-
公开(公告)号：CN113365062A
公开(公告)日：2021-09-07
申请号：CN202110577832.X
申请日：2021-05-26
Applicant: 杭州电子科技大学
IPC: H04N19/124 , H04N19/70 , H04N19/60 , H04N19/176 , H04N19/12 , G06N3/04 , G06N3/08
Abstract: 本发明属于视频编码领域，公开了一种基于H.266/VVC的分步全零块判决快速算法，包括如下步骤：首先，通过公式推导，得到一个真全零块（G‑AZB）预判决公式，所谓G‑AZB，即经过硬决策量化（HDQ）后为全零的变换块（TU）；然后，对于那些经过HDQ后的非全零块，即伪全零块（P‑AZB），利用基于统计和经验得出的自适应阈值公式实现预判决；最后，对于剩余的一些“狡猾”的P‑AZB，利用机器学习，找寻了8个影响TU变成全零或者非全零块的影响因子，通过离线训练，实现预判决。本发明在保证性能基本不变的前提下，减少了计算复杂度；本发明在新一代视频编码标准VVC上进行，创新度较高。
-
公开(公告)号：CN110113616B
公开(公告)日：2021-06-01
申请号：CN201910488842.9
申请日：2019-06-05
Applicant: 杭州电子科技大学
Inventor： 殷海兵
IPC: H04N19/42 , H04N19/136 , H04N19/142 , H04N19/20 , H04N19/70
Abstract: 本发明公开一种多层级监控视频高效压缩编码、解码装置及方法，属于海量摄像头城域级视频监控应用技术领域。包括：(1)特定语义对象编码：检测出特定语义对象dn，重构对象通过跟踪技术和关键点检测技术检测出关键点序列，传输给解码器；(2)长期背景帧建模：设置多个场景类别，用背景帧场景索引序号区分这些场景类别；编码器里检测场景类别，将背景帧索引序号传输给解码器；(3)短期背景帧建模：采用多模式预测方法，获得当前帧的短期背景帧预测值通过优化选择多模式参考预测，将编码控制参数传输给解码器；(4)前景编码：预测残差经过HEVC编码产生前景码流，经过解码后获得重构前景预测残差通过信道传输给解码器。
-
公开(公告)号：CN112784698A
公开(公告)日：2021-05-11
申请号：CN202011637358.7
申请日：2020-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于深层次时空信息的无参考视频质量评价方法，包括如下步骤：S1，内容感知特征提取，利用Resnet‑50预训练的深度神经网络，提取顶层的语义层特征后进行聚合，对特征图进行均值聚合与标准差聚合；S2，对时间记忆效应进行建模，在特征整合方面，采用GRU网络对长期依赖关系进行建模，在质量聚合方面，提出主观启发的时间池化模型并将其嵌入到网络中；现有的NR‑VQA方法无法很好地对VQA任务中的长期依赖关系建模，为了解决这个问题，我们求助于GRU，它是带有门控制的递归神经网络模型，能够集成特征并学习长期依赖关系，本发明中使用GRU集成内容感知功能并预测逐帧质量得分。
-
公开(公告)号：CN112188212A
公开(公告)日：2021-01-05
申请号：CN202011082884.1
申请日：2020-10-12
Applicant: 杭州电子科技大学
IPC: H04N19/40 , H04N19/136 , H04N7/18 , G06K9/00 , G06N3/04
Abstract: 本发明公开了一种高清监控视频智能转码的方法及装置，方法包括：S1，解码；S2，缩放；S3，目标检测，通过卷积神经网络学得的特征，将图像分割成单元格，单元格用于预测边界框，从而检测中心落在单元格中的目标对象；S4，跟踪，对比前后两帧中预测的边界框，实现对目标对象的跟踪；S5，丢帧，采用自适应丢帧操作，根据目标对象的位移矢量大小，判断关键帧的间隔长短，丢弃关键帧之间的非关键帧；S6，编码；装置包括：用于解码的GV9531芯片和用于编码VC8000E芯片，还包括分别与GV9531芯片和VC8000E芯片连接的CSKY860芯片，CSKY860芯片决定需要编码的图像帧。
-
公开(公告)号：CN108965879B
公开(公告)日：2020-08-25
申请号：CN201811016478.8
申请日：2018-08-31
Applicant: 杭州电子科技大学
IPC: H04N19/13 , H04N19/147 , H04N19/567
Abstract: 本发明公开了一种空时域自适应恰可察觉失真的度量方法，其特征在于包括如下步骤：步骤一、将模式掩蔽效应PM和亮度适应性LA进行融合，得到空域JND阈值JNDS；步骤二、将相对运动I(vr)、背景运动U(vg)、时域持续时间I(τ)和残差波动强度U(δ)四个时域感知参量进行融合得到时域JND调节权重系数z；步骤三、在空域JND阈值JNDS基础上，用时域JND调节权重系数z对其进行调整，得到空时域JND阈值JNDST。
-
Patent Agency Ranking
公开(公告)号：CN110428447A
公开(公告)日：2019-11-08
申请号：CN201910638477.5
申请日：2019-07-15
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于策略梯度的目标跟踪方法与系统，属于计算机视觉领域。方法包括：(1)将目标图像输入到卷积神经网络中，得到目标外观模板Z；(2)将搜索图像输入到卷积神经网络中，等到搜索区域特征图；(3)将模板图像Z和搜索区域特征图通过相似度度量函数f计算得到响应图ht；(4)将(3)中得到的响应图ht和历史响应图hi输入到策略网络中，选择分数最高的那个动作加入到集合Ct(i＝1～N)；(5)重复(4)直到遍历响应图模板池中的每一个历史响应图；最后执行集合Ct(i＝1～N)中出现次数最多的那个动作。所述系统包括跟踪器和决策器。避免了错误的模板更新，并在目标丢失的时候能够及时发现并重新找到目标。
-
公开(公告)号：CN109035178A
公开(公告)日：2018-12-18
申请号：CN201811017139.1
申请日：2018-08-31
Applicant: 杭州电子科技大学
IPC: G06T5/00
CPC classification number: G06T5/002
Abstract: 本发明公开了一种应用于图像去噪的多参数取值调优方法，给定目标复杂度Cbudget，在保持其他参数取值不变的情况下，分别计算多个参数当前取值与其下一个候选值的能效比，确定能效比最大的参数，将其候选值调整为当前值，即完成一次参数调优；每完成一次参数调优，需计算当前参数组合复杂度，判断此时的参数组合复杂度是否符合目标复杂度约束，若不满足，执行前述步骤继续进行参数调优，直到满足给定复杂度约束，停止调整。
-
公开(公告)号：CN119854340A
公开(公告)日：2025-04-18
申请号：CN202510315997.8
申请日：2025-03-18
Applicant: 杭州电子科技大学丽水研究院 , 丽水学院
IPC: H04L67/12 , H04L67/1042 , H04L67/1087 , H04L45/00 , H04L45/12 , G06Q10/047 , G06Q50/04 , G06F18/23 , G06F18/15 , G16Y10/25
Abstract: 本发明涉及物联网技术领域，具体为智能工厂制造中基于智能设备的网络关系分析方法及系统，方法包括：采集设备的交互、通信及协同数据，并进行清洗和标准化处理；将设备抽象为网络节点，构建网络图模型；计算节点的中心性指标，判别关键节点，并通过谱聚类算法识别节点集群，构建关键节点的群组结构；分析节点间的连接关系，利用加权最短路径算法计算关键节点与其他节点的最优连接路径，并根据计算结果调整网络中的节点连接。本发明方法可以有效分析智能工厂中设备的网络关系，优化设备间的连接，提高生产效率和系统鲁棒性。
-
公开(公告)号：CN115131209B
公开(公告)日：2025-04-18
申请号：CN202210740614.8
申请日：2022-06-28
Applicant: 杭州电子科技大学
IPC: G06T3/4038 , G06T5/50 , G06V10/25 , G06V10/46 , G06V10/75
Abstract: 本发明属于图像处理领域，公开了一种基于DSP的实时视频拼接方法，采用select操作方式定向选择数据，借助gather和scatter指令将不连续RAM地址中的数据加载到向量寄存器中；图像配准算法部分：在匹配前设定阈值预筛选特征点，基于汉明距离进行特征点匹配。算法均使用SIMD指令集并行处理多数据，提高计算效率；采用PING‑PONG方式传输数据，旨在隐藏视频拼接过程中外部存储器访问的周期，从而有效提高数据吞吐量。最后，基于DAG生成算法调度表，在双DSP平台上并行执行ORB特征提取算法。本发明减少了计算复杂度；并为计算机视觉相关的算法在DSP平台上研究提供了参考。
-
公开(公告)号：CN118337639B
公开(公告)日：2025-03-18
申请号：CN202410592683.8
申请日：2024-05-14
Applicant: 杭州电子科技大学
IPC: H04L41/14 , H04L43/0894
Abstract: 本发明公开了一种端边云协同视频群智感知多目标性能评价方法，基于码率度量码流数据传输代价，基于码率和相应存储架构度量码流数据存储代价，基于硬件资源和能量资源的消耗度量复杂度代价；将存储、传输和复杂度代价基于消耗的成本进行同质化度量，得到统一量纲度量的参量；计算和存储静态硬件成本折算为每一路摄像头视频所需计算和存储硬件代价；计算和存储动态能耗成本折算为每一路摄像头视频编码分析所需电力消耗代价；传输存储代价根据宽带网络费用折算为每路视频传输所需成本，所有成本基于货币进行度量；基于失真和无失真情况下的多目标性能，构建机器视觉算法性能损失，通过性能损失与所述参量构建代价函数，以不同参量下性能的优劣为判据进行多目标性能评价。
-
-
-
-
-
-
-
-
-
Search Results
204
records
(took 0.029 seconds)
