基于深度学习的监控视频人员模糊检索方法

    公开(公告)号:CN107145546A

    公开(公告)日:2017-09-08

    申请号:CN201710282865.5

    申请日:2017-04-26

    CPC classification number: G06F16/784 G06N3/0454 G06N3/08

    Abstract: 基于深度学习的监控视频人员模糊检索方法,涉及云计算领域,主要包括6个步骤,步骤(A):采集视频数据并进行云存储;步骤(B):构建训练数据库;步骤(C):利用Hadoop的MapReduce并行化编程模型通过训练数据库所提供的数据进行深度学习训练;步骤(D):通过训练后的卷积神经网络系统进行识别。本发明主要利用深度学习方法结合云计算,将摄像头采集的视频数据进行云存储和管理,利用Hadoop的MapReduce并行化编程模型结合深度学习对视频进行数据识别挖掘,实现对目标人员的模糊检索。

    违禁物品检测方法和装置
    12.
    发明授权

    公开(公告)号:CN104316487B

    公开(公告)日:2017-02-15

    申请号:CN201410482295.0

    申请日:2014-09-19

    Abstract: 本发明公开了一种违禁物品检测方法和装置,该方法包括:采集待检物品的吸收谱数据;确定出采集的吸收谱数据中的各波峰;针对每个波峰,根据该波峰对应的太赫兹吸收值、该波峰的相邻点的太赫兹吸收值,计算出该波峰的峰值明显度;将计算出的波峰明显度与预设的干扰阈值进行比较,根据比较结果判断该波峰是否为干扰点;利用滑动平均方法对判断出的待检物品的吸收谱数据中的干扰点进行数据修复,得到待检物品的修复后吸收谱数据;将待检物品的修复后吸收谱数据与违禁物品指纹谱库中的各种违禁物品的标准品的吸收谱数据进行比对,根据比对结果判断待检物品是否为其中一种违禁物品。应用本发明,可以提高检测结果的准确度。

    基于地理信息系统的摄像头拓扑构建方法及装置

    公开(公告)号:CN103632044B

    公开(公告)日:2016-08-31

    申请号:CN201310582933.1

    申请日:2013-11-19

    Abstract: 本发明公开了一种基于地理信息系统的摄像头拓扑构建方法及装置。本发明中,根据获取的摄像头的工作参数以及预设的摄像头的名义中心点计算策略,得到摄像头的名义中心点相对摄像头的地理信息;根据获取的地理信息以及得到的地理信息,将名义中心点绘制在地图中;按照拓扑区域阈值对绘制的名义中心点进行拓扑区域划分;获取源摄像头的名义中心点对应的每一拓扑区域范围内的目标摄像头的名义中心点;计算每一拓扑区域范围内的目标摄像头的名义中心点与源摄像头的名义中心点的距离,选取距离最短对应的目标摄像头的名义中心点,标记为源摄像头的名义中心点在该拓扑区域范围内的拓扑点。应用本发明,可以降低图像匹配处理所需的时间、提高跟踪效率。

    基于太赫兹频段的标准品特征数据库建立方法和装置

    公开(公告)号:CN104392084A

    公开(公告)日:2015-03-04

    申请号:CN201410430835.0

    申请日:2014-08-27

    Abstract: 本发明公开了一种基于太赫兹频段的标准品特征数据库建立方法和装置,所述方法包括:针对每种违禁物品,提取该种违禁物品的标准品基于太赫兹频段的特征数据:将该标准品放置于太赫兹光路中,测量该标准品的太赫兹时域波形数据后,进行快速傅里叶变换,得到该标准品的太赫兹频域波形数据;根据该标准品的太赫兹频域波形数据以及预先算得的参考太赫兹频域波形数据,计算出该标准品的吸收谱数据,并从中确定出特征峰数据后作为该标准品的特征数据;将各种违禁物品的标准品的特征数据存储到标准品特征数据库中。本发明的技术方案中,调用标准品特征数据库中的数据与被测物的吸收谱数据进行对比,有利于更为准确地判断出被测物是否为违禁物品。

    一种异构目标特性建模软件的集成方法及装置

    公开(公告)号:CN114239280B

    公开(公告)日:2025-01-21

    申请号:CN202111555377.X

    申请日:2021-12-17

    Abstract: 本发明涉及目标特性分析技术领域,尤其涉及一种异构目标特性建模软件的集成方法及装置,该方法包括:获取待集成的各个目标特性建模软件的基本信息;基于获取的基本信息,对每个目标特性建模软件编译对应的算法接口模块;算法接口模块与对应的目标特性建模软件的开发语言相同,包括外部调用接口单元、格式转化单元和建模软件调用单元;将每个目标特性建模软件及对应的算法接口模块添加至单独的容器中;容器用于为目标特性建模软件及算法接口模块提供运行环境。本发明能够统一管理不同的目标特性建模软件,以实现复杂场景下的目标特性协同仿真。

    基于多纹理特征融合的结冰湖泊检测方法和装置

    公开(公告)号:CN112329674B

    公开(公告)日:2024-03-12

    申请号:CN202011259913.7

    申请日:2020-11-12

    Abstract: 本发明涉及一种基于多纹理特征融合的结冰湖泊检测方法、装置和计算机可存储介质,其中方法包括:采集并输入含有结冰湖泊的红外图像;分别对红外图像进行修正LNIP纹理编码、修正LBP纹理编码和基于修正的Gabor滤波提取,得到第一纹理特征图像、第二纹理特征图像和第三纹理特征图像,再进行像素级的特征融合得到第四纹理特征图像;基于局域概率分布对第四纹理特征图像进行结冰湖泊检测;再对结冰湖泊检测的结果进行精细化处理,得到像素级检测结果图。本发明解决了目前红外成像技术难以对结冰湖泊进行准确检测,以及检测精度低,检测结果模糊的问题。

    一种可穿戴设备和多源目标融合检测系统

    公开(公告)号:CN115695999A

    公开(公告)日:2023-02-03

    申请号:CN202211351691.0

    申请日:2022-10-31

    Abstract: 本发明提供了一种可穿戴设备和多源目标融合检测系统,涉及武器装备技术领域。其中,可穿戴设备包括:第一图像采集组件,包括多种图像传感器,被配置为基于所述多种图像传感器中的至少一种采集第一图像;处理整合器,被配置为接收第一图像、和第二图像采集组件采集的包括枪械瞄准物体的第二图像,第二图像采集组件设置在枪械上;处理整合器,还被配置为对所述第一图像和第二图像进行融合处理,并对融合处理后的图像进行目标识别,以得到目标识别结果;显示组件,被配置为对目标识别结果进行显示。通过以上可穿戴设备,能够提高目标识别精准度,辅助用户快速识别、定位目标,从而极大提高巡检效率和战备质量。

    一种目标SAR图像生成方法及装置

    公开(公告)号:CN112415514A

    公开(公告)日:2021-02-26

    申请号:CN202011278930.5

    申请日:2020-11-16

    Abstract: 本发明涉及一种目标SAR图像生成方法及装置、计算机设备、计算机可读存储介质,该方法包括:获取真实的SAR图像数据构成训练集;由一组训练样本中选出N个方位角连续的SAR真实图像,利用卷积神经网络提取特征;将首个SAR真实图像的单图特征和连续N个SAR真实图像的整体关系特征输入生成对抗网络的生成器,得到N‑1个SAR生成图像;通过生成对抗网络的判别器,对N‑1个SAR生成图像和相对应的N‑1个SAR真实图像分别进行特征对比,利用损失函数衡量SAR生成图像和SAR真实图像的相似度;得到完成训练的生成对抗网络,随机生成SAR生成图像。本发明可实现SAR图像数据的外推生成,以完善并扩充数据量。

    基于多纹理特征融合的结冰湖泊检测方法和装置

    公开(公告)号:CN112329674A

    公开(公告)日:2021-02-05

    申请号:CN202011259913.7

    申请日:2020-11-12

    Abstract: 本发明涉及一种基于多纹理特征融合的结冰湖泊检测方法、装置和计算机可存储介质,其中方法包括:采集并输入含有结冰湖泊的红外图像;分别对红外图像进行修正LNIP纹理编码、修正LBP纹理编码和基于修正的Garbor滤波提取,得到第一纹理特征图像、第二纹理特征图像和第三纹理特征图像,再进行像素级的特征融合得到第四纹理特征图像;基于局域概率分布对第四纹理特征图像进行结冰湖泊检测;再对结冰湖泊检测的结果进行精细化处理,得到像素级检测结果图。本发明解决了目前红外成像技术难以对结冰湖泊进行准确检测,以及检测精度低,检测结果模糊的问题。

    机载目标识别模型构建平台、机载目标识别方法及设备

    公开(公告)号:CN108764456A

    公开(公告)日:2018-11-06

    申请号:CN201810289335.8

    申请日:2018-04-03

    CPC classification number: G06N3/0454 G06K9/00664 G06K9/6256

    Abstract: 本发明涉及一种机载目标识别模型构建平台、机载目标识别方法及设备,机载目标识别模型构建平台,包括:存储服务器,用于将实测数据和特性数据存储至对应的分类训练数据集;训练服务器,用于将分类训练数据集中的每一个样本输入到深度学习网络,进行特征训练,当接收到生成指令时,为特征训练的结果生成机载目标识别模型;当接收到反向传播指令时,将特征训练的结果反向输入到深度学习网络,进行特征训练;识别服务器,用于对特征训练的结果进行识别测试,并针对识别测试结果,统计识别率,当识别率不小于预设的识别基准值时,发送模型生成指令,否则,发送反向传播指令。本发明提供的方案能够有效地提高机载目标识别的准确率。

Patent Agency Ranking