“苏寒松”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50个，建议您升级VIP下载更多相关专利

[发明专利]一种基于卷积神经网络的人脸检测方法-CN201811572322.8有效
发明人：刘高华;王萌;苏寒松 -专利权人：天津大学
申请日： 2018-12-21 - 公布日： 2023-01-24 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于卷积神经网络的人脸检测方法，包括步骤：步骤(1)、建立数据库；步骤(2)、对数据库中的图像进行；预处理；步骤(3)、训练深搭建好的度学习网络；步骤(4)、对训练结果进行测试，对于图片中出现的有遮挡的、不同角度的、侧面的人脸以及图片中较小的、较模糊的人脸的检测准确率较高，并且网络结构简单，迭代参数较少，训练时间较短。
一种基于卷积神经网络检测方法

[发明专利]一种基于无线局域网的坦克车控制系统和控制方法-CN202011132529.0在审
发明人：刘高华;苏寒松;李东旭;任立博 -专利权人：天津大学
申请日： 2020-10-21 - 公布日： 2021-02-12 - 主分类号： A63F13/55 文献下载
摘要：本发明属于游戏控制系统的技术领域，具体涉及一种基于无线局域网的坦克车控制系统，包括坦克车和上位机，坦克车设置有通讯模块、主控模块、驱动模块和红外模块，通讯模块、驱动模块和红外模块均连接于主控模块，上位机设置有客户端和服务器端，客户端用于控制坦克车的运行，服务器端用于接收客户端的指令和通讯模块的指令、用于向通讯模块发送指令。本发明的控制系统能够将多辆坦克车之间的对战与数字化技术相结合，实现了对多辆坦克车的操作互动，使得多辆坦克车的运行稳定可控，并显著地提高了实景坦克车对战的游戏趣味性和坦克车对战的灵活性。此外，本发明还提供了一种基于无线局域网的坦克车控制方法。
一种基于无线局域网坦克车控制系统控制方法

[发明专利]一种基于RSRP测量值的LTE-A上行功率控制方法-CN201710638645.1有效
发明人： 苏寒松;代志涛;刘高华 -专利权人：天津大学
申请日： 2017-07-31 - 公布日： 2021-01-15 - 主分类号： H04W52/08 文献下载
摘要：本发明公开了一种基于RSRP测量值的LTE‑A系统上行功率控制方法，包括以下步骤：根据小区内UE测得的参考信号接收功率RSRP将小区内的UE分为中心区域UE、中间区域UE和边缘区域UE；确定完UE的类型后，用基于服务小区RSRP和相邻小区RSRP修正的功率调整因子，对符合条件的用户进行闭环功率调整，并统计边缘用户吞吐量和小区整体吞吐量。与现有技术相比，本发明基于RSRP测量值对小区内UE进行分类，利用基于RSRP测量值的功率调整因子，在不增加对相邻小区干扰的情况下对不同类型的UE采用不同的功率控制算法。本发明可以一定程度上降低LTE‑A系统的小区间干扰，在小区平均吞吐量和小区边缘用户吞吐量两方面，相较于现有经典开环功率控制算法和闭环功率控制算法有很好的折中。
一种基于 rsrp 测量 lte 上行功率控制方法

[发明专利]基于Openpose和Alexnet无人机姿势控制方法-CN202010280100.X在审
发明人： 苏寒松;李雪峰;刘高华 -专利权人：天津大学
申请日： 2020-04-10 - 公布日： 2020-10-30 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及人机交互领域，为提出无人机姿势控制方法。为此，本发明采取的技术方案是，基于Openpose和Alexnet无人机姿势控制方法，在服务器端通过基于深度学习的实时多人二维姿态估计应用Openpose识别摄像头前操作者的人体骨架图，送入到深度学习分类网络Alexnet中进行姿势分类，根据操控者在镜头前的姿势，服务器给各个无人机发送对应的控制命令，实时控制无人机群。本发明主要应用于无人机姿态控制场合。
基于 openpose alexnet 无人机姿势控制方法

[发明专利]一种深度学习模型下的人脸特征数据库构建和更新方法-CN202010589531.4在审
发明人： 苏寒松;刘腾腾;刘高华 -专利权人：天津大学
申请日： 2020-06-24 - 公布日： 2020-10-30 - 主分类号： G06F16/583 文献下载
摘要：本发明公开了一种深度学习模型下的人脸特征数据库构建和更新方法，该方法包括以下步骤：步骤(1)、建立基础人脸特征数据库；步骤(2)、在数据库中添加基准人脸特征；步骤(3)、使用人脸特征数据库进行人脸比对；步骤(4)、实时捕获人脸特征；步骤(5)、人脸特征数据库更新，该方法减少了由于待识别人员化妆，发型，侧脸等问题带来的干扰，提高了识别设备的准确率和效率。
一种深度学习模型特征数据库构建更新方法

[发明专利]一种家庭智能安全监控系统及方法-CN202010590702.5在审
发明人： 苏寒松;刘腾腾;刘高华 -专利权人：天津大学
申请日： 2020-06-24 - 公布日： 2020-10-30 - 主分类号： G06K9/00 文献下载
摘要：本发明提供一种家庭智能安全监控系统，包括视频采集单元、人脸检测网络、人脸特征提取网络、家庭成员人脸特征库、人脸特征对比单元，控制处理单元、音频单元、通信单元和移动终端；所述视频采集单元连接人脸检测网络，人脸检测网络连接人脸特征提取网络；人脸特征提取网络和家庭成员人脸特征库分别与人脸特征对比单元连接；人脸特征对比单元通过控制处理单元分别与音频单元、通信单元相连，所述控制处理单元通过通信单元与移动终端相连；该系统能够自动进行视频行为分析，实现智能监控。
一种家庭智能安全监控系统方法

[发明专利]一种基于聚类算法和神经网络的多尺度目标检测方法-CN202010198410.7在审
发明人： 苏寒松;田曦初;刘高华 -专利权人：天津大学
申请日： 2020-03-19 - 公布日： 2020-09-11 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于聚类算法和神经网络的多尺度目标检测方法，对于输入图片进行统一尺寸、灰度化处理，将机器学习k‑means算法和深度学习神经网络结合起来，融合了两者的优点，实现目标检测网络的检测。与现有技术相比，本发明选择轻量级网络作为网络框架，避免了神经网络结构复杂臃肿、参数庞大冗余的问题；并通过一些数据预处理手段进一步减小整个网络计算开销；同时为改进多尺度目标检测的方式，结合了机器学习中k‑means聚类算法和神经网络，在控制计算开销的同时切实提高无区域提议算法的识别准确率。
一种基于算法神经网络尺度目标检测方法

[发明专利]一种基于嵌入式系统的Boa服务器改进方法-CN201711001980.7有效
发明人： 苏寒松;陈震宇;刘高华 -专利权人：天津大学
申请日： 2018-01-24 - 公布日： 2020-09-11 - 主分类号： H04L29/08 文献下载
摘要：本发明公开了一种基于嵌入式系统的Boa服务器改进方法，该方法包括：Boa接收一次新的请求，获取当前请求的状态，并读取HTTP头部以判断该请求的类型，若判别请求为GET方法，并进行应用层相应处理；若判别请求为POST方法，则查看当前HTTP状态是否为WRITE_BODY状态，若不是，则说明POST请求的数据还在接收中，则处于READ_BODY状态；当POST请求数据接收完毕后，处于WRITE_BODY状态，判别该POST请求是否为CGI程序，若为CGI程序，则采用Boa服务器原有方法处理；若为非CGI程序，则采用非CGI程序处理方法。本发明解决了Boa服务器无法满足来自客户端的请求为POST形式，且该POST请求只需要本地服务器处理的时候，Boa服务器仍然fork出子进程来执行，从而增加内存消耗，影响系统运行的问题。
一种基于嵌入式系统 boa 服务器改进方法

[发明专利]一种基于并行分支神经网络的多尺度人脸识别方法-CN202010220225.3在审
发明人： 苏寒松;田曦初;刘高华 -专利权人：天津大学
申请日： 2020-03-25 - 公布日： 2020-08-04 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于并行分支神经网络的多尺度人脸识别方法，能够在输入任意图片后，端到端地输出识别的人脸，具体包括以下步骤：步骤一、训练人脸检测网络，为生成人脸图片输入人脸识别网络进行识别做准备；步骤二、将未标注的原始数据集图片输入步骤一得到的人脸检测网络，检测到人脸图片并进行预处理；步骤三、将步骤二得到的图片标注好所有人的名字，输入人脸识别网络进行训练；步骤四、将训练收敛的人脸识别网络的全部参数固定，不再进行任何变化，得到最终的人脸识别网络，和步骤一得到的人脸检测网络组合并最终形成端到端的人脸识别网络。
一种基于并行分支神经网络尺度识别方法

[发明专利]一种基于区块链和人脸识别的身份认证模型-CN202010060709.6在审
发明人： 苏寒松;李燊;刘高华 -专利权人：天津大学
申请日： 2020-01-19 - 公布日： 2020-07-31 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于区块链和人脸识别的身份认证模型，由三个参与方和两个技术组件构成，三个参与方分别是用户、移动端APP和服务供应商，两个技术组件分别是人脸识别神经网络模型和基于区块链的身份链IdentiChain；用户需要成为服务供应商的合法认证用户并通过移动端APP访问相应服务供应商的服务；用户初次发起服务请求时需要完成注册操作，注册成功后服务供应商返回服务和公钥；用户再次请求服务时需要完成验证操作，验证成功后服务供应商返回服务和新公钥；其中，人脸识别神经网络模型接收移动端APP输入的人脸图像，进行训练后输出该用户的人脸特征值ID并返回给移动端APP；每个服务供应商都是身份链IdentiChain的节点之一。
一种基于区块识别身份认证模型

[发明专利]一种基于GMM运动目标检测的改进方法-CN201610966689.2有效
发明人： 苏寒松;孙占鹏;刘高华 -专利权人：天津大学
申请日： 2016-10-28 - 公布日： 2020-05-15 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于GMM运动目标检测的改进算法，包括步骤：步骤(1)、在运动目标检测中，加入运动检测反馈机制：当判定运动目标移动非常缓慢或者静止的时候，在目标区域不更新GMM背景模型，在目标区域以外按照GMM背景模型更新规则进行更新GMM背景模型；步骤(2)、利用最新的视频帧和GMM背景建模生成的背景图像做差，得到前景图a；利用改进GMM得到的前景图b，把图像a和图像b在空间域上进行融合，得到移动目标的检测的前景图像。可以正确的检测出大而缓慢的运动目标，对于运动目标的突然静止并停留一段时间，不会把目标判定为背景，仍然可以检测出目标。
一种基于 gmm 运动目标检测改进方法

[发明专利]一种基于SSD的目标检测的改进算法-CN201811111779.9在审
发明人： 苏寒松;乔婷;刘高华 -专利权人：天津大学
申请日： 2018-09-24 - 公布日： 2020-03-31 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于SSD的目标检测的改进算法，包括步骤：步骤1：将图像进行输入；步骤2：将步骤1输入的图像进行预处理；步骤3：将预处理后的图像，送入到深度残差网络(ResNet)中进行一系列的卷积处理；步骤4：利用卷积网络进行特征提取，提起输入图片的关键信息；步骤5：将步骤4提取到的特征，送入SSD网络中再提取，并进行图片的定位和分类；步骤6：最后输出该图像的目标检测结果。与现有技术相比，本发明能够很好地用于目标检测，减少计算量，降低硬件内存资源消耗，提高网络模型性能和检测精确度，检测精度相较于经典SSD算法提高了3.6％，具有较好的鲁棒性。这对于深度学习技术进一步应用于目标检测具有重要意义和参考价值。
一种基于 ssd 目标检测改进算法

[发明专利]一种基于卷积神经网络的学生课堂行为识别方法-CN201811111788.8在审
发明人：乔婷;苏寒松;刘高华 -专利权人：天津大学
申请日： 2018-09-24 - 公布日： 2020-03-31 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于卷积神经网络的学生课堂行为识别方法，包括步骤：(1)、收集图片数据，制成自己的数据库；(2)、将步骤(1)中收集到的数据库，送入基于卷积神经网络的行为识别网络中进行一系列的训练，得到预训练模型。(3)、利用得到的预训练模型对学生课堂视频进行检测，检测学生的行为，并生成相应的包围框以及对应的行为名称。该方法可以很好地识别教学领域的学生课堂行为：举手、听讲、睡觉、回答、写字五类行为，并且能够更加有效、并且有针对性地帮助教师了解到课堂中学生上课的情况,并根据这种对学生课堂行为识别方法对学生的上课情况做出有效的评估。
一种基于卷积神经网络学生课堂行为识别方法

[发明专利]一种基于光流与k-means聚类的多学生起坐检测方法-CN201611030083.4有效
发明人： 苏寒松;张敏;刘高华 -专利权人：天津大学
申请日： 2016-11-15 - 公布日： 2020-03-31 - 主分类号： G06T7/254 文献下载
摘要：本发明公开了一种基于光流和k‑means聚类的学生起坐检测方法，采集学生区域图像信息；对学生区域进行运动目标区域检测，用帧间差分法检测出图像中存在运动的区域，用连通域标记算法标记处运动目标区域模板；将运动目标区域模板与原图像叠加，并对运动目标区域进行光流运算，得出特征点的运动矢量；将光流分为向上的一组A和向下的一组B，并进行聚类处理；若同一个中心点连续出现达到一定的次数，则认为该目标发生起坐动作，至此，检测结束。与现有技术相比，本发明只用一台摄像机就可以检测学生的起坐，设备简单，易于安装；可适用于多种环境；本发明检测准确率高，实时性较好，可以达到上课需求；可以检测出多个学生同时起立的情况，更加实用。
一种基于 means 学生检测方法

[发明专利]一种基于背景建模与光流法的录播系统学生起立检测方法-CN201910844160.7在审
发明人： 苏寒松;李雪峰;刘高华 -专利权人：天津大学
申请日： 2019-09-06 - 公布日： 2020-01-24 - 主分类号： G06T7/246 文献下载
摘要：本发明公开一种基于背景建模与光流法的录播系统学生起立检测方法，包括以下步骤：步骤1，通过黑板正上方全景云台摄像机获取实时学生行为的视频，运行qt程序，对于具体教室环境设置预置信息并保存参数；步骤2，对采集得到的视频在嵌入式开发板中进行处理，获取运动目标的目标矩形；步骤3，用LK光流法找到向上运动的目标矩形；步骤4，将向上运动的目标矩形的上顶点与步骤1中的预置信息中的预置直线进行比较，高过预置直线，判定为起立目标，输出起立目标中心点的坐标信息；步骤5，起立目标的坐标信息与预置信息结合得出跟踪此起立目标所需的跟踪云台的角度焦距，串口发送指令给云台，使云台给起立目标特写，达到实时跟踪起立学生的效果。
目标矩形预置信息向上运动坐标信息光流法预置云台视频嵌入式开发板学生背景建模串口发送跟踪云台教室环境录播系统目标中心全景云台实时跟踪运动目标焦距黑板摄像机判定采集指令输出保存跟踪检测

1
2
3
4
下一页»
尾页
共 50 条