一种纹理背景下的字符全自动软分割方法

    公开(公告)号:CN109241973B

    公开(公告)日:2022-02-08

    申请号:CN201810952887.2

    申请日:2018-08-21

    Abstract: 本发明公开了一种纹理背景下的字符全自动软分割方法,首先对输入的字符图像I1通过灰度化预处理后得到灰度图像I2,采用双阈值OTSU分割算法得到灰度图像I2的两个分割阈值,使用波谷搜索策略并基于较低阈值寻找灰度图像I2直方图的波谷位置,以波谷位置为阈值对直方图进行阈值化得到图像I3;然后利用形态学对图像I3的前景部做腐蚀操作得到图像I4,做膨胀操作得到图像I5,将图像I5前景部分去除图像I4的前景部分标识为未知区域,标识图像I4的前景部分为前景区域,将图像I3范围内除去未知区域和前景区域的区域标识为背景区域,由未知区域、前景区域和背景区域构成三分图;最后使用抠像算法和连通域分析方法得到每个字符区域,实现软分割操作;本发明有效提升了字符分割的准确率。

    一种面向微透镜光场相机的标定方法

    公开(公告)号:CN108776980B

    公开(公告)日:2021-07-09

    申请号:CN201810455428.3

    申请日:2018-05-14

    Abstract: 本发明公开了一种面向微透镜光场相机的标定方法,包括:基于微透镜光场相机,采集白图像和靶标图像;在白图像上检测微透镜投影中心位置;根据微透镜投影中心位置,解码靶标图像,得4D光场数据;由4D光场数据,生成中心子孔径图像,并检测角点;根据在中心子孔径图像上检测的角点位置,选择靶标图像上可能包含角点的子图像;在选择的子图像上,检测角点;基于中心子孔径图像上检测的角点集,求解简化的模型初始参数;基于所选子图像上检测的角点集,估计非畸变模型参数;以非畸变模型参数为初值,基于所选子图像上检测的角点集,进一步估计考虑畸变的模型参数。本发明的标定方法能够同时估计光场相机内、外参数,功能全面,结果准确,效率高。

    复杂环境下基于深度学习的异常检测方法

    公开(公告)号:CN107330410B

    公开(公告)日:2020-06-30

    申请号:CN201710535492.8

    申请日:2017-07-03

    Abstract: 本发明提供一种复杂环境下基于深度学习的异常检测方法,通过将卷积神经网络回归法提取的物体时空特征输入LSTM模型,追踪复杂环境中多物体的运动轨迹;在多物体无规则运动的情况下捕捉相邻个体的非线性时空动作,评估相邻个体间运动轨迹的依赖性,预测它们未来的运动轨迹;根据个体未来运动轨迹的异常概率来完成异常检测。该方法能够降低对于图像的误检率,现有技术主要是检测单个物体的时空特征,并未考虑复杂环境下相邻个体运动轨迹存在相互干扰的情况,本发明所述的LSTM模型,通过评估相干个体间的依赖性,使用编码解码框架预测物体未来运动轨迹,从而能够在对多物体运动进行异常检测时获得更精确的结果。

    通过Internet-Zigbee网关连接因特网和Zigbee传感网的方法

    公开(公告)号:CN106878140B

    公开(公告)日:2020-04-21

    申请号:CN201710180652.1

    申请日:2017-03-23

    Inventor: 邱鹏 霍瑛 黄陈蓉

    Abstract: 本发明提供一种通过Internet‑Zigbee网关连接因特网和Zigbee传感网的方法,通过Internet‑Zigbee网关的数据转化中心转化传输因特网用户与Zigbee传感器间的信息,实现因特网和Zigbee传感网的网络互联,具体为:在网关的数据转化中心转化传输因特网用户请求信息给Zigbee传感器,在网关的数据转化中心转化传输Zigbee传感器信息给因特网用户;根据网关的嵌入式web服务器产生的一个HTML响应,使得用户能够通过浏览器查看Zigbee传感器信息。本发明提出的因特网和Zigbee传感网的连接方法可以实现不同传输协议下的网络互联,尤其是在不同网络协议转化机制非常繁琐的情况下用比较简单的数据转化完成信息的有效传输,能够解决异构无线网络融合问题。

    一种大数据冗余检测方法

    公开(公告)号:CN105787107B

    公开(公告)日:2018-10-30

    申请号:CN201610161990.6

    申请日:2016-03-22

    Abstract: 本发明公开了一种大数据冗余检测方法,该方法首先进行全文件哈希值检测,判断文件是否是冗余数据,然后在文件中随机选择一个定长数据块,对该数据块进行扩展,再判断扩展后的数据块是否是冗余数据,最后对文件剩余的数据块再进行检测。本发明所述的大数据冗余检测方法不仅能够在大数据系统中快速查找到冗余数据,并且对于可能出现的相似文件,能有效的降低数据匹配的粒度,可以尽可能的找到相似文件中的冗余数据块。

    基于离焦量差异定性分析的自动对焦方法

    公开(公告)号:CN105049723B

    公开(公告)日:2017-11-21

    申请号:CN201510410177.3

    申请日:2015-07-13

    Abstract: 本发明提供基于离焦量差异定性分析的自动对焦方法,利用基于空间域的卷积/去卷积变换计算对焦过程中两个不同调焦位置的两幅图像中对应点的离焦量差异值;采用投票策略得出这两幅图像的离焦量差异定性度量;根据离焦量差异定性度量确定对焦搜索方向;按照变步长策略逐渐缩小搜索范围和搜索步长,直至在步长为1时找到合焦位置。能够改善在某些场景中由于聚焦评价函数非单峰性而造成爬山搜索方法正确率降低、误差增大的问题,能够在保持爬山搜索法快速、行程比较少等优点的同时,明显提高了在聚焦评价函数单峰性不良的场景中的正确率,降低了误差量,很好地解决了局部极值对于爬山搜索法的影响。

    复杂环境下基于深度学习的异常检测方法

    公开(公告)号:CN107330410A

    公开(公告)日:2017-11-07

    申请号:CN201710535492.8

    申请日:2017-07-03

    Abstract: 本发明提供一种复杂环境下基于深度学习的异常检测方法,通过将卷积神经网络回归法提取的物体时空特征输入LSTM模型,追踪复杂环境中多物体的运动轨迹;在多物体无规则运动的情况下捕捉相邻个体的非线性时空动作,评估相邻个体间运动轨迹的依赖性,预测它们未来的运动轨迹;根据个体未来运动轨迹的异常概率来完成异常检测。该方法能够降低对于图像的误检率,现有技术主要是检测单个物体的时空特征,并未考虑复杂环境下相邻个体运动轨迹存在相互干扰的情况,本发明所述的LSTM模型,通过评估相干个体间的依赖性,使用编码解码框架预测物体未来运动轨迹,从而能够在对多物体运动进行异常检测时获得更精确的结果。

    通过Internet‑Zigbee网关连接因特网和Zigbee传感网的方法

    公开(公告)号:CN106878140A

    公开(公告)日:2017-06-20

    申请号:CN201710180652.1

    申请日:2017-03-23

    Inventor: 邱鹏 霍瑛 黄陈蓉

    Abstract: 本发明提供一种通过Internet‑Zigbee网关连接因特网和Zigbee传感网的方法,通过Internet‑Zigbee网关的数据转化中心转化传输因特网用户与Zigbee传感器间的信息,实现因特网和Zigbee传感网的网络互联,具体为:在网关的数据转化中心转化传输因特网用户请求信息给Zigbee传感器,在网关的数据转化中心转化传输Zigbee传感器信息给因特网用户;根据网关的嵌入式web服务器产生的一个HTML响应,使得用户能够通过浏览器查看Zigbee传感器信息。本发明提出的因特网和Zigbee传感网的连接方法可以实现不同传输协议下的网络互联,尤其是在不同网络协议转化机制非常繁琐的情况下用比较简单的数据转化完成信息的有效传输,能够解决异构无线网络融合问题。

    基于离焦量差异定性分析的自动对焦方法

    公开(公告)号:CN105049723A

    公开(公告)日:2015-11-11

    申请号:CN201510410177.3

    申请日:2015-07-13

    Abstract: 本发明提供基于离焦量差异定性分析的自动对焦方法,利用基于空间域的卷积/去卷积变换计算对焦过程中两个不同调焦位置的两幅图像中对应点的离焦量差异值;采用投票策略得出这两幅图像的离焦量差异定性度量;根据离焦量差异定性度量确定对焦搜索方向;按照变步长策略逐渐缩小搜索范围和搜索步长,直至在步长为1时找到合焦位置。能够改善在某些场景中由于聚焦评价函数非单峰性而造成爬山搜索方法正确率降低、误差增大的问题,能够在保持爬山搜索法快速、行程比较少等优点的同时,明显提高了在聚焦评价函数单峰性不良的场景中的正确率,降低了误差量,很好地解决了局部极值对于爬山搜索法的影响。

    一种考场监控系统
    50.
    实用新型

    公开(公告)号:CN204697218U

    公开(公告)日:2015-10-07

    申请号:CN201520470835.3

    申请日:2015-07-02

    Inventor: 林忠 杨庆 黄陈蓉

    Abstract: 本实用新型公开了一种考场监控系统,属于监控领域。其包括局域网络(3)、前端监控设备、后端监控中心;所述前端监控设备与后端监控中心通过局域网络连接;所述前端监控设备,包括网络枪型摄像机和网络PTZ摄像机,网络枪型摄像机(1)和网络PTZ摄像机(2)均与局域网络相连接,每一个考场设置至少1台以上网络枪型摄像机和1台网络PTZ摄像机。本实用新型通过不同类型摄像机协同监控的考场监控系统,实现全局场景监控和局部特写监控相结合,降低了摄像机数量,同时确保对考场局部场景的高清晰度影像摄制要求。

Patent Agency Ranking