-
公开(公告)号：CN104754302B
公开(公告)日：2017-08-08
申请号：CN201510128597.2
申请日：2015-03-20
Abstract: 本发明公开了一种基于枪球联动系统的目标检测跟踪方法，其特征是按如下步骤进行：1构建枪球联动系统；2设定普通检测区域、重点检测区域和屏蔽区域；3对枪机和PTZ球机进行标定，获得标定数据；4对普通检测区域和重点检测区域进行检测和跟踪。本发明能快速、准确地检测出运动目标并且可靠持续地对运动目标进行跟踪，从而提高识别效率降低复杂性。
-
公开(公告)号：CN106599869A
公开(公告)日：2017-04-26
申请号：CN201611199772.8
申请日：2016-12-22
Applicant: 安徽大学
Abstract: 本发明提供了一种基于多任务卷积神经网络的车辆属性识别方法，包括训练过程和识别过程两部分，具体过程包括：获取待识别车辆图片、设计多任务卷积神经网络结构并训练车辆属性识别的网络模型、识别车辆类型并回归车辆车窗位置坐标、设计车辆图像掩膜并生成新车辆图像、提取新车辆图像的多任务卷积神经网络特征、训练SVM分类模型，识别车辆颜色。本发明的优点在于：无需用户手动定义特征再分类，多任务卷积神经网络结构能够同时接收并处理多个任务，并在多任务卷积神经网络的基础上，获得车辆图像中车辆的结构信息，以实现有效的车辆颜色识别方法，提高其识别准确度，从而为智能交通提供准确的依据。
-
公开(公告)号：CN106599869B
公开(公告)日：2019-12-03
申请号：CN201611199772.8
申请日：2016-12-22
Applicant: 安徽大学
Abstract: 本发明提供了一种基于多任务卷积神经网络的车辆属性识别方法，包括训练过程和识别过程两部分，具体过程包括：获取待识别车辆图片、设计多任务卷积神经网络结构并训练车辆属性识别的网络模型、识别车辆类型并回归车辆车窗位置坐标、设计车辆图像掩膜并生成新车辆图像、提取新车辆图像的多任务卷积神经网络特征、训练SVM分类模型，识别车辆颜色。本发明的优点在于：无需用户手动定义特征再分类，多任务卷积神经网络结构能够同时接收并处理多个任务，并在多任务卷积神经网络的基础上，获得车辆图像中车辆的结构信息，以实现有效的车辆颜色识别方法，提高其识别准确度，从而为智能交通提供准确的依据。
-
公开(公告)号：CN107018419A
公开(公告)日：2017-08-04
申请号：CN201710280070.0
申请日：2017-04-26
Applicant: 安徽大学
IPC: H04N19/42 , H04N19/52 , H04N19/567
CPC classification number: H04N19/42 , H04N19/52 , H04N19/567
Abstract: 本发明公开一种基于AMBTC的图像压缩编码方法，包括编码和解码两个步骤，具体为：将原始图像以v×v大小的块为单位进行AMBTC压缩；发送方将每个块的量化值再次进行压缩编码；接收方进行解码得到AMBTC压缩图像。本发明对原始图像进行AMBTC压缩后，对其各个量化值求得预测误差，结合霍夫曼编码将预测误差进行分类编码，最终传输及存储的则为图像的预测误差编码及分区信息编码，使得图像冗余性减少，压缩比例进一步提高，同时也大大减少了图像在传输及存储的过程中所占用的资源，节省网络带宽及存储内存。
-
公开(公告)号：CN104751486B
公开(公告)日：2017-07-11
申请号：CN201510128609.1
申请日：2015-03-20
Abstract: 本发明公开了一种多PTZ相机的运动目标接力跟踪算法，其特征是按如下步骤进行：1、采用相机自标定方法估计PTZ相机的内参数矩阵；2、设置相邻PTZ相机之间的视野分割线；3、使用Logistic回归模型作为分类函数，结合均值漂移算法实现目标跟踪；4、跟踪过程中不断调整PTZ相机的角度，使得目标始终处于PTZ相机视野中心区域；5、当目标越过当前PTZ相机的视野分割线进入相邻PTZ相机监控视野时，计算出目标在相邻PTZ相机视野中的坐标，调用相邻PTZ相机继续对目标进行跟踪，并转动原PTZ相机回到预置位。本发明能够精确控制相机转动，对目标进行长时间稳定跟踪，从而获得目标完整的历史运动信息。
-
Patent Agency Ranking
公开(公告)号：CN104754302A
公开(公告)日：2015-07-01
申请号：CN201510128597.2
申请日：2015-03-20
Abstract: 本发明公开了一种基于枪球联动系统的目标检测跟踪方法，其特征是按如下步骤进行：1构建枪球联动系统；2设定普通检测区域、重点检测区域和屏蔽区域；3对枪机和PTZ球机进行标定，获得标定数据；4对普通检测区域和重点检测区域进行检测和跟踪。本发明能快速、准确地检测出运动目标并且可靠持续地对运动目标进行跟踪，从而提高识别效率降低复杂性。
-
公开(公告)号：CN115965956A
公开(公告)日：2023-04-14
申请号：CN202211283052.5
申请日：2022-10-20
Applicant: 安徽大学
IPC: G06V20/62 , G06V10/764 , G06V10/82 , G06V10/77 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于位置注意力的车牌识别方法，属于车牌识别技术领域，包括：将车牌图像输入到卷积神经网络中提取特征得到特征T，使用自适应平均池化将特征T转换成特定大小的第一特征序列T1；将T1降维后得到第二特征序列z；为每个字符位置计算生成一个注意力图αij,将位置注意力图αij与第二特征序列z进行高维矩阵乘得到最终的图片特征ci，将ci经过一个神经网络进行多类别分类操作，得到车牌识别结果。该方法可以高效对车牌字符进行识别。
-
公开(公告)号：CN115588110A
公开(公告)日：2023-01-10
申请号：CN202211233932.1
申请日：2022-10-10
Applicant: 安徽大学
IPC: G06V10/75 , G06V10/762
Abstract: 本发明提供了一种基于特征匹配的车辆车脸图像对齐方法，属于车脸图像对齐技术领域，包括：获取车脸图像数据集；提取车脸图像数据集中每一张图像的图像特征点，得到每一张车脸图像的车脸图像特征点集合，并对多个车脸图像特征点集合进行特征点匹配；利用DBSCAN算法对车脸图像进行聚类；从每一个类别中选取与本类中其它车脸图像的距离之和最小的样本作车脸模板图像；将待对齐的车脸图像与多个车脸模板图像进行特征点匹配,选取与待对齐的车脸图像相似度最高的车脸模板图像；计算这两组图像特征点集合之间的单应性矩阵；利用单应性矩阵对待对齐的车脸图像进行几何变换，得到车脸图像的对齐结果。该方法可以实现车脸图像的对齐。
-
公开(公告)号：CN112613462B
公开(公告)日：2022-09-23
申请号：CN202011604949.4
申请日：2020-12-29
Applicant: 安徽大学
IPC: G06V20/00 , G06V10/774 , G06V10/764
Abstract: 本发明涉及到了计算机视觉领域，具体公开了一种加权交并比方法，包括步骤A1：获取真值框G坐标锚框A坐标；步骤A2：计算每个真值框G和锚框A之间的交集I；步骤A3：计算每个真值框G和锚框A之间的并集U；步骤A4：给真值框G和锚框A的每个位置赋予权重；步骤A5：计算加权交并比值。本发明通过对目标框内的每个位置赋予不同的权重，提供一种更加合理的度量两个轴向包围盒重叠程度的方法，来解决交并比相同情况下，不同位置的预测框P评测准确度相同的问题，同时本发明可用作回归损失函数进行目标检测模型训练。本发明在目标检测模型评估时作为评测标准也表现更加鲁棒。
-
公开(公告)号：CN104751486A
公开(公告)日：2015-07-01
申请号：CN201510128609.1
申请日：2015-03-20
Abstract: 本发明公开了一种多PTZ相机的运动目标接力跟踪算法，其特征是按如下步骤进行：1、采用相机自标定方法估计PTZ相机的内参数矩阵；2、设置相邻PTZ相机之间的视野分割线；3、使用Logistic回归模型作为分类函数，结合均值漂移算法实现目标跟踪；4、跟踪过程中不断调整PTZ相机的角度，使得目标始终处于PTZ相机视野中心区域；5、当目标越过当前PTZ相机的视野分割线进入相邻PTZ相机监控视野时，计算出目标在相邻PTZ相机视野中的坐标，调用相邻PTZ相机继续对目标进行跟踪，并转动原PTZ相机回到预置位。本发明能够精确控制相机转动，对目标进行长时间稳定跟踪，从而获得目标完整的历史运动信息。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.029 seconds)
