-
公开(公告)号：CN107341815B
公开(公告)日：2020-10-16
申请号：CN201710404056.7
申请日：2017-06-01
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于多目立体视觉场景流的剧烈运动检测方法。一：利用标定好的多目相机获取多组图像序列；二：对图像序列进行预处理；三：场景流能量泛函数据项的设计；四：场景流能量泛函平滑项的设计；五：能量泛函地优化求解；从步骤二中得到的图像金字塔最低分辨率图像开始使用计算模型计算；六：场景流运动区域的聚类；七：构建运动方向离散程度评估模型，判断是否是剧烈运动；八：构建运动区域动能大小评估模型；九：设定阈值，且连续n帧满足评估条件时则引发报警。本发明采用的是基于多目立体视觉的场景流估计，通过已经标定好的多目相机获取来自同一场景的多组图像序列。利用3维场景流可以有效地进行剧烈运动检测。
-
公开(公告)号：CN106504202B
公开(公告)日：2019-04-12
申请号：CN201610854332.5
申请日：2016-09-27
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明属于机器视觉领域，具体涉及一种基于自适应非局部平滑的3D场景流估计方法。本发明包括：根据双目摄像机获取的立体图像序列之间的对应关系，将局部约束方法与全局平滑相结合，并引入自适应非局部平滑；参考Lucas模型，设计局部邻域约束的场景流数据项；平滑项采用鲁棒函数，构造近似于L1范数的全变分平滑；使用去对偶的方式求解能量泛函。本发明能够有效地去除图像序列中噪声产生的异质点，保持运动场的边缘信息，能有效地传递给低纹理区域。
-
公开(公告)号：CN107665603A
公开(公告)日：2018-02-06
申请号：CN201710795417.5
申请日：2017-09-06
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种判定车位占用的实时检测方法，属于机器视觉技术领域，具体涉及一种通过俯视的深度图融合卷积神经网络的检测方法来判定车位是否被正确占用的实时检测方法。其具体包括搭建双目立体相机、收集车辆样本和非车辆样本、设计并训练以卷积神经网络CarNet为基础的车辆检测模型、人工标定监控车位在相机图像中位置、得到监控场景下的深度图、对深度图分割初步得到车辆区域同时利用CarNet检测模型检测车辆、融合深度图与卷积神经网络结果得到可靠车辆检测框以及判定车位是否占用等步骤。本发明可广泛用于加油站、地下停车场等半露天或室内停车场，可准确输出车位占用情况，具有实施成本低，工作效率高、自动化能力强等优点，具有广阔的发展前景。
-
公开(公告)号：CN106952291A
公开(公告)日：2017-07-14
申请号：CN201710151289.0
申请日：2017-03-14
Applicant: 哈尔滨工程大学
IPC: G06T7/285
CPC classification number: G06T2207/10016 , G06T2207/10024 , G06T2207/30236
Abstract: 本发明提供的是一种基于3维结构张量各向异性流驱动的场景流车流量统计与测速方法。利用多目立体相机获取图像序列；构建场景流能量泛函；构建基于HSV空间的色彩梯度恒常假设,多视角约束的数据项；设计基于3维扩散张量各向异性流驱动的场景流平滑项；极小化能量函数，得到对应的欧拉‑拉格朗日方程；将得到的场景流分量组合成一组幅度图，利用基于变分全局熵自适应水平集图像分割方法，对图像进行分割处理，得到运动目标轮廓；根据前后帧计算得到的闭合曲线及场景流，判断前后帧中分割得到的目标是否为同一个，并进行目标数量统计；根据移动目标的形心和计算出的场景流，计算对应的实际速度。本发明的方法主要用于智能交通管理。
-
-
-
Search Results
14
records
(took 0.019 seconds)
