-
公开(公告)号：CN103712617A
公开(公告)日：2014-04-09
申请号：CN201310700792.9
申请日：2013-12-18
Applicant: 北京工业大学
CPC classification number: G01C21/00 , G06F17/30241
Abstract: 本发明公开一种基于视觉内容的多层语义地图的创建方法，包括：将机器人在环境中漫游拍摄的图像集合按照拍摄地点场景进行标注；构建分层词汇树；构建知识拓扑层，为知识拓扑层赋予知识；构建场景拓扑层；构建地点拓扑层。本发明利用视觉传感器对空间构建多层语义地图，在知识拓扑层使用有向图结构存储和查询知识，可以省去知识表达系统中不必要的操作，插入和查询速度快；利用场景拓扑层对环境进行抽象划分，将整个环境抽象成子区域，可减小图像的检索空间和路径搜索空间；利用地点拓扑层对特定的地点图像进行保存，采用图像检索技术即可自定位，不必维护全局的世界坐标系，解决了自定位估计误差累计问题。
-
公开(公告)号：CN103810500B
公开(公告)日：2017-04-05
申请号：CN201410064526.6
申请日：2014-02-25
Applicant: 北京工业大学
Abstract: 本发明涉及基于有监督学习概率主题模型的地点图像识别方法，目的在于更好地解决地点图像识别中由于不同光照和角度、事物变化和运动导致的不确定问题，以及原有LDA模型中随主题数目增加图像的识别率出现过拟合现象进而影响图像的识别率的问题。所述方法包括：图像获取；图像预处理；采用SIFT对图像局部特征进行检测和描述；生成“词袋”；用“词袋”中的词对图像进行描述步骤；本发明采用基于有监督学习的概率主题模型学习图像的潜在主题分布；根据sLDA模型中图像的类别响应函数识别测试集中的未知地点图像。本发明用有监督学习的LDA模型代替原有的LDA模型，在保证实时性的前提下，可以有效提高地点图像的识别率。
-
Patent Agency Ranking
公开(公告)号：CN103810500A
公开(公告)日：2014-05-21
申请号：CN201410064526.6
申请日：2014-02-25
Applicant: 北京工业大学
Abstract: 本发明涉及基于有监督学习概率主题模型的地点图像识别方法，目的在于更好地解决地点图像识别中由于不同光照和角度、事物变化和运动导致的不确定问题，以及原有LDA模型中随主题数目增加图像的识别率出现过拟合现象进而影响图像的识别率的问题。所述方法包括：图像获取；图像预处理；采用SIFT对图像局部特征进行检测和描述；生成“词袋”；用“词袋”中的词对图像进行描述步骤；本发明采用基于有监督学习的概率主题模型学习图像的潜在主题分布；根据sLDA模型中图像的类别响应函数识别测试集中的未知地点图像。本发明用有监督学习的LDA模型代替原有的LDA模型，在保证实时性的前提下，可以有效提高地点图像的识别率。
-
公开(公告)号：CN103077537A
公开(公告)日：2013-05-01
申请号：CN201310013907.7
申请日：2013-01-15
Applicant: 北京工业大学
IPC: G06T7/20
Abstract: 本发明公开了一种基于L1正则化的实时运动目标跟踪的新方法，包括以下步骤：输入第一帧图像并确定跟踪的目标；初始化跟踪姿态；初始化模板集；进行粒子滤波的粒子初始化；获取下一帧图像，转下一步进行跟踪，直到最后一帧；对图像进行预处理；计算粒子与模板的相似度；将最大观测概率的粒子并进行重采样；遮挡检测；模板更新。通过将琐碎模板的系数的二范数项添加到L1最小化模型中，建立新的最小化模型，在模板更新前使用遮挡检测方法检测目标是否存在遮挡，从而改进目标跟踪的精度；利用导数有界和可解析表示求解新的最小化模型，从而使得新的算法能适用于实时运动目标跟踪。本发明可在保证目标跟踪准确度的同时，使算法满足实际应用的性能要求。
-
公开(公告)号：CN103077530A
公开(公告)日：2013-05-01
申请号：CN201210365994.8
申请日：2012-09-27
Applicant: 北京工业大学
IPC: G06T7/20
Abstract: 一种基于改进混合高斯和图像剪切的运动目标检测方法，属于智能视频监控技术领域，其目的在于克服现有方法存在的问题，提高运动目标检测的准确度与处理速度。本发明实现步骤包括：⑴确定运动区域，本发明提出一种基于灰度差异性的三帧差分及曲线拟合的方法初步确定目标的运动区域，⑵期望最大化（EM）算法初始化，利用基于网格和密度估计的方法确定EM算法的初始值，以减小EM算法对于初始值的依赖，⑶运动目标检测，利用已初始化的EM算法估计混合高斯模型参数，并且仅在剪切出的运动区域上采用混合高斯模型的方法检测运动目标，极大的降低了计算复杂度。本发明可在保证目标检测准确度的同时，使算法满足实际应用的性能要求。
-
公开(公告)号：CN103712617B
公开(公告)日：2016-08-24
申请号：CN201310700792.9
申请日：2013-12-18
Applicant: 北京工业大学
Abstract: 本发明公开一种基于视觉内容的多层语义地图的创建方法，包括：将机器人在环境中漫游拍摄的图像集合按照拍摄地点场景进行标注；构建分层词汇树；构建知识拓扑层，为知识拓扑层赋予知识；构建场景拓扑层；构建地点拓扑层。本发明利用视觉传感器对空间构建多层语义地图，在知识拓扑层使用有向图结构存储和查询知识，可以省去知识表达系统中不必要的操作，插入和查询速度快；利用场景拓扑层对环境进行抽象划分，将整个环境抽象成子区域，可减小图像的检索空间和路径搜索空间；利用地点拓扑层对特定的地点图像进行保存，采用图像检索技术即可自定位，不必维护全局的世界坐标系，解决了自定位估计误差累计问题。
-
公开(公告)号：CN103077537B
公开(公告)日：2015-07-15
申请号：CN201310013907.7
申请日：2013-01-15
Applicant: 北京工业大学
IPC: G06T7/20
Abstract: 本发明公开了一种基于L1正则化的实时运动目标跟踪的新方法，包括以下步骤：输入第一帧图像并确定跟踪的目标；初始化跟踪姿态；初始化模板集；进行粒子滤波的粒子初始化；获取下一帧图像，转下一步进行跟踪，直到最后一帧；对图像进行预处理；计算粒子与模板的相似度；将最大观测概率的粒子并进行重采样；遮挡检测；模板更新。通过将琐碎模板的系数的二范数项添加到L1最小化模型中，建立新的最小化模型，在模板更新前使用遮挡检测方法检测目标是否存在遮挡，从而改进目标跟踪的精度；利用导数有界和可解析表示求解新的最小化模型，从而使得新的算法能适用于实时运动目标跟踪。本发明可在保证目标跟踪准确度的同时，使算法满足实际应用的性能要求。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
