-
公开(公告)号：CN111977025A
公开(公告)日：2020-11-24
申请号：CN202010740887.3
申请日：2020-07-29
Applicant: 西北工业大学
IPC: B64F5/60
Abstract: 本发明一种飞行试验外挂式直升机桨叶运动状态测量装置及方法，属于直升机飞行试验测量技术领域；包括两台高速相机、GPS授时设备、补光灯、嵌入式计算机、光接收器、外挂架和存储卡。嵌入式计算机与两台高速相机、补光灯、光接收器、GPS授时设备和存储卡连接；所述嵌入式计算机包括触发控制模块、采集记录模块、数据解算模块，通过触发控制模块接受信号和发出指令，采集记录模块用于采集所述高速相机的图像信息，数据解算模块将图像信息进行处理后存储到采集记录模块。该装置一体化设计安装在外挂架上，整体通过外界28V电源接口，便于在机载环境中改装应用；相机位置姿态依据旋翼测量状态事先标校好，不用重复标定，改装周期、改装难度降低。
-
公开(公告)号：CN109431521A
公开(公告)日：2019-03-08
申请号：CN201811190958.6
申请日：2018-10-12
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于音频、视频的多模态双相情感障碍检测方法。此方法分为两步进行：音、视频单模态双相抑郁障碍检测和将音视频融合的多模态双相抑郁障碍检测。在单模态双相抑郁障碍检测阶段，采用音频和视频两种信息流分别对患者双相抑郁症的程度进行初步判断，之后在多模态检测阶段，将前面得到的音、视频的单模态检测结果相结合，进行最终的多模态双相抑郁症程度分类。这种方法在公开的双相抑郁症数据库上已经取得了很好的效果，且整个系统复杂度低，只需将采集到的患者音视频信息输入到训练好的模型中即可得到患者的双相抑郁症程度，是一种无创性检测方法，因此该方法具有可推广性。
-
公开(公告)号：CN113420703B
公开(公告)日：2023-04-18
申请号：CN202110752977.9
申请日：2021-07-03
Applicant: 西北工业大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明主要设计了一种基于多尺度特征提取和多注意力机制建模的面部表情识别方法。该方法能够从局部和全局上同时考虑情感相关的面部特征，以最大程度地挖掘表情显著的面部视觉信息；与此同时，考虑了多注意力机制的策略，以在时序上突显关键帧的重要作用，并在空间维度上给予包含丰富表情信息的区域块更高的权重，从而增加关键帧和关键块对表情识别的贡献，实现更好的表情识别效果。经过对本发明的实验验证，在Aff‑Wild2数据库上的七类情感识别的准确率可以达到50.3％，F1分值可以达到49.5％，在RML数据库上的六类情感识别的准确率可以达到78.32％，在AFEW数据库上的七类表情识别的准确率可以达到59.79％，均已达到或领先世界先进水平。
-
公开(公告)号：CN111977025B
公开(公告)日：2022-05-24
申请号：CN202010740887.3
申请日：2020-07-29
Applicant: 西北工业大学
IPC: B64F5/60
Abstract: 本发明一种飞行试验外挂式直升机桨叶运动状态测量装置及方法，属于直升机飞行试验测量技术领域；包括两台高速相机、GPS授时设备、补光灯、嵌入式计算机、光接收器、外挂架和存储卡。嵌入式计算机与两台高速相机、补光灯、光接收器、GPS授时设备和存储卡连接；所述嵌入式计算机包括触发控制模块、采集记录模块、数据解算模块，通过触发控制模块接受信号和发出指令，采集记录模块用于采集所述高速相机的图像信息，数据解算模块将图像信息进行处理后存储到采集记录模块。该装置一体化设计安装在外挂架上，整体通过外界28V电源接口，便于在机载环境中改装应用；相机位置姿态依据旋翼测量状态事先标校好，不用重复标定，改装周期、改装难度降低。
-
公开(公告)号：CN113420703A
公开(公告)日：2021-09-21
申请号：CN202110752977.9
申请日：2021-07-03
Applicant: 西北工业大学
Abstract: 本发明主要设计了一种基于多尺度特征提取和多注意力机制建模的面部表情识别方法。该方法能够从局部和全局上同时考虑情感相关的面部特征，以最大程度地挖掘表情显著的面部视觉信息；与此同时，考虑了多注意力机制的策略，以在时序上突显关键帧的重要作用，并在空间维度上给予包含丰富表情信息的区域块更高的权重，从而增加关键帧和关键块对表情识别的贡献，实现更好的表情识别效果。经过对本发明的实验验证，在Aff‑Wild2数据库上的七类情感识别的准确率可以达到50.3％，F1分值可以达到49.5％，在RML数据库上的六类情感识别的准确率可以达到78.32％，在AFEW数据库上的七类表情识别的准确率可以达到59.79％，均已达到或领先世界先进水平。
-
Patent Agency Ranking
公开(公告)号：CN107133481A
公开(公告)日：2017-09-05
申请号：CN201710363943.4
申请日：2017-05-22
Applicant: 西北工业大学
CPC classification number: G06K9/6269
Abstract: 本发明涉及一种基于DCNN‑DNN和PV‑SVM的多模态抑郁症估计和分类方法，利用位移范围直方图和Opensmile工具对音视频特征进行预处理，利用深度卷积神经网络提取中音、视频统计特征的隐层抽象特征，利用深度神经网络DNN进行抑郁症估计，利用段向量PV方法进行文本信息的高维特征映射，将得到的高维特征表示输入SVM中进行二分类，将抑郁症估计与二分类结果串接后输入随机森林Random Forests模型进行训练，用训练好的随机森林Random Forests模型实现最终抑郁症的分类任务，即抑郁或非抑郁。由于采用DCNN模型对初级音视频提取了隐层抽象特征，这样使原来高维特征变得更加紧凑，包含的信息更加丰富，从而使模型更加有效，避免了由于特征维度过高导致的过拟合现象。
-
公开(公告)号：CN106919952A
公开(公告)日：2017-07-04
申请号：CN201710098077.0
申请日：2017-02-23
Applicant: 西北工业大学
IPC: G06K9/62
CPC classification number: G06K9/6223
Abstract: 本发明公开了一种基于结构稀疏表示和内部聚类滤波的高光谱异常目标检测方法，用于解决现有高光谱异常目标检测方法目标检测效率低的技术问题。技术方案是在选择初始背景像元后，利用主成分分析字典学习法学习得到鲁棒性的背景字典。稀疏向量求解和图像重建过程中，引入重加权拉普拉斯先验，提高稀疏向量求解精度。计算原始图像与重建图像之间的误差得到稀疏表示误差。利用内部聚类滤波表示高光谱数据的空谱特性，通过计算待测像元与它同类其他像元线性表示结果的误差，得到内部聚类误差，最后联合稀疏表示误差与内部聚类误差的线性加权和实现异常目标的精确提取。经测试，本发明相对于背景技术在恒虚警率的前提下检测率提高了10％～15％。
-
公开(公告)号：CN113095201B
公开(公告)日：2023-08-18
申请号：CN202110370269.9
申请日：2021-04-07
Applicant: 西北工业大学
IPC: G06V40/16 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种从人脸图像中对不同人脸肌肉运动单元AU进行运动变化程度估计的模型建立方法。该方法首先得到人脸不同区域的特征表达；其次利用自注意力机制编码不同区域特征的高级表征；最后，对所有AU的程度值进行多任务的学习，每一个AU程度值的可信度作为多任务学习时不同AU的权重，得到AU程度估计模型。本发明减少了特征提取过程的计算量，保证了提取到的特征更加的鲁棒。同时，可以有效的挖掘对特定AU识别时不同区域的关键信息。有效的降低数据集标注中噪声对训练带来的影响，挖掘了有效的AU标注和人脸样本。这种在模型中同时通过自注意力编码不同区域特征的方法，配合不确定度加权的多任务学习，明显的提高了AU程度估计的准确度。
-
公开(公告)号：CN113269277B
公开(公告)日：2023-07-25
申请号：CN202110759965.9
申请日：2021-07-06
Applicant: 西北工业大学
IPC: G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 本发明采用时序深度卷积神经网络(TCN)、自注意力Transformer编码器(Transformer Encoder)以及多模态多头注意力机制(Multi‑modal Multi‑head Attention)，涉及一种从多模态(听觉、视觉)时序信息中对连续维度情感进行估计的模型和识别方法。该方法对不同模态输入的特征，得到不同模态的嵌入特征表达；而后将不同模态的嵌入特征表达作为输入，利用多模态Transformer编码器得到不同模态的高级表征；最后将不同模态的高级特征表达作为输入，计算出每一时刻的情感状态值。本发明更加关注时序上过去某些关键时刻对当前情绪状态的影响，排除长远情感信息带来的干扰，使得模型鲁棒性提高。同时，该发明通过在模型中同时修正时序上下文依赖关系和多模态交互融合关系的方法，明显的提高了连续维度情感估计的准确度。
-
公开(公告)号：CN107798345B
公开(公告)日：2020-11-20
申请号：CN201710981243.1
申请日：2017-10-20
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于块对角与低秩表示的高光谱伪装目标检测方法，用于解决现有高光谱伪装目标检测方法目标检测效率低的技术问题。技术方案是首先利用k‑means聚类算法将背景划分为不同的类别；其次根据聚类结果将原始数据进行排序；然后利用PCA字典学习算法得到每一类的字典，进而获得全局的背景字典；再依据低秩和稀疏表示理论建立块对角低秩检测模型；模型求解后将原始数据分为背景部分和包含伪装目标的稀疏部分；最后在稀疏部分中提取出伪装目标。由于在低秩和稀疏表示理论的框架下，利用聚类算法对背景进行精细化描述，使得对背景的描述更加准确，提高了伪装目标检测效率。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.026 seconds)
