-
公开(公告)号：CN108535708A
公开(公告)日：2018-09-14
申请号：CN201810078968.4
申请日：2018-01-26
Applicant: 西安电子科技大学昆山创新研究院 , 西安电子科技大学
IPC: G01S7/41
Abstract: 本发明公开一种基于反对称变换的雷达目标自适应检测方法，步骤为：(1)生成训练样本；(2)对待检测距离单元的雷达回波信号和训练样本进行反对称变换；(3)将导向矢量失配敏感型检测器和导向矢量失配稳健型检测器进行参数化处理，构建参数化检测器；(4)利用蒙特卡洛实验确定检测器的检测门限；(5)计算参数化检测器的检测统计量；(6)进行目标检测。本发明相比现有技术，在小训练样本条件下仍有较好检测效果的优点，可以同时应用于雷达扫描模式和雷达跟踪模式，适用范围广。本发明方法适用于导向矢量失配条件下和小训练样本条件下的雷达目标自适应检测。
-
公开(公告)号：CN108960074B
公开(公告)日：2020-09-04
申请号：CN201810577466.6
申请日：2018-06-07
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度学习的小尺寸行人目标检测方法。主要解决现有技术对小尺寸行人目标检测效果差的问题。其实现方案是：读取行人检测数据库数据，使用VGG网络提取特征；将VGG网络不同层特征进行叠加融合，得到两种特征融合层；根据VGG网络中特征层Conv5_3和第一种特征融合层，获得候选区域的回归边界和分类概率；根据候选区域的回归边界和第二种特征融合层，得到检测结果的回归边界和分类概率；根据检测结果的回归边界和分类概率，使用损失函数对VGG网络进行训练，得到最终的精确检测结果。本发明能实现对小尺寸目标精确检测，可用于无人驾驶或辅助驾驶。
-
公开(公告)号：CN108960074A
公开(公告)日：2018-12-07
申请号：CN201810577466.6
申请日：2018-06-07
Applicant: 西安电子科技大学
CPC classification number: G06K9/00335 , G06N3/0454 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的小尺寸行人目标检测方法。主要解决现有技术对小尺寸行人目标检测效果差的问题。其实现方案是：读取行人检测数据库数据，使用VGG网络提取特征；将VGG网络不同层特征进行叠加融合，得到两种特征融合层；根据VGG网络中特征层Conv5_3和第一种特征融合层，获得候选区域的回归边界和分类概率；根据候选区域的回归边界和第二种特征融合层，得到检测结果的回归边界和分类概率；根据检测结果的回归边界和分类概率，使用损失函数对VGG网络进行训练，得到最终的精确检测结果。本发明能实现对小尺寸目标精确检测，可用于无人驾驶或辅助驾驶。
-
公开(公告)号：CN108664969B
公开(公告)日：2022-04-19
申请号：CN201810399451.5
申请日：2018-04-28
Applicant: 西安电子科技大学 , 江苏泽景汽车电子股份有限公司
IPC: G06V10/25 , G06V10/56 , G06V10/776 , G06K9/62
Abstract: 本发明公开了一种基于条件随机场的路标识别方法，主要解决现有路标识别准确率低的问题。其实现方案是：1.根据纯路标图像数据建立路标颜色种子点集合；2.根据路标颜色种子点集合计算含有路标的图像的先验颜色特征图集合；3.通过贝叶斯决策理论计算含有路标的图像的颜色概率分布图集合；4.用马尔科夫条件随机场模型融合路标图像的先验颜色特征图和颜色概率分布图，得到融合图像；5.提取融合图像中的感兴趣区域。6.通过多尺度卷积神经网络对感兴趣区域进行分类识别。本发明提高了路标的检测率和路标的识别准确率，可用于交通领域的场景感知。
-
Patent Agency Ranking
公开(公告)号：CN110020688B
公开(公告)日：2022-12-06
申请号：CN201910286482.4
申请日：2019-04-10
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/80 , G06V10/26 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种基于深度学习的遮挡行人检测方法。主要解决现有技术对遮挡行人检测效果差的问题。其实现方案是：读取行人检测数据库数据，使用VGG网络提取特征；将VGG网络不同层提取的特征进行融合，得到融合特征，并将VGG网络最后一层特征作为非融合特征；构建掩码网络，将融合特征和非融合特征分别输入到掩码网络中，得到两种有缺失的卷积特征；构建判别网络，将掩码网络得到的两种特征输入到判别网络，选择出更有效的特征；使用选择出的特征获得候选区域，通过候选区域，得到最终的检测结果。本发明提高了对遮挡行人的检测效果，可用于无人驾驶与辅助驾驶。
-
公开(公告)号：CN106997601B
公开(公告)日：2019-10-11
申请号：CN201710189229.8
申请日：2017-03-27
Applicant: 西安电子科技大学 , 江苏泽景汽车电子股份有限公司西安分公司
IPC: G06T7/246
Abstract: 本发明公开了一种基于粘性流体粒子运动模型的视频序列分类方法，主要解决现有技术无法利用运动特征对极光序列进行分类的问题。其实现步骤为：1)对输入的极光序列进行预处理；2)运用粘性流体力学模型计算预处理后的极光粒子的运动场；3)提取极光粒子运动场的局部二值模式特征，作为极光序列的动态特征P1；4)提取极光序列每帧极光图像像素值的局部二值模式特征，作为极光序列的静态特征P2；5)将P1与P2相结合，得到能够表征不同形态极光序列的特征P＝(P1,P2)，将这些不同形态极光序列的特征P输入到支持向量机分类器中完成分类。本发明能实现对极光序列的自动分类，且分类准确率高、速度快，可用于场景分类与目标识别。
-
公开(公告)号：CN106997601A
公开(公告)日：2017-08-01
申请号：CN201710189229.8
申请日：2017-03-27
Applicant: 西安电子科技大学 , 江苏泽景汽车电子股份有限公司西安分公司
IPC: G06T7/246
Abstract: 本发明公开了一种基于粘性流体粒子运动模型的视频序列分类方法，主要解决现有技术无法利用运动特征对极光序列进行分类的问题。其实现步骤为：1)对输入的极光序列进行预处理；2)运用粘性流体力学模型计算预处理后的极光粒子的运动场；3)提取极光粒子运动场的局部二值模式特征，作为极光序列的动态特征P1；4)提取极光序列每帧极光图像像素值的局部二值模式特征，作为极光序列的静态特征P2；5)将P1与P2相结合，得到能够表征不同形态极光序列的特征P＝(P1,P2)，将这些不同形态极光序列的特征P输入到支持向量机分类器中完成分类。本发明能实现对极光序列的自动分类，且分类准确率高、速度快，可用于场景分类与目标识别。
-
公开(公告)号：CN108664969A
公开(公告)日：2018-10-16
申请号：CN201810399451.5
申请日：2018-04-28
Applicant: 西安电子科技大学 , 江苏泽景汽车电子股份有限公司
Abstract: 本发明公开了一种基于条件随机场的路标识别方法，主要解决现有路标识别准确率低的问题。其实现方案是：1.根据纯路标图像数据建立路标颜色种子点集合；2.根据路标颜色种子点集合计算含有路标的图像的先验颜色特征图集合；3.通过贝叶斯决策理论计算含有路标的图像的颜色概率分布图集合；4.用马尔科夫条件随机场模型融合路标图像的先验颜色特征图和颜色概率分布图，得到融合图像；5.提取融合图像中的感兴趣区域。6.通过多尺度卷积神经网络对感兴趣区域进行分类识别。本发明提高了路标的检测率和路标的识别准确率，可用于交通领域的场景感知。
-
公开(公告)号：CN110020688A
公开(公告)日：2019-07-16
申请号：CN201910286482.4
申请日：2019-04-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度学习的遮挡行人检测方法。主要解决现有技术对遮挡行人检测效果差的问题。其实现方案是：读取行人检测数据库数据，使用VGG网络提取特征；将VGG网络不同层提取的特征进行融合，得到融合特征，并将VGG网络最后一层特征作为非融合特征；构建掩码网络，将融合特征和非融合特征分别输入到掩码网络中，得到两种有缺失的卷积特征；构建判别网络，将掩码网络得到的两种特征输入到判别网络，选择出更有效的特征；使用选择出的特征获得候选区域，通过候选区域，得到最终的检测结果。本发明提高了对遮挡行人的检测效果，可用于无人驾驶与辅助驾驶。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.09 seconds)
