-
公开(公告)号：CN108460401A
公开(公告)日：2018-08-28
申请号：CN201810034600.8
申请日：2018-01-15
Applicant: 北京交通大学
IPC: G06K9/62
Abstract: 本发明公开了非负特征融合方法和基于非负特征融合的模式分类方法，包括以下步骤，获取原始数据的多种非负特征，定义并建立特征矩阵；对特征矩阵进行非负特征分解，得到基础特征和特征融合因子；使用基础特征和特征融合因子进行融合特征重建，得到融合特征；基于融合特征，建立基于正规化F范数误差的融合单特征分类器；使用融合特征Boosting算法对融合特征进行提升，得到融合单特征提升权重矩阵和融合多特征提升权重矩阵；基于提升权重矩阵，建立融合多特征分类器。本发明提出非负特征分解与融合特征重建的两步特征融合方法，为原始数据多种非负特征的融合提供了技术手段，实现多种特征的优势互补，基于融合特征建立的分类器能够得到更高的分类准确率。
-
公开(公告)号：CN105046720B
公开(公告)日：2017-10-31
申请号：CN201510406108.5
申请日：2015-07-10
Applicant: 北京交通大学
Abstract: 本发明公开一种基于人体运动捕捉数据字符串表示的行为分割方法，包括步骤：S1、将人体运动捕捉数据作为多个高维离散的数据点，并分别计算各数据点之间的欧式距离；S2、通过基于各数据点的局部密度和相对距离的聚类方法进行聚类得到各数据点所属的类，并用不同的字符表示不同的类；S3、将字符按照各字符对应的数据的时序重新排序得到字符串，并合并字符串中在时序上相邻的相同字符为字符组，由各字符组构成行为串；S4、根据行为串对人体运动捕捉数据所构成的整体行为进行分割，并提取分割后各单个行为的运动周期。本发明所述技术方案有很好的准确率，且在适用性、有效性和非监督性上都有一定的优越性。
-
公开(公告)号：CN103994768B
公开(公告)日：2017-01-25
申请号：CN201410222902.X
申请日：2014-05-23
Applicant: 北京交通大学
Abstract: 本发明公开了一种动态时变环境下寻求全局时间最优路径的方法及系统；其中方法包括：对环境状态信息的提取；对环境的空间建模；依据环境状态信息对环境进行时间划分，即将时间轴划分为若干个时间间隔，并用时间消耗来表示各时间间隔的环境状态；运用改进的A*算法对环境模型进行搜索以得到全局时间最优路径；通过引入权重达到多尺度路径规划目的。本发明对于室内机器人避障、室外道路交通复杂时变环境的路径寻优都能达到良好的目的，并且能够根据用户的不同需求，在时间代价和距离代价之间进行权衡以制定最佳路线并准确计算行程花费时间。
-
公开(公告)号：CN106127803A
公开(公告)日：2016-11-16
申请号：CN201610436925.X
申请日：2016-06-17
Applicant: 北京交通大学
CPC classification number: G06K9/6223
Abstract: 本发明公开一种人体运动捕捉数据行为分割方法及系统，该方法包括：S1、把人体运动捕捉数据中的各帧数据作为各高维数据点，计算各高维数据点之间的距离及相似性，得到距离矩阵和相似性矩阵；S2、根据各高维数据点的局部密度及距离矩阵对人体运动捕捉数据进行处理，提取人体运动捕捉数据中的行为数以及聚类中心；S3、根据相似性矩阵，构建无向加权图；S4、将对人体运动捕捉数据进行行为分割转变为对无向加权图进行分割，再转变为谱聚类，采用谱聚类方法对人体运动捕捉数据进行聚类，得到人体运动捕捉数据的行为分割片段；S5、对行为分割片段进行优化，得到人体运动捕捉数据的行为分割点。本发明具有较好的鲁棒性、适用性、有效性和准确性。
-
公开(公告)号：CN103994768A
公开(公告)日：2014-08-20
申请号：CN201410222902.X
申请日：2014-05-23
Applicant: 北京交通大学
CPC classification number: G01C21/206 , G01C21/3446
Abstract: 本发明公开了一种动态时变环境下寻求全局时间最优路径的方法。该方法包括：对环境状态信息的提取；对环境的空间建模；依据环境状态信息对环境进行时间划分，即将时间轴划分为若干个时间间隔，并用时间消耗来表示各时间间隔的环境状态；运用改进的A*算法对环境模型进行搜索以得到全局时间最优路径；通过引入权重达到多尺度路径规划目的。本发明对于室内机器人避障、室外道路交通复杂时变环境的路径寻优都能达到良好的目的，并且能够根据用户的不同需求，在时间代价和距离代价之间进行权衡以制定最佳路线并准确计算行程花费时间。
-
Patent Agency Ranking
公开(公告)号：CN101996410A
公开(公告)日：2011-03-30
申请号：CN201010582856.6
申请日：2010-12-07
Applicant: 北京交通大学
IPC: G06T7/20
Abstract: 本发明公开了一种动态背景下的运动目标检测方法及系统。该方法包括低分辨率处理和高分辨率处理，低分辨率下获取运动目标的子区域，高分辨率得到精确的检测结果。本发明可以很好的处理动态背景问题；并且，本发明的高、低分辨率的互补检测过程，相对于混合高斯模型运动目标检测有以下优点：第一，对于背景缓慢或突发局部扰动，低分辨率都可以减少其影响，进而减少互补算法的检测错误，但是直接使用混合高斯模型检测不能处理突发局部扰动，会在背景突然变化时刻造成检测错误。第二，高、低分辨率互补检测对噪声影响具有一定的鲁棒性。
-
公开(公告)号：CN117671737A
公开(公告)日：2024-03-08
申请号：CN202311730224.3
申请日：2023-12-15
Applicant: 北京交通大学
IPC: G06V40/10 , G06V10/26 , G06V10/764 , G06V20/70 , G06V10/82 , G06V10/80 , G06N3/042 , G06N3/0455 , G06N3/08
Abstract: 本申请公开了一种人体图像解析方法、系统、电子设备及存储介质，涉及计算器视觉技术领域，包括接收原始图像，获取原始图像的初始像素点，采用超像素算法基于初始像素点构建图邻接矩阵；获取原始图像的高级语义特征，将提取得到的高级语义特征作为像素点的初始图节点特征，结合初始图节点特征和图邻接矩阵形成无向图，采用图神经网络对无向图进行特征传播并获取优化后图节点特征；将优化后图节点特征与初始图节点特征进行矩阵变换及拼接得到最终融合特征，解码最终融合特征得到解析结果，本申请通过利用先验结构知识指导特征传播，实现高级语义特征优化，获取更丰富有效的特征，从而提高弱监督细粒度人体解析的准确性。
-
公开(公告)号：CN111508000B
公开(公告)日：2024-02-09
申请号：CN202010290926.4
申请日：2020-04-14
Applicant: 北京交通大学
Abstract: 本发明提供了一种基于参数空间噪声网络的深度强化学习目标跟踪方法。该方法包括：构建基于深度强化学习的目标跟踪模型，设计基于参数空间噪声线性层的网络损失函数，通过目标跟踪模型对目标进行视频序列中的逐帧跟踪，输出跟踪得到的当前帧的目标位置；通过贪心算法选择最优的模型更新模式，根据最优的模型更新模式利用网络损失函数对当前的目标跟踪模型进行参数更新；基于当前帧的目标位置通过更新后的目标跟踪模型进行下一帧的目标跟踪，重复执行上述处理过程，直至完成全部帧的目标跟踪，输出目标在视频序列中完整的位置信息。本发明的方法运算速度更快，具有更好的可迁移性和鲁棒性，在复杂场景下都能够达到更高效、鲁
-
公开(公告)号：CN117290478A
公开(公告)日：2023-12-26
申请号：CN202311215605.8
申请日：2023-09-20
Applicant: 中车信息技术有限公司 , 北京交通大学
IPC: G06F16/332 , G06F16/33 , G06F16/35 , G06F16/36 , G06F18/2321 , G06N3/0455 , G06N3/08 , G06F18/24
Abstract: 本申请涉及一种知识图谱问答方法、装置、设备和存储介质。主要技术方案包括：获取用户输入的询问信息，其中，询问信息包括询问语句，解析询问语句，得到主题查询图，根据主题查询图和预设知识图谱，生成询问语句的结果候选图，计算主题查询图和结果候选图的相似值，根据相似值最大的结果候选图，生成答复信息。主题查询图包含了更丰富的结构特征表示和询问语句的主题信息，避免询问语句的主题信息丢失，通过主题查询图和结果候选图的匹配准确地回应多跳、聚合等复杂问句的答案。
-
公开(公告)号：CN116612492A
公开(公告)日：2023-08-18
申请号：CN202310373231.6
申请日：2023-04-10
Applicant: 北京交通大学
IPC: G06V40/10 , G06V10/44 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 本申请公开了一种基于层次语义图神经网络的弱监督人体解析方法及系统，涉及图像处理的领域，在原始图像上设置人体目标框和初始标注语义像素点；将人体目标框和初始标注语义像素点作为弱监督信息，并联合区域语义化无监督图像分割生成初始像素级伪标签；基于人体解析初步预测结果筛选初始像素级伪标签，生成高置信度伪标签；构建初始稠密图，联合初始稠密图和动态图池化生成动态层次语义图，解码生成层次化人体解析结果。本申请利用无监督图像分割和少量标注的语义像素点，初步获取人体解析伪标签，极大减轻标注成本，所提层次语义图神经网络能够在含有噪声的伪标签监督训练下，提取准确的人体语义结构特征，生成高性能人体解析模型。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.021 seconds)
