-
公开(公告)号：CN104636729A
公开(公告)日：2015-05-20
申请号：CN201510069223.8
申请日：2015-02-10
Applicant: 浙江工业大学
CPC classification number: G06K9/00221 , G06K9/00201 , G06K9/00268
Abstract: 基于贝叶斯多元分布特征提取的三维人脸识别方法，包括三维数据预处理，特征提取和识别分类。本发明的优点是：克服现有技术存在的计算量大的缺点，本发明用三维人脸深度图进行识别，可减少计算量，提高识别效率；并解决单样本识别问题中训练样本不足的问题，用分块方法增加训练样本；在此基础上提出一种基于贝叶斯分析的特征提取方法，使获得的特征具有最小的类内距离和最大的类间距离，即具有最佳的可分离性；并用基于马氏距离的分类方法，获得最优的识别分类。经实验数据证明，本发明的方法具有较好的三维人脸识别结果。
-
公开(公告)号：CN104134232A
公开(公告)日：2014-11-05
申请号：CN201410328862.7
申请日：2014-07-11
Applicant: 浙江工业大学
IPC: G06T17/00
Abstract: 一种脑神经纤维的空间绘制方法及其系统，包括以下步骤：1)数据管理及预处理模块：其中包括导入数据，建模并跟踪脑神经纤维的路径功能；2)脑神经纤维颜色映射模块：其基本步骤为用脑神经纤维的颜色来表示其空间方向场信息，也就是计算脑神经纤维上两个相邻节点间的方向向量并映射至颜色空间；3)脑神经纤维空间绘制模块：对于脑神经纤维路径跟踪的结果，用一组节点序列来表示一根脑神经纤维，本模块把一组微小直线段依序连接来拟合一整根脑神经纤维曲线；4)脑神经纤维空间探索与交互模块：计算脑神经纤维数据的空间极值以确定绘制场景的坐标系中心原点，并建立基于场景坐标系的空间交互方式。
-
公开(公告)号：CN102054167A
公开(公告)日：2011-05-11
申请号：CN201010586166.8
申请日：2010-12-14
Applicant: 浙江工业大学
Abstract: 一种基于无线红外监控的全天候多路通道人流量监测系统，包括视频采集终端，视频采集终端包括安装在各个人流监控通道口处的主动式红外监控摄像头和视频采集模块、以及码本背景模块，图像预处理模块以及无线发射模块；还包括：用以接收人流采集数据，并进行投影、跟踪和计数处理的中心服务器端；中心服务器端包括：无线接收模块、新进人流检测模块和人流跟踪和计数模块。本发明提供一种具有良好自适应能力、可靠性良好的基于无线红外监控的全天候多路通道人流量监测系统。
-
公开(公告)号：CN101814137A
公开(公告)日：2010-08-25
申请号：CN201010132349.2
申请日：2010-03-25
Applicant: 浙江工业大学
Abstract: 一种基于红外眼态识别的疲劳驾驶预警系统，包括视频获取模块，用以采集驾驶员的头部视频图像；眼睛初始定位模块，用以对头部视频图像采用背景差分技术处理，进行眼睛初始定位；眼睛跟踪预测模块，用以采用kalman滤波器进行眼睛位置跟踪预测；眼睛精确定位模块，用以采用融合红外图像空间纹理的改进Mean-Shift算法实现眼睛最终位置的精确定位；眼睛状态识别模块，用以对眼睛区域进行二值化或边缘检测，获得眼睛的长宽信息；疲劳状态计算模块，用以根据当前检测时间段的眼睛状态，依照PERCLOS的P80标准进行眼睛疲劳状态判断；疲劳驾驶预警模块，用以当判定当前状态为疲劳状态，发出告警指令。本发明可靠性高、系统计算量相对较小、实时性好。
-
公开(公告)号：CN101375796A
公开(公告)日：2009-03-04
申请号：CN200810161653.2
申请日：2008-09-18
Applicant: 浙江工业大学
IPC: A61B5/18
Abstract: 一种疲劳驾驶实时检测系统，包括用于采集驾驶员脸部图像的摄像头、用于进行疲劳检测的处理器，所述处理器包括：图像采集模块，用于获取所述摄像头捕获的驾驶员脸部图像；图像预处理模块，用于对获取的图像进行预处理；所述处理器还包括：图像处理模块，用于利用AdaBoost算法分析预处理后的图像，检测出驾驶员的左右眼，分别计算上眼睑的曲率和睁眼面积，接着将上眼睑的曲率和睁眼面积进行融合，得到眼睛闭合程度，并依照PERCLOS的p80测量方法检测驾驶员是否有疲劳；控制报警模块，用于当图像处理模块判断驾驶员有疲劳时，发出告警信号。本发明可靠性高、成本低、适用性好。
-
Patent Agency Ranking
公开(公告)号：CN120091113A
公开(公告)日：2025-06-03
申请号：CN202510195460.2
申请日：2025-02-21
Applicant: 浙江工业大学
Abstract: 一种基于非线性规划和多目标优化的动态投影可视布局方法，从减少投影结果视觉遮挡和增强动态迭代过程中样本稳定性这两个角度，来优化投影结果的视觉呈现效果；通过这种方式，可以有效地帮助用户跟踪动态变化的数据模式，支持连续的数据探索和分析决策。此外，本方法还采用非线性规划和多目标优化的数学优化方法，减少视觉重叠或增强数据可视模式等目标，提升了可视化的清晰度和用户的交互体验。
-
公开(公告)号：CN117686479B
公开(公告)日：2025-03-28
申请号：CN202410074926.9
申请日：2024-01-18
Applicant: 浙江工业大学
Abstract: 一种单激光器的位移激发差分光谱仪，包括光路、温控模块、控制模块和显示交互模块，光路通过温控可调节波长近红外激光光源产生780～790nm近红外光，通过激发聚焦收集光路实现拉曼散射光的激发和采集，通过对称式交叉式Czerny‑Turner光路结构作为分光光路得到原始拉曼光谱，通过温控系统完成激光波长调整后输入多组同物质不同激发光的拉曼光谱至ZYNQ芯片进行差分、重建及基线校正得到样品的位移激发差分拉曼光谱。通过HDMI多媒体接口与显示模块连接完成与用户的交互显示。本发明装置便携方便，减少了差分拉曼光谱仪在激光器上的复杂设计及成本，使用位移激发差分拉曼技术满足现场实时检测的需要，能完成对样品实时拉曼光谱检测。
-
公开(公告)号：CN118980673A
公开(公告)日：2024-11-19
申请号：CN202411232274.3
申请日：2024-09-04
Applicant: 浙江工业大学
IPC: G01N21/65 , G16C20/20 , G16C20/70 , G06F18/213 , G06F18/24 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于拉曼光谱的物质成分检测方法，包括获取待检测物质的拉曼光谱信号，并进行基线矫正得到矫正后的拉曼光谱信号；采用分类网络对矫正后的拉曼光谱信号进行分类得到待检测物质的类别；根据待检测物质所属的类别找出对应官能团的特征峰波段，并从拉曼光谱信号中将该特征峰波段分割出，然后将剩余的拉曼光谱信号按预设长度进行分割得到对应的小块波段；本基于拉曼光谱的物质成分检测方法通过分类出待检测物质的类别，然后根据所属类别对应的官能团的特征峰波段对待检测物质的成分进行识别，同时按照完整的官能团信息对拉曼光谱信号进行分割，保持了信号的完整性，提升了分类的精度。
-
公开(公告)号：CN113468328B
公开(公告)日：2024-10-25
申请号：CN202110677266.X
申请日：2021-06-18
Applicant: 浙江工业大学
IPC: G06F16/35 , G06F40/30 , G06F16/34 , G06F40/211 , G06F16/901 , G06N20/00
Abstract: 一种多属性事理关系抽取及可视分析方法，包括以下步骤：(1)数据预处理，对文本进行事件检测、事件对齐；基于规则和机器学习的事理关系抽取，融入频繁子树挖掘半自动化获取规则库；(2)提供总体概览的降维投影视图；(3)提供频繁事理比较的摘要视图；(4)提供文档详细事理演化的流视图。本发明提供一种多属性事理关系交互式可视分析系统，允许用户交互式探索文本从概要到细节的事理演变关系。
-
公开(公告)号：CN118506411B
公开(公告)日：2024-10-22
申请号：CN202410969840.2
申请日：2024-07-19
Applicant: 浙江工业大学
IPC: G06V40/12 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于滑动窗口变换器的深浅特征融合的掌纹识别方法，包括获取预处理后的掌纹图像，并输入至训练好的掌纹识别模型中，得到掌纹图像的特征；将掌纹图像的特征分别与数据库中所有参考掌纹图像的特征进行比对，将比对成功的参考掌纹图像筛选出作为匹配成功的掌纹。结合Swin Transformer网络和多尺度特征增强模块，实现了对掌纹图像的高效特征提取和自适应融合，将Swin Transformer网络中的第一阶段模块、第二阶段模块和第四阶段模块的输出，经过多尺度特征增强模块不仅将深层信息和浅层特征信息进行融合，而且强化了各层特征的空间信息，以提高对低分辨率掌纹图像的适应能力，从而实现更高的掌纹识别准确率。
-
-
-
-
-
-
-
-
-
Search Results
226
records
(took 0.024 seconds)
