检测，判定车内是否存在遮阳板，本发明与现有技术相比，能在各种复杂天气条件下实现对车内遮阳板的检测并能得到良好的检测效果。
-
公开(公告)号：CN118131222A
公开(公告)日：2024-06-04
申请号：CN202410203216.1
申请日：2024-02-23
Applicant: 哈尔滨工业大学(威海)
IPC: G01S13/88 , G06F18/214 , G06F18/2131 , G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/084 , G06N3/098 , G01S7/41 , G01S13/50
Abstract: 本发明属于雷达目标识别技术领域，公开了一种自适应权重决策融合行人步态识别方法及系统。该方法包括：获取行人微多普勒雷达回波，对行人微多普勒雷达回波进行信号处理，对行人步态时频图进行多包络提取；将行人步态时频图多包络、行人步态时频图和行人微多普勒回波功率谱数据随机分为训练集和测试集；使用训练集数据对行人步态识别神经网络模型进行训练；进行自适应权重决策融合。本发明通过三个特征神经网络模型进行决策融合，根据它们识别准确度动态地调整权重，从而降低单个特征分类器的误识别率，提高整个系统的准确性和鲁棒性。
-
公开(公告)号：CN107037397A
公开(公告)日：2017-08-11
申请号：CN201710475991.2
申请日：2017-06-21
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及波达方向估计中的误差估计方法，具体涉及一种在波达方向估计中校正多种阵列误差的方法，本发明为了解决现有的阵列误差处理方法往往针对一种误差进行校正，导致处理速度较低、复杂度较高的缺点，而提出一种在波达方向估计中校正多种阵列误差的方法，包括：获取幅相误差矩阵和互耦矩阵；根据MUSIC算法得到特征分解协方差矩阵、噪声子空间矩阵及估计矩阵；定义空间谱；在空间谱中进行搜索得到N个峰值的DOA估计；求幅相不一致误差矩阵的估计值；求互耦误差矩阵的估计值；计算代价函数；给定门限，若相邻两次迭代的代价函数差大于门限，则继续迭代；若小于等于门限，则退出循环，得到待估计参量。本发明适用于存在阵列误差情况下的波达方向估计。
-
公开(公告)号：CN103559793B
公开(公告)日：2015-12-09
申请号：CN201310574043.6
申请日：2013-11-18
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种车内遮阳板检测的方法及装置，其特征在于包括对车身定位，具体为对采集到的图像利用基于彩色图像信息的定位方法对车身进行定位，并根据车身大小裁剪出车身图像；对车窗进行定位，根据步骤1获得的图像，进一步得到车身轮廓，再利用水平投影、垂直投影扫描的方法对车窗进行定位，并根据车窗大小裁剪出车窗图像；对遮阳板区域进行检测，利用形态学图像处理方法对图像进行预处理和细化处理，再根据遮阳板的位置、大小等固有特征来对遮阳板进行检测，判定车内是否存在遮阳板，本发明与现有技术相比，能在各种复杂天气条件下实现对车内遮阳板的检测并能得到良好的检测效果。
-
公开(公告)号：CN118131222B
公开(公告)日：2024-10-11
申请号：CN202410203216.1
申请日：2024-02-23
Applicant: 哈尔滨工业大学(威海)
IPC: G01S13/88 , G06F18/214 , G06F18/2131 , G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/084 , G06N3/098 , G01S7/41 , G01S13/50
Abstract: 本发明属于雷达目标识别技术领域，公开了一种自适应权重决策融合行人步态识别方法及系统。该方法包括：获取行人微多普勒雷达回波，对行人微多普勒雷达回波进行信号处理，对行人步态时频图进行多包络提取；将行人步态时频图多包络、行人步态时频图和行人微多普勒回波功率谱数据随机分为训练集和测试集；使用训练集数据对行人步态识别神经网络模型进行训练；进行自适应权重决策融合。本发明通过三个特征神经网络模型进行决策融合，根据它们识别准确度动态地调整权重，从而降低单个特征分类器的误识别率，提高整个系统的准确性和鲁棒性。
-
-
-
-
Search Results
5
records
(took 0.01 seconds)
