-
公开(公告)号：CN108549868A
公开(公告)日：2018-09-18
申请号：CN201810326872.5
申请日：2018-04-12
Applicant: 中国矿业大学
Abstract: 本发明涉及一种行人检测方法，属于检测技术领域，解决了现有技术中实时性差、难以处理遮挡、不适用光照变化明显且噪声较强场合的问题。所述方法包括如下步骤：输入图像，获取其像素点灰度值；根据所述像素点灰度值获取三种CRLBP算子，得到CRLBP纹理特征谱；计算输入图像的HOG特征、CRLBP直方图特征、CRLBP纹理特征谱的HOG特征；将输入图像的HOG特征、CRLBP直方图特征、CRLBP纹理特征谱的HOG特征进行融合，得到图像描述子；然后，使用主成分分析法对图像描述子进行降维，并对降维结果使用分类器实现行人检测和识别。本发明检测效率高，实时性好，且对光照和噪声具有良好的鲁棒性。
-
公开(公告)号：CN117147315A
公开(公告)日：2023-12-01
申请号：CN202311135834.9
申请日：2023-09-05
Applicant: 焦作煤业(集团)新乡能源有限公司 , 中国矿业大学(北京)
Inventor： 侯典臣 , 韩振先 , 韩久方 , 赵凯 , 丁荣飞 , 王志远 , 靳泽森 , 郭小科 , 王志光 , 武毛峰 , 牛博 , 张村 , 刘世奇 , 师旭涛 , 安红杰 , 郁恒恒
Abstract: 本发明公开了一种煤矿断层破碎区注浆加固模拟实验装置及方法，包括框架底座、轴压加载装置、透明腔体、注浆泵和注水泵，框架底座顶部设有透明腔体，轴压加载装置包括轴压加载轴和轴压加载板，透明腔体内部底端具有分水器，透明腔体内部放置有位于轴压加载板、分水器之间的破碎模拟煤岩体；注浆泵通过管道A与透明腔体的注浆口密闭连通，管道A上安装有浆液流量计和注浆压力表；注水泵通过管道B与分水器密闭连通，管道B靠近分水器一端安装有水压传感器；透明腔体外部设有CT扫描装置。本发明能够得出破碎模拟煤岩体内部演变数据，实现对注浆作业过程形态变化、浆液扩散、孔隙变化、内部微观结构变化的研究，便于得出最佳注浆作业参数。
-
公开(公告)号：CN111767928B
公开(公告)日：2023-08-08
申请号：CN202010597462.1
申请日：2020-06-28
Applicant: 中国矿业大学
IPC: G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047
Abstract: 本发明涉及一种基于卷积神经网络提取图像特征信息的方法及装置，属于图像处理技术领域，解决了现有卷积神经网络中的卷积核基于系统随机生成造成浪费大量时间的问题。获取原始图像对应的原始图像矩阵，对原始图像矩阵进行分块，得到N个像素块；基于像素值依次为N个像素块添加标签，得到M个标签；获取每个标签中的1个像素块对应的像素值概率矩阵，基于像素值概率矩阵得到M个标签对应的M个卷积核；将原始图像矩阵输入卷积神经网络，基于M个标签及M个卷积核对原始图像矩阵进行卷积，得到原始图像对应的特征信息。实现了图像特征信息的提取，节省了卷积的时间。
-
公开(公告)号：CN111754408A
公开(公告)日：2020-10-09
申请号：CN202010607671.X
申请日：2020-06-29
Applicant: 中国矿业大学
Abstract: 本发明涉及一种高实时性的图像拼接方法，属于图像处理技术领域，解决了现有图像拼接方法计算复杂、精度低、实时性差的问题。该方法包括：获取待拼接的第一和第二图像；提取第一图像和第二图像的特征点集；采用CLBP编码对特征点集中的每一特征点进行描述，获得描述符集；基于描述符集，采用最近邻比率分类器进行特征点初匹配，获得特征点对集；剔除特征点对集中的误匹配特征点对，并获得第一图像和第二图像间的投影变换矩阵；基于投影变换矩阵进行融合获得拼接图像。该方法通过提取图像中分布均匀的特征点，采用CLBP编码对特征点进行描述，避免过多的特征点参与匹配过程，降低了计算复杂度的同时，提高了计算精度与拼接实时性。
-
公开(公告)号：CN111667412A
公开(公告)日：2020-09-15
申请号：CN202010550465.X
申请日：2020-06-16
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于交叉学习网络的图像超分辨率的重建方法及装置，属于图像处理技术领域，解决了现有的图像超分辨率重建方法只是对单一路径的残差网络进行学习造成了的重建图像质量较差的问题。构建交叉学习网络模型，所述交叉学习网络模型包括三支子残差网络、交叉共享层和图像重建层；对三支子残差网络和交叉学习网络模型分别进行训练，以得到所述交叉学习网络模型的最优网络模型结构并保存；将待重建的低分辨率图像输入所述最优网络模型结构，得到低分辨率图像对应的高分辨率图像。实现了低分辨率图像的重建，提高了低分辨率图像的重建质量。
-
Patent Agency Ranking
公开(公告)号：CN111639212A
公开(公告)日：2020-09-08
申请号：CN202010464038.X
申请日：2020-05-27
Applicant: 中国矿业大学
IPC: G06F16/583 , G06K9/40 , G06K9/46 , G06K9/62
Abstract: 本发明涉及一种矿用智能视频分析中的图像检索方法，属于图像检索技术领域，解决了现有技术检索准确率低、效率低，导致矿井安全生产视频监控中的异常行为和场景识别可靠性低的问题。该方法包括，对包含矿井异常信息的目标图像进行预处理获得相同的第一图像和第二图像；从第一图像中获得方差自适应量化颜色直方图；从第二图像中提取梯度信息和符号信息；将方差自适应量化颜色直方图、梯度信息及符号信息进行特征自适应融合获得目标图像的融合特征；对融合特征进行降维获得融合主特征；利用融合主特征在矿井视频所包含的多帧图像中进行检索以实时辨识矿井异常。该方法在提高检索效果的同时，提高了矿井异常监控效率，提升矿井的安全检测水平。
-
公开(公告)号：CN108550115B
公开(公告)日：2020-06-16
申请号：CN201810380243.0
申请日：2018-04-25
Applicant: 中国矿业大学
Abstract: 本发明涉及一种图像超分辨率重建方法，属于图像处理技术领域，解决了现有技术生成图像边缘信息模糊、不能适用多种放大倍数以及重建效果差的问题。所述方法包括如下步骤：构造训练和学习的卷积神经网络，所述卷积神经网络从上到下依次包括LR特征提取层、非线性映射层、HR重建层；用该卷积神经网络对输入的成对的LR图像和HR图像进行训练，同时进行至少两个放大尺度的训练，求得卷积神经网络的最优参数集和相应放大尺度下的尺度调节因子；训练完成后，将目标LR图像和目标放大倍数输入所述卷积神经网络，可得到目标HR图像。本发明卷积神经网络训练速度快，训练完成后可以实时得到训练尺度中任意放大倍数的HR图像。
-
公开(公告)号：CN107886067B
公开(公告)日：2020-04-28
申请号：CN201711085825.8
申请日：2017-11-07
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于HIKSVM分类器的多特征融合的行人检测方法，具体包括以下步骤：确定行人图像序列中的行为区域；在行为区域内提取多项特征，形成融合特征；利用训练好的基于上述融合特征的HIKSVM分类器进行行人检测。本发明改进了特征提取方法，提取出HOG特征之后，通过类比，把梯度场改为光流场，提取HOF特征，保留了物体的形状信息和运动信息，同时避免了使用光流场描述整幅运动物体的计算复杂性，鲁棒性强；通过对LBP算法的改进，使用LQC算法提取纹理特征，不损失纹理信息的基础上，减少了计算复杂度；使用直方图交叉核，通过交叉坐标下降的方法，对SVM分类器进行分类训练，计算复杂度低，检测精度高。
-
公开(公告)号：CN107888905B
公开(公告)日：2019-09-06
申请号：CN201711021805.4
申请日：2017-10-27
Applicant: 中国矿业大学
IPC: H04N17/00
Abstract: 本发明涉及一种基于GoP显著性加权的视频质量评价方法，具体包括：将视频序列分离为多组GoP；得到每组GoP的质量分数及每组GoP中I帧图像的显著值；利用每组GoP中I帧图像的显著值对所有的GoP的质量分数进行加权，求得整个视频序列的质量分数。利用每组GoP的显著性不同，对所有GoP进行显著性加权得出整个视频的质量分数，提高对视频质量评价的结果的准确性；同时在求取每组GoP显著值时，利用I帧在整组GoP中影响该GoP中帧数量最多的特性，以I帧单帧的显著值替代了整组GoP的显著值，减少了计算量。
-
公开(公告)号：CN106056631A
公开(公告)日：2016-10-26
申请号：CN201610395485.8
申请日：2016-06-06
Applicant: 中国矿业大学
IPC: G06T7/20
CPC classification number: G06T2207/10016 , G06T2207/20081
Abstract: 本发明提供一种基于运动区域的行人检测方法，包括：采集摄像设备拍摄的视频数据；使用混合高斯模型对视频数据进行背景建模，得到当前帧的运动前景；利用开操作对所述运动前景进行形态学处理，消除运动前景周围的孤立点；构建包围运动前景的矩形包围框，并删除重复的矩形包围框；获取每一矩形包围框的坐标、长度、宽度；根据矩形包围框在当前帧的原始图像上创建运动区域；对原始图像的运动区域提取HOG特征，然后利用预先训练得到的SVM分类器对当前帧的HOG特征进行识别仪确定该运动区域是否为行人。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.028 seconds)
