专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果11个,建议您升级VIP下载更多相关专利
  • [发明专利]基于自适应特征融合的多尺度滤波目标跟踪方法-CN202110489264.8有效
  • 张立国;杨曼;李枫;金梅;周思恩;刘强;李媛媛;马子荐;张淑清 - 燕山大学
  • 2021-04-29 - 2022-07-19 - G06T7/246
  • 本发明提供一种基于自适应特征融合的多尺度滤波目标跟踪方法,涉及目标跟踪技术领域。所述方法包括以下步骤:初始化网络模型,读取视频获取多个图像帧;目标位置预测,首先选取目标周围图像块,提取VGG‑19网络层特征与CN特征,将CN特征广播后与VGG‑19网络conv2‑2层特征直接串联融合,三层特征分别通过分类器进行分类,滤波模型输出响应,最后由粗到细利用经验权重加权融合响应评估目标位置,更新目标滤波器参数。本发明利用VGG19网络的分层特征结合颜色属性CN特征,进行滤波分别输出响应,以最大响应为基准,由粗到细加权融合响应评估目标位置。OPE检测结果表明,在目标变形、光照变化、运动模糊、平面旋转几个方面,方法可靠,精度高。
  • 基于自适应特征融合尺度滤波目标跟踪方法
  • [发明专利]基于深度学习的头部姿态监控方法、装置及系统-CN202110090638.9有效
  • 金梅;李翔宇;张立国;李圆圆;李义辉;马子荐;杨曼 - 燕山大学
  • 2021-01-22 - 2022-06-14 - G06V40/10
  • 本发明提供一种基于深度学习的头部姿态监控方法、装置及系统。方法包括以下步骤:S1,采集的历史图像数据;S2,训练神经网络;S3,采集实时图像;S4,将预处理后的实时图像传入第一神经网络获得需要进行监控的人脸边界框;S5,第二神经网络确定人脸图像的角度;S6,返回步骤S3。系统包括:采集数据模块、图像处理模块和报警模块。装置包括:床、相机、相机固定支架、计算机和警报器。本发明采用第一神经网络和第二神经网络,第一神经网络先是使用改进YOLOv3算法框选出图像中出现的人脸,解决多人脸出现在监控范围内的问题;第二神经网络使用改进的VGG16网络,从图像中提取多个特征并进行融合,可以实时监控头部姿态。
  • 基于深度学习头部姿态监控方法装置系统
  • [发明专利]可互联HART通信协议芯片及其使用方法-CN202110077719.5有效
  • 张立国;李福昆;刘强;李义辉;胡林;李翔宇;马子荐;杨曼;李媛媛;王娜 - 燕山大学
  • 2021-01-20 - 2022-03-18 - G06F13/38
  • 本发明提供一种可互联HART通信协议芯片及其使用方法,其包括供电电源模块、AXI4总线模块、CLK时钟管理模块、RAM数据存储模块、数据帧解析模块、纵向奇偶校验模块、数据打包模块和信号调制解调模块。其工作方法具体包括:芯片发送数据的方法:CPU向从设备写入数据时芯片接收数据,并将数据存入RAM存储器和寄存器堆栈;进行纵向奇偶校验后将数据打包,将数据信号调成方波作为芯片输出信号;以及芯片接收数据的方法:将接收的方波信号转换成数字量,并传输给数据帧解析模块解析出DATA数据字节,经过纵向奇偶校验后,保存到RAM存储器,最后通过AXI4总线上传给CPU进行处理。本发明使HART芯片更加灵活、统一、标准化;提高CPU与HART芯片数据交互。
  • 可互联hart通信协议芯片及其使用方法
  • [发明专利]基于多传感器信息融合的太阳能路灯控制器-CN202010634159.4有效
  • 金梅;李义辉;马子荐;杨曼;李福昆;李媛媛 - 燕山大学
  • 2020-07-02 - 2021-05-18 - H05B45/325
  • 本发明提供一种基于多传感器信息融合的太阳能路灯控制器,首先,用选定的声音、光照和人体传感器检测太阳能路灯周围的状态;然后,将传感器采集的测量信号进行预处理,对预处理后的测量信号进行特征选择,并进行归一化处理,为神经网络的输入提供标准形式;最后,通过RNN中LSTM网络进行信息的融合,将通过归一化处理的测量信号与已知的太阳能路灯周围状态信息作为训练样本,送给神经网络进行训练,直到满足要求为止;在此过程中,主要是进行信息的获取,更新以及遗忘功能,并能够与之前的网络结构进行信息的交互和传递。本发明通过LSTM神经网络把安装地的数据、光照时长和多种传感器的数据进行输入,达到智能化的开关灯以及控制灯的亮度的效果。
  • 基于传感器信息融合太阳能路灯控制器
  • [发明专利]基于EEG和血清炎症因子分析脑损伤标志物的方法-CN202010575722.5在审
  • 张立国;杨曼;金梅;刘强;李媛媛;马子荐;李义辉;胡林 - 燕山大学
  • 2020-06-22 - 2020-10-23 - A61B5/0476
  • 本发明提供一种基于EEG和血清炎症因子分析脑损伤标志物的方法,其过程包括:首先对脑电信号预处理,分别计算8组导联的慢波系数和近似熵的比值a,根据表达式Sump=a1+a2+…+a8,(p=1、2)求出慢波系数Sum1值和近似熵的Sum2值,并根据加权平均法归一化为Sum值的范围;然后抽取受试者的空腹静脉血,采用酶联免疫吸附测定法检测血清炎症因子水平,根据加权平均法求解W值的范围,用于后续医生制定检测轻微脑损伤的方案。本发明将Sum值和W值相结合应用为轻微脑损伤的综合性标志物,并提出基于EEG和血清炎症因子计算Sum值和W值的方法,不仅为轻微脑损伤的后续检测方案提供了更可靠的数据信息,而且可以减少受试者家属的经济负担。
  • 基于eeg血清炎症因子分析脑损伤标志方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top