-
公开(公告)号：CN114550160A
公开(公告)日：2022-05-27
申请号：CN202111358810.0
申请日：2021-11-17
Applicant: 常州大学
Abstract: 本发明提供了了一种基于三维点云数据和交通场景的汽车识别方法，包括基于多分辨率的逐柱特征提取网络、基于空间注意力的卷积检测框架和基于压缩‑激活注意力的检测头。本发明可通过上述三个特征模块，基于点云数据集，实现对交通场景的识别，有效提高车辆的检测效率和检测精度。
-
公开(公告)号：CN113837039A
公开(公告)日：2021-12-24
申请号：CN202111067533.8
申请日：2021-09-13
Applicant: 常州大学
Abstract: 本发明涉及卷积神经网络技术领域，涉及一种基于卷积神经网络的果实生长形态视觉辨识方法，包括以下步骤：S1、图像采集：采集果园不同形态的果实图像，并对图像进行标注；S2、图像增强：将采集到的图像进行数据增强以扩充数据集；S3、搭建卷积神经网络模型；S4、使用SGD优化器对网络参数进行优化；S5、使用训练完的最优模型对测试集进行检测，给出每个目标的预测框、类别和置信度。本发明基于深度学习技术提出了果实生长形态的辨识方法，该方法与Faster‑RCNN、YOLO算法相比，有更高的识别准确率和更快的识别速度，同时模型参数量也更少。
-
公开(公告)号：CN108491835B
公开(公告)日：2021-11-30
申请号：CN201810599295.7
申请日：2018-06-12
Applicant: 常州大学
Abstract: 本发明公开了一种双通道卷积神经网络对人脸面部表情识别的方法，首先针对不同的输入图像进行预处理包括人脸检测、旋转校正、降采样以及数据样本扩充(若输入RGB图像，则将其灰度化以降低计算复杂度)，从而提高人脸检测精度。其次对于样本扩充后的灰度图像，计算对应的LBP图像，从而构成双通道样本集，用于后续的模型训练与测试。然后利用双通道特征提取网络(Binary Channel‑Feature Extraction Network，BC‑FEN)进行人脸图像全局及局部特征的有效提取。最后利用加权融合分类网络(Weighted Merge Classify Network，WMCN)完成人脸图像的特征融合及表情分类，提高了人脸表情识别精度。
-
公开(公告)号：CN112329684A
公开(公告)日：2021-02-05
申请号：CN202011276599.3
申请日：2020-11-16
Applicant: 常州大学
Abstract: 本发明涉及一种基于注视检测和交通场景识别的行人穿越马路意图识别方法，首先通过faster‑RCNN进行行人检测，进一步利用行人的运动信息搜索感兴趣目标，提取感兴趣目标的运动序列和局部交通场景序列；其次通过头部检测器检测感兴趣目标序列中的头部位置，并采用残差卷积神经网络来判断头部朝向，进而检测行人是否注视来车，同时提取头部朝向特征；然后通过卷积神经网络分类器对行人所处的局部交通场景进行多标签分类，并提取局部交通场景特征；最后利用全连接层处理拼接后的头部朝向特征与局部交通场景特征，实行对行人穿越/不穿越结果的识别。本发明使用多任务学习模式，可实现端到端地完成注视/非注视识别、穿越/不穿越识别以及交通场景分类。
-
公开(公告)号：CN109559299A
公开(公告)日：2019-04-02
申请号：CN201811373459.0
申请日：2018-11-19
Applicant: 常州大学
Abstract: 本发明公开了一种双果重叠果实的分离方法，包括：1、图像采集；2、果实图像获取：对采集图像提取R-G色差图像，对其进行阈值分割，再通过一系列形态学运算获取果实图像；3、边缘检测粗化：对果实图像进行边缘检测后再粗化所检测边缘；4、迭代开运算操作：对果实图像进行减增迭代开运算操作直至图像果实二次消失；5、边缘检测细化：对4中图像果实二次消失前邻近开运算操作图像进行边缘检测并细化所检测边缘；6、边缘平滑：对细化后的边缘进行平滑；7、边缘叠加：将平滑后的细化边缘和3中粗化边缘叠加；8、分离线提取：基于叠加边缘信息水平垂直4指向搜索判别提取出双果重叠果实的分离线。本发明为双果重叠果实提供了一种有效的分离方法。
-
Patent Agency Ranking
公开(公告)号：CN108805015A
公开(公告)日：2018-11-13
申请号：CN201810385430.8
申请日：2018-04-26
Applicant: 常州大学
CPC classification number: G06K9/00778 , G06N3/049
Abstract: 本发明公开了一种加权卷积自编码长短期记忆网络(Weighted convolutional autoencoder‑long short‑term memory network,WCAE‑LSTM网络)进行异常检测的方法，致力于学习移动行人的生成模型进行异常检测及定位，以保证公共安全。本发明提出一种新颖的双通道框架，利用WCAE‑LSTM网络分别学习原始数据通道及对应的光流通道的生成模式并对数据进行重构，基于重构误差进行异常检测。此外，针对复杂背景问题，本发明提出采用分块鲁棒主成分分析分解将稀疏前景与低秩背景分离，根据得到的背景信息设计加权欧几里德损失函数，从而抑制背景噪声。本发明设计的WCAE‑LSTM网络不仅能从全局角度检测异常，还能从局部角度粗略地定位异常区域，并通过联合考虑全局‑局部异常分析和光流异常分析的结果，最终实现对异常事件鲁棒、准确地检测。
-
公开(公告)号：CN108745933A
公开(公告)日：2018-11-06
申请号：CN201810536493.9
申请日：2018-05-30
Applicant: 常州大学
Abstract: 本发明公开一种用于平行夹指采摘机器人的果实大小自动分选装置及流程。该装置由机器人末端执行器、收集索道、轨道分选筛、输送带和收纳箱组成。基于采摘机器人直线平行开合型末端执行器在采摘果实的过程中完成果实大小的测量；果实落入收集索道后置入轨道分选筛，再由主控计算机控制沿轨道移动至相应输送带；打开分选筛的底盘，果实落入输送带传递至收纳箱。本发明用于平行夹指采摘机器人，使得采摘机器人在果实采摘过程中同时完成果实大小的分选，从而提升采摘机器人的功能性，并简化后续果实商品化的流程。
-
公开(公告)号：CN107967451A
公开(公告)日：2018-04-27
申请号：CN201711179075.0
申请日：2017-11-23
Applicant: 常州大学
CPC classification number: G06K9/00778 , G06K9/6256 , G06N3/0454 , G06N3/08
Abstract: 本发明公开了一种利用多尺度多任务卷积神经网络对静止图像进行人群计数的方法，首先将逆高斯密度图与原始高斯密度图结合，组成组合密度图；然后对输入图像不重叠采样获得若干图像子块，并基于图像子块及其对应的真实组合密度图训练网络；以相同步幅对输入图像重叠采样，将MMCNN预测得到的每个图像子块的组合密度图叠加，重构完整人群图像的组合密度图，进而实现人群计数。此外，针对人群尺度差异问题，本发明通过一种分尺度损失函数衡量不同尺度网络学习到的特征。同时，本发明提出的网络以多任务的方式同时预测人群组合密度图、密度级别以及前景/背景分类，由此改善组合密度图的估计准确性，从而缓减人群密度不均问题。
-
公开(公告)号：CN119986695A
公开(公告)日：2025-05-13
申请号：CN202510048187.0
申请日：2025-01-13
Applicant: 常州大学
IPC: G01S17/894 , G01S17/93 , G01S17/86 , G01C21/16 , G06T17/05 , G06V20/58 , G06V10/44 , G06V10/25 , G06V10/52 , G06V10/82 , G06N3/0464 , G06N3/0495
Abstract: 本发明涉及移动巡检机器人领域，具体涉及一种基于激光雷达的巡防检测机器人建图导航运动控制方法。包括：实时获取巡防检测机器人运动过程中的IMU数据及通过3D激光雷达扫描得到的3D点云数据；将3D点云数据闭环融合IMU数据和向后推算过程，补偿雷达采样建图，得到3D点云地图；基于3D点云数据实时检测运动过程中遇到的障碍物，并将障碍物更新到基于3D点云地图转换得的的2D地图中；基于更新后的2D地图对巡防检测机器人进行运动避障控制。本发明能够消除机器人运动引起的畸变精准建图，从而很好地实现巡防检测机器人建图导航及运动避障控制。
-
公开(公告)号：CN119618550A
公开(公告)日：2025-03-14
申请号：CN202411701623.1
申请日：2024-11-26
Applicant: 常州大学
IPC: G01M9/06 , G01M9/08 , G01H17/00 , G06F30/28 , G06F17/16 , G06F17/18 , G06F17/14 , G06F113/08 , G06F119/14
Abstract: 本发明涉及风洞流声分离技术领域，尤其涉及一种闭口风洞中的分离声学与相关气动壁压波动方法，包括获取闭口风洞中测量信号的声压，并储在互谱矩阵中；根据闭口风洞内对流速度、相关性的横向衰减度、相关性的纵向衰减度等物理因素，构建闭口风洞的相关气动壁压波动干扰模型；根据低秩性与稀疏性构建相关气动壁压波动干扰模型与概率因子分析的相关气动壁压波动干扰‑声学分离模型；根据稀疏先验信息构造先验模型约束相关气动壁压波动干扰‑声学分离模型；通过期望最大化算法得到参数的最大似然估计，确定闭口风洞内待测部件声学和相关气动壁压波动压力的贡献度。本发明解决现有方法未考虑干扰物理信息，难直接应用于闭口风洞流‑声分离中的问题。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.027 seconds)
