-
公开(公告)号:CN104517095B
公开(公告)日:2018-01-02
申请号:CN201310463756.5
申请日:2013-10-08
Applicant: 南京理工大学
Abstract: 本发明提出一种基于深度图像的人头分割方法。该方法对采用双目摄像机以俯视角度采集到的图像使用运动目标检测的方法提取出图像中的运动区域;然后对图像中的运动区域进行快速立体匹配获得运动区域的视差图,在快速立体匹配过程中使用视差验证;将运动区域的视差图转换为深度图并运用深度分割的方法得到包含有人头信息的深度层,使用数学形态学操作获取到人头轮廓。本发明方法精度高、计算速度快,有很好的鲁棒性和实时性。
-
公开(公告)号:CN103235950B
公开(公告)日:2016-07-06
申请号:CN201310177205.2
申请日:2013-05-14
Applicant: 南京理工大学
Abstract: 本发明公开了一种目标检测图像处理方法,将图像分为兴趣区和非兴趣区进行处理,在不同的区域采取不同的高斯分布个数和权值更新速率进行处理,同时通过更新不同的背景更新速率可以处理背景发生突变的情况,和前景目标静止的情况,有效地提高混合高斯背景更新算法检测红外目标的能力,仿真实验取得了较好的效果。
-
公开(公告)号:CN104517095A
公开(公告)日:2015-04-15
申请号:CN201310463756.5
申请日:2013-10-08
Applicant: 南京理工大学
Abstract: 本发明提出一种基于深度图像的人头分割方法。该方法对采用双目摄像机以俯视角度采集到的图像使用运动目标检测的方法提取出图像中的运动区域;然后对图像中的运动区域进行快速立体匹配获得运动区域的视差图,在快速立体匹配过程中使用视差验证;将运动区域的视差图转换为深度图并运用深度分割的方法得到包含有人头信息的深度层,使用数学形态学操作获取到人头轮廓。本发明方法精度高、计算速度快,有很好的鲁棒性和实时性。
-
-
公开(公告)号:CN103150738A
公开(公告)日:2013-06-12
申请号:CN201310041727.X
申请日:2013-02-02
Applicant: 南京理工大学
IPC: G06T7/20
Abstract: 本发明公开了一种分布式多传感器运动目标的检测方法,首先将通过彩色CCD采集得到的视频图像三通道分别进行背景更新处理,然后将三通道的背景更新算法叠加,最终得到背景更新图。将当前帧图像与背景更新图像进行差分处理,中值滤波,二值化处理,形态学处理最终得到运动目标。本发明中采用分布式网络CCD对同一个场景进行拍摄,通过相应的算法分别检测出运动目标,分别在运动目标区域上提取出其特征点,将这些特征点进行匹配,匹配出的点对加上像机的内参及位置等信息,最终得到运动目标的三维信息。
-
公开(公告)号:CN103246897B
公开(公告)日:2016-04-27
申请号:CN201310205336.7
申请日:2013-05-27
Applicant: 南京理工大学
IPC: G06K9/66
Abstract: 本发明公开了一种基于AdaBoost的弱分类器内部结构调整方法,首先是训练弱分类器,通过加权训练样本决定训练的弱分类器的融合权重,每个弱分类器对输入样本输出一个弱假设,所有弱分类器组成一个强分类器并输出最终结果;其次是内部结构调整、最佳弱分类器参数选择和调整验证,然后利用遗传算法来解决最优化问题,最后是训练样本重新加权,根据训练样本的错误率高低来重新确定样本的权重。本发明在场景分类问题上有非常好的表现,分辨率高,误判率低。
-
-
公开(公告)号:CN103235950A
公开(公告)日:2013-08-07
申请号:CN201310177205.2
申请日:2013-05-14
Applicant: 南京理工大学
Abstract: 本发明公开了一种目标检测图像处理方法,将图像分为兴趣区和非兴趣区进行处理,在不同的区域采取不同的高斯分布个数和权值更新速率进行处理,同时通过更新不同的背景更新速率可以处理背景发生突变的情况,和前景目标静止的情况,有效地提高混合高斯背景更新算法检测红外目标的能力,仿真实验取得了较好的效果。
-
公开(公告)号:CN103246897A
公开(公告)日:2013-08-14
申请号:CN201310205336.7
申请日:2013-05-27
Applicant: 南京理工大学
IPC: G06K9/66
Abstract: 本发明公开了一种基于AdaBoost的弱分类器内部结构调整方法,首先是训练弱分类器,通过加权训练样本决定训练的弱分类器的融合权重,每个弱分类器对输入样本输出一个弱假设,所有弱分类器组成一个强分类器并输出最终结果;其次是内部结构调整、最佳弱分类器参数选择和调整验证,然后利用遗传算法来解决最优化问题,最后是训练样本重新加权,根据训练样本的错误率高低来重新确定样本的权重。本发明在场景分类问题上有非常好的表现,分辨率高,误判率低。
-
-
-
-
-
-
-
-