-
公开(公告)号：CN102519605A
公开(公告)日：2012-06-27
申请号：CN201210009281.8
申请日：2012-01-12
Applicant: 安徽大学
IPC: G01J5/10
Abstract: 本发明公开了一种基于红外热图像的吸烟检测系统和装置，包括：带云台的红外热像仪，用于采集预定区域的红外热图像；所述红外热像仪内置有可见光CCD；控制装置，用于对红外热像仪采集的红外热图像的温度数据进行分析，并根据分析结果判断是否存在吸烟信息；当判断存在吸烟信息时，控制可见光CCD对所述吸烟信息对应位置进行抓拍，获取吸烟图片和/或视频。本发明中，依据红外热图像中温度分布获取吸烟目标场，并根据目标场的温度持续时间确定吸烟信息，从而大幅度提高了吸烟识别的准确性，并对吸烟情况进行现场取证，从而更加有效地起到“禁止吸烟”的效果。
-
公开(公告)号：CN117392584A
公开(公告)日：2024-01-12
申请号：CN202311355865.5
申请日：2023-10-19
Applicant: 安徽大学
IPC: G06V20/40 , G06V10/77 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于非对称早期融合和时序模态差分的可见光‑热红外视频目标检测方法，为保持中间融合的多分支结构，本发明设计一种不对称的早期融合策略，该策略确保网络的每个分支都积极减少模态差异；同时为减少噪声的影响并增强泛化能力，本发明还设计一个基于时序模态差异的中间融合模块，通过时序差异负责有效地建模时间信息，而模态差异使网络减少对噪声区域的关注。本发明在现有的可见光‑热红外视频目标检测数据集上取得了较好的效果。
-
公开(公告)号：CN108765472B
公开(公告)日：2022-11-08
申请号：CN201810477230.5
申请日：2018-05-18
Applicant: 安徽大学
IPC: G06T7/30
Abstract: 本发明公开了一种基于稀疏有向图的图像集配准方法，包括步骤：步骤1，输入一组包含n个图像的图像集{Ii|i＝1,…,n}；步骤2，利用基于图像集全局信息和图像分布流形的稀疏流形编码方法计算图像集的图像相似度；步骤3，根据相似度计算结果建立以图像为节点、以图像相似度倒数为权重的有向图；步骤4，基于有向图确定两两节点间最短路径以及根节点图像，并进一步确定非根节点图像到根节点图像的最短路径即配准路径；步骤5，根据确定的配准路径，将所有非根节点图像和依据配准路径配准得到的结果图像依次配准到其直接父节点图像，直至配准到根节点图像。本发明有效提高了图像集配准的精度。
-
公开(公告)号：CN114022516A
公开(公告)日：2022-02-08
申请号：CN202111346472.9
申请日：2021-11-15
Applicant: 安徽大学
Abstract: 本发明公开一种基于高秩特征和位置注意力的双模态视觉跟踪方法，提供一种基于高秩特征和位置注意力的双模态视觉跟踪方法，通过在主干网络中引入目标位置注意力模块来关注目标位置信息，并利用高秩指导模块关注重要的通道并指导可见光和热红外特征图的融合，进一步提高目标跟踪的效果，可根据目标结果的成功与否来判断是否更新网络模型。本发明能够更加精确定位目标的位置，同时减少噪声干扰。
-
公开(公告)号：CN113077491A
公开(公告)日：2021-07-06
申请号：CN202110359997.X
申请日：2021-04-02
Applicant: 安徽大学
Abstract: 本发明公开一种基于跨模态共享和特定表示形式的RGBT目标跟踪方法，对可见光视频和对应的热红外视频进行配准和标注，按照要求将其分成训练集和测试集；利用VGG‑M网络来提取不同模态的模态特定特征，利用共享特征提取模块来提取两个模态之间的模态共享特征，同时在共享特征提取模块中使用多尺度特征融合的策略来增强特征以提高其鲁棒性。本发明在光照变化强烈、夜晚等极端条件下跟踪上目标，通过焦点损失函数使训练的模型更加关注于难以分类的样本，提高模型的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN112785626A
公开(公告)日：2021-05-11
申请号：CN202110111717.3
申请日：2021-01-27
Applicant: 安徽大学
Abstract: 本发明公开一种基于多尺度特征融合的孪生网络小目标跟踪方法，多尺度融合特征模块以及优化的孪生神经网络全面考虑到深度神经网络结构中低层有利于目标的精确位置，高层可以捕获目标的语义信息的优势，通过不同层次的有效融合，充分利用底层信息避免了深层网络的卷积操作会将小目标的信息抛弃的问题，解决了跟踪过程中的小目标挑战，从而实现了良好的跟踪效果。
-
公开(公告)号：CN112613462A
公开(公告)日：2021-04-06
申请号：CN202011604949.4
申请日：2020-12-29
Applicant: 安徽大学
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：CN110349185A
公开(公告)日：2019-10-18
申请号：CN201910630002.1
申请日：2019-07-12
Applicant: 安徽大学
IPC: G06T7/246
Abstract: 本发明公开了一种RGBT目标跟踪模型的训练方法及装置，方法包括：1)、构建依次由稠密特征聚合模块以及分类模块组成的跟踪模型，稠密特征聚合模块包括提取可见光图像特征的第一卷积层序列；以及提取热红外图像特征的第二卷积层序列，第一卷积层中的与第二卷积层中深度相同的卷积层为配对卷积层；除第一个配对卷积层以外的配对卷积层均对应一个特征聚合层，第一个配对卷积层的卷积结果输入到下一个配对卷积层的特征聚合层中；分类模块包括依次串联的若干层全连接层；2)、使用预先标记的可见光图像样本以及预先标记的热红外图像样本训练跟踪模型，得到目标跟踪模型。本发明实施例可以使目标识别结果更加准确。
-
公开(公告)号：CN107018419B
公开(公告)日：2019-07-05
申请号：CN201710280070.0
申请日：2017-04-26
Applicant: 安徽大学
IPC: 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：CN104363586B
公开(公告)日：2017-11-17
申请号：CN201410648538.3
申请日：2014-11-14
Applicant: 安徽大学
CPC classification number: H04W8/12 , H04L9/3236 , H04L63/0892 , H04W4/046 , H04W4/46 , H04W8/00 , H04W12/06
Abstract: 本发明公开一种车联网中轻量级的漫游接入认证方法，包括系统初始化和漫游接入认证协议，车辆进入本地区域服务器覆盖下的边缘临界RSU范围时，车辆通过对实时位置信息、当前驾驶策略以及本地服务器覆盖范围进行实时跨域漫游判断，车辆根据判断结果决定是否向本地服务器请求漫游认证材料，当车辆行驶入漫游区域后，漫游域服务器通过车辆提供的漫游认证材料实现对车辆的身份认证。本发明能够确保安全匿名性认证，并且漫游域服务器FS认证车辆的过程中仅需要进行Hash运算操作，所以可以显著降低系统开销。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.031 seconds)
