-
公开(公告)号：CN110246155A
公开(公告)日：2019-09-17
申请号：CN201910412999.3
申请日：2019-05-17
Applicant: 华中科技大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于模型交替的抗遮挡目标跟踪方法及系统，利用全局模型和分块模型交替使用的方法，在全局模型中使用多特征融合定位，在分块模型中使用多子块融合定位，最终实现抗遮挡的目标跟踪。本发明通过结合全局模型与分块模型的互补性优势以解决目标遮挡问题，跟踪准确率高，又可避免同时运行两个模型导致的耗时过长；通过对跟踪响应进行置信度评估，利用归一化峰值旁瓣比衡量响应分布的稳定性，利用相邻两帧的响应图的归一化互相关系数衡量跟踪状态的时域稳定性，结合两者准确地度量了跟踪响应的置信度，将所述置信度与预设阈值比较实现了模型交替条件的有效判断。
-
公开(公告)号：CN110222585B
公开(公告)日：2021-07-27
申请号：CN201910400365.6
申请日：2019-05-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于级联检测器的运动目标跟踪方法，包括：(1)相关滤波跟踪器的初始化；(2)级联检测器的初始化；(3)相关滤波跟踪器获取第一感兴趣区域；(4)级联分类器目标检测；(5)第一感兴趣区域与检测区域的综合；(6)更新跟踪模型与级联检测器；其中，通过相关滤波跟踪器获取第一感兴趣区域，级联检测器包括方差分类器、多通道随机蕨分类器和相关一致分类器，通过三种分类器获取检测区域，第一感兴趣区域和检测区域进行加权修正获取第二感兴趣区域，可有效地防止跟踪结果的振荡，同时采用级联检测器可保证跟踪模型获取的第一感兴趣区域的准确性。
-
公开(公告)号：CN108629746B
公开(公告)日：2022-02-15
申请号：CN201810375532.1
申请日：2018-04-24
Applicant: 华中科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于相关损失卷积神经网络的雷达图像斑噪抑制方法，包括：将雷达图像输入训练好的卷积神经网络，得到抑制斑噪的结果图像；卷积神经网络的训练方法包括：在遥感图像中叠加斑噪得到叠加斑噪后的图像，将叠加斑噪后的图像输入卷积神经网络，得到训练输出图像；根据遥感图像和训练输出图像的均方误差，得到误差损失，利用遥感图像和训练输出图像的互相关系数，得到相关损失；利用误差损失和相关损失，进行反向传播，更新卷积神经网络的权值参数；进而得到训练好的卷积神经网络。本发明利用误差损失和相关损失，更新卷积神经网络的权值参数，有效的提高了网络的雷达图像斑噪抑制效果。
-
Patent Agency Ranking
公开(公告)号：CN110246155B
公开(公告)日：2021-05-18
申请号：CN201910412999.3
申请日：2019-05-17
Applicant: 华中科技大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于模型交替的抗遮挡目标跟踪方法及系统，利用全局模型和分块模型交替使用的方法，在全局模型中使用多特征融合定位，在分块模型中使用多子块融合定位，最终实现抗遮挡的目标跟踪。本发明通过结合全局模型与分块模型的互补性优势以解决目标遮挡问题，跟踪准确率高，又可避免同时运行两个模型导致的耗时过长；通过对跟踪响应进行置信度评估，利用归一化峰值旁瓣比衡量响应分布的稳定性，利用相邻两帧的响应图的归一化互相关系数衡量跟踪状态的时域稳定性，结合两者准确地度量了跟踪响应的置信度，将所述置信度与预设阈值比较实现了模型交替条件的有效判断。
-
公开(公告)号：CN110222585A
公开(公告)日：2019-09-10
申请号：CN201910400365.6
申请日：2019-05-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于级联检测器的运动目标跟踪方法，包括：(1)相关滤波跟踪器的初始化；(2)级联检测器的初始化；(3)相关滤波跟踪器获取第一感兴趣区域；(4)级联分类器目标检测；(5)第一感兴趣区域与检测区域的综合；(6)更新跟踪模型与级联检测器；其中，通过相关滤波跟踪器获取第一感兴趣区域，级联检测器包括方差分类器、多通道随机蕨分类器和相关一致分类器，通过三种分类器获取检测区域，第一感兴趣区域和检测区域进行加权修正获取第二感兴趣区域，可有效地防止跟踪结果的振荡，同时采用级联检测器可保证跟踪模型获取的第一感兴趣区域的准确性。
-
公开(公告)号：CN106557740B
公开(公告)日：2019-05-03
申请号：CN201610910833.0
申请日：2016-10-19
Applicant: 华中科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种遥感图像中油库目标的识别方法，首先计算整个场景的相位谱显著性，根据相位谱显著性提取场景中所有可能包含目标的感兴趣区域；在特征提取中，采用局部回归核模型逐点的计算感兴趣区域的局部结构特征，并生成能够描述目标结构的特征描述子；在目标检测阶段，以余弦相似度作相似度测量，计算感兴趣区域与油库样本图像的相似度，并利用特征描述子的正负样本区分能力以及相似性面的特性构建具有自适应能力的决策网络，通过该决策网络获取目标检测的初步结果，通过非极大值抑制算法去除多余的初步结果，得到最终目标检测结果；本发明提出的这种通用的遥感图像中油库目标的检测方法对于多尺度、多视角的目标识别效果好。
-
公开(公告)号：CN108629746A
公开(公告)日：2018-10-09
申请号：CN201810375532.1
申请日：2018-04-24
Applicant: 华中科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于相关损失卷积神经网络的雷达图像斑噪抑制方法，包括：将雷达图像输入训练好的卷积神经网络，得到抑制斑噪的结果图像；卷积神经网络的训练方法包括：在遥感图像中叠加斑噪得到叠加斑噪后的图像，将叠加斑噪后的图像输入卷积神经网络，得到训练输出图像；根据遥感图像和训练输出图像的均方误差，得到误差损失，利用遥感图像和训练输出图像的互相关系数，得到相关损失；利用误差损失和相关损失，进行反向传播，更新卷积神经网络的权值参数；进而得到训练好的卷积神经网络。本发明利用误差损失和相关损失，更新卷积神经网络的权值参数，有效的提高了网络的雷达图像斑噪抑制效果。
-
公开(公告)号：CN106557740A
公开(公告)日：2017-04-05
申请号：CN201610910833.0
申请日：2016-10-19
Applicant: 华中科技大学
IPC: G06K9/00
CPC classification number: G06K9/00637
Abstract: 本发明公开了一种遥感图像中油库目标的识别方法，首先计算整个场景的相位谱显著性，根据相位谱显著性提取场景中所有可能包含目标的感兴趣区域；在特征提取中，采用局部回归核模型逐点的计算感兴趣区域的局部结构特征，并生成能够描述目标结构的特征描述子；在目标检测阶段，以余弦相似度作相似度测量，计算感兴趣区域与油库样本图像的相似度，并利用特征描述子的正负样本区分能力以及相似性面的特性构建具有自适应能力的决策网络，通过该决策网络获取目标检测的初步结果，通过非极大值抑制算法去除多余的初步结果，得到最终目标检测结果；本发明提出的这种通用的遥感图像中油库目标的检测方法对于多尺度、多视角的目标识别效果好。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
