-
公开(公告)号：CN108509949B
公开(公告)日：2020-05-15
申请号：CN201810110564.9
申请日：2018-02-05
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于注意力地图的目标检测方法。本发明将自上而下的注意力引入当前主流的目标检测框架中，生成了可反映输入图像上各区域与待检测目标相关性的注意力地图，并基于生成的注意力地图对原先的候选框融合方案进行了优化，将自顶向下以及自底向上的信息结合进候选框的融合中，优化了目标检测的性能。本发明是一种更有效更接近生物视觉机制的目标检测方法。
-
公开(公告)号：CN110659577A
公开(公告)日：2020-01-07
申请号：CN201910789610.7
申请日：2019-08-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种用于智能手机平台的盲道障碍物检测方法。本发明方法首先对盲道图像进行分割，获取盲道区域，然后在盲道区域进行障碍物检测。首先进行盲道视频图像预处理，然后进行Canny边缘检测，对Canny边缘检测结果进行算子腐蚀，随后对腐蚀后的图像采用霍夫变换确定初始边缘直线，之后采用卡尔曼滤波进行跟踪，得到盲道边缘获取盲道区域。在盲道区域进行K均值聚类，K＝2，将盲道区域分为疑似障碍物区域和非障碍物区域两类，当疑似障碍物区域的像素个数超过阈值时，则该区域被判为障碍物。本发明方法计算简单，适合于智能手机平台上实现和运行，能够实时高效地检测盲道边界以及障碍物的位置，并对不同颜色的盲道具有较大的适应性和较强的鲁棒性。
-
公开(公告)号：CN110136175A
公开(公告)日：2019-08-16
申请号：CN201910422946.X
申请日：2019-05-21
Applicant: 杭州电子科技大学
Abstract: 本发明提出一种基于神经网络的室内典型场景匹配定位方法，包括：步骤一、在服务器端建立标准典型场景定位图像库；步骤二、采用Siamese深度神经网络模型，通过大量数据训练，使神经网络从数据中学习判断相似性度量的方法；步骤三、深度神经网络输出特征向量，利用特征向量计算与标准典型场景图像库的相似度，通过相似度大小来判断典型场景匹配程度的高低，评估模型的好坏；步骤四、将训练好的模型搭载入服务器，获取视频数据送入服务器中训练好的深度神经网络进行计算相似度，判别当前所在的位置。本发明所述方法具有训练效率高、收敛性强、建模精度高、匹配效果好、满足复杂环境等优点，可准确、高效地实现设备在线室内典型场景中的匹配定位。
-
公开(公告)号：CN106228149B
公开(公告)日：2019-07-23
申请号：CN201610639368.1
申请日：2016-08-04
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种视频异常行为检测方法。本发明的步骤是：确定将视频序列各时空块的局部光流特征向量作为行为特征描述；对训练视频的局部光流特征向量采用K均值聚类，并为每一类训练一个分析稀疏字典；利用训练获得的分析稀疏字典对测试视频的局部光流特征向量进行重构；计算重构获得的局部光流特征的分析稀疏比，由该比值判别视频中是否存在异常行为。本发明采用分析稀疏字典对局部光流特征向量进行重构，由重构获得的局部光流特征的分析稀疏比判别行为是否异常，具有较好的检测效果，提高了检测率。
-
Patent Agency Ranking
公开(公告)号：CN108509834A
公开(公告)日：2018-09-07
申请号：CN201810048588.6
申请日：2018-01-18
Applicant: 杭州电子科技大学
Abstract: 本发明属于视频特征优化的技术领域，具体涉及一种基于多元对数高斯分布下视频特征的图结构规约方法。基于多元对数高斯分布下视频特征的图结构规约方法，在保持视频特征的空间相关结构前提下，构建出光流特征网络图结构，图结构顶点处光流特征向量的相位信息蕴藏在序列光流场中，光流特征向量的幅度体现了在相连的两帧中目标的变化情况。鉴于光流特征向量幅度值均大于零，视频场景中图结构顶点处的光流特征向量的幅度服从多元对数高斯分布。本发明提出了一种有效降低特征数据量并能实现快速异常检测的视频特征的图结构规约方法。
-
公开(公告)号：CN106228149A
公开(公告)日：2016-12-14
申请号：CN201610639368.1
申请日：2016-08-04
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种视频异常行为检测方法。本发明的步骤是：确定将视频序列各时空块的局部光流特征向量作为行为特征描述；对训练视频的局部光流特征向量采用K均值聚类，并为每一类训练一个分析稀疏字典；利用训练获得的分析稀疏字典对测试视频的局部光流特征向量进行重构；计算重构获得的局部光流特征的分析稀疏比，由该比值判别视频中是否存在异常行为。本发明采用分析稀疏字典对局部光流特征向量进行重构，由重构获得的局部光流特征的分析稀疏比判别行为是否异常，具有较好的检测效果，提高了检测率。
-
公开(公告)号：CN105426813A
公开(公告)日：2016-03-23
申请号：CN201510707784.6
申请日：2015-10-27
Applicant: 杭州电子科技大学
IPC: G06K9/00
Abstract: 本发明涉及一种视频异常行为检测方法。本发明的步骤是：首先，对视频序列采用三维尺度不变特征变换描述子提取目标时空块特征。其次，以时空块作为节点，计算节点时空特征的时间与空间混乱属性，并结合节点中目标光流速度及各个节点之间的Kullback-Leibler距离构建时空检测模型。本发明为不同位置的时空块训练出不同的光流阈值，消除了目标距离摄像头远近对光流特征提取造成的影响，局部时空特征与全局信息相结合对局部异常行为与全局异常行为都具有较好的检测效果，且提高了检测率。
-
公开(公告)号：CN104732502A
公开(公告)日：2015-06-24
申请号：CN201510075202.7
申请日：2015-02-12
Applicant: 杭州电子科技大学
IPC: G06T5/20
Abstract: 本发明涉及一种基于格林函数的图像局部重建方法。本发明首先采用稳定场来描述图像局部纹理，建立并求解图像局部纹理的稳定场方程，提出基于格林函数法的图像局部重建模型；利用格林函数的定义及物理意义，实现上述重建模型；对上述计算中涉及的梯度计算，提出“单向计算梯度分量”模式，并利用“就近原则”对参与梯度分量单向计算的相邻点设置优先级。本发明对每一个缺损点都有一个计算与赋值的过程，且梯度计算模式的设置，使得缺损边缘特征能够及时全面地被反映在梯度及格林函数计算中，这些使得本发明在图像准确方面取得了良好结果。且由于本发明的方法没有使用迭代计算，重建效率也比较高。
-
公开(公告)号：CN103116880A
公开(公告)日：2013-05-22
申请号：CN201310015644.3
申请日：2013-01-16
Applicant: 杭州电子科技大学
IPC: G06T5/50
Abstract: 本发明涉及一种基于稀疏表示和多残差的图像超分辨率重建方法。本发明的具体步骤是：首先，计算原高分辨率图像与低分辨率图像经插值放大后的图像之间的残差，并计算残差的高频部分与低频部分；其次，以低分辨率图像样本特征和对应图像残差高频部分、低频部分建立样本对，以低分辨率样本为基准采用纹理元结构对样本进行分类，并对每一类样本对采用KSVD方法进行训练获得低分辨率样本与图像残差高频部分、低频部分的字典对；最后，根据测试样本的纹理元结构类型选择字典对，将最终图像残差结合低分辨率图像的插值结果获得高分辨率图像。本发明只需重构图像残差，结合插值图像即可重建高分辨率图像，提高了高分辨率图像的重建结果。
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.029 seconds)
