-
公开(公告)号：CN113850842B
公开(公告)日：2025-03-04
申请号：CN202111127342.6
申请日：2021-09-26
Applicant: 北京理工大学
IPC: G06T7/246 , G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及一种基于注意力掩膜的抗遮挡目标跟踪方法，属于计算机视觉领域。针对现有跟踪方法，在目标存在遮挡的情况下，容易出现跟踪飘移的问题，本方法首先通过加入注意力机制的特征提取网络对候选区域图像进行特征提取；然后，利用AMGN网络，根据提取到的候选区域特征和空间注意力矩阵，得到遮挡特征样本，用以在特征空间模拟多种目标遮挡情况，增强遮挡正样本；最后，利用判别网络，根据第二、三卷积层遮挡特征样本的融合对特征属于目标还是背景进行区分，最终实现遮挡情况下的目标跟踪。本方法适用于视频监控、人机交互及无人驾驶等领域，对运动目标进行精确跟踪。
-
公开(公告)号：CN109033969B
公开(公告)日：2022-12-02
申请号：CN201810669568.0
申请日：2018-06-26
Applicant: 北京理工大学
Abstract: 本发明公开的基于贝叶斯显著图计算模型的红外目标检测方法，具体涉及基于视觉注意机制的红外目标检测方法，属于计算机视觉技术领域。本发明实现方法如下：以贝叶斯定理为基础，通过计算红外图像的先验概率和似然概率，建立基于贝叶斯定理的显著图计算模型；基于meanshift分割算法和侧抑制求解先验概率；基于像素点统计求解似然概率；基于求解的先验概率和似然概率，计算最终显著图，获取红外目标检测结果。本发明基于贝叶斯显著图计算模型实现对红外目标检测，具有如下优点：背景噪声抑制能力强，显著区域轮廓清晰完整。
-
公开(公告)号：CN114662644A
公开(公告)日：2022-06-24
申请号：CN202111294464.4
申请日：2021-11-03
Applicant: 北京理工大学
Abstract: 本发明公开的基于动态阈值神经元的深度脉冲神经网络的图像识别方法，属于类脑计算、深度学习领域。针对现有DNN‑to‑SNN转换技术实现深度SNN时，脉冲传输速率低、发放率低、转换精度存在损失的问题。本发明实现方法为：首先训练DNN，得到权重并保存；然后，基于DNN‑to‑SNN转换方法，将DNN中的激活函数ReLU转换为SNN中具有动态阈值的IF神经元，将DNN权重进行归一化，映射到SNN；最后，仿真运行SNN，每个时间步计算每个神经元的阈值。本方法适用于图像分类识别、目标识别与跟踪等人工智能领域，可加快脉冲传输速率，提高脉冲发放率，加快信息传输，同时降低转换损失。
-
公开(公告)号：CN113744311A
公开(公告)日：2021-12-03
申请号：CN202111024719.5
申请日：2021-09-02
Applicant: 北京理工大学
Abstract: 本发明公开的基于全连接注意力模块的孪生神经网络运动目标跟踪方法，属于计算机视觉跟踪技术领域。本发明在利用孪生神经网络提取图片特征后，利用全连接注意力模块对模板分支提取的模板特征处理，该模板特征融合原模板特征后作为注意力加强的模板特征与进行相同操作的更新模板特征相结合，得到的新模板特征与搜索特征融合，实现模板特征的自注意和互注意，提升鲁棒性；根据融合加强模板特征和搜索特征的响应图，得到对应搜索图中目标的位置信息和尺寸偏移信息；根据每固定帧的网络预测结果对更新模板分支的输入进行更新，提升跟踪精度。本发明在目标发生剧烈形变、短暂消失后重现或遮挡等条件下，仍然能持续稳定地实现目标跟踪。
-
公开(公告)号：CN113538512A
公开(公告)日：2021-10-22
申请号：CN202110750336.X
申请日：2021-07-02
Applicant: 北京理工大学
Abstract: 本发明涉及一种光电信息处理方法，特别涉及一种基于多层旋转记忆模型的光电信息处理方法，属于计算机视觉领域。本发明建立一种多层旋转记忆模型，并将其用于相关滤波跟踪框架中，使得所公开方法在跟踪过程中具有记忆先前出现的场景的功能，从而可以在当前目标发生姿态突变、短暂消失后重现以或发生遮挡等问题时依然能持续稳定的跟踪，有效提升了鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN110276776A
公开(公告)日：2019-09-24
申请号：CN201910521356.2
申请日：2019-06-17
Applicant: 北京博睿维讯科技有限公司 , 北京理工大学
Abstract: 本发明公开的是一种基于SPCNN的自适应目标检测方法，属于计算机视觉技术领域。本发明实现方法为：计算图像静态属性参数；根据斯蒂文斯定律推导出理论公式，计算阈值衰减时间常数αe，使阈值衰减时间常数αe能够根据目标图像的整体灰度特征自适应设定；基于自适应侧抑制机制，利用双曲正切函数对抑制系数计算模型进行改进，用抑制系数计算模型计算每个像素点的链接权值矩阵；将图像输入参数自适应设置完好的SPCNN中，不断迭代并产生二值化分割结果，提取候选目标；基于神经元同步中的快速连接机制，结合灰度图像准则，通过计算相邻迭代分割结果的相似度并寻找相似度极大值实现最佳分割结果的自动输出，同时自动控制迭代，提高目标检测方法的效率和智能化。
-
公开(公告)号：CN109033969A
公开(公告)日：2018-12-18
申请号：CN201810669568.0
申请日：2018-06-26
Applicant: 北京理工大学
CPC classification number: G06K9/00624 , G06K9/40 , G06K9/4671 , G06K9/6247 , G06K9/6296 , G06K2209/21
Abstract: 本发明公开的基于贝叶斯显著图计算模型的红外目标检测方法，具体涉及基于视觉注意机制的红外目标检测方法，属于计算机视觉技术领域。本发明实现方法如下：以贝叶斯定理为基础，通过计算红外图像的先验概率和似然概率，建立基于贝叶斯定理的显著图计算模型；基于meanshift分割算法和侧抑制求解先验概率；基于像素点统计求解似然概率；基于求解的先验概率和似然概率，计算最终显著图，获取红外目标检测结果。本发明基于贝叶斯显著图计算模型实现对红外目标检测，具有如下优点：背景噪声抑制能力强，显著区域轮廓清晰完整。
-
公开(公告)号：CN105120141B
公开(公告)日：2018-02-16
申请号：CN201510415347.7
申请日：2015-07-15
Applicant: 北京理工大学
IPC: H04N5/232
Abstract: 本发明公开的一种压缩感知光电成像方法及装置，涉及基于光学离焦与Binning下采样的压缩感知光电成像方法装置，属于光电技术领域。本发明包括如下步骤：通过光学系统的轴向离焦对输入光学图像进行高斯滤波，使下采样观测矩阵与图像重建时所用稀疏基的相关性下降，从而满足严格等距条件；对高斯滤波后的图像信号进行下采样，基于单次下采样获得低像素的图像，得到的图像包含重建原始图像所需的全部测量值；基于单次压缩采集图像进行高分辨率图像的重建，得到所需高分辨率成像图像。本发明还公开一种压缩感知光电成像装置。本发明可提高压缩感知光电成像系统的速率特性和对动态目标的成像能力，并可以降低压缩感知光电成像系统的实现难度和成本。
-
公开(公告)号：CN105120141A
公开(公告)日：2015-12-02
申请号：CN201510415347.7
申请日：2015-07-15
Applicant: 北京理工大学
IPC: H04N5/232
Abstract: 本发明公开的一种压缩感知光电成像方法及装置，涉及基于光学离焦与Binning下采样的压缩感知光电成像方法装置，属于光电技术领域。本发明包括如下步骤：通过光学系统的轴向离焦对输入光学图像进行高斯滤波，使下采样观测矩阵与图像重建时所用稀疏基的相关性下降，从而满足严格等距条件；对高斯滤波后的图像信号进行下采样，基于单次下采样获得低像素的图像，得到的图像包含重建原始图像所需的全部测量值；基于单次压缩采集图像进行高分辨率图像的重建，得到所需高分辨率成像图像。本发明还公开一种压缩感知光电成像装置。本发明可提高压缩感知光电成像系统的速率特性和对动态目标的成像能力，并可以降低压缩感知光电成像系统的实现难度和成本。
-
公开(公告)号：CN113538512B
公开(公告)日：2024-09-06
申请号：CN202110750336.X
申请日：2021-07-02
Applicant: 北京理工大学
Abstract: 本发明涉及一种光电信息处理方法，特别涉及一种基于多层旋转记忆模型的光电信息处理方法，属于计算机视觉领域。本发明建立一种多层旋转记忆模型，并将其用于相关滤波跟踪框架中，使得所公开方法在跟踪过程中具有记忆先前出现的场景的功能，从而可以在当前目标发生姿态突变、短暂消失后重现以或发生遮挡等问题时依然能持续稳定的跟踪，有效提升了鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.031 seconds)
