-
公开(公告)号：CN116580107A
公开(公告)日：2023-08-11
申请号：CN202310506863.5
申请日：2023-05-08
Applicant: 北京理工大学 , 北京理工大学长三角研究院(嘉兴)
IPC: G06T7/80 , G06T7/70 , G06V10/762 , G06V10/12
Abstract: 本发明公开了一种跨视角多目标实时轨迹跟踪方法及系统，将机器视觉图像采集系统与主控平台结合实现分布式采集，集中式处理系统架构，通过四套及以上大视场高速相机实现大场景下针对多目标多视角实时图像采集，实现多目标运动轨迹跟踪。本发明使用不少于四套采集系统实现全场景视角覆盖，解决了单一视角采集方式存在的目标定位精度差且存在因互相遮挡导致的目标位置信息丢失等问题。相比基于深度学习模型的目标定位方法，通过多相机联合解算目标位置能够实现更高的定位精度、更好的定位鲁棒性以及更高的帧率。
-
公开(公告)号：CN117388211A
公开(公告)日：2024-01-12
申请号：CN202211324670.X
申请日：2022-10-27
Applicant: 北京理工大学长三角研究院(嘉兴) , 北京理工大学
IPC: G01N21/3586 , G01J7/00
Abstract: 本发明公开了一种样品中太赫兹脉冲群速度的测量系统和方法，涉及太赫兹波段光学测量技术领域。其中，该光学系统包括设置在光路上的激光器、分光镜、光参量放大器、斩波器、太赫兹产生晶体，太赫兹滤波片、第一离轴抛物面反射镜、第二离轴抛物面反射镜、第三离轴打孔抛物面反射镜、光学延迟装置、第一凸透镜、被测样品、第二凸透镜、四分之一波片、沃拉斯顿棱镜、光电平衡探测器。本发明的系统构成简单、建置成本低、稳定性高、可修复性强并且容易维护。本发明针对现存的技术问题和需求，提出了一种样品中太赫兹脉冲群速度的高精度、高灵活性、高稳定性、低成本的测量系统和方法，在太赫兹领域内元器件制造、样品检测、基底窗口材料分析、自由空间内太赫兹系统搭建与仪器制造等方面均具有极大的科研和应用价值。
-
公开(公告)号：CN116725506A
公开(公告)日：2023-09-12
申请号：CN202310333220.5
申请日：2023-03-30
Applicant: 北京理工大学 , 北京理工大学长三角研究院(嘉兴)
Abstract: 本发明涉及一种基于近红外相机的鲁棒性心率监测方法，属于生理信号检测领域。本发明通过近红外成像设备获取受试者面部视频图像，通过人脸标志点和血液灌注区域情况将人脸所在的敏感区域分为N个子区域，通过计算N组面部感兴趣区域每一帧像素均值和位置信息分别获取原始的脉搏波信号和运动伪迹，通过计算N组背景区域的每一帧像素均值获取背景光照震荡信息，结合正交分解投影去噪算法初步去除原始脉搏波信号里的运动噪声和背景光照噪声，使用低秩时空矩阵去噪模型对初步去噪的脉搏波信号再次去噪并提取心率，具有非接触、远距离、操作简单的优点，可以解决目前无法实现的黑暗场景下高精度监测心率信号的问题。
-
公开(公告)号：CN116369922A
公开(公告)日：2023-07-04
申请号：CN202310333165.X
申请日：2023-03-30
Applicant: 北京理工大学 , 北京理工大学长三角研究院(嘉兴)
Abstract: 本发明涉及一种光电成像式双模态驾驶员疲劳监测方法，属于生理信号检测领域。本发明基于成像式光电容积技术(IPPG)提取人体生理参数，通过图像视频处理算法提取面部动作疲劳特征，融合生理参数与面部动作疲劳特征实现驾驶员疲劳监测。本发明首先通过使用可见光源对人体面部皮肤组织进行光照，同时利用CCD相机采集相应光照区域含有脉搏波、心率变异性等相关生理参数的视频并从视频中提取出人体生理参数信号，随后设计了混合特征选择算法，去除与疲劳状态关联性较低的参数和冗余参数，生成最优生理参数子集，最后采用特征融合算法，将选取的最优生理参数信号与面部动作疲劳特征相结合通过随机森林分类模型进行疲劳状态的监测与判断，提高驾驶员疲劳监测的准确率和可靠性。
-
公开(公告)号：CN113780205B
公开(公告)日：2024-12-20
申请号：CN202111083798.7
申请日：2021-09-14
Applicant: 北京理工大学 , 北京理工大学长三角研究院(嘉兴)
Abstract: 本发明公开了一种跨视角信息融合人体姿态估计与空间定位方法，将机器视觉图像采集系统与高精度伺服平台相结合，将固定的图像采集镜头替换为电控伺服变焦镜头，通过两套及以上云台变焦伺服运动平台实现大型运动场内对同一运动员的多目同步图像采集，扩宽了人体姿态估计技术和运动分析的应用领域。本发明使用双视角信息融合方法解决单视角采集图像方式不可避免的出现因目标肢体遮挡而导致的人体关键点位置信息丢失的问题。通过构建欠完备自编码器的方式对多粒度跨层级联网络的输出进行多视角信息融合，从而实现了不同视角下人体关键点位置信息的相互修正和补全。
-
Patent Agency Ranking
公开(公告)号：CN118429542A
公开(公告)日：2024-08-02
申请号：CN202410622636.3
申请日：2024-05-20
Applicant: 北京理工大学 , 北京理工大学长三角研究院(嘉兴)
Abstract: 本发明公开了基于深度学习的单目免标定三维轨迹重建方法、装置、设备及介质，属于图像处理技术领域，主要涉及通过单目相机重建目标三维轨迹的问题。该方法通过对视频样本采用目标检测模型进行逐帧处理，得到并分别记录目标检测框的中心点以及底边中心像素点的矩阵索引，然后通过单目深度估计模型得到逐像素点的深度信息并通过目标检测框中心点的索引检索到对应的深度值作为目标的z轴坐标，期间需保证两个模型处理后的视频帧尺寸一致。最后将目标检测框底边中心点的索引经过比例变换作为x、y轴坐标，与上述z轴坐标对应进行组合，从而重建目标的三维轨迹。
-
公开(公告)号：CN117544853A
公开(公告)日：2024-02-09
申请号：CN202311519785.9
申请日：2023-11-15
Applicant: 北京理工大学 , 北京理工大学长三角研究院(嘉兴)
IPC: H04N23/67
Abstract: 本发明公开了一种全聚焦和离焦图像对生成方法、装置、设备及介质，属于图像处理技术领域，主要涉及生成带有离散量标注的全聚焦图像和离散图像的图像对的问题。该方法通过对获取的原始图像进行像素点位的随机打乱获取全聚焦图像，对其各像素位置分配离焦量，由离焦量计算得到各像素位置的点扩散函数，再依据像素各位置所对应的点扩散函数对像素值进行扩散，累加得到离焦图像。本发明不需要采取原始的全聚焦图像，因此对原始图像的要求不高，普适性较强；此外，本发明提供的全聚焦和离焦图像对带有离散量标注，解决了现有的图像对标注精度低、数量较少和场景单一等问题，可以应用于智能算法训练。
-
公开(公告)号：CN113838098B
公开(公告)日：2024-02-09
申请号：CN202111156436.6
申请日：2021-09-30
Applicant: 北京理工大学 , 北京理工大学长三角研究院(嘉兴)
Abstract: 本发明公开的一种针对远距离高速运动目标的智能跟踪拍摄系统，属于计算机视觉、计算机控制与电视转播领域。本发明包括光学系统、稳定平台系统和显控系统。本发明以全景摄像机作为视觉传感器，将自适应目标检测跟踪方法与车载两轴三维稳定平台相融合，在目标跟踪方法中，结合全局相机引导特写相机跟踪拍摄与特写相机闭环检测双机制，提升整体系统的跟踪精度，保证目标处于视频画面中央。在多路视频输出时，该系统通过实时视频流智能切换方法对多路视频流进行实时评价、自动切换，实时输出稳定的视频画面，实现在恶劣环境、复杂场景下对高速运动目标的稳定跟拍，实时剪辑，能够为后续远程导播、云端重建、个性化转播等扩展应用提供良好的技术支持。
-
公开(公告)号：CN113763432B
公开(公告)日：2024-02-09
申请号：CN202111156695.9
申请日：2021-09-30
Applicant: 北京理工大学 , 北京理工大学长三角研究院(嘉兴)
Abstract: 本发明公开的基于图像清晰度与跟踪稳定性条件的目标检测跟踪方法，属于计算机视觉与计算机控制领域。本发明通过自适应调节目标跟踪模型，结合APCE目标重新检测机制建立检测—跟踪联合工作机制，有效提升跟踪算法的跟踪精度和稳定性；基于目标区域清晰度自适应更新模型，能够有效提高目标运动速度变化较大与图像模糊情况下的系统跟踪精度；同时本发明结合跟踪稳定性判断条件和YOLOv4目标检测算法，建立目标重检机制，能够解决目标丢失后无法自动重新找回跟踪目标的问题。本发明能够对感兴趣目标进行实时跟踪，主要应用于安防、智能交通及智能拍摄等领域。
-
公开(公告)号：CN116452855A
公开(公告)日：2023-07-18
申请号：CN202310277955.0
申请日：2023-03-21
Applicant: 北京理工大学 , 北京理工大学长三角研究院(嘉兴)
IPC: G06V10/764 , G06V10/766 , G06V10/774 , G06V10/80 , G06V10/82 , G06T7/00 , G06N3/047 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/096 , B25J9/16 , A61B5/00 , A61N5/067
Abstract: 本发明公开的基于深度学习的伤口图像分类及激光辅助治疗方法，属于伤口图像分类及激光辅助治疗领域。本发明公开的基于深度学习的伤口图像分类方法，使用多光谱相机同时采集伤口的可见光图像和红外图像，将伤口的可见光图像和红外图像信息进行特征融合，再将伤口图像输入到基于深度学习的检测分类器中完成定位、分类和识别。本发明具有定位、分类和识别精度高、效率高的优点。本发明公开的基于深度学习的伤口图像辅助诊断与辅助激光治疗方法，计算机将伤口类型与治疗参数进行智能匹配，将最佳的激光治疗参数反馈给激光治疗仪进行调制；使用机械臂引导激光发射头对伤口区域进行照射处理，实现辅助诊断、治疗一体化，提高辅助治疗效果和效率。
-
-
-
-
-
-
-
-
-
Search Results
70
records
(took 0.024 seconds)
