本发明提供了一种多特征融合的哈密瓜品质无损检测方法及系统，该方法包括：获取哈密瓜采样周期内不同区域的品质表征参数和所处采样周期内的环境耦合参数，划分品质判别标准；对品质表征参数和环境耦合参数进行综合处理，获取不同区域品质评估模型的输入集合；将品质表征参数和环境耦合参数进行融合，分别构建不同区域的哈密瓜品质评估模型，并计算不同区域的哈密瓜品质评估模型结果的可信偏差界限；将不同区域的品质表征参数和环境耦合参数进行拼接，构建哈密瓜的综合品质预测模型，并计算综合品质评估模型结果的可信偏差界限。本发明通过多模特征融合检测技术，实现哈密瓜品质分区域和整体综合评估，提升了哈密瓜品质无损检测的准确性和效率。
📄 2024119129836
📂 G06T7_00
👤 中国农业大学
📅 2024-12-24
一种基于对冲算法的多特征融合目标跟踪方法，包括以下步骤：S1用空间正则化矩阵代替等权正则化来生成更精细的相关滤波器；S2在跟踪帧中提取特征生成三张空间置信图：2.1)利用颜色直方图模型生成颜色可置信图；2.2)利用从预训练VGG19中获得特征生成两种深度可置信图；S3获得三个跟踪结果；3.1)用三张空间置信图分别增强被跟踪样本的HOG特征；3.2)对三个增强后HOG分别进行相关滤波；S4利用标准对冲算法对三个滤波结果进行融合，得到最终结果；S5用更新机制对模型进行更新。本发明能够在复杂环境下对视频指定目标进行跟踪标注，并具有良好的跟踪效果。
📄 2020104531467
📂 G06T7_246
👤 浙江工业大学
📅 2020-05-26
一种基于多特征融合的癌细胞跟踪方法，包括以下步骤：步骤1，癌细胞的检测，包括以下步骤：1.1、制作数据集；1.2、候选区域的产生；1.3、建议区域的分类及候选框的精修；步骤2，癌细胞的特征提取，包括以下步骤：2.1、质心特征的提取；2.2、卷积特征的提取；步骤3，癌细胞的初级跟踪，包括如下步骤：3.1、癌细胞类别判定；3.2、按类别进行初步跟踪；步骤4，癌细胞的再跟踪，包括如下步骤：4.1、漏检区域的关联匹配；4.2、重复检测区域的关联匹配。本发明提供了一种有效提高跟踪效率和跟踪精度的基于多特征融合的癌细胞跟踪方法。
📄 2018104182736
📂 G06T7_246
👤 浙江工业大学
📅 2018-05-04
本发明公开了一种基于多特征融合的伪造语音检测方法及装置，包括：通过提取语音中的多种特征，通过特征缩放和特征平衡矩阵将提取的特征进行融合获得融合特征，融合特征尽可能的融合了语音中的特征，然后利用融合特征训练基于长短期记忆网络的伪造语音检测模型，实现对各种伪造语音方法生成的伪造语音的检测。
📄 2021107625916
📂 G10L25_51
👤 浙江工业大学
📅 2021-07-06
一种基于多特征融合CNN‑BLSTM的人体复杂行为识别方法包括如下步骤：通过滑动窗口对连续的传感器数据进行分割，对分割后的传感器数据提取特征，并通过特征选择算法，对这一系列人工提取特征进行筛选，保留优势特征；将分割后的行为数据输入深度学习模型进行训练，首先通过卷积神经网络进行一维卷积池化处理，再通过双向长短期记忆神经网络，使用平均池化层对双向长短期记忆神经网络输出的状态进行显著性特征提取，最后将池化后的特征向量与先前提取的优势特征向量融合，作为全连接层的输入特征，得到复杂行为识别的输出。本发明能充分挖掘传感器数据特征，提高人体复杂行为识别准确率。
📄 2019112405444
📂 G06V40_20
👤 浙江工业大学
📅 2019-12-06
本发明公开了一种基于多特征融合的离线签名真伪检测方法，包括如下步骤：随机等比例划分训练数据集和测试数据集，签名数据集图像样本预处理，局部二值模式特征提取，选择最优距离度量函数，Gabor滤波器特征提取，选择Gabor卷积核的频率、角度的最优组合设计以及特征向量，形状因子特征提取，选择能达到最佳效果的级数，将最优解所得到的特征进行融合，在测试集上计算最后精度。本发明综合局部二值模式特征、Gabor滤波器特征和形状因子特征三者的优势，同时具备对图片样本中光源的高敏感性、与人类视觉接收场模型相吻合的特点，对日常生活中的字迹鉴别以及具备法律效应的文书合同上的当事人签名防伪检测效果比其他方法有改进和提升。
📄 2022108677397
📂 G06V40_30
👤 浙江工业大学
📅 2022-07-22
本发明涉及一种基于神经网络堆叠自编码器多特征融合的声音识别方法。首先对原始声音数据进行分帧加窗，对分帧加窗后的数据分别提取其典型的时域线性预测倒谱系数与频域Mel频率倒谱系数特征；再对所提取的特征进行拼接，构建声信号的初步特征表示向量并创建训练特征库；然后采用多层神经网络堆叠自编码器进行特征融合与学习；该多层自编码器采用超限学习机算法学习训练；最后所提取的特征再采用超限学习机分类算法训练得到分类器模型；所构建的模型最后用于测试样本分类识别。本发明采用基于超限学习机多层神经网络堆叠自编码器的多特征融合，相比于传统单一特征提取方法，本发明具有更高的识别精度。
📄 2017108646951
📂 G10L15_02
👤 杭州电子科技大学
📅 2017-09-22
本发明涉及一种多特征融合姿态识别系统及方法，该系统包括管理终端、云服务器、无线网络和人体节点，其中人体节点包括胸部节点、足部节点L和足部节点R，足部节点L包括第二单片机、第二2.4G模块、第二电源模块和第一力敏传感器组，足部节点R包括第三单片机、第二气压传感器、第三2.4G模块、第三电源模块和第二力敏传感器组。本发明通过合加速度、姿态角和高度差百分比检测人体上身与脚的姿态变化，还结合足底压强特征对人体重心变化进行监测，并利用云计算训练得到的参数对姿态进行识别，能够有效识别身体的日常行为姿态，并能在终端上查询，具有广泛的应用前景。
📄 2018114318107
📂 G06K9_62
👤 浙江理工大学
📅 2018-11-28
本发明请求保护一种基于ICA‑R多特征融合与自适应更新的视觉目标跟踪方法，该方法首先利用微调后的VGG‑m网络得到深度调整，并结合参考独立成分分析的方法(Independent Component Analysis with Reference,ICA‑R)，将其与传统手工特征信息融合，得到更具判别性的特征。其次，在模型更新阶段，提出一种基于图像块中心移位欧式距离的自适应更新策略。最后在OTB‑2015，VOT‑2016两个标准跟踪数据集上进行测试，实验结果表明，利用深度特征与传统手工特征融合的方法能够很好地区分背景与目标，提出的视觉目标跟踪算法在应对目标超出视野、运动模糊、遮挡等因素的干扰下均表现出很好的鲁棒性与准确性，其中在OTB‑2015中的成功率达到65.2％,准确率达到86.3％，在VOT‑2016中的准确率排在第一。
📄 2019103769263
📂 G06T7_246
👤 河北港口集团数联科技(雄安)有限公司
📅 2019-05-07
本发明公开了基于多特征融合和双流网络的微表情识别方法，涉及图像处理领域，包括：获取预设视频中微表情起始帧到结束帧的帧数据；对帧数据进行峰值帧采集获得第一图像并进行人脸裁剪获得第二图像，添加掩膜获得第三图像，提取获得第三图像的水平和垂直光流特征图；提取获得帧数据第一面部动作特征图；构建微表情识别网络；利用第三图像、水平和垂直光流特征图以及第一面部动作特征图构建训练集，利用训练集训练微表情识别网络，训练时，第三图像、第一水平光流特征图和第一垂直光流特征图输入网络的第一网络通道，第一面部动作特征图输入网络的第二网络通道；利用训练后的微表情识别网络识别微表情，本方法具有良好的微表情识别效果。
📄 2022110235192
📂 G06V40_16
👤 成都信息工程大学
📅 2022-08-25
本发明公开了一种基于多特征融合和深度学习的隐写分析方法，包括以下步骤：步骤(1)、制作预处理所需的数据集；步骤(2)、分别使用SRM、maxSRM、maxSRMd2三种特征提取方法对步骤(1)的数据集进行特征提取；步骤(3)、对步骤(2)提取的三种特征进行融合获得固定大小的特征矩阵；步骤(4)、步骤(3)的数据使用RepVGG模块和SE模块构建的模型进行训练和测试。本发明使用三种特征提取方法对图像提取特征并合成特征矩阵，使得该特征矩阵能够包含多种类型的特征，能够提高模型的通用性和鲁棒性，提高模型对不同隐写算法的学习性能，避免了隐写分析网络对图像大小的依赖性，大大提高的本发明的实用性。
📄 2021108275286
📂 G06T1_00
👤 贵州师范大学
📅 2021-07-21
本发明公开了一种基于多特征融合网络的图像修复方法，包括：S1基于多特征融合的生成网络；S2编码器中基于多级特征提取的下采样模块；S3解码器中基于多级特征提取的上采样模块；S4解码器中基于亚像素的上采样层；S5基于块的判别网络。本发明首先将待修复图像输入基于多特征融合的生成网络中，得到具有一定结构信息的初始修复图像；然后将初始修复图像输入到基于多特征融合的精细生成网络中，进一步填充高频信息；通过计算重建损失、结构损失和对抗损失，优化网络参数，使得修复后的图像具有清晰合理的结构信息及有序的纹理信息，提升修复后图像的视觉质量。
📄 202110621167X
📂 G06T5_00
👤 杭州电子科技大学
📅 2021-06-03
柿子坊 · 知识产权运营
柿子坊知识产权运营平台