-
公开(公告)号：CN118823542B
公开(公告)日：2024-12-27
申请号：CN202411305356.6
申请日：2024-09-19
Applicant: 北京航空航天大学 , 杭州海康威视数字技术股份有限公司
IPC: G06V10/80 , G06V10/74 , G06V10/25 , G06V10/62 , G06V10/46 , G06V20/52 , G06V20/40 , G06V40/20 , G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明涉及图像识别技术领域，具体涉及一种视觉特征与时空信息融合的跨时空目标关联方法，包括以下步骤：提取监控视频和待关联图像的目标特征；构建大时空下各摄像机之间的动态时空拓扑结构；基于摄像机之间的动态时空拓扑结构筛选时空关联范围；利用目标特征以及时空一致性原则判断待关联的目标图像与关联范围内的图像是否为同一目标身份，进而进行小时空下的目标关联；以关联上的目标图像为新的待关联图像，逐步扩大搜索范围，重复执行上述小时空范围关联，实现大时空范围下的目标关联。本发明可融合目标特征以及各个摄像机间的时空信息，实现更高效、准确的大时空目标关联。
-
公开(公告)号：CN118799204B
公开(公告)日：2024-12-27
申请号：CN202411276518.8
申请日：2024-09-12
Applicant: 北京航空航天大学 , 杭州海康威视数字技术股份有限公司
Abstract: 本发明涉及一种夜间可见光与热红外图像融合方法，属于图像处理领域。本发明基于图像分层理论，运用加权引导滤波和高斯滤波组合策略，分别将夜间可见光图像和热红外图像分解为基本、边缘和纹理层；然后提出基于视觉亮度感知特性的分层互补融合方法将夜间可见光图像和热红外图像的基本层、纹理层和边缘层进行融合重构。该方法不仅保留了可见光图像的自然色彩和纹理细节，同时融合了热红外图像的热辐射信息，显著提升了目标的显著性和图像的整体质量。
-
公开(公告)号：CN118823542A
公开(公告)日：2024-10-22
申请号：CN202411305356.6
申请日：2024-09-19
Applicant: 北京航空航天大学 , 杭州海康威视数字技术股份有限公司
IPC: G06V10/80 , G06V10/74 , G06V10/25 , G06V10/62 , G06V10/46 , G06V20/52 , G06V20/40 , G06V40/20 , G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明涉及图像识别技术领域，具体涉及一种视觉特征与时空信息融合的跨时空目标关联方法，包括以下步骤：提取监控视频和待关联图像的目标特征；构建大时空下各摄像机之间的动态时空拓扑结构；基于摄像机之间的动态时空拓扑结构筛选时空关联范围；利用目标特征以及时空一致性原则判断待关联的目标图像与关联范围内的图像是否为同一目标身份，进而进行小时空下的目标关联；以关联上的目标图像为新的待关联图像，逐步扩大搜索范围，重复执行上述小时空范围关联，实现大时空范围下的目标关联。本发明可融合目标特征以及各个摄像机间的时空信息，实现更高效、准确的大时空目标关联。
-
公开(公告)号：CN111401132B
公开(公告)日：2022-11-08
申请号：CN202010093801.2
申请日：2020-02-14
Applicant: 北京航空航天大学 , 杭州海康威视数字技术股份有限公司
IPC: G06V20/52 , G06V40/10 , G06V10/82 , G06V10/764 , G06V20/70
Abstract: 一种监控场景下属性层次关系指导的行人属性识别方法，包括：根据行人属性的层次特性及不同层次属性间的关系改进网络结构，分层次进行属性识别并引入全连接层来学习不同层次属性间的关系；根据行人属性的位置约束改进网络结构，引入注意力机制，分别从空间域和通道域两个维度来学习注意力权重，使网络更加关注特定的身体部位；选用加权交叉熵损失函数，以各属性的正样本比例作为权重系数；把训练集输入改进后的卷积神经网络，得出行人属性识别模型；将测试集输入到行人属性识别模型中进行识别，对行人属性识别模型的实验结果进行评估；本方法可分析更深层次的行人属性，更好挖掘属性的层次关系以及位置约束，使属性识别结果更全面和准确。
-
公开(公告)号：CN112733602B
公开(公告)日：2022-08-05
申请号：CN202011438882.1
申请日：2020-12-07
Applicant: 北京航空航天大学 , 杭州海康威视数字技术股份有限公司
Abstract: 本发明提供一种关系引导的行人属性识别方法，其中，该方法包括以下步骤：(A)以卷积神经网络提取图像特征，将特征图与属性进行关联，并将特征图转化为与属性具有强关联的属性特征向量；(B)根据(A)生成的属性特征向量，引入自注意力机制，生成代表属性之间关系的关系矩阵；(C)将行人属性关系分为显性关系和隐性关系。显性关系代表先验信息关系，包括层级关系和空间位置关系。隐性关系通过数据驱动的方式形成构建的属性关系。通过S1)提出的属性特征向量和S2)提出的关系矩阵生成方式，生成不同类型的属性关系矩阵；(D)以图卷积的形式充分利用关系矩阵和属性特征向量，进行属性推理预测；(E)将测试集输入到行人属性识别模型中进行识别，对实验结果进行评估。
-
Patent Agency Ranking
公开(公告)号：CN109376607A
公开(公告)日：2019-02-22
申请号：CN201811126538.1
申请日：2018-09-26
Applicant: 北京航空航天大学 , 中国人民公安大学 , 杭州海康威视数字技术股份有限公司
Abstract: 本发明公开了一种面向行人再识别的基于多投影变换的特征度量学习方法，包括以下步骤：S1提取不同摄像头对应的特征向量；S2利用标定数据学习不同摄像头的投影矩阵；S3利用投影矩阵将不同摄像头对应的特征向量转换到公共特征空间；当没有新的摄像头添加到非重叠的摄像头网络中时，执行步骤S7；当新的摄像头添加到非重叠的摄像头网络中时，执行步骤S4；S4找到与新的摄像头的最相似的摄像头类；S5将新的摄像头下行人图像的特征向量转换到最相似的摄像头类的特征空间内；S6将转换后的特征向量再转换到公共特征空间；S7计算各个特征向量的之间的距离；S8根据特征向量间的距离来进行排序，得到排序列表，从而提高行人再识别的准确率。
-
公开(公告)号：CN118799203B
公开(公告)日：2024-11-19
申请号：CN202411273076.1
申请日：2024-09-12
Applicant: 北京航空航天大学 , 杭州海康威视数字技术股份有限公司
Abstract: 本发明公开了基于信息互补的极低照度可见光和近红外图像融合方法，属于图像融合技术领域，该方法中利用加权引导滤波和引导滤波分解策略，分别提取出纹理层、边缘层和基本层；利用扩展高斯差分模型计算可见光和近红外纹理层及边缘层的差分图，提取梯度信息作为信息互补性权重初始值；并构建引导图用于调整互补权重范围；接着设计映射函数，根据引导图自适应调整融合权重；然后对近红外纹理和边缘层进行自适应小波滤波处理，重构近红外纹理层和边缘层；最后将可见光与近红外的纹理层和边缘层分别进行加权融合，并将融合后的层相加生成最终融合图像。该方法有效利用光谱特性和信息互补性，在保持自然色彩的同时避免颜色失真和边缘伪影。
-
公开(公告)号：CN118799203A
公开(公告)日：2024-10-18
申请号：CN202411273076.1
申请日：2024-09-12
Applicant: 北京航空航天大学 , 杭州海康威视数字技术股份有限公司
Abstract: 本发明公开了基于信息互补的极低照度可见光和近红外图像融合方法，属于图像融合技术领域，该方法中利用加权引导滤波和引导滤波分解策略，分别提取出纹理层、边缘层和基本层；利用扩展高斯差分模型计算可见光和近红外纹理层及边缘层的差分图，提取梯度信息作为信息互补性权重初始值；并构建引导图用于调整互补权重范围；接着设计映射函数，根据引导图自适应调整融合权重；然后对近红外纹理和边缘层进行自适应小波滤波处理，重构近红外纹理层和边缘层；最后将可见光与近红外的纹理层和边缘层分别进行加权融合，并将融合后的层相加生成最终融合图像。该方法有效利用光谱特性和信息互补性，在保持自然色彩的同时避免颜色失真和边缘伪影。
-
公开(公告)号：CN116866703A
公开(公告)日：2023-10-10
申请号：CN202310514341.X
申请日：2023-05-09
Applicant: 北京航空航天大学 , 杭州海康威视数字技术股份有限公司
Abstract: 本发明公开了一种摄像机参数自适应调整方法。该方法包括：在准确度量场景间的背景差异的基础上自适应调整摄像机的成像参数(S1)，其中，通过照度估计、色偏估计和散射估计度量场景间的背景差异(S1‑1)；在此基础上针对不同的背景差异自适应调整对应的成像参数，(S1‑2)。在准确度量场景间的目标差异的基础上自适应调整运动控制参数(S2)，其中，通过检测跟踪得到检测跟踪结果(S2‑1)；通过计算标签偏移和特征偏移度量场景的目标差异(S2‑2)；在此基础上，如果当前场景的目标信息不足，通过目标状态建模、目标快速定位和基于多目标感知结果计算运动控制参数序列(S2‑3)。与现有方法不同，本发明方法不仅提高图像视觉质量，对提升目标检测算法在新场景下的性能也有显著提升。
-
公开(公告)号：CN112733602A
公开(公告)日：2021-04-30
申请号：CN202011438882.1
申请日：2020-12-07
Applicant: 北京航空航天大学 , 杭州海康威视数字技术股份有限公司
Abstract: 本发明提供一种关系引导的行人属性识别方法，其中，该方法包括以下步骤：(A)以卷积神经网络提取图像特征，将特征图与属性进行关联，并将特征图转化为与属性具有强关联的属性特征向量；(B)根据(A)生成的属性特征向量，引入自注意力机制，生成代表属性之间关系的关系矩阵；(C)将行人属性关系分为显性关系和隐性关系。显性关系代表先验信息关系，包括层级关系和空间位置关系。隐性关系通过数据驱动的方式形成构建的属性关系。通过S1)提出的属性特征向量和S2)提出的关系矩阵生成方式，生成不同类型的属性关系矩阵；(D)以图卷积的形式充分利用关系矩阵和属性特征向量，进行属性推理预测；(E)将测试集输入到行人属性识别模型中进行识别，对实验结果进行评估。
-
-
-
-
-
-
-
-
-
Search Results
807
records
(took 0.07 seconds)
