-
公开(公告)号：CN108632613B
公开(公告)日：2020-10-16
申请号：CN201810488010.2
申请日：2018-05-21
Applicant: 南京邮电大学
IPC: H04N19/13 , H04N19/132 , H04N19/30 , H04N19/61
Abstract: 本发明提供一种基于DISCOVER框架的分级分布式视频编码方法及系统，将分级视频编码引入DISCOVER分布式视频编码框架中，实现分布式视频编解码中的分级传输，包括基本层编码框架与增强层编码框架，两部分框架由熵计算器模块与控制模块连接，编码框架自行控制传输的视频分辨率；当熵计算器模块计算视频帧信息量较小即视频图像熵不超过视频背景图像熵的设定比例值时，编码端只进行基本层编码，解码端只进行基本层；当熵计算器模块计算视频帧信息量较大即视频图像熵超过视频背景图像熵的设定比例值时，熵计算器激活增强层信息编码，解码端激活增强层信息解码。该种基于DISCOVER框架的分级分布式视频编码方法，能够提高视频编码效率，最终实现降低传感器节点能耗的目的。
-
公开(公告)号：CN110569815A
公开(公告)日：2019-12-13
申请号：CN201910863738.3
申请日：2019-09-12
Applicant: 南京邮电大学
Abstract: 针对低质量的指静脉图像，提出了基于改进灰度不均匀矫正的指静脉图像特征提取算法。该算法首先利用Gabor滤波调整图像整体亮度，再利用模糊C均值算法（Fuzzy C-means Clustering,FCM）聚类算法找出图像特征与背景的模糊区域，接着利用特征与背景像素的本质差异对模糊区域进行逐像素处理，然后利用滤波估计图像偏场并去除，再以计算连通域面积的方式，找出并去除部分噪声，最后根据处理后图像中的像素布局信息，获取到原图中的特征信息。本算法实现了针对手指特征与背景模糊情况下的指静脉图像的灰度不均匀矫正，具有较强的鲁棒性。
-
公开(公告)号：CN108632613A
公开(公告)日：2018-10-09
申请号：CN201810488010.2
申请日：2018-05-21
Applicant: 南京邮电大学
IPC: H04N19/13 , H04N19/132 , H04N19/30 , H04N19/61
Abstract: 本发明提供一种基于DISCOVER框架的分级分布式视频编码方法及系统，将分级视频编码引入DISCOVER分布式视频编码框架中，实现分布式视频编解码中的分级传输，包括基本层编码框架与增强层编码框架，两部分框架由熵计算器模块与控制模块连接，编码框架自行控制传输的视频分辨率；当熵计算器模块计算视频帧信息量较小即视频图像熵不超过视频背景图像熵的设定比例值时，编码端只进行基本层编码，解码端只进行基本层；当熵计算器模块计算视频帧信息量较大即视频图像熵超过视频背景图像熵的设定比例值时，熵计算器激活增强层信息编码，解码端激活增强层信息解码。该种基于DISCOVER框架的分级分布式视频编码方法，能够提高视频编码效率，最终实现降低传感器节点能耗的目的。
-
公开(公告)号：CN108334875A
公开(公告)日：2018-07-27
申请号：CN201810383911.5
申请日：2018-04-26
Applicant: 南京邮电大学
Abstract: 本发明提出基于自适应多阈值的静脉特征提取方法，从功能性上可以分为以下四个部分：提取谷形区域、第一次阈值分割、第二次自适应阈值分割和二值化处理。本发明能提高整个系统的识别精确度；能够有效地解决单一阈值无法充分提取出静脉特征信息的问题，并通过自适应地调整图像中各个部分的阈值，能够最大程度地从图像上下两端模糊部分中提取出静脉特征信息；本发明根据静脉特征呈谷形的特点，设计谷形检测算子来检测静脉特征，先进行一次粗分割把图像划分为目标、背景和模糊部分3个区域，然后对每个区域分别设置自适应阈值做不同的提取处理，以达到对低质量图像静脉特征准确提取的目的。
-
公开(公告)号：CN107958027A
公开(公告)日：2018-04-24
申请号：CN201711137338.1
申请日：2017-11-16
Applicant: 南京邮电大学
IPC: G06F17/30
CPC classification number: G06F17/30303 , G06F17/30539
Abstract: 本发明公开了一种具有QoS保障的传感网数据获取方法。将传感网数据放入内存缓冲区，并分割成若干个小数据块；以并行方式完成的算法块，最后整合算法结果。将分块填充完成的数据合并成完整的传感网数据，将完整的传感网数据存放到数据中心的数据库，最后用户从数据中心的数据库获取所需的传感网数据。本发明将原数据分块后进行并行填充、将改进的马氏距离填充算法分成若干个独立的小算法块进行并行计算以及将并行填充完整的传感器网络数据合并进行存储，提高了不完全数据填充速度，大大减少了算法运行时间；而且通过采用基于数据填充均方误差RMS的权值优化参数，使得距离最大的对象其对缺失对象的影响因子达到最小，提高了算法填充精度。
-
Patent Agency Ranking
公开(公告)号：CN107239738A
公开(公告)日：2017-10-10
申请号：CN201710310226.5
申请日：2017-05-05
Applicant: 南京邮电大学
CPC classification number: G06K9/00885 , A61B3/113 , A61B5/024 , A61B5/165 , A61B5/72 , G06F17/18 , G06K2009/00939
Abstract: 本发明公开了一种融合眼动技术与心率检测技术的情感分析方法，包括：步骤一：初步筛选出心率指标和眼动指标；步骤二：对用户产品体验过程中的相关心率和眼动指标数据进行记录，填写一份PAD情感调查问卷；步骤三：对所有初步筛选的心率和眼动指标数据进行方差齐性检测，进行筛选；步骤四：采用单因素方差分析法分别对心率和眼动指标数据进行分析，挑选得到与情感变化相关的最佳数据指标；步骤五：采用偏最小二乘回归分析法将得到的最佳心率和眼动指标与PAD情感值建立对应的数学关系模型；步骤六：根据PAD的情感值判断用户的情感状态。本发明融合两种不同的情感测量指标，这两种指标在情感识别过程中可以优势互补，能够有效识别不同的情感状态。
-
公开(公告)号：CN119399524A
公开(公告)日：2025-02-07
申请号：CN202411460285.7
申请日：2024-10-18
Applicant: 南京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V40/18 , G16H30/20 , G16H50/20 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种面向小样本的糖尿病视网膜病变的分类方法及系统，属于图像处理和医学领域，其中，分类方法由基于轻量级RexNet通道优化的预训练阶段，眼底图像数据预处理阶段，数据增强阶段，基于迁移学习的模型微调训练阶段，系统实现阶段组成；本发明解决了医学图像数据样本少和患者隐私问题，打破基层社区DR诊断能力不足的壁垒。同时结合迁移学习，在ImageNet进行预训练，得到预训练模型。对数据进行增强，提高糖尿病视网膜病变分类检测系统的准确度，降低计算成本，辅助基层社区针对糖尿病视网膜病变临床诊断，进行糖尿病视网膜病的预防筛查诊断。
-
公开(公告)号：CN113837306B
公开(公告)日：2024-04-12
申请号：CN202111153566.4
申请日：2021-09-29
Applicant: 南京邮电大学
IPC: G06V20/52 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 一种基于人体关键点时空图模型的异常行为检测方法，首先对视频集合进行预处理，得到视频序列，然后预处理得到人体关键点坐标。其次，一旦人体关键点坐标被确定，依照人体骨架自然连接，多帧累积之后得到一段时间内人体的关键点时空图模型。然后利用神经网络，通过空间卷积模块和时间卷积模块的交替工作，提取行为特征，描述行为模式。最后使用自动编码器网络，利用其难以对异常数据进行编码再重构的性质，通过对比重构误差，进行异常检测。本方法数据量小，计算成本低，并且训练过程不需要人工标注的数据，大大提高了异常检测的适用性。
-
公开(公告)号：CN113837131B
公开(公告)日：2024-04-05
申请号：CN202111150695.8
申请日：2021-09-29
Applicant: 南京邮电大学
IPC: G06V40/20 , G06V10/44 , G06V10/80 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 一种基于FMCW毫米波雷达的多尺度特征融合手势识别方法，采用密度聚类算法对雷达目标的点迹进行处理，有效剔除异常点和无效点，抑制了杂波和噪声，利于提取手势运动特征；采用了信号截取和密度聚类算法的处理，大大减少了数据运算，便于集成在能耗低、体积小的高速处理芯片上；对处理过的距离‑角度图以及距离‑多普勒图进行多尺度变换，提取手掌和手指特征，兼顾手掌整体动作识别的同时，还关注手指的细微动作。融合距离、角度、速度手势运动信息，一定程度上提高了手势识别的准确度和精度。
-
公开(公告)号：CN117437693A
公开(公告)日：2024-01-23
申请号：CN202311448163.1
申请日：2023-11-02
Applicant: 南京邮电大学
IPC: G06V40/20 , G06V10/80 , G06V10/62 , G06V10/52 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/82 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/048
Abstract: 基于点云时空特征的毫米波雷达步态识别方法，聚合不同空间局部域步态特征，并通过时间卷积网络提取步态时序特征，细化了步态特征提取粒度。引入点云空间对齐与特征数据标准化以及高度修正因子等策略对点云进行预处理，消除因点云空间位置偏移，速度与能量强度奇异值对识别结果产生的较大干扰。鉴于常见的点云域划分算法即最远点采样算法较高的计算代价及局限性，提出非重叠体素降采样算法改进了降采样时间复杂度，通过步态模式聚合层聚合各个局部域步态特征，使系统提取到更有效的步态空间特征，有效提高了系统步态识别准确率。引入标签平滑处理，提高了模型泛化性能，对于一些噪声或错误标注的数据也具有了一定的容错性。
-
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.032 seconds)
