公开(公告)号：CN112288779A

公开(公告)日：2021-01-29

申请号：CN202011211229.1

申请日：2020-11-03

Applicant: 南昌工程学院

Inventor： 王军 ,  徐晨光 ,  王员云 ,  邓承志 ,  张俊 ,  张绍泉 ,  吴朝明 ,  李璠 ,  汪胜前

IPC: G06T7/246

Abstract: 本发明涉及目标跟踪识别技术领域，具体涉及一种目标跟踪方法，包括如下步骤：S1、获取包含所述目标的N帧历史图像，获取所述目标的所有特征参数，构建特征参数集；S2、基于所述特征参数集构建用于实现目标检测跟踪的Dssd_inception_V3_coco模型；S3、基于Dssd_inception_V3 coco模型实现待检测帧图像的实时检测，根据检测结果实现目标的跟踪。本发明基于目标特征参数、携带配饰后的特征参数、携带妆容后的特征参数、以及携带表情后的特征参数构建Dssd_inception_V3 coco模型，在可以实现了目标快速识别的同时，可以尽可能的避免识别跟踪盲区。

公开(公告)号：CN111230858A

公开(公告)日：2020-06-05

申请号：CN201910169395.0

申请日：2019-03-06

Applicant: 南昌工程学院

Inventor： 吴朝明 ,  徐晨光 ,  李璠 ,  田伟 ,  张绍泉 ,  王军 ,  汪胜前 ,  邓承志

IPC: B25J9/16

Abstract: 本发明公开了基于增强学习的视觉机器人运动控制方法，属于机器人控制技术领域，基于增强学习的视觉机器人运动控制方法，包括：主成像数据采集，分路子信息采集，范围空间模型建立，制定移动轨迹策略，分路信息周期传输，运动路径实时校正，根据步骤五分路子探头采集到的路径变动信息，对建立的范围空间模型进行补充，并实时更正移动轨迹信息，可以实现通过增强学习算法和外置的机器视觉探头，对机器人的视域范围进行补充，及时调整运动轨迹，降低运动轨迹偏差量，提高机器人的运动轨迹运行正确率，同时对机器人外部变化进行自检，减少因外部环境造成的腐蚀对机器人运动控制的影响。在视域共享，触摸补充视觉。

公开(公告)号：CN109345476A

公开(公告)日：2019-02-15

申请号：CN201811094851.1

申请日：2018-09-19

Applicant: 南昌工程学院

Inventor： 邓承志 ,  颜苏东 ,  徐晨光 ,  吴朝明 ,  王军 ,  田伟 ,  汪胜前

IPC: G06T5/00

Abstract: 本发明公开了一种基于深度残差网络的高光谱图像超分辨率重建方法。本发明方法利用预先训练的深度残差网络进行高光谱图像的超分辨率重建；所述深度残差网络包含2M个相同的残差块，每个残差块包含至少2个卷积层，各残差块的超参数一致，并实现权值共享，M为大于1的整数；在所述深度残差网络的前向传播过程中分别以每2j个残差块为一组进行分组，并为每一组残差块引入一个跳跃连接，j＝1,2,…,M。本发明还公开了一种基于深度残差网络的高光谱图像超分辨率重建装置。本发明可以有效地缓解高光谱图像训练样本少、单个样本数据量大、难以训练等问题，并且在一定程度上克服了硬件制造技术与成像环境对高光谱图像分辨率的限制。

公开(公告)号：CN108875736A

公开(公告)日：2018-11-23

申请号：CN201810582612.4

申请日：2018-06-07

Applicant: 南昌工程学院

Inventor： 朱华生 ,  谢开岩 ,  叶军 ,  王军 ,  徐晨光

IPC: G06K9/32

Abstract: 本发明公开了一种基于背景预测的水面移动目标检测方法。本发明针对水面移动目标检测过程中背景图像变化的问题，利用背景图像的历史检测数据来对当前的背景图像进行预测，进而获得初始的移动目标检测结果，从而可大幅降低水面移动目标检测的误检率；本发明进一步利用目标位置预测模型来对初始目标检测结果进行修正，从而有效提高检测精度。相比现有技术，本发明可大幅降低水面移动目标检测的误检率，有效提高检测精度。

公开(公告)号：CN107680094A

公开(公告)日：2018-02-09

申请号：CN201710963299.4

申请日：2017-10-17

Applicant: 南昌工程学院

Inventor： 邓承志 ,  吴朝明 ,  王军 ,  包学才 ,  刘祖涵 ,  彭天亮

IPC: G06T7/00 ,  G06T5/00 ,  G06F17/30

CPC classification number: G06T7/0002 ,  G06F17/30247 ,  G06T5/002 ,  G06T2207/10032 ,  G06T2207/30181

Abstract: 本发明公开了一种水环境遥感数据处理方法及装置。该方法包括：通过遥感器获取水环境监测区域的两期水环境遥感图像数据；对异常像素进行平滑滤波；对去除异常像素的水环境遥感图像数据进行校正；将每个类型的水环境遥感图像数据均分为多个水环境遥感图像数据区域块；对每个水环境遥感图像数据区域块进行颜色和纹理的图像特征信息提取；对两期数据中编号对应的图像特征信息分别进行均值处理；建立存储数据库的超链接索引。本发明通过将两期水环境遥感图像数据相结合用于进行水环境遥感监测数据处理，同时，对异常像素进行平滑滤波和对去除异常像素的水环境遥感图像数据进行校正，提高了监测数据结果的精确度，保证了水环境后期的可靠分析。

公开(公告)号：CN119648749B

公开(公告)日：2025-05-16

申请号：CN202510171644.5

申请日：2025-02-17

Applicant: 南昌工程学院

Inventor： 王员云 ,  金沈妙 ,  周凌涛 ,  刘欣 ,  王军

IPC: G06T7/246 ,  G06V10/80 ,  G06N3/045 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明提出一种基于空间通道求和注意力的目标跟踪方法与系统，该方法通过采用基于空间通道求和注意力模块的双分支特征提取网络进行图像特征提取，在提取过程中经过空间注意力机制以及通道注意力机制的处理，实现空间域和通道域的信息交互，获得大量结构化空间信息和通道信息，得到最终的模板特征和中间搜索特征，再将最终的模板特征和中间搜索特征进行融合，并送入头部预测网络，可以得到跟踪目标在搜索区域的最大响应位置，从而进行目标跟踪。本发明充分利用空间通道求和注意力的优势，使得跟踪器可以很好地应对跟踪过程中出现的目标遮挡、快速移动、背景复杂等困难，可以实现更准确的跟踪。

公开(公告)号：CN119741578A

公开(公告)日：2025-04-01

申请号：CN202510240847.5

申请日：2025-03-03

Applicant: 南昌工程学院

Inventor： 王员云 ,  谷庚 ,  刘纪龙 ,  沙鹏程 ,  王军 ,  陈素芬

IPC: G06V10/80 ,  G06V10/82 ,  G06T5/94 ,  G06T3/4038 ,  G06N3/0985 ,  G06N3/0455

Abstract: 本发明提出一种基于紧凑轴向注意力和细节增强的目标跟踪方法与系统，该方法包括：将模板图像和搜索区域图像输入至特征提取网络中进行统一特征学习，得到输出特征图；利用大规模数据集对优化的特征提取网络依次进行预训练和参数调整；将模板图像和搜索区域图像输入至参数调整后的特征提取网络中进行特征提取；将细节融合特征依次进行展平操作和拼接操作，并输入至特征融合模块中进行特征融合；将包含信息的融合特征输入至预测头，获取目标跟踪框，利用目标跟踪模型对目标跟踪框进行跟踪，得到跟踪结果；本发明通过细节增强模块使跟踪器能够在保持全局语义理解的同时，恢复和利用局部细节信息，从而在目标跟踪的准确性上得到显著提升。

公开(公告)号：CN119478563A

公开(公告)日：2025-02-18

申请号：CN202510056801.8

申请日：2025-01-14

Applicant: 南昌工程学院

Inventor： 王员云 ,  周凌涛 ,  邹松 ,  金沈妙 ,  刘欣 ,  王军

IPC: G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明提出基于多频率聚合块特征融合网络的目标跟踪方法，该方法包括：对输入图像的浅层特征进行提取，得到浅层特征图；通过低频全局分支得到低频全局信息；通过高频局部分支得到高频局部信息；基于低频全局信息与低频全局信息进行得到多频率聚合注意力特征图；基于多频率聚合注意力特征图得到多频率聚合块处理的特征图；基于多频率聚合块处理的特征图得到经过融合注意力处理的特征图；对模型进行训练，得到训练后的模型；基于训练后的模型得到分类结果并对目标进行跟踪。本发明通过多频率聚合块高效提取不同频率的信息，特征融合网络浅层中的多频率聚合块提高了模型对低频全局特征和高频局部特征的关注度，实现了高、低频信息的平衡。

公开(公告)号：CN118781155B

公开(公告)日：2025-01-28

申请号：CN202411273428.3

申请日：2024-09-12

Applicant: 南昌工程学院

Inventor： 王军 ,  夏燕 ,  王员云

IPC: G06T7/246 ,  G06V10/44 ,  G06V10/75 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明提出基于递归扩张注意力的孪生网络的目标跟踪方法与系统，该方法包括：基于Transformer网络和递归扩张注意力模块构建特目标跟踪模型；基于模板和搜索图像，利用双分支特征提取网络得到模板和搜索特征；将模板与搜索特征进行拼接，得到拼接后的特征；基于拼接后的特征，结合预测头进行计算，获取分类回归结果，根据分类归回结果对目标进行预测；结合大规模数据集采用迭代的方式对目标跟踪模型进行训练，得到训练后的目标跟踪模型，利用训练后的目标跟踪模型对目标进行精确的目标跟踪。本发明优化了特征提取过程，为图像识别和搜索任务提供了一种更为高效和精确的解决方案。

公开(公告)号：CN119006530A

公开(公告)日：2024-11-22

申请号：CN202411492146.2

申请日：2024-10-24

Applicant: 南昌工程学院

Inventor： 王军 ,  刘纪龙 ,  谷庚 ,  司英振 ,  尉兴宇 ,  王员云

IPC: G06T7/246 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08 ,  G06V10/44 ,  G06V10/766 ,  G06V10/82 ,  G06V10/46

Abstract: 本发明提出基于频域块和高效查询注意力的目标跟踪方法与系统，该方法包括：将模板图像输入模板分支模块，通过快速傅里叶变换，再通过门控卷积进行筛选，随后进行逆快速傅里叶变换，得到更新后的模板令牌；将更新后的模板令牌通过高效查询注意力机制处理得到模板特征图；将搜索图像输入搜索分支模块，通过多头自注意力机制生成搜索特征图；将模板特征图与搜索特征图进行拼接再通过多头自注意力机制处理，得到拼接特征图；将拼接特征图输入预测头，根据输出结果对目标进行跟踪。本发明充分结合频域块和高效查询注意力的优势构建基于Transformer的多尺度特征提取网络，使得跟踪器可以实现更准确和鲁棒的跟踪。