-
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。
-
公开(公告)号：CN105809184A
公开(公告)日：2016-07-27
申请号：CN201510726868.4
申请日：2015-10-30
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明涉及机器视觉识别领域，特别是一种适用于加油站的车辆实时识别跟踪与车位占用判断的方法。本发明包括：收集加油站车辆样本和非车辆样本；对车辆样本和非车辆样本进行预处理；训练车辆分类器；利用车辆分类器对获取的实时图像进行车辆识别并记录车辆区域；采用光流法对识别到的车辆区域角点进行跟踪并绘制中心点轨迹；通过计算车辆区域与事先划定的加油站车位的面积重合比来判定车位占用情况并对车辆占用车位时间进行计时。本发明既可以对加油站内部车辆进行识别并对车辆轨迹进行跟踪，又可判断加油站内部车位占用情况，具有实施成本低，自动化程度高的特点。
-
公开(公告)号：CN104680544A
公开(公告)日：2015-06-03
申请号：CN201510117536.6
申请日：2015-03-18
Applicant: 哈尔滨工程大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于3维流场正则化的变分场景流估计方法。包括以下步骤：利用已经标定好的左右摄像机获取左右图像序列；将3维流场进行正则化得到场景流数据项；将2维光流平滑项向3维空间扩展，得到场景流驱动各向异性的场景流平滑项；根据方向信息设计扩散张量并进行本征分解，得到每个方向上的扩散强度，从而进行各向异性平滑，得到深度平滑项；将场景流数据项、场景流平滑项和深度平滑项合并，构建能量泛函；使用变分极小化的方法，得到能量泛函对应的Euler方程的解；利用超松弛迭代对Euler方程进行迭代求解，得到优化后的场景流和深度信息。本发明具有鲁棒性高，场景流精确的优点。
-
Patent Agency Ranking
公开(公告)号：CN114187331B
公开(公告)日：2024-10-18
申请号：CN202111506127.7
申请日：2021-12-10
Applicant: 哈尔滨工程大学
IPC: G06T7/269 , G06T7/246 , G06V10/44 , G06V10/42 , G06V10/62 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/088 , G06N3/048
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于Transformer特征金字塔网络的无监督光流估计方法，包括构建基于Transformer特征金字塔网络；利用Transformer模型通过再注意力机制操作增强特征金字塔网络对图像的特征提取能力；构建光流估计网络，使得网络能够进行光流预测；对遮挡区域的像素进行遮挡补偿处理，并设计整体网络训练的损失函数对网络进行无监督训练，得到速度更快，精度更高的无监督光流估计模型。本发明可增强特征金字塔层对图像的特征提取能力，并对图像中的遮挡像素进行遮挡补偿处理，以提高光流估计的精度。
-
公开(公告)号：CN115861647A
公开(公告)日：2023-03-28
申请号：CN202211474506.7
申请日：2022-11-22
Applicant: 哈尔滨工程大学
IPC: G06V10/44 , G06V10/764 , G06V20/40
Abstract: 本发明提供一种基于多尺度全局交叉匹配的光流估计方法，包括以下步骤：1.构建基于多尺度交叉注意力模块(MCA)的图像特征增强网络；2.构建光流估计模块；3.构建遮挡区域像素处理模块；4.在网络输入端输入连续两帧图像，进行有监督训练；5.在训练好的模型中输入连续两帧图像进行测试，输出为对应的估计光流。本发明提出了一种多尺度交叉注意力模块(MCA)，利用MCA模块补全同一特征图像中不同图像块之间的相关信息，使得网络可以学习多种分辨率的图像信息。同时，通过对图像自相似性建模解决像素遮挡问题，进而得到最终预测的光流。
-
公开(公告)号：CN115797557A
公开(公告)日：2023-03-14
申请号：CN202211468322.X
申请日：2022-11-22
Applicant: 哈尔滨工程大学
IPC: G06T17/00 , G06T3/40 , G06V10/80 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于图注意力网络的自监督3D场景流估计方法，首先构建特征提取网络即图注意力网络，将相邻两帧点云输入到图注意力网络结构中，根据不同的距离信息来提取空间信息，聚合最佳特征；其次构建循环成本量层，将提取到的局部特征送入到该结构中进行特征融合，以便更好地学习融合后的特征，进行跨尺度注意力操作；然后进行点云上采样得到原始3D场景流；最后再次通过图注意力结构对获得的场景流进行特征聚合并进行平滑性处理，得到精确的3D场景流。
-
公开(公告)号：CN106952291B
公开(公告)日：2020-07-14
申请号：CN201710151289.0
申请日：2017-03-14
Applicant: 哈尔滨工程大学
IPC: G06T7/285
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。
-
公开(公告)号：CN109086807A
公开(公告)日：2018-12-25
申请号：CN201810779483.8
申请日：2018-07-16
Applicant: 哈尔滨工程大学
Abstract: 本发明提供了一种基于卷积神经网络的半监督学习光流方法，属于网络设计领域。本发明提供的方法可以针对带标签和无标签的混合数据进行训练，并设计一种遮挡感知损失函数，将用于监督学习的端点误差代价函数与用于非监督学习的数据项和平滑项相结合，构建一种半监督学习光流模型，在网络架构上采用堆叠网络结构，在卷积层引入空洞卷积来增大感受野，并设计遮挡感知层来估计遮挡区域，该网络能够端到端地进行半监督光流学习。本发明提供的方法能够提高光流估计精度，并且还提出一种遮挡感知损失函数来半监督训练网络，在网络架构上设计一种堆叠网络结构从而进一步提升网络性能。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.03 seconds)
