-
公开(公告)号：CN102519396B
公开(公告)日：2014-11-05
申请号：CN201110431096.3
申请日：2011-12-21
Applicant: 哈尔滨理工大学
IPC: G01B11/25
Abstract: 本发明提供了一种三个灰度对称线性编码周期的采样点三维信息获取方法，步骤为：选择编码周期，制备9幅由3个编码周期不同的灰度线性对称相移光栅；将光栅投射到被测物体表面，利用条纹图像获取装置，获得9幅条纹图像；计算得到采样点在此编码周期内对应于编码图案的相对编码点，得到采样点在该频率内的余数方程，联立余数方程，得到采样点在3个不同编码周期内的同余方程组，采用大衍求一术确定同余方程组的乘率，进而得到方程组的解；确定采样点的投影角，根据三角原理确定采样点的三维信息。本发明方法克服了传统双频相移三维测量中，误差大，测量范围受限，误差累计及传递的缺点。该方法是一种具有非接触，高采样密度，高精度的三维测量技术。
-
公开(公告)号：CN102494637B
公开(公告)日：2014-06-11
申请号：CN201110431370.7
申请日：2011-12-21
Applicant: 哈尔滨理工大学
IPC: G01B11/25
Abstract: 本发明提供了一种三个编码周期的三基色梯形相移三维信息获取方法，通过选择三个基色空间中不同的编码周期，在保留相位编码方法对投影角连续划分的优点同时，对相位编码法的测量范围拓展了第三个编码周期倍，对同一个基色空间，投射三幅移动1/3周期的编码图案，可以提高抗干扰能力，同时减少了环境光照和被测物表面反射系数不一致对三维信息获取结果的影响。本发明能够提高相移编码结构光测量范围，减小测量误差，提高测量精度，克服被测物表面反射率不一致和环境光对测量影响。
-
公开(公告)号：CN103473934A
公开(公告)日：2013-12-25
申请号：CN201310458440.7
申请日：2013-10-02
Applicant: 哈尔滨理工大学
Abstract: 基于视觉的海关物流车辆检测装置及检测方法。随着中国入世和世界经济一体化进程的加快，现代物流产业的发展已经成为全球产业结构调整的一大趋势，现代物流发展的水平越来越成为体现一个国家和地中心综合竞争力的重要标志。目前的海关物流车辆在检测的过程中影响通关效率、容易增加企业负担、增加海关工作量，查验的准确性不高。本发明的组成包括：前端采集系统（1），所述的前端采集系统与智能卡口系统（2）连接，所述的智能卡口系统分别与WEB客户端计算机（3）、海关物流监控平台（4）连接。本发明用于现代物流行业。
-
公开(公告)号：CN103473763A
公开(公告)日：2013-12-25
申请号：CN201310387973.0
申请日：2013-08-31
Applicant: 哈尔滨理工大学
Abstract: 本发明涉及一种基于启发式概率Hough变换的道路边缘检测方法。Otsu方法作为一种自适应阈值搜索方法，对于复杂环境下的非结构化道路区域分割具有很好的鲁棒性。然而，Otsu方法本身只能获得道路区域和非道路区域的大致分割结果，而无法获得精确的道路边界。本发明方法包括如下步骤：在双阈值检测阶段，将彼此连通的边缘像素进行统一编号，从而形成Canny边缘的若干子集；对每一个边缘点子集首先利用最小二乘法进行直线拟合，求出该点集的轴线。本发明用于道路边缘检测。
-
公开(公告)号：CN101834717B
公开(公告)日：2013-06-12
申请号：CN201010152456.1
申请日：2010-04-22
Applicant: 哈尔滨理工大学
IPC: H04L9/00
Abstract: 本发明公开了一种可扩展精度Logistic混沌序列的并行计算方法，其步骤为：(1)初始参数x0、μ整数量化保存到一维数组中，设定要求达到的精度或者指定迭代的次数；(2)并行计算算法第一部分：x＝x×(1-x)，利用矩阵保存计算中间结果，修改动态数组的长度，保存计算结果在动态数组中；(3)并行计算算法第二部分：x＝μ×x，保存计算结果在动态数组中；(4)如果精度或者迭代次数达到要求的值，动态数组中即为得到混沌序列，计算结束；否则，转到(2)。本发明充分利用了混沌系统的特性，提供更加扩大的映射空间的混沌序列。可用于保密通信、信息安全等领域，特别适合于图形图像、多媒体等信息的加密存储和网络传输。
-
Patent Agency Ranking
公开(公告)号：CN118486330B
公开(公告)日：2024-11-05
申请号：CN202410582116.4
申请日：2024-05-11
Applicant: 哈尔滨理工大学
Abstract: 一种基于关联特征判别性融合网络的伪造语音检测方法及系统，属于语音处理及生物识别技术领域。本发明首先对语音进行预处理并CQT特征，将其作为双向注意力网络和SCG‑Res2Net50这个两个平行网络的输入，在训练阶段通过关联特征判别性融合方法进行网络参数初始化，将初始化投影矩阵参数与原特征相乘得出转换后的新特征，再将两个特征拼接，然后将此拼接后的特征输入全连接层分类，得到训练好的网络模型，用于作为真实语音与欺诈语音的分类器，根据全连接层输出中的两个数值相减的结果进行真实语音与伪造语音的分类。
-
公开(公告)号：CN118824234A
公开(公告)日：2024-10-22
申请号：CN202410793099.9
申请日：2024-06-19
Applicant: 哈尔滨理工大学
IPC: G10L15/06 , G06N3/0464 , G06N3/08 , G10L15/16
Abstract: 基于优化三元组损失的语种识别模型训练方法及识别方法、系统，属于语音处理和生物识别技术领域。为了解决利用现有的训练方式对语种识别模型进行训练时存在损失函数针对语种识别的数据训练有效性不高的问题，本发明针对识别模型进行训练时，采用三元组损失函数并对其进行改进，在损失增加了对正负样本距离的计算，能够有效提高训练效果；此外本发明在计算改进的三元组损时，采用改进的困难选择策略选择样本，改进的困难选择策略：在选取正样本时，选择离锚点距离最远的正样本；选择负样本时，用随机选择的方式。
-
公开(公告)号：CN115910073B
公开(公告)日：2024-09-20
申请号：CN202211186472.1
申请日：2022-09-27
Applicant: 哈尔滨理工大学
IPC: G10L17/18 , G10L17/02 , G10L17/04 , G10L17/22 , G06N3/044 , G06N3/045 , G06N3/048 , G06N3/08 , G06N3/084
Abstract: 本发明提出了一种基于双向注意力残差网络的语音欺诈检测方法，能够有效提升欺诈语音检测系统的识别性能，防止欺诈语音通过自动说话人验证系统(ASV)。在训练过程中，本发明首先对语音进行预处理，并提取常数Q变换(CQT)特征矩阵，将其作为残差网络(ResNet)的输入，利用ResNet提取浅层特征，然后将此特征输入双向注意力网络，以区分特征中不同维度的重要程度，从而得到区分性更强的特征表示。在测试阶段，利用训练好的网络模型作为真实语音与欺诈语音的分类器，对语音进行打分，根据打分结果对真实语音与欺诈语音进行分类。实验结果表明，本发明方法能够明显提升欺诈检测系统的性能，保护ASV系统免受不法用户的侵害。本发明可应用在语音处理和生物识别领域。
-
公开(公告)号：CN118486330A
公开(公告)日：2024-08-13
申请号：CN202410582116.4
申请日：2024-05-11
Applicant: 哈尔滨理工大学
Abstract: 一种基于关联特征判别性融合网络的伪造语音检测方法及系统，属于语音处理及生物识别技术领域。本发明首先对语音进行预处理并CQT特征，将其作为双向注意力网络和SCG‑Res2Net50这个两个平行网络的输入，在训练阶段通过关联特征判别性融合方法进行网络参数初始化，将初始化投影矩阵参数与原特征相乘得出转换后的新特征，再将两个特征拼接，然后将此拼接后的特征输入全连接层分类，得到训练好的网络模型，用于作为真实语音与欺诈语音的分类器，根据全连接层输出中的两个数值相减的结果进行真实语音与伪造语音的分类。
-
公开(公告)号：CN115762473B
公开(公告)日：2024-08-09
申请号：CN202211186809.9
申请日：2022-09-27
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于概率有监督总变化空间学习的语种识别方法，解决了传统i‑vector语种识别系统先验信息利用不充分的问题。在训练阶段，利用开发集移位差分倒谱(SDC)特征训练通用背景模型(UBM)，再将数据集中每段语音的SDC特征作为输入，在UBM上进行自适应得到每段语音的GMM均值超矢量；然后将开发集均值超矢量和类别标签作为模型输入，建立基于概率有监督总变化空间学习的语种识别模型。在识别阶段，分别得到开发集、注册集、测试集中全部语音在概率有监督总变化空间上的i‑vector特征，然后利用线性判别分析(LDA)进行降维，最后利用概率线性判别分析(PLDA)分类器进行评分。该方法能够充分利用先验信息，以此提高系统性能。本发明可以应用于语种识别领域。
-
-
-
-
-
-
-
-
-
Search Results
96
records
(took 0.02 seconds)
