-
公开(公告)号：CN115797408A
公开(公告)日：2023-03-14
申请号：CN202211522027.8
申请日：2022-11-30
Applicant: 清华大学
Abstract: 本发明公开了融合多视角图像和三维点云的目标跟踪方法及装置，该方法包括：首先融合多视角多模态数据预测出场景中目标的三维位置，然后利用三维检测结果获得目标的三维空间信息和多视角图像中的目标外观特征，计算匹配分数矩阵，最终得到精准的三维目标跟踪结果。本发明使用当前物体的外观特征和历史待恢复轨迹的外观特征匹配进行轨迹修复。本发明的三维目标跟踪方法可以极大消除单一模态跟踪结果中轨迹交换、目标丢失等问题，获得准确度高、连续性好、鲁棒性强的目标长时期跟踪轨迹，为场景感知和安防监控提供便利。
-
公开(公告)号：CN112581503B
公开(公告)日：2022-11-11
申请号：CN202011558911.8
申请日：2020-12-25
Applicant: 清华大学
Abstract: 本发明提出一种多视角下的多目标检测与跟踪方法，属于计算机视觉领域。本发明实现多摄像机同步对公共区域内的多目标进行检测与跟踪，一方面对目标在单个摄像机下的监控进行逐帧在线跟踪，生成置信度很高的跟踪轨迹片段；另一方面对不同视角下的同一目标进行无监督方式的聚类，根据聚类结果以及每个相机下的跟踪轨迹片段来生成更加准确的跟踪轨迹。本发明在给定多摄像机公共监控的一片区域，能够对公共区域内的目标进行联合检测与跟踪，方法简便，跟踪效果好，有很高的应用价值。
-
公开(公告)号：CN114943682A
公开(公告)日：2022-08-26
申请号：CN202210179800.9
申请日：2022-02-25
Applicant: 清华大学 , 强联智创(北京)科技有限公司
Abstract: 本申请提出了一种三维血管造影图像中解剖学关键点的检测方法，涉及医学图像处理技术领域，其中，该方法包括：获取三维血管造影图像作为测试图像；对测试图像进行预处理，并将预处理后的图像输入到预先训练的多任务深度学习网络中，输出解剖学关键点预测概率图，其中，多任务深度学习模型是以包含与所述测试图像同一血管类型的三维血管造影训练图像以及三维血管造影训练图像的标注结果作为训练数据集训练得到的；根据解剖学关键点预测概率图中体素位置的预测概率，生成解剖学关键点的检测结果。采用上述方案的本申请能够充分利用不同任务间的协同作用，显式建模血管拓扑变异类型，结合空间先验信息，实现良好的检测性能。
-
公开(公告)号：CN114202778A
公开(公告)日：2022-03-18
申请号：CN202111301866.2
申请日：2021-11-04
Applicant: 清华大学
Abstract: 本申请提出一种由平面指纹估计手指三维姿态的方法和系统，属于人机交互技术领域，其中，由平面指纹估计手指三维姿态的方法，通过采集待测对象的平面指纹图像；利用预先训练的平面姿态估计模型确定与平面指纹图像对应的平面指纹姿态；根据平面指纹姿态，通过参数学习或者统计建模的方式确定与待测对象匹配的完整的手指三维姿态。采用上述方案的本申请通过预先训练一个精确的平面姿态估计模型，并以此为基础通过参数学习或者统计建模方法确定与待测对象的平面指纹姿态匹配的完整的手指三维姿态，解决了目前指纹的手指三维姿态估计技术在功能和便利性方面均不理想的技术问题。
-
公开(公告)号：CN113743272A
公开(公告)日：2021-12-03
申请号：CN202110996088.7
申请日：2021-08-27
Applicant: 清华大学
Abstract: 本公开是关于一种3D指纹展开方法、装置，涉及指纹识别领域，具体实现方案包括：获取手指三维点云，通过对手指三维点云预先处理，得到展开指纹图；获取手指按捺指纹图，根据手指按捺指纹图和展开指纹图对按捺时的手指姿态进行预估，得到手指空间姿态；根据手指空间姿态对三维点云进行校正处理，并以此生成对应姿态下的3D指纹展开图。本公开降低了3D指纹匹配的局限性，防止手指匹配模型与手指形态不匹配，保证3D指纹展开不会产生变形，降低了3D指纹按压姿态与按捺时手指按压姿态之间的差异，防止指纹匹配发生错误。
-
Patent Agency Ranking
公开(公告)号：CN113570699A
公开(公告)日：2021-10-29
申请号：CN202110703117.6
申请日：2021-06-24
Applicant: 清华大学
Abstract: 本申请提出了一种三维指纹重建的方法和装置，涉及指纹识别技术领域，其中，该方法包括：采集手指在滚动按压中的指纹图像序列；采集指纹图像序列中每帧指纹图像对应的手指三维空间姿态；对每帧指纹图像进行指纹区域分割，并对指纹区域内的手指表面深度进行估计得到每帧指纹图像中各点上手指表面法向量的近似估计；根据每帧指纹图像中指纹区域内各点的表面法向量以及手指三维空间姿态进行帧间信息融合，计算完整手指表面上各点的表面法向量；将手指表面上各点的表面法向量转换为三维空间中梯度的表达形式，以对手指指纹进行三维指纹表面的重建。本发明降低三维指纹的获取难度，促进三维指纹的应用，提高指纹识别算法在困难场景下的效率和性能。
-
公开(公告)号：CN108898626B
公开(公告)日：2019-09-27
申请号：CN201810643770.6
申请日：2018-06-21
Applicant: 清华大学
Abstract: 本发明提出一种冠状动脉的自动配准方法，涉及医学图像处理领域。该方法首先获取获取一对冠状动脉图像，对每张图像进行血管分割并提取冠状动脉中心线。然后对每张图像中的中心线提取分叉点特征并进行匹配，得到最终匹配的分叉点点对集合；利用该集合，对中心线片段配准，删除特有分叉点及部分中心线片段，得到匹配后的中心线片段对以及精细配准后的采样点对集合；对删除的特有中心线片段在另一图像中对应的遗漏片段进行进一步分割及配准，得到最终的冠状动脉中心线的配准结果。本发明可处理两个冠状动脉中心线拓扑结构不一致的情形，并对冠状动脉的遗漏片段和中心线片段进行进一步配准，提高分割和配准结果的完整性。
-
公开(公告)号：CN108898626A
公开(公告)日：2018-11-27
申请号：CN201810643770.6
申请日：2018-06-21
Applicant: 清华大学
Abstract: 本发明提出一种冠状动脉的自动配准方法，涉及医学图像处理领域。该方法首先获取获取一对冠状动脉图像，对每张图像进行血管分割并提取冠状动脉中心线。然后对每张图像中的中心线提取分叉点特征并进行匹配，得到最终匹配的分叉点点对集合；利用该集合，对中心线片段配准，删除特有分叉点及部分中心线片段，得到匹配后的中心线片段对以及精细配准后的采样点对集合；对删除的特有中心线片段在另一图像中对应的遗漏片段进行进一步分割及配准，得到最终的冠状动脉中心线的配准结果。本发明可处理两个冠状动脉中心线拓扑结构不一致的情形，并对冠状动脉的遗漏片段和中心线片段进行进一步配准，提高分割和配准结果的完整性。
-
公开(公告)号：CN102982544B
公开(公告)日：2015-09-30
申请号：CN201210476081.3
申请日：2012-11-21
Applicant: 清华大学
IPC: G06T7/00
Abstract: 本发明涉及计算机视觉、图像处理及模式识别等技术领域，具体涉及一种多前景目标图像交互式分割方法。该图像交互式分割方法，包括步骤：S1.构建图像像素相似度矩阵；S2.获取图像像素标签信息；S3.结合所述图像像素相似度矩阵以及图像像素标签信息，构建谱聚类分割模型并求解得到初步分割结果；S4.构建空间平滑约束；S5.结合所述初步分割结果以及空间平滑约束，构建马尔科夫随机场模型并求解得到最终分割结果。本发明融合了GrabCut方法和线性约束谱聚类方法的优点，同时又避免了各自的缺点，只需要标注极少量的像素点，就能分割任意颜色分布的拥有多个前景目标的图像。
-
公开(公告)号：CN104268522A
公开(公告)日：2015-01-07
申请号：CN201410490632.0
申请日：2014-09-23
Applicant: 清华大学
IPC: G06K9/00
Abstract: 本发明提出一种指纹细节点集合的向量化描述方法，包括以下步骤：从原始指纹图像中选取参考点；根据参考点将原始指纹图像转化到预定坐标系下的矫正图像；从预定坐标系中提取预定邻域内的矫正图像的多个指纹细节点，并根据多个指纹细节点得到指纹细节点集合；对预定坐标系下预定邻域内的矫正图像进行采样，以获取多个采样点；对每个采样点利用预定长度的描述向量表示；将多个采样点的描述向量按照预定的次序组合以获取最终的指纹细节点集合的向量化描述。本发明的方法，具有高区分度的、运算效率高、鲁棒性强的优点。本发明还提出一种指纹细节点集合的向量化描述系统。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.024 seconds)
