-
公开(公告)号：CN110428450A
公开(公告)日：2019-11-08
申请号：CN201910707197.5
申请日：2019-08-01
Applicant: 中国矿业大学
Abstract: 本发明涉及一种应用于矿井巷道移动巡检图像的尺度自适应目标跟踪方法，属于目标跟踪技术领域，解决了现有矿井目标跟踪算法在目标剧烈变化、遮挡、背景干扰等场景下无法获取较好的跟踪效果的问题。步骤如下：接收矿井巷道移动巡检视频帧序列的当前视频帧，根据上一帧的目标跟踪位置及尺度信息，得到当前视频帧中的待检测图像块；提取当前视频帧中待检测图像块的HOG特征及LQC特征，分别利用HOG特征相关滤波器和LQC特征相关滤波器计算得到HOG特征响应图及LQC特征响应图；对HOG特征响应图及LQC特征响应图进行加权融合响应，将加权融合响应结果中的最大值位置确定为当前视频帧的目标位置；利用尺度滤波器对目标位置进行尺度估计，得到当前视频帧的尺度信息。
-
公开(公告)号：CN110210447A
公开(公告)日：2019-09-06
申请号：CN201910507223.X
申请日：2019-06-12
Applicant: 中国矿业大学
Abstract: 本发明公开一种井下危险区域运动目标检测方法及装置，包括视频采集模块，用于采集井下区域的视频信息；目标检测模块,用于读取图像数据，将视频图像数据转换为灰度图像序列，并对灰度图像序列去躁、平滑预处理，再通过LOG边缘检测和几何曲率的纹理信息检测得到准确的运动目标的完整轮廓和结构；PC端控制模块，用于控制目标检测模块的运行；显示模块，用于实时显示检测到的运动目标位置信息；所述视频采集模块的一端与显示模块连接，所述视频采集模块的另一端与PC端控制模块连接，所述PC端控制模块的另一端与目标检测模块连接；本发明对光照变化有很好的鲁棒性,能够针对矿井危险区域人员进行准确、完整的提取。
-
公开(公告)号：CN107886067A
公开(公告)日：2018-04-06
申请号：CN201711085825.8
申请日：2017-11-07
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于HIKSVM分类器的多特征融合的行人检测方法，具体包括以下步骤：确定行人图像序列中的行为区域；在行为区域内提取多项特征，形成融合特征；利用训练好的基于上述融合特征的HIKSVM分类器进行行人检测。本发明改进了特征提取方法，提取出HOG特征之后，通过类比，把梯度场改为光流场，提取HOF特征，保留了物体的形状信息和运动信息，同时避免了使用光流场描述整幅运动物体的计算复杂性，鲁棒性强；通过对LBP算法的改进，使用LQC算法提取纹理特征，不损失纹理信息的基础上，减少了计算复杂度；使用直方图交叉核，通过交叉坐标下降的方法，对SVM分类器进行分类训练，计算复杂度低，检测精度高。
-
公开(公告)号：CN118154655B
公开(公告)日：2024-10-25
申请号：CN202410387207.2
申请日：2024-04-01
Applicant: 中国矿业大学
IPC: G06T7/50 , G06T11/00 , G06T7/70 , G06N3/0455 , G06N3/048 , G06N3/0464 , G06V10/80 , G06V10/44 , G06N3/08
Abstract: 本发明涉及三维场景感知技术领域，具体涉及一种矿井辅助运输车辆无人驾驶的单目深度估计方法,包括：对当前帧图像进行深度估计，获得深度图；将深度图、当前帧图像以及上下多帧图像输入至多帧位姿优化模块中获得相机相对位姿变化T0→final；结合T0→final和深度图进行图像重建，得到由当前帧图像投影到上下多帧视角的投影图像；计算光度重投影损失函数和次要损失函数，得到总损失，并进行多次学习迭代得到训练完成的深度估计网络模型；将单张图像作为训练完成的深度估计网络模型的输入，经模型预测后得到图像深度估计结果。本发明通过多帧位姿优化模块缓解了位姿估计不准确的问题，降低了矿井场景的影响，大幅提高了深度估计的精度。
-
公开(公告)号：CN118397063B
公开(公告)日：2024-10-18
申请号：CN202410481590.8
申请日：2024-04-22
Applicant: 中国矿业大学
IPC: G06F30/27
Abstract: 本发明公开了煤矿单轨吊无人驾驶中自监督单目深度估计方法及系统，涉及图像深度估计领域。首先提出了自适应特征聚合算法，用于在深度估计网络中聚合高低尺度特征的同时自适应地保持其上下文一致性；然后提出一个旋转量优化算法，用于在位姿网络中加权融合原始主路径与其他路径的前3维向量来细化旋转分量；最后提出图像边缘相似性损失函数，为深度估计提供形状先验，作为额外的自监督信号来约束网络。本发明能够有效提高预测深度的精度，使得煤矿单轨吊对作业人员和障碍物的位置距离远近能够更准确地估计，增强去精准判断与预防碰撞障碍物与作业人员的能力，提高煤矿单轨吊无人驾驶安全通过性，并具有良好的泛化性能。
-
Patent Agency Ranking
公开(公告)号：CN118781016A
公开(公告)日：2024-10-15
申请号：CN202410877834.4
申请日：2024-07-02
Applicant: 中国矿业大学
IPC: G06T5/73 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/0895
Abstract: 本发明属于图像去雾技术领域，提出一种矿井尘雾环境下自适应图像去雾增强方法及系统。首先建立包括图像分级预处理模块、自适应处理模块和优化模块的图像处理模型；将通过图像分级预处理模块处理之后的图像输入自适应处理模块；通过图像优化模块对经过自适应处理模块处理之后的图像进一步优化；输出优化之后的图像。本发明在实际运用中可以对矿井尘雾环境下图像的精确、高效和稳定去雾，显著提升了图像质量和煤矿安全隐患识别的能力。
-
公开(公告)号：CN112686804B
公开(公告)日：2024-08-27
申请号：CN202011598166.X
申请日：2020-12-29
Applicant: 中国矿业大学
IPC: G06T3/4053 , G06T5/70 , G06T5/20
Abstract: 本发明涉及一种面向矿井低光照环境的图像超分辨率重建方法及装置，属于计算机视觉技术领域，解决了现有图像超分辨率重建方法耗时且获得的超分辨率图像精度较差的问题。方法包括：获取低光照环境的原始输入图像，并对原始输入图像进行平滑滤波，得到原始输入图像对应的亮度图；基于原始输入图像、亮度图和反射图的自适应权重，获得原始输入图像对应的反射图；基于字典学习算法对反射图进行超分辨率重建，得到原始输入图像对应的超分辨率图像。实现了低分辨率图像的重建，提高了获得的高分辨率图像的精度。
-
公开(公告)号：CN118456448A
公开(公告)日：2024-08-09
申请号：CN202410913444.8
申请日：2024-07-09
Applicant: 中国矿业大学
Abstract: 本发明公开一种应急救援环境下重载机械臂人机共享控制方法，包括实时获取操作者的肌电信号、眨眼频率、操作时长、操作年龄和操作速度评估操作者状态，获取机械臂末端的最大位移变化差、加速度、载荷、移动速度和转角信息评估机械臂状态，根据操作时间要求、目标定位精度和负载要求信息评估应急救援任务难易程度，采用加权和sigmoid函数相结合的方式，构建考虑操作者状态、机械臂状态和应急救援难易程度的人机互信模型，实时获取人机互信度，将人机互信度和机械臂与目标物体间的距离作为T‑S模糊控制器的输入，依据模糊规则动态决策出人机共享控制权重，提高应急救援环境下重载机械臂的救援效率，保障救援人员的安全。
-
公开(公告)号：CN113095229B
公开(公告)日：2024-04-12
申请号：CN202110399589.7
申请日：2021-04-14
Applicant: 中国矿业大学
IPC: G06V40/10 , G06V20/40 , G06V10/74 , G06V10/764 , G06V10/774
Abstract: 本发明涉及一种无监督域自适应行人重识别系统及方法，属于行人重识别技术领域，解决了现有无监督域自适应行人重识别难度大、识别准确率低的问题。该系统包括，数据获取模块，获取多个源域样本子集和多个目标域样本子集；网络模型训练模块，获得行人重识别网络模型的分类损失函数和样本不变性损失函数，根据源域样本子集中每一行人图片与目标域样本子集中每一行人图片的相似度对目标域样本子集中的行人图片进行排序、分层以获得分层损失函数，进而对行人重识别网络模型进行迭代优化；重识别模块，利用优化好的行人重识别网络模型进行行人重识别，获得与待识别行人图像相同或相似的图像。该系统能够减少网络的迁移损失，提高行人重识别的精度。
-
公开(公告)号：CN113554572B
公开(公告)日：2024-03-26
申请号：CN202110931806.2
申请日：2021-08-13
Applicant: 中国矿业大学
Abstract: 本发明提出了一种基于改进Retinex的图像增强方法和系统，其主要的目的是解决传统Retinex增强方法的效果差，速度慢，效率低等问题，可以较好地解决图像细节和颜色保真度的冲突问题，改善光晕现象，所述装置包括图像采集单元，基于华为海思Hi3519AV100处理器的FEA3519A‑C图像处理核心板，PC端控制单元和图像输出模块。
-
-
-
-
-
-
-
-
-
Search Results
140
records
(took 0.032 seconds)
