-
公开(公告)号：CN106887011B
公开(公告)日：2019-11-15
申请号：CN201710042486.9
申请日：2017-01-20
Applicant: 北京理工大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于CNN和CF的多模板目标跟踪方法，本发明中提出利用若干固定的尺度值的方法，在求解卷积操作前先将模板归一化大小，然后在得到最大响应值之后反推出最合适的尺度；虽然在现有的DSST算法中，采用将三维空间最优尺度搜索分解为在二维空间搜寻最佳位置，在一维空间内搜索最优尺度的机制，但是迭代慢并且计算复杂度高；而针对实无人机平台运动随意，速度不定等特点，采用固定尺度值的方法，不仅满足跟踪算法需要，而且满足运算的实时性；特征提取阶段，将这两种特征进行分别提取，并训练出两组不同的滤波器，根据当前目标的外观和背景变化，设定不同权重，进行目标的外观表征。然后将通过不同特征得到的结果进行融合，得到跟踪结果。
-
-
公开(公告)号：CN106897737A
公开(公告)日：2017-06-27
申请号：CN201710052482.9
申请日：2017-01-24
Applicant: 北京理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于高光谱遥感图像的地物分类方法，将原始的超限学习机网络扩展为层级化多通道融合网络，在网络训练方面，不同于原始ELM网络的最小二乘算法求解输出权重策略以及深度学习网络的全局迭代调优策略，本发明采用贪婪式逐层训练的方式，对层级网络逐层训练，极大地缩短了网络的训练时间，在逐层训练的过程中，每层网络的训练求解模型均添加l1正则优化项，使得参数求解结果更稀疏，减少过拟合风险，在网络功能方面，单隐层ELM网络侧重解决简单数据的拟合、分类问题，而本发明所提网络模型的不同层级实现了目标数据特征学习或特征融合，同时也继承了前者训练速度快、泛化能力强的优点，非常有利于模型的在轨实现并适应应急响应任务的要求。
-
公开(公告)号：CN114332157B
公开(公告)日：2024-05-24
申请号：CN202111527248.X
申请日：2021-12-14
Applicant: 北京理工大学
Abstract: 本发明提供了一种双阈值控制的长时跟踪方法，在不同的跟踪场景中均取得了不错的效果。本发明将验证网络和孪生网络进行整合，采用双阈值控制法，对长时间跟踪过程中各种情况进行判断，以保证算法的长时鲁棒性。本发明将两类网络进行融合，很好的利用的两者优势且弥补了相互的不足，以适应长时间跟踪场景。其中，基于MDNet的验证网络通过在线训练很好的利用了后续帧中的信息，弥补了基于孪生网络的跟踪算法中跟踪目标信息缺失的问题；基于孪生网络的跟踪算法通过模版匹配的方法，代替基于MDNet的跟踪算法中的网络预测过程，计算量较小，解决了基于MDNet的跟踪算法实时性较差的问题。
-
公开(公告)号：CN116433723A
公开(公告)日：2023-07-14
申请号：CN202310238764.3
申请日：2023-03-08
Applicant: 北京理工大学
IPC: G06T7/246 , G06V10/764 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种目标间关系建模的多目标跟踪方法。包括：对于当前帧检测器输出的目标，利用目标自身的位置、外观特征与目标间的拓扑关系构建帧内图；随后利用消息传递网络对帧内图的顶点、边特征进行更新，以进一步融合目标间的特征；然后结合过去帧的轨迹图与当前的帧内图构建帧间图，帧间图的边表示轨迹与检测的特征相似度；对帧间图进行消息传递过程以进一步融合；随后利用全连接层网络对边代表的匹配关系进行得分计算，并对易漏检的低置信度检测和因遮挡等原因丢失的轨迹进行恢复。本发明的方法利用目标间的拓扑关系建模，可以在相机非线性运动的场景中实现稳定关联，并利用近邻目标信息辅助恢复被遮挡目标的检测；一定程度上克服了主流多目标跟踪算法分立处理目标的缺陷，能够实现非线性运动与遮挡场景下的稳定跟踪。
-
Patent Agency Ranking
公开(公告)号：CN115474090B
公开(公告)日：2023-05-16
申请号：CN202211052501.5
申请日：2022-08-31
Applicant: 北京理工大学
IPC: H04N21/44 , G06V20/40 , G06V10/82 , G06V10/774 , G06V10/94
Abstract: 本发明涉及一种支持视频目标检测跟踪的异构嵌入式实时处理架构及应用，属于高清视频嵌入式通用智能处理技术领域，主要应用在无人机载安防系统等嵌入式设备中。一方面，针对不同应用场景定制化硬件接口研发周期长、成本高等问题，利用FPGA软件编程适配外部通信链路，提供灵活丰富的信息和图像交互接口，大幅提升通用性；另一方面，针对嵌入式系统在体积功耗约束下算力不足的问题，构建基于NPU+FPGA的嵌入式实时处理架构，以NPU为深度神经网络计算核心，FPGA硬件协同加速，实现软硬协同处理流水线，提升处理性能6倍以上。
-
公开(公告)号：CN113052852B
公开(公告)日：2023-05-05
申请号：CN202110045335.5
申请日：2021-01-12
Applicant: 北京理工大学
Abstract: 本公开的基于可编程逻辑电路的图像分割方法，通过输入并存储原始图像数据，根据原始图像的尺寸对所述原始图像进行截取得到预处理方形图像；对所述预处理方形图像进行统计、计算得到所述原始图像的图像阈值；将所述图像存储模块存储的原始数据与所述图像阈值进行比较，当所述原始数据大于等于所述图像阈值时，将所述原始数据所对应的二值图像置为1，否则置为0，得到所述原始图像的二值化分割图像。能够解决图像分割算法实时实现在精度高时处理速度慢和硬件开销大问题，同时消除利用FPGA实现时，处理速度提升和硬件开销降低后，处理精度低的问题。
-
公开(公告)号：CN115330667A
公开(公告)日：2022-11-11
申请号：CN202210413307.9
申请日：2022-04-20
Applicant: 北京理工大学 , 北京电子工程总体研究所 , 航天科工仿真技术有限责任公司
Abstract: 本发明提供了一种用于灭火无人机的窗户自动检测与瞄准系统与方法，能够有效完成灭火弹发射的指向，有效自动识别起火位置，增强对窗户的检测效果。本发明用于灭火无人机的窗户自动检测与瞄准系统将检测、跟踪、识别的技术加以整合，相较于传统无人机监测监视系统，本系统能够在几乎不需要人工辅助下，完成目标的精准识别与瞄准。在灭火的任务需求下，通过灭火无人机自主完成窗户的自动检测，并对图像中的烟雾、火焰进行分割，完成事故房间的自动识别。
-
公开(公告)号：CN114707649A
公开(公告)日：2022-07-05
申请号：CN202210312193.9
申请日：2022-03-28
Applicant: 北京理工大学
Abstract: 本公开通用卷积运算装置，包括运算参数接收及解析模块、图像数据和权重参数接收及解析模块、状态控制模块、第一数据参数控制模块、第二数据参数控制模块、第三数据参数控制模块、卷积运算模块、存储器模块、卷积结果处理模块和处理结果输出模块。通过各模块采用全并行流水处理架构进行设计，通过卷积层数、卷积运算精度、卷积运算方式、卷积运算次数、特征图数据处理方法等工作参数实现卷积运算模块的工作流程控制，满足当前主流的卷积神经网络的卷积运算的需求；简化计算架构，提高计算效率和设计效率，通用化程度高、灵活型好、能效比高，能够并行完成多个多种卷积核大小的卷积运算，具备良好的扩展性和裁剪性。
-
公开(公告)号：CN108734122B
公开(公告)日：2022-05-20
申请号：CN201810471321.8
申请日：2018-05-17
Applicant: 北京理工大学
IPC: G06V20/13 , G06V10/774 , G06V10/764 , G06K9/62 , G06T7/00 , G06T7/136
Abstract: 本发明提供一种基于自适应样本选择的高光谱城区水体检测方法，在高光谱近红外谱段图像的预处理方面，通过质量评价SSIM的方法去除噪声波段图像，采用两次平均操作进一步消除噪声，能够获取更加稳定的近红外谱段的均值图像，与传统单波段阈值分割方法相比，无需人工选择待分割图像；本发明将无监督的阈值分割方法提取疑似水体区域，再通过有监督的特征学习与分类器训练，从疑似水体区域中剔除在近红外谱段与水体较为相似的建筑阴影、建筑屋顶沥青等地物；因此，本发明将无监督的阈值分割方法与有监督的特征学习与分类器训练方法相结合，具备城区观测场景的自适应能力，能够实现实测场景数据“现采集、现处理”，且虚警较低。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.023 seconds)
