-
-
Patent Agency Ranking
公开(公告)号：CN102881012A
公开(公告)日：2013-01-16
申请号：CN201210324394.7
申请日：2012-09-04
Applicant: 上海交通大学
Abstract: 本发明涉及的是一种计算机视觉领域中的视觉目标跟踪方法。具体地说，涉及的是针对目标尺度变化的视觉目标跟踪方法。1）在几何粒子滤波框架内，在Aff(2)空间中定义目标的仿射变换，建立目标仿射变换的一阶自回归运动模型。2）对目标的观测模型采用模板的向量化特征用候选区域的向量化特征线性近似表出，系数受非负性约束。所得到的优化问题就是非负最小二乘问题。表出的系数反映候选者与目标模板的相似性，因此可用于定义候选目标的观测似然度。最后跟踪结果利用在Aff(2)空间上定义的样本均值来计算得到。本发明可以对目标在存在尺度或旋转变化时进行较好的跟踪。
-
-
公开(公告)号：CN102881012B
公开(公告)日：2016-07-06
申请号：CN201210324394.7
申请日：2012-09-04
Applicant: 上海交通大学
Abstract: 本发明涉及的是一种计算机视觉领域中的视觉目标跟踪方法。具体地说，涉及的是针对目标尺度变化的视觉目标跟踪方法。1）在几何粒子滤波框架内，在Aff(2)空间中定义目标的仿射变换，建立目标仿射变换的一阶自回归运动模型。2）对目标的观测模型采用模板的向量化特征用候选区域的向量化特征线性近似表出，系数受非负性约束。所得到的优化问题就是非负最小二乘问题。表出的系数反映候选者与目标模板的相似性，因此可用于定义候选目标的观测似然度。最后跟踪结果利用在Aff(2)空间上定义的样本均值来计算得到。本发明可以对目标在存在尺度或旋转变化时进行较好的跟踪。
-
公开(公告)号：CN102663717B
公开(公告)日：2015-01-14
申请号：CN201210065454.8
申请日：2012-03-13
Applicant: 上海交通大学
IPC: G06T5/50
Abstract: 一种基于卡尔曼压缩感知的动态图像融合方法，首先，构建卡尔曼压缩感知方法理论框架，根据输入的视频数据进行实时预测与表示；采用压缩感知理论根据所输入的图像信号选取一种特定正交矩阵，将图像信号映射到另一个正交空间，获取图像信号的相对稀疏的表现形式；其次，根据标准的卡尔曼以及上述的压缩感知过程，将原有卡尔曼滤波器的状态更新过程进行重新定义，划分时间信息与空间信息；之后，根据得到的时间与空间信息向量建立自适应时空融合的参数化模型，进行自适应融合，得到最终的融合向量；最后，对融合向量进行重建，得到融合后的动态图像。本发明提高了视频级动态融合的基本性能、鲁棒性和可靠性，在安全监视等领域中可有广泛的应用。
-
公开(公告)号：CN102663717A
公开(公告)日：2012-09-12
申请号：CN201210065454.8
申请日：2012-03-13
Applicant: 上海交通大学
IPC: G06T5/50
Abstract: 一种基于卡尔曼压缩感知的动态图像融合方法，首先，构建卡尔曼压缩感知方法理论框架，根据输入的视频数据进行实时预测与表示；采用压缩感知理论根据所输入的图像信号选取一种特定正交矩阵，将图像信号映射到另一个正交空间，获取图像信号的相对稀疏的表现形式；其次，根据标准的卡尔曼以及上述的压缩感知过程，将原有卡尔曼滤波器的状态更新过程进行重新定义，划分时间信息与空间信息；之后，根据得到的时间与空间信息向量建立自适应时空融合的参数化模型，进行自适应融合，得到最终的融合向量；最后，对融合向量进行重建，得到融合后的动态图像。本发明提高了视频级动态融合的基本性能、鲁棒性和可靠性，在安全监视等领域中可有广泛的应用。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
