-
公开(公告)号：CN119904654A
公开(公告)日：2025-04-29
申请号：CN202510389608.6
申请日：2025-03-31
Applicant: 中国科学院光电技术研究所
IPC: G06V10/62 , G06V10/25 , G06V10/26 , G06V10/46 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/75 , G06V10/74 , G06V20/40 , G06V10/774 , G06V10/776 , G06T7/277
Abstract: 本发明公开了一种基于运动特性补偿的拓展目标特征点跟踪方法，属于计算机视觉的目标跟踪领域，方法包括：首先构建基于稳健特征点的匹配特征优化方法，减少了目标特征点错误匹配的数量，实现最优变换模型参数的估计；其次设计了基于卡尔曼滤波约束的跟踪预测校正方法，对匹配跟踪模型的不确定性进行更好的补偿；最后，设计了长短时融合特征模板更新策略，融合历史信息和当前目标状态信息，增强模板特征的鲁棒性，有效避免噪声的叠加，可以实现长时序的目标稳定跟踪。本发明在特征匹配与预测过程中交互式解译图像空间信息与感兴趣特征点信息，使得匹配特征的模型更鲁棒，预测目标位置误差更小，长时跟踪结果更稳定和准确。
-
公开(公告)号：CN119151996A
公开(公告)日：2024-12-17
申请号：CN202411248772.7
申请日：2024-09-06
Applicant: 中国科学院光电技术研究所
IPC: G06T7/254 , G06T7/246 , G06V10/80 , G06V10/82 , G06V10/25 , G06V10/774 , G06V10/776 , G06N3/045 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了一种基于注意力机制的单目标跟踪模板更新方法，包括：步骤一：在UpdateNet的两层卷积中引入SENet通道注意力机制来排序通道信息，完成初始模板、累积模板和预测模板的融合，得到跟踪下一帧图片的模板；步骤二：在初始模板、累积模板和预测模板的融合过程中，使用离线模型跟踪头输出的置信分数来决定本帧预测模板能不能参与积累；步骤三：生成训练模型的数据，其中，使用不同阈值来判断跟踪是否失败，以生成不同阈值下的训练数据；步骤四：采用步骤三生成的训练数据训练模型，其中采用多种学习率。训练模型时，本发明通过提供多个用于判断跟踪是否失败的阈值下产生的训练数据以及训练学习率，让模型更快地达到收敛。
-
公开(公告)号：CN118196440A
公开(公告)日：2024-06-14
申请号：CN202410511096.1
申请日：2024-04-26
Applicant: 中国科学院光电技术研究所
Abstract: 本发明提出了一种基于时空线索协同学习的无人机多目标跟踪方法，包括：通过搭配有摄像机的无人机平台捕获视频序列；对时空线索协同学习模型进行训练；将无人机拍摄的视频序列输入到时空线索协同学习模型中，以得到目标检测结果和目标重识别特征；计算目标检测结果中的运动信息关联矩阵和重识别特征中的外观信息关联矩阵，并使用匈牙利算法完成多目标的匹配任务，并输出包括匹配目标及其身份信息在内的跟踪结果。根据本发明技术方案，考虑了历史轨迹与当前轨迹的信息交互，能够有效提高目标识别能力和目标身份特征的判别性，进而提升多目标跟踪精度。
-
公开(公告)号：CN115480830A
公开(公告)日：2022-12-16
申请号：CN202211186873.7
申请日：2022-09-27
Applicant: 中国科学院光电技术研究所
IPC: G06F9/4401 , G06F15/177 , G06F21/57
Abstract: 本发明涉及一种无存储器时实现多核DSP处理器的自举方法，在DSP板卡没有存储器保存程序的情况下，通过EMFI口实现多核自举功能。包括：步骤S1、FPGA板卡上电，FPGA板卡上的FPGA通过串口接收外部的程序数据，在程序数据传输过程中进行校验以保证程序的可靠性，并将数据暂时存储在FPGA板卡上的SDRAM；步骤S2、FPGA再将FPGA板卡上预先固化的二级引导程序通过EMIF写入DSP板卡上的DSP核0的地址，给DSP板卡发送复位信号，启动DSP板卡并进行配置，使其跳转到二级引导程序入口；步骤S3、二级引导程序完成DSP核0的自举；步骤S4、然后DSP核0通过EMIF口读取剩余其他核的程序，并根据设计的程序数据格式将多核程序分开，并分别保存到各自DSP核的内存中；最后，向剩余各核发送信号，实现DSP剩余各核的程序启动。
-
公开(公告)号：CN110490904B
公开(公告)日：2022-11-11
申请号：CN201910738149.2
申请日：2019-08-12
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种弱小目标检测与跟踪方法，首先对图像进行多帧累加，提高目标的能量、抑制背景噪声；然后采用梯度块滤波的方法对图像进行滤波，抑制云层等背景杂波的干扰，提高弱小目标的信噪比与对比度；其次对滤波后的图像进行阈值分割，提取二值图像中的每个连通区域，其中每个连通区域代表一个候选目标，对每个候选目标进行特征统计，得到候选目标特征数据集；再次进行每个候选目标进行轨迹窗口滤波，通过目标在相邻时刻运动轨迹与特征的连续性从候选目标数据集中检测出真实的目标；最后对检测出的目标进行邻域匹配滤波跟踪，利用目标特征变化损失函数最小化原则进行邻域数据关联匹配，实时输出匹配滤波结果。
-
Patent Agency Ranking
公开(公告)号：CN111860483B
公开(公告)日：2022-08-23
申请号：CN202010702873.2
申请日：2020-07-21
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种基于海思平台的目标检测方法。首先配置媒体处理平台参数驱动摄像头，采集视频数据，实现数据传递；然后加载模型，配置对应模型所需的参数；之后使用专用的神经网络推导引擎对获得的数据进行前向推理；其次对得到的推理结果进行处理；最后通过HDMI接口输出显示。本发明通过使用海思HI35559AV100芯片内部的NNIE引擎和自带的高效媒体处理功能，使整个检测过程在一块嵌入式板子上进行，对比现有的方法，实现了高效和便携性的要求，更好的发挥了深度学习的优势。
-
公开(公告)号：CN109242888B
公开(公告)日：2021-12-03
申请号：CN201811020797.6
申请日：2018-09-03
Applicant: 中国科学院光电技术研究所
IPC: G06T7/30
Abstract: 本发明提供一种结合图像显著性和非下采样轮廓波变换的红外与可见光图像融合方法。首先，计算出可见光图像的对比度，若可见光图像对比度低则将其进行对比度受限的自适应直方图均衡。使用改进后的Frequency Tuned(FT)算法提取红外图像显著性区域，然后对显著性图进行抑制背景的处理。接着，分别对红外图像及处理后的可见光图像进行非下采样轮廓波变换(NSCT)获得低频与高频信息。在低频信息部分，利用显著性图进行融合，在高频信息部分采用绝对值取大的融合规则进行融合，最后将得到的融合低频系数和高频系数进行逆NSCT获得融合图像。本发明使融合后的图像细节信息更丰富，目标区域更为突出，使融合图像的视觉效果更好，更适合人眼观察和计算机处理。
-
公开(公告)号：CN110503687A
公开(公告)日：2019-11-26
申请号：CN201910738027.3
申请日：2019-08-12
Applicant: 中国科学院光电技术研究所
Abstract: 本发明公开了一种空中光电测量平台目标定位方法，通过在地平面上放置两个信标，两个信标的中心位置各放置一个GPS接收装置，定位出其在大地坐标系中的坐标，被测目标分布在两个信标的附近。首先通过空中光电平台采集地平面上信标和被测目标图像，利用两个合作信标解算光电平台相对于大地坐标系的转换关系；然后利用地平面为水平平面的假设，解算出被测目标在大地坐标系中的坐标。本发明所述方法不需要激光测距仪、惯性姿态测量系统，只需要在地平面上布置两个合作信标。本发明所述方法测量方式简单，测量精度相比传统方法提高一个数量级以上，同时具有较小的运算量，有利于硬件系统实现，减少了空中光电平台的体积和重量。
-
公开(公告)号：CN106599864A
公开(公告)日：2017-04-26
申请号：CN201611189169.1
申请日：2016-12-21
Applicant: 中国科学院光电技术研究所
Abstract: 本发明是一种基于极值理论的深度人脸识别方法，包括通过深度卷积神经网络对训练人脸图像进行特征提取，对提取的特征进行SVM分类训练，得到决策面，通过深度卷积神经网络对测试人脸图像进行特征提取，结合分类训练得到的决策面进行预测，得到决策值，基于极值理论对决策值进行统计分析得出预测结果。该方法只需每个人脸类具有极少量的训练样本，能够适应实际应用中人脸在很大范围内的光照、姿态、表情、遮挡等变化，能够有效区分陌生人脸，识别率高。同时该方法训练效率高，能够适应实际应用中对增量学习的需求。
-
公开(公告)号：CN103617328B
公开(公告)日：2016-10-12
申请号：CN201310656595.1
申请日：2013-12-08
Applicant: 中国科学院光电技术研究所
IPC: G06F17/50
Abstract: 一种飞机三维姿态解算方法，首先采用高斯平滑滤波对待处理图像进行预处理以去除噪声对后续算法的影响，其次采用模糊C均值聚类算法FCM对上述平滑后的图像进行分割，获得二值图像，然后对分割后获得的二值目标图像进行Hough变换，检测出目标上直线特征明显的部分，而对于目标上线特征不明显的部分采用骨架提取获得特征点，再对骨架上的特征点进行直线拟合，获得目标轴线，最后结合上述获得的轴线以及目标实际尺寸、相机参数等信息，利用投影几何知识最终解算出目标在相机坐标系下的三维姿态参数。本发明基于能够反映物体结构的几何特征，利用整个目标图像进行Hough变换和骨架提取，获得的轴线更加准确，获得三维姿态参数更加精确。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.038 seconds)
