-
公开(公告)号：CN113313826B
公开(公告)日：2022-08-30
申请号：CN202110583019.3
申请日：2021-05-27
申请人： 南京邮电大学
IPC分类号： G06T17/05
摘要： 本发明公开了一种尺度自适应可视域分析方法，利用视线（LOS）上可视区域与不可视区域的连续性与交替性，通过在LOS地形剖面上的连续地形中采用有效的复用策略，利用前点的可视性判断当前点的可视性，得到该地形剖面上各采样点的可视性，减少大量的计算冗余，较好的改进了算法的效率；在可视分析区域内构造多个剖面，当LOS地形剖面间距离超过DEM精度时增加新的剖面地形分析，以提高可视域分析的采样精度。本发明大幅提高了可视域分析计算效率，并且能够在大规模数据情形下进行高效的地形可视域分析。
-
公开(公告)号：CN113658218A
公开(公告)日：2021-11-16
申请号：CN202110811344.0
申请日：2021-07-19
申请人： 南京邮电大学
摘要： 本发明属于视频分析技术领域，公开了一种基于全局上下文的双模板密集孪生网络目标跟踪方法，本发明基于孪生网络框架，将孪生网络中的AlexNet网络更换成更深层的密集卷积网络，将层与层之间的特征在通道上进行拼接，实现特征重用，并在网络后增加全局注意力模块以捕获上下文依赖信息，此外，还设计了一个新的模板更新方案，提取历史跟踪结果中表现较好的图片帧处理后作为新的目标模板，将原始目标模板与新模板采用时空注意力机制进行特征融合，最后得到新的模板特征，实现了目标模板的动态更新，相比现有技术，本发明方法既能够精确跟踪目标，又能有效地提高跟踪速度。
-
公开(公告)号：CN115131416A
公开(公告)日：2022-09-30
申请号：CN202210650866.1
申请日：2022-06-10
申请人： 南京邮电大学
摘要： 本发明公开了一种基于地形阴影检测的半径自适应可视域分析方法及装置。通过距离变步长采样对地形剖面曲线采样得到采样点集合，利用地形剖面曲线极值的关键点、关键斜率以及极值区间等检测地形曲线的连续阴影区域，减少单视线方向地形上阴影区不可视栅格的计算。接着，提出地形环视线模型和可视半径自适应精度补偿等方法，对单视线方向可视情况进行维度扩展实现区域可视域分析。本发明可以较高效和高精度地实现大规模数据与复杂场景的地形可视域分析。
-
公开(公告)号：CN115131416B
公开(公告)日：2024-07-09
申请号：CN202210650866.1
申请日：2022-06-10
申请人： 南京邮电大学
摘要： 本发明公开了一种基于地形阴影检测的半径自适应可视域分析方法及装置。通过距离变步长采样对地形剖面曲线采样得到采样点集合，利用地形剖面曲线极值的关键点、关键斜率以及极值区间等检测地形曲线的连续阴影区域，减少单视线方向地形上阴影区不可视栅格的计算。接着，提出地形环视线模型和可视半径自适应精度补偿等方法，对单视线方向可视情况进行维度扩展实现区域可视域分析。本发明可以较高效和高精度地实现大规模数据与复杂场景的地形可视域分析。
-
公开(公告)号：CN113658218B
公开(公告)日：2023-10-13
申请号：CN202110811344.0
申请日：2021-07-19
申请人： 南京邮电大学
摘要： 本发明属于视频分析技术领域，公开了一种基于全局上下文的双模板密集孪生网络目标跟踪方法，本发明基于孪生网络框架，将孪生网络中的AlexNet网络更换成更深层的密集卷积网络，将层与层之间的特征在通道上进行拼接，实现特征重用，并在网络后增加全局注意力模块以捕获上下文依赖信息，此外，还设计了一个新的模板更新方案，提取历史跟踪结果中表现较好的图片帧处理后作为新的目标模板，将原始目标模板与新模板采用时空注意力机制进行特征融合，最后得到新的模板特征，实现了目标模板的动态更新，相比现有技术，本发明方法既能够精确跟踪目标，又能有效地提高跟踪速度。
-
公开(公告)号：CN113313826A
公开(公告)日：2021-08-27
申请号：CN202110583019.3
申请日：2021-05-27
申请人： 南京邮电大学
IPC分类号： G06T17/05
摘要： 本发明公开了一种尺度自适应可视域分析方法，利用视线（LOS）上可视区域与不可视区域的连续性与交替性，通过在LOS地形剖面上的连续地形中采用有效的复用策略，利用前点的可视性判断当前点的可视性，得到该地形剖面上各采样点的可视性，减少大量的计算冗余，较好的改进了算法的效率；在可视分析区域内构造多个剖面，当LOS地形剖面间距离超过DEM精度时增加新的剖面地形分析，以提高可视域分析的采样精度。本发明大幅提高了可视域分析计算效率，并且能够在大规模数据情形下进行高效的地形可视域分析。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.026 秒)
