-
公开(公告)号：CN112270370A
公开(公告)日：2021-01-26
申请号：CN202011226859.6
申请日：2020-11-06
Applicant: 北京环境特性研究所
Abstract: 本发明涉及一种车辆表观毁伤评估方法、计算机设备及计算机可读存储介质，该方法包括：进行尺寸归一化处理；分两路进行灰度化，一路直接进行灰度化处理，得到含目标及背景的灰度图像，另一路先利用目标语义分割模型进行像素级分割，分割出目标区域，再对分割得到的图像进行灰度化处理，得到只含目标的灰度图像；基于卷积神经网络构建特征提取模型，对得到的含目标及背景的灰度图像和只含目标的灰度图像分别进行高维特征提取；对得到的两路目标高维卷积特征进行特征融合；利用全连接网络对最终目标融合特征进行回归计算，并输出一个0～1范围内的连续值，作为车辆目标表观毁伤程度评估值。本发明能够实现车辆表观毁伤的快速量化评估。
-
公开(公告)号：CN110910422A
公开(公告)日：2020-03-24
申请号：CN201911105866.8
申请日：2019-11-13
Applicant: 北京环境特性研究所
Abstract: 本申请涉及一种目标跟踪方法、装置、电子设备和计算机可读存储介质，方法包括：获取多帧图像，从多帧图像的初始帧图像中识别出初始目标，依次在初始帧图像的后续帧图像中对初始目标进行跟踪；若连续跟踪的图像帧数或所述初始目标的目标置信度符合预设条件，停止对当前帧图像中的初始目标的跟踪；基于预设的检测算法对当前帧图像进行检测，得到检测目标；从得到的检测目标中获取初始目标；将当前帧图像作为新的初始帧图像，并执行基于预设的目标跟踪算法依次在初始帧图像的后续帧图像中对初始目标进行跟踪。本申请提供的目标跟踪方法可以提高对目标跟踪的准确率。
-
公开(公告)号：CN110826566A
公开(公告)日：2020-02-21
申请号：CN201911059934.1
申请日：2019-11-01
Applicant: 北京环境特性研究所
Abstract: 本发明涉及一种基于深度学习的目标切片提取方法，该方法包括：基于原始图像确定待提取的目标，针对目标搭建深度卷积神经网络并进行训练；将原始图像输入训练好的深度卷积神经网络，通过深度卷积神经网络对含背景的原始图像进行像素级目标背景分离，实现目标分割；根据分离背景得到的目标图像和切片预定尺寸，获取目标切片图像并调整其尺寸；判断调整后的目标切片图像是否存在缺失像素，如存在，则计算缺失尺寸并进行相应的缺失填充，得到最终的目标切片。该方法实现了目标自动检索、像素分割，支持批量制备目标切片，保证目标切片提取过程中不会被随意裁剪、缩放的同时，实现目标切片提取的智能化、高效化。
-
公开(公告)号：CN110781839A
公开(公告)日：2020-02-11
申请号：CN201911037783.X
申请日：2019-10-29
Applicant: 北京环境特性研究所
Abstract: 本发明涉及目标识别技术领域，尤其涉及一种基于滑窗的大尺寸图像中小目标识别方法，包括如下步骤：滑窗设置、根据待检测的原始图像及深度神经网络的输入要求，设置滑窗规格与滑窗步长；图像分割、基于设置好的滑窗分割原始图像，记录各个滑窗编号、坐标以及分割得到的区域图像；目标识别、设置深度神经网络参数，将各个滑窗分割得到的区域图像依次输入深度神经网络，对各滑窗区域图像进行目标检测识别，并记录每个目标的识别结果；结果处理及反馈、对各滑窗区域图像识别结果进行解析，输出最终识别结果。该方法可解决当前机载、卫星图像等大尺寸图像无法实现小目标直接检测识别以及直接分割图像易导致目标被分裂而无法识别的问题。
-
公开(公告)号：CN109711381A
公开(公告)日：2019-05-03
申请号：CN201910007003.0
申请日：2019-01-04
Applicant: 北京环境特性研究所
Abstract: 本发明涉及一种遥感图像的目标识别方法，其获取训练遥感图像，以及，获取与所述训练遥感图像对应的标准识别结果；对预设神经网络进行优化，获取优化神经网络；其中，所述优化神经网络具有至少两个不同尺度的用于检测图像的感知域；根据所述训练遥感图像和所述标准识别结果，训练所述优化神经网络，得到训练神经网络；将待识别的遥感图像输入所述训练神经网络，得到所述遥感图像的目标识别结果；能够有效降低成本，并且能够对遥感图像实时检测，且精度较高。
-
Patent Agency Ranking
公开(公告)号：CN105868750B
公开(公告)日：2019-01-25
申请号：CN201610178033.4
申请日：2016-03-25
Applicant: 北京环境特性研究所
Abstract: 公开了一种基于先验信息的表盘指针识别方法，通过进行圆周扫描，能够确定表盘上指针粗端的位置；通过根据指针粗端的位置间接获取指针细端的位置，能够避免由于指针细端过细而导致图像识别不准的情况发生，使处理结果更加精确。为使结果更加精准，本发明还利用预测指针细中心再次验证预测指针细端中心是否正确，能够进一步识别结果更加精准。根据本发明的表盘指针识别方法稳定性高、鲁棒性强、实用性好。
-
公开(公告)号：CN108764456A
公开(公告)日：2018-11-06
申请号：CN201810289335.8
申请日：2018-04-03
Applicant: 北京环境特性研究所
CPC classification number: G06N3/0454 , G06K9/00664 , G06K9/6256
Abstract: 本发明涉及一种机载目标识别模型构建平台、机载目标识别方法及设备，机载目标识别模型构建平台，包括：存储服务器，用于将实测数据和特性数据存储至对应的分类训练数据集；训练服务器，用于将分类训练数据集中的每一个样本输入到深度学习网络，进行特征训练，当接收到生成指令时，为特征训练的结果生成机载目标识别模型；当接收到反向传播指令时，将特征训练的结果反向输入到深度学习网络，进行特征训练；识别服务器，用于对特征训练的结果进行识别测试，并针对识别测试结果，统计识别率，当识别率不小于预设的识别基准值时，发送模型生成指令，否则，发送反向传播指令。本发明提供的方案能够有效地提高机载目标识别的准确率。
-
公开(公告)号：CN104658008B
公开(公告)日：2017-09-12
申请号：CN201510012881.3
申请日：2015-01-09
Applicant: 北京环境特性研究所
IPC: G06T7/254
Abstract: 本发明公开了一种基于视频图像的人员聚集检测方法，包括：根据连续的视频图像进行监控区域的背景学习，获得监控区域静态的当前背景图像；对从视频图像中选取的n个连续视频帧中的每一个视频帧进行逐像素背景差分操作和图像分割操作，对连续视频帧对应的分割后二值图像进行累加操作，得到累加图像矩阵；对累加图像矩阵进行阈值分割，获得分割图像；去除分割图像中的噪点，填补空洞，形成目标图像；对目标图像中像素值为1的连通区域进行像素数统计，将连通区域的像素数设为该连通区域的面积；根据目标图像中各个连通区域的面积和预设的面积阈值，判断是否存在人员聚集区域。使用上述的方法，可以较少的计算代价，实现人员聚集现象的快速检测。
-
公开(公告)号：CN105550663A
公开(公告)日：2016-05-04
申请号：CN201610009132.X
申请日：2016-01-07
Applicant: 北京环境特性研究所
CPC classification number: G06K9/00711 , G06K9/6202 , G06K9/6289 , G06Q50/10 , G06T2207/10016 , G06T2207/20221 , G06T2207/30242
Abstract: 本发明公开了一种影院上座率统计方法及系统，包括：采集背景图像；提取背景图像中每个座位区域的边缘，生成座位网格；获取至少一个时间周期的监控图像，并计算在任一时间周期内每帧监控图像与背景图像的差分图像；对该时间周期内所有的差分图像进行累积，生成该时间周期的目标图像；将座位网格覆盖在目标图像上，得到目标图像的座位区域；计算目标图像中每个座位区域的面积；对于目标图像中的每个座位区域，基于座位区域的像素分布及座位区域面积，得到在该时间周期内每个座位的就座信息；根据就座信息获取上座率。根据本发明的影院上座率统计方法及系统，能够准确计算影院的上座率，为获取真实的票房信息提供判断依据。
-
公开(公告)号：CN119669482A
公开(公告)日：2025-03-21
申请号：CN202411729179.4
申请日：2024-11-28
Applicant: 北京环境特性研究所
IPC: G06F16/36 , G06F16/334 , G06N5/022
Abstract: 本发明公开了一种电磁散射数据知识图谱的构建方法及装置，属于数据处理领域。方法包括：获取结构化处理后的多维电磁散射数据；利用大型语言模型对所述多维电磁散射数据进行识别，确定所述多维电磁散射数据对应的运动目标间的相互作用关系；根据相互作用关系构建运动目标电磁散射数据的知识图谱，并将知识图谱存储在增强型图数据库。本发明能够提高数据处理的效率和知识图谱的表达能力，同时适应复杂场景需求，尤其适合动态变化的数据环境。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.028 seconds)
