-
公开(公告)号：CN111612817A
公开(公告)日：2020-09-01
申请号：CN202010375319.8
申请日：2020-05-07
Applicant: 桂林电子科技大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于深浅特征自适应融合与上下文信息的目标跟踪方法，首先，获取视频图像序列的第一帧图像，并基于上下文感知框架建立深层特征模型和浅层特征模型；然后获取所述视频图像序列的多个第二帧图像，并利用所述深层特征模型和所述浅层特征模型计算出对应的跟踪目标的深层特征响应和浅层特征响应；并根据所述深层特征响应和所述浅层特征响应自适应融合后的响应总和，得到所述跟踪目标在对应的所述第二帧图像中的位置；并基于阈值判断平均峰值相关能量，并更新所述深层特征模型和所述浅层特征模型，直至所述视频图像序列结束，能够有效跟踪目标，并且具有较高的准确率。
-
公开(公告)号：CN111353393A
公开(公告)日：2020-06-30
申请号：CN202010102280.2
申请日：2020-02-19
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于神经网络的犬只检测与预警系统，所述基于神经网络的犬只检测与预警系统包括数据采集子系统、检测与测距子系统和预警子系统，所述数据采集子系统、所述检测与测距子系统和所述预警子系统依次电性连接，利用摄像头对犬只进行图像采集，获取所述数据采集子系统采集的图像，并利用SSD检测框架经Darknet-53网络预测后直接预测图片类型，并对人犬距离计算采用k-means算法对犬只的检测数据进行聚类处理，将所述检测与测距子系统的结果进行上传，并进行预警操作，对不同种类的犬只进行快速识别，并对犬只距离测算算法进行优化，提高犬只预警速度，有效预防犬只伤人情况的发生。
-
公开(公告)号：CN110472679A
公开(公告)日：2019-11-19
申请号：CN201910728575.8
申请日：2019-08-08
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种基于Siamese网络的无人机跟踪方法及装置，该方法包括采集无人机图像样本；对采集的所述无人机图像样本进行数据扩充，生成第一样本；利用第一样本对Siamese网络进行预训练；利用训练好的Siamese网络对实时采集的无人机图像进行特征提取，生成第一低维特征矩阵；在实时采集的无人机图像中选取无人机的位置；利用训练好的Siamese网络对跟踪目标进行特征提取，生成第二低维特征矩阵；在第一低维特征矩阵中进行滑动操作，生成若干第三低维特征矩阵；计算第二低维特征矩阵与第三低维特征矩阵的相似度，其中与第二低维特征矩阵相似度最高的第三低维特征矩阵即为跟踪目标的下一帧区域；将相似性最高的区域的二进制掩膜作为输出，得到无人机在视频中的位置。
-
公开(公告)号：CN110031873A
公开(公告)日：2019-07-19
申请号：CN201910309382.9
申请日：2019-04-17
Applicant: 桂林电子科技大学
IPC: G01S19/23
Abstract: 本发明适用于卫星导航领域，提供了一种GNSS多径信号模拟方法和GNSS多径信号模拟器。所述方法包括：根据多径卫星信号模拟参数计算得到每个多径信道中的多径信号幅度以及多径信号和直射信号到达接收机前端的时间差；根据模拟源的仿真参数和多径信号到达接收机前端的时间计算得到满足多径信号相位延迟量要求的多径信号的频率控制字；根据多径信号的频率控制字生成一路或多路多径正弦载波和伪码信号；将伪码信号与卫星导航电文数据进行扩频调制，并将扩频调制后的数据再次调制到多径正弦载波上，得到多径数字中频信号。本发明的方法生成的多径信号的码相位和载波相位分辨率高、相位调控精细，且生成的卫星信号鲁棒性好、逼真度高和信号连续性优。
-
公开(公告)号：CN109932734A
公开(公告)日：2019-06-25
申请号：CN201910280085.6
申请日：2019-04-09
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种适用于伪卫星位置的计算方法，包括：判断是否为伪星系统；若是，读取所述伪星系统的坐标常数；计算归一化时间；计算卫星的平均角速度；分别计算信号发射时刻的平近点角、偏近点角、真近点角、升交点角距、摄动校正项；计算摄动校正后的升交点角距、卫星矢量长度和轨道倾角；计算伪卫星在轨道平面的位置；计算信号发射时刻的升交点赤经；计算伪卫星在地固坐标系下的位置。本发明仅修改卫星位置算法中的基本大地参数，使得使用四个星历参数可以计算伪卫星空间位置，解决了目前使用原有广播星历不能表示地面静止物体坐标的问题。
-
Patent Agency Ranking
公开(公告)号：CN119618205A
公开(公告)日：2025-03-14
申请号：CN202411889668.6
申请日：2024-12-20
Applicant: 南宁桂电电子科技研究院有限公司 , 桂林电子科技大学
Abstract: 本发明提出一种基于MEMS IMU辅助搜索的COA(Coati Optimization Algorithm)姿态解算方法，所述方法包括一：在GNSS信号弱的城市街道采集IMU和BDS双天线数据；包括二：通过MEMS IMU输出数据计算俯仰角和偏航角，确定优化算法搜索边界；包括三：根据GNSS载波相位观测模和姿态观测模型，定义待优化的适应度函数；包括四：引入自适应动态参数调整机制，以加速算法的收敛过程并有效避免陷入局部最优解；包括五：针对解空间中跳跃性过大或收敛速度较慢的问题，提出了步长自适应调整机制，以提高优化过程的效率和精度；包括六：在惯性导航系统确定的空间范围内，应用改进的COA进行姿态搜索与优化，求解系统的精确姿态。
-
公开(公告)号：CN117975308A
公开(公告)日：2024-05-03
申请号：CN202410214348.4
申请日：2024-02-27
Applicant: 桂林电子科技大学
IPC: G06V20/17 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及无人机技术领域，尤其涉及一种基于多模态图像融合的无人机夜视目标识别系统及方法，包括无人机数据采集模块、红外和微光图像融合模块、夜视与可见光图像融合模块以及目标识别模块，通过无人机数据采集模块采集形成初始数据集，再经红外和微光图像融合模块、夜视与可见光图像融合模块拼接融合获得多模态图像数据集，通过目标识别模块将生成的多模态图像数据集引入YOLOv8目标识别算法，进行图像标注并训练数据集，进而实现对目标物体的识别；最后形成的目标识别模型迁移至无人机中，能够使得无人机更快的产生响应，在终端显示出已经目标识别后的图像，提高夜视环境下的无人机目标识别准确度和效率。
-
公开(公告)号：CN117173577A
公开(公告)日：2023-12-05
申请号：CN202311211198.3
申请日：2023-09-19
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G06V20/10 , G06V20/13 , G06V10/82 , G06N3/0464 , G06V10/764
Abstract: 本发明提出一种基于改进Swin Transformer的遥感影像建筑物变化检测方法，包括一：采集建筑物的遥感影响数据，对数据集中的遥感影像数据进行预处理，制作训练数据集；二：构建CNN模块与Swin Transformer模块，用于提取建筑物的全局‑局部特征；三：基于CNN‑Swin Transformer特征提取模块来设计特征提取编码器和多尺度特征融合解码器；四：基于CNN‑Swin Transformer特征提取编码器，以及解码器来构建改进的变化检测网络；五：将编码器所提取的特征输入到解码器中，得到二分类结果图。本发明有效提高了建筑物变化检测的准确率，分割结果形状规则且边缘细腻，基本没有检测到伪变化区域。实现对建筑物变化区域的准确检测，对比现有变化检测方法在应用于国土资源管理方面上更具优势。
-
公开(公告)号：CN116630845A
公开(公告)日：2023-08-22
申请号：CN202310488020.7
申请日：2023-05-04
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
Abstract: 本发明涉及计算机视觉技术领域，具体涉及一种结合层级编码器和并行注意力机制的目标跟踪方法，包括对视频序列进行预处理，得到初始模板图像和初始搜索图像；利用改进的特征提取主干网络VGG16对初始模板图像和初始搜索图像进行特征提取，得到模板特征和搜索特征；将所述模板特征和搜索特征通过并行注意力机制处理得到两个特征；将得到的两个特征融合后分别输入到改进的特征提取主干网络VGG16的后两层卷积块和DWConv‑Transformer编码器中进行处理，得到最终模板特征和最终搜索特征；将最终模板特征经过并行注意力机制处理后与最终搜索特征进行一个互相关卷积，得到两者的相似得分图，并利用相似得分图中最大值点坐标映射回原图得到跟踪结果。
-
公开(公告)号：CN110262529B
公开(公告)日：2022-06-03
申请号：CN201910510327.6
申请日：2019-06-13
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种基于卷积神经网络的无人机监控方法，包括：采集视频序列，将所述视频序列输到图像处理器中；对采集的视频数据进行预处理，并通过链队列将预处理后的视频数据进行缓存；通过提前预训练好的卷积神经网络模型对链队列中存取的视频数据进行分析，分析后的输出结果为无人机的空间坐标，并将无人机空间坐标下发到监控终端；读取无人机的空间坐标，对所述空间坐标进行分析，计算出舵机转动量，将所述舵机转动量发送到舵机中，控制舵机转动。本发明将卷积神经网络模型应用于无人机监控，并采用多线程链队列等技术进一步优化性能。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.052 seconds)
