-
Patent Agency Ranking
公开(公告)号：CN108537771A
公开(公告)日：2018-09-14
申请号：CN201810086250.X
申请日：2018-01-30
Applicant: 西安电子科技大学昆山创新研究院 , 西安电子科技大学
CPC classification number: G06T7/0002 , G06K2209/21 , G06T7/136 , G06T7/194 , G06T7/246 , G06T7/90 , G06T2207/10016
Abstract: 本发明公开了一种基于HSV的MC-SILTP运动目标检测方法，主要解决现有技术在纹理少或无纹理区域检测准确度低的问题。其实现步骤是：1)在MC-SILTP纹理特征的基础上将HSV颜色空间的H和S通道颜色信息与MC-SILTP纹理信息相融合，得到HS-MC-SILTP特征，使得在时间域上拥有与HSV颜色特征一致的时间序列分布；2)使用HS-MC-SILTP特征建立码本背景模型；3)改进码本模型的更新策略，使其更加准确地拟合背景，从而检测出运动目标。本发明提高了对纹理“平坦”区域的区分能力，漏检率低，检测结果更加完整，可用于智能监控、智能交通、人机交互、视觉导航、虚拟现实、医学诊断和可视化手术。
-
公开(公告)号：CN108537771B
公开(公告)日：2020-10-09
申请号：CN201810086250.X
申请日：2018-01-30
Applicant: 西安电子科技大学昆山创新研究院 , 西安电子科技大学
Abstract: 本发明公开了一种基于HSV的MC‑SILTP运动目标检测方法，主要解决现有技术在纹理少或无纹理区域检测准确度低的问题。其实现步骤是：1)在MC‑SILTP纹理特征的基础上将HSV颜色空间的H和S通道颜色信息与MC‑SILTP纹理信息相融合，得到HS‑MC‑SILTP特征，使得在时间域上拥有与HSV颜色特征一致的时间序列分布；2)使用HS‑MC‑SILTP特征建立码本背景模型；3)改进码本模型的更新策略，使其更加准确地拟合背景，从而检测出运动目标。本发明提高了对纹理“平坦”区域的区分能力，漏检率低，检测结果更加完整，可用于智能监控、智能交通、人机交互、视觉导航、虚拟现实、医学诊断和可视化手术。
-
公开(公告)号：CN106446764A
公开(公告)日：2017-02-22
申请号：CN201610570768.1
申请日：2016-07-19
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于改进模糊颜色聚合向量的目标检测方法，主要解决现有基于模糊颜色聚合向量方法对复杂场景目标检测准确率不高的问题。其实现步骤是：首先对输入视频集进行预处理，得到预处理之后的量化图像；其次分别对得到的量化图像计算改进的颜色聚合向量，并对得到的向量进行模糊聚类，得到隶属度矩阵；接着对之后的输入图像依据隶属度矩阵计算改进的模糊颜色聚合向量，并构建背景模型；最后通过计算当前帧与背景模型的相似度实现对目标的有效检测。本发明具有对复杂场景适应性更好，检测准确度更高的优点，可用于智能化交通、智能监控、突发事件检测、及医学导航手术中手术器械定位。
-
公开(公告)号：CN106446764B
公开(公告)日：2019-11-01
申请号：CN201610570768.1
申请日：2016-07-19
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于改进模糊颜色聚合向量的目标检测方法，主要解决现有基于模糊颜色聚合向量方法对复杂场景目标检测准确率不高的问题。其实现步骤是：首先对输入视频集进行预处理，得到预处理之后的量化图像；其次分别对得到的量化图像计算改进的颜色聚合向量，并对得到的向量进行模糊聚类，得到隶属度矩阵；接着对之后的输入图像依据隶属度矩阵计算改进的模糊颜色聚合向量，并构建背景模型；最后通过计算当前帧与背景模型的相似度实现对目标的有效检测。本发明具有对复杂场景适应性更好，检测准确度更高的优点，可用于智能化交通、智能监控、突发事件检测、及医学导航手术中手术器械定位。
-
公开(公告)号：CN106447691A
公开(公告)日：2017-02-22
申请号：CN201610570469.8
申请日：2016-07-19
Applicant: 西安电子科技大学
IPC: G06T7/20
Abstract: 本发明公开了一种基于加权多示例学习的加权极限学习机视频目标跟踪方法,主要解决现有技术中跟踪准确性差的问题，其实现步骤是：1.初始化类哈尔特征模型池并构造多种特征模型块，设置加权极限学习机网络参数；2.在当前帧提取训练样本及其对应于不同特征模型块的特征块；3.计算加权多示例学习权值；4.构建对应于不同特征块的多个网络并选择包的相似性函数值最大的网络与相应的特征模型块；5.计算网络全局输出权值；6.在下一帧提取检测样本及其对应于选择的特征模型块的特征块；7.使用已选择的网络对检测样本进行分类并得到下一帧目标位置；8.重复以上步骤，直到视频结束。本发明提高了跟踪的准确性，可实现对目标的鲁棒跟踪。
-
-
-
-
Search Results
5
records
(took 0.024 seconds)
