-
公开(公告)号：CN114636648B
公开(公告)日：2024-07-12
申请号：CN202210089824.5
申请日：2022-01-25
Applicant: 中国北方车辆研究所
IPC: G01N15/075
Abstract: 本发明提出一种基于目标检测反馈的雾浓度估计方法，利用大气散射模型生成雾浓度标注数据集，提取分布特征、全局雾浓度特征和局部雾浓度特征，输入到多分类支持向量机中得到雾浓度预测模型。本发明采取去雾参数的自适应调节并指导去雾，实现执行机器视觉任务效能最优的雾浓度估计；将目标检测与未知场景环境感知进行结合，实现室外场景雾浓度自主预测，与目标检测等其他算法进行集成；将目标识别置信度非参数估计结果以及全局和局部雾浓度相关特征综合，使监督学习输入特征空间同时具有低级的像素统计特征以及卷积网络提取的高级统计特征；实现从清晰图像到大雾图像的雾浓度估计，使用多分类模型节省了使用拟合模型所需的数据集人工标注过程。
-
Patent Agency Ranking
公开(公告)号：CN119379732A
公开(公告)日：2025-01-28
申请号：CN202411254190.X
申请日：2024-09-09
Applicant: 中国北方车辆研究所
IPC: G06T7/246 , H04N23/60 , H04N23/667 , G06V10/80 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本公开提供了一种基于轨迹预测的遮挡目标稳定跟踪方法和装置。该方法对单帧图像进行特征提取和目标检测，然后根据多帧图像的目标检测结果进行检测框的匹配，当出现检测框失配时，确定目标遮挡；判断目标遮挡时间，如果为短遮挡，则利用最小二乘法，进行目标轨迹预测；如果为长遮挡，则利用卡尔曼滤波，进行目标轨迹预测。本发明还提供了一种关联策略，当检测框失配时，失配的检测框分别高价值检测框和预测框进行关联，这些高价值检测框可以包括具有关联价值的非确定状态检测框、超寿命检测框等。使用本发明能够遮挡发生后多目标跟踪身份切换问题，提升多目标跟踪算法的抗遮挡能力，保证多目标遮挡后稳定跟踪效果。
-
公开(公告)号：CN119131448A
公开(公告)日：2024-12-13
申请号：CN202410908914.1
申请日：2024-07-08
Applicant: 中国北方车辆研究所
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/77 , G06T7/70 , G06N3/0455
Abstract: 本发明提出了一种基于深度多任务网络的地面战场威胁目标智能感知方法，通过被动地、图像处理的方式，获取多个威胁目标的多重属性，实现了端到端的多目标检测和距离预测。本发明构建可并行实现图像目标检测任务和距离估计任务的地面目标综合感知深度多任务网络模型，在多任务基础上，设计一种融合几何先验知识的目标损失函数；模型采用基于编码器‑解码器的无锚框预测架构，包含基础特征提取模块和两个并行的子任务模块。目标损失函数包括目标检测损失、距离预测损失以及几何先验损失，在目标检测和距离估计任务中，通过对场景几何先验知识建模，将几何先验知识融入目标损失函数，通过先验几何知识的约束，提升网络预测结果的可靠性。
-
公开(公告)号：CN118396862A
公开(公告)日：2024-07-26
申请号：CN202410283084.8
申请日：2024-03-13
Applicant: 中国北方车辆研究所
Abstract: 一种基于多尺度融合注意力机制的可见光图像与红外图像融合方法，在不同尺度特征图上提取特征的注意力权重矩阵，使多模态图像特征的上下文关联在特征提取过程中充分表达；在注意力模块中引入空洞卷积以降低图像融合过程中的局部信息损失，以解决大感受野下图像细节特征消失的问题。将采用该方法的注意力模块应用于现有的图像融合算法，能够对不同模态图像进行更加充分的特征表达，实现模态间特征互补，进而提升图像融合效果。
-
公开(公告)号：CN114636648A
公开(公告)日：2022-06-17
申请号：CN202210089824.5
申请日：2022-01-25
Applicant: 中国北方车辆研究所
IPC: G01N15/06
Abstract: 本发明提出一种基于目标检测反馈的雾浓度估计方法，利用大气散射模型生成雾浓度标注数据集，提取分布特征、全局雾浓度特征和局部雾浓度特征，输入到多分类支持向量机中得到雾浓度预测模型。本发明采取去雾参数的自适应调节并指导去雾，实现执行机器视觉任务效能最优的雾浓度估计；将目标检测与未知场景环境感知进行结合，实现室外场景雾浓度自主预测，与目标检测等其他算法进行集成；将目标识别置信度非参数估计结果以及全局和局部雾浓度相关特征综合，使监督学习输入特征空间同时具有低级的像素统计特征以及卷积网络提取的高级统计特征；实现从清晰图像到大雾图像的雾浓度估计，使用多分类模型节省了使用拟合模型所需的数据集人工标注过程。
-
公开(公告)号：CN119380178A
公开(公告)日：2025-01-28
申请号：CN202411254189.7
申请日：2024-09-09
Applicant: 中国北方车辆研究所
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本公开提供了一种基于DCF‑YOLOv8的地面环境目标识别方法和装置，解决地面环境下进行目标识别存在背景复杂、相似目标干扰严重和小目标识别精度低的难题。本发明对YOLOv8模型中的C2F模块进行改进，提出了一种新的目标识别模型DCF‑YOLOv8。该DCF模块中，首先由分解模块对输入特征的通道维度进行分解，将输入特征维度划分为双支路；其中一个支路特征输入三层瓶颈卷积模块；三层瓶颈卷积模块采用稠密连接，使得在后的瓶颈卷积模块在提取目标特征时使用前层瓶颈卷积模块提取的低级特征信息；两支路和三层瓶颈卷积模块各层输出特征进行拼接在融合模块中进行特征融合，作为DCF模块的输出特征。
-
-
-
-
-
Search Results
6
records
(took 0.031 seconds)
