-
公开(公告)号：CN109064484A
公开(公告)日：2018-12-21
申请号：CN201810236397.2
申请日：2018-03-21
Applicant: 南京邮电大学
CPC classification number: G06T7/246 , G06K9/00778 , G06N3/0454 , G06T2207/10016 , G06T2207/20081 , G06T2207/20164
Abstract: 本发明公开了一种基于子群组划分与动量特征融合的人群运动行为识别方法，该方法首先利用角点跟踪和背景建模的方法，获取视频图像帧中运动目标的时空信息，利用前景中群体分布的空间区域信息，将空间上相邻近的人群划分为若干子群体，子群体通过一段时间内的运动相关性进行进一步的分割，得到具有运动一致性的子群体；其次在子群体分割的基础上，提取出人群运动三个动量特征进行融合；最后将融合的特征以及视频帧的像素特征作为微分循环卷积神经网络的输入进行训练，采用人工标记的方法将训练视频片段标记成不同的描述词汇，用带标记的数据调整微分循环卷积神经网络的结果，得到了良好的训练成果，能够有效识别人群的运动行为，达到较好的效果。
-
公开(公告)号：CN107148064A
公开(公告)日：2017-09-08
申请号：CN201710339416.X
申请日：2017-05-15
Applicant: 南京邮电大学 , 南京运享通信息科技有限公司
Abstract: 本发明公开了一种基于粒子群的车载网络路由路径优化方法，根据加权车载网络无向图和网络节点位置表，解决由起始节点到终止接点的最优路径问题，本发明使用粒子群对选取的由起始节点到终止接点的路径样本进行研究，根据加权无向图的权值计算路径适应值得出群体最优路径和个体最优路径，经过多次迭代调整最终得到最优路径，本发明在多个QoS量化指标的限制下，能够有效获得车载网络最优路径，高效处理多峰值实际问题。
-
公开(公告)号：CN105654729A
公开(公告)日：2016-06-08
申请号：CN201610183090.1
申请日：2016-03-28
Applicant: 南京邮电大学
CPC classification number: G08G1/0125 , G06N3/0454 , G06N3/08 , G06Q10/04 , G06Q50/30
Abstract: 本发明给出一种基于卷积神经网络的短时交通流量预测方法，该方法首先根据预测路段的上下游路段条数以及预测使用的历史流量数据个数，确定输入矩阵的格式；然后根据输入矩阵的格式，确定卷积神经网络预测模型的结构，并使用预测路段及其上下游路段的历史流量数据完成模型的训练；最后使用训练好的模型进行预测。该方法利用具有强大特征学习能力的卷积神经网络来准确预测短时交通流量，将预测路段及其上下游路段的流量一同考虑，不仅使输入数据扩展到二维，以满足卷积神经网络的输入格式，同时也提供了与预测路段相关联路段的信息，使预测模型学习到更多流量特征，从而提升预测精度。
-
公开(公告)号：CN107273801B
公开(公告)日：2021-11-30
申请号：CN201710338908.7
申请日：2017-05-15
Applicant: 南京邮电大学 , 南京运享通信息科技有限公司
Abstract: 本发明公开了一种视频多目标跟踪检测异常点的方法，该方法均匀的抽取视频文件中的多个帧画面，将图像上的像素点通过高斯差函数转为灰度图像的像素点，求这些点的极值，通过求导获得相对极值位移，将相对极值位移代入到高斯差函数中获得候选特征点，再用一个常数来筛选得到特征点，通过计算两图像特征点置信度的最大值获得有效点，计算获得的灰度图像像素点的多尺度下的自相关矩阵，用角点响应函数将计算获得的矩阵代入，通过阈值限制来获取不同尺度下的角点，通过尺度最大的比较依据获得角点，最后将获得的角点连线，依次检测所有连续帧图像的异常点。本发明方法能够有效判断出视频多目标跟踪时出现的异常行为，防止用户作出错误的判断。
-
公开(公告)号：CN108430089A
公开(公告)日：2018-08-21
申请号：CN201810421092.9
申请日：2018-05-04
Applicant: 南京邮电大学
Abstract: 本发明给出一种基于深度学习的高可靠车载自组织网路由分簇方法，该方法对车载自组织网络路由协议先利用自定义分簇算法对网络节点合理分簇，然后采用深度学习算法对网络节点采集的数据进行融合，最终形成一个低能耗高可靠的分簇协议。本发明能够解决车载自组织网节点冗余数据传输和能量消耗不均问题，减少车载自组织网络节点能量消耗，延长生命周期。
-
Patent Agency Ranking
公开(公告)号：CN107180229A
公开(公告)日：2017-09-19
申请号：CN201710308053.3
申请日：2017-05-04
Applicant: 南京邮电大学 , 南京运享通信息科技有限公司
CPC classification number: G06K9/00369 , G06T7/269 , G06T2207/10016 , G06T2207/30196 , G06T2207/30232
Abstract: 本发明公开了一种监控视频中基于运动方向的异常行为检测方法，通过对运动方向的分析解决了难以准确检测视频异常行为的问题。本发明主要包括三部分：获取初步视频目标、优化视频目标和检测视频目标异常行为。第一部分处理原始视频帧和背景视频帧，利用改进的背景相减法，获取初步视频目标；第二部分，筛选运动速度在噪声边界阈值内的初步视频目标像素点，获取视频目标的精确位置；第三部分计算视频目标像素点的运动方向，统计运动方向熵以此判断行为是否异常。本发明方法模拟人工标记，能够及时检测出大部分异常情况，具有良好的实时性和有效性。
-
公开(公告)号：CN105956113A
公开(公告)日：2016-09-21
申请号：CN201610293257.X
申请日：2016-05-05
Applicant: 南京邮电大学
IPC: G06F17/30
CPC classification number: G06F16/783
Abstract: 本发明公开一种基于粒子群算法视频数据挖掘高维聚类分析方法。该方法首先对视频数据集提取特征属性，把这些属性数值化，形成样本；之后对样本数据进行适当改造，使得样本点每一维属性都改成其对应维最大值的百分比。本发明通过适当改造样本，能够解决部分噪声数据的影响；通过基于粒子群的聚类分析算法，能够提高聚类分析算法的收敛速度，减弱初始聚类中心点选择的敏感性。
-
-
公开(公告)号：CN105978711B
公开(公告)日：2019-04-19
申请号：CN201610286714.2
申请日：2016-04-29
Applicant: 南京邮电大学
Abstract: 本发明给出一种基于最小生成树的最佳交换边查找方法，该方法将最佳交换边查找问题定义成图模型，从全局角度求解失效边对应的最佳交换边，通过分布式算法等策略获取可行解空间。本发明能够形成解决全局情况下图模型中失效边对应的最佳交换边查找方案，使得图模型中的最佳交换边求解问题在解决过程中在时间和空间复杂度上得到优化，并能够避免早熟收敛。本发明要解决的最佳交换边查找问题是指给定一个通信网络，该网络中的最小生成树上的某条边失效，造成暂时的通信故障，运用分布式算法在该网络中查找一个最佳交换边，替换该失效边，使得通信尽可能保持畅通，并且能够达到诸如通信网络恢复损耗最少、最小生成树的直径尽可能小等目的。
-
公开(公告)号：CN107273801A
公开(公告)日：2017-10-20
申请号：CN201710338908.7
申请日：2017-05-15
Applicant: 南京邮电大学 , 南京运享通信息科技有限公司
CPC classification number: G06K9/00711 , G06K9/4609
Abstract: 本发明公开了一种视频多目标跟踪检测异常点的方法，该方法均匀的抽取视频文件中的多个帧画面，将图像上的像素点通过高斯差函数转为灰度图像的像素点，求这些点的极值，通过求导获得相对极值位移，将相对极值位移代入到高斯差函数中获得候选特征点，再用一个常数来筛选得到特征点，通过计算两图像特征点置信度的最大值获得有效点，计算获得的灰度图像像素点的多尺度下的自相关矩阵，用角点响应函数将计算获得的矩阵代入，通过阈值限制来获取不同尺度下的角点，通过尺度最大的比较依据获得角点，最后将获得的角点连线，依次检测所有连续帧图像的异常点。本发明方法能够有效判断出视频多目标跟踪时出现的异常行为，防止用户作出错误的判断。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.03 seconds)
