-
公开(公告)号：CN108491857B
公开(公告)日：2022-08-09
申请号：CN201810141262.8
申请日：2018-02-11
Applicant: 中国矿业大学
Abstract: 本发明公开了一种视域重叠的多摄像机目标匹配方法，具体如下；根据摄像机1和摄像机2的前5帧信息计算两台摄像机的视野分界线；提取摄像机1视频中的前景目标，根据多特征融合规则将各个前景目标的特征进行融合获得融合后的特征向量；计算摄像机1中各目标在摄像机2中的投影点，确定待匹配目标的可靠区域后，再计算可靠区域内多特征融合向量；计算多特征融合向量的欧式距离，完成视域重叠的多摄像机目标匹配，距离最近且在设定阈值范围内的目标为匹配目标，保存视野分界线参数；更新视野分界线参数，从当前视频帧的前5帧中选取2组参数，再结合当前帧的视野分界线参数进行线性加权，并对视野分界线模型进行更新。
-
公开(公告)号：CN108550115B
公开(公告)日：2020-06-16
申请号：CN201810380243.0
申请日：2018-04-25
Applicant: 中国矿业大学
Abstract: 本发明涉及一种图像超分辨率重建方法，属于图像处理技术领域，解决了现有技术生成图像边缘信息模糊、不能适用多种放大倍数以及重建效果差的问题。所述方法包括如下步骤：构造训练和学习的卷积神经网络，所述卷积神经网络从上到下依次包括LR特征提取层、非线性映射层、HR重建层；用该卷积神经网络对输入的成对的LR图像和HR图像进行训练，同时进行至少两个放大尺度的训练，求得卷积神经网络的最优参数集和相应放大尺度下的尺度调节因子；训练完成后，将目标LR图像和目标放大倍数输入所述卷积神经网络，可得到目标HR图像。本发明卷积神经网络训练速度快，训练完成后可以实时得到训练尺度中任意放大倍数的HR图像。
-
公开(公告)号：CN107886067B
公开(公告)日：2020-04-28
申请号：CN201711085825.8
申请日：2017-11-07
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于HIKSVM分类器的多特征融合的行人检测方法，具体包括以下步骤：确定行人图像序列中的行为区域；在行为区域内提取多项特征，形成融合特征；利用训练好的基于上述融合特征的HIKSVM分类器进行行人检测。本发明改进了特征提取方法，提取出HOG特征之后，通过类比，把梯度场改为光流场，提取HOF特征，保留了物体的形状信息和运动信息，同时避免了使用光流场描述整幅运动物体的计算复杂性，鲁棒性强；通过对LBP算法的改进，使用LQC算法提取纹理特征，不损失纹理信息的基础上，减少了计算复杂度；使用直方图交叉核，通过交叉坐标下降的方法，对SVM分类器进行分类训练，计算复杂度低，检测精度高。
-
Patent Agency Ranking
公开(公告)号：CN110276389B
公开(公告)日：2023-04-07
申请号：CN201910513747.X
申请日：2019-06-14
Applicant: 中国矿业大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06T7/12 , G06T7/13
Abstract: 本发明公开了一种基于边缘修正的矿井移动巡检图像重建方法，包括以下步骤：步骤1：图像预处理，对输入图像进行不同程度的下采样以及图像分割处理；步骤2：图像特征提取和表示；在每个卷积层后面分别使用改进的激活函数；步骤3：图像重建；采用本发明方法重建Y通道；步骤4：边缘误差区域信息修正。本发明中在预处理阶段对训练集图像做不同尺度的放大处理，以方便后期的交叉训练，使得网络模型适用于2、3、4等不同缩放倍数的重建过程；适当加深网络层次，提取到更丰富的图像特征信息；提取边缘修正系数，对重建好的HR图像进行边缘信息修正，解决边缘细节模糊的问题；引入改进的激活函数，提高非线性表达能力，激活更多非线性区域特征。
-
公开(公告)号：CN110276389A
公开(公告)日：2019-09-24
申请号：CN201910513747.X
申请日：2019-06-14
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于边缘修正的矿井移动巡检图像重建方法，包括以下步骤：步骤1：图像预处理，对输入图像进行不同程度的下采样以及图像分割处理；步骤2：图像特征提取和表示；在每个卷积层后面分别使用改进的激活函数；步骤3：图像重建；采用本发明方法重建Y通道；步骤4：边缘误差区域信息修正。本发明中在预处理阶段对训练集图像做不同尺度的放大处理，以方便后期的交叉训练，使得网络模型适用于2、3、4等不同缩放倍数的重建过程；适当加深网络层次，提取到更丰富的图像特征信息；提取边缘修正系数，对重建好的HR图像进行边缘信息修正，解决边缘细节模糊的问题；引入改进的激活函数，提高非线性表达能力，激活更多非线性区域特征。
-
公开(公告)号：CN108550115A
公开(公告)日：2018-09-18
申请号：CN201810380243.0
申请日：2018-04-25
Applicant: 中国矿业大学
Abstract: 本发明涉及一种图像超分辨率重建方法，属于图像处理技术领域，解决了现有技术生成图像边缘信息模糊、不能适用多种放大倍数以及重建效果差的问题。所述方法包括如下步骤：构造训练和学习的卷积神经网络，所述卷积神经网络从上到下依次包括LR特征提取层、非线性映射层、HR重建层；用该卷积神经网络对输入的成对的LR图像和HR图像进行训练，同时进行至少两个放大尺度的训练，求得卷积神经网络的最优参数集和相应放大尺度下的尺度调节因子；训练完成后，将目标LR图像和目标放大倍数输入所述卷积神经网络，可得到目标HR图像。本发明卷积神经网络训练速度快，训练完成后可以实时得到训练尺度中任意放大倍数的HR图像。
-
公开(公告)号：CN108491857A
公开(公告)日：2018-09-04
申请号：CN201810141262.8
申请日：2018-02-11
Applicant: 中国矿业大学
Abstract: 本发明公开了一种视域重叠的多摄像机目标匹配方法，具体如下；根据摄像机1和摄像机2的前5帧信息计算两台摄像机的视野分界线；提取摄像机1视频中的前景目标，根据多特征融合规则将各个前景目标的特征进行融合获得融合后的特征向量；计算摄像机1中各目标在摄像机2中的投影点，确定待匹配目标的可靠区域后，再计算可靠区域内多特征融合向量；计算多特征融合向量的欧式距离，完成视域重叠的多摄像机目标匹配，距离最近且在设定阈值范围内的目标为匹配目标，保存视野分界线参数；更新视野分界线参数，从当前视频帧的前5帧中选取2组参数，再结合当前帧的视野分界线参数进行线性加权，并对视野分界线模型进行更新。
-
公开(公告)号：CN107886067A
公开(公告)日：2018-04-06
申请号：CN201711085825.8
申请日：2017-11-07
Applicant: 中国矿业大学
Abstract: 本发明涉及一种基于HIKSVM分类器的多特征融合的行人检测方法，具体包括以下步骤：确定行人图像序列中的行为区域；在行为区域内提取多项特征，形成融合特征；利用训练好的基于上述融合特征的HIKSVM分类器进行行人检测。本发明改进了特征提取方法，提取出HOG特征之后，通过类比，把梯度场改为光流场，提取HOF特征，保留了物体的形状信息和运动信息，同时避免了使用光流场描述整幅运动物体的计算复杂性，鲁棒性强；通过对LBP算法的改进，使用LQC算法提取纹理特征，不损失纹理信息的基础上，减少了计算复杂度；使用直方图交叉核，通过交叉坐标下降的方法，对SVM分类器进行分类训练，计算复杂度低，检测精度高。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
