-
公开(公告)号：CN115393271A
公开(公告)日：2022-11-25
申请号：CN202210829218.2
申请日：2022-07-15
Applicant: 北京理工大学 , 北京理工大学前沿技术研究院
IPC: G06T7/00 , G06T7/136 , G06T7/194 , H04L69/164
Abstract: 本发明涉及一种红外偏振图像异常目标实时检测方法，属于异常目标检测技术领域。本发明的目的是解决当前红外偏振图像获取模块和异常目标检测模块孤立进行，而导致的运算实时性差的问题，以及异常目标检测过程中多维信息利用效率不足的问题。提出了一种空间‑偏振维度信息联合的异常目标检测方法，该方法主要包括以下过程：红外偏振图像数据实时采集与解析、基于多元异常分析的样本分布表征、空偏信息联合的差异度量、目标与背景像素分割；给出了一种包含网络通信接口、存储器和处理器的红外偏振图像处理装置可实时获取红外偏振数据并执行上述异常目标检测方法。
-
公开(公告)号：CN118429669A
公开(公告)日：2024-08-02
申请号：CN202410346090.3
申请日：2024-03-26
Applicant: 北京理工大学
IPC: G06V10/58 , G06V10/764 , G06T7/00 , G06T7/136
Abstract: 本发明公开了一种基于压缩域的高光谱异常目标快速检测方法，涉及异常目标检测领域。本专利的目的是解决当前利用高光谱图像在大视场下进行疑似目标搜索过程中难以同时兼顾检测准确率与时效性的现实应用瓶颈问题，设计了一种可嵌入高维高光谱数据压缩过程的异常目标检测方法，对压缩处理过程的中间结果，利用双窗结构的导向滤波器在空间‑谱间等维度对异常目标进行凸显、检测，具有快速、准确的特点，可在提高异常目标检测准确率的同时大幅提升检测速度。
-
公开(公告)号：CN115355770B
公开(公告)日：2023-11-03
申请号：CN202211072878.7
申请日：2022-09-02
Applicant: 西安奇维科技有限公司 , 北京理工大学
Abstract: 本发明公开了一种应用于图像导引头抑制强背景干扰的方法：步骤1，选取检测图像I；步骤2，生成显著性图M；步骤3，将显著性图M减去其平均值并转换为非负值得到第一预处理后的显著性图M1；步骤4，对第一预处理后的显著性图M1进行第二预处理，得到显著性图M2；步骤5，进行第一二值化处理得到第一二值化图mask1，并对mask1去掉边界连通域得到第二二值化图mask2；并依据mask2对显著性图像M1进行第三预处理，得到显著性图M3；步骤6，对第三预处理后的显著性图M3进行高斯滤波处理，得到滤波图M4；步骤7，对滤波图M4进行二值化分割得到第三二值化图bw，并得到最终的检测目标。本发明能够准确地检测出目标，为后续的目标跟踪奠定了稳定的基础。
-
公开(公告)号：CN114332157A
公开(公告)日：2022-04-12
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：CN109784142B
公开(公告)日：2020-12-04
申请号：CN201811422749.X
申请日：2018-11-27
Applicant: 北京理工大学
Abstract: 本发明提供了一种基于条件随机投影特征的高光谱目标检测方法，能够实现目标的准确、快速检测，并且能够提高对训练样本数量的敏感度。在高光谱影像光谱数据的表征方面提出一种基于条件随机投影的有监督特征选择与特征提取方法。获得与数据和标签有关的投影参数矩阵，通过该投影参数矩阵获得条件随机特征，所以提高了目标检测的准确度；同时整个运算求取过程中增加了筛选估计和采样，筛选估计和采样的运算所用时间不多，训练时间短，并且筛选估计和采样的运算是在离线阶段完成，实际运行时直接使用训练获得的结果，因此该方法具有检测的准确度、测试运行效率高的优点。
-
Patent Agency Ranking
-
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。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.023 seconds)
