Способ идентификации и классификации объектов



Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов
Способ идентификации и классификации объектов

Владельцы патента RU 2692420:

Российская Федерация, от имени которой выступает федеральное государственное казенное учреждение "Войсковая часть 68240" (RU)

Изобретение относится к способам распознавания плоских изображений объектов по их форме с извлечением признаков объектов на основе контурного анализа, с последующей обработкой извлеченных признаков на основе статистического анализа, и может быть использовано в системах технического зрения. Техническим результатом изобретения является повышение точности классификации объектов за счет обеспечения фильтрации шумовых объектов. В способе классификатор содержит (N+1) предварительно заданных классов, при этом принадлежность исследуемого объекта к N предварительно заданным классам, для которых представлена обучающая выборка, определяют в указанном классификаторе посредством оценки схожести по их физическим признакам, а принадлежность исследуемого объекта к (N+1)-му предварительно заданному классу, для которого не может быть представлена обучающая выборка, определяют в указанном классификаторе посредством того, что исследуемый объект не принадлежит ни к одному из N предварительно заданных классов на основе оценки схожести по их физическим признакам. Для выполнения оценки схожести по физическим признакам в указанном классификаторе по меньшей мере одного исследуемого объекта с каждым из N предварительно заданных классов, которые имеют обучающую выборку, осуществляют построение границ для каждого из N предварительно заданных классов посредством анализа плотности и формы распределения обучающей выборки в n-мерном пространстве признаков. 1 з.п. ф-лы, 4 табл., 18 ил.

 

Изобретение относится к цифровой обработке изображений, а именно, к способам распознавания плоских изображений объектов по их форме с извлечением признаков объектов на основе контурного анализа, с последующей обработкой извлеченных признаков на основе статистического анализа, и может быть использовано в системах технического зрения.

Аналогом является способ идентификации и классификации объектов (патент DE 19731111 В4, МПК G06K 9/62, опубликован 27.10.2005), в котором объект идентифицируется и классифицируется на основании предварительно задаваемых свойств из выходного сигнала, с помощью работающей по векторному принципу схемы. Данный способ базируется на применении решающих правил (индикаторов) в многомерном векторном пространстве, которые позволяют предварительно задать свойства фактического предмета, например летательного аппарата, который регистрируется как объект по меньшей мере одним настроенным на него физическим детектором, например радиолокационной станцией. Таким образом, индикатор является абстрактным понятием для предварительно задаваемой, важной для идентификации качественной и количественной информации. Каждому индикатору присваивается тенденция, которая соответствует базовой тождественности индикатора. Затем индикаторы отображаются как векторы в многомерном векторном пространстве.

Прототипом заявленного изобретения является способ идентификации и классификации объектов (патент RU 2541158 С2, МПК G06F 17/30, G06K 9/62, опубликован 10.02.2015), согласно которому при идентификации объектов регистрируют предмет, по меньшей мере одним из настроенных на него физических детекторов, по выходному сигналу, по меньшей мере одного детектора, определяют по меньшей мере один объект, для которого получают из выходного сигнала набор n различных физических признаков, далее объект классифицируют на основании предварительно задаваемых свойств при помощи классификатора, предварительно обученного по обучающей выборке, при этом исследуемый объект соотносят с одним из N предварительно заданных классов, N базовых классов в предварительно заданной последовательности упорядочивают в N-мерный вектор V, который соотносят с объектом, причем элементы v1…vN вектора V указывают на принадлежность объекта к соответствующему базовому классу и в зависимости от вектора V объект соотносят с производным классом, который сохранен в справочной базе данных и выбирается из нее, причем в случае принадлежности объекта к соответствующему базовому классу элементу v1…vN вектора присваивают двоичное значение "1", в противном случае присваивают двоичное значение "0".

Основным недостатком аналога и прототипа является недостаточно высокая точность классификации объектов. Это обусловлено тем, что в известных способах отсутствует фильтрация шумовых объектов, так как в них не производят оценку схожести классифицируемого объекта с каждым из производных классов.

Задачей заявленного изобретения является разработка способа идентификации и классификации объектов, в котором устранен недостаток аналога и прототипа.

Техническим результатом заявленного изобретения является повышение точности классификации объектов за счет обеспечения фильтрации шумовых объектов.

Технический результат достигается тем, что в способе идентификации и классификации объектов, согласно которому при идентификации объектов

регистрируют по меньшей мере один предмет, по меньшей мере одним из настроенных на него физических детекторов,

по выходному сигналу, по меньшей мере одного детектора, определяют по меньшей мере один объект, для которого получают из выходного сигнала набор n различных физических признаков,

далее исследуемый объект классифицируют на основании предварительно задаваемых свойств при помощи классификатора, предварительно обученного по обучающей выборке,

при этом исследуемый объект соотносят с одним из N предварительно заданных классов,

согласно настоящему изобретению,

указанный классификатор содержит (N+1) предварительно заданных классов,

при этом принадлежность исследуемого объекта к N предварительно заданным классам, для которых представлена обучающая выборка, определяют в указанном классификаторе посредством оценки схожести по их физическим признакам,

а принадлежность исследуемого объекта к (N+1)-ому предварительно заданному классу, для которого не может быть представлена обучающая выборка, определяют в указанном классификаторе посредством того, что исследуемый объект не принадлежит ни к одному из N предварительно заданных классов на основе оценки схожести по их физическим признакам.

Для выполнения оценки схожести по физическим признакам в указанном классификаторе по меньшей мере одного исследуемого объекта с каждым из N предварительно заданных классов, которые имеют обучающую выборку,

осуществляют построение границ для каждого из N предварительно заданных классов посредством анализа плотности и формы распределения обучающей выборки в n-мерном пространстве признаков, при этом

определяют выпуклую границу предварительно заданного класса, соединяя точки , ,

где bi - i-ая точка выпуклой границы предварительно заданного класса; - координаты точки bi в n-мерном пространстве признаков; F - количество точек, образующих выпуклую границу предварительно заданного класса;

далее определяют центральную точку С предварительно заданного класса ,

где - координаты точки С в n-мерном пространстве признаков;

разделяют область, занимаемую классом в n-мерном пространстве признаков на F секторов, соединяя центральную точку C с каждой точкой выпуклой границы предварительно заданного класса bi,

затем в каждом секторе точки выпуклой границы предварительно заданного класса bi преобразуют, исходя из плотности и формы распределения обучающей выборки предварительно заданного класса, в точки расширенной выпуклой границы предварительно заданного класса ,

где - i-ая точка расширенной выпуклой границы предварительно заданного класса; - координаты точки в n-мерном пространстве признаков; F - количество точек, образующих расширенную выпуклую границу предварительно заданного класса,

по формуле:

где ρ(С, bi) - евклидово расстояние от центральной точки С предварительно заданного класса до точки bi;

- евклидово расстояние от центральной точки С предварительно заданного класса до точки ;

Евклидово расстояние от центральной точки С предварительно заданного класса до точки расширенной выпуклой границы предварительно заданного класса определяют по формуле:

где Н - сумма евклидовых расстояний от центральной точки С предварительно заданного класса до точки bi и соседней точки bi-1; Н' - сумма евклидовых расстояний от центральной точки С предварительно заданного класса до точки и соседней точки , определяемая из плотности и формы распределения объектов предварительно заданного класса в секторе;

сумму евклидовых расстояний Н от центральной точки С предварительно заданного класса до точки bi и соседней точки bi-1 определяют по формуле:

где ρ(С, bi) - евклидово расстояние от центральной точки С предварительно заданного класса до точки bi;

ρ(С, bi-1) - евклидово расстояние от центральной точки С предварительно заданного класса до точки bi-1;

сумму евклидовых расстояний Н' от центральной точки С предварительно заданного класса до точки и соседней точки , определяемую из плотности и формы распределения объектов предварительно заданного класса в секторе, вычисляют по формуле:

где Sk - количество точек в текущем секторе предварительно заданного класса;

k - количество секторов в предварительно заданном классе;

Т - общее количество точек в предварительно заданном классе;

hz - сумма евклидовых расстояний от точки внутри сектора tƒ, до точки bi и точки bi-1;

сумму евклидовых расстояний hz от точки внутри сектора tƒ до точки bi и точки bi-1 определяют по формуле:

для каждой точки , расширенной выпуклой границы предварительно заданного класса, входящей одновременно в два соседних сектора, вычисляют и усредняют между собой, соответственно, два комплекта координат,

определяют расширенную выпуклую границу предварительно заданного класса, соединяя точки ,

далее в каждом секторе в выпуклую границу предварительно заданного класса добавляют точки aj, которые находятся на минимальном расстоянии от двух соседних точек bi и bi-1 выпуклой границы предварительно заданного класса, причем их добавление в границу производят при условии, что другие точки не окажутся вне границы класса, при этом , ,

где aj - j-ая точка, добавленная в выпуклую границу предварительно заданного класса;

- координаты точки aj в n-мерном пространстве признаков;

G - количество добавленных точек aj;

формируют вогнутую границу предварительно заданного класса, соединяя точки bi и точки aj,

затем добавленные в выпуклую границу предварительно заданного класса точки aj преобразуют в точки , ,

где - преобразованная j-ая точка, добавленная в выпуклую границу предварительно заданного класса;

- координаты точки в n-мерном пространстве признаков;

G - количество добавленных точек ,

по формуле:

где ρ(bi, bi-1) - евклидово расстояние между соседними точками выпуклой границы bi и bi-1;

- евклидово расстояние между соседними точками расширенной выпуклой границы и ,

далее формируют окончательную границу предварительно заданного класса, соединяя точки и точки ,

затем осуществляют проверку попадания исследуемого объекта по его координатам в n-мерном пространстве признаков в каждую из областей, определяемых границами N предварительно заданных классов.

Сущность изобретения поясняется рисунками.

На фиг. 1 представлена схема, поясняющая основные этапы выполнения (фиг. 1а - фиг. 1д) предлагаемого способа идентификации и классификации объектов.

На фиг. 1а цифрами обозначены следующие элементы:

1 - элемент произвольной формы (шумовой объект),

2 - элемент «незавершенный прямоугольник»,

3 - элемент «прямоугольник»,

4 - элемент «отрезок».

На фиг. 2 представлена схема, поясняющая основные этапы обучения классификатора для построения границ (фиг. 2а - фиг. 2з) каждого из N предварительно заданных классов в целях выполнения оценки схожести по физическим признакам исследуемого объекта с каждым из N предварительно заданных классов, которые имеют обучающую выборку.

На фиг. 3 изображен сектор, в котором выполнено преобразование выпуклой границы предварительно заданного класса в расширенную выпуклую границу.

На фиг. 4 изображен сектор, в котором выполнено добавление точек в расширенную выпуклую границу предварительно заданного класса.

На фиг. 5 представлена схема, поясняющая основные этапы построения границы (фиг. 5а - фиг. 5в) предварительно заданного класса «прямоугольник».

Согласно предлагаемому способу идентификации и классификации объектов

при идентификации объектов регистрируют по меньшей мере один предмет, по меньшей мере одним из настроенных на него физических детекторов (фиг. 1а),

по выходному сигналу, по меньшей мере одного детектора, определяют по меньшей мере один объект (фиг. 1б), для которого получают из выходного сигнала набор n различных физических признаков - совокупность координат в n-мерном пространстве признаков (фиг. 1в),

далее исследуемый объект классифицируют на основании предварительно задаваемых свойств при помощи классификатора (фиг. 1г), предварительно обученного по обучающей выборке, при этом исследуемый объект соотносят с одним из N предварительно заданных классов.

Принцип действия предлагаемого способа идентификации и классификации объектов рассмотрим на следующем примере.

Допустим, необходимо идентифицировать и классифицировать исследуемый объект заранее неизвестной формы (фиг. 1а, элемент 2).

В процессе идентификации объекта регистрируют тепловизионным прибором (физическим детектором) предмет, являющийся источником ИК-излучения.

Получают изображение (фиг. 1а), представленное в цифровом виде в градациях серого цвета.

В рамках предлагаемого способа объект определяется как отклик на применение детектора границ Канни (Canny J.A Computational Approach for Edge Detection. IEEE Trans. Pattern Anal. Machine Intel., 1986, vol. 8, no. 6, pp. 679-698) к выходному сигналу физического (оптического) детектора или комбинации детекторов. Таким образом, на исходном изображении выделяют контур исследуемого объекта (фиг. 1б).

В данном примере конкретного выполнения исследуемый объект анализируют на несколько физических свойств. Объект определяется как односвязная область, которая имеет определенные физические свойства, которые однозначно отличают его от других объектов.

Далее для контура исследуемого объекта вычисляют значения четырех компонент преобразования Уолша над автокорреляционной функцией контура, результат которого выглядит как четыре столбца графика (фиг. 1в), отражающих значения соответствующих компонентов преобразования Уолша. Компоненты преобразования Уолша являются координатами исследуемого объекта в двумерном пространстве признаков, в котором реализован заранее обученный классификатор (фиг. 1г, фиг. 2).

Таким образом, указанными выше действиями осуществляют идентификацию исследуемого объекта.

Затем осуществляют процесс классификации исследуемого объекта.

Для выполнения процесса классификации исследуемого объекта заранее обучают классификатор, который позволяет определить принадлежность исследуемого объекта к одному из предварительно заданных классов. В качестве предварительно заданных классов могут выступать, например, класс «незавершенный прямоугольник» (1-ый класс), класс «прямоугольник» (2-ой класс), класс объектов формы «отрезок» (3-ий класс).

Заранее обученный классификатор представляет собой три замкнутые границы предварительно заданных классов (классы объектов типов «незавершенный прямоугольник», «прямоугольник», «отрезок») в двумерном пространстве признаков (фиг. 1г), внутри которых расположены объекты, принадлежащие данным классам, а снаружи - объекты 4-го (N+1) класса, отличающиеся от объектов трех обозначенных классов.

Обучение классификатора производят по обучающей выборке, которая представляет собой три компактные группы точек (фиг. 2а), причем для каждой точки известны ее физические признаки (координаты х1 и х2), а также, к какому из трех предварительно заданных классов она принадлежит.

В указанном классификаторе для выполнения оценки схожести по физическим признакам исследуемого объекта с каждым из трех предварительно заданных классов, которые имеют обучающую выборку, осуществляют построение границ для каждого из трех предварительно заданных классов посредством анализа плотности и формы распределения обучающей выборки в двумерном пространстве признаков.

В данном примере конкретного выполнения подробно рассмотрим формирование границы класса «незавершенный прямоугольник» (аналогично формируют границы классов «прямоугольник» и «отрезок»).

Вначале определяют выпуклую границу класса (фиг. 2б, фиг. 5а) методом Грэхема (R.L. Graham, An efficient algorithm for determining the convex hull of a finite planar set, 28.01.1972). Точки, через которые проходит граница, обозначают bi, . Значения координат х1 и х2 точек bi, в двумерном пространстве признаков приведены в следующей таблице:

После этого определяют центральную точку С класса (фиг. 2в, фиг. 5а), ее координаты х1 и х2 равны средним значениям соответствующих координат обучающей выборки, и, соответственно, равны (357,427; 258,611). Соединяя центральную точку C с каждой точкой выпуклой границы предварительно заданного класса bi, , разделяют область, занимаемую классом в двумерном пространстве признаков на 8 секторов (фиг. 2г).

Разделение на секторы осуществляют для того, чтобы выполнить в каждом секторе локальный анализ плотности и формы распределения обучающей выборки.

После этого в каждом из 8 секторов производят преобразование координат точек bi, по формулам (1), (2), (3), (4), (5). Полученные значения координат х1 и х2 точек расширенной выпуклой границы , в двумерном пространстве признаков (фиг. 2д, фиг. 3) приведены в следующей таблице:

Если точки обучающей выборки распределены в пространстве признаков, например, как у класса «незавершенный прямоугольник» (фиг. 5а), то расширенная выпуклая граница может не точно отображать форму класса. Для устранения этого в каждом секторе в выпуклую границу предварительно заданного класса добавляют точки aj, , которые находятся на минимальном расстоянии от двух соседних точек bi и bi-1 выпуклой границы предварительно заданного класса, причем их добавление в границу производят при условии, что другие точки не окажутся вне границы класса.

После этого формируют вогнутую границу предварительно заданного класса (фиг. 2е, фиг. 5б), соединяя точки bi, и точки aj, .

Значения координат х1 и х2 точек вогнутой границы в двумерном пространстве признаков приведены в следующей таблице:

Затем точки вогнутой границы предварительно заданного класса aj, преобразуют по формуле (6) в точки , (фиг. 2ж, фиг. 4), после чего формируют окончательную границу предварительно заданного класса (фиг. 2з, фиг. 5в), соединяя точки , и точки , .

Значения координат х1 и х2 точек окончательной границы предварительно заданного класса «незавершенный прямоугольник» в двумерном пространстве признаков приведены в следующей таблице:

Таким образом, указанными выше действиями осуществляют обучение классификатора по обучающей выборке.

Далее, на основании исследованных и определенных физических признаков, исследуемый объект классифицируют по четырем предварительно заданным классам (фиг. 1д), осуществляя проверку попадания исследуемого объекта по его координатам в двумерном пространстве признаков в каждую из областей, определяемых границами предварительно заданных классов «незавершенный прямоугольник», «прямоугольник», «отрезок», и, таким образом, определяют его расположение внутри одной из трех замкнутых границ или снаружи - в качестве объекта 4-го (N+1) класса.

Если объект соотносят с 4-ым классом, это говорит о том, что на основании оценки схожести он был отфильтрован как шумовой объект (фиг. 1д).

Исследуемый объект на основании физических признаков соотносят с предварительно заданным 1-ым классом и, таким образом, исследуемый объект классифицируют как объект класса «незавершенный прямоугольник» (фиг. 1д).

Использование предлагаемого способа идентификации и классификации объектов позволит повысить точность классификации объектов за счет обеспечения фильтрации шумовых объектов.

1. Способ идентификации и классификации объектов, согласно которому при идентификации объектов

регистрируют по меньшей мере один предмет по меньшей мере одним из настроенных на него физических детекторов,

по выходному сигналу по меньшей мере одного детектора определяют по меньшей мере один объект, для которого получают из выходного сигнала набор n различных физических признаков,

далее исследуемый объект классифицируют на основании предварительно задаваемых свойств при помощи классификатора, предварительно обученного по обучающей выборке,

при этом исследуемый объект соотносят с одним из N предварительно заданных классов, отличающийся тем, что

указанный классификатор содержит (N+1) предварительно заданных классов,

при этом принадлежность исследуемого объекта к N предварительно заданным классам, для которых представлена обучающая выборка, определяют в указанном классификаторе посредством оценки схожести по их физическим признакам,

принадлежность исследуемого объекта к (N+1)-му предварительно заданному классу, для которого не может быть представлена обучающая выборка, определяют в указанном классификаторе посредством того, что исследуемый объект не принадлежит ни к одному из N предварительно заданных классов на основе оценки схожести по их физическим признакам,

а для выполнения оценки схожести по физическим признакам в указанном классификаторе по меньшей мере одного исследуемого объекта с каждым из N предварительно заданных классов, которые имеют обучающую выборку, осуществляют построение границ для каждого из N предварительно заданных классов посредством анализа плотности и формы распределения обучающей выборки в n-мерном пространстве признаков, после чего осуществляют проверку попадания исследуемого объекта по его координатам в n-мерном пространстве признаков в каждую из областей, определяемых границами N предварительно заданных классов.

2. Способ по п. 1, отличающийся тем, что при построении границ

определяют выпуклую границу предварительно заданного класса, соединяя точки

где bi - i-я точка выпуклой границы предварительно заданного класса;

- координаты точки bi в n-мерном пространстве признаков;

F - количество точек, образующих выпуклую границу предварительно заданного класса;

далее определяют центральную точку С предварительно заданного класса

где - координаты точки С в n-мерном пространстве признаков;

разделяют область, занимаемую классом в n-мерном пространстве признаков на F секторов, соединяя центральную точку C с каждой точкой выпуклой границы предварительно заданного класса bi,

затем в каждом секторе точки выпуклой границы предварительно заданного класса bi преобразуют, исходя из плотности и формы распределения обучающей выборки предварительно заданного класса, в точки расширенной выпуклой границы предварительно заданного класса

где - i-я точка расширенной выпуклой границы предварительно заданного класса; - координаты точки в n-мерном пространстве признаков; F - количество точек, образующих расширенную выпуклую границу предварительно заданного класса,

по формуле

где ρ(С, bi) - евклидово расстояние от центральной точки С предварительно заданного класса до точки bi;

- евклидово расстояние от центральной точки С предварительно заданного класса до точки

евклидово расстояние от центральной точки С предварительно заданного класса до точки расширенной выпуклой границы предварительно заданного класса определяют по формуле

где Н - сумма евклидовых расстояний от центральной точки С предварительно заданного класса до точки bi и соседней точки bi-1;

Н' - сумма евклидовых расстояний от центральной точки С предварительно заданного класса до точки и соседней точки определяемая из плотности и формы распределения объектов предварительно заданного класса в секторе;

сумму евклидовых расстояний Н от центральной точки С предварительно заданного класса до точки bi и соседней точки bi-1 определяют по формуле

Н=ρ(C, bi)+ρ(C, bi-1),

где ρ(C, bi) - евклидово расстояние от центральной точки С предварительно заданного класса до точки bi;

ρ(С, bi-1) - евклидово расстояние от центральной точки С предварительно заданного класса до точки bi-1;

сумму евклидовых расстояний Н' от центральной точки С предварительно заданного класса до точки и соседней точки определяемую из плотности и формы распределения объектов предварительно заданного класса в секторе, вычисляют по формуле

где Sk - количество точек в текущем секторе предварительно заданного класса;

k - количество секторов в предварительно заданном классе;

Т - общее количество точек в предварительно заданном классе;

hz - сумма евклидовых расстояний от точки внутри сектора до точки bi и точки bi-1;

сумму евклидовых расстояний hz от точки внутри сектора tƒ до точки bi и точки bi-1 определяют по формуле

hz=ρ(tƒ, bi)+ρ(tƒ, bi-1),

для каждой точки расширенной выпуклой границы предварительно заданного класса, входящей одновременно в два соседних сектора, вычисляют и усредняют между собой, соответственно, два комплекта координат,

определяют расширенную выпуклую границу предварительно заданного класса, соединяя точки

далее в каждом секторе в выпуклую границу предварительно заданного класса добавляют точки aj, которые находятся на минимальном расстоянии от двух соседних точек bi и bi-1 выпуклой границы предварительно заданного класса, причем их добавление в границу производят при условии, что другие точки не окажутся вне границы класса, при этом

где aj - j-я точка, добавленная в выпуклую границу предварительно заданного класса;

- координаты точки aj в n-мерном пространстве признаков; G - количество добавленных точек aj,

формируют вогнутую границу предварительно заданного класса, соединяя точки bi и точки aj,

затем добавленные в выпуклую границу предварительно заданного класса точки aj преобразуют в точки

где - преобразованная j-я точка, добавленная в выпуклую границу предварительно заданного класса;

- координаты точки в n-мерном пространстве признаков; G - количество добавленных точек

по формуле

где ρ(bi, bi-1) - евклидово расстояние между соседними точками выпуклой границы bi и bi-1;

- евклидово расстояние между соседними точками расширенной выпуклой границы и

далее формируют окончательную границу предварительно заданного класса, соединяя точки и точки



 

Похожие патенты:

Изобретение относится к способам оценки безопасности эксплуатации сложной технической системы. Способ оценки уровня безопасности сложной технической системы заключается в том, что на основе результатов эксплуатации технической системы рассчитываются частные показатели безопасности, полученные с использованием модели системы эксплуатации и частных моделей оценки вероятностей возникновения предпосылок к аварийным ситуациям, которые позволяют рассчитать комплексный показатель безопасности и критический уровень безопасности эксплуатации, после сравнения которых определяется уровень безопасности.

Изобретение относится к способу верификации формальной автоматной модели поведения программной системы. Технический результат заключается в автоматизации проверки корректности верифицируемой автоматной модели.

Изобретение относится к области вычислительной техники. Технический результат заключается в сокращении времени создания адекватной модели.

Предложенная группа изобретений относится к области медицины. Предложены способы определения статуса плоидности хромосомы или сегмента хромосомы у вынашиваемого плода.

Изобретение предназначено для имитационного моделирования процессов восстановления работоспособности территориально распределенных сложных технических систем (СТС) при использовании научно обоснованных методов расчета количественного и номенклатурного состава комплектов запасных частей, имущества и принадлежностей (ЗИП) и их рационального размещения в структуре системы обеспечения ЗИП.

Изобретение относится к математическому моделированию. Способ адаптивного управления качеством технически сложного изделия вдоль жизненного цикла на основе динамических моделей представляет собой циклически повторяющийся процесс пошагового определения целевого состояния качества изделия, построения на каждом шаге эталонной траектории изменения качества изделия.

Изобретение относится к ядерной технике, в частности к средствам создания и совершенствования системы физической защиты (СФЗ) на важном государственном объекте (ВГО), и предназначено для проведения оценки эффективности (ОЭ) существующей или проектируемой СФЗ с целью выбора наиболее эффективных путей ее совершенствования с учетом принятой на объекте модели нарушителя.

Изобретение относится к области алгоритмов машинного обучения. Техническим результатом является повышение точности модели DNN (Глубокая нейронная сеть) с уменьшенным размером.

Изобретение относится к области моделирования сетей связи и может быть использовано при проектировании и анализе сетей связи для определения вероятности работоспособного состояния и среднего времени работоспособного состояния информационных направлений с учетом взаимной зависимости используемых ресурсов, а также в исследовательских целях.

Изобретение относится к вычислительной технике и может быть использовано для моделирования и испытаний систем и средств спутниковой навигации и связи различных типов.

Изобретение относится к биометрическим системам аутентификации. Технический результат заключается в расширении арсенала средств того же назначения.

Группа изобретений относится к медицинской технике, а именно к средствам для оценки риска инсульта с использованием ультразвуковой визуализации. Диагностическая ультразвуковая система визуализации для оценки бляшки ультразвуком с контрастированием содержит датчик ультразвуковой визуализации с матричным преобразователем, выполненный с возможностью сбора последовательности ультразвуковых изображений области бляшки в сонной артерии во время подвода контрастного вещества, вычислитель кривых времени-интенсивности для каждого пикселя из пикселей в области бляшки на ультразвуковых изображениях последовательности, где присутствует контраст, компаратор, выполненный с возможностью определения каждого пикселя из пикселей в области бляшки, где происходит перфузия, при этом контраст в данном пикселе базируется на кривой времени-интенсивности для данного пикселя, и дисплей, выполненный с возможностью отображения степени перфузии в области бляшки.

Изобретение относится к обследующему устройству, способу и машиночитаемому носителю для обработки и анализа изображения биологического образца для цифровой патологии.

Система и способ, предназначенные для осуществления мониторинга связи и выявления мошенников tx, притворяющихся, что связываются с конечным пользователем rx по телефонной линии, связанной с организацией, к которой мошенник tx не имеет отношения.

Изобретение относится к способу и системе аутентификации людей, объектов, сервисных систем или компьютерных программ. Техническим результатом является повышение защиты от фальсификации при аутентификации людей, объектов, сервисных систем или компьютерных программ.

Изобретение относится к области идентификации движения отдельного человека. Технический результат заключается в обеспечении возможности определения, для каких движений человека или объекта должны быть получены количественные показатели.

Изобретение относится к распознаванию отпечатка пальца. Технический результат заключается в повышении эффективности и точности распознавания отпечатка пальца и достигается тем, что устройство включает датчик отпечатка пальца, по меньшей мере два электрода определения влажности и модуль обработки данных, при этом датчик отпечатка пальца и по меньшей мере два электрода определения влажности связаны с модулем обработки данных и по меньшей мере два электрода определения влажности расположены в пределах заранее заданной дистанции от датчика отпечатка пальца; датчик отпечатка пальца сконфигурирован для выдачи сигнала отпечатка пальца в модуль обработки данных, когда пользователь касается своим пальцем датчика отпечатка пальца и по меньшей мере двух электродов определения влажности; модуль обработки данных сконфигурирован для получения характеристического значения, причем характеристическое значение имеет прямую корреляцию с импедансом между по меньшей мере двумя электродами определения влажности; модуль обработки данных сконфигурирован также для определения параметра распознавания отпечатка пальца, который соответствует характеристическому значению, и для выполнения распознавания отпечатка пальца согласно найденному параметру распознавания отпечатка пальца, а также сигналу отпечатка пальца.

Изобретение относится к области информационной безопасности, в частности к области биометрической идентификации личности на основе папиллярного узора. Техническим результатом является повышение надежности биометрической идентификации личности человека через повышение стойкости защиты устройства к атакам подбора.
Изобретение относится к области полиграфии, к способу изготовления полиграфической продукции, требующей защиты и подтверждения подлинности. Технический результат заключается в увеличении универсальности защиты, что достигается заменой растровой структуры изъятого тонового диапазона на структуру с другими параметрами.

Изобретение относится к области детектирования и классифицирования событий сцены. Технический результат – обеспечение надежного распознавания событий сцены.

Группа изобретений относится к медицинской технике, а именно к средствам для оценки риска инсульта с использованием ультразвуковой визуализации. Диагностическая ультразвуковая система визуализации для оценки бляшки ультразвуком с контрастированием содержит датчик ультразвуковой визуализации с матричным преобразователем, выполненный с возможностью сбора последовательности ультразвуковых изображений области бляшки в сонной артерии во время подвода контрастного вещества, вычислитель кривых времени-интенсивности для каждого пикселя из пикселей в области бляшки на ультразвуковых изображениях последовательности, где присутствует контраст, компаратор, выполненный с возможностью определения каждого пикселя из пикселей в области бляшки, где происходит перфузия, при этом контраст в данном пикселе базируется на кривой времени-интенсивности для данного пикселя, и дисплей, выполненный с возможностью отображения степени перфузии в области бляшки.

Изобретение относится к способам распознавания плоских изображений объектов по их форме с извлечением признаков объектов на основе контурного анализа, с последующей обработкой извлеченных признаков на основе статистического анализа, и может быть использовано в системах технического зрения. Техническим результатом изобретения является повышение точности классификации объектов за счет обеспечения фильтрации шумовых объектов. В способе классификатор содержит предварительно заданных классов, при этом принадлежность исследуемого объекта к N предварительно заданным классам, для которых представлена обучающая выборка, определяют в указанном классификаторе посредством оценки схожести по их физическим признакам, а принадлежность исследуемого объекта к -му предварительно заданному классу, для которого не может быть представлена обучающая выборка, определяют в указанном классификаторе посредством того, что исследуемый объект не принадлежит ни к одному из N предварительно заданных классов на основе оценки схожести по их физическим признакам. Для выполнения оценки схожести по физическим признакам в указанном классификаторе по меньшей мере одного исследуемого объекта с каждым из N предварительно заданных классов, которые имеют обучающую выборку, осуществляют построение границ для каждого из N предварительно заданных классов посредством анализа плотности и формы распределения обучающей выборки в n-мерном пространстве признаков. 1 з.п. ф-лы, 4 табл., 18 ил.

Наверх