-
公开(公告)号：CN119148068A
公开(公告)日：2024-12-17
申请号：CN202310717015.9
申请日：2023-06-16
Applicant: 中国矿业大学(北京)
Abstract: 本发明提供了一种新型双频三维探地雷达采集系统及方法。包括：用于控制双频天线阵列的FPGA主控单元、用于收发双频雷达探测脉冲的双频天线阵列、数据采集单元、以太网交换机和上位机。系统采用两种频率的天线阵列设计，集成度高，能够高效地进行大面积区域扫描，同时完成不同深度的结构探测，具有不同的探测精度，测线间隔均匀，剖面数据一致性好，能够充分保证成像及探测效果。本发明还提供了该新型双频三维探地雷达采集系统的控制方法。
-
公开(公告)号：CN109087270A
公开(公告)日：2018-12-25
申请号：CN201811026306.9
申请日：2018-09-04
Applicant: 中国矿业大学(北京)
Abstract: 本发明涉及基于改进的卷积匹配追踪管道视频图像去雾增强方法。通过对管道内视频帧中中心圆经处理获得雾层模型，根据雾层作为卷积字典的来源进行字典训练；根据前几帧视频低秩矩阵分解训练获取背景图像与前景图像，根据前景图像初始化残差图像并通过残差图像计算特征响应，初始化前景重构图像，计算噪声能量；对特征响应进行极大值搜索；利用极大值和当前最大特征响应进行前景图像重构并利用极大值更新特征响应；更新残差图像，计算残差图像能量，若小于噪声能量，计算最终去雾图像。本发明能有效获取雾层模型，并通过雾层模型作为卷积字典，找到与视频帧中相符合的雾层并将其去除。可用于管道视频图像增强等科学领域。
-
公开(公告)号：CN107784293B
公开(公告)日：2018-08-28
申请号：CN201711111597.7
申请日：2017-11-13
Applicant: 中国矿业大学(北京)
Abstract: 本发明涉及基于全局特征和稀疏表示分类的人体行为识别方法。对视频帧进行高斯核卷积滤波预处理，差分法提取运动前景像素；据参数在时空维度对像素值采样确定运动区域，调整视频帧的大小初步降维，将每帧视频按列拼接成向量组合得到特征向量；将特征向量按列拼接成特征矩阵后第二次降维，求得特征矩阵构成最初特征字典，对字典初始化后采用类别一致K次矩阵奇异值分解法进行字典学习，据所得字典求得输入信号稀疏编码，编码送入分类器输出行为类别；统计字典学习参数并实现实时行为识别。本发明得出兼具重构性能和分类性能的字典和线性分类器，可用于提高人体行为识别效率，适用于安防监控、基于内容的视频检索、虚拟现实等科学领域。
-
公开(公告)号：CN109087270B
公开(公告)日：2019-05-14
申请号：CN201811026306.9
申请日：2018-09-04
Applicant: 中国矿业大学(北京)
Abstract: 本发明涉及基于改进的卷积匹配追踪管道视频图像去雾增强方法。通过对管道内视频帧中中心圆经处理获得雾层模型，根据雾层作为卷积字典的来源进行字典训练；根据前几帧视频低秩矩阵分解训练获取背景图像与前景图像，根据前景图像初始化残差图像并通过残差图像计算特征响应，初始化前景重构图像，计算噪声能量；对特征响应进行极大值搜索；利用极大值和当前最大特征响应进行前景图像重构并利用极大值更新特征响应；更新残差图像，计算残差图像能量，若小于噪声能量，计算最终去雾图像。本发明能有效获取雾层模型，并通过雾层模型作为卷积字典，找到与视频帧中相符合的雾层并将其去除。可用于管道视频图像增强等科学领域。
-
Patent Agency Ranking
公开(公告)号：CN107784293A
公开(公告)日：2018-03-09
申请号：CN201711111597.7
申请日：2017-11-13
Applicant: 中国矿业大学(北京)
CPC classification number: G06K9/00335 , G06K9/00724 , G06K9/46 , G06K9/6249 , G06K9/6267
Abstract: 本发明涉及基于全局特征和稀疏表示分类的人体行为识别方法。对视频帧进行高斯核卷积滤波预处理，差分法提取运动前景像素；据参数在时空维度对像素值采样确定运动区域，调整视频帧的大小初步降维，将每帧视频按列拼接成向量组合得到特征向量；将特征向量按列拼接成特征矩阵后第二次降维，求得特征矩阵构成最初特征字典，对字典初始化后采用类别一致K次矩阵奇异值分解法进行字典学习，据所得字典求得输入信号稀疏编码，编码送入分类器输出行为类别；统计字典学习参数并实现实时行为识别。本发明得出兼具重构性能和分类性能的字典和线性分类器，可用于提高人体行为识别效率，适用于安防监控、基于内容的视频检索、虚拟现实等科学领域。
-
公开(公告)号：CN107621626B
公开(公告)日：2018-08-31
申请号：CN201710928460.4
申请日：2017-10-09
Applicant: 中国矿业大学(北京)
Abstract: 本发明涉及的是一种基于深度卷积神经网络的雷达信号铁路路基病害检测方法。该方法通过车载路基检测雷达自动扫描采样获得路基原始雷达数据，然后抽取各扫描道轨枕上界面处的雷达反射信号序列进行频谱分析，获得轨枕和铁轨强反射信号的频谱灰度图；通过标注采集的部分信号频谱图中病害，设计深度卷积神经网络提取信号分析特征图，采用候选区域网络和全连接层，多次迭代构建铁路路基病害检测模型，得到路基病害的分类和检测框的预测。该方法首次提出利用深度卷积神经网络，分析铁路路基探地雷达信号中铁轨和轨枕的强反射信号，实现有砟铁路路基病害的快速检测和病害识别，为路基病害的快速整治处理提供技术支持，满足未来线路自动检测、快速养护的需求，保证铁路运营安全。
-
公开(公告)号：CN109800824B
公开(公告)日：2019-12-20
申请号：CN201910136101.4
申请日：2019-02-25
Applicant: 中国矿业大学(北京)
Abstract: 本发明涉及的是一种基于计算机视觉与机器学习的管道缺陷识别方法。通过对管道机器人采集的管道图像、视频进行灰度拉伸；进行滑滤波处理滤除噪声干扰；采用Canny算子对疑似缺陷区域轮廓提取；采集图像分成细胞单元中各像素点的梯度或边缘方向直方图，直方图组合起来提取图像HOG特征；采用迁移学习策略训练VGGNet模型，训练好的VGGNet的特征提取器提取图像特征；将管道图像的HOG特征和VGGNet提取的特征进行融合，使用SVM将特征分类，识别管道缺陷；统计管道缺陷识别结果输出管道缺陷类型。本发明能识别真实管道环境的缺陷特征，提高分类模型的鲁棒性和识别的准确率，提升系统图像处理速度和识别的效率，适用于城市管道、工业管道检修领域。
-
公开(公告)号：CN109800824A
公开(公告)日：2019-05-24
申请号：CN201910136101.4
申请日：2019-02-25
Applicant: 中国矿业大学(北京)
Abstract: 本发明涉及的是一种基于计算机视觉与机器学习的管道缺陷识别方法。通过对管道机器人采集的管道图像、视频进行灰度拉伸；进行滑滤波处理滤除噪声干扰；采用Canny算子对疑似缺陷区域轮廓提取；采集图像分成细胞单元中各像素点的梯度或边缘方向直方图，直方图组合起来提取图像HOG特征；采用迁移学习策略训练VGGNet模型，训练好的VGGNet的特征提取器提取图像特征；将管道图像的HOG特征和VGGNet提取的特征进行融合，使用SVM将特征分类，识别管道缺陷；统计管道缺陷识别结果输出管道缺陷类型。本发明能识别真实管道环境的缺陷特征，提高分类模型的鲁棒性和识别的准确率，提升系统图像处理速度和识别的效率，适用于城市管道、工业管道检修领域。
-
公开(公告)号：CN107621626A
公开(公告)日：2018-01-23
申请号：CN201710928460.4
申请日：2017-10-09
Applicant: 中国矿业大学(北京)
Abstract: 本发明涉及的是一种基于深度卷积神经网络的雷达信号铁路路基病害检测方法。该方法通过车载路基检测雷达自动扫描采样获得路基原始雷达数据，然后抽取各扫描道轨枕上界面处的雷达反射信号序列进行频谱分析，获得轨枕和铁轨强反射信号的频谱灰度图；通过标注采集的部分信号频谱图中病害，设计深度卷积神经网络提取信号分析特征图，采用候选区域网络和全连接层，多次迭代构建铁路路基病害检测模型，得到路基病害的分类和检测框的预测。该方法首次提出利用深度卷积神经网络，分析铁路路基探地雷达信号中铁轨和轨枕的强反射信号，实现有砟铁路路基病害的快速检测和病害识别，为路基病害的快速整治处理提供技术支持，满足未来线路自动检测、快速养护的需求，保证铁路运营安全。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.01 seconds)
