-
公开(公告)号：CN113408372A
公开(公告)日：2021-09-17
申请号：CN202110612396.5
申请日：2021-06-02
Applicant: 东南大学
Abstract: 本发明提供一种基于时空间特征的行人车辆异常行为检测方法，包括以下步骤：步骤10)基于深度学习法，检测得到样品视频的第一异常区域和第一正常区域；步骤20)基于光流法，检测得到样品视频的第二异常区域和第二正常区域；步骤30)根据贝叶斯理论，结合第一异常区域、第一正常区域、第二异常区域和第二正常区域，得到样品视频的异常区域。本发明方法将基于深度学习方法检测得到的结果和基于光流法方法检测得到的结果，基于贝叶斯理论进行融合，既可弥补小样本数据时基于深度学习方法的表现不足的问题，又可弥补基于光流法针对弱运动目标敏感度不足的问题，从而在没有大样本数据支撑下，提高对异常行为的检测精度和性能。
-
Patent Agency Ranking
公开(公告)号：CN115700808A
公开(公告)日：2023-02-07
申请号：CN202211324033.2
申请日：2022-10-27
Applicant: 东南大学
Abstract: 本发明公开了一种自适应融合可见光和红外图像的双模态无人机识别方法，涉及计算机视觉技术领域，解决了单独用可见光相机在复杂环境下对无人机检测效果较差的技术问题，其技术方案要点是利用可见光图像和红外图像的互补性；利用自适应融合模块根据图像特征质量对双模态输入分配权重，再通过轻型的双模态网络对无人机进行实时识别。该算法在满足实时性的要求下，能够在光照复杂环境下对微小目标进行识别，以应对复杂环境下的无人机检测任务，在军事领域有较好的应用前景。且该网络的结构简单，计算量小，对小目标有较好的检测效果，具有较强的鲁棒性。
-
公开(公告)号：CN116128946B
公开(公告)日：2024-02-09
申请号：CN202211588573.1
申请日：2022-12-09
Applicant: 东南大学
Abstract: 本发明公开了一种基于边缘导向和注意力机制的双目红外深度估计方法，涉及计算机视觉中的双目视觉技术领域，解决了因红外图像具有纹理不清晰、边缘模糊、特征不明显等缺陷而导致的深度估计精度低的技术问题，其技术方案要点是引入基于伽马校正和中值滤波的图像预处理模块以增强图像边缘和细节信息，为卷积神经网络提供更多可被挖掘的深层次特征表示；在高维特征图中构建混合注意力模块以获取待匹配特征间不同通道和空间位置的深度关联，促进后续网络进行有效的深度推理；同时引入边缘导向模块，构造“边缘‑深度”联合损失函数以生成边缘清晰、深度平滑且不存在深度空洞的前景深度
-
公开(公告)号：CN116012620A
公开(公告)日：2023-04-25
申请号：CN202211578227.5
申请日：2022-12-09
Applicant: 东南大学
Abstract: 本发明公开了一种基于代价群组注意力和边缘强化的红外立体匹配方法，涉及计算机视觉中的双目视觉技术领域，解决了低辨识度环境下红外立体匹配精度不高的技术问题，其技术方案要点是基于canny边缘检测算法和边缘特征提取网络提取原始图像的多尺度边缘特征；结合多尺度边缘特征及原始图像特征构建边缘强化模块以获取融合特征；利用融合特征构造代价群组注意力模块；经代价聚合和视差回归获取预测视差图。本发明创新采用边缘强化模块和代价群组注意力模块，分别能够补充和聚焦红外立体匹配过程中的有益特征，以获得更好的立体匹配精度。
-
公开(公告)号：CN113408372B
公开(公告)日：2024-05-24
申请号：CN202110612396.5
申请日：2021-06-02
Applicant: 东南大学
IPC: G06V20/40 , G06V20/52 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于时空间特征的行人车辆异常行为检测方法，包括以下步骤：步骤10)基于深度学习法，检测得到样品视频的第一异常区域和第一正常区域；步骤20)基于光流法，检测得到样品视频的第二异常区域和第二正常区域；步骤30)根据贝叶斯理论，结合第一异常区域、第一正常区域、第二异常区域和第二正常区域，得到样品视频的异常区域。本发明方法将基于深度学习方法检测得到的结果和基于光流法方法检测得到的结果，基于贝叶斯理论进行融合，既可弥补小样本数据时基于深度学习方法的表现不足的问题，又可弥补基于光流法针对弱运动目标敏感度不足的问题，从而在没有大样本数据支撑下，提高对异常行为的检测精度和性能。
-
公开(公告)号：CN116128946A
公开(公告)日：2023-05-16
申请号：CN202211588573.1
申请日：2022-12-09
Applicant: 东南大学
Abstract: 本发明公开了一种基于边缘导向和注意力机制的双目红外深度估计方法，涉及计算机视觉中的双目视觉技术领域，解决了因红外图像具有纹理不清晰、边缘模糊、特征不明显等缺陷而导致的深度估计精度低的技术问题，其技术方案要点是引入基于伽马校正和中值滤波的图像预处理模块以增强图像边缘和细节信息，为卷积神经网络提供更多可被挖掘的深层次特征表示；在高维特征图中构建混合注意力模块以获取待匹配特征间不同通道和空间位置的深度关联，促进后续网络进行有效的深度推理；同时引入边缘导向模块，构造“边缘‑深度”联合损失函数以生成边缘清晰、深度平滑且不存在深度空洞的前景深度图，为智能体在低照度环境下维持正常运转提供可能。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
