一种矿用智能视频分析中的图像检索方法

    公开(公告)号:CN111639212B

    公开(公告)日:2023-09-05

    申请号:CN202010464038.X

    申请日:2020-05-27

    Abstract: 本发明涉及一种矿用智能视频分析中的图像检索方法,属于图像检索技术领域,解决了现有技术检索准确率低、效率低,导致矿井安全生产视频监控中的异常行为和场景识别可靠性低的问题。该方法包括,对包含矿井异常信息的目标图像进行预处理获得相同的第一图像和第二图像;从第一图像中获得方差自适应量化颜色直方图;从第二图像中提取梯度信息和符号信息;将方差自适应量化颜色直方图、梯度信息及符号信息进行特征自适应融合获得目标图像的融合特征;对融合特征进行降维获得融合主特征;利用融合主特征在矿井视频所包含的多帧图像中进行检索以实时辨识矿井异常。该方法在提高检索效果的同时,提高了矿井异常监控效率,提升矿井的安全检测水平。

    一种应用于矿井机器视觉的图像特征快速匹配方法及系统

    公开(公告)号:CN111814711B

    公开(公告)日:2023-08-08

    申请号:CN202010681652.1

    申请日:2020-07-15

    Abstract: 本发明涉及一种应用于矿井机器视觉的图像特征快速匹配方法及系统,属于矿井安全技术领域,解决了现有技术对矿井异常情况检测效率低、实时性差且准确率低的问题。该方法包括对待分析图像进行去噪处理;并进行超像素分割,获得多个图像块;计算每一图像块的信息熵,获得信息熵大于第一预设阈值的图像块;利用SURF算法提取图像块的特征点,从而获取待分析图像的特征点集;采用Harr小波法对特征点集中的特征点进行描述,获得待分析图像的特征点描述符集;基于待分析图像的特征点描述符集将待分析图像特征点集中的特征点与目标图像的特征点进行匹配,以确认矿井是否发生异常。该方法能够快速准确的检测矿井是否发生异常,有利于对矿井异常及时处理。

    一种基于颜色和纹理信息的运动目标识别装置及方法

    公开(公告)号:CN110232703B

    公开(公告)日:2023-07-25

    申请号:CN201910506528.9

    申请日:2019-06-12

    Abstract: 本发明提出一种基于颜色和纹理信息的运动目标识别装置及方法,包括视频采集单元、显示单元、目标识别单元和PC控制单元,所述目标识别单元包括FPGA模块和数字信号处理模块,所述数字信号处理模块对FPGA模块预处理后的图像数据进行特征提取、信息融合以及进行目标识别计算,并将识别计算结果通过PC控制单元传输至显示单元;本发明通过利用在HSV颜色空间中对光照变化不敏感的H和S分量进行颜色特征信息的提取,可以提高对目标识别过程中对非均匀光照的鲁棒性,通过利用微分几何中的图像几何表面曲率结构对运动目标进行纹理特征信息的提取,可以提高照明不均匀、颜色背景相似条件下的运动目标的识别率。

    一种用于运动目标识别及跟踪的特征提取方法

    公开(公告)号:CN110222661B

    公开(公告)日:2023-04-07

    申请号:CN201910507225.9

    申请日:2019-06-12

    Abstract: 本发明提出一种用于运动目标识别及跟踪的特征提取方法,包括以下步骤:图像输入并对输入的图像进行预处理、采用高斯核卷积函数来生成尺度空间金字塔、采用Hessian矩阵来检测特征点并对其粗定位、精确定位、提取图像几何表面的主方向和主曲率、根据主曲率计算特征点出的梯度和方向以及利用类似于HOG的方法对所得到的梯度幅值和方向信息进行统计和和标签;本发明通过利用高斯卷积函数构建尺度空间,可以提高所提取的特征点具有的尺度不变特性,能够准确获得精确定位的特征点,以及能够保证所得到的特征点的梯度幅值和方向信息不仅能够对光照具有很好的鲁棒性,且对于光照、旋转、尺度、视角和非刚性形变等变化具有很好的鲁棒性。

    一种面向矿井模糊环境的图像超分辨率重建方法

    公开(公告)号:CN115797181A

    公开(公告)日:2023-03-14

    申请号:CN202211709385.X

    申请日:2022-12-29

    Abstract: 本发明涉及一种面向矿井模糊环境的图像超分辨率重建方法,属于图像重建技术领域,解决了现有技术中图像模糊不清的问题。具体包括:获取矿井内环境高清图像,并对图像进行预处理,得到处理后的高分辨率对应的低分辨率图像,组成图像对;基于所述图像对,建立超分重建网络模型;所述超分重建网络模型通过提取低分辨率图像的深层特征和浅层特征得到特征差异,基于所述特征差异对深层特征进行校准整合,基于整合后的深层特征重建得到高分辨率图像;获取矿井模糊环境图像,基于建立的所述超分重建网络模型得到重建后的高分辨率图像。实现了可以清晰地看到矿井下的画面,提高了图像的人眼视觉效果,更具真实性。

    三维场景重建中增强特征融合的单目深度估计系统及其方法

    公开(公告)号:CN115294282A

    公开(公告)日:2022-11-04

    申请号:CN202211003081.1

    申请日:2022-08-19

    Abstract: 本发明公开了一种三维场景重建中增强特征融合的单目深度估计系统,该系统包括单目深度估计网络,单目深度估计网络采用自监督方式优化训练;单目深度估计网络包括深度估计网络和位姿预测网络,深度估计网络用于帮助目标图像恢复深度;位姿预测网络用于输出邻帧间运动量;深度估计网络包括深度编码器和深度解码器;深度编码器接用于提取输入图像的深度信息特征;深度解码器生成各尺度的深度预测图;深度编码器与深度解码器采用全尺度跳跃连接,获得全尺度的编、解码器特征信息,并将其融合。本发明通过深度编码器和深度解码器采用全尺度跳跃连接,优化学习分配各层特征信息的参数权重,得到精确的深度边界与预测精度。

    目标与背景颜色相似下的运动目标自动跟踪方法及系统

    公开(公告)号:CN111667509A

    公开(公告)日:2020-09-15

    申请号:CN202010531057.X

    申请日:2020-06-11

    Abstract: 本发明涉及目标跟踪技术领域,尤其涉及一种目标与背景颜色相似下的运动目标自动跟踪方法及系统,解决了直接采用CAMshift算法进行目标跟踪时的缺陷。方法包括:步骤S1:处理视频流,得到去噪后的序列帧图像;步骤S2:处理序列帧图像,得到第一帧图像中的前景目标;去除前景目标中的阴影,得到第一帧图像的运动目标区域;步骤S3:读取下一帧图像,将其作为当前帧图像,获取并处理当前帧图像、前一帧图像的运动目标区域的颜色-曲率概率分布图,得到当前帧图像的候选区域;步骤S4:若当前帧图像的候选区域与前一帧图像的运动目标区域之间的巴氏距离大于距离阈值,将候选区域作为其运动目标区域;重复执行步骤S3与步骤S4,实现所述运动目标的跟踪。

    一种分布式视频编码框架

    公开(公告)号:CN105430406B

    公开(公告)日:2018-06-12

    申请号:CN201510883301.8

    申请日:2015-12-04

    CPC classification number: H04N19/51

    Abstract: 本发明提供一种分布式视频编码框架,包括:基本视点、增强视点、Wyner‐Ziv编码器、Wyner‐Ziv解码器、第一帧内编码器、第一帧内解码器、时间边信息生成模块、第二帧内编码器、第二帧内解码器、空间边信息生成模块、融合模块、重构模块;其中,基本视点、增强视点为采集设备,Wyner‐Ziv编码器与解码器、第一帧内编码器与解码器、第二帧内编码器与解码器分别对第一Wyner‐Ziv帧、第一关键帧、第二关键帧编码与解码;时间边信息生成模块、空间边信息生成模块分别生成时间边信息帧、空间边信息帧;融合模块对时间边信息帧与空间边信息帧进行融合后,由重构模块进行图像重建。本发明能适应恶劣复杂的环境,具有较高的容错性与普遍适用性,可广泛应用于矿业领域。

Patent Agency Ranking