-
公开(公告)号：CN110427871B
公开(公告)日：2022-10-14
申请号：CN201910701129.8
申请日：2019-07-31
Abstract: 本发明属于疲劳驾驶检测技术领域，具体涉及一种基于计算机视觉的疲劳驾驶检测方法。现有的检测方法在检测准确性和反应速度上不能很好地满足实际产品的需求，存在着不能有效避免疲劳事故的发生的问题。本发明提供的一种基于计算机视觉的疲劳驾驶检测方法，启动设备，对摄像头进行初始化操作；然后进行视频采集、人脸检测、目标跟踪、神经网络判断、缓存图像和报警步骤，利用深度特征提取、目标检测、目标跟踪和行为识别等方法，实现对疲劳驾驶行为的准确判断。该方法准确度高，检测速度快，利用定期检测更新跟踪模板有效解决了跟踪失败问题，同时采用了单幅图像特征和连续多幅图像序列特征对疲劳行为进行描述，从而提高整个系统判断的准确性。
-
公开(公告)号：CN110689559B
公开(公告)日：2022-08-12
申请号：CN201910947630.2
申请日：2019-09-30
IPC: G06T7/246
Abstract: 本发明属于目标跟踪技术领域，具体涉及一种基于密集卷积网络特征的视觉目标跟踪方法。本发明提供的技术方案，包括以下五个步骤：步骤一、构建初始位置滤波器；步骤二、构建初始尺度滤波器；步骤三、目标定位；步骤四、尺度估计；步骤五、模型更新。通过深度密集卷积网络的不同层提取目标特征，基于APCE(Average Peak‑to‑Correlation Energy)值自适应地选择最佳响应图，然后确定目标中心位置。在此基础上，进一步对目标尺度进行估计，能够适应目标尺度变化，准确确定目标的大小，选择性地对模型进行在线更新。算法精确度和成功率较高，实现了目标的鲁棒跟踪，易于在实际场景中推广应用。
-
公开(公告)号：CN110427871A
公开(公告)日：2019-11-08
申请号：CN201910701129.8
申请日：2019-07-31
Abstract: 本发明属于疲劳驾驶检测技术领域，具体涉及一种基于计算机视觉的疲劳驾驶检测方法。现有的检测方法在检测准确性和反应速度上不能很好地满足实际产品的需求，存在着不能有效避免疲劳事故的发生的问题。本发明提供的一种基于计算机视觉的疲劳驾驶检测方法，启动设备，对摄像头进行初始化操作；然后进行视频采集、人脸检测、目标跟踪、神经网络判断、缓存图像和报警步骤，利用深度特征提取、目标检测、目标跟踪和行为识别等方法，实现对疲劳驾驶行为的准确判断。该方法准确度高，检测速度快，利用定期检测更新跟踪模板有效解决了跟踪失败问题，同时采用了单幅图像特征和连续多幅图像序列特征对疲劳行为进行描述，从而提高整个系统判断的准确性。
-
公开(公告)号：CN109801311A
公开(公告)日：2019-05-24
申请号：CN201910095621.5
申请日：2019-01-31
Abstract: 本发明公开了一种基于深度残差网络特征的视觉目标跟踪方法，包括步骤：一、选取深度残差网络的特征层并计算权重；二、第一帧实际输入图像的特征提取；三、构建第一帧实际输入图像的特征的响应和初始位置滤波器；四、第一帧实际输入图像的尺度采样及fHOG特征提取；五、构建初始尺度滤波器；六、第二帧实际输入图像的特征提取；七、位置滤波；八、位置滤波响应图的加权及目标定位；九、目标图像的尺度采样及fHOG特征提取；十、目标特征向量的尺度滤波及尺度估计；十一、滤波器更新；十二、输入下一帧实际输入图像，将下一帧实际输入图像视为第二帧实际输入图像后循环步骤六。本发明跟踪精确度和成功率高，适应目标尺度变化，实现目标的鲁棒跟踪。
-
公开(公告)号：CN109801311B
公开(公告)日：2021-07-16
申请号：CN201910095621.5
申请日：2019-01-31
Abstract: 本发明公开了一种基于深度残差网络特征的视觉目标跟踪方法，包括步骤：一、选取深度残差网络的特征层并计算权重；二、第一帧实际输入图像的特征提取；三、构建第一帧实际输入图像的特征的响应和初始位置滤波器；四、第一帧实际输入图像的尺度采样及fHOG特征提取；五、构建初始尺度滤波器；六、第二帧实际输入图像的特征提取；七、位置滤波；八、位置滤波响应图的加权及目标定位；九、目标图像的尺度采样及fHOG特征提取；十、目标特征向量的尺度滤波及尺度估计；十一、滤波器更新；十二、输入下一帧实际输入图像，将下一帧实际输入图像视为第二帧实际输入图像后循环步骤六。本发明跟踪精确度和成功率高，适应目标尺度变化，实现目标的鲁棒跟踪。
-
Patent Agency Ranking
公开(公告)号：CN110689559A
公开(公告)日：2020-01-14
申请号：CN201910947630.2
申请日：2019-09-30
IPC: G06T7/246
Abstract: 本发明属于目标跟踪技术领域，具体涉及一种基于密集卷积网络特征的视觉目标跟踪方法。本发明提供的技术方案，包括以下五个步骤：步骤一、构建初始位置滤波器；步骤二、构建初始尺度滤波器；步骤三、目标定位；步骤四、尺度估计；步骤五、模型更新。通过深度密集卷积网络的不同层提取目标特征，基于APCE(Average Peak-to-Correlation Energy)值自适应地选择最佳响应图，然后确定目标中心位置。在此基础上，进一步对目标尺度进行估计，能够适应目标尺度变化，准确确定目标的大小，选择性地对模型进行在线更新。算法精确度和成功率较高，实现了目标的鲁棒跟踪，易于在实际场景中推广应用。
-
公开(公告)号：CN115414050B
公开(公告)日：2025-05-02
申请号：CN202110519612.1
申请日：2021-05-12
Applicant: 西安邮电大学
Abstract: 本发明属于信号处理技术研究领域，提供一种实现情绪识别的EEG脑网络最大团检测方法，解决了现有脑网络相关研究中对各脑区交互作用不明确且情绪识别准确率不高的问题。首先通过量化EEG信号间的相位同步程度，构建基于相位锁值的功能性脑网络；然后采用改进的Bron‑Kerbosch算法检测脑网络中的最大团，所述方法利用rich‑club结构筛选有效网络节点，所有节点遍历完后，得到节点数最多的极大团即该脑网络的最大团，其代表脑网络中最重要的内在信息处理模块；最后对最大团进行阈值化处理，提取拓扑属性作为特征用于情绪识别。用此方法构建一个情绪识别系统，可提取出与情绪活动最相关的特征，提高情绪识别准确率。
-
公开(公告)号：CN118509920A
公开(公告)日：2024-08-16
申请号：CN202410820621.8
申请日：2024-06-24
Applicant: 西安邮电大学
Abstract: 本申请公开了一种面向不确定性MEC环境的任务卸载方法，包括以下步骤：获取任务数据；联合多路径并行传输、任务缓存和隐私保护构建联合不确定性任务卸载优化模型；利用混合双层卸载算法求解联合不确定性任务卸载优化模型，得到最终任务卸载策略、最终任务缓存策略和最终任务数据分配策略；分别根据最终任务卸载策略、最终任务缓存策略和最终任务数据分配策略进行卸载位置分配、边缘缓存、将任务数据分配给不同的传输网络。本申请通过将联合不确定性任务卸载优化模型转换为确定性双层机会约束模型，具有高内聚低耦合的优点；通过结合改进遗传算法、蒙特卡洛模拟和人工神经网络构建混合双层卸载算法，降低了算法实现成本，提高了复用率。
-
公开(公告)号：CN118332332A
公开(公告)日：2024-07-12
申请号：CN202410415017.7
申请日：2024-04-08
Applicant: 西安邮电大学
IPC: G06F18/214 , G06F18/241 , G06N3/0475 , G06N3/045 , G06N3/08 , G06N3/0442
Abstract: 本申请涉及一种基于生成对抗扩散模型的快速脉搏数据增强方法，用于更高效的进行脉搏数据增强。首先从手腕“寸”位置收集脉搏信号，对收集到的信号进行去噪和分割处理，以将原始数据转化为真实数据。然后使用真实数据训练生成对抗扩散模型(GADM)，以捕获脉搏数据的潜在分布特征，通过生成对抗扩散模型合成大量脉搏数据，可以弥补现有数据集规模不足和类别不平衡的问题。最后，将合成数据与原始数据混合，用于深度学习分类器的训练。实验结果证明本申请的方法能够有效改善脉搏疾病识别的性能。
-
公开(公告)号：CN114489926B
公开(公告)日：2024-06-07
申请号：CN202111503398.7
申请日：2021-12-09
Applicant: 西安邮电大学
IPC: G06F9/455
Abstract: 本发明提供的一种基于截止期限制的云中微服务负载均衡方法，通过在云环境下已租赁的虚拟机中分别创建虚拟机剩余资源列表t和容器镜像列表；接收用户提交的工作流，并对该工作流进行解耦，得到多个子任务；根据每个任务对应的最长路径以及携带的子截止期，计算每个子任务的紧急度；按照紧急度对至少一个工作流的多个子任务进行快速排序；将子任务按照排序结果分配至虚拟机运行在容器中的微服务实例，以使容器镜像列表更新；当接收到新的子任务，则查询更新后的容器镜像列表，当列表中存在该子任务对应的镜像标号时，则在存在剩余资源的情况下拉取该子任务对应的容器镜像以创建容器，以缩短提取容器映像的时间并且降低成本。
-
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.054 seconds)
