-
公开(公告)号：CN114581490A
公开(公告)日：2022-06-03
申请号：CN202210465877.2
申请日：2022-04-29
Applicant: 北京大学
Abstract: 本申请提供了一种脉冲相机的场景设置方法、装置、控制设备及可读存储介质，所述方法包括：基于脉冲相机的相机参数和场景参数的关联关系，构建所述脉冲相机的运动计算模型；根据所述运动计算模型，确定所述脉冲相机的场景参数和/或相机参数。这样，通过关联关系构建运动计算模型，通过运动计算模型来确定场景设置的相关参数，从而完成脉冲相机的场景设置。
-
公开(公告)号：CN111709967A
公开(公告)日：2020-09-25
申请号：CN202010373510.9
申请日：2020-05-06
Applicant: 北京大学
Abstract: 本发明公开了一种目标检测方法、目标跟踪方法、装置及可读存储介质。目标检测方法包括：生成被监测区域的第一脉冲阵列，将第一脉冲阵列送入输入层，输出层的每个神经元接受输入层的多个神经元的输入，当收到的脉冲累积达到预设条件时产生输出脉冲，以生成第二脉冲阵列，利用第二脉冲阵列进行目标检测；目标跟踪方法包括确定在不同时刻的同一运动目标的步骤；目标检测装置包括脉冲阵列生成模块、脉冲阵列输入模块、脉冲阵列输出模块及目标信息检测模块；目标跟踪装置包括目标检测装置和目标跟踪模块；可读存储介质在被处理器执行时用于实现上述的方法或装置。本发明能够实现对高速目标的检测与跟踪，实时性好且成本低。
-
公开(公告)号：CN116879699A
公开(公告)日：2023-10-13
申请号：CN202311158779.5
申请日：2023-09-08
Applicant: 北京大学
IPC: G01R31/12 , G06F18/10 , G06F123/02
Abstract: 本申请提供一种目标对象确定方法、装置、电弧检测系统以及存储介质，涉及电力电子技术领域。目标对象确定方法包括：获取监测区域的第一时空信号阵列；其中，所述第一时空信号阵列包括多个分别按照时间排列的信号序列；过滤所述第一时空信号阵列中信号序列的冗余信号，得到过滤信号阵列；所述过滤信号阵列包括若干时刻的信号矩阵；在所述信号矩阵中，统计元素的取值为指定取值的元素数量；在所述元素数量超过设定阈值的情况下，确定在所述监测区域内存在目标对象。本申请可以减少对目标对象的漏检几率，提升监测目标对象的准确率。
-
公开(公告)号：CN113034542B
公开(公告)日：2023-10-10
申请号：CN202110255763.0
申请日：2021-03-09
Applicant: 北京大学
IPC: G06T7/246 , G06V10/762 , G06N3/049 , G06N3/06
Abstract: 本申请涉及运动检测技术领域，具体而言，本申请涉及一种运动目标检测跟踪方法。所述方法包括以下步骤：采集监测区域的时空信号生成时空脉冲阵列；对所述时空脉冲阵列进行运动检测并生成对应的脉冲编码序列；将所述时空脉冲阵列输入脉冲神经网络中，所述脉冲神经网络根据所述时空脉冲阵列的发放模式进行聚类；结合所述脉冲编码序列和所述聚类结果获得目标的运动信息和位置信息；根据所述目标的运动信息和位置信息进行状态预测，将预测结果反馈到进行聚类的所述脉冲神经网络，以辅助修正预测时产生的误差。本申请的所述方法可分析获取如运动物体位置、大小、运动方向、运动速度等等运动信息，从而实现对不同运动目标的检测跟踪及运动轨迹的预测。
-
公开(公告)号：CN115204356A
公开(公告)日：2022-10-18
申请号：CN202210520896.0
申请日：2022-05-13
Applicant: 北京大学
Abstract: 本申请涉及脉冲神经网络与数据处理技术领域，更为具体来说，本申请涉及基于脉冲重排深度残差神经网络的数据处理方法与装置。所述方法包括：在基于脉冲重排深度残差神经网络中配置多个紧邻的脉冲重排残差模块；将配置脉冲重排残差块后的基于脉冲重排深度残差神经网络作为第一脉冲重排模型；训练所述第一脉冲重排模型；将目标数据输入训练好的第一脉冲重排模型中进行处理，得到目标处理结果。本申请的重排处理使得参数量大为减少，降低了过拟合风险，也减轻了存储和计算开销，进而提升了数据处理的效率。同时，本申请可以获取所述目标数据对应的类别，可以获得回归序列或回归单个向量，从而适用于多种应用场景。
-
Patent Agency Ranking
公开(公告)号：CN111275742B
公开(公告)日：2022-01-11
申请号：CN202010062434.X
申请日：2020-01-19
Applicant: 北京大学
Abstract: 本发明公开了目标识别方法、装置、系统及计算机可读存储介质，该方法包括如下步骤：获取原始脉冲数据，确定脉冲采样窗口、将脉冲采样窗口内的脉冲输入至脉冲神经网络，对输入至脉冲神经网络的脉冲进行映射，满足条件下令脉冲沿末层激发神经元以外的各层激发神经元依次传递、令脉冲沿末层激发神经元传递至推理层、令脉冲沿末层推理神经元以外的各层推理神经元依次传递，确定识别结果；该装置包括脉冲获取模块、采样窗口模块、脉冲映射模块、神经元激发模块、神经元推理模块及识别结果确定模块；该系统包括上述装置；本发明能够实现对待识别的目标的准确识别和快速识别，而且能够较好地适用于运动速度较高的目标，并能兼顾识别准确率与计算量。
-
公开(公告)号：CN114743078A
公开(公告)日：2022-07-12
申请号：CN202210213372.7
申请日：2022-03-04
Applicant: 北京大学
Abstract: 本发明公开了一种生物神经信号的视觉解码方法、装置、存储介质及终端，方法包括：获取双光子钙成像信号的数据阵列；将双光子钙成像信号的数据阵列输入预先训练的V1视觉皮层视觉信息神经解码模型中；其中，V1视觉皮层视觉信息神经解码模型是由神经信号转换模块和自动编码模块构成的；自动编码模块包含跳层结构，跳层结构用于在不同深度的神经网络层之间，融合整个神经网络在不同层上提取出来的特征；输出双光子钙成像信号对应的重构图像。由于本申请通过神经信号转换模块和自动编码模块进行信号数据处理，并通过自动编码模块中的跳层结构融合整个神经网络在不同层上提取出来的特征，从而提升了重构图像的精确度。
-
公开(公告)号：CN113554726A
公开(公告)日：2021-10-26
申请号：CN202110626842.8
申请日：2021-06-04
Applicant: 北京大学
IPC: G06T11/00
Abstract: 本发明公开了一种基于脉冲阵列的图像重构方法，包括：将待监测区域的脉冲阵列输入短时可塑性模型中，计算各像素位置的计算单元剩余量和单元连接概率；根据各像素位置的计算单元剩余量和单元连接概率反推出各像素位置的第一脉冲发放率和第二脉冲发放率；加权平均各像素位置对应的第一脉冲发放率和第二脉冲发放率，生成各像素位置的目标脉冲发放率；计算各像素位置连续两个脉冲发放时刻的差值，并基于各像素位置连续两个脉冲发放时刻的差值划分出监控区域的静止区域和运动区域；根据目标脉冲发放率计算静止区域的空间位置的像素值，并根据预设时间步长或目标脉冲发放率计算运动区域的空间位置的像素值，生成重构图像。采用本申请实施例，可以实现物体高速运动场景下的图像重构。
-
公开(公告)号：CN113112521A
公开(公告)日：2021-07-13
申请号：CN202110254930.X
申请日：2021-03-09
Applicant: 北京大学
Abstract: 本申请涉及运动检测技术领域，具体而言，本申请涉及一种基于脉冲阵列的运动检测方法。所述方法包括以下步骤：采集监测区域的时空信号生成时空脉冲阵列；将所述时空脉冲阵列输入脉冲神经网络中，所述脉冲神经网络中的脉冲神经元处理具有运动特征的时空脉冲序列并产生对应的脉冲；根据所述脉冲神经网络产生的所述脉冲获得不同空间位置的运动信息。本申请的方法利用高频率视网膜相机获得的脉冲阵列本身具有的时空特性，直接以视觉脉冲序列为输入，获取监测区域中存在的各种运动状态，获取各个运动状态对应的参数信息，输出的运动信息可用于物体跟踪及运动补偿等，从而更有利于后续基于脉冲信号的高速视觉对象的检测、识别及跟踪等高级视觉任务。
-
公开(公告)号：CN117111751B
公开(公告)日：2024-04-02
申请号：CN202311393039.X
申请日：2023-10-25
Applicant: 北京大学
Abstract: 本申请提供一种基于脉冲阵列的姿态变化检测方法、装置、设备和介质，涉及图像处理技术领域。基于脉冲阵列的姿态变化检测方法包括：获取监测区域内的各个空间位置的光信号，得到脉冲阵列；基于所述脉冲阵列，得到包含检测对象的目标数据；基于所述目标数据，得到所述检测对象的姿态变化数据。本申请可以提高对高速姿态变化检测的稳健性与实时性，可适用于复杂的人机交互姿态识别场景。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.049 seconds)
