基于KCF的海上目标跟踪算法

    公开(公告)号:CN109558877A

    公开(公告)日:2019-04-02

    申请号:CN201811220587.1

    申请日:2018-10-19

    Applicant: 复旦大学

    Abstract: 本发明属于视频分析技术领域,具体为一种基于KCF的海上目标跟踪算法。本发明算法包括:(1)图像预处理:主要是对图像的去噪和去雾,获取质量较好的海面图像;(2)目标检测:海天线提取,通过改进的DPM算法获取目标位置;(3)目标跟踪:通过改进的KCF算法,对目标进行轨迹预测,实现有遮挡场景下的多目标跟踪。本发明综合不同图像处理方法性能差异,形成一套能够同时满足时间和准确率要求的算法,可在有限的计算资源下,保证较高的准确率,并实时的进行分析,极大的提高了遮挡场景下的目标跟踪成功率。

    基于单目视觉和IMU信息的机器人定位与地图构建系统

    公开(公告)号:CN107193279A

    公开(公告)日:2017-09-22

    申请号:CN201710320077.0

    申请日:2017-05-09

    Applicant: 复旦大学

    CPC classification number: G05D1/0251 G05D1/0276

    Abstract: 本发明公开了一种基于单目视觉和IMU信息的机器人定位与地图构建系统。本发明利用纯视觉导航信息对IMU偏差模型、绝对尺度以及重力加速度方向等进行估计;在视觉导航中,使用高效的ORB特征提取算法,对图像帧提取丰富的ORB特征;利用基于预积分的IMU动力学模型建立相机的运动模型,对相机位置进行实时初步估计;在初步估计的基础上对两个图像帧之间的ORB特征进行更为精确的估计,再利用多目几何知识,实现对空间地图点三维重构;在融合IMU信息的视觉信息匹配的基础之上,采用基于因子图的后端优化算法,实时对地图位置进行精确和实时的估计。本发明能够对机器人运动和周围环境信息进行精确的估计。

    一种基于连续边缘特征的平面目标检测方法

    公开(公告)号:CN106022337A

    公开(公告)日:2016-10-12

    申请号:CN201610344722.8

    申请日:2016-05-22

    Applicant: 复旦大学

    Abstract: 本发明属于机器视觉图像处理技术领域,具体为一种基于连续边缘特征的平面目标检测方法。本发明方法包括:提取连续边缘特征、建立目标轮廓模型、基于Hough变换思想提取候选目标、对候选目标进行筛选并实现精确定位等步骤。尤其适用于在工业场景下,快速建立未知平面目标的模型并实现目标检测。本发明无需对于特定目标调整方法,可适用于各种平面目标(以及表面为平面的目标),一定程度上解决了目前视觉系统泛用能力较弱的问题。同时本发明具有较高的检测精度、高效的处理速率以及一定的抗噪能力。

    基于天花板视觉的同步定位与地图绘制的方法

    公开(公告)号:CN103680291A

    公开(公告)日:2014-03-26

    申请号:CN201210332451.6

    申请日:2012-09-09

    Applicant: 复旦大学

    CPC classification number: G05D1/0253 G05D1/0274

    Abstract: 本发明属机器人同步定位与地图创建领域,涉及基于天花板的角点信息实现机器人定位及地图绘制的方法,该方法采用实时高效的角点选取算法,角点位于天花板上,由安装在机器人上且光轴与天花板垂直的摄像机进行拍摄,并从拍摄的图片中提取出角点;使用光流跟踪法跟踪连续两张图片中匹配的角点对,利用匹配的角点对来实现角点的三维重构;配合基于扩展卡尔曼滤波的同步定位与地图创建算法确定机器人每次拍摄时的位置和航向角,结合重构的路标信息不断完善地图。本发明实现了基于天花板视觉的同步定位与地图绘制,能较精确地描述机器人与周围环境的关系。

    工业结构化场景中医用胶囊缺陷自动检测的系统

    公开(公告)号:CN102879404A

    公开(公告)日:2013-01-16

    申请号:CN201210374140.6

    申请日:2012-10-07

    Applicant: 复旦大学

    Abstract: 本发明属于视频分析技术领域,具体为一种工业结构化场景中医用胶囊缺陷自动检测的系统。该系统包括:三个分别安装在胶囊传送滚轴两侧和正上方的摄像头,两个安装在胶囊传送滚轴两侧的LED光源,一台计算机;所述计算机上安装有处理软件系统,该处理软件系统包括软件界面启动模块、样本训练模块、图像分析模块以及通讯模块;系统工作时图像分析模块对胶囊图像进行检测,并通过通讯模块将检测结果传输给硬件,使其能剔除不合格胶囊;本发明综合不同图像处理方法性能差异,形成一套能够同时满足时间和准确率要求的算法,可在有限的计算资源下,保证较高的准确率,并实时的进行分析,以满足工业生产中的实际需要。

    基于云台摄像头的飞行器起降跟踪算法及跟踪系统

    公开(公告)号:CN102043964A

    公开(公告)日:2011-05-04

    申请号:CN201010614651.1

    申请日:2010-12-30

    Applicant: 复旦大学

    Abstract: 本发明属于视频监控技术领域,具体为基于云台摄像头的飞行器起降跟踪算法及跟踪系统。本发明通过安装在塔台上的监控摄像头及云台,由控摄像头送出的模拟信号,经转换成为数字视频信号后,作为所述跟踪系统的输入;该跟踪系统包括:目标检测模块、跟踪模块和云台控制模块;本发明可以自动追踪起降飞行器轨迹。本发明可提高机场中有固定起降模式的飞行器监控的准确性与实时性,降低人力资源的消耗,克服大规模高速运动背景视频中对象提取与追踪的种种困难,实现自动智能追踪录像分析,从而提高了监控质量。

    一种改进的海天线检测和评估方法

    公开(公告)号:CN111105390B

    公开(公告)日:2022-03-18

    申请号:CN201911144002.7

    申请日:2019-11-20

    Applicant: 复旦大学

    Abstract: 本发明属于计算机图像处理技术领域,具体为一种改进的海天线检测和评估方法。本发明步骤为:根据海天线图像中噪声分布特点,进行图像的预处理操作,包括:图像颜色空间的转换、图像平滑、图像照明度增强等;提取亮度信息,获得灰度图;根据海天线图像中天空区域和海洋区域的分布特点,按照图像斜对角线方向切分图像;获取天空区域和海洋区域的亮度阈值,和海天线周围区域的亮度阈值;获取海天线周围区域的像素点;经过线性拟合操作得到最终海天线的位置,并绘制出来;根据图像中预测和真实海天线的位置,使用两个原创指标进行评估。本发明方法在强光照场景、低对比度场景、复杂场景和常规场景中,都可以稳定、准确、高效的检测出海天线的位置。

    基于水流法的宽线检测方法

    公开(公告)号:CN105938556B

    公开(公告)日:2020-07-28

    申请号:CN201610255819.1

    申请日:2016-04-22

    Applicant: 复旦大学

    Abstract: 本发明属于计算机数字图像处理技术领域,具体为一种基于水流法的宽线检测算法。其步骤为:构建地貌海拔图:将输入的彩色图像转化为灰度图像,采用导向滤波对灰度图像进行边缘保留的平滑处理,以图像灰度信息作为海拔数据构建地貌海拔图;水流法获取宽线响应图:计算平滑后图像的粗糙度图像,通过Otsu选取粗糙度较大的像素点作为候选水分子,在地貌海拔图上利用水流法得到宽线响应图,水流法坡阈值和几何阈值参数自适应选取;宽线提取:计算输入图像的暗度信息或明度信息来消除错误的线响应,通过一些形态学操作进行平滑处理,获得最终宽线检测结果。本发明方法能够检测出线的厚度,能自适应地检测出纹理形状、厚度各异的宽线,可极大的提高宽线检测的准确度。

    一种改进的海天线检测和评估方法

    公开(公告)号:CN111105390A

    公开(公告)日:2020-05-05

    申请号:CN201911144002.7

    申请日:2019-11-20

    Applicant: 复旦大学

    Abstract: 本发明属于计算机图像处理技术领域,具体为一种改进的海天线检测和评估方法。本发明步骤为:根据海天线图像中噪声分布特点,进行图像的预处理操作,包括:图像颜色空间的转换、图像平滑、图像照明度增强等;提取亮度信息,获得灰度图;根据海天线图像中天空区域和海洋区域的分布特点,按照图像斜对角线方向切分图像;获取天空区域和海洋区域的亮度阈值,和海天线周围区域的亮度阈值;获取海天线周围区域的像素点;经过线性拟合操作得到最终海天线的位置,并绘制出来;根据图像中预测和真实海天线的位置,使用两个原创指标进行评估。本发明方法在强光照场景、低对比度场景、复杂场景和常规场景中,都可以稳定、准确、高效的检测出海天线的位置。

    基于聚合膨胀卷积网络的图像去模糊方法

    公开(公告)号:CN108376387A

    公开(公告)日:2018-08-07

    申请号:CN201810008937.1

    申请日:2018-01-04

    Applicant: 复旦大学

    CPC classification number: G06T5/003 G06N3/0454 G06N3/08

    Abstract: 本发明属于计算机数字图像处理技术领域,具体为一种基于聚合膨胀卷积网络的图像去模糊方法。本发明包括构建深度神经网络:基于条件对抗生成网络,包含生成器与鉴别器,生成器结构使用堆叠的自编码器模块,自编码器模块使用自编码器结构与跳跃连接,在构建模块上使用残差模块,残差模块使用残差网络以及多路聚合膨胀卷积,鉴别器使用5层卷积神经网络;训练深度神经网络:使用公开的、真实场景下的模糊图像数据集,利用图像内容损失函数与对抗损失函数,训练前一步中构建的深度神经网络;利用训练好的网络模型对模糊图像进行去模糊处理。本发明方法能够保证去模糊效果,并快速高效地将模糊图像恢复成清晰图像,可极大地提高图像去模糊的效率。

Patent Agency Ranking