-
公开(公告)号：CN111541864A
公开(公告)日：2020-08-14
申请号：CN201910803145.8
申请日：2019-08-28
Applicant: 北京大学
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软件定义摄像机方法。包括接入监控视频流，将监控视频流输入智能转换器；按照软件定义摄像机协议对监控视频流进行处理；对智能转换器的系统资源进行监视；智能转换器系统资源可用时，对处理后的监控视频流调用相应的计算模型进行智能计算；将智能计算结果发送至云端平台；云端平台存储接收到的数据，并接收终端的检索、特征计算，将检索、特征计算得到的结果返回至终端进行显示。解决目前传统视频监控摄像机不能对监控场景中人车等动态目标的提取与分析的问题，以及监控视频在大规模汇聚应用时无法对摄像机的视频分析算法进行定义、更新的问题。
-
公开(公告)号：CN110719438A
公开(公告)日：2020-01-21
申请号：CN201910804230.6
申请日：2019-08-28
Applicant: 北京大学
IPC: H04N7/18 , H04N19/42 , H04N19/85 , H04N21/435 , H04N21/44 , H04N21/4402
Abstract: 本申请提供一种数字视网膜视频流与特征流的同步传输控制方法及装置、一种电子设备、一种网络视频监控设备以及一种计算机可读介质。其中，所述方法包括：获取监控视频流；采用视频浓缩技术，生成所述监控视频流对应的浓缩视频流；以及提取所述监控视频流中的特征信息，形成特征流；将所述浓缩视频流和所述特征流分别上传至云端服务器。由于浓缩视频流具有占用存储空间小但保真率高等优点，因此，相较于现有技术中将所有监控视频流都上传至云端服务器的方式，本申请方法具有占用存储空间小、网络传输负荷低、传输效率高等优点；同时，通过根据监控视频流提取特征流并上传至云端服务器，有助于快速识别定位目标、挖掘其行动轨迹等，可有效提升监控视频的调阅效率。
-
公开(公告)号：CN106204472B
公开(公告)日：2019-12-31
申请号：CN201610513586.0
申请日：2016-06-30
Applicant: 北京大学
IPC: G06T5/00
Abstract: 本发明提供一种基于稀疏特性的视频图像去模糊方法，包括如下步骤：建模步骤，建立加权全变差正则化约束的去模糊模型，表示为其中，表示还原的清晰图像，B表示模糊核，y表示产生的模糊图像，μ是一个可以调节的参数，W是对角的权重矩阵，Vx包括横向、纵向还有斜向的一阶差分；求解步骤，通过交替迭代法求解得到更新像素权重，迭代多次，直到收敛。根据本发明，实现了模糊图像的去模糊过程，还原出清晰的图像。并且，通过权重分配的方法改进了非凸的约束模型，建立了凸的优化模型，并使图像的一阶差分的约束模型更加稀疏，同时实现了模型快速求解。
-
公开(公告)号：CN106169174B
公开(公告)日：2019-12-31
申请号：CN201610509556.2
申请日：2016-06-30
Applicant: 北京大学
IPC: G06T3/40
Abstract: 本发明公开一种图像放大方法，其中，包括：梯度值估计步骤，其中采用非局部均值滤波方法对高分辨率图像的梯度进行估计；梯度指导插值步骤，其中利用梯度值对边缘像素的插值进行指导；插值结果修正步骤，其中采用梯度估计阶段使用的非局部均值滤波方法对插值图像进行后处理，去除插值引入的噪声和人造效应；以及纹理结构重建步骤，其中把插值的图像作为初始结果，将其梯度作为约束，采用基于重建的方法，得到最终的高分辨率图像。
-
公开(公告)号：CN106127689B
公开(公告)日：2019-10-18
申请号：CN201610513715.6
申请日：2016-06-30
Applicant: 北京大学
Abstract: 本发明公开一种图像视频超分辨率方法和装置，该方法包括如下步骤：输入步骤，输入低分辨率图像；超分辨率步骤，包括插值和去模糊，对所述低分辨率图像进行插值，并通过加权全变差正则化约束的超分辨率模型对所述插值后图像进行去模糊；以及输出步骤，输出高分辨率图像。该方法采用了一个加权全变差的正则化模型，使该模型的曲线更加贴近自然图像真实的一阶差分统计结果，改进了原来的一些逼近先验导致优化方程非凸的现象，使方程的求解更加稳定快速。另外，还为模型设计了快速求解方法，使模型更加实用。同时，通过过量去模糊控制使该方法运行效果更加鲁棒。
-
Patent Agency Ranking
公开(公告)号：CN106127688B
公开(公告)日：2019-10-18
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：CN106157264B
公开(公告)日：2019-05-07
申请号：CN201610513574.8
申请日：2016-06-30
Applicant: 北京大学
IPC: G06T5/00
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：CN106127689A
公开(公告)日：2016-11-16
申请号：CN201610513715.6
申请日：2016-06-30
Applicant: 北京大学
Abstract: 本发明公开一种图像视频超分辨率方法和装置，该方法包括如下步骤：输入步骤，输入低分辨率图像；超分辨率步骤，包括插值和去模糊，对所述低分辨率图像进行插值，并通过加权全变差正则化约束的超分辨率模型对所述插值后图像进行去模糊；以及输出步骤，输出高分辨率图像。该方法采用了一个加权全变差的正则化模型，使该模型的曲线更加贴近自然图像真实的一阶差分统计结果，改进了原来的一些逼近先验导致优化方程非凸的现象，使方程的求解更加稳定快速。另外，还为模型设计了快速求解方法，使模型更加实用。同时，通过过量去模糊控制使该方法运行效果更加鲁棒。
-
公开(公告)号：CN111092926B
公开(公告)日：2021-10-22
申请号：CN201910804242.9
申请日：2019-08-28
Applicant: 北京大学
Abstract: 本申请提供一种数字视网膜多元数据快速关联方法及装置、一种电子设备、一种网络视频监控设备以及一种计算机可读介质。其中，数字视网膜多元数据快速关联方法包括：获取监控视频流；根据所述监控视频流生成数字视网膜数据，其中，所述数字视网膜数据包括根据所述监控视频流提取的目标图像、结构化数据、特征流和浓缩视频流中的多项数据，且所述多项数据中的每一项均携带有摄像头任务标识和时间戳信息；将所述数字视网膜数据上传至云端服务器，以使云端服务器将所述数字视网膜数据分项存储，并根据所述摄像头任务标识和时间戳信息将分项存储的所述数字视网膜数据进行关联。本方法网络传输负荷低，且可有效提升监控视频的调阅效率。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.029 seconds)
