公开(公告)号：CN117292494A

公开(公告)日：2023-12-26

申请号：CN202311588788.8

申请日：2023-11-27

Applicant: 吉林大学

Inventor： 周求湛 ,  王薇婷 ,  武慧南 ,  曹梦凡 ,  康哲余 ,  李柳毅

IPC: G08B13/16 ,  G08B29/18

Abstract: 一种声振融合的信号识别方法、系统、计算机设备及介质，属于智能周界预警技术领域，解决了现有的环境声音报警装置和振动信号报警装置监测方法单一、受外界环境影响大、计算过程复杂以及接收的信号波动较大的问题。所述方法包括：采集声音信号和振动信号并进行预处理，得到离散声音信号和离散振动信号；根据离散声音信号和所述离散振动信号获取各个信号的权值；提取所述离散声音信号的特征向量和离散振动信号的特征向量；构建特征融合模型，根据特征向量，结合各个信号的权值，获取融合后的声音信息和振动信息；采用SVM分类器，根据所述融合后的声音信息和振动信息，识别入侵目标。本发明适用于边境安防场景。

公开(公告)号：CN119417733A

公开(公告)日：2025-02-11

申请号：CN202411563926.1

申请日：2024-11-05

Applicant: 吉林大学 ,  江苏汉印机电科技股份有限公司

Inventor： 周求湛 ,  王薇婷 ,  武慧南 ,  文成 ,  张迎春 ,  王聪 ,  刘萍萍

IPC: G06T5/80 ,  G06T5/60 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048

Abstract: 一种基于快速多尺度残差网络的畸变图像矫正方法。涉及图像几何畸变矫正领域，具体涉及基于快速多尺度残差网络的畸变图像矫正技术领域。包括如下步骤：S1、数据集构建，通过使用几何失真模型，生成失真图像与标准图像的成对数据集，以及失真图像对应编号的形变位移场文件；S2、构建基于快速多尺度残差网络的畸变图像矫正模型，模型分为主干网络和支流网络，所述主干网络用于恢复图像特征，所述支流网络用于输出图像分类特征；S3、利用失真图像与标准图像的成对数据集和形变位移场文件训练所述基于快速多尺度残差网络的畸变图像矫正模型；S4、利用训练完成的基于快速多尺度残差网络的畸变图像矫正模型处理待矫正图像，得到矫正后的图像和其对应的分类。