-
公开(公告)号：CN102722352B
公开(公告)日：2015-06-03
申请号：CN201210159642.7
申请日：2012-05-21
Applicant: 华南理工大学
IPC: G06F7/523
Abstract: 本发明公开了一种Booth乘法器，包括Booth编码电路，Booth编码，用于对二进制乘数B进行编码，得到信号X1,X2,Neg；Booth解码电路，用于将信号X1,X2,Neg结合二进制被乘数A生成部分积项；压缩器，用于将对解码电路产生的多个部分积项进行累加操作，得到两个累加值；进位保留加法器，用于对多个部分积项经过压缩器后得到的两个累加值进行进位保留的相加操作，得到最终乘积结果。本发明采用混合型Wallace-Tree结构，并插入流水线，进一步提高运算速度。与现有技术相比，本发明从速度和面积上进行了综合考虑，能达到很好的效果，同时能耗低，计算结果准确。
-
公开(公告)号：CN103481842A
公开(公告)日：2014-01-01
申请号：CN201310406969.4
申请日：2013-09-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种车辆检测与跟踪模式的切换方法，包括以下步骤：（1）检测视频中的车辆，并标记；（2）对标记出的车辆编号，并记录车辆信息；（3）若驾驶员要求对车辆进行跟踪，则切换到跟踪模式；（4）若驾驶员没有要求跟踪车辆，则判断当前视频中是否有三辆以上完整车辆被检测到，如果有，则进入步骤（5），如果没有则返回步骤（1）；（5）自动进入车辆跟踪模式，处理连续若干帧或目标丢失后返回步骤（1）。与现有技术相比，本发明除了能进行车辆检测，车辆跟踪，还能根据驾驶员要求对特定车辆进行跟踪以及自动根据检测结果跟踪检测目标，把车辆检测与车辆跟踪结合起来，极大地提高车辆检测跟踪算法的实时性并满足驾驶员的需求。
-
公开(公告)号：CN103091593A
公开(公告)日：2013-05-08
申请号：CN201310044798.5
申请日：2013-02-04
Applicant: 广东电网公司电力调度控制中心 , 华南理工大学
Abstract: 本发明涉及电力通信设备相关技术领域，特别是涉及电力通信设备的故障监测方法及装置，故障监测方法包括：获取所述电力通信设备的至少一个电源故障参数，根据所述电源故障参数得到电源故障率；获取所述电力通信设备的至少一个通信设备家族性故障参数，根据所述通信设备家族性故障参数得到通信设备家族性故障率；根据所述电源故障率和通信设备家族性故障率得到所述电力通信设备故障率；根据所述电力通信设备故障率对所述电力通信设备进行故障监测。本发明利用设备历史运行统计数据和家族性问题统计数据来主导故障率的计算，根据电力通信设备故障率对电力通信设备进行监测，使到电力通信网所承载的业务不受损失。
-
公开(公告)号：CN103070676A
公开(公告)日：2013-05-01
申请号：CN201310043945.7
申请日：2013-02-04
Applicant: 广州视声电子科技有限公司 , 华南理工大学
Abstract: 本发明公开一种监控对象安全状态的获取方法，所述方法包括：采集监控对象的生理参数、状态参数以及位置参数；获取所述生理参数、状态参数以及位置参数，并对所述生理参数、状态参数以及位置参数进行数据处理，得到所述监控对象的安全状态等级。经由上述的技术方案可知，本发明提供的监控对象安全状态的获取方法及系统，能够从传感器获取的数据中得到监护对象的安全状态信息，弥补了现有技术中对于室内家居物联网最顶层的传感器数据处理部分的空缺。
-
公开(公告)号：CN119152463A
公开(公告)日：2024-12-17
申请号：CN202411612196.X
申请日：2024-11-13
Applicant: 华南理工大学
IPC: G06V20/56 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/10 , G06V10/40 , G06V10/80 , G06V10/82
Abstract: 本申请涉及一种高速行驶车辆的交通小目标检测方法、装置、设备及介质，其涉及图像处理领域，方法包括：将交通场景图像帧输入至已训练至收敛状态的第二交通小目标检测模型，在StarNet轻量级网络的多层堆叠递归的多个Star Block模块中，采用星操作对交通场景图像帧相对应的图像特征进行逐元素乘法以指数级增长交通场景图像帧中的隐式特征维度，以确定交通场景图像帧的高维图像特征；将高维图像特征输入至交通小目标检测模型中的检测头网络，获得交通场景图像帧中的多个交通小目标，以完成高速行驶车辆的交通小目标检测。本申请能够在高速行驶中的交通场景中准确、快速地检测出交通小目标，能够在高速行驶车辆这种资源受限的环境中实现更高的目标检测性能。
-
Patent Agency Ranking
公开(公告)号：CN119068111A
公开(公告)日：2024-12-03
申请号：CN202411079436.4
申请日：2024-08-07
Applicant: 华南理工大学
Abstract: 本发明公开的基于无人机系统的光场重建方法，包括以下步骤：控制搭载了高清相机的无人机接近光场重建目标并通过采集光场图像跑法进行光场采集，采集多张图像，所述采集光场图像跑法为单无人机九宫格跑法采集、单无人机环形跑法采集和无人机阵列采集中的任一种；将无人机采集的图像从机载电脑回传至地面控制站；地面控制站对回传的多张图像进行预处理；将处理好的多张图像进行拼接，合成得到多子孔径光场图像。本发明能够在不牺牲分辨率的同时进行灵活、多场景的光场信息采集，且具有基线大、灵活性高、不损失视点分辨率的优点，可用于空中和近地场景的优点。
-
公开(公告)号：CN106709076B
公开(公告)日：2023-09-29
申请号：CN201710106305.4
申请日：2017-02-27
Applicant: 华南理工大学
IPC: G06F16/9535 , G06F16/9537 , G06F16/906 , G06Q50/00
Abstract: 本发明公开了一种基于协同过滤的社交网络推荐装置及方法，该推荐装置通过对社交网络中的用户行为数据和个人属性进行特征归类，根据用户的历史数据，不断学习用户的交友偏好，个性化的推荐不同的好友。相较于传统的基于人口统计学和基于内容的推荐装置相比，该推荐装置强调了用户之间的差异性，可针对用户的历史数据不断学习并革新推荐引擎，具有更强的鲁棒性。并且，利用协同过滤思想，更符合用户在真实社交场景中的交友情景，推荐的结果也会趋向于精确化。
-
公开(公告)号：CN112380924B
公开(公告)日：2023-09-15
申请号：CN202011153913.9
申请日：2020-10-26
Applicant: 华南理工大学
IPC: G06V40/16 , G06V10/764 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/774
Abstract: 本发明公开了一种基于面部微表情动态识别的抑郁倾向检测方法，包括：S1，采集人脸的面部微表情视频，并提取每个面部微表情视频的动态图像；S2，将动态图像输入到已经训练好的微表情识别模型中，微表情识别模型输出动态图像所属的类别；S3，根据动态图像所属的类别判断是否含有消极情绪；若有，则所属表情类别为消极的，记为有抑郁倾向。本发明能够是能够识别出高压环境工作者的消极情绪，从而能够更准确的判断是否有抑郁倾向。
-
公开(公告)号：CN116560496A
公开(公告)日：2023-08-08
申请号：CN202310217658.7
申请日：2023-03-08
Applicant: 华南理工大学
IPC: G06F3/01 , G06V40/10 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明公开的一种基于手势识别操控无人机的方法，其中，所述无人机系统至少包括机架，动力模块，开源飞控pixhwak，通信模块，图传模块，图像模块，其特征在于，包括以下步骤：利用模拟图传发射机将视频图像转成模拟信号发送；图传接收机接收模拟信号转换成数字信号通过USB线传输到计算机；个人计算机执行视觉检测模型识别人和手势；个人计算机根据识别结果执行控制命令；控制命令通过数传电台传到无人机；无人机执行命令。本发明方法绕开了机载电脑，选择个人计算机作为实现计算机视觉算法的平台，能达到节约成本，减少无人机载荷的效果，同时也能有效使用手势作为人机交互的方式。
-
公开(公告)号：CN111160295B
公开(公告)日：2023-05-12
申请号：CN201911416933.8
申请日：2019-12-31
Applicant: 广州视声智能科技有限公司 , 华南理工大学 , 广州视声智能股份有限公司
IPC: G06V20/40 , G06V40/10 , G06V10/82 , G06N3/0464
Abstract: 本发明公开一种基于区域引导和时空注意力的视频行人重识别方法，该方法先构建全局特征，基于时间注意力模型来计算视频流中每一帧所提取的全局特征，聚合得到全局特征向量；构建区域特征，将提取的行人深度特征图水平划分为四块，经由关键帧生成层生成四个区域各自的引导帧去提取对应的区域特征，结合时空注意力模型计算获得区域特征向量；待识别行人视频流的特征向量由全局特征向量和区域特征向量结合获得，与选定地理区域的视频图像的行人的特征向量对比，得到距离最小的行人目标视频流并输出最终重识别匹配结果。本发明能够解决行人视频图像成像质量差，细节损失严重，行人部位缺失而特征提取困难导致的视频行人重识别准确率不高的问题。
-
-
-
-
-
-
-
-
-
Search Results
164
records
(took 0.047 seconds)
