-
公开(公告)号：CN111160354B
公开(公告)日：2022-06-17
申请号：CN201911388248.9
申请日：2019-12-30
Applicant: 哈尔滨工程大学
IPC: G06V10/26 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T3/40
Abstract: 本发明涉及一种基于联合图像信息的海天背景下船舶图像分割方法，本发明针对于待分割的船舶图像，首先利用训练好的干扰因素判别器判别船舶图像对应的环境类型；然后利用所述环境类型对应的船舶提取器进行船舶的分割提取；采用基于神经网络的分类网络构建干扰因素判别器；利用训练集进行训练，得到训练好的干扰因素判别器；采用基于神经网络的分割网络构建不同环境下的船舶提取器；利用训练集中每种环境下的船舶图像分别进行训练，得到不同环境下船舶图像分别对应的训练好的船舶提取器。主要用于图像中船舶的分割提取。解决利用现有的分割算法进行海天背景下船舶图像分割存在分割精度降低的问题。
-
公开(公告)号：CN110532665B
公开(公告)日：2023-01-03
申请号：CN201910787998.7
申请日：2019-08-26
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及动态轨迹的精密预测领域，具体涉及一种固定航线任务下的移动对象动态轨迹预测方法。离线状态下，定义带有位置标签的轨迹偏差序列，构建基于轨迹偏差序列的二维容器序列，将相同航线任务下的移动对象历史轨迹偏差数据存储在二维容器序列中；在线状态下，在二维容器序列中检索预测对象的前向已知轨迹偏差序列，得到样本集；采用在线ISO算法利用样本集，基于RBF神经网络结构在线建立得到移动对象的轨迹偏差预测模型；利用移动对象的轨迹偏差预测模型预测移动对象未来的轨迹；重复步骤二、三，直至完成任务。本发明能够解决现有离线获得的移动对象轨迹预测模型在环境发生动态变化时失效的问题，同时提高轨迹预测精度。
-
公开(公告)号：CN113177969A
公开(公告)日：2021-07-27
申请号：CN202110471464.0
申请日：2021-04-29
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于运动方向变化的候选种子的点云单目标跟踪方法，包括训练模块和测试模块，训练模块首先对点云预处理得到模板点云，其次使用高斯采样得到候选点云，再次将模板点云和候选点云输入编码器进行编码，得到对应的特征向量，最后分别计算距离损失函数与方向损失函数并且训练整个模型。测试模块首先使用预先训练的PointRcnn模型进行目标检测，其次进行候选区域采样，再次将采样的候选点云与上一帧跟踪目标点云输入到训练好的模型进行编码，最后对编码后的特征向量使用余弦相似性对比进行目标跟踪。本发明方法能够提高单目标跟踪精度，有效防止错跟踪现象出现。
-
公开(公告)号：CN112308883A
公开(公告)日：2021-02-02
申请号：CN202011348365.5
申请日：2020-11-26
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于可见光和红外图像的多船舶融合跟踪方法，包括：检测视频的每帧图像中的船舶对象；将所有待输入的红外和可见光图像对进行预处理；将预处理后的两帧图像对及图像中船舶目标的中心位置信息输入特征提取网络，提取船舶的特征向量，实现对船舶外观特征的建模；将获得的船舶的外观特征输入相似度估计模块中，求取前后两视频帧的关联矩阵；借助匈牙利算法关联船舶目标，更新目标跟踪轨迹，进而实现多船舶的稳定跟踪。本发明实现了基于红外和可见光图像的多船舶自适应融合跟踪。本发明解决了基于单源图像的多船舶跟踪易受海上特殊环境条件的约束而无法实现对多船舶的稳定跟踪的问题，从而满足了多船舶跟踪技术的全天候的应用需求。
-
Patent Agency Ranking
公开(公告)号：CN110532665A
公开(公告)日：2019-12-03
申请号：CN201910787998.7
申请日：2019-08-26
Applicant: 哈尔滨工程大学
IPC: G06F17/50
Abstract: 本发明涉及动态轨迹的精密预测领域，具体涉及一种固定航线任务下的移动对象动态轨迹预测方法。离线状态下，定义带有位置标签的轨迹偏差序列，构建基于轨迹偏差序列的二维容器序列，将相同航线任务下的移动对象历史轨迹偏差数据存储在二维容器序列中；在线状态下，在二维容器序列中检索预测对象的前向已知轨迹偏差序列，得到样本集；采用在线ISO算法利用样本集，基于RBF神经网络结构在线建立得到移动对象的轨迹偏差预测模型；利用移动对象的轨迹偏差预测模型预测移动对象未来的轨迹；重复步骤二、三，直至完成任务。本发明能够解决现有离线获得的移动对象轨迹预测模型在环境发生动态变化时失效的问题，同时提高轨迹预测精度。
-
公开(公告)号：CN113177969B
公开(公告)日：2022-07-15
申请号：CN202110471464.0
申请日：2021-04-29
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于运动方向变化的候选种子的点云单目标跟踪方法，包括训练模块和测试模块，训练模块首先对点云预处理得到模板点云，其次使用高斯采样得到候选点云，再次将模板点云和候选点云输入编码器进行编码，得到对应的特征向量，最后分别计算距离损失函数与方向损失函数并且训练整个模型。测试模块首先使用预先训练的PointRcnn模型进行目标检测，其次进行候选区域采样，再次将采样的候选点云与上一帧跟踪目标点云输入到训练好的模型进行编码，最后对编码后的特征向量使用余弦相似性对比进行目标跟踪。本发明方法能够提高单目标跟踪精度，有效防止错跟踪现象出现。
-
公开(公告)号：CN111553934B
公开(公告)日：2022-07-15
申请号：CN202010333573.1
申请日：2020-04-24
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种采用多维度融合的多船舶跟踪方法，包括：图像预处理；通过前端特征提取模块提取船舶特征；将当前帧船舶目标特征图分别与之前所有帧中船舶目标的特征图经特征融合模块进行融合，得到融合后特征；将融合后特征经后端特征提取层得到当前帧船舶目标与之前所有帧中船舶目标之间的关联矩阵，根据相似性得到预跟踪的结果；将预跟踪的结果利用运动匹配优化模块进行优化得到最终跟踪结果。本发明引入ASPP模块提高网络对于不同尺寸目标的建模能力，使得特征更能表达语义信息；提出了联合检测区域建模模块，进一步提升建模能力；提出运动匹配优化模块达到对预跟踪结果的优化与精修，使得跟踪器更为稳定，不过度于依赖检测器的性能。
-
公开(公告)号：CN111553934A
公开(公告)日：2020-08-18
申请号：CN202010333573.1
申请日：2020-04-24
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种采用多维度融合的多船舶跟踪方法，包括：图像预处理；通过前端特征提取模块提取船舶特征；将当前帧船舶目标特征图分别与之前所有帧中船舶目标的特征图经特征融合模块进行融合，得到融合后特征；将融合后特征经后端特征提取层得到当前帧船舶目标与之前所有帧中船舶目标之间的关联矩阵，根据相似性得到预跟踪的结果；将预跟踪的结果利用运动匹配优化模块进行优化得到最终跟踪结果。本发明引入ASPP模块提高网络对于不同尺寸目标的建模能力，使得特征更能表达语义信息；提出了联合检测区域建模模块，进一步提升建模能力；提出运动匹配优化模块达到对预跟踪结果的优化与精修，使得跟踪器更为稳定，不过度于依赖检测器的性能。
-
公开(公告)号：CN111160354A
公开(公告)日：2020-05-15
申请号：CN201911388248.9
申请日：2019-12-30
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于联合图像信息的海天背景下船舶图像分割方法，本发明针对于待分割的船舶图像，首先利用训练好的干扰因素判别器判别船舶图像对应的环境类型；然后利用所述环境类型对应的船舶提取器进行船舶的分割提取；采用基于神经网络的分类网络构建干扰因素判别器；利用训练集进行训练，得到训练好的干扰因素判别器；采用基于神经网络的分割网络构建不同环境下的船舶提取器；利用训练集中每种环境下的船舶图像分别进行训练，得到不同环境下船舶图像分别对应的训练好的船舶提取器。主要用于图像中船舶的分割提取。解决利用现有的分割算法进行海天背景下船舶图像分割存在分割精度降低的问题。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.027 seconds)
