-
公开(公告)号：CN113947782B
公开(公告)日：2024-06-07
申请号：CN202111197529.3
申请日：2021-10-14
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于注意力机制的行人目标对齐方法，本发明为解决目标丢失和遮挡问题，通过过程优化和局部特征提取来提高对齐精度、改善对齐性能。本发明对齐精度高，充分利用行人图像特征的全局结构信息和局部原始信息，有效处理行人目标遮挡问题并缓解了局部特征不对齐问题对算法性能的影响。
-
公开(公告)号：CN115424182A
公开(公告)日：2022-12-02
申请号：CN202211130499.9
申请日：2022-09-16
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于图卷积神经网络的多目标跟踪方法，将目标外观特征、目标运动特征和交互特征用于跟踪过程。采用的方案是：首先，构建由重识别(Re‑identification，ReID)模块、外观GCN、运动GCN、外观融合模块、位置融合模块、边权重融合模块和特征相似度融合模块构成的跟踪模型。然后，将目标外观信息和位置信息作为模型输入，利用跟踪模型中的多种融合模块实现目标外观信息和运动信息的多层次融合。接下来，利用Adam优化器和二元交叉熵损失函数训练上述目标跟踪模型。然后，将检测器获得检测结果输入训练好的跟踪模型，得到关联矩阵，并利用匈牙利算法得到初步匹配结果。最后，使用线性插值算法得到多目标跟踪结果。
-
公开(公告)号：CN113838091A
公开(公告)日：2021-12-24
申请号：CN202111117021.8
申请日：2021-09-23
Applicant: 哈尔滨工程大学
Abstract: 本发明属于目标跟踪技术领域，具体涉及一种稀疏目标跟踪方法。本发明利用Mask R‑CNN获得各目标的精确前景图像区域，并利用ReID网络提取各目标的128维前景特征；在原视频图像上以各个目标为中心，裁剪出包含背景的目标图像块，并将裁剪后各个目标图像块输入到ReID网络，提取128维前景+背景特征；利用卡尔曼滤波进行轨迹预测，并利用余弦距离和匈牙利算法获得目标前景特征匹配结果和目标前景+背景特征匹配结果；对级联匹配后的结果进行IoU匹配；利用IoU匹配结果对各个目标轨迹进行更新。本发明通过引入目标前景信息、目标前景+背景信息和近邻目标信息来提高跟踪精度、改善跟踪性能。
-
公开(公告)号：CN110223344A
公开(公告)日：2019-09-10
申请号：CN201910474487.X
申请日：2019-06-03
Applicant: 哈尔滨工程大学
Abstract: 本发明属于目标检测技术领域，具体涉及一种基于形态学和视觉注意机制的红外小目标检测方法。本发明包括以下步骤：利用形态学方法进行图像增强；利用利用高斯差分DoG滤波器对增强后图像进行处理；将高斯滤波后的目标周围区域分为A0、A1和A2三部分，并统计各区域之间的亮度关系，如果其像素亮度关系满足草帽型分布，则将该区域标记为候选目标区域，并记录区域的大小；根据A0、A1、A2之间的亮度关系以及A0区域的大小，对候选区域做进一步增强处理；经过上述处理之后，将图像矩阵亮度最大值的位置记作红外小目标位置。本发明能够自动判别红外小目标的大小，在增强小目标的同时抑制复杂背景杂波干扰。
-
公开(公告)号：CN103530647B
公开(公告)日：2017-02-08
申请号：CN201310470171.6
申请日：2013-10-10
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明提供的是一种基于分数傅里叶变换的纹理分类方法。（1）获取一幅图像，计算所述图像各像素在四个方向上的一维离散FrFT；（2）将得到的各一维离散FrFT按幅值降序排列；（3）计算分数傅里叶频率直方图；（4）利用χ2-统计距离分类器对纹理图像进行分类。本发明提供的是一种基于分数傅里叶变换的、综合利用分数傅里叶频率直方图和χ2-统计距离分类器的纹理文类方法。本发明所提出的纹理分类方法的主要效果在于避免了Wigner分布的交叉项问题。
-
Patent Agency Ranking
公开(公告)号：CN102722895A
公开(公告)日：2012-10-10
申请号：CN201210150026.5
申请日：2012-05-15
Applicant: 哈尔滨工程大学
IPC: G06T9/20
Abstract: 本发明提供的是一种基于分数傅立叶变换的形状描述方法。其步骤是：第一步，估计图像中目标物体的质心和主轴方向；第二步，将图像旋转和平移；第三步，去除旋转和平移之后的图像中的目标外接矩形之外的部分，得到目标图像，并将目标图像的大小进行归一化；第四步，计算归一化图像的不同阶数的分数傅立叶变换；第五步，舍弃分数傅里叶变换的幅值，仅保留相位；第六步，将归一化图像的各阶分数傅立叶变换的相位直方图作为物体的形状特征。本发明所提出的形状描述方法具有旋转和平移不变性以及利用分数傅里叶变换相位的特点，实现了图像在不同尺度上的滤波，保证了使得所描述的特征既和物体的边界轮廓有关，又与物体的内部区域有关。
-
公开(公告)号：CN101984916A
公开(公告)日：2011-03-16
申请号：CN201010547225.0
申请日：2010-11-17
Applicant: 哈尔滨工程大学
IPC: A61B5/107
Abstract: 本发明提供的是一种基于数字图像处理技术的血管管径测量方法。(1)对血管图像用高斯匹配滤波法进行增强；(2)将图像归一化、二值化；(3)根据数学形态学的相关理论，将图像细化，提取骨架；(4)用直线拟合的方法求出一段血管的斜率，并沿与其垂直的方向检测出血管的像素个数，再根据点距求得血管管径。本发明用于医学图像血管管径的测量，计算效率高，对图像质量要求不高，计算准确。
-
公开(公告)号：CN101038627A
公开(公告)日：2007-09-19
申请号：CN200710072163.0
申请日：2007-04-30
Applicant: 哈尔滨工程大学
IPC: G06K9/72
Abstract: 本发明提供了一种基于边界特征的印刷体阿拉伯字母识别方法。该方法将字母的上、下、左、右四个边界看作一个波，将每一个边界表示为一系列波元的集合；然后，从这些集合中提取如下边界特征：波元个数、零直线的个数、右边界中第一条零直线的长度、下边界中第一条零直线的长度、上边界中最长零直线的长度、右边界中最长零直线的长度、下边界中最长零直线的长度、上边界中正直线的个数，并结合字母高宽比、字母辅助部分的高宽比共同作为识别特征；最后，按照字母的四种形式——独立、开头、中间、结尾分别采用四个决策树识别每一个印刷体阿拉伯字母。
-
公开(公告)号：CN116665008A
公开(公告)日：2023-08-29
申请号：CN202310392057.X
申请日：2023-04-13
Applicant: 哈尔滨工程大学
IPC: G06V10/82 , G06V20/52 , G06V10/774 , G06V10/776 , G06V10/764 , G06N3/0464 , G06N3/082 , G06N3/048
Abstract: 本发明涉及基于改进yolov7的机场空中管制图像目标检测方法，包括：采集机场空中管制图像，对所述机场空中管制图像进行预处理，并标注图像特征，获取标注数据集；利用改进的yolov7网络构建空中管制图像目标检测模型；其中，所述改进的yolov7网络中包括FEAM注意力模块；基于所述标注数据集训练改进后的所述空中管制图像目标检测模型，通过训练后的所述空中管制图像目标检测模型进行目标检测。本发明基于网络视频截取机场图像构建符合空中管制图像特征的数据集，基于yolov7目标检测结构，在主干网络结构位置上增加FEAM注意力模块，解决针对空中管制图像特征研究，缺少数据的问题。
-
公开(公告)号：CN116630876A
公开(公告)日：2023-08-22
申请号：CN202310392103.6
申请日：2023-04-13
Applicant: 哈尔滨工程大学
IPC: G06V20/52 , G06N3/045 , G06V10/82 , G06V20/50 , G06N3/0464
Abstract: 本发明公开了一种基于YOLO框架的机场场面监控图像目标检测方法，包括以下步骤：采集机场场面监视图像，基于所述机场场面监视图像，构建符合机场场面监视图像特征的数据集，对所述数据集进行标注，获得标注数据集，并将所述标注数据集随机划分为训练集和测试集；构建AS‑YOLO机场场面监控图像目标检测模型；利用所述训练集对所述AS‑YOLO机场场面监控图像目标检测模型进行训练；利用训练好的AS‑YOLO机场场面监控图像目标检测模型对所述测试集进行目标检测，并通过目标检测评价指标验证。本发明解决针对机场场面监视图像特征研究，缺少数据的问题；解决针对机场场面监视图像行人和汽车目标过小，检测不准的问题。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.022 seconds)
