-
公开(公告)号：CN119418071A
公开(公告)日：2025-02-11
申请号：CN202411545743.7
申请日：2024-11-01
Applicant: 南京邮电大学
IPC: G06V10/46 , G06V10/42 , G06V10/44 , G06N3/0464 , G06N3/0499 , G06N3/045 , G06N3/0455 , G06V10/764
Abstract: 本发明属于雷达点云识别处理技术领域，公开了一种基于毫米波雷达的人体点云解析方法，该方法将从人身上捕获的雷达点云作为输入，识别出与点云中的每个点对应的身体部，为点云进行分组、解析，将毫米波雷达采集到的点云数据首先传入多层感知机中以进行特征抽取，随后特征通过编码模块进行学习，随后采用对称的解码器结构，将局部特征解码为预测的人体解析信息，训练完毕后保存模型并用来进行人体点云的解析以及后续的姿态估计任务。本发明提高在稀疏点云下模型的点云解析任务准确度，提升系统的鲁棒性；降低网络结构复杂度，降低网络训练开销，提高了运算效率，在较少训练轮次的情况下可大幅提高人体解析的精度。
-
公开(公告)号：CN114004257B
公开(公告)日：2024-11-22
申请号：CN202111289093.0
申请日：2021-11-02
Applicant: 南京邮电大学
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/08 , G06F3/01
Abstract: 基于轻量级卷积神经网络的肌电手势识别方法，提取传统方法中广泛使用的时域特征，与原始肌电数据进行了结合，多角度地表征了肌电信号，可以在一定程度上提高手势识别的准确率；通过标签平滑、Leaky Relu激活函数的替换等一系列操作，提高了网络的泛化能力、拟合能力，可以进一步提高手势识别的精度；以轻量级网络为基础，使用深度可分离卷积代替传统的卷积，在不降低识别精度的同时，可以减少参数量、计算量，缩短训练时间，更加适合移动设备等应用场景；借鉴跨阶段局部网络的思想，采用局部过渡层，设计简化的融合策略，改进了骨干网络模型，可以实现进一步的轻量化。
-
公开(公告)号：CN114913610B
公开(公告)日：2024-11-15
申请号：CN202210671731.3
申请日：2022-06-15
Applicant: 南京邮电大学
IPC: G06V40/70 , G06V10/25 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 一种基于指纹和指静脉的多模态识别方法，将采集到的指纹、指静脉图片，分别作为网络的独立输入，用于特征提取和分析；分别从通道与空间的维度，通过注意力机制，分析指纹与对应的指静脉之间的相关性，融合指纹与指静脉特征；使用Softmax函数，确定最终的生物特征识别结果。本方法预处理操作简单，只需要提取指纹、指静脉的ROI即可，可以最大限度地保存图像中的细节特征，减少额外的计算机资源消耗；相比于现有使用单一生物模态的生物特征识别方法，本发明提出融合指纹、指静脉图像，可显著增加生物特征的判别性特征，通过挖掘不同生物特征之间的互补性信息，提高生物特征识别系统的准确率。
-
公开(公告)号：CN114897340B
公开(公告)日：2024-06-28
申请号：CN202210485710.2
申请日：2022-05-06
Applicant: 南京邮电大学
IPC: G06Q10/0639 , G06F8/30
Abstract: 本发明是一种基于GitLab的小规模团队软件开发者工作量度量方法，包括：步骤1：基于GitLab收集开发团队的软件源代码及开发过程数据；步骤2：扫描步骤1中commit提交数据及软件源代码，初步提取可直接测量指标；步骤3：根据步骤2获取到的可直接测量指标，计算不可直接测量指标；步骤4：根据步骤2和步骤3计算的指标建立数据表并计算开发者在每一项指标的得分，并计算最终加权得分，即为开发者工作量。本发明提出的方法从软件规模、源代码质量和协作开发中的工作量三个方面衡量团队中每个开发成员的工作量，同时使用提交类别中的合并指标衡量团队组长承担的额外工作量。
-
公开(公告)号：CN117456564A
公开(公告)日：2024-01-26
申请号：CN202311413909.5
申请日：2023-10-30
Applicant: 南京邮电大学
IPC: G06V40/12 , G06V10/774 , G06V10/82 , G06V10/80 , G06T7/00
Abstract: 本发明属于指静脉识别技术领域，公开了一种基于深度学习的指静脉图像质量评估方法，该方法包括：步骤1、输入待评估的批量指静脉数据图像，作为待评估数据集；步骤2、构建网络模型；步骤3、使用步骤1中的待评估数据集对步骤2搭建的网络模型进行训练，并保存最佳性能的网络模型参数；步骤4、将待评估数据集输入至保存好的最佳性能的网络模型中，获得相应的特征向量；步骤5、获取质量分数，删除得分低的图像，留下质量高的图像。本发明引入深度学习算法来挖掘指静脉图像的深层信息，综合图像的全局特征与局部特征来评估图像质量，以提高质量评估的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116052279A
公开(公告)日：2023-05-02
申请号：CN202310056929.5
申请日：2023-01-18
Applicant: 南京邮电大学
IPC: G06V40/20 , G06V10/42 , G06V10/62 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 基于毫米波雷达的步态识别方法，通过毫米波雷达点云数据进行步态识别，应用时不会受雨、雪、雾、夜晚等因素的影响，而且不会侵犯用户的隐私；设计5D‑PointNet，将人体步态点云的速度和信噪比这两个属性也考虑了进去，可以使网络提取的步态点云特征更加丰富，识别的效果会更好；引入因果扩展卷积模块从已提取的特征信息中提取时序信息，可进一步提升识别准确率。
-
公开(公告)号：CN115792884A
公开(公告)日：2023-03-14
申请号：CN202211096668.1
申请日：2022-09-08
Applicant: 南京邮电大学
Abstract: 一种基于FMCW雷达的人员检测系统及方法，此人员检测系统装置包括雷达收发射频前端模块，信号处理模块，识别模块和终端显示界面。雷达收发射频前端模块的输出信号输入至信号处理模块，信号处理模块的输出信号传输至识别模块，识别模块的输出端与终端显示界面相连；此人员检测方法包括步骤：1)获取各个雷达天线接收到的目标回波信号；目标回波信号由多个接收天线接收到的脉冲返回信号组成；最终作为射频前端的输出输入至信号处理模块；2)信号处理模块对信号进行滤波、快速傅里叶变换处理后传输到识别模块；3)识别模块实现人员的智能定位后将结果传输给终端显示界面进行显示。本发明具有整体系统架构简洁、可移植性高、处理速度快等优点。
-
公开(公告)号：CN115359562A
公开(公告)日：2022-11-18
申请号：CN202211007786.0
申请日：2022-08-22
Applicant: 南京邮电大学
IPC: G06V40/20 , G06V10/25 , G06V10/26 , G06V10/32 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 基于卷积神经网络的手语字母拼写识别方法，利用卷积神经网络提取手部深度图特征并进行手语字母拼写识别。深度相机获取到手语图片及深度图片后，将之送给目标检测网络提取出精确的手部目标图片及精确的深度图片；待手部目标提取完毕，将深度图片通过基于灰度值伪色彩线性变换及色域分割算法来分割精确手语手势目标，通过色彩融合算法补充丢失手语手势信息。分割完毕通过灰度化、局部区域二值化对图片进行像素处理为单通道二值图来降低网络输入参数量，图片预处理完成。最后将预处理后的手语手势图片送入卷积神经网络进行特征提取，将提取出的特征与全连接层相连接，通过softmax分类器进行分类。训练完毕，保存网络模型并用来进行手语字母拼写识别。
-
公开(公告)号：CN115067916A
公开(公告)日：2022-09-20
申请号：CN202210671734.7
申请日：2022-06-15
Applicant: 南京邮电大学
IPC: A61B5/0507 , A61B5/05 , A61B5/0205 , A61B5/00
Abstract: 一种基于毫米波雷达的生命体征监测方法，使用基于自适应阈值函数的小波阈值去噪方法，对采集的信号进行去噪处理，可以获得纯净的生命体征信号，并且该方法可以通过调节控制因子的大小来适应不同的信号，达到更好的去噪效果；在生命体征频率估计时，使用Hamming窗函数与MUSIC算法相结合的方法，通过使用Hamming窗函数对滑窗数据进行处理，再利用MUSIC算法构建空间谱，进行谱峰搜索，获得心跳和呼吸的频率。该方法具有更好的平稳性、抗噪性和分辨率，不仅可以剔除测量环境中杂波对结果的影响，还可以减少呼吸谐波对心率估计的影响，进一步提高了呼吸和心跳信号频率估计结果的准确性。
-
公开(公告)号：CN111950461B
公开(公告)日：2022-07-12
申请号：CN202010811797.9
申请日：2020-08-13
Applicant: 南京邮电大学
Abstract: 基于卷积神经网络的形变检测与矫正的手指静脉识别方法，针对现有的手指静脉识别算法在手指发生严重形变的情况下识别性能较差问题，本方法仔细分析了手指静脉形变矫正的原理并将卷积神经网络引入到手指静脉矫正与识别算法中，注重在小数据集的情况下尽可能训练出满足性能要求的识别模型。该方法能够在手指发生不规则形变的情况下，准确的对手指静脉图像进行形变矫正并提取有效特征进行识别。本发明充分考虑了手指静脉形变矫正的过程，将卷积神经网络用于手指静脉的形变矫正，并使用高效的特征提取网络进行手指静脉特征的提取与识别。同时直接以原始手指静脉图像作为方法的输入，不需要复杂的预处理操作，在小规模数据集下也能取得很好的识别效果。
-
-
-
-
-
-
-
-
-
Search Results
177
records
(took 0.028 seconds)
