-
公开(公告)号：CN115272140A
公开(公告)日：2022-11-01
申请号：CN202211195534.5
申请日：2022-09-29
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T5/00 , G06T5/50 , G06V10/28 , G06V10/30 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08 , G06N5/04
Abstract: 本发明提供一种红外图像量化和增强方法、系统及存储介质，该方法包括数据准备步骤：将14bits红外图像数据生成8bits红外图像数据，生成的8bits红外图像数据作为标签图像；训练步骤：将14bits红外图像数据归一化为[0,1]范围内的浮点数，归一化的数据输入到基于多尺度特征融合的主网络中，主网络提取不同尺度的图像特征，对不同尺度的图像特征进行融合，生成8bits红外图像；将主网络生成的8bits红外图像和标签图像输入判别器模块，促使主网络生成质量更高的红外图像。本发明的有益效果是：本发明能够将14bits红外图像映射为高质量的8bits红外图像数据，生成图像速度更快，占用的CPU资源更少。
-
公开(公告)号：CN115797477B
公开(公告)日：2023-05-16
申请号：CN202310044359.8
申请日：2023-01-30
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T9/00 , G06V10/82 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 本发明涉及用于轻量化部署的剪枝式图像压缩感知方法及系统。其中的方法包括：获取预览图像和与预览图像关联的采样值，将预览图像输入到基于投影梯度算法和深度神经网络的图像压缩感知模型中以计算输出重建图像，其中，深度神经网络包括:用于特征提取的提取层组、用于图像重建的重建层组和设置有两者之间的第三卷积层，进行模型迭代训练时对图像压缩感知模型进行剪枝操作以获得理想压缩比例。本发明使用模型剪枝的方法对深度展开式网络进行模型规模的压缩，使其在计算复杂度和模型规模上达到轻量化部署需求同时保持良好的图像重建质量，并将其部署到移动端设备上，实现了图像的快速采样、信号传递以及节约存储。
-
公开(公告)号：CN115294176A
公开(公告)日：2022-11-04
申请号：CN202211177765.3
申请日：2022-09-27
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T7/246 , G06N3/04 , G06N3/08 , G06V10/764
Abstract: 本发明提供了一种双光多模型长时间目标跟踪方法、系统及存储介质，该双光多模型长时间目标跟踪方法包括预训练步骤、训练步骤、重参数化步骤和推理步骤。本发明的有益效果是：本发明使得可见光‑热红外双光目标跟踪器具有更好的鲁棒性和泛化能力，能够更准确更快速的实现对目标的长时间跟踪。
-
公开(公告)号：CN115273154A
公开(公告)日：2022-11-01
申请号：CN202211171768.6
申请日：2022-09-26
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V40/10 , G06V10/44 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于边缘重构的热红外行人检测方法、系统及存储介质，热红外行人检测方法包括数据预处理步骤、主干网络预训练步骤、模型训练步骤和预测步骤。本发明的有益效果是：通过引入边缘信息，引导模型深入挖掘热红外图像中的边缘特征；通过引入主干网络预训练方法，提升主干网络的特征提取和学习能力；通过设计全新的算法架构，提升热红外行人检测性能；通过引入针对性训练流程，避免使用额外任务和额外数据，提升模型有效信息量，不影响实际运行速度。
-
公开(公告)号：CN115272420A
公开(公告)日：2022-11-01
申请号：CN202211188338.5
申请日：2022-09-28
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T7/246 , G06V10/40 , G06V10/74 , G06V10/774 , G06V10/80
Abstract: 本发明提供了一种长时目标跟踪方法、系统及存储介质，该长时目标跟踪系统包括数据读取模块、双光融合跟踪模块、单光级联检测模块和决策模块，所述双光融合跟踪模块包括图像特征对齐模块、特征融合模块、多跟踪器协同模型；所述单光级联检测模块包括方差检测器、集合检测器、最近邻检测器；所述数据读取模块用于从可见光和热红外摄像头读取可见光图像和热红外图像。本发明的有益效果是：本发明的长时目标跟踪方法及系统具有较高的跟踪精度、鲁棒性与实时性。
-
Patent Agency Ranking
公开(公告)号：CN115272139A
公开(公告)日：2022-11-01
申请号：CN202211195148.6
申请日：2022-09-29
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种热红外图像的量化与自适应增强方法、系统及存储介质,该方法包括步骤S1：针对输入的14bit热红外图像，使用不同参数的Gama变换将图像调整到不同亮度并归一化，得到不同亮度级别的图像；步骤S2：对于不同亮度的图像分别采用基于滤波的增强方法处理，得到图片的基础层和细节层，将细节层增强后和基础层重新进行组合得到各个亮度下的增强结果；步骤S3：将由步骤S1、步骤S2进行增强后的多个不同亮度级别下的图像进行融合，使得不同亮度下的细节特征均保留到一张图像下；步骤S4：将14bit热红外图像量化为8bit热红外图像，得到最终图像。本发明的有益效果是:本发明提供了更多可供人眼分辨的图像细节。
-
公开(公告)号：CN115100235A
公开(公告)日：2022-09-23
申请号：CN202210989700.2
申请日：2022-08-18
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种目标跟踪方法、系统及存储介质，目标跟踪方法包括预训练步骤、训练步骤和预测步骤，在训练步骤中，使用共享特征的特征提取网络分别对模板图像和搜索图像进行特征提取，得到模板特征和搜索特征，经过级联自注意力‑跨注意力特征增强融合模块进行模板特征和搜索特征的深层融合，然后经过细节特征增强模块进行多分支的特征细节增强，再进入跨注意力特征模块做最终的特征融合后，最后使用一个跟踪头预测目标的坐标；在整个训练过程中，采用基于全局和局部的知识蒸馏训练方法来指导训练。本发明的有益效果是：本发明的目标跟踪方法及系统具有较高的跟踪精度、鲁棒性与泛化能力。
-
公开(公告)号：CN112084938B
公开(公告)日：2023-07-28
申请号：CN202010935717.0
申请日：2020-09-08
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V20/20 , G06V10/46 , G06V10/764 , G06T17/20
Abstract: 本发明公开了一种基于图结构提高平面目标表征稳定性的方法及装置，该方法包括：采用FAST关键点检测算法中的快速二值测试策略计算每个像素点的显著性得分；利用自适应调整网格的划分方式生成自适应网格；采用Spatial Softmax算法构造顶点集合V；采用Delaunay三角剖分方法构造边集合E。该方法将目标表征为一组具有拓扑结构的、可被重复检测出来的离散点集合，即顶点集合V和边集合E，能够兼顾目标的全局和局部结构，提高表征方法的鲁棒性和稳定性。
-
公开(公告)号：CN112446845A
公开(公告)日：2021-03-05
申请号：CN202011368165.6
申请日：2020-11-27
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
IPC: G06T5/50
Abstract: 本发明公开一种地图构建方法，应用于包括N个相机的SLAM系统，所述方法包括以下步骤：通过所述N个相机获取目标地区的目标图像，N为大于等于2的正整数；根据所述目标图像，获得融合帧，所述N个相机同一时刻的目标图像对应一个融合帧；判断所述融合帧是否满足第一预设条件；在所述融合帧满足所述第一预设条件时，将所述融合帧添加到关键帧队列；利用所述关键帧队列，构建目标区域的地图。本发明还公开了一种地图构建装置、SLAM系统以及存储介质。利用本发明构建目标区域的地图时，数据处理量较少，建图效率较高。
-
公开(公告)号：CN109685826A
公开(公告)日：2019-04-26
申请号：CN201811427073.3
申请日：2018-11-27
Applicant: 哈尔滨工业大学(深圳)
IPC: G06T7/246
CPC classification number: G06T7/251 , G06T2207/10016 , G06T2207/20081
Abstract: 本发明提供了一种自适应特征选择的目标追踪方法、系统及存储介质，该目标追踪方法同时保留两个目标模型，一个是对应人工特征的简单线路的目标模型，一个对应深度特征的困难线路的目标模型；根据追踪环境自适应的选择使用其中一个模型进行追踪。本发明的有益效果是：本发明针对目标追踪环境的复杂程度，通过自适应选择机制，在简单的追踪环境中使用人工特征，在复杂的追踪环境中使用深度特征，在追踪过程中自适应的选择特征，保证追踪正确率的同时，提高追踪速度。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.027 seconds)
