-
公开(公告)号：CN105046222A
公开(公告)日：2015-11-11
申请号：CN201510408497.5
申请日：2015-07-14
Applicant: 福州大学
IPC: G06K9/00
CPC classification number: G06K9/00228 , G06K9/00234
Abstract: 本发明涉及一种基于FPGA的人脸检测与跟踪方法，首先采集视频，接着进行肤色阈值检测，将采集到的视频数据由YUV格式转换为二进制图像，再进行空间滤波，确定肤色像素，然后进行时间滤波，得到当前帧的像素的平均值，进一步确定肤色像素，接着过滤其它肤色干扰，进行人脸跟踪，得到实时人脸检测结果，最后采用VGA实时显示。本发明克服了现有人脸检测的成本以及检测与跟踪的实时性问题，算法较简单，而准确性、速度和实时性都较高，系统成本较低。
-
公开(公告)号：CN103367639B
公开(公告)日：2015-09-09
申请号：CN201310316077.5
申请日：2013-07-25
Applicant: 福州大学
Abstract: 本发明涉及一种氧化锌纳米线低功耗阻变存储器，包括：一氧化硅片衬底；一下电极，设置于所述氧化硅片衬底上方；一阻变纳米线，设置于所述下电极上方；一上电极，设置于所述阻变纳米线上方；其中，所述阻变纳米线为铜掺杂的氧化锌纳米线。本发明具有工艺兼容性好、结构简单的特性，由于采用铜作为掺杂物质，增加了氧化锌内部的氧空位，从而降低了写操作电流和电压，功耗也随着减小。
-
公开(公告)号：CN102999036B
公开(公告)日：2015-07-22
申请号：CN201210588469.2
申请日：2012-12-29
Applicant: 福州大学
IPC: G05B19/418
Abstract: 本发明涉及一种太阳能无线联网监控系统，其特征在于：包括组成射频无线网络且配备控制器的复数个监控终端设备以及远程监控中心；所述的复数个监控终端设备皆设置有视频图像采集端、太阳能电源和LED照明灯以及射频通信节点；所述的远程监控中心设置有一个射频协调设备，用于该远程监控中心与所述的射频无线网络通讯。本发明的各个功能模块均由太阳能供电，无需繁复布线并且安装便捷灵活，为城市公路、边防夜晚执勤、小区、街道、偏远地区安防等众多领域提供了一套无线网络智能化的太阳能照明与视频图像结合的联网监控方案，具有较好的实用价值。
-
公开(公告)号：CN119478332A
公开(公告)日：2025-02-18
申请号：CN202411523087.0
申请日：2024-10-29
Applicant: 福州大学
Abstract: 本发明涉及一种光伏组件功率损失范围评估方法及系统，该方法包括：获取光伏组件的积灰组件的可见光图像与红外图像，形成双模态图像，以此构建样本数据集；对样本数据集中双模态图像进行预处理；构建基于双通道MobileNetV2多模态深度学习框架的功率损失范围评估模型，其通过双通道MobileNetV2特征提取网络提取可见光与红外特征，再通过多级联跨模态融合网络与多尺度融合网络进行特征的双模态融合与多尺度融合，然后通过分类器映射出功率损失范围；对功率损失范围评估模型进行训练；通过训练好的功率损失范围评估模型进行光伏组件功率损失范围评估。该方法及系统有利于提高光伏组件功率损失范围评估的准确性，从而准确判断出不同积灰程度下的光伏组件功率损失范围。
-
公开(公告)号：CN114331913B
公开(公告)日：2024-07-02
申请号：CN202210011777.2
申请日：2022-01-06
Applicant: 福州大学
IPC: G06T5/73 , G06T9/00 , G06N3/084 , G06N3/0455 , G06N3/0464 , G06N3/0442
Abstract: 本发明提出一种基于残差注意力块的运动模糊图像复原方法，采用的网络包括由粗到细三个尺度，首先对图像进行预处理，然后在第一级尺度的网络上的编码端通过下采样提取模糊图像的主要特征，网络的基本结构由残差注意力块组成，可以更有效的提取出图像特征，再连接上循环模块，用以获取图像的空间信息，每个尺度的循环模块通过上采样方式连接，最后通过解码端上采样得到输出的结果。每个尺度的网络结构相同，通过跨尺度共享权重来减少参数量，来加快网络的训练速度，通过构建的运动模糊图像复原模型有效的恢复出清晰的图像边缘和一些细节的图像纹理信息。提高了运动模糊图像复原的质量。
-
Patent Agency Ranking
公开(公告)号：CN114187208B
公开(公告)日：2024-06-28
申请号：CN202111549115.2
申请日：2021-12-17
Applicant: 福州大学
IPC: G06T5/70 , G06T5/20 , G06T7/90 , G06T3/4007
Abstract: 本发明提供了一种基于融合代价和自适应惩罚项系数的半全局立体匹配方法，首先采用指数融合公式将输入图像的Census变换代价值、AD代价值、输入图像的#imgabs0#方向梯度和#imgabs1#方向梯度进行结合，获得融合匹配代价；然后根据像素点所处位置的颜色分量和梯度分量，选择对应的系数进行多路代价聚合；接着在三维视差空间中选择代价值最小的视差值，组成初始视差图；最后经过视差优化处理流程，得到最终的视差图。在Middlebury平台的Cones、Teddy和Tsukuba图像上的实验表明，相比原始半全局立体匹配算法，应用本技术方案可实现所有区域平均误差降低13.3%～34.5%；不连续区域平均误差降低20.3%～36.2%；非遮挡区域平均误差降低13.8%～51%。
-
公开(公告)号：CN108111125B
公开(公告)日：2023-11-14
申请号：CN201810083455.2
申请日：2018-01-29
Applicant: 福州大学
IPC: H02S50/10
Abstract: 本发明公开了一种光伏阵列的IV特性曲线扫描与参数辨识系统及方法，系统包括数据采集模块、光伏阵列IV特性曲线扫描模块、存储模块和显示模块，数据采集模块对光伏阵列的温度和光照度进行采样，并通过低功耗无线传感网络传输给光伏阵列IV特性曲线扫描模块，基于动态电容充电方法进行IV特性曲线扫描，检测阵列输出电流和电压并存储；将扫描到的IV曲线转化为标准条件下（STC）的IV曲线，利用ABC‑NM单纯形混合算法进行IV曲线拟合，准确辨识光伏模型参数。本发明系统既能携带至户外，以辅助检测人员对光伏阵列进行人工检测，又能放置于汇流箱，与上位机连接实现实时在线的组件级和组件串级的分布式光伏阵列IV曲线扫描。
-
公开(公告)号：CN109784476B
公开(公告)日：2022-08-16
申请号：CN201910029814.0
申请日：2019-01-12
Applicant: 福州大学
IPC: G06N3/04 , G06V10/764 , G06K9/62
Abstract: 本发明涉及一种改进DSOD网络的方法，首先对输入图像进行预处理，将预处理后的图像输入到DSOD特征提取子网络中，在特征提取子网络的第二个转接层后加入RFB_a网络模块，经过RFB_a网络中不同采样步长的Atrous卷积提取具有不同感受野的特征，在特征提取子网络后加入采样步长为6的Atrous卷积层，将Atrous卷积层产生的特征输入到多尺度预测层中，将多尺度预测层输入到损失函数中，在损失函数中加入IOG惩罚项，防止在预测密集的同类型目标时出现同类预测框重叠。同时，在训练阶段采用预热策略设置学习率，通过设置合适的批样本大小，降低了训练网络的硬件设备要求。本发明相对于原DSOD算法具有更高的检测精度，提高了对小目标的检测能力，同时降低了训练网络的硬件设备要求。
-
公开(公告)号：CN113221468B
公开(公告)日：2022-07-08
申请号：CN202110605736.1
申请日：2021-05-31
Applicant: 福州大学
IPC: G06F30/27 , G06K9/62 , G06N20/00 , G06F119/08
Abstract: 本发明涉及基于集成学习的光伏阵列故障诊断方法，包括以下步骤：获取光伏面板的实际I‑V特性曲线信息和环境信息；计算I‑V特性曲线的电气参数、几何特征，并结合光伏阵列单二极管等效模型电路的模型参数和光伏阵列的背板温度、环境辐照度作为故障特征；对特征数据进行零均值标准化处理，并对故障标签进行序号编码；根据集成学习的模型堆叠方法搭建故障诊断模型，以极端随机树、LightGBM、支持向量机和K‑近邻算法作为模型堆叠第一层的算法，极端随机树作为第二层算法，并用网格搜索选择算法的超参数；根据训练好的模型预测光伏阵列的故障类型，评估和优化光伏电站的工作状态。本发明结合不同算法的优点，提升了故障诊断算法的预测精度和稳定性。
-
公开(公告)号：CN114187208A
公开(公告)日：2022-03-15
申请号：CN202111549115.2
申请日：2021-12-17
Applicant: 福州大学
Abstract: 本发明提供了一种基于融合代价和自适应惩罚项系数的半全局立体匹配方法，首先采用指数融合公式将输入图像的Census变换代价值、AD代价值、输入图像的方向梯度和方向梯度进行结合，获得融合匹配代价；然后根据像素点所处位置的颜色分量和梯度分量，选择对应的系数进行多路代价聚合；接着在三维视差空间中选择代价值最小的视差值，组成初始视差图；最后经过视差优化处理流程，得到最终的视差图。在Middlebury平台的Cones、Teddy和Tsukuba图像上的实验表明，相比原始半全局立体匹配算法，应用本技术方案可实现所有区域平均误差降低13.3%～34.5%；不连续区域平均误差降低20.3%～36.2%；非遮挡区域平均误差降低13.8%～51%。
-
-
-
-
-
-
-
-
-
Search Results
177
records
(took 0.035 seconds)
