-
公开(公告)号：CN119007139B
公开(公告)日：2025-01-28
申请号：CN202411487952.0
申请日：2024-10-24
Applicant: 安徽大学
IPC: G06V20/54 , G06N3/0464 , G06N3/048 , G06V10/44 , G06V10/52 , G06V10/75 , G06V10/80 , G06V10/82 , G06F16/583
Abstract: 本发明提供双重注意力跨模态车辆重识别方法、系统、设备及介质，识别方法包括：获取待查车辆图像和多个基准车辆图像；将多个基准车辆图像和待查车辆图像，输入至重识别模型中的特征提取网络，将基准车辆图像对应的全局特征、局部特征和全局‑局部特征形成目标特征，以及将待查车辆图像对应的全局特征、局部特征和全局‑局部特征形成待查特征；重识别模型中的分类网络根据目标特征和待查特征，确定待查车辆图像和各个基准车辆图像之间的特征综合相似度；重识别模型中的分类网络根据特征综合相似度，从多个基准车辆图像中，选取与待查车辆图像之间的特征综合相似度满足预设匹配条件的多个车辆图像。本发明具有车辆图像重识别精度较高的优点。
-
公开(公告)号：CN107341479A
公开(公告)日：2017-11-10
申请号：CN201710562703.7
申请日：2017-07-11
Applicant: 安徽大学
CPC classification number: G06K9/00771 , G06K9/00758 , G06K9/6227 , G06K9/6249
Abstract: 本发明公开了一种基于加权稀疏协作模型的目标跟踪方法，包括：1从段视频序列的第一帧图像数据中选取跟踪的目标；2初始化任意一帧f＝1；3利用粒子滤波算法对视频序列中第f帧图像数据进行处理，得到若干个个目标候选框；4利用加权稀疏表示的判别式算法对第f帧图像数据中的目标候选框进行处理，得到目标候选框的判别式评分；5利用加权稀疏表示的产生式算法对第f个帧图像数据中的目标候选框进行处理，得到目标候选框的产生式评分；6得到候选框的最终得分；并比较所有候选框评分的大小，找到最大值对应的候选框即为跟踪结果。本发明能够对一段视频序列中的运动目标进行实时运动估计以及定位，从而实现对运动目标的稳定跟踪。
-
公开(公告)号：CN119007139A
公开(公告)日：2024-11-22
申请号：CN202411487952.0
申请日：2024-10-24
Applicant: 安徽大学
IPC: G06V20/54 , G06N3/0464 , G06N3/048 , G06V10/44 , G06V10/52 , G06V10/75 , G06V10/80 , G06V10/82 , G06F16/583
Abstract: 本发明提供双重注意力跨模态车辆重识别方法、系统、设备及介质，识别方法包括：获取待查车辆图像和多个基准车辆图像；将多个基准车辆图像和待查车辆图像，输入至重识别模型中的特征提取网络，将基准车辆图像对应的全局特征、局部特征和全局‑局部特征形成目标特征，以及将待查车辆图像对应的全局特征、局部特征和全局‑局部特征形成待查特征；重识别模型中的分类网络根据目标特征和待查特征，确定待查车辆图像和各个基准车辆图像之间的特征综合相似度；重识别模型中的分类网络根据特征综合相似度，从多个基准车辆图像中，选取与待查车辆图像之间的特征综合相似度满足预设匹配条件的多个车辆图像。本发明具有车辆图像重识别精度较高的优点。
-
公开(公告)号：CN116343034A
公开(公告)日：2023-06-27
申请号：CN202310258534.3
申请日：2023-03-14
Applicant: 安徽大学
IPC: G06V20/10 , G06V10/774 , G06V10/26
Abstract: 本发明提供一种遥感图像的变化检测方法、系统、电子设备及介质，包括：获取预设的训练图像集及多个变化标签图；对所述训练图像集中的所有图像数据进行图像预处理，以生成输入图像集；将所述输入图像集中的某个前时态遥感图像与对应的后时态遥感图像输入变化检测网络模型的编码器结构，以输出前时态特征图及后时态特征图；基于解码器结构，对每对所述前时态特征图与后时态特征图之间的差异特征进行融合处理，以生成变化预测图像。基于所述变化预测图像与对应的所述变化标签图的损失值，对所述变化检测网络模型进行参数更新，以建立训练完成的变化检测网络模型。本发明能够提高遥感图像变化检测的效率与准确度。
-
公开(公告)号：CN107704880A
公开(公告)日：2018-02-16
申请号：CN201710948739.9
申请日：2017-10-12
Applicant: 安徽大学
CPC classification number: G06K9/6268 , G06K9/46
Abstract: 本发明公开了一种基于特征选择的农作物病害识别方法，包括：1、采集不同病害种类的原始农作物叶片图像样本集并进行归一化和中心化预处理，得到预处理后的叶片图像样本矩阵及其类别标签矩阵，2、获得初始回归系数矩阵并根据初始回归系数矩阵获得权重矩阵，3、迭代更新初始回归系数矩阵以获得最优回归系数矩阵，4、利用最优回归系数矩阵完成特征选择，对任一农作物叶片样本进行病害分类。本发明能从农作物叶片众多的特征维度中选择出与病害分类相关程度最高的特征，将其他维度特征的回归系数压缩至0，并完成特征选择，从而能采集较少的特征即可完成对农作物的病害分类，节约了时间和成本。
-
Patent Agency Ranking
公开(公告)号：CN104754302B
公开(公告)日：2017-08-08
申请号：CN201510128597.2
申请日：2015-03-20
Abstract: 本发明公开了一种基于枪球联动系统的目标检测跟踪方法，其特征是按如下步骤进行：1构建枪球联动系统；2设定普通检测区域、重点检测区域和屏蔽区域；3对枪机和PTZ球机进行标定，获得标定数据；4对普通检测区域和重点检测区域进行检测和跟踪。本发明能快速、准确地检测出运动目标并且可靠持续地对运动目标进行跟踪，从而提高识别效率降低复杂性。
-
公开(公告)号：CN119007138B
公开(公告)日：2024-12-24
申请号：CN202411487950.1
申请日：2024-10-24
Applicant: 安徽大学
IPC: G06V20/54 , G06V10/82 , G06V10/764 , G06V10/762 , G06V10/74 , G06V10/40 , G06N3/045 , G06N3/0464 , G06N3/088
Abstract: 本发明提供三重注意力无监督车辆重识别方法、系统、设备及介质，方法包括：将多个基准车辆图像和待查车辆图像，输入至重识别模型中的特征提取网络，将基准车辆图像对应的第一特征、第二特征和第三特征形成目标特征，将待查车辆图像对应的第一特征、第二特征和第三特征形成待查特征；根据目标特征和待查特征，通过重识别模型中的分类网络确定待查车辆图像和各个基准车辆图像之间的特征综合相似度；根据特征综合相似度，通过重识别模型中的分类网络从多个基准车辆图像中，选取与待查车辆图像之间的特征综合相似度满足预设匹配条件的车辆图像。本发明可提高车辆重识别的准确性。
-
公开(公告)号：CN119007138A
公开(公告)日：2024-11-22
申请号：CN202411487950.1
申请日：2024-10-24
Applicant: 安徽大学
IPC: G06V20/54 , G06V10/82 , G06V10/764 , G06V10/762 , G06V10/74 , G06V10/40 , G06N3/045 , G06N3/0464 , G06N3/088
Abstract: 本发明提供三重注意力无监督车辆重识别方法、系统、设备及介质，方法包括：将多个基准车辆图像和待查车辆图像，输入至重识别模型中的特征提取网络，将基准车辆图像对应的第一特征、第二特征和第三特征形成目标特征，将待查车辆图像对应的第一特征、第二特征和第三特征形成待查特征；根据目标特征和待查特征，通过重识别模型中的分类网络确定待查车辆图像和各个基准车辆图像之间的特征综合相似度；根据特征综合相似度，通过重识别模型中的分类网络从多个基准车辆图像中，选取与待查车辆图像之间的特征综合相似度满足预设匹配条件的车辆图像。本发明可提高车辆重识别的准确性。
-
公开(公告)号：CN114021653A
公开(公告)日：2022-02-08
申请号：CN202111303211.9
申请日：2021-11-05
Applicant: 安徽大学
Abstract: 本发明提供一种对象识别内特征数据的选择方法及其应用，对象识别内特征数据的选择方法包括步骤：响应于识别对象的识别请求，提取所述识别对象的特征数据；将所述特征数据与类别标签作为参数，输入到对象识别内特征数据的选择模型中，得到特征数据的判别能力；对所述特征数据的判别能力进行压缩处理，以对特征数据进行区分。通过本发明公开的一种对象识别内特征数据的选择方法及其应用，能够提升识别效率与精确度。
-
公开(公告)号：CN104751486B
公开(公告)日：2017-07-11
申请号：CN201510128609.1
申请日：2015-03-20
Abstract: 本发明公开了一种多PTZ相机的运动目标接力跟踪算法，其特征是按如下步骤进行：1、采用相机自标定方法估计PTZ相机的内参数矩阵；2、设置相邻PTZ相机之间的视野分割线；3、使用Logistic回归模型作为分类函数，结合均值漂移算法实现目标跟踪；4、跟踪过程中不断调整PTZ相机的角度，使得目标始终处于PTZ相机视野中心区域；5、当目标越过当前PTZ相机的视野分割线进入相邻PTZ相机监控视野时，计算出目标在相邻PTZ相机视野中的坐标，调用相邻PTZ相机继续对目标进行跟踪，并转动原PTZ相机回到预置位。本发明能够精确控制相机转动，对目标进行长时间稳定跟踪，从而获得目标完整的历史运动信息。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.017 seconds)
