-
Patent Agency Ranking
公开(公告)号：CN106778776A
公开(公告)日：2017-05-31
申请号：CN201611078480.9
申请日：2016-11-30
Abstract: 本发明涉及一种时空域显著度检测方法，属于图像处理领域，具体涉及一种基于位置先验信息的时空域显著度检测方法。本发明的主要思想是视频显著度图的显著目标应该是时空连续的，通过获取包含显著对象的时间上连续的前景区域位置信息，增强改进显著度对比方法，包括前景背景对比度方法和局部前景对比度方法，从而有效抑制背景区域，并且高亮前景显著目标。同时本发明提出视频帧内运动一致性来改进时域运动信息的区分程度，从而得到更为精准的运动显著度检测结果。此外，融合时域和空域显著度检测的结果来综合考虑时空域信息，本发明通过时空域显著度检测结果的融合，进而提高时空域显著度检测的准确性。
-
公开(公告)号：CN106778776B
公开(公告)日：2020-04-10
申请号：CN201611078480.9
申请日：2016-11-30
Abstract: 本发明涉及一种时空域显著度检测方法，属于图像处理领域，具体涉及一种基于位置先验信息的时空域显著度检测方法。本发明的主要思想是视频显著度图的显著目标应该是时空连续的，通过获取包含显著对象的时间上连续的前景区域位置信息，增强改进显著度对比方法，包括前景背景对比度方法和局部前景对比度方法，从而有效抑制背景区域，并且高亮前景显著目标。同时本发明提出视频帧内运动一致性来改进时域运动信息的区分程度，从而得到更为精准的运动显著度检测结果。此外，融合时域和空域显著度检测的结果来综合考虑时空域信息，本发明通过时空域显著度检测结果的融合，进而提高时空域显著度检测的准确性。
-
公开(公告)号：CN106384100A
公开(公告)日：2017-02-08
申请号：CN201610860838.7
申请日：2016-09-28
Applicant: 武汉大学
CPC classification number: G06K9/00825 , G06K9/4671 , G06K9/6256 , G06K9/6269
Abstract: 本发明涉及一种基于部件的精细车型识别方法，首先，使用强监督可变部件模型对目标车辆进行检测和部件定位；然后，使用基于部件的特征表示，分别将车辆的方向梯度直方图（HOG）特征和各部件的卷积神经网络（CNN）特征作为车辆的全局特征和局部特征进行初步识别；最后，使用基于各部件及其特征的区分力的投票机制得到最终的精细识别结果。本发明可以实现对道路监控中的车辆进行精细车型识别，从而有效解决目前车型识别粒度不足的问题，对实现智能交通管理和智慧城市建设有重要意义。
-
公开(公告)号：CN106503683A
公开(公告)日：2017-03-15
申请号：CN201610969210.0
申请日：2016-10-28
Applicant: 武汉大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于动态注意中心的视频显著目标检测方法，包括初步时、空域显著目标检测，基于动态注意中心的时、空域显著目标检测结果优化，和时、空域显著目标检测结果融合三个阶段。初步时、空域显著目标检测是基于全局对比度方法获得初步的时域显著目标检测结果。利用不同目标块与注意中心的距离权重值作为约束项来抑制背景区域对显著目标检测结果的干扰。时、空域显著目标检测结果融合为利用图像的运动一致性与距离程度作为时空域显著目标结果在融合中所占比例的指标，达到维持显著目标检测结果在时空上的一致性。本发明可以实现对视频中的显著目标进行准确检测，从而有效解决背景技术提到的问题，是视频显著目标识别后续应用的基础工作。
-
公开(公告)号：CN106503683B
公开(公告)日：2019-09-10
申请号：CN201610969210.0
申请日：2016-10-28
Applicant: 武汉大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于动态注意中心的视频显著目标检测方法，包括初步时、空域显著目标检测，基于动态注意中心的时、空域显著目标检测结果优化，和时、空域显著目标检测结果融合三个阶段。初步时、空域显著目标检测是基于全局对比度方法获得初步的时域显著目标检测结果。利用不同目标块与注意中心的距离权重值作为约束项来抑制背景区域对显著目标检测结果的干扰。时、空域显著目标检测结果融合为利用图像的运动一致性与距离程度作为时空域显著目标结果在融合中所占比例的指标，达到维持显著目标检测结果在时空上的一致性。本发明可以实现对视频中的显著目标进行准确检测，从而有效解决背景技术提到的问题，是视频显著目标识别后续应用的基础工作。
-
-
-
-
Search Results
5
records
(took 0.039 seconds)
