-
公开(公告)号：CN107197199A
公开(公告)日：2017-09-22
申请号：CN201710362550.1
申请日：2017-05-22
Applicant: 哈尔滨工程大学
CPC classification number: H04N7/18 , G06T7/248 , G06T7/254 , G06T2207/10016 , G06T2207/20081 , G06T2207/20224 , G06T2207/30232
Abstract: 本发明提供的是一种智能监控装置及目标跟踪方法。智能监控装置包括云台运动单元、视频采集单元、视频流控制单元和服务器单元。目标跟踪方法使得核相关滤波目标跟踪方法遇到目标遮挡和模型变化时，根据情况动态更新学习速率，有效的改善了核相关滤波目标跟踪方法在遇到目标遮挡和模型变化时跟踪效果不佳的缺陷，实现了更好的目标跟踪。利用本发明，可以实现复杂场景下目标的智能监控与跟踪。可以对遮挡以及模型变化较快的情况有更好的适应性，对长时间跟踪的情况稳定性更好，因而可以使跟踪效果得到有效提高。
-
公开(公告)号：CN106926979A
公开(公告)日：2017-07-07
申请号：CN201710129802.6
申请日：2017-03-06
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种动力浮标的自守位控制方法，通过对GPS信息的解算，得到浮标当前速度、航向角以及浮标距守位点的距离和方位，根据这些信息分别设计了航向和速度控制器，将两个控制器的输出通过推力分配算法转化为三个推进器的推力。当浮标距守位点距离超出设定值时，可以自动驶回守位点。本发明实现将浮标保持在设定的守位区域内，防止了浮标受海流海浪的影响漂离作业区域。
-
公开(公告)号：CN105787463A
公开(公告)日：2016-07-20
申请号：CN201610157978.8
申请日：2016-03-18
Applicant: 哈尔滨工程大学
CPC classification number: G06K9/00711 , G06K9/00765 , H04N7/18 , H04N19/42 , H04N19/70 , H04W84/12
Abstract: 基于Wi?Fi的远程目标跟踪系统及方法，涉及目标跟踪和智能监控领域。本发明是为了实现在区域Wi?Fi网络覆盖的范围内对指定目标进行稳定跟踪，以及提高网络带宽占有率和反应灵敏度。本发明分为目标跟踪机器人和远程服务器端，机器人定制了Linux系统并实现了通过USB摄像头采集到实时现场视频，将实时采集到的现场视频从YUV格式硬编码为H.264格式，再通过Wi?Fi传出给远程服务器，服务器端在计算机的Windows系统中搭建，将接收到的H.264视频流利用FFmpeg库解码并对指定目标进行STC目标跟踪算法处理后控制移动机器人追踪目标。
-
公开(公告)号：CN101789075B
公开(公告)日：2012-09-26
申请号：CN201010100956.0
申请日：2010-01-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是基于特征值归一化双向加权的手指静脉识别方法。(1)通过图像采集装置进行手指静脉图像的采集；(2)对采集的手指静脉图像进行预处理，所述预处理包括：彩色图像进行灰度化、手指区域提取、采用组合滤波器分别消除椒盐噪声和高斯噪声、采用局部动态阈值算法分割图像并二值化、然后采用面积消除法去噪、按照手指轮廓标记提取手指静脉脉络图像，最后将图像的大小标准化为统一的图像；(3)通过在行列两个方向上都加权的二维主成分分析算法提取手指静脉特征；(4)通过最近邻分类器进行匹配与识别。本发明用于手指静脉身份识别系统。明显地提高手指静脉的识别速度，识别率稳定、而且高。
-
公开(公告)号：CN101777117B
公开(公告)日：2012-02-01
申请号：CN201010101020.X
申请日：2010-01-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种手指静脉特征提取于匹配识别方法。(1)通过图像采集装置进行手指静脉图像的采集；(2)对采集的手指静脉图像进行预处理，包括：彩色图像进行灰度化、手指区域提取、采用组合滤波器分别消除椒盐噪声和高斯噪声、采用局部动态阈值算法分割图像并二值化、然后采用面积消除法去噪、按照手指轮廓标记提取手指静脉脉络图像，最后将图像的大小标准化为统一的图像；(3)通过在行列两个方向上都加权的二维线性判别分析算法提取手指静脉特征；(4)通过最近邻分类器进行匹配与识别。本发明明显地提高了手指静脉的识别速度，识别率稳定且高。
-
Patent Agency Ranking
公开(公告)号：CN101866486B
公开(公告)日：2011-11-16
申请号：CN201010197533.5
申请日：2010-06-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种手指静脉图像质量判断方法。第一步，读入手指静脉图像；第二步，分别获取手指静脉图像的对比度质量分数、位置偏移质量分数、有效区域质量分数、方向模糊度质量分数；第三步，将第二步得到的质量分数按权值累加起来进行综合评价，建立手指静脉图像最终的质量评价函数。本发明首次综合考虑了影响手指静脉图像质量的各种客观因素，并根据手指静脉图像特性提出了一种手指静脉图像质量的分辨方法。
-
公开(公告)号：CN101901336A
公开(公告)日：2010-12-01
申请号：CN201010197432.8
申请日：2010-06-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种指纹与指静脉双模态识别决策级融合法。包括指纹模块与静脉模块两个模块；指纹模块与静脉模块读取指纹图像与静脉图像；对读取的指纹与手指静脉图像依据各自图像的特点进行图像质量评价，得出质量分数；指纹图像与静脉图像分别进行预处理后进行识别，其中指纹识别采用基于细节点匹配的方法，静脉识别使用改进的Hausdorff距离方式进行识别，得到各自的识别结果；最后根据这两种模态的图像质量分数设计权重，根据这个权重将二者的识别结果进行决策级融合，得到最终识别结果。本发明基于融合后系统的性能优于单一的指纹识别或手指静脉识别系统，具有很强的实用性。
-
公开(公告)号：CN117807890A
公开(公告)日：2024-04-02
申请号：CN202410067852.6
申请日：2024-01-17
Applicant: 哈尔滨工程大学
IPC: G06F30/27 , G06F18/241 , G06N3/0464 , G06F18/213
Abstract: 本发明公开了基于神经网络的水下无人航行器舵面故障诊断方法，包括：获取待诊断舵面数据；将所述待诊断舵面数据输入到神经网络模型，获取输出结果，完成所述水下无人航行器舵面故障诊断，所述神经网络模型通过训练集进行训练，所述训练集为预设个故障特征明显的内禀模式函数分量。本发明通过对水下无人航行器舵面的结构形式进行分析，构建出舵面的仿真模型；在对常见的舵面故障数学分析的基础上，获取相应的响应信号；将采集到的正常及故障状态下的舵面响应信号进行经验模态优化分解；选取优化分解后IMF分量，创建并合理划分数据集；进一步地进行卷积网络的结构设计、训练与优化，极大提高了该网络的故障分类测试精度，增加了系统鲁棒性。
-
公开(公告)号：CN116883259A
公开(公告)日：2023-10-13
申请号：CN202310615596.5
申请日：2023-05-29
Applicant: 哈尔滨工程大学
IPC: G06T5/00 , G06V20/05 , G06V10/774 , G06V10/46
Abstract: 本发明公开了一种基于去噪扩散概率模型的水下图像增强方法。在水下图像增强任务中，本方法有效地提高了水下图像的质量。本发明提出一种改进的去噪扩散概率模型，在成对的数据集上进行训练，利用两个标准U‑Net网络搭建了用于图像去噪过程的去噪网络和用于图像分布转换的转换网络，成功完成图像去噪以及数据分布变换功能，为提高增强图像质量，本发明提出一种用于增强过程中图像分布标准化的操作，实现对去噪网络以及分布转换网络输出的正确融合。最后，通过实验对比，在水下图象和低光照图像增强任务中，本方法实现了比现有其他方法更优秀的处理效果，获得了更好的视觉效果和评价指标。
-
公开(公告)号：CN110136171B
公开(公告)日：2023-04-18
申请号：CN201910418289.1
申请日：2019-05-20
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种目标跟踪过程中判断遮挡的方法，包括以下步骤：步骤1，读取跟踪目标图像序列，并提取图像序列中的第一帧图像，在第一帧图像上选定要跟踪的目标框，提取所述目标框的LBP特征向量LBP1，第一帧图像为选取的处于完全未遮挡状态的跟踪目标图像；步骤2，读取下一帧图像，对于该帧图像进行粗遮挡判断；步骤3，如果步骤2判断为遮挡，则利用巴氏距离进行准确遮挡判断；步骤4：判断是否为跟踪目标图像序列的最后一帧，如果是，则结束；如果不是则返回到步骤2。本发明设计了一种更鲁棒的遮挡粗判断方法，结合巴氏距离的概念，剔除目标形变对遮挡判断的干扰，能更加准确地判断目标是否发生了遮挡。
-
-
-
-
-
-
-
-
-
Search Results
110
records
(took 0.036 seconds)
