-
Patent Agency Ranking
公开(公告)号：CN105979120B
公开(公告)日：2019-03-12
申请号：CN201610393336.8
申请日：2016-06-03
Applicant: 华南农业大学
IPC: H04N5/21
Abstract: 本发明公开了基于分布式计算的视频去雾系统及视频去雾方法，本发明系统包括部署在分布式计算架构上的输入节点、透射率估计模块、大气光照估计模块、无雾图像生成模块，输出节点，每个模块均有多台计算机以分布式架构的方式负责执行，本发明方法将输入的有雾视频将被分拆成帧流，透射率估计模块同时计算数帧的透射率，大气光照度估计模块计算出对应帧的大气光照度，无雾图像生成模块产生有雾帧所对应的无雾图像，并按照帧的正确序列顺序输出。本发明拥有更高的处理速度，具备实时处理能力。
-
公开(公告)号：CN107833240A
公开(公告)日：2018-03-23
申请号：CN201711097270.9
申请日：2017-11-09
Applicant: 华南农业大学
Abstract: 本发明公开了一种多跟踪线索引导的目标运动轨迹提取和分析方法，包括下述步骤：首先，利用已知的跟踪算法提出多跟踪线索引导的运动轨迹，根据跟踪结果绘制跟踪目标的运动轨迹。然后，收集目标跟踪结果的轨迹数据，观察二维坐标轴中产生折线的变化和产生变化时对应帧发生偏差的情况，并与理想目标框所产生的跟踪轨迹进行对比分析得到跟踪断点。最后，在unity3d编程框架中，根据跟踪结果文本数据绘制视频跟踪结果，并可视化跟踪偏移，当偏移发生时可与matlab建立连接使用串口通信，重新调用跟踪算法实现跟踪矫正。本发明展示了如何根据轨迹变化确定跟踪断点，以及如何在跟踪断点处实现跟踪矫正，保证目标跟踪的鲁棒性和准确性。
-
公开(公告)号：CN107564035A
公开(公告)日：2018-01-09
申请号：CN201710643069.X
申请日：2017-07-31
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于重要区域识别和匹配的视频跟踪方法，包括下述步骤：首先，基于最小生成树理论识别初始目标的重要区域，得到目标重要区域并构建目标模板；然后，识别后续帧目标扩展区域的重要区域，并将该区域作为采样区域进行样本采集；接着，计算每个样本与目标模版的形状相似度值、颜色相似度值、皮尔逊相关系数值，并对三个值进行加权计算得到样本与目标模版的匹配度；最后，基于阈值比较方法更新目标模板以支持后续跟踪直至跟踪完成。本发明方法基于重要区域识别可以较好地描述动态变化的跟踪场景中的目标物体，结合目标的重要区域进行样本采集，提高了采样质量，增强了跟踪的准确率和稳定性。
-
公开(公告)号：CN107527356A
公开(公告)日：2017-12-29
申请号：CN201710600951.6
申请日：2017-07-21
Applicant: 华南农业大学
Abstract: 本发明克服了现有的视频跟踪算法存在计算速度不高与鲁棒性不足二选一的技术缺陷，提出了新的一种基于懒交互方式的视频跟踪方法。本发明主要创新在于当目标部分遮挡和光照变化明显时，通过判定分块异常情况，提出了基于懒交互分块重采样的目标跟踪方法。其中，分块异常的判定主要分为三种情况：一是，分块远离跟踪目标；二是，正样本与负样本的比例失衡；三是，分块可跟踪的置信度值太低。通过这些条件，可将异常分块筛选出来，进行重新建模和跟踪。因要对多个分块进行跟踪，本发明引入KCF算法作为基本跟踪算子以保证跟踪的效率。本发明能够最大限度保证重采样本的鲁棒性，以达到跟踪效果的延续性和正确性，同时还能保证较高的计算速度。
-
公开(公告)号：CN103413120A
公开(公告)日：2013-11-27
申请号：CN201310317400.0
申请日：2013-07-25
Applicant: 华南农业大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于物体整体性和局部性识别的跟踪方法，基于局部性信息的识别把各候选区域进行超像素分割，根据物体局部表征的特征，为超像素赋予不同的权值，提出加权相似度量，计算各候选目标区域置信度。基于整体性的识别将物体性度量引入到当前帧的目标物体检测部分，选取色彩、边缘和超像素作为物体性度量的三个线索，给出各自的评分规则，结合这三个线索和基于局部性信息的识别计算置信度对扩展区域中的所有候选目标区域进行评分，根据评分确定目标区域。本发明方法可以较好地描述动态变化的跟踪场景中的目标物体，结合物体性度量使目标区域更好收敛于目标物体，减少背景出现在目标区域中，增强了跟踪的准确率和稳定性。
-
-
-
-
Search Results
35
records
(took 0.026 seconds)
