“吕方惠”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14个，建议您升级VIP下载更多相关专利

[发明专利]动作预测方法、装置、非易失性存储介质及电子设备-CN202310946573.2在审
发明人：袁昌龙;王琳;吕方惠;夏敏 -专利权人：中国电信股份有限公司
申请日： 2023-07-28 - 公布日： 2023-10-27 - 主分类号： G06V40/20 文献下载
摘要：本申请公开了一种动作预测方法、装置、非易失性存储介质及电子设备。其中，该方法包括：获取目标视频数据，并将目标视频数据平均分割为第一预设数量份视频片段，其中，目标视频数据为实时更新的视频数据；从每个视频片段中随机抽取第二预设数量帧图像，并依据第二预设数量帧图像得到每个视频片段对应的局部视频特征信息；依据各个视频片段对应的局部视频特征信息，得到目标视频数据对应的全局视频特征信息；依据全局视频特征信息对目标视频数据中的目标对象的动作进行预测。本申请解决了相关技术中没有充分利用视频中包含的不同时间尺度的特征信息导致预测结果不佳的技术问题。
动作预测方法装置非易失性存储介质电子设备

[发明专利]车辆行驶方向检测方法、装置、电子设备及存储介质-CN202310621574.X在审
发明人：袁昌龙;王琳;吕方惠;夏敏 -专利权人：中国电信股份有限公司
申请日： 2023-05-29 - 公布日： 2023-10-03 - 主分类号： G06V20/54 文献下载
摘要：本公开提供了一种车辆行驶方向检测方法、装置、电子设备及存储介质，涉及图像处理技术领域。该方法包括：获取第一图片帧；根据第一图片帧中每一车辆中心点与第二图片帧中各个车辆中心点之间的距离，确定第一图片帧与第二图片帧中对应同一车辆的车辆中心点之间的对应关系，其中，第一图片帧和第二图片帧属于同一视频数据，且第二图片帧是第一图片帧的上一个图片帧；根据对应关系，确定第一图片帧中的车辆中心点相对于第二图片帧中对应的车辆中心点的位置变化；根据位置变化，确定对应关系对应的各个车辆的行驶方向与预定方向的关系。此种方式，提供了一种能够及时识别车辆行驶方向的方法，从而可以降低交通拥堵、交通事故发生的可能。
车辆行驶方向检测方法装置电子设备存储介质

[发明专利]路桥隧道的病害检测模型的训练方法和病害检测方法-CN202310659214.9在审
发明人：袁昌龙;王琳;吕方惠;夏敏 -专利权人：中国电信股份有限公司
申请日： 2023-06-05 - 公布日： 2023-09-12 - 主分类号： G06V10/774 文献下载
摘要：本申请公开了一种路桥隧道的病害检测模型的训练方法和病害检测方法。其中，该方法包括：获取多个路桥隧道病害图像，并依据图像中预设对象的数量将多个图像划分为第一图像集合和第二图像集合；分别对第一图像集合和第二图像集合进行图像增强处理，得到训练样本集合，其中，图像增强处理包括：图像边缘剪裁或添加对抗性扰动；确定每个训练样本对应的样本标签，该样本标签用于标记病害区域和病害类型；将多个训练样本输入教师模型，得到教师模型输出的第一预测结果；依据多个训练样本、样本标签和第一预测结果对学生模型进行监督训练，得到路桥隧道的病害检测模型。本申请解决了相关技术中路面病害检测模型的计算量要求大且适用性不强的技术问题。
隧道病害检测模型训练方法

[发明专利]农路数据处理系统-CN202310646559.0在审
发明人： 吕方惠;王琳;袁昌龙;夏敏 -专利权人：中国电信股份有限公司
申请日： 2023-06-01 - 公布日： 2023-08-29 - 主分类号： H04L9/40 文献下载
摘要：本公开提供了一种农路数据处理系统，涉及数据处理技术领域。该系统包括：农路区块链网络，用于接收并存储农路数据，农路数据包括农村公路在建设、管理、养护、运营过程中涉及的数据；农路建管养运方设备，用于向农路区块链网络上传农路数据；云服务商设备，用于与农路区块链网络的数据管理关联，以便于访问设备通过云服务商设备实现对农路数据的访问；以及，还用于接收访问设备对农路数据的访问请求，并基于预定访问条件对访问请求进行检查，在检查通过的情况下，向访问设备提供访问权限；农路管理方设备，用于通过云服务商设备访问农路数据，以及对农路数据进行分析处理。此种方式，有利于更好地对农路进行管理。
路数处理系统

[发明专利]疲劳驾驶检测方法、装置、电子设备及介质-CN202211514826.0在审
发明人：袁昌龙;王琳;吕方惠;夏敏 -专利权人：中国电信股份有限公司
申请日： 2022-11-28 - 公布日： 2023-07-04 - 主分类号： G08B21/06 文献下载
摘要：本发明公开了一种疲劳驾驶检测方法、装置、电子设备及介质，涉及智能驾驶技术领域。该方法包括：根据预设的采集策略，采集驾驶员的人脸图像以及语音，获得人脸图像集以及语音数据集；基于人脸图像集，获取驾驶员的面部疲劳指数；基于语音数据集，获取驾驶员的语音疲劳指数；基于面部疲劳指数和语音疲劳指数，确定驾驶员是否处于疲劳驾驶。该方法通过对驾驶员的人脸图像集和语音数据集分别进行分析，从面部疲劳指数和语音疲劳指数两个维度判断驾驶员是否处于疲劳驾驶，相比于单一维度的检测方法，能够有效地提高检测的准确性和可靠性，减少漏检和误检。
疲劳驾驶检测方法装置电子设备介质

[发明专利]一种行为识别方法、装置、电子设备及存储介质-CN202211541946.X在审
发明人： 吕方惠;王琳;袁昌龙;夏敏 -专利权人：中国电信股份有限公司
申请日： 2022-12-02 - 公布日： 2023-04-11 - 主分类号： G06V20/40 文献下载
摘要：本公开关于一种行为识别方法、装置、电子设备及存储介质，包括：获取待识别帧序列；待识别帧序列包括多个连续的待识别图片帧；对相邻的待识别图片帧进行光流分析，得到光流图序列；将待识别图片帧分别与光流图序列输入至预先训练得到的行为识别模型中，对待识别图片帧及光流图序列进行特征提取，并对特征提取结果进行特征分析，输出行为识别结果；行为识别结果用于指示待识别帧序列中的人体是否具有预设行为，行为识别模型由基于注意力机制的双流卷积神经网络模型训练得到。这样，行为识别模型可以同时对待识别帧序列的时间流特征及空间流特征加以利用，并基于注意力机制提高所提取的时间流特征及空间流特征的相关性，从而提高行为识别的准确度。
一种行为识别方法装置电子设备存储介质

[发明专利]一种基于监督最小二乘多类核典型相关分析的多模态情感特征融合方法-CN202010660340.2有效
发明人：闫静杰;朱康;宋宇康;吕方惠;顾晓娜;卢官明 -专利权人：南京邮电大学
申请日： 2020-07-10 - 公布日： 2022-09-23 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于监督最小二乘多类核典型相关分析的多模态情感特征融合方法。其步骤：提取各模态特征所需要的样本；提取表情模态、语音模态及姿态模态的特征，构成特征矩阵；对提取的各模态特征进行去均值、归一化处理；使用监督最小二乘多类核典型相关分析方法进行多模态特征的融合；进行模型训练得到预测评估结果。本发明针对多类别情感分析问题，将波兰多模态数据库中所有人的各类情感整理分成7类情绪，分别为恐惧、惊讶、愤怒、悲伤、高兴、厌恶及平静，提出基于监督最小二乘多类核典型相关分析的方法来融合多种模态的特征数据，使用此方法计算各模态特征之间的相关性，计算特征之间的关联，能够使计算机更准确的分别人类的各种情绪。
一种基于监督最小二乘多类核典型相关分析多模态情感特征融合方法

[发明专利]基于增强卷积和空时LSTM网络的双模态情感识别方法-CN201910743860.7有效
发明人：闫静杰;朱康;朱宇康;吕方惠;卢官明;李海波 -专利权人：南京邮电大学
申请日： 2019-08-13 - 公布日： 2022-08-26 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于增强卷积和空时LSTM网络的双模态情感识别方法，使用预训练VGG16和LSTM网络，构建出本发明的基于立方体Attention的增强卷积和空时LSTM网络结构，包括以下步骤：(1)截取数据库中视频的主要部分，满足相同长度并对其分帧；(2)检测数据库中每个视频人脸、动作的空时特征点，根据每帧图片设置对应特征点处的权重值，形成立方体Attention部分权重图；(3)构建基于立方体Attention增强卷积和空时LSTM的结合网络；(4)通过上述步骤处理的表情、动作视频分别提取特征，将获得的表情和姿态特征串联融合并输入SVM分类器、softmax层，输出得到分类结果。提取到含有表情和姿态信息特征进行双模态分类，获得比传统特征学习方法更好的情感识别效果。
基于增强卷积 lstm 网络双模情感识别方法

[发明专利]基于双流卷积神经网络的新生儿疼痛表情识别方法-CN201910748936.5有效
发明人： 吕方惠;闫静杰;李海波;朱康;宋宇康;卢官明 -专利权人：南京邮电大学
申请日： 2019-08-14 - 公布日： 2022-08-26 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于双流卷积神经网络的新生儿疼痛表情识别方法，该方法首先将视频进行分帧处理，接着在多个连续的帧之间添加光流位移场获得对应的光流信息以得到光流图。然后构造出一个共用Attention双流卷积神经网络，该网络是在双流卷积神经网络的基础上添加了共用Attention模块，该网络主要由两个预训练的VGG16网络和共用Attention模块组成。在该网络中，首先从各帧图像序列中选择表情变化最大的一帧作为其中一路VGG16网络的输入，我们将该路网络称为空间信息网络，然后将光流图作为另一路VGG16网络的输入，我们称该路网络为时间信息网络。最后将通过两路网络后的特征图进行级联并输入全连接层进行新生儿疼痛表情分类。
基于双流卷积神经网络新生儿疼痛表情识别方法

[发明专利]一种基于稀疏监督最小二乘多类核典型相关分析的多模态情感识别方法-CN202010660341.7有效
发明人：闫静杰;朱康;宋宇康;吕方惠;李娜;卢官明 -专利权人：南京邮电大学
申请日： 2020-07-10 - 公布日： 2022-08-26 - 主分类号： G06V10/80 文献下载
摘要：本发明公开了一种基于稀疏监督最小二乘多类核典型相关分析的多模态情感特征融合方法。具体步骤：处理原始数据中的多个模态的数据，提取特征；对收集到的各模态的数据做预处理；使用稀疏监督最小二乘多类核典型相关分析方法进行多模态特征融合，调试模型的参数。本发明针对多类情感分类问题，将数据库中各种维度的情感从不高兴到高兴整理成7类，提出一种基于稀疏监督最小二乘多类核典型相关分析的多模态情感特征融合方法，是情感计算领域中基于特征层融合情感分类的一种新方法，由此方法计算各模态特征间的强相关性，能使计算机更好的分辨人类的情绪变换。
一种基于稀疏监督最小二乘多类核典型相关分析多模态情感识别方法

[发明专利]基于分段语谱图和双重Attention的语音情感识别方法-CN201910784181.4在审
发明人：闫静杰;宋宇康;朱康;吕方惠;卢官明;李海波 -专利权人：南京邮电大学
申请日： 2019-08-23 - 公布日： 2020-07-10 - 主分类号： G10L25/63 文献下载
摘要：本发明公开了一种基于分段语谱图和双重Attention的语音情感识别方法，所述方法包括：1)将数据库中的语音音频信号进行分段并把每段音频转换成带有语音情感信息的语谱图；2)采用预训练的VGG16网络提取语谱图中深度语音情感特征；3)对深度语音情感特征进行空间和通道两个方向的权重学习，获得加权后的深度语音情感特征；4)把FC2输出的深度语音情感特征输入到全连接层FC3进行情感分类,FC3输出识别好的语音情感类别。通过本发明能够自主的学习到语谱图中各个区域以及特征图的各个通道对语音情感识别的重要性，提高后续的语音情感识别率；推动基于语音的智能人机交互应用。
基于分段语谱图双重 attention 语音情感识别方法

[发明专利]基于稀疏典型相关分析的姿态和语音双模态情感识别方法-CN201910145001.8在审
发明人：宋宇康;闫静杰;朱康;吕方惠;徐志鹏;卢官明 -专利权人：南京邮电大学
申请日： 2019-02-27 - 公布日： 2019-06-21 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于稀疏典型相关分析的姿态和语音双模态情感识别方法，所述方法包括：1)在情感数据库中选取一定数量的样本；2)提取样本数据中的姿态特征和语音特征；3)对特征矩阵进行归一化处理；4)使用稀疏典型相关分析法，将特征矩阵进行融合，计算融合后的特征矩阵；5)将融合后的特征矩阵f放入支持向量机中进行情感识别。本发明加入稀疏典型处理后，不仅解决了双模态融合难的问题，还起到了特征降维的目的，解决了现有双模态特征层融合情感识别不佳的问题，提高了识别率。
情感识别特征矩阵稀疏双模态融合语音归一化处理情感数据库双模态融合支持向量机特征降维样本数据语音特征姿态特征分析识别率特征层放入样本

[发明专利]基于核典型相关分析的语音和姿态双模态情感识别方法-CN201910145086.X在审
发明人： 吕方惠;闫静杰;李海波;朱康;宋宇康;卢官明 -专利权人：南京邮电大学
申请日： 2019-02-27 - 公布日： 2019-06-11 - 主分类号： G10L25/63 文献下载
摘要：本发明公开了一种基于核典型相关分析的语音和姿态双模态情感识别方法，该方法首先提取姿态的空时特征，并提取出视频中的音频文件，再对所提取的音频进行语音情感特征提取，然后对语音和姿态的情感特征分别进行归一化并降维，再进行基于核典型相关分析的情感特征融合，最后用支持向量机进行情感分类。本方法能够综合利用了语音和姿态之间的相关信息，采用特征融合等手段增强了单模态特征数据间的相关性，去除了其中的冗余信息，使计算机的情感识别能力得到提升，比单模态的情感识别有更高的识别率，并使用了情感特征归一化和特征降维方法，降低了特征的维度与特征识别过程中的计算复杂度，进一步提高了情感识别的识别率。
情感识别情感特征语音单模态归一化识别率双模态计算复杂度支持向量机情感分类冗余信息特征降维特征融合特征识别特征数据特征提取相关信息音频文件语音情感分析降维空时维度视频融合计算机

[发明专利]基于多类核典型相关分析的多模态情感特征识别方法-CN201910144997.0在审
发明人：朱康;闫静杰;宋宇康;吕方惠;徐志鹏;卢官明 -专利权人：南京邮电大学
申请日： 2019-02-27 - 公布日： 2019-05-28 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于多类核典型相关分析的多模态情感特征识别方法，包括以下步骤：1)在包含多种模态数据的情感数据库中选取一定数量的样本；2)从上述样本数据中提取表情特征、语音特征和姿态特征，形成表情特征数据矩阵、语音特征数据矩阵和姿态特征数据矩阵；3)将上述3个矩阵进行归一化和标准化处理；4)使用多类核典型相关分析方法将多个模态的特征进行融合，得到融合后的特征；5)将融合后的特征放入支持向量机中进行情感识别。本方法通过将多类核典型相关分析方法的应用，寻找各模态特征之间强相关性，充分使用人类各种情绪情况下的各个模态的特征，在情感识别中使计算机能够更加精确的识别人类的情绪。
矩阵表情特征情感识别情感特征数据矩阵姿态特征多模态模态融合分析语音特征数据标准化处理情感数据库支持向量机模态数据模态特征样本数据语音特征归一化情绪放入样本计算机应用

1
共 14 条