“王科俊”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果69个，建议您升级VIP下载更多相关专利

[发明专利]一种基于多类能量图的步态图像预处理方法-CN201910026678.X有效
发明人： 王科俊;丁欣楠;李伊龙;周石冰;于凯强 -专利权人：哈尔滨工程大学
申请日： 2019-01-11 - 公布日： 2023-04-18 - 主分类号： G06V40/20 文献下载
摘要：本发明提供一种基于多类能量图的步态图像预处理方法，对数据集中多个已知的步态视频序列，利用遍历图像的像素点的方法，进行人体矩形区域的切割提取；采用双线性插值法，对提取出的行人图像进行大小归一化和质心归一化；采用高宽比的方法进行步态周期检测，采集并处理行走一个周期的步态信息，将图片分别生成步态能量图GEI、活动能量图AEI和步态熵图像GEnI；将生成的三种能量图按照RGB三通道原理，同时输入到网络模型中。本发明采用三种能量图来进行步态特征提取，得到了更多的步态特征，并按照三通道处理的方法，提出将三种能量图按三通道输入到网络中，并利用卷积神经网络实现模型，本发明可广泛用于模式识别尤其是步态识别领域以提高识别的准确率。
一种基于能量步态图像预处理方法

[发明专利]一种基于单能量图自适应分割的步态识别方法-CN201910126867.4有效
发明人： 王科俊;丁欣楠;周石冰;李伊龙;于凯强 -专利权人：哈尔滨工程大学
申请日： 2019-02-20 - 公布日： 2023-04-07 - 主分类号： G06V40/20 文献下载
摘要：本发明属于步态识别领域，具体涉及一种基于单能量图自适应分割的步态识别方法。包括训练过程和识别过程，训练过程包括将一整幅步态能量图分割成头部、躯体和腿部三部分，其中头部区域分割时去除左右两侧的无用信息。去除差异较大的上半身区域，使同一人的步态信息更加接近和集中，只将行走过程中变化最多最明显的腿部区域送进步态识别网络中训练，此时训练集只包括正常形态时样本的腿部区域；识别过程包括分别使用背包形态时样本分割后的腿部区域及穿外套形态时样本分割后的腿部区域作为测试集，得到识别效果。本发明提出的方法可以很好地应对行人形态发生变化后的识别，更具有实用性，可广泛应用于步态识别领域，有效地提高识别效果。
一种基于能量自适应分割步态识别方法

[发明专利]基于网络学习的指静脉图像质量评价方法-CN202011186315.1有效
发明人：马慧;田文博;王科俊;方春鑫 -专利权人：黑龙江大学
申请日： 2020-10-30 - 公布日： 2022-05-13 - 主分类号： G06V10/764 文献下载
摘要：本发明针对手指静脉识别系统性能受采集图像质量影响较大的问题，综合考虑手指静脉图像特点，提出了一种基于网络学习的指静脉图像质量评价方法。首先对采集到的手指静脉图像设计出亮度均匀性、清晰度、面积、位置偏移、信息熵、对比度、等效视数七种评价准则进行图像质量评价，并得到七个相应的质量评价分数；再将七个质量评价分数进行归一化处理，以避免数量级相差过大；最后将归一化后的图像质量评价分数作为网络输入，设计MEA‑BP‑Adaboost强分类器获得静脉图像总质量评估等级。本发明为手指静脉图像质量对识别精度影响较大的问题提出新的解决思路，对待识别图像依据图像质量评价指标进行质量评价，有利于提高不同环境下采集到的手指静脉图像的一致性，从而提高静脉识别系统后续的匹配识别准确性。
基于网络学习静脉图像质量评价方法

[发明专利]一种基于卷积神经网络的步态周期检测方法-CN201910026947.2有效
发明人： 王科俊;丁欣楠;李伊龙;周石冰;徐怡博 -专利权人：哈尔滨工程大学
申请日： 2019-01-11 - 公布日： 2022-04-12 - 主分类号： G06V40/20 文献下载
摘要：本发明提供一种基于卷积神经网络的步态周期检测方法，对步态视频进行预处理，包括视频解码，行人轮廓提取和质心归一化的图像预处理操作；训练用于提取步态周期性特征的卷积神经网络；将待测的步态视频帧序列送入卷积神经网络中，输出波形经过滤波后，通过确定相邻的波峰与波谷的位置即得到一个步态周期。该方法对角度变化、服饰和携带物变化都有很强的鲁棒性，解决了在正面和背面视角下难以检测步态周期的问题，本发明方法对提高复杂环境中步态识别精度有重要意义，可用于步态识别中的前端，适用于安全监控、人机交互、医疗诊断和门禁系统等中的身份识别中。
一种基于卷积神经网络步态周期检测方法

[发明专利]融合注意力机制的深度神经网络模型的光伏功率预测方法-CN201911079279.6在审
发明人：刘宏达;戚晓侠;王科俊;刘俊;徐哲 -专利权人：哈尔滨工程大学
申请日： 2019-11-07 - 公布日： 2020-03-24 - 主分类号： G06Q10/04 文献下载
摘要：融合注意力机制的深度神经网络模型的光伏功率预测方法，属于可再生能源光伏功率技术领域。该方法首先根据光伏数据特点选择了基于长短期记忆神经网络和卷积神经网络的混合神经网络作为预测模型，并考虑了最佳的连接方式；其次，为了降低模型的计算时间且更加准确地提取出可用于光伏预测的高质量特征信息，在模型特征提取方面，加入了注意力机制模型。通过不同的预测模型的比较，证明了所提出的混合深度学习模型的优势；通过注意力机制模型的应用对高质量特征的选取提供了可能。合理的混合模型方式可以实现预测精度高和计算成本低的双重追求。
融合注意力机制深度神经网络模型功率预测方法

[发明专利]一种基于PC机平台的电气类虚拟实验的方法-CN201610793179.X有效
发明人：刘宏达;万立冬;孙孝飞;周磊;马忠丽;韩阳;王科俊;张晴 -专利权人：哈尔滨工程大学
申请日： 2016-08-31 - 公布日： 2019-11-12 - 主分类号： G06F17/50 文献下载
摘要：本发明属于电气工程教学领域，具体涉及一种通过PSCAD/EMTDC对给定系统及相近系统进行大批量、多次数精确仿真计算以及数据获取、输出、处理技术，提高仿真效率、节省教学成本的基于PC机平台的电气类虚拟实验的方法。本发明包括：初始化仿真数据；自动获取数据；自动录入信息；自动仿真；自动制图；自动输出数据；自动发送；客户端处理。本发明提出的一种基于PC机平台的电气类虚拟实验的方法，可以实现多种模型的仿真计算，利用PSCAD/EMTDC丰富的元件库和自定义功能实现多种模型的搭建和精确计算，对于相近模型本发明无需投入重复劳动力去更改原有模型只需要指明需要修改的元件、节点编号和命名并且根据需求修改拓扑结构，通过本发明自动完成修改。
一种基于 pc 平台电气虚拟实验方法

[发明专利]一种基于深度学习的人脸表情和姿态双模态融合表情识别方法-CN201910126798.7在审
发明人： 王科俊;陈静;张欣怡;孙丽莹 -专利权人：哈尔滨工程大学
申请日： 2019-02-20 - 公布日： 2019-06-14 - 主分类号： G06K9/00 文献下载
摘要：本发明属于图像识别技术领域，具体涉及一种基于深度学习的人脸表情和姿态双模态融合表情识别方法。包括以下步骤：建立自然环境下的图像数据库，并对获取的图像进行预处理和增强处理；提出SE‑GoogleNet网络对处理后的数据图像进行特征提取；选用基于动作分类的GoogleNet模型的Caffemodel的卷积部分直接进行知识迁移训练；将两个经过预训练之后的卷积神经网络分别输入SPP层进行特征融合，最后送入LSTM中实现双模态表情识别最终分类。本发明设计了基于面部、肢体的双通道特征融合的LSTM模型，使用金字塔池化，进而解决了特征融合时的尺寸匹配问题；并且结合迁移学习，使该模型能在数据库较少的情况下实现对双模态表情的识别，提高了该模型对各种自然环境的适应能力，应用前景广泛。
表情识别特征融合双模态融合人脸表情双模态自然环境预处理卷积神经网络图像识别技术图像数据库尺寸匹配动作分类数据图像特征提取增强处理知识迁移双通道池化卷积学习金字塔肢体送入数据库表情迁移图像分类应用网络

[发明专利]加权融合三通道特征步态表征方法-CN201811172826.0在审
发明人：吕卓纹;王一斌;邢向磊;王科俊 -专利权人：四川师范大学
申请日： 2018-10-09 - 公布日： 2019-02-19 - 主分类号： G06K9/00 文献下载
摘要：加权融合三通道特征步态表征方法，属于模式识别技术领域。解决了现有步态表征方法识别率低的技术问题。本发明步态表征方法：先从步态视频流中获取行人的二值化轮廓序列，并将每帧图像标准中心化；然后根据行人在行走中两腿分离程度的周期性，检测非正面步态周期，并在一个周期中采用光流能量图提取步态的整体特征；再将每帧步宽时序信息编码到RGB三通道，并将步宽信息投影到光流能量图中，得到RGB三通道的步态表征图像；最后对R、G通道的特征进行典型相关分析，得到的两个向量执行加权融合，将融合后的结果与B通道特征进行典型相关分析，得到的两个向量进行加权融合。该方法对表征非正面周期步态序列有效，能够取得较好的识别性能。
步态加权融合三通道能量图光流向量模式识别技术标准中心表征图像步态序列步态周期方法识别轮廓序列时序信息识别性能信息投影整体特征二值化视频流帧图像分析融合检测

[发明专利]一种基于数据集合并的特征级融合方法-CN201510306292.6有效
发明人：邢向磊;阎涛;王科俊;吕卓纹 -专利权人：哈尔滨工程大学
申请日： 2015-06-08 - 公布日： 2018-07-24 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于数据集合并的特征级融合方法。包括训练过程和识别过程，从两个传感器分别获取数据集，基于耦合映射方法的特性将耦合空间里的所有数据合并为同一个数据集，其数据容量为原始两个集合的样本数之和，之后进行二次特征提取，得到一个最终所需的特征集合，而后加入常规特征级融合方法得到另一个更具分类判别能力的特征集合，从而提高模式识别系统的识别率。对任意形式的测试对象进行变换得到最终特征，并采用这一特征与训练特征集合里的特征进行匹配，得到识别结果。本发明能够扩大特征级融合的应用范围，提高识别率。
一种基于数据集合特征融合方法

[发明专利]感兴趣区域与方向元素的手指静脉识别方法-CN201310232450.9有效
发明人：马慧;孙书利;王科俊 -专利权人：黑龙江大学
申请日： 2013-06-13 - 公布日： 2017-12-01 - 主分类号： G06K9/00 文献下载
摘要：感兴趣区域与方向元素的手指静脉识别方法。已有的静脉识别算法可分为使用局部特征与全局特征两类，都不能同时解决耗时长、运算量大、图像质量低等问题。本发明的方法包括首先对读取的手指静脉图像利用基于旋转校正的感兴趣区域提取方法提取出感兴趣区域，然后，采用指静脉纹路上像素点的梯度大小和方向构造矢量来表征所述的感兴趣区域静脉纹路的方向特征，并将所述的方向特征与图像子块的隶属度相结合构，造出静脉图像的特征向量；最后在指静脉匹配阶段，采用互相关系数来衡量不同线性特征矢量的相似性，得出匹配结果。本发明用于手指静脉识别。
感兴趣区域方向元素手指静脉识别方法

[发明专利]一种基于MB‑LBP特征和人脸能量图的多姿态人脸识别方法-CN201410195919.0有效
发明人： 王科俊;胡金裕;安晓童;邹国锋 -专利权人：哈尔滨工程大学
申请日： 2014-05-09 - 公布日： 2017-11-21 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种基于MB‑LBP特征和人脸能量图的多姿态人脸识别方法。本发明通过建立多姿态人脸图像训练库，将人脸图像进行尺寸归一化处理后，构建训练库的人脸均值能量图和方差能量图；再对所得到人脸均值能量图和方差能量图进行MB‑LBP特征提取，并存储作为匹配库信息；在进行人脸检测时，检测人脸图像并提取出人脸区域，并对人脸区域图像做尺寸归一化处理，得到标准人脸图像；对标准人脸图像进行MB‑LBP特征提取；最后采用最近邻分类器完成多姿态人脸的分类识别。本发明能够较好地保留多姿态人脸固有的外貌特征，并保留了人脸图像模式微观结构和宏观结构，可以除去单个像素噪声所带来的影响，所需的存储空间小，具有优异的识别率和识别速度。
一种基于 mb lbp 特征能量多姿态人脸识别方法

[发明专利]一种基于图的半监督耦合度量的多角度步态识别方法-CN201410619411.9有效
发明人： 王科俊;吕卓纹;阎涛;邢向磊 -专利权人：哈尔滨工程大学
申请日： 2014-11-05 - 公布日： 2017-10-31 - 主分类号： G06K9/00 文献下载
摘要：本发明属于模式识别领域，具体涉及一种基于图的半监督耦合度量的多角度步态识别方法。本发明包括采用码本检测方法从视频流中得到目标轮廓序列；在一个周期中采用步态能量图提取步态的整体特征；构建多视角步态识别系统的离线训练阶段，训练得到基于图的半监督耦合投影矩阵对；对测试视频进行目标轮廓的提取，对大小归一化的轮廓序列检测步态周期，生成单周期的步态能量图特征，通过视角估计选取的基于图的半监督耦合投影矩阵对。本发明解决了传统步态识别方法需要存储所有视角下步态特征的高存储需求问题，对任意角度行走的步态的身份识别有效。
一种基于监督耦合度量角度步态识别方法

[发明专利]一种斜坡补偿电路-CN201710285808.2在审
发明人：方健;冯磊;张岱宗;陈智昕;刘振国;王科俊;方舟;林巨征;张波 -专利权人：电子科技大学
申请日： 2017-04-27 - 公布日： 2017-08-29 - 主分类号： H02M3/156 文献下载
摘要：本发明属于集成电路技术领域，具体的说是涉及一种斜坡补偿电路。相较于电压叠加方式和电流叠加方式的斜坡补偿电路，本发明采用一种电流与电压混合叠加的方式，在斜坡电压这边利用运放单位增益的接法使得Islope近似从零启动，同时规避了来自OSC的Vslope输出阻抗的影响，在CS这边利用电压叠加的方式规避了再做一个电压电流转换电路的需求，节省了面积。
一种斜坡补偿电路

[发明专利]一种手指静脉模糊保险箱加密方法-CN201611055782.4在审
发明人： 王科俊;姜金祎;邢向磊 -专利权人：哈尔滨工程大学
申请日： 2016-11-25 - 公布日： 2017-05-31 - 主分类号： G06K9/00 文献下载
摘要：本发明提供的是一种手指静脉模糊保险箱加密方法。包括手指静脉图像预处理、特征点提取、模糊保险箱算法加密及模糊保险箱算法解密，图像预处理得到细化的指静脉图像，特征点提取后保存为特征模板用于加密与解密，通过提取出的手指静脉特征点的坐标信息和密钥构成的编码多项式通过数学方法的结合来建立模糊保险箱，提取测试用户的现场手指静脉特征样本对模糊保险箱进行解密、搜索出真实点集、进行编码多项式重构、通过重构的编码多项式系数来恢复密钥。本发明的手指静脉图像预处理后得到的特征点具有唯一性，而模糊保险箱算法具有简便的优点，同时利用生物特征与传统密码相互融合，解决了密码安全性问题。
一种手指静脉模糊保险箱加密方法

[发明专利]基于最优判别耦合投影的多视角步态识别方法-CN201410386741.8有效
发明人： 王科俊;邢向磊;阎涛;吕卓纹 -专利权人：哈尔滨工程大学
申请日： 2014-08-07 - 公布日： 2017-05-24 - 主分类号： G06K9/62 文献下载
摘要：本发明提供的是一种基于最优判别耦合投影的多视角步态识别方法。对训练集里多个已知视角的步态视频序列进行提取，得到最优判别耦合投影矩阵对；对注册集中标准视角的步态视频序列进行提取、存储；对测试集中的多个步态视频序列进行提取和估计；将注册集中标准视角步态特征和测试集中步态特征通过视角估计选取的最优判别耦合投影矩阵对，投影到具有最优判别能力或最优类可分性的共同耦合步态特征空间中，并在其中进行相似性度量，得到步态识别结果。本发明将测试视角步态特征和注册标准视角步态特征投影到共同的最具判别能力的耦合空间中，使得测试步态视角与注册集中标准步态视角存在显著差异时，多视角步态识别系统仍能获得高识别率。
基于最优判别耦合投影视角步态识别方法

1
2
3
4
5
下一页»
尾页
共 69 条