面向正则表达式的多模式匹配硬件引擎及生成方法

    公开(公告)号:CN101794295A

    公开(公告)日:2010-08-04

    申请号:CN201010032413.X

    申请日:2010-01-06

    Abstract: 本发明提供的是一种面向正则表达式的多模式匹配硬件引擎及产生方法。它是由多个单模式匹配引擎并行组合而成,多个单模式匹配引擎的奇、偶数据总线连接到奇、偶输入数据RAM上。采用模块化设计方法,抽取出此类模式匹配中的基本功能单元模块,再根据每条规则的特定结构将这些基本功能单元模块有序的组合起来,生成单规则模式匹配引擎。按照同样的方法生成多条单规则模式匹配引擎,最后并行执行这些单规则引擎完成模式匹配;同时,通过并行的多模式判断以及双数据通道技术,提高模式匹配的吞吐率。本发明可用于减轻入侵检测系统在模式匹配上的计算瓶颈。

    一种抗噪的手部运动轨迹快速识别方法

    公开(公告)号:CN114863549B

    公开(公告)日:2024-10-18

    申请号:CN202210306773.7

    申请日:2022-03-25

    Abstract: 本发明提供了一种抗噪的手部运动轨迹快速识别方法,使用隔离林算法计算轨迹中的离群点;使用卡尔曼滤波方法预测当前轨迹终点后下一个轨迹点的位置;检测起点是否为离群点;与前后两点距离是否都小于阈值来确定保留点和舍弃点;判断重点是否为离群点,并且行列最大距离都是大于最小直径阈值;确定统计方向角变化均值判断轨迹顺逆时针,或者根据横纵向运动幅度与距离阈值和波动阈值的关系,预测位置和当前位置关系判断移动方向或判断为静止,最后结束;本发明可以识别上下左右移动和顺逆时针的手部运动轨迹,具有对硬件配置要求低、计算速度快、抗噪声能力强、鲁棒性好等优点。

    一种基于融合策略的唇部分割方法

    公开(公告)号:CN115035573A

    公开(公告)日:2022-09-09

    申请号:CN202210593245.4

    申请日:2022-05-27

    Abstract: 本发明公开了一种基于融合策略的唇部分割方法。首先分别实现基于阈值分割算法的唇部分割、基于LAB颜色空间的唇部分割、基于HSV颜色空间的唇部分割,然后对分割结果进行降噪处理,再对降噪后的结果进行选优,淘汰效果差的分割结果,最后对每个像素进行投票产生融合的分割结果。通过对分割结果的选优与融合,避免了某一种方法受到干扰的情况,同时也细化唇部边缘的分割,从而得到更加准确的分割结果。本发明使用3种分割算法融合的方式对唇部进行分割,与基于手工特征的唇部分割方法相比,在不同肤色、唇色以及其他因素的干扰下,分割结果的稳定性更好,准确率也更高。

    一种基于遗传算法的人脸图像面部对称轴检测方法

    公开(公告)号:CN115018757A

    公开(公告)日:2022-09-06

    申请号:CN202210326100.8

    申请日:2022-03-29

    Abstract: 本发明公开了一种基于遗传算法的人脸图像面部对称轴检测方法,步骤为:图像预处理;设计染色体编码;建立初始化种群;设计适应度函数;定义遗传算子。本发明基于遗传算法,将对称轴检测问题转化为种群的进化、变异、搜索最优解的问题,通过对算法中遗传算子的定义确定了搜索过程,完成了对搜索过程的优化;通过定义算法的自适应函数,充分考虑了图像对称性、对称轴的垂直性以及对称轴的偏移距离这三个因素,从而优化算法的选择过程。通过种群的遗传进化,得出最优面部对称轴,从而解决面部对称轴检测问题。

    一种抗噪的手部运动轨迹快速识别方法

    公开(公告)号:CN114863549A

    公开(公告)日:2022-08-05

    申请号:CN202210306773.7

    申请日:2022-03-25

    Abstract: 本发明提供了一种抗噪的手部运动轨迹快速识别方法,使用隔离林算法计算轨迹中的离群点;使用卡尔曼滤波方法预测当前轨迹终点后下一个轨迹点的位置;检测起点是否为离群点;与前后两点距离是否都小于阈值来确定保留点和舍弃点;判断重点是否为离群点,并且行列最大距离都是大于最小直径阈值;确定统计方向角变化均值判断轨迹顺逆时针,或者根据横纵向运动幅度与距离阈值和波动阈值的关系,预测位置和当前位置关系判断移动方向或判断为静止,最后结束;本发明可以识别上下左右移动和顺逆时针的手部运动轨迹,具有对硬件配置要求低、计算速度快、抗噪声能力强、鲁棒性好等优点。

    一种基于多关系图卷积神经网络的骨架数据动作识别方法

    公开(公告)号:CN116416472A

    公开(公告)日:2023-07-11

    申请号:CN202310398056.6

    申请日:2023-04-14

    Abstract: 本发明提供了一种基于多关系图卷积神经网络的骨架数据动作识别方法,包括人体自然连接关系,对称关系和全局协作关系,从不同尺度对骨架数据提取高级特征,并通过关系注意力机制将其进行有效融合。通过这种方式,让网络更关注于不同动作中的关键部位信息,并且不会丢失其他部位有效的信息。为了解决图卷积神经网络普遍存在的过拟合和过平滑问题,本发明提出了一种新的正则化方式:Drop‑Relation,传统方式往往通过丢弃单独图节点或者成块图节点的方式,这样并不能阻止节点信息继续在图中传播,而Drop‑Relation让整个关系矩阵全部失活,有效的阻止关系图中的信息在网络中传播,并且可以抑制各个关系之间的依赖性,有效的缓解图卷积的过拟合和过平滑问题。

    一种基于多智能体分层强化学习的弱观测条件下无人集群协同方法

    公开(公告)号:CN114355973A

    公开(公告)日:2022-04-15

    申请号:CN202111623192.8

    申请日:2021-12-28

    Abstract: 本发明属于无人集群协同技术领域,具体涉及一种基于多智能体分层强化学习的弱观测条件下无人集群协同方法。本发明首先对环境进行状态定义,然后按照POMDP模型对状态空间进行定义,包括观察集合以及观察函数,再随机初始化一个由一系列概率值分布的信念状态,同时根据传统强化学习思想,设置状态转移函数、立即回报函数、折扣率、探索率等;然后采用基于MAXQ算法的分层强化学习框架,将无人集群的任务分层,达到对复杂的任务进行分而治之的目的,降低集群的参数维度,有效缓解计算机存储不足和计算繁琐的压力,提高强化学习效率和精度。本发明能够保证多个智能体参与协同任务时保持更高的效率和更好的协同效果。

Patent Agency Ranking