-
公开(公告)号：CN109918537B
公开(公告)日：2021-05-11
申请号：CN201910046771.7
申请日：2019-01-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于HBase的船舶监控视频内容的快速检索方法，通过训练好的深度哈希网络模型来提取视频关键帧图像的深度哈希特征，并将提取到的深度哈希特征向量写入HBase数据库中，以此构建视频关键帧的哈希特征库；在哈希特征库中的所有视频关键帧图像深度哈希特征向量进行遍历，计算待检索图像深度哈希特征向量与哈希特征库中的视频关键帧图像深度哈希特征向量之间的汉明距离；选取汉明距离最小的视频关键帧图像，通过舰船视频名称得到检索的舰船视频数据。本发明利用基于图像相似度的关键帧提取算法和基于深度哈希网络模型，实现基于HBase的船舶监控视频内容的快速检索方法，从而能够快速高效的检索出待检索图像对应的视频内容。
-
公开(公告)号：CN108122008B
公开(公告)日：2020-09-08
申请号：CN201711405236.3
申请日：2017-12-22
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于稀疏表示和多特征决策级融合的SAR图像识别方法。为提高SAR目标识别算法的识别率和识别速度，本发明将SAR切片图像提取灰度特征和降维随机卷积特征向量，然后采用字典学习算法对从每一类别训练样本提取的特征向量构成的字典进行优化，构成字典，最后通过字典恢复样本稀疏系数得到分类结果。本发明提出的方法在极大地提高了识别速度的同时，提高了识别精度，具有更好的应用前景。
-
公开(公告)号：CN109886114A
公开(公告)日：2019-06-14
申请号：CN201910046774.0
申请日：2019-01-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于聚合变换特征提取策略的舰船目标检测方法，包括以下步骤：步骤S1：结合多分支聚合变换的概念，设计并得到一种优化的特征提取网络ResNet_AC；步骤S2:将步骤S1中设计得到的ResNet_AC，在自建海洋环境相关目标分类数据集Dataset-classify上进行训练，得到特征提取网络模型；步骤S3：将步骤S2训练得到的特征提取网络模型移植到目标检测网络RFCN中，并基于自建舰船目标检测数据集Dataset-detect，最终训练得到能更好应用于舰船目标检测的网络模型。采用本发明的技术方案，在ResNet网络各层之间增加多个相同拓扑结构的卷积计算分支并进行分组卷积，在保持网络原有计算复杂度的情况下提升分类准确率，具有准确性高，网络设计简单等优点。
-
公开(公告)号：CN109509214A
公开(公告)日：2019-03-22
申请号：CN201811198664.8
申请日：2018-10-15
Applicant: 杭州电子科技大学
IPC: G06T7/277
Abstract: 本发明公开了一种基于深度学习的船舶目标跟踪方法，属于基于图像的目标跟踪领域。本发明可以在边海防，智能海洋监测系统，船舶态势估计等领域应用。步骤S1：使用自建船舶分类和检测数据集对深度网络进行训练和压缩，得到一个轻量化的船舶检测网络；步骤S2：使用经过训练的轻量化检测网络模型实时检测视频中的船舶目标并进行目标的跟踪。采用本发明的技术方案，将自建的船舶数据集进行训练，得到一个轻量化的检测网络，再结合改进的跟踪算法框架进行船舶目标的跟踪，实现了船舶目标的实时跟踪，整体方案具有设备依赖性低、跟踪稳定性高以及实时性强等特点。
-
公开(公告)号：CN108122008A
公开(公告)日：2018-06-05
申请号：CN201711405236.3
申请日：2017-12-22
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于稀疏表示和多特征决策级融合的SAR图像识别方法。为提高SAR目标识别算法的识别率和识别速度，本发明将SAR切片图像提取灰度特征和降维随机卷积特征向量，然后采用字典学习算法对从每一类别训练样本提取的特征向量构成的字典进行优化，构成字典，最后通过字典恢复样本稀疏系数得到分类结果。本发明提出的方法在极大地提高了识别速度的同时，提高了识别精度，具有更好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN105303548B
公开(公告)日：2017-12-22
申请号：CN201510296347.X
申请日：2015-06-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于混合智能优化算法的SAR图像特征选择方法。本发明首先采用分形特征对SAR图像进行增强，基于分割后的图像提出了一种基于图像矩的方位角估计方法。然后基于未校正和校正后的图像分别提取Zernike矩、Gabor小波系数和灰度共生矩阵构成候选特征序列。采用了一种结合遗传算法和二值粒子群的混合优化算法实现SAR图像特征选择。最后采用MSTAR数据库验证了提出算法的有效性。实验结果表明，优化后的特征集合具有一定泛化能力，一方面提高了SAR目标识别的准确率，另一方面减小了SAR图像目标识别的时间。
-
公开(公告)号：CN103679677B
公开(公告)日：2016-11-09
申请号：CN201310681113.8
申请日：2013-12-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于模型互更新的双模图像决策级融合跟踪方法。本发明针对红外与可见光图像的特点，首先提取红外与可见光图像的特征描述向量，使其能提供互补信息，增加图像的信息量描述。之后采用Gentle Adaboost学习算法分别建立红外与可见光图像两个分类器模型，将跟踪问题转化为目标与背景的二分类问题。然后在半监督学习框架下协同训练，同时进行模型互更新，有效避免了模型误差累积问题。并利用训练结果和它们各自的置信度进行决策级融合得到最终的似然图像，最后通过均值漂移算法在最终的似然图像中定位目标位置。本发明能有效避免模型误差累积和单模图像描述目标信息局限性而导致的跟踪丢失问题，提高了跟踪的鲁棒性。
-
公开(公告)号：CN104122554B
公开(公告)日：2016-08-17
申请号：CN201410372863.1
申请日：2014-07-31
Applicant: 西安电子科技大学
Abstract: 本发明公开一种高分辨率SAR图像目标属性散射中心特征提取方法，主要解决现属性散射中心提取方法的模型失配、计算复杂度高、参数估计不准确和无法满足目标识别自动化要求的问题。其实现过程是：1.提取雷达图像中目标的支撑连通区域，并自动初始化参数；2.根据属性散射中心模型，利用字典拆分实现字典降维，构建位置参数字典和属性参数字典；3.通过求解0范数优化问题得到目标属性散射中心参数集合。本发明能有效提取目标属性散射中心，可用于精确估计目标及其重要部件几何尺寸，满足目标识别自动化要求。
-
公开(公告)号：CN105701608A
公开(公告)日：2016-06-22
申请号：CN201610013812.9
申请日：2016-01-11
Applicant: 杭州电子科技大学
CPC classification number: Y02A20/16 , G06Q10/0635 , G06Q50/26
Abstract: 本发明公开了一种河道监督信息管理系统。本发明中的河道水流水质信息采集模块。由数据采集人员手持安装有移动设备，填写当前水体的流速、流量、水深，水质等相关信息字段。河道水流水质信息更新模块。利用数据融合技术对移动终端采集到的河道水流、水质信息进行分析；运用相应的态势估计技术，对水流信息造成的影响进行预估。河道水流水质信息显示模块是在百度地图上，将河道的水流态势用七种颜色的圆形标注物进行标识。预警信息推送模块是对于达到或超过预设置危险等级的水流，或者是排污，违建等突发事件，服务器端主动向河长推送预警信息。本发明运用态势估计理论并结合移动开发技术，其能够加强河长对河道水流信息的实时监督与管理能力。
-
公开(公告)号：CN105701192A
公开(公告)日：2016-06-22
申请号：CN201610014905.3
申请日：2016-01-11
Applicant: 杭州电子科技大学
IPC: G06F17/30
CPC classification number: G06F16/29
Abstract: 本发明公开了一种基于百度地图的水流态势一致性系统。本发明中的水流信息采集模块。采集使用者当前的地理位置信息、水流状况信息，并将这些信息通过网络传输到服务器。水流态势计算与更新模块。依据水流信息的安全状况与危险程度，按照水流态势的计算逻辑与等级设置，计算水流态势值，保存到数据库，并定时对数据库中的水流态势信息进行更新。对于达到或超过预设置危险等级的水流态势，服务器端主动推送预警信息。本发明借助百度地图的相关技术，将水流信息显通过地图显示出来，同时，设置水流态势的安全等级，并将不同的安全等级以颜色进行区分并显示，从而让城市排水的系统决策人员能够直观地了解城市的水流信息。
-
-
-
-
-
-
-
-
-
Search Results
231
records
(took 0.041 seconds)
