-
公开(公告)号：CN112099950B
公开(公告)日：2024-09-24
申请号：CN202010956879.2
申请日：2020-09-15
申请人： 重庆电政信息科技有限公司
摘要： 本发明为基于边缘图像处理系统的图像预处理优化方法，属于图像处理、边缘计算领域。该方法包含以下步骤：S1：获取数据库中所有边缘计算装置在各个周期内进行图像预处理的平均CPU利用率和动作平均响应时间；S2：通过负载预测模型计算下一个周期的状态；S3：利用响应预测模型计算下一个周期进行图像预处理的各个动作响应时间；S4：对每个边缘计算装置下一个周期的图像预处理动作进行调度；S5：边缘计算装置按照主控节点的指令执行图像预处理，并反馈；S6：整合所有边缘计算装置预处理后的图像。本发明实现了图像预处理的边缘计算和边缘计算装置的优化配置，提高了计算资源的利用率，节省了数据的传输时间和成本，降低数据延迟。
-
公开(公告)号：CN109011419B
公开(公告)日：2020-09-15
申请号：CN201810962360.8
申请日：2018-08-22
申请人： 重庆电政信息科技有限公司
发明人： 李丰
IPC分类号： A63B24/00
摘要： 本发明涉及人体动作识别技术领域，其目的在于提供一种基于MEMS传感器的运动动作训练方法。本发明公开的技术方案为：基于多个标准动作数据建立标准动作数据库与动作识别模型；对标准动作数据中的人体动作进行标注，形成标注动作数据，然后利用深度学习算法对标注动作数据进行训练并输出训练结果；根据训练结果修正动作识别模型；多个MEMS传感器实时采集并输出用户不同身体部位的当前用户动作数据；识别当前用户动作数据，然后将当前用户动作数据输入动作识别模型中进行计算，输出动作纠正信息。本发明可对用户的动作进行判别，并给出动作纠正信息，利于用户掌握自身动作的标准性，指导效果佳。
-
公开(公告)号：CN117452936A
公开(公告)日：2024-01-26
申请号：CN202311389211.4
申请日：2023-10-17
申请人： 重庆电政信息科技有限公司
摘要： 本发明为基于模糊Petri和DDPG网络的无人车循迹控制方法，属于无人车控制领域。该方法包含以下步骤：S1：获取无人车的自身状态和环境状态；S2：进行模糊化处理；S3：建立无人车系统的Petri网模型；S4：利用Petri网模型计算出当前模糊状态对应变迁；S5：建立无人车的DDPG网络模型；S6：将步骤S4所得到变迁用来对无人车的DDPG网络模型中的动作进行修正；S7：结合状态可达性、动作相似性以及状态准确性构建损失函数，并利用历史数据进行训练；S8：利用训练好的带有动作修正的无人车的DDPG网络模型用来对无人车进行实时循迹控制。本发明方法将Petri网和DDPG网进行联动实现控制的连续性和抗干扰性，可以实现无人车的智能、安全的循迹控制。
-
公开(公告)号：CN116893684A
公开(公告)日：2023-10-17
申请号：CN202310741060.8
申请日：2023-06-14
申请人： 重庆电政信息科技有限公司
摘要： 本发明为基于最小残差的多目标动力系统动态规划方法，属于无人机精确控制领域。该方法包含以下步骤：S1：根据无人机受力分析，建立无人机显式微分方程的动力学模型；S2：建立无人机运动学残差模型；S3：将求解问题等效转化为线性方程求解问题；S4：将控制函数设定为常系数分段函数，并将无人机路径目标作为边界条件，都代入线性方程，得到无人机状态约束方程；S5：建立可行解空间；S6：利用改进势场法对可行解空间进行实时约束；S7：建立最优可行解的优化模型；S8：对最优可行解的优化模型进行求解，得到无人机动态规划路径。本发明方法能够在保证精度的前提下搜索空间获取线性方程的最优解，大幅度降低计算量，实现无人机高精度的动态路径规划。
-
公开(公告)号：CN112101266A
公开(公告)日：2020-12-18
申请号：CN202011006730.4
申请日：2020-09-25
申请人： 重庆电政信息科技有限公司
摘要： 本发明为基于多ARM的动作识别模型分布式推理方法，属于大数据人工智能领域。该方法包含以下步骤：S1：建立运动视频数据库；S2：将运动视频数据库的视频进行图像采样和预处理后，生成图像数据；S3：利用深度学习技术，建立动作识别模型；S4：对基于多ARM的动作识别模型进行分布式推理训练；S5：将用户实时拍摄视频输入到基于多ARM的动作识别模型进行分布式推理，判断人体动作类别。本发明方法能够有效提取图片特征，实现资源优化配置，缓解深度学习模型训练和推理过程中内存不足和训练和推理时间过长的压力。
-
公开(公告)号：CN113095289A
公开(公告)日：2021-07-09
申请号：CN202110487070.4
申请日：2021-05-10
申请人： 重庆电政信息科技有限公司
摘要： 本发明提出基于城市复杂场景下海量图像预处理网络方法，搭建了海量图像过滤预处理网络系统，利用评价图像清晰度的SSIM网络、判定人脸旋转角度的3DDFA人脸重构网络、判定人脸遮挡率的MTCNN网络，并将上述三个图像信息评判网络进行结合成一个预处理系统，且根据实际运用场景的不同使用者可以将上述三个评判网络自由搭配，以达到在检测识别时有针对性并有效的提高人员特征信息的提取，增强检测功能的准确度。通过分析人员行为检测模块所得到的数据，对人员在某特定区域滞留的时间超过阈值，及时进行报警并统计其行踪轨迹。
-
公开(公告)号：CN111460960A
公开(公告)日：2020-07-28
申请号：CN202010227526.9
申请日：2020-03-27
申请人： 重庆电政信息科技有限公司
摘要： 本发明公开了一种运动分类及计数方法，其特征在于，包括：首先对不同人的各种运动进行数据采集，对不同的运动分别标记；然后对拍摄的视频流的时序帧骨架信息构建骨架图，然后利用构造的时序模型和空间模型对构建的骨架图进行卷积操作，并通过事先采集的数据比对进行特征分类从而识别出不同的运动类型；然后对运动量进行统计。本发明的优点在于：该方法不会限制人体运动类型，在人体做动作过程中也不会有束缚和不适感结构简单，精度高，成本低，体积小，功耗低，使用方便，在众多领域具有广泛应用，具有较强的实用价值和应用前景。
-
公开(公告)号：CN110175501A
公开(公告)日：2019-08-27
申请号：CN201910264000.5
申请日：2019-03-28
申请人： 重庆电政信息科技有限公司
摘要： 本发明为基于人脸识别的多人场景专注度识别方法，属于大数据人工智能深度学习领域。该方法包含以下步骤：S1：专注度特征数据集的建立；S2：专注度识别模型的建立；S3：利用梯度下降算法和专注度特征数据集训练专注度识别模型；S4：将视频图像输入专注度识别模型，得到评价因子矩阵；S5：将评价因子矩阵输入聚类模型，得到最终的专注度分类评估。本发明提供了基于人脸识别的多人场景专注度识别方法，在人脸方位识别的基础上，将专注度评估解构为3个维度的专注度评价因子，并结合整体的专注度分布为个体专注度评价因子施加不同的专注度权重，能够实现多人场景的专注度识别，提高了专注度评估的准确性和模型应用场景的广泛性。
-
公开(公告)号：CN109011419A
公开(公告)日：2018-12-18
申请号：CN201810962360.8
申请日：2018-08-22
申请人： 重庆电政信息科技有限公司
发明人： 李丰
IPC分类号： A63B24/00
摘要： 本发明涉及人体动作识别技术领域，其目的在于提供一种基于MEMS传感器的运动动作训练方法。本发明公开的技术方案为：基于多个标准动作数据建立标准动作数据库与动作识别模型；对标准动作数据中的人体动作进行标注，形成标注动作数据，然后利用深度学习算法对标注动作数据进行训练并输出训练结果；根据训练结果修正动作识别模型；多个MEMS传感器实时采集并输出用户不同身体部位的当前用户动作数据；识别当前用户动作数据，然后将当前用户动作数据输入动作识别模型中进行计算，输出动作纠正信息。本发明可对用户的动作进行判别，并给出动作纠正信息，利于用户掌握自身动作的标准性，指导效果佳。
-
公开(公告)号：CN118092160A
公开(公告)日：2024-05-28
申请号：CN202410087179.2
申请日：2024-01-19
申请人： 重庆电政信息科技有限公司
IPC分类号： G05B13/04
摘要： 本发明为基于常微分神经网络的无人车高精度分段控制方法，属于无人车控制领域。通过构建基于常微分神经网络的无人车高精度分段控制模型进行实现，该方法包含以下步骤：S1：离线模式下，对历史时序数据进行预处理和分类，针对工况分别建立基于常微分神经网络的无人车高精度分段控制模型并进行训练；S2：将步骤S1训练好的模型移植到无人车的智能控制系统的内存中；S3：在线模式下，实时获取时序数据并预处理后，利用基于常微分神经网络的无人车高精度分段控制模型进行工况识别、状态预测和模型参数的更新；S4：实现当前工况下的无人车的运动控制。本发明方法在保证解的光滑性的前提下，能够避免过拟合的情形，减少迭代次数，提高求解精度。
-
-
-
-
-
-
-
-
-
搜索结果
19 条记录 (耗时 0.04 秒)
