-
公开(公告)号：CN119723667A
公开(公告)日：2025-03-28
申请号：CN202411856670.3
申请日：2024-12-17
Applicant: 南京邮电大学
IPC: G06V40/20 , G06T5/50 , G06T3/4053 , G06T3/4046 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F17/16 , G06F17/18
Abstract: 本发明公开了一种基于动态时空图卷积神经网络的人物步态识别方法，包括以下步骤：CASIA‑B数据集进行人体姿势估计，生成热力图；热力图输入HM‑C模块，生成人体骨骼序列信息；提取出关节，骨骼和速度特征；输入到局部注意力模块得到包含不同身体部位在整个动作序列中的权重信息的特征向量；输入到主干网络动态GCN模块中，生成空间特征图；将人体骨骼序列信息和空间特征输入到动态TCN模块，生成富的时间特征图；将时间特征图输入关节骨骼动态融合模块，将关节级别和骨架级别的运动模式融合在不同的时间范围内，生成更加丰富和判别性更强的关节‑骨架运动特征。本发明解决了基线GCN的方法严重依赖于手动定义的骨架拓扑的问题。
-
公开(公告)号：CN114821786B
公开(公告)日：2025-01-17
申请号：CN202210452885.3
申请日：2022-04-27
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于人体轮廓和关键点特征融合的步态识别方法，包括：输入单人行走的步态视频，获取视频中的行人轮廓序列；将步态视频代入OpenPose算法模块，获得归一化的人体关键点信息序列，将行人轮廓序列代入GaitSet算法模块，获得步态轮廓序列的特征；将人体关键点信息序列由LSTM和CNN组成的人体关键点特征提取模块；分别获得步态轮廓特征向量和人体关键点特征向量；将步态轮廓特征向量和人体关键点特征向量连接后输入特征融合模块；将步态融合特征导入融合网络进行特征学习，识别出视频中人物的身份。本发明利用人体轮廓特征提取模块和人体关键点特征提取模块分别提取其特征，然后进行特征层融合得到步态融合特征，提高步态识别的准确率和鲁棒性。
-
公开(公告)号：CN117093599A
公开(公告)日：2023-11-21
申请号：CN202311065187.9
申请日：2023-08-23
Applicant: 南京邮电大学
IPC: G06F16/242 , G06F40/205 , G06F40/30 , G06F40/253
Abstract: 本发明属于数据库系统技术领域，公开一种面向异构数据源的统一SQL查询方法，该框架包括访问适配、解析转换、优化验证、SQL执行等模块，访问适配模块接入配置客户端界面，配接口将查询请求发送至后台；然后解析转换模块根据接口配置信息解析查询请求，若解析失败直接进行异常处理返回错误信息，否则对请求的执行计划进行优化；根据查询请求中的传递参数和缓存需求，在底层数据库查询数据；最后，将查询获得数据转换为统一格式，返回至前台。本发明将查询语言与数据存储相互分离，使得多数据库系统能够透明访问底层数据，保证了不同数据源之间正确率较高的互操作，有效提高了异构源统一查询系统的扩展性和应用范围。
-
公开(公告)号：CN116667955A
公开(公告)日：2023-08-29
申请号：CN202310893080.7
申请日：2023-07-20
Applicant: 南京邮电大学
IPC: H04B17/382 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于联邦学习的多协作频谱感知分类方法，属于无线通信技术领域；该方法包括以下步骤：数据预处理；对每个次用户信道中的历史传输信号，通过格拉姆角场算法将其转换为图像，得到子数据集，作为联邦学习模型的输入；构建联邦学习模型；联邦学习模型包括一个主用户、M个次用户和一个中央聚合器；对构建联邦学习模型进行训练；采用门限判决算法对数据集进行判决，输出最终的判决结果。本发明通过基于残差块的联邦学习模型，解决模型训练时间长、信号特征提取不完全的问题；通过设置门限判决使感知结果利用空闲频谱，最大限度地减少对主用户的干扰；解决单用户感知结果的不可靠性，得到频谱占用状态的正确判断，提高频谱感知的准确性。
-
公开(公告)号：CN113673328B
公开(公告)日：2023-08-18
申请号：CN202110794943.6
申请日：2021-07-14
Applicant: 南京邮电大学
IPC: G06V20/52 , G06V20/40 , G06V40/20 , G06V10/762 , G06V10/80 , G06V10/82 , G06V10/94 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于特征聚合网络的人群区域监控方法，首先对人群分布不均匀的图像进行标签化处理生成人群区域信息的yaml文件，使用Mobile‑Net轻量级网络架构接受标签化图像的输入，使用U‑Net神经网络提取输入图像的特征信息，并将特征还原之后带有人群信息的序列与数据库进行匹配，得到最终具体的人群区域；使用警报模块通知用户紧急的消息；通过用户界面调整和系统的运行，使用模块化记录模式建时整个系统的运行，通过这些方法的结合运用与配套系统支持对分布散列的人群定位和数据的匹配，能提高人群区域定位的准确性和稳定性，同时提高方法的实时性。
-
Patent Agency Ranking
公开(公告)号：CN108846356B
公开(公告)日：2023-04-07
申请号：CN201810596897.7
申请日：2018-06-11
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于实时手势识别的手心追踪定位的方法。该方法首先对输入视频进行分割视频帧和图像预处理，然后通过动态阈值背景法检测算法抽取部分视频帧建立背景模型，在此基础上利用YCrCb色彩空间肤色分割算法分割出手势图像，最后通过采用生物学的优化手心定位方法对手势跟踪定位后实现手势识别。本发明方法避免了误检视频中类肤色区域，提高了手势跟踪准确度和鲁棒性。
-
公开(公告)号：CN109934854B
公开(公告)日：2022-09-02
申请号：CN201910245857.2
申请日：2019-03-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种利用多目摄像头检测运动目标的装置及方法，包括4个摄像头，分别为中心摄像头C0，摄像头C1～C3以及控制系统，通过摄像头C1～C3以检测目标是否存在；检测到目标后，输出脉冲至摄像头C0，C0将对目标成像；摄像头通过球坐标系成像，将空间信息映射至球坐标系，并计算穿过平面上一点的切平面的方程；之后在空间球坐标系里形成目标物体到小眼的圆锥投影，然后计算得到椭圆投影面积S，得出目标椭圆成像结果；本发明降低了检测难度和复杂度。
-
公开(公告)号：CN111753956B
公开(公告)日：2022-08-12
申请号：CN202010556830.8
申请日：2020-06-18
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于卷积神经网络的目标边界实时检测方法，首先输入图片，提取该图片的特征图，预测边界框坐标和置信评分预测值。然后通过特征图得到引用边界框坐标，根据预测边界框坐标和引用边界框坐标计算出相关边界框坐标和实际边界框坐标，计算相关边界框和实际边界框的重叠值，对具有最大重叠部分的实际边界框设置最大重叠标记。最后根据重叠值，最大重叠标记和置信评分预测值计算引用边界框的置信评分，保留前N个具有最高置信评分的引用边界框，过滤其他边界框，得到最终结果。本发明将卷积神经网络用来提取特征图和作为输出层去计算边界框坐标和置信评分，通过多任务的损失函数训练卷积层，有效提高卷积神经网络的运行效率和计算精度。
-
公开(公告)号：CN114882523A
公开(公告)日：2022-08-09
申请号：CN202210375278.1
申请日：2022-04-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于碎片化视频信息的任务目标检测方法及系统，基于有效帧序列提取模块、深度卷积特征图提取模块、光流信息模块、变形特征模块、权重系数计算模块，构建目标人物检测模型，完成对预设目标人物的检测，本发明通过模糊先验方法改进聚合帧的权值分配，计算出每帧图像的权重，而不是赋予每帧相同的权重，有效地提升了人物检测的准确性与可靠性。
-
公开(公告)号：CN110163131B
公开(公告)日：2022-08-05
申请号：CN201910384116.2
申请日：2019-05-09
Applicant: 南京邮电大学
Abstract: 本发明公开一种混合卷积神经网络与小生境灰狼优化的人体动作分类方法，该方法首先对输入的视频帧生成动作库和局部时空特征，再借助时空特征从视频运动中检测兴趣点并对其提取深度卷积特征，然后用GWO算法获得CNN分类器最优的权重并利用反向传播算法训练多个CNN分类器，最后融合多个分类器的输出以纠正结果。本发明将卷积神经网络与灰狼优化算法相结合，通过训练具有梯度下降和全局搜索能力的CNN分类器来减少分类错误。本发明能够解决无约束视频中人体动作分类准确度不够高的问题，并提高分类性能，具有高度的鲁棒性与实效性。
-
-
-
-
-
-
-
-
-
Search Results
374
records
(took 0.038 seconds)
