-
公开(公告)号：CN118941595A
公开(公告)日：2024-11-12
申请号：CN202411419806.4
申请日：2024-10-12
Applicant: 湖南大学
IPC: G06T7/246 , G06T7/33 , G06T7/277 , G06V10/774 , G06V10/764 , G06V10/46 , G06F17/16
Abstract: 一种面向海面场景的多目标跟踪方法，包括步骤S1，YOLOv8m检测模型训练；步骤S2，将图片送入YOLOv8m检测模型中输出目标检测框信息；步骤S3，判断当前图片是否是第一帧图片，若是则初始化多目标跟踪器，进入步骤S4，若否则采用相机运动补偿算法对图片进行配准操作，进入步骤S4；步骤S4，将图片和目标检测框信息送入多目标跟踪器内，目标检测框和轨迹预测框进行基于IoU、基于ReID特征、基于马氏距离的匹配，生成新的轨迹信息并更新扩展卡尔曼滤波器；步骤S5，判断当前图片是否是最后一帧图片，若是则结束，输出跟踪轨迹集合，若否则转至步骤S2。本发明提高了无人艇对海面场景下的碍航目标的稳定跟踪能力。
-
Patent Agency Ranking
公开(公告)号：CN118314331A
公开(公告)日：2024-07-09
申请号：CN202410729790.0
申请日：2024-06-06
Applicant: 湖南大学
Abstract: 本发明公开了一种面向海面场景的目标检测方法及其系统，该方法包括以下步骤：S1.获取模型输出检测框；S2.获取灰度匹配算法输出检测框；S3.输出最终检测框集合；根据模型输出检测框和灰度匹配算法输出检测框的交并比最大值与预设交并比阈值来对模型输出检测框和灰度匹配算法输出检测框进行融合，输出最终检测框集合；该系统包括模型输出检测框获取模块、灰度匹配算法输出检测框获取模块、最终检测框集合输出模块；本发明以YOLOv5为主、灰度匹配算法为辅进行检测海面目标，实现了传统图像处理技术和深度学习技术的融合，充分利用了两者的优点，实现了较低的漏检率。
-
公开(公告)号：CN118941595B
公开(公告)日：2024-12-17
申请号：CN202411419806.4
申请日：2024-10-12
Applicant: 湖南大学
IPC: G06T7/246 , G06T7/33 , G06T7/277 , G06V10/774 , G06V10/764 , G06V10/46 , G06F17/16
Abstract: 一种面向海面场景的多目标跟踪方法，包括步骤S1，YOLOv8m检测模型训练；步骤S2，将图片送入YOLOv8m检测模型中输出目标检测框信息；步骤S3，判断当前图片是否是第一帧图片，若是则初始化多目标跟踪器，进入步骤S4，若否则采用相机运动补偿算法对图片进行配准操作，进入步骤S4；步骤S4，将图片和目标检测框信息送入多目标跟踪器内，目标检测框和轨迹预测框进行基于IoU、基于ReID特征、基于马氏距离的匹配，生成新的轨迹信息并更新扩展卡尔曼滤波器；步骤S5，判断当前图片是否是最后一帧图片，若是则结束，输出跟踪轨迹集合，若否则转至步骤S2。本发明提高了无人艇对海面场景下的碍航目标的稳定跟踪能力。
-
公开(公告)号：CN118314331B
公开(公告)日：2024-09-13
申请号：CN202410729790.0
申请日：2024-06-06
Applicant: 湖南大学
Abstract: 本发明公开了一种面向海面场景的目标检测方法及其系统，该方法包括以下步骤：S1.获取模型输出检测框；S2.获取灰度匹配算法输出检测框；S3.输出最终检测框集合；根据模型输出检测框和灰度匹配算法输出检测框的交并比最大值与预设交并比阈值来对模型输出检测框和灰度匹配算法输出检测框进行融合，输出最终检测框集合；该系统包括模型输出检测框获取模块、灰度匹配算法输出检测框获取模块、最终检测框集合输出模块；本发明以YOLOv5为主、灰度匹配算法为辅进行检测海面目标，实现了传统图像处理技术和深度学习技术的融合，充分利用了两者的优点，实现了较低的漏检率。
-
公开(公告)号：CN118333909B
公开(公告)日：2024-08-30
申请号：CN202410747126.9
申请日：2024-06-11
Applicant: 湖南大学
IPC: G06T5/77 , G06T5/60 , G06T5/40 , G06T5/50 , G06T5/92 , G06T3/4038 , G06T3/4053 , G06T7/00 , G06T7/33 , H04N5/04 , H04N23/90
Abstract: 本发明公开一种面向海面场景的多目图像采集与预处理系统及方法，其中多相机图像同步采集子系统确保多相机采集的图像数据时序上对齐以满足实时拼接的需要，图像拼接子系统能够将不同相机传感器特性导致的色彩误差消除，避免拼接后存在明显可见的拼接线与来自于不同图像部分的色彩差异，并且高效地将多相机同步采集的低分辨率、小视野的单目图像降低色彩差异并拼接为高分辨率的大视野图像，达到视频处理的速率，自适应增强子系统采用一种以面向多源干扰的图像质量评价分数引导的、基于多尺度卷积神经网络的图像自适应增强方法，既保障了图像数据的主观可见性，又有效避免了干扰因素对图像特征的扰动，为后续视觉感知任务提供了高质量图像数据。
-
公开(公告)号：CN118333909A
公开(公告)日：2024-07-12
申请号：CN202410747126.9
申请日：2024-06-11
Applicant: 湖南大学
IPC: G06T5/77 , G06T5/60 , G06T5/40 , G06T5/50 , G06T5/92 , G06T3/4038 , G06T3/4053 , G06T7/00 , G06T7/33 , H04N5/04 , H04N23/90
Abstract: 本发明公开一种面向海面场景的多目图像采集与预处理系统及方法，其中多相机图像同步采集子系统确保多相机采集的图像数据时序上对齐以满足实时拼接的需要，图像拼接子系统能够将不同相机传感器特性导致的色彩误差消除，避免拼接后存在明显可见的拼接线与来自于不同图像部分的色彩差异，并且高效地将多相机同步采集的低分辨率、小视野的单目图像降低色彩差异并拼接为高分辨率的大视野图像，达到视频处理的速率，自适应增强子系统采用一种以面向多源干扰的图像质量评价分数引导的、基于多尺度卷积神经网络的图像自适应增强方法，既保障了图像数据的主观可见性，又有效避免了干扰因素对图像特征的扰动，为后续视觉感知任务提供了高质量图像数据。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
