公开(公告)号：CN108154080B

公开(公告)日：2020-09-01

申请号：CN201711205432.6

申请日：2017-11-27

Applicant: 北京交通大学 ,  中国移动通信集团设计院有限公司

Inventor： 韦世奎 ,  蒋翔 ,  兰天蔚 ,  董瑶 ,  何凌志 ,  马晓晨 ,  赵耀 ,  杜雪涛 ,  张晨 ,  杜刚

IPC: G06K9/00

Abstract: 本发明提供了一种视频设备快速溯源的方法，该方法通过获取每个设备相机的一段视频，通过处理视频并且计算视频的相机指纹特征的方式计算出相机特征，建立数据库，每一部设备有自己独立的相机特征。同样方式计算待测视频的相机特征值，通过计算这个值与相机特征数据库中的特征值相关性来判断这个视频来自于哪部设备。本发明利用了相机指纹这种难以被修改和伪造的设备物理硬件特征在计算过程中以迭代处理，采用多种高效的识别方法实现设备高效溯源。

公开(公告)号：CN108154080A

公开(公告)日：2018-06-12

申请号：CN201711205432.6

申请日：2017-11-27

Applicant: 北京交通大学 ,  中国移动通信集团设计院有限公司

Inventor： 韦世奎 ,  蒋翔 ,  兰天蔚 ,  董瑶 ,  何凌志 ,  马晓晨 ,  赵耀 ,  杜雪涛 ,  张晨 ,  杜刚

IPC: G06K9/00

Abstract: 本发明提供了一种视频设备快速溯源的方法，该方法通过获取每个设备相机的一段视频，通过处理视频并且计算视频的相机指纹特征的方式计算出相机特征，建立数据库，每一部设备有自己独立的相机特征。同样方式计算待测视频的相机特征值，通过计算这个值与相机特征数据库中的特征值相关性来判断这个视频来自于哪部设备。本发明利用了相机指纹这种难以被修改和伪造的设备物理硬件特征在计算过程中以迭代处理，采用多种高效的识别方法实现设备高效溯源。

公开(公告)号：CN115115511B

公开(公告)日：2025-04-18

申请号：CN202210640004.0

申请日：2022-06-08

Applicant: 北京交通大学

Inventor： 丛润民 ,  盛荣晖 ,  何凌志 ,  白慧慧 ,  赵耀

IPC: G06F17/40

Abstract: 本发明涉及一种彩色引导的深度图超分辨率重建方法，方法包括以下步骤：1、通过特征提取模块从LR深度图和HR彩色图提取多层次的彩色特征和深度特征；2、在基于注意力的特征投影模块、低层细节嵌入模块和高层语义引导模块的协同下，实现彩色引导的深度特征学习和细节恢复；最终得到精度准确、细节丰富的超分辨率重建深度图。本发明从低层和高层特征两方面实现了彩色信息对深度超分辨率的分治引导，抑制无价值冗余，提高重建性能。实例表明，本发明的方法在许多具有挑战性的场景中实现了出色的视觉效果，在物体边界以及微小物体的细节处都有较高的准确性。

公开(公告)号：CN115115511A

公开(公告)日：2022-09-27

申请号：CN202210640004.0

申请日：2022-06-08

Applicant: 北京交通大学

Inventor： 丛润民 ,  盛荣晖 ,  何凌志 ,  白慧慧 ,  赵耀

IPC: G06T3/40 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明涉及一种彩色引导的深度图超分辨率重建方法，方法包括以下步骤：1、通过特征提取模块从LR深度图和HR彩色图提取多层次的彩色特征和深度特征；2、在基于注意力的特征投影模块、低层细节嵌入模块和高层语义引导模块的协同下，实现彩色引导的深度特征学习和细节恢复；最终得到精度准确、细节丰富的超分辨率重建深度图。本发明从低层和高层特征两方面实现了彩色信息对深度超分辨率的分治引导，抑制无价值冗余，提高重建性能。实例表明，本发明的方法在许多具有挑战性的场景中实现了出色的视觉效果，在物体边界以及微小物体的细节处都有较高的准确性。

公开(公告)号：CN114881849A

公开(公告)日：2022-08-09

申请号：CN202110803976.2

申请日：2021-07-16

Applicant: 北京交通大学

Inventor： 丛润民 ,  唐麒 ,  盛荣晖 ,  张晨 ,  何凌志 ,  赵耀

IPC: G06T3/40 ,  G06T7/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于图像处理技术领域，涉及一种联合单目深度估计的深度图像超分辨率重建方法，包括：S1、将低分辨率深度图像输入深度图像超分辨率重建子网络，将相应于低分辨率深度图像的高分辨率彩色图像输入单目深度估计子网络；S2、对深度图像超分辨率重建子网络和单目深度估计子网络同时训练；S3、深度图像超分辨率重建子网络输出高分辨率重建深度图像，单目深度估计子网络输出高分辨率估计深度图像。本申请从单目深度估计子网络中选择高频信息引导深度图像超分辨率重建子网络，通过抑制冗余避免纹理复制。在不引入其他监督信息的情况下，本发明的方法在多个公开基准数据集上均达到具有竞争力的性能，能够准确恢复出深度图像的细节。

公开(公告)号：CN119888424A

公开(公告)日：2025-04-25

申请号：CN202411949642.6

申请日：2024-12-27

Applicant: 北京交通大学

Inventor： 赵耀 ,  常亚坤 ,  何凌志

IPC: G06V10/80 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于深度信息引导的含反射双目视频反射去除方法，包括透射图深度估计模块和反射去除模块。其中透射图深度估计模块对双目视频流逐帧进行深度感知，将双目视频流对应的混合深度解耦得到透射层对应的真实深度和反射层对应的伪深度，采用透射图对应的真实深度来引导反射去除网络，实现有效的反射去除。反射去除模块通过植入统一结构的特征融合和增强模块，实现了对跨视角特征、深度引导特征和跨帧间特征融合和增强，通过对CVEM模块、DGEM模块和CFEM模块设计门控控制器来控制三种不同任务的特征关系探索范围。实现了对给定含反射视频流反射去除的良好效果。