公开(公告)号：CN116309683A

公开(公告)日：2023-06-23

申请号：CN202211532172.4

申请日：2022-12-01

Applicant: 大连理工大学 ,  大连理工大学宁波研究院 ,  大连维视科技有限公司

Inventor： 卢湖川 ,  张鹏宇 ,  王栋

IPC: G06T7/20 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明属于机器学习、视觉目标跟踪领域，提供了一种运动信息辅助的视觉单目标跟踪方法。本发明分别对跟踪过程中的相机运动和目标运动进行建模。对于相机运动建模方法，本发明使用特征点匹配算法计算出相邻帧间变换矩阵，并给出由相机运动导致的目标偏移量。对于目标运动建模方法，本发明使用卷积‑长短时记忆网络通过目标历史运动信息，估计目标未来的速度和位置。本发明在引入运动信息进行辅助跟踪后，可以显著提高跟踪算法应对光照变化，遮挡等挑战的能力，提升跟踪算法鲁棒性，并且具有较低的计算量，能够达到实时跟踪需求。

公开(公告)号：CN119494793A

公开(公告)日：2025-02-21

申请号：CN202311002207.8

申请日：2023-08-09

Applicant: 华为技术有限公司 ,  大连理工大学

Inventor： 游伟 ,  王耀园 ,  张子阳 ,  张鹏宇 ,  鞠豪 ,  贾旭 ,  卢湖川

IPC: G06T5/73 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08 ,  G06N3/084 ,  G06T5/60

Abstract: 本申请提供一种图像处理方法和相关装置。该图像处理方法包括：获取第一图像；确定指示第一图像中的模糊区域的模糊信息；使用第一神经网络基于第一图像和第一图像的模糊信息对第一图像进行去模糊处理得到第二图像。该方法中，第一神经网络是训练好的对图像进行去模糊的。具体地，该第一神经网络在训练时是基于图像以及用于指示图像的模糊区域的模糊信息的。因此，相比仅基于图像训练得到的神经网络，在使用第一神经网络对图像进行去模糊时，有助于提升去模糊之后的图像的清晰度。

公开(公告)号：CN117058043A

公开(公告)日：2023-11-14

申请号：CN202311152086.5

申请日：2023-09-07

Applicant: 大连理工大学

Inventor： 王栋 ,  鞠豪 ,  贾旭 ,  张鹏宇 ,  卢湖川

IPC: G06T5/00 ,  G06T9/00 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明一种基于LSTM的事件‑图像去模糊方法，包括以下步骤：构建用于对模糊图像进行处理的事件‑图像去模糊网络模型；利用模糊数据集中的训练集数据对事件‑图像去模糊网络进行训练，得到训练好的事件‑图像去模糊网络模型；将模糊数据集中测试集数据输入到训练好的事件‑图像去模糊网络模型中，得到清晰帧序列。充分使用事件的时序信息的优势，提升了去模糊性能，提升了网络的泛化性，能够实现使用一个模型完成任意时间分辨率的去模糊输出，并输出的清晰帧时间分辨率由输入的事件的时间分辨率控制。同时利用双向的编码‑解码结构增强网络的去模糊效果，具有以下优点：只需要训练一个模型，即可现任意时间分辨率输出，解决了模型泛化性有限的问题。