-
公开(公告)号：CN112699718A
公开(公告)日：2021-04-23
申请号：CN202010293830.3
申请日：2020-04-15
Applicant: 南京工程学院
Abstract: 本发明公开了一种尺度和光照自适应的结构化多目标跟踪方法，包括利用多尺度Retinex算法对序列图像进行预处理，提取目标区域外观的方向梯度直方图HOG特征并采用结构化支持向量机SSVM进行分类，以SSVM获得的目标最优位置为中心，在目标位置中心提取多个不同尺度的HOG特征作为样本，采用判别型尺度空间跟踪算法DSST训练尺度滤波器，利用尺度滤波器的最大响应值对应的尺度来更新当前帧对应目标的尺度，通过随机梯度下降法SGD更新目标间的空间位置关系及SSVM的权重数值，并根据当前帧目标的尺度以及利用双线性插值调整SSVM尺度权重；且本发明可应用于智能视频监控，企业生产自动化和智能机器人领域。
-
公开(公告)号：CN107239729A
公开(公告)日：2017-10-10
申请号：CN201710228908.1
申请日：2017-04-10
Applicant: 南京工程学院
IPC: G06K9/00
Abstract: 本发明公开了一种基于光照估计的光照人脸识别方法，其方法为：首先依据图像成像模型从原始人脸图像中估计出初始光照，然后根据初始光照计算出光线遮挡校正光照与光照融合因子，构建光照融合模型，实现光线遮挡光照校正，接着运用全变分模型对光线遮挡校正后光照进行平滑滤波获取原始人脸图像的最终光照，最后运用光照不变量提取模型获取原始图像的光照不变量。本发明能较好地处理阴影边缘问题，提取包含丰富面部细节特征、更接近于原始人脸本征的光照不变量，不仅能满足图像的成像原理，光照的缓慢变化特性，还能适应复杂的照明环境。
-
公开(公告)号：CN103065331A
公开(公告)日：2013-04-24
申请号：CN201310014279.4
申请日：2013-01-15
Applicant: 南京工程学院
IPC: G06T7/20
Abstract: 本发明公开了一种基于空时域边缘和颜色特征关联的目标跟踪方法，包括如下步骤：1)选择被跟踪目标区域；2)提取目标边缘轮廓，并计算边缘方向角；3)沿水平和垂直两正交方向统计边缘-颜色共生特征对，建立目标边缘-颜色关联质心模型；4)选择高置信度边缘-颜色对质心进行概率加权，获得当前帧目标质心转移向量；5)统计相邻帧目标边缘间距离直方图，对相邻帧间匹配成功的距离变化率进行概率加权，获得目标尺度缩放参数。本发明实现了拥挤场景、遮挡和目标尺度变化情况下的目标跟踪，提高了跟踪鲁棒性、准确性和实时性。在视频图像处理领域具有广泛的应用前景，应用于智能视频监控、企业生产自动化、智能机器人等领域。
-
公开(公告)号：CN119723660A
公开(公告)日：2025-03-28
申请号：CN202411786497.4
申请日：2024-12-06
Applicant: 南京工程学院
IPC: G06V40/20 , G06V40/10 , G06V10/774 , G06V10/34 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多层筛选和关键点预测的摔倒检测方法，包括：构建日常行为数据集；建立识别摔倒检测模型；将识别出的标签名为跌倒的帧的前后e帧内的检测框内容并行输出，利用连续帧之间的图像差异来筛选出关键帧集合；生成中心帧及其相邻帧的人体关键点信息；计算得到人体质心点纵坐标的移动速度；采集人体下蹲时处于图像右侧的肩膀关节点在3D关键点图中相对地面的最大高度；若移动速度大于预设移动速度阈值，且期间所有帧的处于图像右侧的肩膀关节点的纵坐标均大于最大高度，则判定可能发生了跌倒。本发明的摔倒检测识别精度高，能够满足检测系统的鲁棒性、准确性和实时性的要求，同时可以直接部署到现有移动智能设备上。
-
公开(公告)号：CN114299121B
公开(公告)日：2025-01-24
申请号：CN202111639714.3
申请日：2021-12-29
Applicant: 南京工程学院
Abstract: 本发明提出一种基于自适应上下文感知的目标跟踪方法，包括：初始化卡尔曼滤波器、位置相关滤波器和尺度相关滤波器；利用第t帧中的卡尔曼滤波器和位置相关滤波器分别对第t+1帧中的目标位置进行估计，并根据位置相关滤波器的跟踪置信度确定第t+1帧中的目标位置；利用第t帧中的尺度相关滤波器对第t+1帧中的目标尺度进行估计；更新卡尔曼滤波器；当跟踪置信度大于一定阈值时，利用最优目标区域的位置、尺度和高可信度的干扰背景区域更新位置相关滤波器，并更新尺度相关滤波器。本发明利用高可信度的干扰背景更新相关滤波器，提高了对目标及背景的辨别力，并在跟踪可信时才更新相关滤波器模型，减少了模型漂移和更新次数，提升了跟踪速度。
-
Patent Agency Ranking
公开(公告)号：CN116259047A
公开(公告)日：2023-06-13
申请号：CN202211723820.4
申请日：2022-12-30
Applicant: 南京工程学院
IPC: G06V20/60 , G06V10/82 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/082
Abstract: 一种基于改进双向加权特征金字塔的城市树木检测方法，首先采集城市常见绿化树木的图像和视频，建立城市绿化树木样本集；然后构建改进网络，包括：引入BiFPN结构，将特征输出简化为三个，减少冗余语义特征，引入高效通道注意力机制增加BiFPN对关键特征的关注度，增强特征融合质量；利用改进GSConv卷积结构，将经过密集卷积和深度可分离卷积生成的特征信息进行拼接，使特征信息充分融合，提升特征提取能力并减少运算量；引入SIoU损失函数，通过加入向量角度这一惩罚项，减少与距离相关的变量，降低了回归自由度，加快了网络收敛，进一步了提升回归精度；本发明可应用于智能视频监控、企业生产自动化和智能机器人等领域。
-
公开(公告)号：CN110349184B
公开(公告)日：2022-08-09
申请号：CN201910489984.7
申请日：2019-06-06
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于迭代滤波和观测判别的多行人跟踪方法，对待检测视频图像进行3次迭代部件组合检测以降低漏检率；计算第3次迭代后保留的新增目标头部灰度直方图与第2次迭代后的头部图像块的平均灰度直方图间的直方图面积重叠率，滤除重叠率小于设定阈值的目标头部检测框，有效抑制误检测框对检测性能的影响，保留可靠的目标检测框，利于提高检测精确率；进一步提取互遮挡或不完整检测目标的局部可观测区域，获得多目标可观测区域的中心和尺度信息并建立成观测数据集；根据观测数据集及目标轨迹置信度实现跟踪。本发明可应用于人工智能，智能机器人和智能视频监控等领域。
-
公开(公告)号：CN114137975A
公开(公告)日：2022-03-04
申请号：CN202111421111.6
申请日：2021-11-26
Applicant: 南京工程学院
IPC: G05D1/02
Abstract: 本发明公开了一种超声波辅助融合定位的无人车导航纠偏方法，包括S1、以无人车自身坐标系建立车身坐标系；S2、在无人车上安装信息采集装置和超声波传感器，采集并计算无人车的位姿信息以及所在空间的环境信息；S3、对无人车的位姿信息进行扩展卡尔曼滤波融合，得到融合后的位姿；S4、将超声波传感器的量测数据结合融合后的位姿，比较导航过程中左右两侧前后超声波与墙壁距离关系以及无人车融合后的位姿，并根据无人车与左右墙体之间的相对位置关系判断车体是否偏移；S5、判断车体偏移后停止导航并下发转向角度w，将无人车矫正到与左右障碍平面平行的关系再继续导航。本发明可有效降低传感器测量过程随机噪声，极大减少无人车与行进途中本体左右的墙体发生碰撞的概率。
-
公开(公告)号：CN109685073A
公开(公告)日：2019-04-26
申请号：CN201811622476.3
申请日：2018-12-28
Applicant: 南京工程学院
CPC classification number: G06K9/4671 , G06F17/16 , G06K9/42 , G06K9/6256 , G06T7/11 , G06T7/168 , G06T2207/20056
Abstract: 本发明公开了一种基于核相关滤波的尺度自适应目标跟踪算法，属于计算机视觉领域。包括：选取第一帧待跟踪目标，确定为候选区域；提取候选区域的梯度方向直方图（HOG）特征，进行余弦加权；用KCF算法将候选区域进行循环移位产生训练样本，根据样本训练得到的位置滤波器与候选样本提取的HOG特征在频域中计算得出响应值，更新当前帧目标位置；以上一帧确定的目标位置为中心，得到尺度滤波器并计算得出响应值，将最大响应值对应的尺度作为当前帧的目标尺度；重新提取样本训练滤波器，以线性内插的方式更新位置滤波器和尺度滤波器，进行后续帧的跟踪；本发明可应用于智能视频监控，企业生产自动化和智能机器人等领域。
-
公开(公告)号：CN105512625B
公开(公告)日：2019-01-22
申请号：CN201510874560.4
申请日：2015-12-02
Applicant: 南京工程学院 , 南京雷斯克电子信息科技有限公司
Abstract: 本发明公开了一种基于聚类子区域关联的稳定特征挖掘和目标跟踪方法，a)自适应检测目标运动区域，提取该运动区域的V色彩分量直方图峰轮廓，根据候选峰、区域峰和残余峰能量，获得聚类数；b)构建目标运动区域的S和V分量样本灰度矩阵，进行类数自适应的K‑means聚类；c)对基于类的连通子区域进行标记并建立子区域模板、观测模型和增量模型描述；d)建立目标模板和当前观测模型子区域间关联，挖掘“模板‑观测”稳定子区域特征对及模板特征变化率；e)加权融合模板各稳定子区域位移、目标检测区域中心和上一帧轨迹以定位目标当前轨迹，并根据稳定特征的加权平均增量及其变化率逐帧更新目标模板。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.024 seconds)
