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：CN104966054B

公开(公告)日：2018-05-15

申请号：CN201510320098.3

申请日：2015-06-11

Applicant: 西安电子科技大学 ,  中国电子科技集团公司第二十七研究所

Inventor： 张建龙 ,  高新波 ,  赵坤 ,  张国宾 ,  王勇

IPC: G06K9/00

Abstract: 本发明公开了一种无人机可见光图像弱小目标检测方法，主要解决现有技术因形状信息中存在的缩放和旋转而导致目标很难检测的问题。其实现步骤为：(1)输入一帧含有多个人物目标的无人机图像，从中提取两个图像块作为目标模板，每个图像块含有1个人物目标；(2)求取目标模板的均值μ、标准差σ和熵H；(3)对输入图像进行增强处理，并对增强后的图像按照颜色信息进行分割，得到多个超像素块；(4)对所有的超像素块，依次进行特征提取及识别，完成目标的初步检测：(5)对完成上述目标初步检测的图像，进行虚假目标剔除，得到最终的检测结果。本发明有效提高了无人机图像中的弱小目标的识别准确率，可用于无人机可见光图像或视频中。

公开(公告)号：CN104966054A

公开(公告)日：2015-10-07

申请号：CN201510320098.3

申请日：2015-06-11

Applicant: 西安电子科技大学 ,  中国电子科技集团公司第二十七研究所

Inventor： 张建龙 ,  高新波 ,  赵坤 ,  张国宾 ,  王勇

IPC: G06K9/00

Abstract: 本发明公开了一种无人机可见光图像弱小目标检测方法，主要解决现有技术因形状信息中存在的缩放和旋转而导致目标很难检测的问题。其实现步骤为：(1)输入一帧含有多个人物目标的无人机图像，从中提取两个图像块作为目标模板，每个图像块含有1个人物目标；(2)求取目标模板的均值μ、标准差σ和熵H；(3)对输入图像进行增强处理，并对增强后的图像按照颜色信息进行分割，得到多个超像素块；(4)对所有的超像素块，依次进行特征提取及识别，完成目标的初步检测：(5)对完成上述目标初步检测的图像，进行虚假目标剔除，得到最终的检测结果。本发明有效提高了无人机图像中的弱小目标的识别准确率，可用于无人机可见光图像或视频中。