-
公开(公告)号：CN106023238A
公开(公告)日：2016-10-12
申请号：CN201610512222.0
申请日：2016-06-30
Applicant: 北京大学
Abstract: 本发明公开一种相机模组颜色数据标定方法，其中包括：平均值求取步骤，在使用标准的D65光源照射下，对标准24色的色标卡进行拍摄采集，然后根据不同的颜色类型选取20×20pixels的区域，并求取该区域内R，G和B三分量的平均值；空间转换步骤，将训练样本的标准色度值由RGB颜色空间转换到CIE Lab颜色空间，再将颜色数据从CIE XYZ空间转换到CIE Lab空间；回归训练建模步骤，利用CIE Lab颜色空间的样本值和标准色度值进行K‑PLSR回归训练建模；预测标定步骤，利用CIE Lab颜色空间建立的回归模型可对任意光照环境的相机模组采集图像进行预测标定，并再次从CIE Lab颜色空间转换到RGB颜色空间；以及存储步骤，对得到的标定矩阵进行存储。
-
公开(公告)号：CN111090773B
公开(公告)日：2023-02-07
申请号：CN201910804261.1
申请日：2019-08-28
Applicant: 北京大学
IPC: G06F16/71 , G06F16/783 , H04N7/18 , H04N19/85
Abstract: 本发明涉及安防监控和人工智能领域，特别涉及一种数字视网膜体系结构及软件架构方法及系统。包括：接入视频流；将视频流在前端处理转换为视频浓缩流和特征流；将视频浓缩流和特征流传输给云端；云端存储接收到的视频浓缩流和特征流，并接收终端的离线检索指令，将离线检索得到的结果返回至终端进行显示或/和接收终端的实时追踪指令，实时追踪得到的结果返回至终端进行显示。改变现有视频监控系统的体系架构，由视频监控转变为智能监控，解决大规模监控视频的智能分析和系统应用问题。
-
公开(公告)号：CN114938455A
公开(公告)日：2022-08-23
申请号：CN202210490707.X
申请日：2022-05-07
Applicant: 北京大学
IPC: H04N19/70 , H04N19/96 , G06K9/62 , G06V10/764
Abstract: 本申请涉及基于单元特性的编码方法、装置、电子设备及存储介质。所述方法包括：获取待划分编码单元；计算待划分编码单元的纹理复杂度，其中，纹理复杂度包括水平向纹理复杂度和垂直向纹理复杂度；若纹理复杂度小于预设平坦阈值，则对待划分编码单元不再划分，若否，则对待划分编码单元采用二叉树划分或扩展的四叉树划分；若采用扩展的四叉树划分，基于已训练的SVM分类器判定待划分编码单元进行横向扩展的四叉树划分或纵向扩展的四叉树划分；使用划分后的编码单元对图像信息进行编码。本申请充分利用了编码单元自身纹理特性和周边编码信息，在编码完成前实现了对编码单元的快速划分，大幅度缩减了尝试空间，进而提升了编码速度。
-
公开(公告)号：CN111405242A
公开(公告)日：2020-07-10
申请号：CN202010119453.1
申请日：2020-02-26
Applicant: 北京大学(天津滨海)新一代信息技术研究院
Abstract: 本发明公开了一种地面摄像机与天空移动无人机联动分析方法，包括：将检测到的目标特征与客户端下发的目标特征进行对比，当相似度大于设定阈值时，检测到的目标为特定目标；当第一地面摄像机锁定特定目标时，将特定目标预设范围内的其他地面摄像机作为第一候补摄像机，并向天空移动无人机发送控制指令；当第一地面摄像机的监控范围内无特定目标时，控制第一候补摄像机和天空移动无人机跟踪特定目标；当天空移动无人机锁定特定目标时，将特定目标预设范围内的地面摄像机作为第二候补摄像机；当天空移动无人机中特定目标的清晰度小于预设清晰度时，控制第二候补摄像机跟踪特定目标。通过上述方法，对目标按照时空关联自动切换方式实现多摄像头跟踪。
-
公开(公告)号：CN106101716B
公开(公告)日：2019-05-07
申请号：CN201610541388.5
申请日：2016-07-11
Applicant: 北京大学
IPC: H04N19/513 , H04N19/577 , H04N19/587
Abstract: 本发明提供一种视频帧率上变换方法，包括：单向运动估计步骤，得到前向中间帧和后向中间帧；中间帧结合步骤，将所述前向中间帧和所述后向中间帧相结合，得到初步中间帧；以及双向运动估计步骤，对所述初步中间帧上的空洞进行消除，得到最终中间帧。根据本发明可以准确的判断图像视频中的运动信息，能够针对运动物体边缘产生的锯齿现象进行准确的图像修复，从而达到帧率提升的目的。
-
Patent Agency Ranking
公开(公告)号：CN106204445A
公开(公告)日：2016-12-07
申请号：CN201610513450.X
申请日：2016-06-30
Applicant: 北京大学
IPC: G06T3/40
CPC classification number: G06T3/4053
Abstract: 本发明公开一种基于结构张量全变差的图像视频超分辨率方法，包括如下步骤：建立图像降质模型，包括模糊和降采样两个部分，表示为，其中，x表示原始高分辨率图像，B表示模糊核， 表示卷积过程，D表示相应倍数的降采样，y表示产生的低分辨率图像；建立超分辨率模型，包括图像插值和去模糊两个部分，用公式表示为， 其中，表示还原的高分辨率图像，B表示模糊核， 表示反卷积过程，D-1表示相应倍数的插值过程，y表示低分辨率图像；建立基于结构张量全变差正则化约束的超分辨率模型，表示为，其中，μ是一个可以调节的参数，对正则项约束的强度进行控制。本发明改进了全变差模型直接对图像约束导致的过度平滑和边缘阶梯效应，更加符合人眼的
-
公开(公告)号：CN106157308A
公开(公告)日：2016-11-23
申请号：CN201610514128.9
申请日：2016-06-30
Applicant: 北京大学
IPC: G06T7/00
CPC classification number: G06T7/0004 , G06T2207/10016 , G06T2207/20081
Abstract: 一种矩形目标物检测方法，包括如下步骤：提取样本特征；获取根滤波器；获取部件滤波器；模型检测；进行梯度搜索计算从而精确定位检测框。与现有技术相比，本发明使用机器学习的方法，将含有矩形目标物的图片作为正样本，不含目标物的任意图片作为负样本组成训练集，训练过程中只需要样本的目标外轮廓标注信息，信息易于读取且效率较高。对支持向量机和隐藏变量支持向量机的训练保证了检测的高精确率，使用隐藏变量支持向量机训练部件滤波器也使得一些细节方面的信息不容易被丢失，极大的提高了检测的正确率和召回率。使用梯度搜索计算对检测框进行调整也弥补了检测框不完全框选目标物的情况，使得目标物的位置更精确和完整。
-
公开(公告)号：CN106157264A
公开(公告)日：2016-11-23
申请号：CN201610513574.8
申请日：2016-06-30
Applicant: 北京大学
IPC: G06T5/00
CPC classification number: G06T5/001 , G06T5/002 , G06T2207/10024 , G06T2207/10032
Abstract: 一种基于经验模式分解的大幅面图像不均匀光照校正方法，包括如下步骤：输入图像，检测输入图像的格式，将彩色RGB格式的图像转换为YUV格式，然后提取YUV格式图像中Y通道的图像得到提取图像；对提取图像进行变换，得到变换后的图像；对变换后的图像进行基于经验模式的分解，得到一系列表征图像局部频率和尺度特性的本质模式函数以及一个余量函数；选择特定的余量函数以及本质模式函数进行光照不均匀程度的检测；平滑光照图像；进行反射图像变换，得到最终的校正图像。本方法可以有效的校正复杂光照条件下的大幅面图像，实时性好并且有高的主观视觉质量。
-
公开(公告)号：CN106127688A
公开(公告)日：2016-11-16
申请号：CN201610509566.6
申请日：2016-06-30
Applicant: 北京大学
Abstract: 本发明公开一种超分辨率图像重建方法，其中包括：图像分解步骤，其中通过图像分解，将输入图像分解成结构部分和纹理部分，其中结构部分相对平滑，并且具有锐利的边缘，而纹理部分包含图像的纹理和细节；图像放大步骤，其中对所述结构部分和所述纹理部分分别进行放大；以及图像组合步骤，其中将放大后的结构图像和纹理图像组合，生成最终的超分辨率图像。
-
公开(公告)号：CN114913476A
公开(公告)日：2022-08-16
申请号：CN202210440638.1
申请日：2022-04-25
Applicant: 北京大学
IPC: G06V20/52 , G06V10/774 , G06V10/82
Abstract: 本申请涉及计算机视觉和模式识别技术领域，更为具体来说，本申请涉及一种基于双向语义对齐聚类的跨域行人再识别方法与装置。所述方法包括：基于至少三个分支模型构建跨域行人识别模型；基于源域数据集和目标域数据集训练跨域行人识别模型；行人数据；其中，三个分支模型为第一分支模型、第二分支模型和第三分支模型，各分支模型均包含有主干网络和特征表达模块。本申请使跨域行人识别模型进行三分支的特征学习，分别引入了三个人体分割约束，采用字典学习和稀疏编码框架来学习原始特征空间的语义基，利用更可靠的源域语义元素来更全面地度量目标域样本间的相似度，使跨域行人识别模型在识别目标行人时更为精准，进而提升了行人再识别的效率。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.03 seconds)
