-
公开(公告)号：CN112085092B
公开(公告)日：2023-06-20
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：CN112084938A
公开(公告)日：2020-12-15
申请号：CN202010935717.0
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图结构提高平面目标表征稳定性的方法及装置，该方法包括：采用FAST关键点检测算法中的快速二值测试策略计算每个像素点的显著性得分；利用自适应调整网格的划分方式生成自适应网格；采用Spatial Softmax算法构造顶点集合V；采用Delaunay三角剖分方法构造边集合E。该方法将目标表征为一组具有拓扑结构的、可被重复检测出来的离散点集合，即顶点集合V和边集合E，能够兼顾目标的全局和局部结构，提高表征方法的鲁棒性和稳定性。
-
公开(公告)号：CN109657851A
公开(公告)日：2019-04-19
申请号：CN201811514976.5
申请日：2018-12-12
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种事件驱动型的股价预测方法、装置、设备及存储介质，该股价预测方法包括：基于当前新闻事件，选取与该当前新闻事件相关联的股票；基于该当前新闻事件和该股票的历史金融时序数据，采用异构信息协同网络模型预测该股票的价格波动。本发明将当前新闻事件和被选股票的历史金融时序数据输入到异构信息协同网络模型中，即可得出被选股票的价格走势，从而能够对股票价格的未来走势进行预测。该异构信息协同模型结合股票的历史价量走势和新闻的利好利空特性，有利于提高股票价格预测的准确性。该方法使用方便，且效率高，适应金融市场的快速变幻。本发明可广泛应用于根据各种新闻事件选取股票并预测股票走势。
-
公开(公告)号：CN103297807A
公开(公告)日：2013-09-11
申请号：CN201310249964.5
申请日：2013-06-21
Applicant: 哈尔滨工业大学深圳研究生院
IPC: H04N21/234 , H04N7/26 , H04N21/845 , H04N21/8547
Abstract: 本发明提供了一种基于hadoop平台的提高视频转码效率的方法，一种基于hadoop平台提高视频自适应技术效率的技术，通过hadoop平台对视频文件进行存储分割处理，然后对分割产生的视频片段进行FFmpeg转码，再把转码结果交付给HDFS进行视频片段合并，至此高效率的完成大宗视频数据的转码任务。本发明基于hadoop平台的视频自适应技术之高效视频转码，视频转码速度快，网络带宽流量消耗低，负载平衡处理得当，转码耗时减少明显。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN111598149B
公开(公告)日：2023-10-24
申请号：CN202010388573.1
申请日：2020-05-09
Applicant: 鹏城实验室
IPC: G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/088
Abstract: 本申请公开了一种基于注意力机制的回环检测方法，所述方法在获取到目标图像帧及目标图像帧对应的若干历史图像帧后；获取目标图像帧对应的第一特征图及每个历史图像帧对应的第二特征图；将第一特征图以及若干第二特征图分别输入多尺度特征融合结构，输出目标图像帧对应的第一激活图以及每个历史图像帧对应的第二激活图；根据所述第一激活图和所述若干第二激活图，确定所述目标图像帧对应到的回环帧。本申请通过多尺度特征融合结构，能够通过自注意力机制获取到特征图的多尺度融合机构，能够提取出携带有能适应复杂的环境变化和鲁棒性好的特征描述子的激活图，再利用激活图进行回环检测，能够提高回环检测的准确性以及检测速度。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.066 seconds)
