公开(公告)号：CN110287780B

公开(公告)日：2021-08-03

申请号：CN201910411824.0

申请日：2019-05-17

Applicant: 长安大学

Inventor： 高涛 ,  曹金沛 ,  卢玮 ,  王翠翠 ,  陈本豪 ,  李永会

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62

Abstract: 本发明公开了一种光照下人脸图像特征提取方法，首先将目标图像模型扩展到5*5内外双层邻域模型；然后引入八个方向Kirsch算子，在5*5的模板窗口上，以xc中心像素点为中心的均分八个方向上利用Kirsch算子分别进行计算内外两层邻域像素点的灰度值加权平均，然后比较关于中心像素对称的邻域加权平均值，并根据规则编码，能够有效降低计算量并减少了提取特征维度，最后，结合CNALBP和HOG算子，通过将邻域扩充并对邻域加权平均更够有效的降低单个像素点易受噪声影响的问题，同时融合了HOG特征的优点，能够提取出更多的纹理信息和多个方向的梯度信息，从而更好地描述复杂光照图像的特征，本方法具有简单、高效等特点。

公开(公告)号：CN113076898A

公开(公告)日：2021-07-06

申请号：CN202110387355.0

申请日：2021-04-09

Applicant: 长安大学

Inventor： 陈婷 ,  姚大春 ,  高涛 ,  王松涛 ,  刘占文 ,  李永会 ,  陈友静

IPC: G06K9/00 ,  G06K9/32 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种交通车辆目标检测方法、装置、设备及可读存储介质，通过对对预处理后的交通图像进行车辆标注，本发明通过将车辆标注后的交通图像进行维度聚类,设置阈值进行聚类anchor box,并且将一个相对远的点选择为下一个初始聚类中心，提高聚类精度；基于特征提取主干网络在浅层部分添加网络层进行浅层特征提取，提高对细节特征处理能力，在保持较高的检测精度的前提下，采用CSPDarknet26进行多层残差网络进行特征提取，能避免卷积层冗余、提高内存利用率、提高训练速度，然后经过多层残差网络进行特征提取后进行多尺度检测，提取丰富的细节信息，CRB能够避免小目标检测效果退化问题，提高了算法在强雨密度交通环境下车辆单类目标检测的适用性与准确性。

公开(公告)号：CN111860587A

公开(公告)日：2020-10-30

申请号：CN202010537199.7

申请日：2020-06-12

Applicant: 长安大学

Inventor： 陈婷 ,  张亚南 ,  高涛 ,  李永会 ,  姚大春 ,  王松涛

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T5/50

Abstract: 本发明公开了一种用于图片小目标的检测方法，通过以待检测图片作为目标检测网络的输入，从待检测图片中获取六个不同尺寸的特征图，采用双线性插值法将六个不同尺寸的特征图中的金字塔的底层特征图与金字塔的高层特征图进行特征融合得到新的六个不同尺寸的特征图，考虑各尺度特征图之间的关系，使参与预测的特征图有更丰富的细节信息和语义信息，使用预先训练模型的默认设置对目标检测网络进行训练，并采用随机梯度下降算法对损失函数式进行优化训练，有利于模型的快速收敛，利用训练好的目标检测网络进行测试，对待检测的图像特征提取，能够有效提高图片小目标的检测精度和检测速度，可在完全满足实时性条件下有效提高小目标的检测精度。

公开(公告)号：CN111695514A

公开(公告)日：2020-09-22

申请号：CN202010537207.8

申请日：2020-06-12

Applicant: 长安大学

Inventor： 高涛 ,  陈婷 ,  张赛 ,  刘占文 ,  李永会 ,  王松涛 ,  张亚南

IPC: G06K9/00 ,  G06K9/62 ,  G06T3/40 ,  G06T7/90

Abstract: 本发明公开了一种基于深度学习的雾天下车辆检测方法，通过对采集到的雾天交通车辆图片进行图像预处理，采用深度残差网络模型对预处理后的雾天交通车辆图片进行特征提取，获取多个不同大小的特征图，然后对多个不同大小的特征图进行多尺度检测，得到多尺度检测特征图，提高特征提取精度，最后根据获取的多尺度检测特征图采用迁移学习方法对深度残差网络模型进行训练得到雾天下车辆检测网络模型，采用迁移学习方法精简了网络结构，不仅提高了检测速度，而且提高了目标检测精度，利用K-means聚类方法进行聚类，得到网络所需的初始先验框的尺寸，对浅层网络的加深和整体框架的简化，提升了检测速度，简化了损失函数和预测的输出张量，提高了定位的效率。

公开(公告)号：CN110852235A

公开(公告)日：2020-02-28

申请号：CN201911072293.3

申请日：2019-11-05

Applicant: 长安大学

Inventor： 高涛 ,  王翠翠 ,  刘永雄 ,  陈婷 ,  卢玮 ,  李永会

IPC: G06K9/00 ,  G06K9/46 ,  G06N3/12

Abstract: 本发明公开了一种图像特征提取方法，通过将待处理图像均分为多个子图像，对每个子图像分别进行空间结构处理，得到每个子图像的梯度值和每个子图像的像素均值，然后根据得到每个子图像的梯度值和像素均值，采用局部差分二进制来得到各子图像的二进制序列，采用多重局部差分二进制表示网格单元强度和梯度的差异和纹理信息，可以捕获更丰富的细节纹理信息，将各子图像的二进制序列按照同样顺序进行排列即可得到待处理图像的选取特征；利用遗传算法提取选取特征中的最优个体，最终得到图形特征，将多样性-适应性空间中的个体映射到选择概率方向上，从而达到初期以保证多样性，末期以适应度函数为主的效果，提高特征提取的鲁棒性。