-
公开(公告)号：CN103530601B
公开(公告)日：2016-08-10
申请号：CN201310302473.2
申请日：2013-07-16
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于贝叶斯网络的监控盲区人群状态推演方法，其步骤为：捕获视频监控信号，设置各监控场景中的人群活动区域，获取视频监控人群图像并对人群活动区域进行地理空间映射处理；在地理参考下提取各监控场景的人群特征，包括人群密度、人群运动速度、人群流量，并分析地理环境下的群体运动趋势；利用人群特征、群体运动趋势与地理空间数据的关系，构建人群状态推演贝叶斯网络模型；基于已有的人群特征数据与贝叶斯网络模型，推演监控盲区的人群状态数据，包括人群流量、人群密度、人群运动速率，得到整个监控区域的人群状态空间格局。
-
公开(公告)号：CN103414870B
公开(公告)日：2016-05-04
申请号：CN201310299389.X
申请日：2013-07-16
Applicant: 南京师范大学
Abstract: 本发明公开了一种多模式警戒分析方法，其步骤为：获取区域内监控视频、大比例尺地图和高清遥感影像，实现监控视频与2D地理空间数据的互映射；根据警戒需求，在GIS中绘制线和面警戒图形，构成警戒区域集合，并设定允许方向、速度、时间参数，从而构成警戒规则库，将其映射至各相关监控视频中；借助前景检测、目标跟踪获取动态目标的位置、方向及GIS映射下的实际运动参数；实时判断动态目标运动状态是否违反多模式警戒规则库；当有违反警戒规则的事件发生时，GIS系统中以突出的图形或警报音频进行实时报警。该方法克服了传统警戒设置单一、缺乏地理空间参考、不便于区域警戒分析的缺点，大大提高了区域警戒的灵活性、整体性。
-
公开(公告)号：CN103604417B
公开(公告)日：2015-08-05
申请号：CN201310572332.2
申请日：2013-11-15
Applicant: 南京师范大学
Abstract: 本发明公开了一种物方信息约束的多视影像双向匹配策略。根据影像的成像模型和输入的地面物方信息，先进行物方信息约束的多视影像正向匹配，以利用多视影像之间的信息冗余性提高匹配相似性测度计算的可靠性；然后，对多视影像正向匹配结果进行多个单立体影像的反向匹配，以有效地消除正向匹配结果中的许多误匹配点，提高多视影像匹配结果的准确性。本发明的匹配策略中各待匹配点的匹配过程互不影响，是一种并行匹配策略，非常有利于大量待匹配点的高效并行匹配。根据本发明的方法可有效地提高多视影像密集匹配的运行效率和结果可靠度，解决了先单立体影像匹配再多个匹配结果融合的传统多视影像匹配方法中效率低下和误匹配点过多的问题。
-
公开(公告)号：CN103606188A
公开(公告)日：2014-02-26
申请号：CN201310576692.X
申请日：2013-11-15
Applicant: 南京师范大学
IPC: G06T17/00
Abstract: 本发明公开了一种基于影像点云的地理信息按需采集方法。该方法根据多视摄影测量原理，先将输入的二维影像转换成具有照片级可视化效果、便于认知与交互操作的“所见即所得”的真三维数字化影像点云，然后在影像点云上根据需要进行数字高程模型（DEM）、数字正射影像（DOM）、数字线划图（DLG）等专业应用所需基础地理信息，或者空间位置、几何尺寸等其它大众应用所需地理信息的自动/半自动采集，这样可摆脱现有地理信息采集方法对专业软、硬件数据采集系统和专业技术人员的依赖，真正实现大众化、网络化的地理信息按需采集，解决现有地理信息采集方法的现势性较差和完整性不足的缺陷，促进新一代的地理信息按需采集与服务模式的发展。
-
公开(公告)号：CN103606151A
公开(公告)日：2014-02-26
申请号：CN201310573915.7
申请日：2013-11-15
Applicant: 南京师范大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于影像点云的大范围虚拟地理场景自动构建方法。包括如下步聚：（1）输入序列航空/航天摄影影像，及其对应的定向参数文件，进行影像分块裁剪存储、确定多视影像匹配的基准影像、搜索影像和待匹配区域等预处理工作；（2）采用附加物方信息约束和双向一致性验证的多视影像匹配方法，获取基准影像上待匹配区域内所有像素在搜索影像上的同名像点；（3）根据多像光束法平差，计算待匹配像素对应地物点的三维坐标，再结合其RGB颜色信息，并按照一定的数据结构，生成表达待匹配区域地理场景的三维影像点云。根据本发明的方法获得的影像点云可用于从序列影像中自动构建大范围地理场景的虚拟三维模型。
-
Patent Agency Ranking
公开(公告)号：CN103413322A
公开(公告)日：2013-11-27
申请号：CN201310302444.6
申请日：2013-07-16
Applicant: 南京师范大学
Abstract: 本发明公开了一种序列视频的关键帧提取方法。包括如下步聚：（1）捕获序列视频，将序列视频分割成视频帧，针对序列视频中的前n帧图像，对其进行特征点提取与匹配，并对特征点进行跟踪；根据基线长度、特征点分布状况等约束条件在序列视频中选择两帧图像作为初始关键帧；（2）在获得初始关键帧的基础上，根据图像特征点匹配率来确定关键帧候选集合；（3）根据焦距变化约束及模型鲁棒选择准则（GRIC，Geometric Robust Infromation Criterion）从关键帧候选集合中进一步确定关键帧图像。根据本发明的方法获得的关键帧图像可用于序列视频的三维重建和量测，也可适用于序列视频数据的压缩等。
-
公开(公告)号：CN103413321A
公开(公告)日：2013-11-27
申请号：CN201310298084.7
申请日：2013-07-16
Applicant: 南京师范大学
IPC: G06T7/20
Abstract: 本发明公开了一种地理环境下的群体行为模式分析与异常行为检测方法，其步骤为：捕获视频监控信号，设置监控场景中的人群活动区域，获取视频监控人群图像并对人群活动区域进行地理空间映射处理；在地理参考下利用光流法求算可度量的人群运动场，将人群运动场转换映射至极坐标参考；根据人群运动场在极坐标参考下的分布状况，在极坐标参考各主体方向上进行人群运动场的统计分析，进而判断地理环境下的群体运动模式、群体运动趋势，并估算各主体方向的群体运动速率；在群体运动模式、运动趋势、运动速率分析结果的基础上，进行运动速率突变、运动趋势突变、逆向行走、骤聚和骤散群体异常行为检测。本发明的方法可广泛用于人群易聚集区域。
-
公开(公告)号：CN101753248B
公开(公告)日：2012-11-28
申请号：CN200910264377.7
申请日：2009-12-21
Applicant: 南京师范大学
IPC: H04J13/10
Abstract: 本发明多维类正交伪随机扩展矩阵的构成装置，由多维类正交伪随机矩阵构成单元和扩展单元构成；由多维类正交伪随机矩阵构成单元构成多维类正交伪随机矩阵；再由扩展单元的一级梳状滤波器构成滤波后类正交PN矩阵和完全正交PN’矩阵，再由PN_PN’直积运算装置进行直积运算，构成PN_PN’矩阵；最后再通过二级梳状滤波器滤出完全正交的行向量或者列向量。采用本发明装置电路结构简单，MSPE矩阵的构成方法简便，构成的MSPE矩阵具有很好的类正交性、伪随机特性，应用范围广。在CDMA通信系统中，可以将扩展后的PN_PN’矩阵的列向量作为信道编码，行向量作为用户编码。在AdHoc中的应用，用MSPE矩阵来区分基站，同时矩阵中的行列向量应用于每一个基站的信道编码和用户编码。
-
公开(公告)号：CN102495888A
公开(公告)日：2012-06-13
申请号：CN201110405693.9
申请日：2011-12-08
Applicant: 南京师范大学
IPC: G06F17/30
Abstract: 本发明公开了一种面向并行数字地形分析的数据拆分与分发方法，属于数字地形分析和并行计算的交叉技术领域。该方法包括以下步骤：（1）读入DEM数据，建立数据粒度模型；（2）基于内存页调度策略，计算最小数据粒度大小；（3）基于四叉树存储策略，计算复合数据粒度大小；（4）计算节点数据粒度的冗余行、列数的计算方法以及切割方式；（5）基于复合数据粒度，计算节点数据的分发数；（6）根据节点的分发数，主节点进行节点数据的分发。本发明提出的方法，独立于空闲节点的个数，使用复合数据粒度作为节点数据分发的基本单位，减少了数据的通信量；在性能相同的计算节点间，保证了负载均衡。
-
公开(公告)号：CN101271573B
公开(公告)日：2010-08-25
申请号：CN200810024762.X
申请日：2008-05-05
Applicant: 南京师范大学
IPC: G06T5/00
Abstract: 本发明公开了一种与摄影设备无关的影像畸变标定方法，其步骤是：在被标定像片的图像中选择一条直线目标，在其起点A、中点B和终点C各选择一点，测量三个像素点的像平面坐标(xA，yA)、(xB，yB)、(xC，yC)；利用这三点的坐标计算畸变类型。给定中间点B一个足够大的畸变向径Δrb，使得经过改正后的A′、B′、C′三点存在相反的畸变类型。根据假定的畸变向径计算假定的影像畸变系数。利用假定的影像畸变参数计算A、B、C三点的消除畸变后的位置A′、B′、C′的向径。计算消除假定的影像畸变后，A′、B′、C′的位置的像素坐标。利用分中法，进行迭代趋近计算，得到影像畸变系数k1。本发明方法以数码图像为标定对象，脱离摄影机本身而对各种渠道获取的数码图像(包括：历史图像、网络传输图像等)进行畸变系数的标定。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.03 seconds)
