-
-
公开(公告)号：CN111160214A
公开(公告)日：2020-05-15
申请号：CN201911354164.3
申请日：2019-12-25
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于数据融合的3D目标检测方法，该方法采用深度卷积网络实现，具体包括：首先提出了一种特征提取方法，将点云鸟瞰图和待检测目标图像进行特征提取；然后利用马尔科夫随机场模型(MRF)将3D点云数据利用空间约束条件编码进一个全局能量函数，来提取3D候选建议框；最后提出一种数据融合方式，将多模态数据进行融合，进行目标框的分类和回归。本发明提出的基于数据融合的3D目标检测方法，能有效提高检测网络在不同环境下对3D空间中感兴趣的不同目标的检测与定位性能，解决了道路环境下因为点云稀疏性而导致行人和车辆检测不佳的问题。
-
公开(公告)号：CN111079685A
公开(公告)日：2020-04-28
申请号：CN201911354155.4
申请日：2019-12-25
Applicant: 电子科技大学
Abstract: 本发明提供了一种3D目标检测方法，该方法首先将点云鸟瞰图、待检测目标图像和前视图进行特征提取；得到鸟瞰图和待检测目标图像3D目标建议框，并将鸟瞰图、待检测目标图像和前视图各自融合后的特征图，通过逐像素相加平均进行总的特征图融合，得到最终的特征图融合结果；将3D目标建议框在最终融合的特征图上投影成2D目标建议框，得到该2D目标建议框对应的ROI区域特征，最后将该ROI区域特征进行候选目标的分类和回归，得到最终的3D目标检测候选框。本发明有效提高了检测网络在不同环境下对3D空间中感兴趣的不同目标的检测与定位性能，解决了道路环境下因为点云稀疏性而导致行人和车辆检测不佳的问题。
-
公开(公告)号：CN109978789A
公开(公告)日：2019-07-05
申请号：CN201910231635.5
申请日：2019-03-26
Applicant: 电子科技大学
Abstract: 本发明为一种基于Retinex算法与引导滤波的图像增强方法，属于图像增强与计算机视觉领域的发明专利。本发明对传统的Retinex图像增强算法进行改进，并结合引导滤波算法形成一个独特的图像增强方法。该方法能较好的改进图像的视觉效果，恢复图像细节特征，保留边缘信息。本发明在使用MSRCR图像增强算法前对图像进行非线性变换预处理，使得算法能处理非均匀光照问题，同时将原图像转换到HSV色彩空间，只对V分量进行MSR图像增强，同时对H，S分量进行自适应调整，从而保持图像的一致性。将原图像与引导滤波处理后的图像作差提取边缘信息，并对边缘信息进行增强。从而到达保持并增强边缘信息的目的。将多种增强处理方法进行信息融合，到达优势互补的目的。
-
-
Patent Agency Ranking
公开(公告)号：CN107491753A
公开(公告)日：2017-12-19
申请号：CN201710699947.X
申请日：2017-08-16
Applicant: 电子科技大学
IPC: G06K9/00
CPC classification number: G06K9/00718 , G06K9/00671 , G06K9/00771 , G06K2209/23
Abstract: 本发明公开了一种基于背景建模的违章停车检测方法，首先对输入的交通监控视频进行动态的背景建模，得到监控场景的背景图像；然后，直接在建模得到的背景图像中进行车辆检测。在得到背景图像中车辆的位置之后，判断车辆所在的区域是否处于违停区域内。若处于违停区域内则进行违停提示，此时可以进行后续的处理。本发明并不进行运动目标的检测，因此排除了在实际视频帧中的运动目标的干扰。基于在背景图像中出现的物体极大可能是静止或者移动缓慢的假设前提，使得整个违停检测过程更加可靠、准确以及便于实现，因此本方法具有较高的实用价值。
-
公开(公告)号：CN111079685B
公开(公告)日：2022-07-26
申请号：CN201911354155.4
申请日：2019-12-25
Applicant: 电子科技大学
Abstract: 本发明提供了一种3D目标检测方法，该方法首先将点云鸟瞰图、待检测目标图像和前视图进行特征提取；得到鸟瞰图和待检测目标图像3D目标建议框，并将鸟瞰图、待检测目标图像和前视图各自融合后的特征图，通过逐像素相加平均进行总的特征图融合，得到最终的特征图融合结果；将3D目标建议框在最终融合的特征图上投影成2D目标建议框，得到该2D目标建议框对应的ROI区域特征，最后将该ROI区域特征进行候选目标的分类和回归，得到最终的3D目标检测候选框。本发明有效提高了检测网络在不同环境下对3D空间中感兴趣的不同目标的检测与定位性能，解决了道路环境下因为点云稀疏性而导致行人和车辆检测不佳的问题。
-
公开(公告)号：CN107705327B
公开(公告)日：2020-08-11
申请号：CN201710757729.7
申请日：2017-08-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种多相机网络时空模型的候选目标提取方法，首先通过运动前景分割和单相机目标跟踪获取每个相机中每个目标进出时间数据及其运动轨迹，根据时间数据计算不同相机对之间不同目标的转移时间，根据其判定相机对之间是否连通从而获得相机网络的空间拓扑结构；然后对连通相机之间的转移时间建模，并通过学习方式拟合模型参数，最终得到相机网络的时间模型；时间模型与空间结构组合得到相机网络时空模型。在候选目标提取时，根据相机网络空间结构确定相机节点之间的连通性，再根据转移时间概率模型计算连通相机中的搜索时间窗口，最后提取候选目标。本发明在缩小目标的搜索范围同时保证候选目标提取的可靠性，而且极大地降低了搜索复杂度。
-
公开(公告)号：CN107705327A
公开(公告)日：2018-02-16
申请号：CN201710757729.7
申请日：2017-08-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种多相机网络时空模型的候选目标提取方法，首先通过运动前景分割和单相机目标跟踪获取每个相机中每个目标进出时间数据及其运动轨迹，根据时间数据计算不同相机对之间不同目标的转移时间，根据其判定相机对之间是否连通从而获得相机网络的空间拓扑结构；然后对连通相机之间的转移时间建模，并通过学习方式拟合模型参数，最终得到相机网络的时间模型；时间模型与空间结构组合得到相机网络时空模型。在候选目标提取时，根据相机网络空间结构确定相机节点之间的连通性，再根据转移时间概率模型计算连通相机中的搜索时间窗口，最后提取候选目标。本发明在缩小目标的搜索范围同时保证候选目标提取的可靠性，而且极大地降低了搜索复杂度。
-
公开(公告)号：CN110516642A
公开(公告)日：2019-11-29
申请号：CN201910818443.4
申请日：2019-08-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种轻量化人脸3D关键点检测方法及系统，包括：将数据库中人脸关键点的N个3D参考坐标向量在三个二维平面进行降维投影；基于k阶改进型沙漏网络构建联合编码子网络，利用该联合编码子网络将每个2D视角下的N个2D参考坐标向量联合编码为2D联合热力图；采用concat法将三个2D视角下的2D联合热力图叠加为3D联合热力图；基于2D全卷积网络构建所述解码子网络，利用解码子网络将所述3D联合热力图解码为N个3D检测坐标向量。本发明设计了相应的轻量化神经网络(联合编码子网络和解码子网络)来进行联合热力图的生成、3D坐标的回归；结合了现有的2D及3D人脸关键点检测方法的优点，在保持较高检测精度的同时，减小模型参数量、提高模型运行速度。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.021 seconds)
