-
-
公开(公告)号：CN109829972A
公开(公告)日：2019-05-31
申请号：CN201910056962.1
申请日：2019-01-19
Applicant: 北京工业大学
Abstract: 本发明公开了一种面向连续帧点云的三维人体标准骨架提取方法，该方法包含以下两个步骤：第一步，采集多视角运动人体的图像，使用每一帧的各视角图像重建出稠密的点云模型。针对每一帧的点云模型，进行降采样，表面重建，进而使用基于模型分割的三维人体标准骨架提取算法提取标准骨架模型；第二步，对提取的标准骨架进行帧间对齐与对应点匹配，构造连续帧标准骨架的骨骼点序列，建立连续帧骨骼点位置优化模型对上面得到的骨骼点序列进行优化，最终得到面向连续帧点云的三维人体标准骨架序列在几乎没有人工干预的前提下，提取的三维人体骨架无论是在完整性上，与原模型贴合度上，准确性上，还是在标准性上都比传统方法提取的骨架更具有优势，更具有实用价值与意义。
-
公开(公告)号：CN109584557A
公开(公告)日：2019-04-05
申请号：CN201811536443.7
申请日：2018-12-14
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于动态分解模式和矩阵填充的交通流预测方法，本方法从设置在道路上的各种交通探测器中得到的交通数据，将其处理成m-1列的数据快照矩阵的形式，然后分成两个快照矩阵来分别代表原始数据的前m列和后m列。之后利用低秩矩阵填充中的映射算子方法生成对应于每一个数据快照矩阵的映射矩阵P，然后将映射矩阵与对应的数据快照矩阵进行点乘操作，最后通过基于动态模式分解方法的模型进行交通预测得到待估计的交通量。在动态模式分解进行交通流预测的模型基础上，考虑了由于外界天气或交通设备自身会发生失灵等问题，会造成交通数据发生丢失的问题。
-
公开(公告)号：CN109271484A
公开(公告)日：2019-01-25
申请号：CN201811080155.5
申请日：2018-09-17
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于语义本体的档案数据智能推理方法，本方法将语义本体推理运用到档案的智能关联中，运用HMM分词算法和LDA主题模型分类算法，对档案数据语料库进行主题分类处理，作为语义管理的底层构建。之后构建档案语义本体，运用本体中定义的关联特性，实现档案数据语料库中档案的智能关联。与现有的档案查询管理系统相比，语义本体驱动的智能关联系统能提高查询的效率并且支持新加入的关联类别，可扩展行优于基于数据库的档案管理系统。
-
公开(公告)号：CN108257385A
公开(公告)日：2018-07-06
申请号：CN201810222646.2
申请日：2018-03-19
Applicant: 北京工业大学
Abstract: 本发明公开一种基于公共交通的异常事件的甄别方法，包括：步骤S1、相关数据集的构造，所述数据集是公交和地铁刷卡数据；步骤S2、基于隐马尔科夫链的站点异常状态的识别；步骤S3：基于时空扩散模型的异常事件的甄别。采用本发明的技术方案、可以挖掘出异常事件的扩散模式和发生区域。
-
Patent Agency Ranking
公开(公告)号：CN107992449A
公开(公告)日：2018-05-04
申请号：CN201711270712.5
申请日：2017-12-05
Applicant: 北京工业大学
Abstract: 本发明公开一种基于低秩表示的地铁异常流量检测方法，其能够准确检测出异常的流量数据继而对异常继续聚类分析。该方法包括步骤：(1)获取站点进出流量数据矩阵；(2)构建时序变化的异常检测低秩模型；(3)基于聚类方法进行异常聚类分析分组。
-
-
公开(公告)号：CN106204635A
公开(公告)日：2016-12-07
申请号：CN201610476054.4
申请日：2016-06-27
Applicant: 北京工业大学
IPC: G06T7/20
CPC classification number: G06T2207/10028
Abstract: 基于L0最小化的人体连续帧骨骼优化方法属于图形表示方法领域，优化并恢复连续运动人体骨骼中出现的骨骼点位置提取异常，分支错误和过度不平滑的情况，以及解决同一帧中出现的骨骼点位置重合、关节处断裂的问题，以得到更加均匀、完整的骨骼模型。首先，采集多视角运动中人体的图像，使用每一帧的各视角图像重建出稠密的点云模型。针对每一帧的点云模型，使用L1中值骨骼方法提取骨骼模型；然后，对各帧的人体骨骼进行分块处理，并对各块的骨骼点进行采样，构造连续帧人体骨骼序列，建立考虑相邻帧关联性的稀疏优化模型。最后，在优化模型中增加了同一帧相邻骨骼点的正则项，让优化得到的骨骼点更加均匀。
-
公开(公告)号：CN105718946A
公开(公告)日：2016-06-29
申请号：CN201610037044.0
申请日：2016-01-20
Applicant: 北京工业大学
CPC classification number: G06K9/6215 , G06K9/6218 , G06Q50/30
Abstract: 本发明公开一种基于地铁刷卡数据的乘客出行行为分析方法，其能够有效地将地铁出行行为进行分类，并且分类结果有着显著、容易观察到的特征，可广泛应用于智能交通行人出行行为分析中。这种基于地铁刷卡数据的乘客出行行为分析方法，包括步骤：(1)数据预处理：对原始数据进行了合并和整理，得到行人出行记录，每条行人出行记录包含：乘客出行进站站点、进站刷卡时间、出站站点和出站刷卡时间；(2)特征提取：根据行人出行记录，进行行人进站时间聚类，得到每个乘客的固定出行天数，进行乘客出行特征提取来获得乘客出行特征；(3)乘客聚类：根据乘客出行特征，进行乘客聚类，获得乘客聚类结果，并对乘客聚类结果进行分析。
-
公开(公告)号：CN119471606A
公开(公告)日：2025-02-18
申请号：CN202411387502.4
申请日：2024-10-03
Applicant: 北京工业大学
Abstract: 本申请提供了一种基于超图神经网络的雷达回波外推方法及相关设备；该方法在获取天气雷达的历史回波数据后，基于超图神经网络根据历史回波数据获取加权回波特征，分别基于第一雷达回报外推网络根据加权回波特征以及历史回波数据得到回波趋势特征，并基于第二雷达回报外推网络，根据历史回波数据得到纹理细节特征，最后根据回波趋势特征以及纹理细节特征，得到历史回波数据的外推回波预测特征。与当前技术相比较而言，本申请引入超图神经网络进行雷达回波外推，提高了准确性。
-
-
-
-
-
-
-
-
-
Search Results
140
records
(took 0.037 seconds)
