-
公开(公告)号:CN115393513A
公开(公告)日:2022-11-25
申请号:CN202211025481.2
申请日:2022-08-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于RGB图片的人脸三维重建方法及系统,本发明方法包括如下步骤:步骤一:获取人脸RGB图像;步骤二:对人脸图像进行定位,并算出人脸的数个关键点,裁切图片;步骤三:引入巴塞尔参数化人脸模型;步骤四:将三维的人脸投影至二维平面;步骤五:进行投影归一化特征编码;步骤六:引入神经网络选择的损失函数;步骤七:图像通过反向传递更新网络参数,得到输出的人脸参数图像;步骤八:通过UV纹理图转换,根据巴塞尔人脸参数模型的纹理向量映射到二维空间;步骤九:将UV纹理图映射到三维人脸形状获得人脸的三维模型。通过本发明人脸三维重建技术处理的人脸UV图明显减少了细节缺失。
-
公开(公告)号:CN112331232A
公开(公告)日:2021-02-05
申请号:CN202011228473.9
申请日:2020-11-06
Applicant: 杭州电子科技大学
IPC: G10L25/63 , G10L21/0208 , G10L21/0232 , G10L25/03 , G10L25/18 , G10L25/30 , G10L25/45
Abstract: 本发明公开了一种结合CGAN谱图去噪和双边滤波谱图增强的语音情感识别方法,包括:S1、获取干净语谱图以及加噪语谱图;S2、将干净语谱图和加噪语谱图输入基于矩阵距离的条件生成对抗网络进行训练,得到去噪模型;S3、利用去噪模型对加噪语谱图进行去噪处理,分别进行两个不同尺度的双边滤波,得到低、高尺度滤波图,低、高尺度滤波图相差再乘以增强系数,然后与低尺度滤波图相加,得到细节增强的语谱图;S4、将细节增强的语谱图输入卷积神经网络模型中进行分类,得到分类模型;S5、待识别语音的语谱图经过步骤S3中对语谱图的处理,得到的细节增强的语谱图输入分类模型,得到语音情感分类结果。本发明有效实现语音情感的识别。
-
公开(公告)号:CN109920111A
公开(公告)日:2019-06-21
申请号:CN201910163121.0
申请日:2019-03-05
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种人脸识别和步态识别融合的门禁系统,包括步态采集装置、人脸采集装置、步态数据库、人脸数据库、步态匹配模块、人脸匹配模块、特征融合模块、中央控制器、电源模块、电脑记录仪、门禁控制器和警报器,电源模块、电脑记录仪、门禁控制器、警报器分别连接中央控制器,步态采集装置和步态数据库都连接步态匹配模块,人脸采集装置和人脸数据库都连接人脸匹配模块,步态匹配模块和人脸匹配模块都连接特征融合模块。本系统采用特征融合的方式进行身份识别,鲁棒性好,识别率高,电脑记录仪实时记录通过和未通过门禁的数据,整个系统管理方便,安全高效。
-
公开(公告)号:CN114004408B
公开(公告)日:2024-09-06
申请号:CN202111301447.9
申请日:2021-11-04
Applicant: 浙江华云电力工程设计咨询有限公司 , 杭州电子科技大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及一种基于数据分析的用户电力负荷预测方法。该方法首先根据用户电力负荷的历史数据,使用聚类算法划分出历史数据的日期类型。接着根据历史数据的日期类型变化,使用MEPA算法预测出将来某天的电力负荷数据的日期类型。然后将用户电力负荷历史数据根据其日期类型划分为工作日或节假日两类,分别构建训练集并训练LSTM模型,即可使用训练好的LSTM模型对将来某天的电力负荷进行预测。本发明提出的方法对于准确预测用户的电力负荷,从而合理供能,降低用能成本,提高经济效益,具有重要的意义。
-
公开(公告)号:CN110047506A
公开(公告)日:2019-07-23
申请号:CN201910319987.6
申请日:2019-04-19
Applicant: 杭州电子科技大学
Abstract: 本发明提出一种基于卷积神经网络和多核学习SVM的关键音频检测方法,包括步骤:S1:处理音频数据集,得到音频原始波形序列数据集和音频声谱图数据集;S2:建立提取音频原始波形序列特征的一维卷积神经网络和提取音频声谱图特征的二维卷积神经网络;S3:使用音频的原始波形序列数据集和声谱图数据集分别训练一维和二维卷积神经网络,得到对应的两个特征提取的网络模型;S4:输入音频的原始波形序列和声谱图分别至对应的两个网络模型,提取对应的特征;S5:输入两类特征至多核支持向量机,构建基于特征融合模型的核函数,进行音频分类。本发明所述检测方法将卷积神经网络从音频语谱图和音频原始波形中提取的特征进行融合,提高了检测识别准确率。
-
公开(公告)号:CN109815901A
公开(公告)日:2019-05-28
申请号:CN201910069350.6
申请日:2019-01-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于YOLOv3算法的多人姿态估计方法,包括步骤:S1:处理综合数据集,得到满足方法需要的单类行人数据集;S2:设计图片切割提取模块,将YOLOv3算法和Stacked Hourglass算法合理结合得到多人姿态估计网络框架;S3:训练S1所述数据集得到单类行人检测的YOLOv3网络模型,训练MPII数据集得到Hourglass姿态估计网络模型。将训练得到的YOLOv3网络模型和级联4个Hourglass网络得到的Stacked Hourglass网络模型进行合理结合,得到基于YOLOv3算法的多人姿态估计网络模型;S4:输入原始图像,得到多人姿态估计建议的图像。本发明基于最新的YOLOv3算法,通过提升人体检测器的检测能力,提高了多人姿态估计的准确性,提升了对全局性的把控。
-
公开(公告)号:CN114004408A
公开(公告)日:2022-02-01
申请号:CN202111301447.9
申请日:2021-11-04
Applicant: 浙江华云电力工程设计咨询有限公司 , 杭州电子科技大学
Abstract: 本发明涉及一种基于数据分析的用户电力负荷预测方法。该方法首先根据用户电力负荷的历史数据,使用聚类算法划分出历史数据的日期类型。接着根据历史数据的日期类型变化,使用MEPA算法预测出将来某天的电力负荷数据的日期类型。然后将用户电力负荷历史数据根据其日期类型划分为工作日或节假日两类,分别构建训练集并训练LSTM模型,即可使用训练好的LSTM模型对将来某天的电力负荷进行预测。本发明提出的方法对于准确预测用户的电力负荷,从而合理供能,降低用能成本,提高经济效益,具有重要的意义。
-
公开(公告)号:CN109635790A
公开(公告)日:2019-04-16
申请号:CN201910079769.X
申请日:2019-01-28
Applicant: 杭州电子科技大学
CPC classification number: G06K9/00335 , G06N3/0454
Abstract: 本发明公开一种基于3D卷积的行人异常行为识别方法,包括步骤:S1:创建一个包含打架斗殴、遛狗、摔倒等异常行为的数据集;S2:结合最新的视频行为识别方案,构建一个兼顾精度与速率的3D卷积神经网络;S3:对数据集中图像进行预处理后送入3D卷积神经网络,得到视频异常行为识别模型;S4:输入测试行人监控视频,输出异常行为类型。本发明所述识别方法将轻量级的2D卷积网络MobileNet思想迁移到3D网络中,可以在保持识别性能的基础上降低计算成本;同时,采用自适应池化层与稀疏时间采样策略,可以减少连续帧中包含大量冗余的信息与模糊噪声。
-
公开(公告)号:CN105871081B
公开(公告)日:2019-01-18
申请号:CN201610435783.5
申请日:2016-06-17
Applicant: 杭州电子科技大学
IPC: H02J50/12
Abstract: 本发明公开了一种基于单圈圆形铜线线圈的无线电能传输最优电容选择方法,该方法首先对圆形铜线线圈外加任意电容,通过仿真计算出线圈寄生电容;由寄生电容、外加电容及计算出的线圈自感算出线圈损耗阻抗;将计算出的损耗电阻、寄生电容、外加电容、线圈自感及线圈间互感代入效率表达式中计算得到各个不同外加电容值下的效率值。本发明能够快速得到最优效率对应的频率和对应的电容值,从而完成设计。
-
公开(公告)号:CN110163175A
公开(公告)日:2019-08-23
申请号:CN201910449120.2
申请日:2019-05-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于改进VGG-16网络的步态识别方法及系统,包括步骤:S1、基于改进VGG-16网络对原始行人步态数据集进行处理,提取静态特征和动态特征;S2、训练所述静态特征和动态特征,得到静态识别网络、动态识别网络、特征融合模块和综合识别模块;S3、基于所述静态识别网络、动态识别网络、特征融合模块和综合识别模块识别图像或视频中的步态。本发明与现有技术相比有如下优点:1.本发明结合卷积神经网络进行行人步态识别,利用卷积神经网络优秀的特征提取能力和计算能力,大幅提升对行人步态识别的准确性和实时性。2.本发明结合行人走路时的静态特征与动态特征进行步态识别,可以有效去除由于角度、衣着和距离远近造成的负面影响。
-
-
-
-
-
-
-
-
-