-
公开(公告)号：CN104657741B
公开(公告)日：2017-11-03
申请号：CN201510012901.7
申请日：2015-01-09
Applicant: 北京环境特性研究所
Abstract: 本发明公开了一种基于视频图像的目标分类方法，包括：根据连续的视频图像进行监控区域的背景学习，获得监控区域静态的当前背景图像BI；根据当前背景图像BI对当前视频帧进行逐像素背景差分操作和图像分割操作，形成目标图像BFMk；从目标图像BFMk中提取目标区域；对各个目标区域进行主成分分析，确定各个目标区域的主方向；将各个目标区域的主方向旋转到水平方向，得到各个旋转后的目标区域；计算各个旋转后的目标区域的矩形饱和度特征；根据矩形饱和度特征和预设的阈值，对各个目标区域进行分类。使用上述方法，可以有效地对视频图像中的人员和车辆目标进行分类，大大提高了分类操作的准确性。
-
公开(公告)号：CN107145546A
公开(公告)日：2017-09-08
申请号：CN201710282865.5
申请日：2017-04-26
Applicant: 北京环境特性研究所
CPC classification number: G06F16/784 , G06N3/0454 , G06N3/08
Abstract: 基于深度学习的监控视频人员模糊检索方法，涉及云计算领域，主要包括6个步骤，步骤(A)：采集视频数据并进行云存储；步骤(B)：构建训练数据库；步骤(C)：利用Hadoop的MapReduce并行化编程模型通过训练数据库所提供的数据进行深度学习训练；步骤(D)：通过训练后的卷积神经网络系统进行识别。本发明主要利用深度学习方法结合云计算，将摄像头采集的视频数据进行云存储和管理，利用Hadoop的MapReduce并行化编程模型结合深度学习对视频进行数据识别挖掘，实现对目标人员的模糊检索。
-
公开(公告)号：CN104658008A
公开(公告)日：2015-05-27
申请号：CN201510012881.3
申请日：2015-01-09
Applicant: 北京环境特性研究所
IPC: G06T7/20
CPC classification number: G06K9/00778
Abstract: 本发明公开了一种基于视频图像的人员聚集检测方法，包括：根据连续的视频图像进行监控区域的背景学习，获得监控区域静态的当前背景图像；对从视频图像中选取的n个连续视频帧中的每一个视频帧进行逐像素背景差分操作和图像分割操作，对连续视频帧对应的分割后二值图像进行累加操作，得到累加图像矩阵；对累加图像矩阵进行阈值分割，获得分割图像；去除分割图像中的噪点，填补空洞，形成目标图像；对目标图像中像素值为1的连通区域进行像素数统计，将连通区域的像素数设为该连通区域的面积；根据目标图像中各个连通区域的面积和预设的面积阈值，判断是否存在人员聚集区域。使用上述的方法，可以较少的计算代价，实现人员聚集现象的快速检测。
-
公开(公告)号：CN119670886A
公开(公告)日：2025-03-21
申请号：CN202411725276.6
申请日：2024-11-28
Applicant: 北京环境特性研究所
IPC: G06N5/04 , G06F18/22 , G06F18/214
Abstract: 本发明公开了一种基于逻辑规则和案例推理的船只目标混合推理识别方法，属于目标识别领域。方法包括：获取多种传感器采集的目标船只的多维特征；基于预先构建的规则库，对目标船只的多维特征进行规则匹配，若匹配成功，则输出识别结果；若匹配失败，则基于预先构建的案例库，对目标船只的多维特征进行案例匹配，输出推理结果。本方案无需过渡依赖标注数据，通过逻辑规则匹配和案例推理为船只目标识别提供清晰的推理路径，以供用户在复杂变化的海洋环境提高船只目标的识别准确率。
-
公开(公告)号：CN113989474B
公开(公告)日：2024-08-06
申请号：CN202111498806.4
申请日：2021-12-09
Applicant: 北京环境特性研究所
IPC: G06V10/143 , G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0475 , G06N3/045
Abstract: 本发明涉及一种基于递进式层级融合网络的红外小目标智能识别方法，利用双波段红外在成像信息上的互补性，从数据维进行数据融合增强，提高神经网络用于红外小目标识别的可用信息量；从嵌入式应用部署出发构建双波段红外数据融合与目标检测一体化神经网络，充分利用网络中不同组件间参数的权值共享，增强数据间的耦合效应，降低网络模型整体计算复杂度；以双波段红外数据融合为基础，设计了建面向红外弱小目标检测识别的像素级—特征级—决策级递进式多级融合的一体化神经网络架构，实现了高效的红外小目标识别能力，在夜视监控、危险源探测、人员搜救等方面有着重要的作用。
-
Patent Agency Ranking
公开(公告)号：CN117453945A
公开(公告)日：2024-01-26
申请号：CN202311543990.9
申请日：2023-11-17
Applicant: 北京环境特性研究所
IPC: G06F16/587 , G06F16/583 , G06F16/29 , G06V20/40 , G06V20/10 , G06V20/13 , G06V20/62 , G06V10/20 , G06V10/80 , G06N5/022
Abstract: 本发明提供了一种基于序列图像的地理定位方法、装置及计算设备，该方法包括：对待处理视频图像进行切分，得到子场景图像序列；其中，子场景图像序列中包括场景相同的若干单帧图像；将子场景图像序列中的所有单帧图像帧进行融合增强处理，得到子场景增强图像；根据预设地理空间知识库，确定子场景增强图像对应的候选地理位置；对候选地理位置进行融合排序，得到待处理视频图像的目标地理位置。本方案提供的基于序列图像的地理定位方法有效利用序列图像提高了地理定位精度。
-
公开(公告)号：CN117036170A
公开(公告)日：2023-11-10
申请号：CN202311000704.4
申请日：2023-08-09
Applicant: 北京环境特性研究所
IPC: G06T3/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N20/00
Abstract: 本发明提供了一种基于机器学习的船只型号识别方法及装置，其中方法包括：获取待识别图像，所述待识别图像中包括船只目标；将所述待识别图像进行超分辨率重建处理，得到高分辨率重建图像；基于全卷积的YOLO检测识别模型，对所述高分辨率重建图像进行船只目标的检测和船只型号的一阶段识别，得到识别出的船只型号和置信度；根据所述置信度确定是否需要进行船只型号的二阶段识别，若需要，则基于Faster RCNN网络模型对所述高分辨率重建图像进行船只型号的二阶段识别；将所述二阶段识别出的船只型号作为最终识别结果。本方案，能够提高船只型号识别的准确性。
-
公开(公告)号：CN110909550B
公开(公告)日：2023-11-03
申请号：CN201911106399.0
申请日：2019-11-13
Applicant: 北京环境特性研究所
IPC: G06F40/30
Abstract: 本申请涉及一种文本处理方法、装置、电子设备和计算机可读存储介质，文本处理方法包括：获取目标文本的目标文本序列，从所述目标文本序列中提取出主题词序列；分别获取所述目标文本序列中各个词语与所述主题词序列之间的语义距离，基于所述语义距离确定所述目标文本的关键词序列；获取所述关键词序列中各个关键词的向量，以构建词向量矩阵；通过预设的随机梯度下降算法获取所述目标文本的语义权重参数矩阵；根据所述词向量矩阵和所述语义权重参数矩阵获取所述目标文本的语义向量。本申请提供的文本处理方法可以更准确地表达目标文本的语义。
-
公开(公告)号：CN116467458A
公开(公告)日：2023-07-21
申请号：CN202310010410.3
申请日：2023-01-04
Applicant: 北京环境特性研究所
IPC: G06F16/36 , G06F16/387 , G06F40/295 , G06F40/30 , G06N5/04
Abstract: 本发明提供了一种时空嵌入知识图谱构建方法、装置及计算设备，该方法包括：获取目标的态势轨迹数据和时空情报语料；对态势轨迹数据和时空情报语料进行知识抽取和实体识别，得到目标的知识层信息；其中，知识层信息包括地理空间层信息、空间轨迹层信息和空间事件层信息，且知识层信息由与目标对应的实体、关系和属性进行表示；根据地理空间层信息和空间轨迹层信息，确定目标的事件意图；将事件意图与空间事件层信息进行融合推理，得到实体之间的隐含关系；根据知识层信息和隐含关系构建知识图谱。本方案提供的时空嵌入知识图谱构建方法实现了基于空间关系的复杂推理，提高了知识图谱的逻辑推理能力和潜在情报获取能力。
-
公开(公告)号：CN110852261B
公开(公告)日：2022-06-17
申请号：CN201911090281.3
申请日：2019-11-08
Applicant: 北京环境特性研究所
IPC: G06V20/13 , G06V20/40 , G06K9/62 , G06V10/764 , G06V10/80
Abstract: 本申请涉及一种目标检测方法、装置、电子设备和计算机可读存储介质，方法包括：获取待检测图像，提取待检测图像的共享特征图；检测共享特征图中的多个关键点；每一关键点归属于一种物体类别；将共享特征图划分为多个区域，分别提取各个区域的区域特征；基于各个区域特征获取多个关键点中每两个关键点之间的关联编码；基于各个关联编码和检测得到的关键点，获取多个物体类别的类别概率；将最大的类别概率对应的物体类别确定为检测目标的类别。本申请提供的目标检测方法可以提高对目标检测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.028 seconds)
