-
公开(公告)号：CN116363503A
公开(公告)日：2023-06-30
申请号：CN202310114653.1
申请日：2023-02-13
Applicant: 长安大学
IPC: G06V20/10 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于目标‑背景重构偏差的高光谱遥感图像目标检测方法，包括：获取待检测高光谱遥感图像，并输入预训练的非对称自编码网络，得到该图像中每个像素的第一输出和第二输出；预训练的非对称自编码网络包含：特征提取子网络、特征融合子网络和特征重构子网络；第一输出为特征提取子网络的输出，第二输出为特征重构子网络的输出；预训练的非对称自编码网络是采用混合目标光谱和混合背景光谱训练得到的；混合目标光谱和混合背景光谱是基于第一高光谱遥感样本图像、预设目标的先验光谱和双线性光谱混合模型生成的；根据第一输出和第二输出，确定像素的光谱角距离；对光谱角距离平滑处理，得到待检测高光谱遥感图像的检测结果。
-
公开(公告)号：CN109766588B
公开(公告)日：2022-10-14
申请号：CN201811539924.3
申请日：2018-12-17
Applicant: 长安大学
Abstract: 本发明公开了一种基于迭代方法的并行化时域混合电磁方法，包括：网格尺寸的计算，采用正方形面片将计算区域分为两部分，采用四面体网格剖分包围面内部区域以实现精确建模，使用六面体网格剖分包围面至计算区域边界的部分以节省计算资源；以均衡负载为原则，将参与计算的节点分成FDTD迭代和FVTD迭代两部分，计算每个节点上的网格量；根据网格上正常迭代需要用到的相邻网格物理量估算节点间的数据通信量，以数据通信量最少为设计目标，将网格分配到具体节点上实现最优并行方案；采用并行FDTD‑FVTD混合方法求解电磁问题，得出计算结果。本发明避免了阶梯化剖分以及网格量大的问题，有效利用计算机资源缩短了计算时间。
-
公开(公告)号：CN110458975B
公开(公告)日：2021-12-03
申请号：CN201910629096.0
申请日：2019-07-12
Applicant: 长安大学
Abstract: 本发明公开了一种沥青混合料拌和过程监测系统及方法，采用了一种非介入的方式利用模板匹配识别技术实时提取沥青混合料主成分数据，提出了利用配合比参数、级配参数、拌合温度和拌合时间等多模态信息融合策略评价沥青混和料拌合质量的方法，根据沥青混和料类型的先验知识实现了在无人工干预的情况下自动识别实时生产的沥青混合料类型，建立了骨料数据的模型分布，结合拌合时间判断拌和设备运行与筛分状态，实现了沥青混合料历史数据跨时间查询和成本评判，实现了对混合料质量不合格或拌和设备故障的预警。
-
公开(公告)号：CN110443142A
公开(公告)日：2019-11-12
申请号：CN201910609399.6
申请日：2019-07-08
Applicant: 长安大学
Abstract: 本发明公开了一种基于路面提取与分割的深度学习车辆计数方法，具体包括利用摄像机采集道路的视频图像，利用数字图像处理方法获取道路路面区域并使用分割策略将路面分割成“近端”、“远端”两部分，将分割后的路面区域送入深度学习网络进行车辆目标的检测，并对检测结果进行持续跟踪获取车辆二维轨迹，利用车辆二维轨迹统计某一道路方向的不同类别车辆的流量，达到车辆计数的目的。该方法对于路面远处的小型车辆检测精度较高，为精准的车辆计数提供了数据基础。本发明的方法可应用于多种交通场景，具有较高的稳定性和计数精度，能有效地对图像视野中道路范围的车辆进行准确的检测与持续的跟踪，从而实现车辆的计数，具有广阔的应用前景。
-
公开(公告)号：CN109584558A
公开(公告)日：2019-04-05
申请号：CN201811540864.7
申请日：2018-12-17
Applicant: 长安大学
Abstract: 本发明属于智能交通领域，具体涉及一种面向城市交通信号配时的交通流统计方法，采用图像处理技术对视频中的交通目标进行检测及跟踪，获取其轨迹信息，然后通过对轨迹信息和视频场景信息进行分析处理，提取出每条轨迹的起终点坐标进行聚类，获取场景的分区信息，最终获取详细的交通流信息。本发明具有更好的精度和数据的丰富度，提供更丰富的交通参数信息，能用于事故的预警、预防拥堵和自动路径规划，尤其是针对车流量较大场景复杂的情形，本发明提出的方法仍然有较好的效果。同时，通过获得十字路口不同时段的交通流信息还可以进行信号配时，带来了显著的经济效益并且能够提高交通通行效率。
-
Patent Agency Ranking
公开(公告)号：CN108550143A
公开(公告)日：2018-09-18
申请号：CN201810298243.6
申请日：2018-04-03
Applicant: 长安大学
Abstract: 本发明公开了一种基于RGB-D相机的车辆长宽高尺寸的测量方法，采用相机近距离安装的方式获取清晰的车辆图像，对相机采用基于消失点的标定方法进行标定，得出相机模型内外参数，通过相机深度图像方案，实现车辆目标在世界坐标系下三维点云转化，获取车辆外表面三维坐标信息；利用先验知识和图像处理方法获得车辆外表面的三维坐标，根据车辆运动过程中的序列图形，通过配准方法拼接车辆图像，实现车辆外形三维测量；所述标定方法克服传统方法设备要求高和操作繁琐，标定精度高；通过图像序列间车辆同一位置对应点的匹配关系综合分析车辆的实际位移，配准的精度较高；实现车辆侧面准确拼接，降低车辆长度测量误差，改善车辆侧面拼接的准确性。
-
公开(公告)号：CN104504730B
公开(公告)日：2017-07-11
申请号：CN201410802663.5
申请日：2014-12-19
Applicant: 长安大学
IPC: G06T7/277
Abstract: 本发明公开了一种对停放车辆及抛落物的区分方法，属于交通领域。所述方法包括确定对视频图像中可能出现停放车辆或抛落物的可疑区域，以及对可疑区域内情况的具体判定。本发明通过对获取到的视频图像进行处理，在确定视频图像中存在停放车辆或抛落物的轨迹后，再轨迹对应的目标主体的投影面积与预设车辆的投影面积对比，从而判断视频图像中的目标主体是停放车辆还是抛落物，避免了现有检测技术在降维过程中由于目标高度信息的丢失导致检测精度的问题，提高了检测精度。
-
公开(公告)号：CN106127137A
公开(公告)日：2016-11-16
申请号：CN201610452597.2
申请日：2016-06-21
Applicant: 长安大学
CPC classification number: G06K9/00771 , G06K9/4609 , G06K9/6201 , G06K2209/21
Abstract: 本发明公开了一种基于3D轨迹分析的目标检测识别算法，该方法利用安装在公交车后门上方的双目摄像头采集视频图像以进行目标检测识别，将同一乘客不同时刻的运动位置作为运动目标，通过视屏图像的深度图初步识别运动目标，然后祛除伪运动目标，最终实现对运动目标的精确检测识别。本发明利用3D轨迹分析进行目标识别检测，解决了传统的由于光照导致的轨迹跟踪过程中轨迹跟断，提高了目标识别检测的准确性。本发明不受硬件环境限制，能够进行实时检测，且检测精度高。本发明，将运动目标的图像二维轨迹转换为世界坐标系下的3D轨迹，解决了传统目标识别中最常见的目标被遮挡无法检测到的问题，提高了目标识别检测的准确性。
-
公开(公告)号：CN103324914B
公开(公告)日：2016-01-06
申请号：CN201310214797.0
申请日：2013-05-31
Applicant: 长安大学
Abstract: 本发明提供一种基于稀疏系数的人脸图像多表情相互转换方法，通过训练集人脸图像对相同表情的单帧输入图像进行线性组合逼近，获取稀疏重构系数，然后利用稀疏重构系数以及目标表情训练集人脸图像将输入图像的表情转换为目标表情，不包含烦琐的人脸特征提取步骤，方法简单，易于实现，从而降低了算法复杂度，同时获得了较好的人脸图像多表情转换效果，显著的提高了转换效率。
-
公开(公告)号：CN104504730A
公开(公告)日：2015-04-08
申请号：CN201410802663.5
申请日：2014-12-19
Applicant: 长安大学
IPC: G06T7/20
CPC classification number: G06T7/223 , G06T2207/10016 , G06T2207/20192 , G06T2207/30232 , G06T2207/30264
Abstract: 本发明公开了一种对停放车辆及抛落物的区分方法，属于交通领域。所述方法包括确定对视频图像中可能出现停放车辆或抛落物的可疑区域，以及对可疑区域内情况的具体判定。本发明通过对获取到的视频图像进行处理，在确定视频图像中存在停放车辆或抛落物的轨迹后，再轨迹对应的目标主体的投影面积与预设车辆的投影面积对比，从而判断视频图像中的目标主体是停放车辆还是抛落物，避免了现有检测技术在降维过程中由于目标高度信息的丢失导致检测精度的问题，提高了检测精度。
-
-
-
-
-
-
-
-
-
Search Results
150
records
(took 0.034 seconds)
