-
公开(公告)号：CN119540990A
公开(公告)日：2025-02-28
申请号：CN202411590166.3
申请日：2024-11-08
Applicant: 广东技术师范大学
Abstract: 本发明涉及计算机视觉和模式识别技术领域，且公开了一种基于头身协调的视线估计方法，包括以下步骤：图像输入、特征提取、速度信息映射、特征融合与上下文关联、模型训练与测试、性能优化、视线方向估计、数据增强与标准化以及方法验证，使用级联贝叶斯框架，将头部、身体的图像映射为服从冯·米塞斯‑费雪分布的三维方向和置信度。通过分析身体和头部的姿态，能够估计视线方向，此外，模型采用两个多分支结构的特征提取器来提取头部和身体特征，并结合Bi‑LSTM循环神经网络来处理视线在短时间内变化的问题。该方法的训练在两个公开数据集GAFA和3DPW上进行，并在日常监控图像中进行测试，具有较高的准确性和鲁棒性。
-
公开(公告)号：CN118364367A
公开(公告)日：2024-07-19
申请号：CN202410401286.8
申请日：2024-04-03
Applicant: 广东技术师范大学
IPC: G06F18/2411 , G06F18/2415 , G06F18/2131 , G06F18/23213 , G06N3/126 , G01R31/00
Abstract: 本发明涉及故障诊断技术领域，尤其为一种基于遗传算法优化粗糙集与SVM的建筑电气故障诊断法，包括如下步骤：S1、故障数据采集，采集建筑电气系统n种故障原始信号；S2、故障特征提取：故障特征提取模块与故障数据采集模块建立连接，用于提取采集到的故障原始信号中的时域特征与频域特征，得到原始特征矩阵用于后续故障诊断；S3、粗糙集条件属性约简：利用遗传算法优化后的粗糙集对采集的时域、频域特征进行约简，减少特征数量，去除干扰特征，减少特征数量；S4、SVM故障分类，得到诊断结果。本发明能够准确识别建筑电气系统故障类型，保障了电气系统的安全可靠运行，弥补了传统人力检测建筑电气故障的耗时耗力、受主观经验影响较大的缺陷。
-
公开(公告)号：CN119337219A
公开(公告)日：2025-01-21
申请号：CN202411315513.1
申请日：2024-09-20
Applicant: 广东技术师范大学
IPC: G06F18/2411 , G06F18/213 , G06F18/214 , G06N3/006 , G06F123/02
Abstract: 本发明公开了一种基于向量加权平均算法优化支持向量机的建筑电气故障诊断方法，包括原始故障信号输入、数据预处理、特征提取、丰富特征数据集、使用向量加权平均算法优化支持向量机、使用优化后的支持向量机进行故障诊断，在建筑电气故障诊断领域将自适应噪声完备集合经验模态分解与多尺度样本熵结合，构建新的故障信号的预处理与特征提取方法，能够为建筑电气行业提供一种新的检测故障的手段，提高建筑电气行业从业者对建筑电气日常运行或工业生产过程中出现事故的判别能力、防范能力，避免了建筑电气故障发生故障而引起的重大事故的发生、保障了建筑电气行业从业的安全、保障了建筑电气行业的正常运行与工业生产。
-
公开(公告)号：CN116994324A
公开(公告)日：2023-11-03
申请号：CN202310916024.0
申请日：2023-07-25
Applicant: 广东技术师范大学
Inventor： 熊建斌 , 张震浩 , 梁琼 , 路天天 , 李章伶 , 全国源 , 吴易朋 , 张武略 , 王铭川 , 林可锐 , 刘靓彤 , 陈欣 , 赖娜 , 谢明正 , 孔丽萍 , 李佳桂 , 陈伟基
IPC: G06V40/18 , G06V40/19 , G06V10/82 , G06V10/764 , G06T7/73 , G06V10/77 , G06T7/13 , G06T3/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于椭圆拟合和卷积神经网络相结合的瞳孔定位方法，S1、数据采集：通过使用头戴式VR眼镜在日常环境中进行瞳孔图像采集，选用了900张原始图像并分为两组，分别为训练集组和测试集组；S2、图像处理：对采集的原始图像二值化处理后进行椭圆拟合及数据增强，最后作为卷积神经网络的输入；S3、卷积神经网络识别：卷积神经网络提取图像中各层之间的连接和空间信息，用于目标评估与检测。本发明结合椭圆拟合和卷积神经网络技术，设计步骤简便快捷，通过数据增强方法减少了原始数据依赖，在不增加额外参数和计算的情况下，有效提高卷积神经网络特征提取的准确性和识别能力，具有准确率高，性能卓越的特点。
-
-
-
Search Results
4
records
(took 0.021 seconds)
