-
公开(公告)号：CN119693971A
公开(公告)日：2025-03-25
申请号：CN202411855026.4
申请日：2024-12-17
IPC: G06V40/10 , G06V40/20 , G06V10/44 , G06V10/80 , G06V10/30 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本申请属于步态识别技术领域，具体涉及一种缺失视角下的基于扩散模型的跨视角步态识别方法及系统，将缺失视角条件下的受限步态序列输入该跨视角步态识别框架，利用上述任意视角下的步态序列转换通路实现现有视角到缺失视角的步态序列生成，利用扩充后的全部步态序列训练步态识别模型，使用训练后的模型完成缺失视角条件的跨视角步态识别。其优点在于，跨视角步态序列生成模型，能够以某ID身份现有的任一视角下的步态信息为约束，基于任意缺失视角下的线索帧，生成该缺失视角下同ID身份的步态序列，提供了一种基于跨视角转换通路的缺失视角步态序列生成方法。
-
公开(公告)号：CN111582483B
公开(公告)日：2022-12-13
申请号：CN202010409546.8
申请日：2020-05-14
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供基于空间和通道联合注意力机制的无监督学习光流估计方法，首先构建一种融合空洞卷积的新型特征金字塔网络，并利用其提取包含更多运动信息的多尺度特征。之后基于空间和通道联合注意力机制构建光流估计网络，使网络能够学习到更有针对性的运动信息。最后基于正反一致性校验和Census变换构造遮挡感知的无监督损失函数，并利用其对网络进行无监督训练，得到性能更优的无监督光流估计模型。
-
公开(公告)号：CN108021857B
公开(公告)日：2021-12-21
申请号：CN201710717257.2
申请日：2017-08-21
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于无人机航拍图像序列深度恢复的建筑物检测方法，属于建筑物检测技术领域。具体内容包括：无人机搭载单目相机采集图像序列；利用飞机的运动信息以及获取到的图像序列的空域和时域的关系，恢复出图像的视差；将视差转换为深度，人工的设定深度阈值来分割建筑物。本发明可以有效地估计出图像的深度，利用深度检测出建筑物。本发明首次使用了无人机图像序列深度恢复的方法，能够对建筑物进行有效的检测。
-
公开(公告)号：CN111582483A
公开(公告)日：2020-08-25
申请号：CN202010409546.8
申请日：2020-05-14
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供基于空间和通道联合注意力机制的无监督学习光流估计方法，首先构建一种融合空洞卷积的新型特征金字塔网络，并利用其提取包含更多运动信息的多尺度特征。之后基于空间和通道联合注意力机制构建光流估计网络，使网络能够学习到更有针对性的运动信息。最后基于正反一致性校验和Census变换构造遮挡感知的无监督损失函数，并利用其对网络进行无监督训练，得到性能更优的无监督光流估计模型。
-
公开(公告)号：CN107665603B
公开(公告)日：2020-06-16
申请号：CN201710795417.5
申请日：2017-09-06
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种判定车位占用的实时检测方法，属于机器视觉技术领域，具体涉及一种通过俯视的深度图融合卷积神经网络的检测方法来判定车位是否被正确占用的实时检测方法。其具体包括搭建双目立体相机、收集车辆样本和非车辆样本、设计并训练以卷积神经网络CarNet为基础的车辆检测模型、人工标定监控车位在相机图像中位置、得到监控场景下的深度图、对深度图分割初步得到车辆区域同时利用CarNet检测模型检测车辆、融合深度图与卷积神经网络结果得到可靠车辆检测框以及判定车位是否占用等步骤。本发明可广泛用于加油站、地下停车场等半露天或室内停车场，可准确输出车位占用情况，具有实施成本低，工作效率高、自动化能力强等优点，具有广阔的发展前景。
-
Patent Agency Ranking
公开(公告)号：CN105809184B
公开(公告)日：2020-06-16
申请号：CN201510726868.4
申请日：2015-10-30
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明涉及机器视觉识别领域，特别是一种适用于加油站的车辆实时识别跟踪与车位占用判断的方法。本发明包括：收集加油站车辆样本和非车辆样本；对车辆样本和非车辆样本进行预处理；训练车辆分类器；利用车辆分类器对获取的实时图像进行车辆识别并记录车辆区域；采用光流法对识别到的车辆区域角点进行跟踪并绘制中心点轨迹；通过计算车辆区域与事先划定的加油站车位的面积重合比来判定车位占用情况并对车辆占用车位时间进行计时。本发明既可以对加油站内部车辆进行识别并对车辆轨迹进行跟踪，又可判断加油站内部车位占用情况，具有实施成本低，自动化程度高的特点。
-
公开(公告)号：CN103559704B
公开(公告)日：2017-05-24
申请号：CN201310466844.0
申请日：2013-10-09
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种铁路油罐车罐口视觉定位方法，包括：由大鹤管正对罐口时的图像提取罐口的单像素边缘并拟合椭圆，由椭圆公式计算罐口边缘的坐标及梯度作为形状模板；对模板与待搜索图像进行图像金字塔分解；计算待搜索图像各金字塔层中的梯度信息；设定罐口匹配的感兴趣区域及形状匹配阈值，在金字塔分解的最低图像分辨率层，使用归一化梯度互相关作为形状相似性度量函数进行罐口定位。本发明的方法具有可靠性强，实施成本低，自动化率高等特点。
-
公开(公告)号：CN114154017B
公开(公告)日：2024-08-23
申请号：CN202111423613.2
申请日：2021-11-26
Applicant: 哈尔滨工程大学
IPC: G06F16/783 , G06V20/52 , G06V20/40 , G06V40/10 , G06V10/44 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/088 , G06N3/048
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种无监督可见光与红外双向跨模态行人搜索方法。本发明设计了模态自适应动态视觉Transformer网络，通过同一网络同时处理可见光和红外两种不同模态的图像，满足模态差异性和一致性的要求；设计了查询引导的无监督行人建议生成模块，并利用基于对比学习的双向跨模态匹配损失函数，实现了无监督的可见光‑红外双向跨模态行人搜索。本发明解决了现有行人搜索方法在不良光照条件下的局限性以及数据集标注问题，能够实现可见光‑红外双向跨模态行人搜索，即，给定可见光行人图像搜索到出现对应行人的红外场景图像并获取其所在位置，给定红外行人图像搜索到出现对应行人的可见光场景图像并获取其所在位置。
-
公开(公告)号：CN109086807B
公开(公告)日：2022-03-18
申请号：CN201810779483.8
申请日：2018-07-16
Applicant: 哈尔滨工程大学
IPC: G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于卷积神经网络的半监督学习光流方法，属于网络设计领域。本发明提供的方法可以针对带标签和无标签的混合数据进行训练，并设计一种遮挡感知损失函数，将用于监督学习的端点误差代价函数与用于非监督学习的数据项和平滑项相结合，构建一种半监督学习光流模型，在网络架构上采用堆叠网络结构，在卷积层引入空洞卷积来增大感受野，并设计遮挡感知层来估计遮挡区域，该网络能够端到端地进行半监督光流学习。本发明提供的方法能够提高光流估计精度，并且还提出一种遮挡感知损失函数来半监督训练网络，在网络架构上设计一种堆叠网络结构从而进一步提升网络性能。
-
公开(公告)号：CN107341815B
公开(公告)日：2020-10-16
申请号：CN201710404056.7
申请日：2017-06-01
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于多目立体视觉场景流的剧烈运动检测方法。一：利用标定好的多目相机获取多组图像序列；二：对图像序列进行预处理；三：场景流能量泛函数据项的设计；四：场景流能量泛函平滑项的设计；五：能量泛函地优化求解；从步骤二中得到的图像金字塔最低分辨率图像开始使用计算模型计算；六：场景流运动区域的聚类；七：构建运动方向离散程度评估模型，判断是否是剧烈运动；八：构建运动区域动能大小评估模型；九：设定阈值，且连续n帧满足评估条件时则引发报警。本发明采用的是基于多目立体视觉的场景流估计，通过已经标定好的多目相机获取来自同一场景的多组图像序列。利用3维场景流可以有效地进行剧烈运动检测。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.025 seconds)
