-
公开(公告)号：CN110689554B
公开(公告)日：2022-04-12
申请号：CN201910910191.8
申请日：2019-09-25
Applicant: 深圳大学
Abstract: 本发明涉及一种用于红外图像序列的背景运动估计方法、装置及存储介质，方法包括：根据背景运动中相邻两帧图像的最大位移量确定待匹配区域，将待匹配区域划分成T个子区域，在这些子区域中用随机方法生成M个子窗口集合，用同步互信息匹配方法计算出这些子窗口集合对应的背景运动位移量，再根据这些子窗口集合对应的背景运动位移量使用势函数投票法计算出相邻两帧图像之间的背景运动位移量。本发明方法基于图像块匹配，不依赖于特征点的提取，因此对具有特征点较少的情况，以及受噪声干扰的红外图像序列的背景运动估计具有较高的鲁棒性。
-
公开(公告)号：CN113435265A
公开(公告)日：2021-09-24
申请号：CN202110641552.0
申请日：2021-06-09
Applicant: 深圳大学
Abstract: 本发明公开了一种高光谱图像分类方法、装置、电子设备及存储介质，通过提取到的高光谱图像的像元建立对应的三阶局部空谱张量，利用类张量分解算法对该三阶局部空谱张量进行分解，得到像元光谱分量和像元空间分量，利用卷积网络分别对像元光谱分量和像元空间分量卷积，提取到对应的光谱特征矢量和空间特征矢量，并对光谱特征矢量和空间特征矢量进行级联，得到高光谱图像的空谱特征，基于空谱特征对高光谱图像进行分类。通过上述方法的实施，采用了类张量分解算法对高光谱图像进行了空间和光谱两个维度的特征分析，有效地去除了高光谱图像的像元中存在的冗余信息，提高了后续空谱特征提取的效率，从而提升了对高光谱图像的分类准确率。
-
公开(公告)号：CN107832793B
公开(公告)日：2021-08-06
申请号：CN201711090175.6
申请日：2017-11-08
Applicant: 深圳大学
IPC: G06K9/62
Abstract: 本发明适用于图像分类，提供了高光谱图像的分类方法，包括：将高光谱图像分为训练集和测试集，并提取局部特征点，通过K‑means算法对训练集的局部特征点进行计算形成词典，采用KNN算法在词典中为测试集的待分类局部特征点形成最近邻单词，并为测试集图像的待分类特征点查找最近邻特征点，在最近邻单词中查找出光谱维距离最短的近邻单词，引入近邻特征点、近邻单词和光谱维距离三重约束，通过求解约束最小乘拟合问题，得到编码系数，通过最大池化算法池化编码系数，并将得到的编码系数作为高光谱图像的特征描述符对测试集进行分类。本发明解决了高光谱图像特征点和词典单词建立映射关系时存在的不确定性的问题，提高了相似图像的识别力。
-
公开(公告)号：CN110263968B
公开(公告)日：2021-04-30
申请号：CN201910375579.2
申请日：2019-05-07
Applicant: 深圳大学
Abstract: 本发明提供了一种新的时间序列的预测方法，包括：接收输入的原始滑坡时间序列{X(t),t＝1,2,3,…,n}；判断原始滑坡时间序列是否具有混沌特征；若原始滑坡时间序列具有混沌特征，则确定出原始滑坡时间序列的延迟时间；确定出原始滑坡时间所要嵌入的相空间的嵌入维数；将延迟时间和嵌入维数代入到目标volterra级数模型，目标volterra级数模型迭代训练核函数的系数，当核函数的系数达到预设误差要求时，输出目标volterra级数模型的参数、核函数的系数、以及预测出的目标滑坡时间序列。在本发明将延迟时间和嵌入维数直接嵌入volterra级数的数学模型中，将传统的把滑坡时间序列相空间重构后得到的输出序列再输入到volterra级数模型中的两步直接变成了一步，提高了运算效率。
-
公开(公告)号：CN112305915A
公开(公告)日：2021-02-02
申请号：CN202011176993.X
申请日：2020-10-28
Applicant: 深圳大学
Abstract: 本发明公开了一种TSK迭代回归模型的标签多伯努利多目标跟踪方法及系统，针对目标动态模型的不确定性建模问题，提出采用空间约束信息构建TSK模糊模型，其中空间特征信息用多个语义模糊集表示，得到了一个通用的TSK迭代回归模型框架，以较高的精度逼近动态模型，对目标的状态进行扩维引入模型信息，以此将多模型思想融入标签多伯努利办法的框架中，借助TSK迭代回归模型构建符合目标运动特性的精确模型，能够有效提高转弯率未知情况下目标状态滤波精度，解决了强机动多目标跟踪过程中目标数目估计有偏以及数据关联困难的问题。
-
Patent Agency Ranking
公开(公告)号：CN112131944A
公开(公告)日：2020-12-25
申请号：CN202010845486.4
申请日：2020-08-20
Applicant: 深圳大学
Abstract: 本发明公开了一种视频行为识别方法及系统，对待识别视频的进行多级特征提取；利用深度全卷积网络对目标对象的ROI进行初检测；利用马尔科夫随机场进行ROI的微调，获得最终目标对象的ROI集合；基于最终目标对象的ROI集合分别同时进行单人行为识别和群体行为识别。本发明不仅考虑到了群体内部时序信息的一致性，同时也考虑到了个体时序信息的差异性，基于ROI时序推理的单人行为识别有助于更好地提取具有判别性的单人行为特征，提升识别精度；基于ROI匹配递归卷积网络可以融合和传播时域中的单人的ROI的信息，是解决视频行为识别问题的有效方法。
-
公开(公告)号：CN112131943A
公开(公告)日：2020-12-25
申请号：CN202010844141.7
申请日：2020-08-20
Applicant: 深圳大学
Abstract: 本发明公开了一种基于双重注意力模型的视频行为方法及系统，利用空间注意力模型将图像的全局特征和局部特征间的依赖关系进行结合，对特征信息进行筛选，抑制非目标区域的特征，使得网络在特征提取过程中更关注目标区域特征；利用通道注意力模型对特征的通道信息进行建模，捕获每个特征图中各通道之间的依赖性，增强重要特征并抑制次要特征。因此本申请提供的视频行为识别方法，不仅考虑到了视频图像中不同像素之间的关联信息，同时也考虑到特征图中各通道间的依赖性，一定程度上提升特征的判别能力和特征的表示能力，提高单人行为和群体行为的识别准确率，并且具有更高的精度和鲁棒性。
-
公开(公告)号：CN109816006B
公开(公告)日：2020-11-13
申请号：CN201910049150.4
申请日：2019-01-18
Applicant: 深圳大学
IPC: G06K9/62
Abstract: 本发明实施例公开了一种海天线检测方法、装置及计算机可读存储介质，通过将海空红外图像划分为子图像块，并根据子图像块特征建立高斯模型，然后基于海空红外图像中所划分的海水类训练样本及天空类训练样本对高斯模型进行训练，进而再基于训练结果建立贝叶斯模型，以对待分类图像区域中的所有像素点分别进行细划分决策，最后基于决策结果确定边缘点来进行直线拟合；通过本发明的实施，对复杂环境下的海天线检测具有较强的适应性，并有效提高了检测效率和检测准确性。
-
公开(公告)号：CN111476814A
公开(公告)日：2020-07-31
申请号：CN202010204982.1
申请日：2020-03-25
Applicant: 深圳大学
IPC: G06T7/20
Abstract: 本发明公开了一种目标跟踪方法、装置、设备及存储介质，该方法包括：从当前帧图像选定跟踪目标，基于跟踪目标所在的目标区域建立目标模型；基于跟踪算法建立所述跟踪目标在下一帧图像中的候选模型，由候选模型确定跟踪目标的位置信息；计算目标模型与候选模型的第一巴氏系数，根据第一巴氏系数判断跟踪目标是否被遮挡；若没有被遮挡，则执行建立候选模型的步骤；若被遮挡，则通过遮挡预测方案对跟踪目标进行跟踪，直到跟踪目标脱离遮挡。由此，基于跟踪算法和遮挡预测方案在所述跟踪目标被遮挡后进行跟踪，由候选模型确定跟踪目标的位置信息，解决了跟踪目标被遮挡后无法继续跟踪且检测范围过大、检测效率不够高的问题。
-
公开(公告)号：CN111027014A
公开(公告)日：2020-04-17
申请号：CN201911250788.0
申请日：2019-12-09
Applicant: 深圳大学
Abstract: 本发明公开了type-2直觉模糊决策的TSK模糊模型粒子滤波方法及系统，利用type-2直觉模糊决策目标函数，选出能够体现运动目标的特性的最优特征集；构建TSK模糊模型，将最优特征集作为输入，基于TSK模糊模型的前件隶属函数计算每条规则的权重，利用加权求和的方法得到多条模糊规则的状态融合结果作为TSK模糊模型的输出；基于状态融合结果构建粒子滤波的重要密度函数，从重要密度函数中抽取粒子进行滤波更新。本发明利用type-2直觉模糊决策目标函数选出能够体现运动目标的特性的最优特征集来构建TSK模糊模型，既减少模型的规则数和模型的冗余度也提高了模型的精确度，采用构建TSK模糊模型的输出结果作为粒子滤波算法的重要密度函数，大幅度降低粒子的退化问题。
-
-
-
-
-
-
-
-
-
Search Results
204
records
(took 0.044 seconds)
