场景文字检测与识别是指将自然场景中出现的文字信息识别出来。具体来讲其包含两个部分（如图1）：文字检测和文字识别。在现实生活中，场景文字检测与识别的应用十分广泛。

本发明涉及手写文字的识别方法，包括：a.归一化手写输入数据，定义神经元数，建立自动编码器模型并初始化权重和偏置；b.通过压缩感知模型进行数据压缩采样；c.对得到数据进行自动编解码后重建手写输入数据，使重建数据相对原始手写输入的误差最小化；d.将构建的各模型逐层堆叠组成n层神经元的特征深度学习模型，并对所述的n层神经元遍历进行深度特征学习，其中n为自然数；e.输出识别的手写文字。本发明能够通过模拟人脑视觉神经元感知事物的特性，结合压缩感知和深度学习，自动挖掘表征手写文字的细致特征，非常有效的提高了手写文字的表征能力和模型学习的效率，大幅度的提高了手写文字特别是手写数字的识别精度和识别效率。

苏州大学智能信息处理平台的目标是能处理多模态文字数据，精准分析语言内部结构，对人类语言进行深层理解，以支持各种应用需求。 一、项目分类 显著效益成果转化 二、技术分析 苏州大学智能信息处理平台的目标是能处理多模态文字数据，精准分析语言内部结构，对人类语言进行深层理解，以支持各种应用需求。系统可以处理多种非结构化数据，比如说明书、技术标准、车间工单等纸质文档或电子文档。把图像识别技术(OCR)和自然语言理解技术(NLP)相结合，从表单图像中抽取关键要素信息。在此基础上，我们搭建了包括知识图谱问答 (KBQA)、常见问题检索 (FAQ)、对话 (Chatbot)在内的智能问答及对话系统、以及面向大数据的文档信息抽取系统。能够对给定的自然语言问题通过查询、推理提供精准满意的答案，和面向大规模文档提供信息抽取和舆情分析等服务。目前已经向多家公司提供各项相关服务。

产品介绍 CK-M8L超高频RFID读写模块是小型化的UHF RFID 读写器 ，集成了模拟射频前端与基带数字信号处理模块等功能；用户只需要在模块的基础上作电源处理即可，可以很方便的通过API函数库控制模块工作适合各种应用场景用户开发。该模块支持固件升级，可满足协议扩展和功能扩展的应用需要。     产品特点 支持多种协议：ISO 18000-6C/EPC C1G2 、 ISO 18000-6B、国标GB/T29768-2013(可拓展支持)。 密集读取：端口最大输出33dBm，可根据需要设置功率，可应对非常密集的使用环境，多标签识别算法，每秒可识别超过400张以上。 能够定频或跳频工作。 输出功率可调,调节步进:1dBm。 支持标签数据过滤、支持防碰撞协议、支持多标签识别。 全频段、大功率、灵敏度高、功率准、零配置即可获得最佳性能。 规格参数 主要规格参数 产品型号 CK-M8L 性能参数 频率范围 940MHz～960MHz 空口协议 EPC C1G2、ISO18000-6B/C、GB/T29768-2013（可选配） 功能特点 支持密集读写、多标签识别、支持标签数据过滤、支持RSSI：可感知信号强度 通道数 8通道 RF输出功率（端口） 33dBm±1dBm（MAX） 输出功率调节 ±1dBm 前向调制方式 DSB-ASK、PR-ASK 连续读标签距离（读EPC码） 0-10米，连续读100次，读取成功率大于95%（无干扰环境）（8dBi圆极化天线@H3） 连续写标签距离（写EPC码） 0〜4米(与标签芯片性能有关)，连续写100次，写成功率大于90%（8dBi圆极化天线@H3） 标签识别速度 >400次/秒 通讯口 TTL串口 物理接口 15PIN端子 1.25mm间距 空口协议 ISO 18000-6C/EPC C1G2 、 ISO 18000-6B、 GB/T29768-2013（可拓展支持） 功能特点 支持密集读写、多标签识别、支持标签数据过滤、支持RSSI：可感知信号强度 读卡功耗 （33dBm）：8W 物理参数 外观尺寸 93*72*8mm 外壳材质 铝型材外壳 安装方式 通过四个螺丝孔固定 电源 工作电压   操作环境 工作温度 -20°C~+70°C 储存温度 -40°C~+85°C 工作湿度 <95% (+25°C)

本发明公开了一种自然场景文字检测方法及系统，属于模式识别技术领域。本发明首先对图像进行二值化处理以获取文字初步候选区域，然后基于判决规则和置信度图像建立两层滤波机制以剔除伪文字区域。为弥补前期处理所可能导致的文字丢失问题，将已获得的文字候选区域形成种子区域，然后在其邻近区域根据上下文信息恢复已丢失的文字候选区域。将沿水平方向排列的相邻的文字区域形成文字行并采用分类器进行判决以剔除伪文字行。最后，将文字行中的文字

采用最新的人工智能与图形学技术解决了大规模个性化中文字库快速制作与自动生成中的一系列技术难题，让普通用户可便捷快速地制作、拥有和使用个性化订制风格的中文字库。 一、项目分类 显著效益成果转化 二、技术分析 北京大学王选计算机研究所技术团队经过近十年的研究，采用最新的人工智能与图形学技术解决了大规模个性化中文字库快速制作与自动生成中的一系列技术难题，让普通用户可便捷快速地制作、拥有和使用个性化订制风格的中文字库。 基于部件拼接的中文字库快速制作 基于风格学习的中文字库自动生成

AI心理情绪识别系统1.多模态信号采集：人脸动态图像、脑电信号采集、语音情感检测。2.功能模块包含：情绪检测、情绪档案、数据统计、用户管理、系统设置功能模块。3.系统基于情绪心理学相关理论，结合面部表情的二维情感空间分析技术、脑电信号的状态分析、语音的三维情感空间分析三种模态相互融合叠加技术，检测人心理情绪状态，提高其检测准确度。3.    基于摄像头面部情绪识别技术，可以实时分析人体面部所包含的情绪状态。通过非接触式的实时视采用 AI 人工智能学习技术，结合心理学，通过对被测试人员 60秒的测试，能够获取相关心理/心理指标。帮助被测试人员了解自己的心理健康状况，并且引起人们重视心理健康，从而在工作、学习、生活当中提高身心健康。并且通过定期测试，能够获取个体、准确的进行心理危机预警，显示被测人员心理危机测试报告，提醒心理医生重点关注。用户在进行注册登录后，根据语音提示可直接进入测试界面进行情绪识别。点击测试按钮，调整好站立位置，脸部朝向屏幕，人脸录入即可完成测试，测试完成即可生成测试报告并能打印报告。4    基于脑电生物传感器状态检测、实时展示人体脑波原始状态指标以及Delta、Theta、Alpha、Beta、Gamma等8个EEG参数。5.    采用任务态模式进行语音情感分析，测试者按照系统设定的特定语境信息进行朗读来进行情感分析。6.    检测结束后可实时出具“心理生理状态分析结果报告”，其中包括被测试人员信息、检测时间、12维度心理生理情绪数据，包含正面情绪（平衡、自信心、活力、调节水平），负面情绪（攻击性、压力、紧张、可疑），生理参数（抑制、神经质、消沉、幸福指数），以及综合状态指标：专注度、放松度、疲劳指数、焦虑指数、压力指数、抑郁指数等。7.    统计分析：系统自带数据中心的统计功能，可以按单位进行所有检测人员的压力分布图及重点关注人员的信息显示。8.    检测完成后系统自动生成检测报告，检测报告需包含每项参数的检测数据大小、参考范围、异常数据等，以及用情绪参数雷达图、饼状图、直方图、曲线视图等多种表示方法。9.    信息查询功能：管理员可通过多条件查询功能，只需通过任意一项查询条件即可快速查询出与之对应和匹配的测试者信息，以及该测试者的历史测试记录，并可对该测试者的测试记录进行纵向和横向对比，综合分析该名测试者的心理健康状况。9.用户管理端：以管理员身份登录该系统可对用户进行管理。可进行添加用户、删除用户、查询用户、用户信息修改、密码修改、级别权限设置、单位框架搭建、查看用户报告，以及导出、打印用户报告。10.系统具有特定场合模态设置功能，可关闭和开启语音检测功能。11.视频检测时面部框具有信号质量检测功能，通过不能的颜色在面部框进行彩色状态提示，同时具有人脸检测判别功能，比如面部不全、距离较远等识别功能

本实用新型涉及一种基于脑电波控制的文字显示风扇，脑电波采集模块、脑电波接收解析模块、文字显示风扇模块，所述脑电波接收解析模块分别连接脑电波采集模块和文字显示风扇模块，所述脑电波采集模块采集脑电波信号，所述脑电波接收解析模块无线接收所述脑电波信号产生脑电波控制指令，所述风扇模块根据脑电波控制指令进行转动。本实用新型通过该脑电波采集设备采集用户脑电波，利用蓝牙传输到脑电波接收解析模块，在核心处理器中生成控制指令实现对POV风扇模块的控制。进一步讲，本实用新型可以让用户通过注意力或者放松度达到某一阈值时控制风扇转动，风扇上显示出设定的文字。

本发明提供了一种基于虚拟键盘的文字输入方法及装置。该方法包括：S1：自动识别虚拟键盘区域及键位，将所述虚拟键盘区域划分为预设数量的子区域，各个子区域以不同的频率进行闪烁；S2：接收脑电采集处理设备发送的第一脑电信号；S3：对第一脑电信号进行处理分析，根据处理分析结果从各个子区域中确定第一子区域为用户的注视区；S4：重复S1‑S3，将第一子区域进行分割

已有样品/n采用自主研发的人脸识别技术，识别率达到国际先进水平。已经在 多个案例中使用。 该项目广泛应用于平安城市、智慧城市、智能安防、门禁、司法鉴 定、公安侦查方面，具有较好的市场前景。