-
公开(公告)号：CN113784026B
公开(公告)日：2023-04-18
申请号：CN202111003368.X
申请日：2021-08-30
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
Abstract: 本发明涉及图像处理技术领域，具体是涉及基于图像的计算位置信息的方法、装置、设备及存储介质。获取可见光图像和红外图像，所述可见光图像和所述红外图像均为通过图像采集装置在同一时刻获取；提取所述可见光图像的可见特征点以及所述红外图像中与所述可见特征点所对应的红外特征点；依据所述可见特征点和所述红外特征点，得到所述图像采集装置的位置信息。本发明综合利用了可见光图像和红外图像的优点，使得本发明的图像采集装置即使工作在光照不足的黑暗环境中，也能够通过对图像采集装置获取的可见光图像和红外图像进行分析，以获取两个图像中特征点，进而通过特征点获取图像采集装置的位置信息。
-
公开(公告)号：CN113784026A
公开(公告)日：2021-12-10
申请号：CN202111003368.X
申请日：2021-08-30
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
Abstract: 本发明涉及图像处理技术领域，具体是涉及基于图像的计算位置信息的方法、装置、设备及存储介质。获取可见光图像和红外图像，所述可见光图像和所述红外图像均为通过图像采集装置在同一时刻获取；提取所述可见光图像的可见特征点以及所述红外图像中与所述可见特征点所对应的红外特征点；依据所述可见特征点和所述红外特征点，得到所述图像采集装置的位置信息。本发明综合利用了可见光图像和红外图像的优点，使得本发明的图像采集装置即使工作在光照不足的黑暗环境中，也能够通过对图像采集装置获取的可见光图像和红外图像进行分析，以获取两个图像中特征点，进而通过特征点获取图像采集装置的位置信息。
-
公开(公告)号：CN112561969A
公开(公告)日：2021-03-26
申请号：CN202011564796.5
申请日：2020-12-25
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种基于无监督光流网络的移动机器人红外目标跟踪方法及系统，该移动机器人红外目标跟踪方法用一个无监督的可端到端训练的光流网络提取前一帧的光流信息并使用这个光流信息对之前数帧的特征图进行对齐。通过空间和时间上的注意机制融合前几帧特征得到目标的特征图，最后根据这个特征图和要预测帧的特征图使用相关滤波器得到跟踪结果。本发明的有益效果是：本发明使用无监督的可端到端训练的光流网络，提取光流特征将之前数帧的特征进行融合，提升了跟踪效果。尤其是移动机器人跟踪过程中经常出现快速移动的目标，利用该发明可以有效跟踪这类目标。
-
公开(公告)号：CN112446431A
公开(公告)日：2021-03-05
申请号：CN202011368267.8
申请日：2020-11-27
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种特征点提取与匹配方法，该方法包括：将图像输入特征及其权重参数进行二值化处理，并对二值化后的数据进行计算以提取特征点；通过卷积网络获取输入图像的多个层次的、分辨率依次降低的特征图像，将所述多个层次的、分辨率依次降低的特征图像进行多尺度融合，以对特征点进行定位；将进行定位后在空间中相邻的特征点的数据进行哈希运算，建立二进制化的哈希表；当进行匹配时，计算查询数据与所述哈希表中数据的匹配度，返回所述哈希表中匹配度最高的数据。解决了特征点提取方法存储匹配速度慢、精度不高等问题。使得特征点提取、匹配速度以及特征点定位精度都达到了很大的提升。
-
Patent Agency Ranking
公开(公告)号：CN112150608A
公开(公告)日：2020-12-29
申请号：CN202010929831.2
申请日：2020-09-07
Applicant: 鹏城实验室 , 哈尔滨工业大学(深圳)
Abstract: 本申请公开了一种基于图卷积神经网络的三维人脸重建方法，所述方法包括获取待重建的人脸图像，确定所述人脸图像对应的若干人脸子区域；对于每个人脸子区域，获取该人脸子区域对应的人脸特征向量；基于经过训练的图卷积神经网络，确定该人脸特征向量对应的三维人脸结构信息；根据获取到所有三维人脸结构信息，确定所述人脸图像对应的三维人脸图像。本申请通过图卷积神经网络确定人脸图像对应的三维人脸结构信息，使得获取到的三维人脸结构信息中的每个点云数据均包括位置信息以及颜色信息，进而可以提高三维人脸图像的真实性。
-
公开(公告)号：CN112085092A
公开(公告)日：2020-12-15
申请号：CN202010935742.9
申请日：2020-09-08
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于时空连续性约束的图匹配方法及装置，该方法包括计算亲和度矩阵，不仅采用一阶相似度矩阵，还计算边的匹配度，即二阶相似度矩阵，将目标的运动信息嵌入到图匹配问题的优化目标函数中，使优化目标函数存在两个优化变量：单应性变换矩阵H和分配矩阵X，相应的，提出一种交替优化算法，每次固定一个优化变量，求解另一个优化变量，循环迭代直到目标函数收敛或达到预先设定的最大迭代次数为止，此外，技术方案中还提出基于多图匹配作为最后一步验证，尤其适用于判断在平面目标跟踪的过程中是否出现丢失目标的情况，可为后续的跟踪行为提供执行依据，本发明技术提高了图像匹配的速度和准确度。
-
公开(公告)号：CN109711431A
公开(公告)日：2019-05-03
申请号：CN201811425819.7
申请日：2018-11-27
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种局部分块卷积的跟踪方法、系统及存储介质，该跟踪方法包括步骤S1：给定一个带有目标的初始帧，提取候选样本；步骤S2：将候选样本送入网络进行特征提取；步骤S3：将特征图分别送入基层卷积层和M个并行的分块卷积层，对于每一个局部分块目标使用一层卷积层来计算响应输出；步骤S4：融合各个分块响应输出后与基层卷积层的响应输出叠加作为最终的响应输出；步骤S5：通过在线检测得到当前帧目标中心位置后，根据当前中心点在当前帧提取不同尺度大小的搜索块；步骤S6：对不同尺度大小的候选对象进行尺度归一化。本发明的有益效果是：本发明能更好的适应目标在运动过程中的发生的变化，具有更强的鲁棒性。
-
公开(公告)号：CN103402119B
公开(公告)日：2016-08-24
申请号：CN201310306345.5
申请日：2013-07-19
Applicant: 哈尔滨工业大学深圳研究生院
IPC: H04N21/234 , H04N21/238 , H04N19/34
Abstract: 本发明提供了一种面向传输的SVC码流提取方法及系统，根据各个可伸缩增强层的效用函数曲线进行比较，选择增长最快的提取点进行提取，形成提取路径，以此来接近目标码率，当达到目标码率或其范围后则停止。本发明采用基于效用函数的方式，对各增强层进行效用函数转换，通过效用函数，比较各层对视频的影响。在此基础上，根据效用函数曲率的变化(曲线拐点)，按照一定规则选取最优的增强层进行提取，此过程持续进行直到当前码流的码率符合目标码率。实验表明，本发明提出的方法来确定三个增强层之间的提取路径比JSVM的基本提取方法更加有效，同时简化了提取过程。可以在充分利用当前可用带宽的情况下，提供尽可能好的视频质量。
-
公开(公告)号：CN103402085A
公开(公告)日：2013-11-20
申请号：CN201310306963.X
申请日：2013-07-19
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提供了一种基于视频可伸缩性编码压缩的模式选择方法及系统，包括步骤A.检查基本层对应宏块是否为帧内编码，如果是帧内编码，那么检查所有帧内模式，然后选择当前最佳模式为宏块模式，如果不是帧内编码，那么执行步骤B。本发明的有益效果是：本发明的基于视频可伸缩性编码压缩的模式选择方法及系统，针对SVC中宏块模式多，对编码效率影响较大的问题，通过对增强层宏块模式和在基本宏块模式基础下的概率分布统计，分析增强层宏块模式和基本层宏块模式的相关性，利用基本层信息，减少候选模式，从而减少算法的复杂度。针对视频编码中宏块模式分布特点，运用分级选择策略，在减少算法复杂度，提高SVC编码速度的同时保证编码质量。
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.036 seconds)
