-
公开(公告)号：CN105512641B
公开(公告)日：2019-02-19
申请号：CN201511029592.0
申请日：2015-12-31
Applicant: 哈尔滨工业大学
Abstract: 一种采用激光雷达扫描法标定雨雪状态下视频中的动态行人及车辆的方法，涉及图像模式识别和机器智能领域。解决了现有算法的实时性差以及识别动态物体不准确的问题。当检测到视频中处于下雨下雪状态时，将视频分解成一帧帧图像；采用激光雷达扫描视频窗口前方，通过激光雷达测得动态物体的距离信息，得到动态物体的瞬时速度，并根据该瞬时速度判断动态物体的类型，动态物体的类型包括行人和车辆；通过激光雷达扫描物体中线位置，根据中线位置获得视频中行人及车辆的位置坐标；步将步骤三中的行人及车辆的位置坐标映射到步骤一中的图像中，获得映射图像；采用保边去噪方法对映射图像进行防失真处理，获得防失真映射图像。它适用于检测行人及车辆。
-
公开(公告)号：CN107277508A
公开(公告)日：2017-10-20
申请号：CN201710612059.X
申请日：2017-07-25
Applicant: 哈尔滨工业大学
IPC: H04N19/11 , H04N19/182 , H04N19/593
Abstract: 一种采用自适应模式选择的像素级两向帧内预测方法，本发明涉及像素级两向帧内预测方法。本发明为了解决现有技术采用基于块的预测方法无法提供像素级预测精度以及方法复杂的缺点。本发明包括：步骤一、根据当前像素所处位置对其进行分类，得到当前像素所属类别；步骤二、根据当前像素所属类别，位于第一列或第一行的像素采用固定预测模式，选择出当前像素的预测值；步骤三、除第一列和第一行外的像素进行自适应模式选择，选择出当前像素的预测值，完成预测过程。本发明为帧内每个像素提供独立的自适应预测模式，适应不同的图像特征，以极低的计算复杂度，得到比较准确的预测结果。本发明用于帧内预测领域。
-
公开(公告)号：CN105512641A
公开(公告)日：2016-04-20
申请号：CN201511029592.0
申请日：2015-12-31
Applicant: 哈尔滨工业大学
CPC classification number: G06K9/00711 , G06K2209/21 , G06K2209/23 , G06T5/002 , G06T2207/10016 , G06T2207/10044 , G06T2207/20182 , G06T2207/20192 , G06T2207/30196
Abstract: 一种采用激光雷达扫描法标定雨雪状态下视频中的动态行人及车辆的方法，涉及图像模式识别和机器智能领域。解决了现有算法的实时性差以及识别动态物体不准确的问题。当检测到视频中处于下雨下雪状态时，将视频分解成一帧帧图像；采用激光雷达扫描视频窗口前方，通过激光雷达测得动态物体的距离信息，得到动态物体的瞬时速度，并根据该瞬时速度判断动态物体的类型，动态物体的类型包括行人和车辆；通过激光雷达扫描物体中线位置，根据中线位置获得视频中行人及车辆的位置坐标；步将步骤三中的行人及车辆的位置坐标映射到步骤一中的图像中，获得映射图像；采用保边去噪方法对映射图像进行防失真处理，获得防失真映射图像。它适用于检测行人及车辆。
-
公开(公告)号：CN104050681A
公开(公告)日：2014-09-17
申请号：CN201410317354.9
申请日：2014-07-04
Applicant: 哈尔滨工业大学
IPC: G06T7/00
Abstract: 一种基于视频图像的道路消失点检测方法，涉及一种道路消失点的检测方法，属于道路检测领域。本发明解决了现有的检测方法错误率较高，传统的投票算法比较复杂，大部分的时间是消耗在投票算法上的，以及利用Gabor小波的多尺度和多方向特性进行纹理特征提取时存在计算量较大的问题。本发明的技术要点为：输入一帧图像数据，将其转换为灰度图像并进行快速傅里叶变换；基于Gabor滤波器的纹理响应幅度的计算；计算图像纹理主方向；计算粒子的票数；调整粒子分布范围；建立消失点动态和观测模型；粒子滤波及消失点输出。本发明可应用于智能行走机器人或无人驾驶汽车自主导航等计算机视觉系统中。
-
公开(公告)号：CN103198251A
公开(公告)日：2013-07-10
申请号：CN201310103424.6
申请日：2013-03-28
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提出了一种基于神经网络的硬件木马芯片识别方法，解决了现有识别方法中需人工观察，效率低的问题，实现了硬件木马芯片识别的智能化。该方法包含以下步骤：首先获取所有待检测芯片的侧信道信息并对其进行数据预处理；选取部分待检测芯片进行反剖分析，确定反剖芯片是否含有硬件木马；利用不含硬件木马的反剖芯片经预处理之后的侧信道信息建立芯片特征空间；将所有待检测芯片经预处理后的侧信道信息矩阵投影到该特征空间，得到侧信道信息特征数据矩阵；利用反剖芯片的侧信道信息特征数据及相应的目标输出值建立并训练神经网络；将测试芯片的侧信道信息特征数据送入到已训练完成的神经网络进行判别输出，实现对硬件木马芯片的识别。
-
Patent Agency Ranking
公开(公告)号：CN103150498A
公开(公告)日：2013-06-12
申请号：CN201310105529.5
申请日：2013-03-28
Applicant: 哈尔滨工业大学(威海)
IPC: G06F21/50
Abstract: 基于单分类支持向量机的硬件木马识别方法，属于硬件木马芯片的检测和识别领域，本发明为解决现有利用芯片侧信道信息来识别芯片硬件木马的技术需人工观察图像，存在误差大、效率低的问题。本发明方法包括以下步骤：一、预处理，获取侧信道信息矩阵；二、选择的反剖芯片进行反向分析，确定是否含有硬件木马；三、对于不含硬件木马的反剖芯片，分成训练样本和训练优化样本，四、利用所述训练样本侧信道信息矩阵建立芯片的特征空间；五、得到待检测芯片的侧信道特征数据矩阵；六、进行归一化处理，七、取出训练和训练优化样本归一化数据；八、训练单分类支持向量机来构造最小超球面；九、在最小超球面外，则该待检测芯片为硬件木马芯片。
-
公开(公告)号：CN101562593A
公开(公告)日：2009-10-21
申请号：CN200910072113.1
申请日：2009-05-25
Applicant: 哈尔滨工业大学
IPC: H04L27/26
Abstract: 基于选择路径的相位因子结合电路，涉及集成电路设计领域。它解决了现有正交频分复用技术中，采用时域交织分割部分传输序列法在操作过程中的数据阻塞的问题。提供一种基于选择路径的相位因子结合电路，其工作过程为：在每一个时钟周期时，状态机输出四个控制信号，四个选择器分别根据所述状态机输出的四个控制信号选择对应的累加器进行输出，在四个时钟周期后，完成与相位因子结合所产生的数据的累加过程，基于选择路径的相位因子的结合过程与数据的IFFT变换速度同步，不会造成数据的阻塞，并且不需要寄存器存储数据，硬件消耗很低。本发明适用于现有OFDM系统的PTS方法中。
-
公开(公告)号：CN101562592A
公开(公告)日：2009-10-21
申请号：CN200910072096.1
申请日：2009-05-22
Applicant: 哈尔滨工业大学
Abstract: 基于存储单元的相位因子结合方法，涉及集成电路设计领域。它解决现有正交频分复用技术中，采用时域交织分割部分传输序列法在操作过程中的数据阻塞的问题。本发明所述的基于存储单元的相位因子结合方法，在前4个时钟周期，完成四组数据的相位因子结合以及存储的过程，在第4n+1个时钟周期，完成存储寄存器与累加寄存器之间的数据传递，在第4n+2、4n+3、4n+4个时钟周期，重复2、3、4个时钟周期操作的同时完成数据的累加过程，得到第一批信号点。然后重复5、6、7、8个时钟周期的操作获得其它的信号点，相位因子结合的速度与数据的IFFT变换速度同步，不会造成数据的阻塞，适用于现有OFDM系统的PTS方法中。
-
公开(公告)号：CN111709215B
公开(公告)日：2024-09-24
申请号：CN202010484741.7
申请日：2020-06-01
Applicant: 哈尔滨工业大学
IPC: G06F30/398 , G06F115/02
Abstract: 一种IP管理系统及IP管理方法，本发明涉及IP管理系统及IP管理方法。本发明的目的是为了解决现有IP级SoC设计流程繁杂冗长以及随着系统增大导致重复工作过多准确率下降的问题。一种IP管理系统包括：IP管理系统包含配置管理模块，语法解析模块，寄存器解析模块，模型产生模块，文本生成模块，全局检查模块和整合模块；所述配置文件内容包括每个软IP，硬IP的源文件或各个软、硬IP的模型文件的位置信息，各个软，硬IP的宏信息，各个软，硬IP的路径信息，以及各个软，硬IP对应的SystemRDL文件位置信息或者自定义的寄存器信息描述文件位置信息。本发明用于数字芯片设计及其EDA工具领域。
-
公开(公告)号：CN108256455A
公开(公告)日：2018-07-06
申请号：CN201810015224.8
申请日：2018-01-08
Applicant: 哈尔滨工业大学
Abstract: 一种基于消失点的道路图像分割方法，涉及一种图像处理方法。以解决传统的基于双目匹配的道路识别算法存在的道路识别结果的准确率较低、算法运行时间较长，以及基于深度学习道路识别算法的道路识别结果的准确率容易受到样本数据的影响的问题。本发明利用消失点的特性将图像中的道路部分与道路上空部分分隔开，这样就可以去掉图像中道路上空部分的冗余信息，提取去除道路上空部分后的道路彩色图像放入基于深度学习算法进行训练，或直接利用基于双目匹配的道路识别算法处理，去掉道路上空部分的冗余信息后图像整体面积减小，所以本算法缩短了运行时间，同时提高了道路识别的准确率，最终能够快速、高准确率的得到可行驶道路区域的图像。本发明用于图像处理技术领域用。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.029 seconds)
