-
公开(公告)号：CN111160214B
公开(公告)日：2022-03-15
申请号：CN201911354164.3
申请日：2019-12-25
Applicant: 电子科技大学
IPC: G06V20/64 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04
Abstract: 本发明提供了一种基于数据融合的3D目标检测方法，该方法采用深度卷积网络实现，具体包括：首先提出了一种特征提取方法，将点云鸟瞰图和待检测目标图像进行特征提取；然后利用马尔科夫随机场模型(MRF)将3D点云数据利用空间约束条件编码进一个全局能量函数，来提取3D候选建议框；最后提出一种数据融合方式，将多模态数据进行融合，进行目标框的分类和回归。本发明提出的基于数据融合的3D目标检测方法，能有效提高检测网络在不同环境下对3D空间中感兴趣的不同目标的检测与定位性能，解决了道路环境下因为点云稀疏性而导致行人和车辆检测不佳的问题。
-
公开(公告)号：CN109711379B
公开(公告)日：2022-03-15
申请号：CN201910002424.4
申请日：2019-01-02
Applicant: 电子科技大学
Abstract: 本发明公开了一种复杂环境交通信号灯候选区域提取及识别方法。本发明的提取交通信号灯候选区域时，通过避开直接从灰度图像处理的方式，将对图像的处理以提取多层图像信息的感知模型，以及张量结构化的方式进行。有效去除了原始图像中冗余杂乱的区域，得到了更加精准的分割图像。同时在关联图像集抽取时结合关联元素之间的时域互相关信息从而更好的保留了图像中交通信号灯的内容。识别阶段从以感知模型为基础构建的结构张量出发提取张量内部特征，有效提高了识别精度。本发明兼顾了简单背景和复杂背景下的目标提取，准确度高，鲁棒性好。
-
公开(公告)号：CN113792631A
公开(公告)日：2021-12-14
申请号：CN202111015234.X
申请日：2021-08-31
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多尺度自适应与边域注意力的飞行器检测与跟踪方法，通过构建基础特征提取网络提取预处理后原始飞行器图像的原始特征图，并结合小尺寸目标分支网络模型提取原始特征图中小目标特征图；利用目标预测模型根据小目标特征图得到检测目标特征图集合及各检测目标特征图对应的特征向量，并利用多飞行器跟踪算法进行飞行器检测与跟踪；本发明利用编解码结构与残差连接优化特征图浅层纹理特征与较深层语义特征的融合传递，提高推断速度，使信息融合更加充分，并结合边域注意力机制网络，有效提升网络模型特征提取能力；利用小尺寸目标分支网络模型降低信息的损失程度，有效优化小尺寸目标检测准确性，提高了机场场面飞行器的管理效率。
-
公开(公告)号：CN113792100A
公开(公告)日：2021-12-14
申请号：CN202110974113.1
申请日：2021-08-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于变异系数的地理空间区域数据多尺度可视化方法。本发明方法首先利用空间相似性将地理空间区域数据进行层次聚类，形成层次结构；然后利用变异系数对层次结构中每个聚类的属性分布进行估计，并依据其变异系数的值进行最优尺度划分，以同时呈现变异系数较低聚类的多尺度可视化。此外，从变异系数和信息熵两方面进行多尺度可视化结果的评估与定量比较，并通过雷达图的使用，从形状方面增强可视化差异的视觉表现，进而直观地评估和比较本多尺度可视化方法。本发明方法实现了一个用于地理空间区域数据的多尺度可视化模型，使用户能够同时可视化地探索原始地理数据的全局特征和细节特征，并深入地了解地理空间区域数据中的潜在特征。
-
公开(公告)号：CN112488061A
公开(公告)日：2021-03-12
申请号：CN202011507205.0
申请日：2020-12-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种联合ADS‑B信息的多航空器检测与跟踪方法，包括以下步骤：S1：对航空器回传的ADS‑B信号进行解码，得到航空器在二维图像中的位置信息和身份标识；S2：将连续两帧二维图像与二维图像中的位置信息和身份标识输入至深度卷积神经网络中，进行训练；S3：利用训练好的深度卷积神经网络，对连续两帧二维图像进行目标检测与跟踪。本发明提出了一个检测及跟踪一体化的跟踪框架，并且结合了多航空器已有的ADS‑B技术对该框架进行辅助训练，缓解在多目标跟踪中由于目标之间相似度过高和相互遮挡造成的目标丢失，ID频繁交换以及轨迹不完整等问题，同时改善了漏检的情况，也使检测结果更加准确。
-
Patent Agency Ranking
公开(公告)号：CN111797785A
公开(公告)日：2020-10-20
申请号：CN202010656715.8
申请日：2020-07-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于机场场面先验与深度学习的多航空器跟踪方法，包括以下步骤：S1：读取机场场面的视频帧；S2：识别图像中的航空器；S3：提取外观特征；S4：预测运动特征；S5：计算航空器先前帧的跟踪轨迹与当前帧的检测结果相似度；S6：匹配航空器的先前帧和当前帧；S7：获取匹配后的每一帧航空器的跟踪状态；S8：判断监控相机是否读取机场场面的视频帧，若是则返回步骤S1，否则结束跟踪航空器。本发明成功地解决了复杂场景的跟踪鲁棒性问题以及飞机转弯的跟踪问题，减少了ID交换、漏跟踪和错跟踪等问题；能够更加有效地为机场提供视频监控、检测和跟踪功能，提高机场场面航空器管理的效率。
-
公开(公告)号：CN110008876A
公开(公告)日：2019-07-12
申请号：CN201910231647.8
申请日：2019-03-26
Applicant: 电子科技大学
Abstract: 本发明为一种基于数据增强与特征融合的人脸验证方法，属于人脸验证与机器学习领域中的发明专利。本发明提出了一种简单实用的人脸验证方法，旨在解决传统的人脸验证领域中正确率较低，复杂度较高的问题。本发明充分利用已经训练完成的卷积神经网络提取人脸图像特征，方便简单。同时也能使特征具有更强的鲁棒性。通过数据增强的方式，数据集的数量将成倍的增加，并引入噪声，使得验证系统的泛化性更强。将多个卷积神经网络提取的特征进行信息的融合，达到集多个卷积神经网络的优势于一体的目的。在得到融合的人脸特征后，使用此特征训练机器学习中性能优越的分类模型，最终得到人脸验证结果。
-
公开(公告)号：CN109285180A
公开(公告)日：2019-01-29
申请号：CN201811007255.5
申请日：2018-08-31
Applicant: 电子科技大学
Abstract: 本发明公开了一种3D的道路车辆跟踪方法。属于计算视觉处理技术领域。本发明将目标3D空间特征和2D图像特征与MDP模型结合，重新构造评估函数，从而提出了一种基于2D和3D联合特征的多目标跟踪方法，将原始的2D图像域跟踪拓展到3D空间域跟踪，有效的解决了当遇到外观相似，距离较近的车辆相互遮挡时，出现的错跟、漂移等技术问题。
-
公开(公告)号：CN107249003A
公开(公告)日：2017-10-13
申请号：CN201710593825.2
申请日：2017-07-20
Applicant: 电子科技大学 , 成都奥特为通讯有限公司
CPC classification number: H04L63/1441 , H04L63/1458 , H04W12/08
Abstract: 本发明涉及网络安全应用技术领域，具体涉及一种Batman‑adv协议的接入认证方法，包括网络中各个节点的连接认证，并判断某一节点能否加入当前网络路由。本发明各个路由节点通过认证服务器发放的证书进行认证，实现安全路由策略，具有平台无关性，不依赖某个具体的应用，认证同时不需认证服务器的参与，具有良好的通用性，对于Ad Hoc网络有很好的实际意义和使用价值。
-
公开(公告)号：CN107172663A
公开(公告)日：2017-09-15
申请号：CN201710593829.0
申请日：2017-07-20
Applicant: 电子科技大学 , 成都奥特为通讯有限公司
IPC: H04W28/08 , H04W40/34 , H04L12/721
Abstract: 本发明涉及远程虚拟专网技术领域，具体涉及一种Ad Hoc网络的QoS路由方法，包括使用GCMPR中提出的算法计算不同的路径和使用拥塞信息的反馈机制来均衡网络负载。本发明的各个路由节点通过比较宣告消息中的路径标识得出不同的路径，使得在网络中发生拥塞时，可以根据不同路径带宽的不同来选择相应的路径分担网络需求，对于Ad Hoc网络有使用意义。
-
-
-
-
-
-
-
-
-
Search Results
167
records
(took 0.035 seconds)
