一种结合光流法和卡尔曼滤波的视频稳像方法

    公开(公告)号:CN110796010B

    公开(公告)日:2023-06-06

    申请号:CN201910931461.3

    申请日:2019-09-29

    Abstract: 本发明公开了一种结合光流法和卡尔曼滤波的视频稳像方法,首先在预稳定阶段,通过光流法跟踪视频帧的最小特征值特征点,由此求解出每个视频帧的2D仿射变换矩阵,并将其作用于下一步输入视频的帧,从而将最终生成的裁剪视频作为预稳定阶段的输出。然后对预稳定视频帧进行Shi‑Tomasi角点检测,并对角点进行LK角点跟踪;随后利用RANSAC算法估计全局运动;再使用卡尔曼滤波器对得到的运动参数进行滤波,以达到平滑的目的;最后由原始相机路径与平滑路径的关系进行运动补偿,从而得到稳定视频;本发明采用光流法预稳定视频,使得视频内部运动减小,使得运动效果更好;本发明采用卡尔曼滤波器平滑相机路径,使得内部运动路径更加平滑。从而使得抖动视频更加稳定。

    一种快速衣服烘干装置
    2.
    发明授权

    公开(公告)号:CN108691176B

    公开(公告)日:2021-03-02

    申请号:CN201810655077.0

    申请日:2018-06-23

    Abstract: 本发明公开一种快速衣服烘干装置。为了尽可能地缩小烘干装置的空间,将烘干空间设定为一件衣服的大小,整个烘干过程在一个箱体内进行,由于衣服根据种类不同而有长短之分,本发明提供了一种既简单可靠又节省材料的箱体空间调节方案;箱体可利用部件的折叠调整空间的大小;接着,本发明根据需要改进出一种附带风机的特制衣架,这解决了衣服的受热不均的问题,同时加快了空气的流动,从而加快了烘干进程;本发明还配备了一个温湿度控制系统,并制定一套温湿度控制策略,用以优化加热策略,进一步加快烘干进程与确保人身、财产安全。

    一种结合光流法和卡尔曼滤波的视频稳像方法

    公开(公告)号:CN110796010A

    公开(公告)日:2020-02-14

    申请号:CN201910931461.3

    申请日:2019-09-29

    Abstract: 本发明公开了一种结合光流法和卡尔曼滤波的视频稳像方法,首先在预稳定阶段,通过光流法跟踪视频帧的最小特征值特征点,由此求解出每个视频帧的2D仿射变换矩阵,并将其作用于下一步输入视频的帧,从而将最终生成的裁剪视频作为预稳定阶段的输出。然后对预稳定视频帧进行Shi-Tomasi角点检测,并对角点进行LK角点跟踪;随后利用RANSAC算法估计全局运动;再使用卡尔曼滤波器对得到的运动参数进行滤波,以达到平滑的目的;最后由原始相机路径与平滑路径的关系进行运动补偿,从而得到稳定视频;本发明采用光流法预稳定视频,使得视频内部运动减小,使得运动效果更好;本发明采用卡尔曼滤波器平滑相机路径,使得内部运动路径更加平滑。从而使得抖动视频更加稳定。

    一种基于卷积神经网络的图像语义分割方法

    公开(公告)号:CN110781895A

    公开(公告)日:2020-02-11

    申请号:CN201910957201.3

    申请日:2019-10-10

    Abstract: 本发明公开了一种基于卷积神经网络的图像语义分割方法,选择ResNet101作为骨架网络进行特征提取,提出了一个JFP模型将ResNet101输出的后三层进行联合,完善ResNet101对特征的提取,解决图像信息丢失的问题;然后将JFP的输出接入ASPP模型进一步提取图像的空间尺度信息,这部分作为编码结构能够更好的对图像信息进行提取;最后应用简单的解码结构将神经网络的输出图像恢复为原始大小,完成对图像的语义分割;同时,本发明设计了一个注意力模型,将这个模型的损失函数与语义分割网络的损失函数结合,辅助网络进行训练,提升训练模型的效果。本发明显著提高了复杂情景下的图像语义分割效果,能够适用于多种场景,具有对包20多种物体类别图像的语义分割处理能力。

    一种基于卷积神经网络的图像语义分割方法

    公开(公告)号:CN110781895B

    公开(公告)日:2023-06-20

    申请号:CN201910957201.3

    申请日:2019-10-10

    Abstract: 本发明公开了一种基于卷积神经网络的图像语义分割方法,选择ResNet101作为骨架网络进行特征提取,提出了一个JFP模型将ResNet101输出的后三层进行联合,完善ResNet101对特征的提取,解决图像信息丢失的问题;然后将JFP的输出接入ASPP模型进一步提取图像的空间尺度信息,这部分作为编码结构能够更好的对图像信息进行提取;最后应用简单的解码结构将神经网络的输出图像恢复为原始大小,完成对图像的语义分割;同时,本发明设计了一个注意力模型,将这个模型的损失函数与语义分割网络的损失函数结合,辅助网络进行训练,提升训练模型的效果。本发明显著提高了复杂情景下的图像语义分割效果,能够适用于多种场景,具有对包20多种物体类别图像的语义分割处理能力。

    基于计算机视觉的羽毛球落点位置预测方法

    公开(公告)号:CN109087328A

    公开(公告)日:2018-12-25

    申请号:CN201810549488.1

    申请日:2018-05-31

    Abstract: 本发明涉及基于计算机视觉的羽毛球落点位置预测方法,根据羽毛球比赛视频得到的视频帧图片,以场地中心为原点,计算出视频帧图片中羽毛球场地与模型场地之间的透视变换关系,确定羽毛球场地模型;然后由运动区域检测模块采用时间差分法区分出运动区域和背景部分;对差分图像进行二值化处理,图像分割,轮廓跟踪进而提取出羽毛球的特征信息;采用轨迹跟踪算法确定羽毛球的飞行轨迹;采用卡尔曼滤波算法对羽毛球的轨迹落点位置进行预测;根据轨迹落点位置,采用透视变换法转变到实际羽毛球场地的坐标,从而实现对羽毛球落点位置的预测。本方法能够适用于光照渐变、风速影响、气流影响或者羽毛球速度很快时的复杂场景下的羽毛球落点位置的预测。

Patent Agency Ranking