设计并实现了一个图像半自动标注系统，以减轻自动驾驶场景中图像数据标注的工作量。该系统打通图像自动标注流程，利用基于深度学习的目标检测方法对图像中的交通目标进行预标注，随后交于用户检查标注结果，并自动整理输出图像标注数据。此外还开发实现了大量实用的图像标注功能，以支持用户进行图像标注，例如2D目标标注、交通标志标注、车道线标注、车灯标注、施工区域标注、目标跟踪标注、2.5D目标标注、停车位标注等。该系统投入使用后大幅提升了图像标注工作的效率，道路交通目标的平均标注速度相较于手工标注提升了115%。 相关技术指标：自动标注系统的平均标注速度为280张/人天。标注算法的漏检率为6.2%、准确率为92.3%、贴合率为81.2%。 技术指标满足系统设计要求，实际效果令人满意。 技术创新点： 1）实现了标注流程的半自动化，大幅减轻在标注流程上的工作量。 2）在标注功能上，相比已有可获得的工具，在交通目标的类型及标注特性上有了较大扩充。 3）在标注性能上，应用了成熟、领先的目标检测算法和机制如ResNeXt、注意力机制、Focal Loss、GIoU Loss等，并进行若干改进，设计了定位置信度模块、倒金字塔注意力模块、稀疏结构注意力机制等，显著提升了模型的检测效果，特别是小目标以及全局性关联目标检测性能。

产品详细介绍 图像定位系统  系统概述 电教摄影师都有这样一个体会：工作很辛苦！尤其是在多机位拍摄时，更加辛苦。当富有激情的老师授课时，在讲台上来回走动，不断展示新的PPT幻灯片，经常与学生交流，为了拍摄好这样的授课情景，摄影师十分忙碌：需要不断推拉摄像机跟踪拍摄老师图像，需要通过切换台不断在VGA与摄像机之间进行切换，还需要调整摄像机对准回答问题的学生，并进行镜头切换。有了PowerCreator Graphic Position System 图像定位系统后，这些工作都可以自动完成（还需要PowerCreator Media Cast配合使用，后面有详细介绍），无需人工参与。 　　　　　　　　　　　 图像定位系统结构图如下所示：    功能特点 系统组成 PowerCreator Graphic Position System 由两个子系统组成：教师跟踪系统与学生定位系统。教师跟踪系统自动计算教师在讲台上的位置，通知教师摄像机进行转动；学生定位系统自动识别站立学生所处的位置，通知学生摄像机进行定位，以特写的方式进行拍摄。 跟踪目标不会丢失 与市场上同类产品相比，PowerCreator Graphic Position System 的一个最大特点就是：跟踪目标不会丢失，即使在讲台上以最快的速度跑动。    真正满足常态化教学要求 录播系统解决方案中，对于如何拍摄学生画面一直是一个难题，一般解决方案都需要学生按一个触发器（可能是按键、 手持麦克、压力感应器等），这些技术不具备实用价值，违反了常态化教学要求。PowerCreator Graphic Position System很好的解决了这个问题，学生和老师无需做任何操作，只需要回答问题时，站立起来就可以了。 抗干扰性强 基于红外技术的产品，容易受太阳光、热光源等因素干扰；基于超声波技术的产品，长时间使用，对人身体健康有害。相比前两种技术，PowerCreator Graphic Position System 基于图像识别技术，很好的解决了以上问题。 部署简单 安装部署PowerCreator Graphic Position System，只需要在教室的几个不同位置安装摄像机就可以了，十分方便。

产品详细介绍 灵活的跟踪策略  老师与学生配置不同的跟踪策略，用户只需选择不同跟踪策略,同时用户可以自行定义跟踪与 切换方案。 双板书跟踪  支持独立板书分析，支持左右两边板书特写跟踪。 多机位协同跟踪，无垃圾镜头，切换延时小  场景采用多机位协同跟踪，切换镜头的方式实现跟踪拍摄（包括教师、学生作答特写画面、 板书特写画面），不出现画面摇动、变焦等不稳定画面。 光流法柔性跟踪  特写镜头的缓和转动，使摄像头画面无拖拽镜头，人体走动跟踪更自然。 区域屏蔽和热点跟踪  避免拍摄区域的亮斑、阴影等干扰，提高系统识别效果；具有多人员识别与拍摄策略；单人 员是特写拍摄、多人员是全景拍摄。可以设置热点区域做跟踪策略。

包括基于流量分析的移动应用指纹识别技术以及基于应用程序和浏览器的设备指纹识别技术等。移动应用指纹识别技术通过综合应用动态流量采集和静态特征抽取技术，在保证应用规模和流量覆盖率的前提下，实现流量数据的大规模自动化采集。设备指纹识别技术针对Android系统终端，在零权限的前提下分别基于应用程序和浏览器提取层次化标识符组合形成指纹实现设备识别。

工业或轻工业环境下的抓取和分拣操作一直是劳动密集型的生产环节。本研究室搭建了以视觉感知     为基础的机械手臂控制系统，核心硬件包括 UR 机械臂和 Barratte Hand 三指灵巧手。能够准确、快速地识别与定位抓取目标，并实现可靠地运动控制。该技术对提高相关产业的自动化、智能化、以及劳动生  产率具有重要的应用价值。

利用手机上的 APP 刷人脸，进行识别后，驱动门禁开关。由于手机比较普及，出入门禁的人，无需携带其他识别物，就能自由进出。成本低、方便快捷。

高校科技成果尽在科转云

本发明公开了一种结合语义特征的 ERVQ 索引，包括以下步骤：准备训练索引的图片集 P1 和待索引图片集 P2，对 P1 提取低层特征(SIFT、SURF 等)，使用残差量化索引(RVQ)训练方法训练得到一个 L层的 RVQ 码书 Codebook1，使用 ERVQ 优化方法调整 Codebook1 生成码书 Codebook2，将码书 Codebook2 多层质心一一组合构建索引字典，将索引字典每个索引项上根据语义划分成多个倒排链表结构，对 P2 提取低层特征和语义特征，根据低层特征找到索引项，根

本发明公开了一种聚簇图集合中的子图检索方法，包括：索引 建立步骤，根据聚簇图的结构信息和结点属性计算聚簇图集合中各聚 簇图之间的相似性，根据各聚簇图之间的相似性采用层次聚类算法将 相近的聚簇图聚类，直到剩下一个聚簇图；子图检索步骤；根据用户 发起查询图的结构以及顶点属性，对聚簇图索引树采用树的自顶向下 的方式进行查询图的同构匹配。本发明通过在数据集合中建立树形索 引，尽早过滤不包含查询图的数据项，进行加快查询速度，提

成果简介： 数据获取手段的不断进步，产生了海量的地理科学数据，在科学数据共享需求的背景下，如何从大数据中准确发现并获取用户所需的数据，是地理信息共享迫切需要解决的问题。本研究针对常规信息检索方法不适用于地理共享数据智能发现的现状，从数据关联和用户模型两方面着手，构建面向地理共享数据的异构信息网络模型，将地理共享数据和其他相关信息放入一个更加复杂的环境中去