-
公开(公告)号：CN104052824B
公开(公告)日：2017-06-23
申请号：CN201410317772.8
申请日：2014-07-04
Applicant: 哈尔滨工业大学深圳研究生院
IPC: H04L29/08
Abstract: 本发明提供了一种分布式缓存方法及系统，该分布式缓存方法包括HDFS数据获取步骤：通过HDFS的API把HDFS上存储的文件内容读取出来加载到共享内存当中；共享内存管理步骤：用于连接客户端动态缓存库和服务器端缓存服务单元；交互控制步骤：用于完成同一个主机的交互工作，用于与ZooKeeper服务器完成远程交互，用于计算想要获得的文件并且定位到缓存。本发明的有益效果是本发明的分布式缓存方法及系统通过对HDFS上的文件进行缓存，在进行文件读取的过程，直接读取缓存中的文件，这样就会极大的降低文件读取的时间，从而提高实时云服务的吞吐量和降低云服务的响应时间。
-
公开(公告)号：CN103365729A
公开(公告)日：2013-10-23
申请号：CN201310306360.X
申请日：2013-07-19
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06F9/50
Abstract: 本发明提供了一种基于任务类型的动态MapReduce调度方法及系统，该基于任务类型的动态MapReduce调度方法包括如下步骤：A.进入等待队列，B.工作任务分类，C.工作任务迁移,D.工作任务调度，CPU密集型队列和I/O密集型队列分别独立调度，将工作任务调度到工作结点集群，执行任务。本发明的有益效果是本发明基于任务类型的动态MapReduce调度方法，通过对工作任务类型预测，然后为不同类型任务分别设置队列，各队列独立调度。本发明基于任务类型的动态MapReduce调度方法，提高不同类型任务环境下集群的吞吐量。
-
公开(公告)号：CN112446845B
公开(公告)日：2024-12-10
申请号：CN202011368165.6
申请日：2020-11-27
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
IPC: G06T5/50
Abstract: 本发明公开一种地图构建方法，应用于包括N个相机的SLAM系统，所述方法包括以下步骤：通过所述N个相机获取目标地区的目标图像，N为大于等于2的正整数；根据所述目标图像，获得融合帧，所述N个相机同一时刻的目标图像对应一个融合帧；判断所述融合帧是否满足第一预设条件；在所述融合帧满足所述第一预设条件时，将所述融合帧添加到关键帧队列；利用所述关键帧队列，构建目标区域的地图。本发明还公开了一种地图构建装置、SLAM系统以及存储介质。利用本发明构建目标区域的地图时，数据处理量较少，建图效率较高。
-
公开(公告)号：CN112446431B
公开(公告)日：2024-08-27
申请号：CN202011368267.8
申请日：2020-11-27
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
IPC: G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06V10/80
Abstract: 本发明公开了一种特征点提取与匹配方法，该方法包括：将图像输入特征及其权重参数进行二值化处理，并对二值化后的数据进行计算以提取特征点；通过卷积网络获取输入图像的多个层次的、分辨率依次降低的特征图像，将所述多个层次的、分辨率依次降低的特征图像进行多尺度融合，以对特征点进行定位；将进行定位后在空间中相邻的特征点的数据进行哈希运算，建立二进制化的哈希表；当进行匹配时，计算查询数据与所述哈希表中数据的匹配度，返回所述哈希表中匹配度最高的数据。解决了特征点提取方法存储匹配速度慢、精度不高等问题。使得特征点提取、匹配速度以及特征点定位精度都达到了很大的提升。
-
公开(公告)号：CN112561969B
公开(公告)日：2023-07-25
申请号：CN202011564796.5
申请日：2020-12-25
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种基于无监督光流网络的移动机器人红外目标跟踪方法及系统，该移动机器人红外目标跟踪方法用一个无监督的可端到端训练的光流网络提取前一帧的光流信息并使用这个光流信息对之前数帧的特征图进行对齐。通过空间和时间上的注意机制融合前几帧特征得到目标的特征图，最后根据这个特征图和要预测帧的特征图使用相关滤波器得到跟踪结果。本发明的有益效果是：本发明使用无监督的可端到端训练的光流网络，提取光流特征将之前数帧的特征进行融合，提升了跟踪效果。尤其是移动机器人跟踪过程中经常出现快速移动的目标，利用该发明可以有效跟踪这类目标。
-
Patent Agency Ranking
公开(公告)号：CN108805909B
公开(公告)日：2022-02-11
申请号：CN201810400252.1
申请日：2018-04-28
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G06T7/262
Abstract: 本发明提供了一种在相关滤波框架下基于粒子滤波重检测的目标跟踪方法，包括以下步骤：S1、计算响应图，采用相关滤波框架进行初步的跟踪测试，通过相关滤波跟踪器给出目标区域的响应图；S2、决策函数判别，通过决策函数对相关滤波跟踪器给出的目标区域的响应图的可信程度进行判别，并给出响应图是否可信的结果；S3、目标跟踪定位。本发明的有益效果是：使用相关滤波跟踪框架给出响应图，结合决策函数判别响应图是否可信，如果响应图可信，则采用相关滤波跟踪器给出目标位置，反之采用粒子滤波重检测策略重新检测目标的位置信息，从而提升跟踪器的跟踪效率。
-
公开(公告)号：CN108710834B
公开(公告)日：2022-01-14
申请号：CN201810400230.5
申请日：2018-04-28
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提供了一种滤波区域的相关滤波目标跟踪方法，包括以下步骤：S1、训练阶段，将滤波区域图嵌入到标准相关滤波建模中，过滤训练样本中的干扰区域，从而学到滤波器；S2、预测阶段，将上一帧中学到的滤波器作用到当前帧的搜索区域，得到目标的位置。本发明的有益效果是：为了适应目标较大步长的运动，同时利用更多的训练样本，采用较大的搜索区域，经过过滤训练样本中的干扰区域后，跟踪算法在遮挡、目标形变、光照变化等条件下的跟踪效果有明显增强，提高了跟踪算法的性能。
-
公开(公告)号：CN112598739A
公开(公告)日：2021-04-02
申请号：CN202011564825.8
申请日：2020-12-25
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种基于时空特征聚合网络的移动机器人红外目标跟踪方法、系统及存储介质，目标跟踪方法包括：根据跟踪视频第一帧给定的目标大小和位置获取目标模板帧；将目标模板帧送入孪生网络的模板分支提取目标模板特征；将当前搜索帧和历史帧送入孪生网络的搜索分支提取特征；根据孪生网络模板分支和搜索分支提取的特征计算响应图，确定目标在下一帧中的位置。本发明的有益效果是：本发明针对红外目标跟踪中物体特征提取，在提取语义与空间结构特征的基础上，将物体的运动信息网络化，融合多帧信息加强表观模型的判别能力，并结合已有的空间感知网络形成了一个端到端的时空特征聚合孪生网络，更好地区分相似物干扰，提高跟踪的准确性和鲁棒性。
-
公开(公告)号：CN112183217A
公开(公告)日：2021-01-05
申请号：CN202010914531.7
申请日：2020-09-02
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种手势识别方法，所述方法包括以下步骤：获取待识别手势的深度图序列；基于所述深度图序列，获取所述深度图序列的关键帧序列；将所述关键帧序列输入预先训练的手势识别模型，以获得所述待识别手势的第一语义序列；基于所述第一语义序列，获得所述待识别手势的语义结果。本发明还公开了基于手势识别的交互方法与混合现实眼镜。采用本发明提供的方法旨在解决现有的基于深度学习的手势识别算法受到深度图的预设算法的误差限制精度低的技术问题。
-
公开(公告)号：CN109697727A
公开(公告)日：2019-04-30
申请号：CN201811425898.1
申请日：2018-11-27
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种基于相关滤波和度量学习的目标跟踪方法、系统及存储介质，该目标跟踪方法包括：步骤S1：在跟踪视频的第一帧获取目标的大小和位置；步骤S2：根据得到的目标信息获取目标特征和与目标相似的负样本并训练相关滤波的模板；步骤S3：通过训练得到的模板预测目标的位置，并根据响应图得到此次预测的置信度来判断是否使用度量学习网络来精确定位目标。本发明的有益效果是：本发明针对目标追踪视频的特点，先使用相关滤波模型来对当前帧进行预测，找出和目标相近的候选区域；针对这些候选区域，使用深度网络来判断其与目标的相似度；对目标追踪来说，其是对相关滤波模型的优化，加入了度量学习算法，提出了使用度量学习来优化相关滤波结果的方法；从而能准确、实时地追踪目标。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.029 seconds)
