公开(公告)号：CN109978916B

公开(公告)日：2021-09-03

申请号：CN201910182165.8

申请日：2019-03-11

Applicant: 西安电子科技大学

Inventor： 张文博 ,  刘鑫铎 ,  姬红兵 ,  乔任重 ,  韩洋

IPC: G06T7/246 ,  G06T11/00

Abstract: 本发明提出了一种基于灰度图像特征匹配的Vibe运动目标检测方法，用于解决现有技术中运动目标检测的精度和召回率较低的问题。实现步骤为：(1)输入视频A；(2)将视频A的第一帧图像转换为灰度图G0；(3)构建灰度图G0的Vibe背景模型；(4)标注视频A第一帧图像后的每帧图像中的前景点区域；(5)基于图像特征匹配算法对T‑2R‑1帧灰度图进行鬼影区域判别；(6)对灰度图G0的Vibe背景模型进行更新；(7)获取不包含鬼影区域的运动目标区域。本发明采用灰度图像特征匹配算法对前景区域判别并消除鬼影区域和噪声区域，实现对运动目标的高精度检测，可用于监控视频中的运动目标追踪和行为分析。

公开(公告)号：CN115082672A

公开(公告)日：2022-09-20

申请号：CN202210630721.5

申请日：2022-06-06

Applicant: 西安电子科技大学

Inventor： 李晓颖 ,  姬红兵 ,  张文博 ,  乔任重 ,  付小洪

IPC: G06V10/25 ,  G06N3/04 ,  G06N3/08 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明一种基于边界框回归的红外图像目标检测方法，其方案为：(1)搭建一种新的红外图像目标检测网络R‑YOLOv4；(2)构建FLIR红外数据集；(3)使用一种新的自适应CLAHE算法增强红外图像对比度；(4)使用一种新的基于α‑IoU的回归损失函数训练网络，得到训练好的基于边界框回归的红外图像目标检测网络；(5)将待检测的红外图像，输入到训练好的网络中进行检测标注，输出红外目标的检测结果。本发明的目标检测网络可以自适应增强红外图像对比度，同时目标检测网络能够有效提取特征，更灵活地实现不同水平的边界框回归精度，在IoU阈值较大时，可以提高目标的准确率和召回率，同时使得检测框的定位更加精确。

公开(公告)号：CN115082672B

公开(公告)日：2024-11-15

申请号：CN202210630721.5

申请日：2022-06-06

Applicant: 西安电子科技大学

Inventor： 李晓颖 ,  姬红兵 ,  张文博 ,  乔任重 ,  付小洪

IPC: G06V10/25 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明一种基于边界框回归的红外图像目标检测方法，其方案为：(1)搭建一种新的红外图像目标检测网络R‑YOLOv4；(2)构建FLIR红外数据集；(3)使用一种新的自适应CLAHE算法增强红外图像对比度；(4)使用一种新的基于α‑IoU的回归损失函数训练网络，得到训练好的基于边界框回归的红外图像目标检测网络；(5)将待检测的红外图像，输入到训练好的网络中进行检测标注，输出红外目标的检测结果。本发明的目标检测网络可以自适应增强红外图像对比度，同时目标检测网络能够有效提取特征，更灵活地实现不同水平的边界框回归精度，在IoU阈值较大时，可以提高目标的准确率和召回率，同时使得检测框的定位更加精确。

公开(公告)号：CN118552717A

公开(公告)日：2024-08-27

申请号：CN202410671423.X

申请日：2024-05-28

Applicant: 西安电子科技大学

Inventor： 张文博 ,  袁昊 ,  张国宾 ,  乔任重 ,  姜超颖

IPC: G06V10/25 ,  G06V10/44 ,  G06V10/80 ,  G06V20/64 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了基于多模态特征融合卷积的三维目标检测方法，包括以下步骤；步骤1，分别对点云数据和图像数据进行数据预处理；步骤2，将步骤1中经过预处理后的点云数据进行体素特征编码，输入到下采样稀疏卷积特征提取网络中，进行特征提取，获取体素特征图；将步骤1中预处理后的图像数据输入到SemDeepLabV3网络进行特征提取，获取图像特征图；步骤3，获得最终的融合特征图；步骤4，进行三维目标检测；步骤5，将结合了多模态特征融合卷积的三维目标检测网络模型进行训练，得到最优的基于多模态特征融合卷积的三维目标检测网络模型。本发明提高了特征信息丰富度；复杂背景下的检测鲁棒性，同时降低网络运算复杂度，减轻训练成本，使模型易于迁移。

公开(公告)号：CN109978916A

公开(公告)日：2019-07-05

申请号：CN201910182165.8

申请日：2019-03-11

Applicant: 西安电子科技大学

Inventor： 张文博 ,  刘鑫铎 ,  姬红兵 ,  乔任重 ,  韩洋

IPC: G06T7/246 ,  G06T11/00

Abstract: 本发明提出了一种基于灰度图像特征匹配的Vibe运动目标检测方法，用于解决现有技术中运动目标检测的精度和召回率较低的问题。实现步骤为：(1)输入视频A；(2)将视频A的第一帧图像转换为灰度图G0；(3)构建灰度图G0的Vibe背景模型；(4)标注视频A第一帧图像后的每帧图像中的前景点区域；(5)基于图像特征匹配算法对T‑2R‑1帧灰度图进行鬼影区域判别；(6)对灰度图G0的Vibe背景模型进行更新；(7)获取不包含鬼影区域的运动目标区域。本发明采用灰度图像特征匹配算法对前景区域判别并消除鬼影区域和噪声区域，实现对运动目标的高精度检测，可用于监控视频中的运动目标追踪和行为分析。