-
公开(公告)号：CN119934446A
公开(公告)日：2025-05-06
申请号：CN202510022142.6
申请日：2025-01-07
Applicant: 哈尔滨工业大学水资源国家工程研究中心有限公司 , 广东粤海水务股份有限公司 , 广东粤海水务投资有限公司 , 哈尔滨工业大学
IPC: F17D5/06 , F17D5/02 , G06F18/2131 , G06F18/243 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 一种基于BD联合卷积神经网络的供水管道泄漏检测方法，涉及一种供水管道泄漏检测方法，为了解决现有的供水管网泄漏检测检测中，盲解卷积滤波器无法直接与深度学习的算法联合使用，导致识别模型识别的准确率差问题。本发明通过BD滤波器对获取的含噪信号进行滤波处理，获得频域滤波信号；利用频域滤波信号对卷积神经网络模型进行参数优化训练，生成供水管道泄露识别模型；将将泄露点位的当前含噪声信号通入至供水管道泄露识别模型输入端，输出检测结果。有益效果为提高了供水管道识别模型对待检测信号识别的准确度。
-
公开(公告)号：CN117313142B
公开(公告)日：2024-10-11
申请号：CN202311179669.7
申请日：2023-09-13
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学
IPC: G06F21/62 , G06F21/60 , G06F21/31 , G06V20/40 , G06V20/52 , G06V20/58 , G06V40/16 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于图像隐写的视频人脸隐私保护方法，首先收集载体图片和人脸图片；接着对应搭建一个载体图像和载密图像二分类模型、一个密码模型、一个残差结构复杂生成器模型A和一个残差结构复杂生成器模型B；之后训练以上模型收集载密图片数据和还原秘密图片数据；原始视频中出现的人脸就得到了有效的保护及有需要的时候进行还原。本发明既可以在不降低视频质量的情况下实现较高程度的隐私保护，又可以在得到密码授权后对进行了隐私保护后的视频进行高度还原。
-
公开(公告)号：CN118096586A
公开(公告)日：2024-05-28
申请号：CN202311178141.8
申请日：2023-09-13
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学
IPC: G06T5/73 , G06T5/70 , G06N3/0455 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于残差结构编码器解码器架构的视频人脸隐私保护方法，涉及视频隐私保护技术领域。所述方法包括：采集摄像头拍摄的人脸视频数据并将其处理为第一图片数据，提取所述第一图片数据中的人脸图片数据；将所述人脸图片数据进行模糊处理，获得模糊人脸图片数据；训练人脸和模糊人脸二分类模型，使用所述二分类模型识别所述人脸图片数据和所述模糊人脸图片数据；训练残差结构复杂编码器模型、残差结构复杂解码器模型和密码模型；本发明既可以在不降低视频质量的情况下实现较高程度的隐私保护，又可以在得到密码授权后对进行了隐私保护后的视频进行高度还原，同时该方法的操作非常简单，只需将训练好的模型接入需要隐藏视频的设备。
-
公开(公告)号：CN117313142A
公开(公告)日：2023-12-29
申请号：CN202311179669.7
申请日：2023-09-13
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学
IPC: G06F21/62 , G06F21/60 , G06F21/31 , G06V20/40 , G06V20/52 , G06V20/58 , G06V40/16 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于图像隐写的视频人脸隐私保护方法，首先收集载体图片和人脸图片；接着对应搭建一个载体图像和载密图像二分类模型、一个密码模型、一个残差结构复杂生成器模型A和一个残差结构复杂生成器模型B；之后训练以上模型收集载密图片数据和还原秘密图片数据；原始视频中出现的人脸就得到了有效的保护及有需要的时候进行还原。本发明既可以在不降低视频质量的情况下实现较高程度的隐私保护，又可以在得到密码授权后对进行了隐私保护后的视频进行高度还原。
-
公开(公告)号：CN118096586B
公开(公告)日：2025-01-14
申请号：CN202311178141.8
申请日：2023-09-13
Applicant: 哈尔滨工业大学重庆研究院 , 哈尔滨工业大学
IPC: G06T5/73 , G06T5/70 , G06N3/0455 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于残差结构编码器解码器架构的视频人脸隐私保护方法，涉及视频隐私保护技术领域。所述方法包括：采集摄像头拍摄的人脸视频数据并将其处理为第一图片数据，提取所述第一图片数据中的人脸图片数据；将所述人脸图片数据进行模糊处理，获得模糊人脸图片数据；训练人脸和模糊人脸二分类模型，使用所述二分类模型识别所述人脸图片数据和所述模糊人脸图片数据；训练残差结构复杂编码器模型、残差结构复杂解码器模型和密码模型；本发明既可以在不降低视频质量的情况下实现较高程度的隐私保护，又可以在得到密码授权后对进行了隐私保护后的视频进行高度还原，同时该方法的操作非常简单，只需将训练好的模型接入需要隐藏视频的设备。
-
Patent Agency Ranking
公开(公告)号：CN119167016A
公开(公告)日：2024-12-20
申请号：CN202411292088.9
申请日：2024-09-14
Applicant: 哈尔滨工业大学水资源国家工程研究中心有限公司 , 广东粤海水务股份有限公司 , 哈尔滨工业大学
IPC: G06F18/15 , G01M3/24 , G06F123/02
Abstract: 一种基于优化VMD联合改进小波阈值的泄漏声信号去噪方法，为了解决现有的噪声处理方法在处理供水管网泄漏声信号时，识别的准确率低问题。本发明通过采集实际供水管网的泄漏声信号，分析泄漏声信号内的噪声成分及范围；基于苍鹰优化算法对VMD的分解模态数K和惩罚因子α进行参数寻优，获取最优参数，并采用最优参数构建变分模型；利用变分模型对泄漏声信号进行分解，获取多个固有模态分量；利用相关系数法对多个固有模态分量进行筛选，筛选出高频分量和低频分量；将高频分量进行小波阈值去噪处理，获得去噪后的高频分量；对低频分量以及去噪后的高频分量进行重构，获得去噪后的泄漏声信号。有益效果为提高了去噪处理的信噪比，提高了识别的准确率。
-
公开(公告)号：CN117462150A
公开(公告)日：2024-01-30
申请号：CN202311426236.7
申请日：2023-10-30
Applicant: 哈尔滨工业大学
IPC: A61B5/372
Abstract: 基于窄带约束增强的自适应连续变分脑电模态分解方法，解决了需要预先确定模式个数及模式中心频率问题，提高了模式分解性能，属于信号处理技术领域。本发明包括：输入脑电信号f(t)，建立脑电信号的模态分解的优化问题：J1为模式带宽，Th为带宽阈值，J2为余留信号fr(t)在uL(t)上的能量，J3为uL(t)在已分解的模式ui(t)上的能量；本发明对优化问题进行求解，逐次连续分解得到脑电信号分解后的第L个模式uL(t)。在最小带宽的基础上引入了额外的约束，要求模式最小带宽小于根据信号特征自动设置的阈值。本发明有着更优越的分解性能。
-
公开(公告)号：CN113017651B
公开(公告)日：2022-06-21
申请号：CN202110281415.0
申请日：2021-03-16
Applicant: 哈尔滨工业大学
Abstract: 一种情感EEG的脑功能网络分析方法，涉及一种情感EEG的脑功能网络分析技术，为了解决目前EEG情感脑功能网络分析中网络节点不一致导致通用性差的问题。本发明基于脑电信号的相关性和同步性，构建32节点小尺度脑功能网络，并将其分为二值网络和加权网络；对比分析二值和加权网络在不同情感下的全局和局部属性；利用定义脑区作为第二节点，研究该10个节点的局部属性；构建10节点大尺度脑功能网络，并对不同情感脑网络属性进行分析，得出10节点脑功能网络的局部属性；最后对比32节点与10节点脑功能网络的局部属性，得出局部属性变化的共同性及差异性，实现对不同情感脑电信号的网络分析。有益效果为通用性强。
-
公开(公告)号：CN113197573B
公开(公告)日：2022-06-17
申请号：CN202110547301.6
申请日：2021-05-19
Applicant: 哈尔滨工业大学
IPC: A61B5/11 , A61B5/16 , A61B5/318 , A61B5/00 , G06K9/00 , G06K9/62 , G06V40/18 , G06V40/16 , G06V10/80
Abstract: 基于表情识别及脑电融合的观影印象检测方法，属于观影印象检测领域。本发明为解决现有技术中无法定量评定用户对广告内容的主观印象以及不利于在大数据层面上分析的问题。本发明检测方法包括如下：采集观影时间段内的观影表情变化视频及脑电信号；根据观影表情变化视频，获得观看过程中的愉悦程度B1和专注程度B2，并将B1与B2的乘积作为表情印象指数m1；同时还对脑电信号进行傅里叶变化，获得功率谱密度P(w)；再根据P(w)获得各频段的频带能量占比及相关频段的频带能量比，并将其送入支持向量机SVM，获得脑电印象指数m2；利用DS决策融合算法对表情印象指数m1和脑电印象指数m2进行融合，从而获得决策结果m。主要用于对观影印象进行量化。
-
公开(公告)号：CN107220708A
公开(公告)日：2017-09-29
申请号：CN201710484675.1
申请日：2017-06-23
Applicant: 哈尔滨工业大学
IPC: G06N3/12 , G06K9/62 , A61B5/0476 , A61B5/00
CPC classification number: G06N3/126 , A61B5/0476 , A61B5/4812 , A61B5/7264 , G06K9/6229
Abstract: 本发明公开了一种用于睡眠脑电分期特征选择的自适应模拟退火遗传算法，通过脑电信号进行睡眠分期，需要从脑电信号中提取大量特征参数，从中筛选出相对最优的特征参数组合用于睡眠脑电数学模型的建立。在已有的模拟退火遗传算法中，保留了遗传算法较强的总体搜索能力和模拟退火算法较强的局部搜索能力，以期提高产生优良个体的概率。但现有算法对迭代过程中的个体进行模拟退火操作时，在当前最优解的邻域内随机产生新解的机制存在致命的缺陷，本发明针对这一缺陷，不仅解决了传统模拟退火遗传算法邻域新解产生机制的迭代效率低、受邻域范围影响大等缺点，而且能够实现交叉概率和变异概率的自适应调整，同时采用加权方式进行适应度函数的设计。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.028 seconds)
