-
公开(公告)号：CN107103578B
公开(公告)日：2020-12-11
申请号：CN201710190453.9
申请日：2017-03-28
Applicant: 北京交通大学
Abstract: 本发明公开了一种利用高速铁路前向车载视频进行全景图拼接的方法。前向车载视频图像仅将摄像机运动方向视角范围内的场景囊括其中，其视野宽阔，场景深，空间覆盖面广，已经被广泛应用于移动式的场景记录和监控任务中。高速铁路检测列车需要周而复始对地对高速铁路运行环境检测，产生了大量前向车载视频图像，针对这些视频的存储、检索以及进一步利用这些视频实现自动检测问题，提出了一种基于计算机视觉技术的前向车载视频全景图像拼接方法，该方法可以实现高速铁路全程线路的全景图生成，同时以全景图形式存储可大大压缩车载视频的存储空间以及提高检索效率。
-
公开(公告)号：CN101877053B
公开(公告)日：2012-03-28
申请号：CN200910238335.6
申请日：2009-11-25
Applicant: 北京交通大学
Abstract: 本发明公开了属于图像处理技术范围的一种人脸识别的半监督邻域判别分析方法。该方法能够保留数据的局部结构而且具有判别能力。半监督邻域判别分析(SSNDA)方法是针对人脸的图像数据，利用谱图理论作为工具，充分利用已标记的数据类标签提供的信息，以及已标记与未标记数据的相似度信息来构建邻接矩阵ASSNDA，充分利用已标记的数据类标签提供的信息，以及已标记与未标记数据的相似度信息。该方法这样来构建邻接矩阵ASSNDA：SSNDA的低维特征表示包含了标记数据的判别信息以及已标记和未标记数据的局部结构信息。通过实际的人脸识别实验验证了SSNDA的高效性和稳定性，并且其性能优于LDA方法。
-
公开(公告)号：CN101334834B
公开(公告)日：2010-08-11
申请号：CN200710118165.9
申请日：2007-06-29
Applicant: 北京交通大学
Abstract: 一种借鉴心理学中有关视觉注意的研究成果，提出了一种自底向上的注意信息提取方法。自底向上的注意信息由图像中每个点对应区域的显著性构成，区域的尺度自适应于局部特征的复杂度。新的显著性度量标准综合考虑了局部复杂度、统计不相似和初级视觉特征这三个方面的特性。显著区域在特征空间和尺度空间中同时显著。获取的自底向上的注意信息具有旋转、平移、比例缩放不变性和一定的抗噪能力。基于这种算法开发出了一个注意模型，将其应用于多幅自然图像的实验证明了算法的有效性。
-
Patent Agency Ranking
公开(公告)号：CN119541057A
公开(公告)日：2025-02-28
申请号：CN202510102097.5
申请日：2025-01-22
Applicant: 中国铁路设计集团有限公司 , 北京交通大学
IPC: G06V40/20 , G06N3/0455 , G06V10/82
Abstract: 本发明公开一种基于概率不确定性引导的动作质量评估方法及系统，属于动作质量评估技术领域。该发明引入基于条件变分自动编码器的不确定性估计模块，有效地捕捉动作质量评估任务中固有的模糊性，并且可以从潜在空间多次采样，模拟生成不同裁判评分过程的多样化预测，增强了对所有的裁判评分的有效利用，有助于更加灵活和准确地预测最终分数。
-
公开(公告)号：CN106023076B
公开(公告)日：2019-04-23
申请号：CN201610312137.X
申请日：2016-05-11
Applicant: 北京交通大学
Abstract: 本发明实施例提供了一种基于虚拟采样通道模型的全景图拼接方法和全景图拼接方法的检测高速铁路的防护栏的缺损状态的方法。所述检测方法，包括：获取记录高速铁路环境状态的前向运动视频；基于虚拟采样通道模型的全景图拼接方法，将所述前向运动视频转换为铁路运行环境的左、右全景图，作为防护栏全景图；按照最大化熵分割原理，对所述防护栏全景图中的护栏和背景的位置进行定位，得到0和1组成的二值码；对所述二值码进行行程编码；根据所述行程编码，计算相邻两护栏之间的背景区域的像素宽度Dcur；根据所述相邻两护栏之间的背景区域的像素宽度Dcur与所述相邻两护栏之间的正常像素间距d，判断相邻两护栏是否存在缺损。
-
公开(公告)号：CN107103578A
公开(公告)日：2017-08-29
申请号：CN201710190453.9
申请日：2017-03-28
Applicant: 北京交通大学
CPC classification number: G06T3/4038 , G06T3/0043 , G06T7/50 , G06T2200/32
Abstract: 本发明公开了一种利用高速铁路前向车载视频进行全景图拼接的方法。前向车载视频图像仅将摄像机运动方向视角范围内的场景囊括其中，其视野宽阔，场景深，空间覆盖面广，已经被广泛应用于移动式的场景记录和监控任务中。高速铁路检测列车需要周而复始对地对高速铁路运行环境检测，产生了大量前向车载视频图像，针对这些视频的存储、检索以及进一步利用这些视频实现自动检测问题，提出了一种基于计算机视觉技术的前向车载视频全景图像拼接方法，该方法可以实现高速铁路全程线路的全景图生成，同时以全景图形式存储可大大压缩车载视频的存储空间以及提高检索效率。
-
公开(公告)号：CN106023076A
公开(公告)日：2016-10-12
申请号：CN201610312137.X
申请日：2016-05-11
Applicant: 北京交通大学
CPC classification number: G06T3/4038 , G06T7/0004 , G06T2200/32 , G06T2207/10016 , G06T2207/20021 , G06T2207/30221
Abstract: 本发明实施例提供了一种基于虚拟采样通道模型的全景图拼接方法和全景图拼接方法的检测高速铁路的防护栏的缺损状态的方法。所述检测方法，包括：获取记录高速铁路环境状态的前向运动视频；基于虚拟采样通道模型的全景图拼接方法，将所述前向运动视频转换为铁路运行环境的左、右全景图，作为防护栏全景图；按照最大化熵分割原理，对所述防护栏全景图中的护栏和背景的位置进行定位，得到0和1组成的二值码；对所述二值码进行行程编码；根据所述行程编码，计算相邻两护栏之间的背景区域的像素宽度Dcur；根据所述相邻两护栏之间的背景区域的像素宽度Dcur与所述相邻两护栏之间的正常像素间距d，判断相邻两护栏是否存在缺损。
-
公开(公告)号：CN101877053A
公开(公告)日：2010-11-03
申请号：CN200910238335.6
申请日：2009-11-25
Applicant: 北京交通大学
Abstract: 本发明公开了属于图像处理技术范围的一种人脸识别的半监督邻域判别分析方法。该方法能够保留数据的局部结构而且具有判别能力。半监督邻域判别分析(SSNDA)方法是针对人脸的图像数据，利用谱图理论作为工具，充分利用已标记的数据类标签提供的信息，以及已标记与未标记数据的相似度信息来构建邻接矩阵ASSNDA，充分利用已标记的数据类标签提供的信息，以及已标记与未标记数据的相似度信息。该方法这样来构建邻接矩阵A-SSNDA：SSNDA的低维特征表示包含了标记数据的判别信息以及已标记和未标记数据的局部结构信息。通过实际的人脸识别实验验证了SSNDA的高效性和稳定性，并且其性能优于LDA方法。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
