-
公开(公告)号：CN117830349A
公开(公告)日：2024-04-05
申请号：CN202311598032.1
申请日：2023-11-27
Applicant: 桂林理工大学
IPC: G06T7/246 , G06T7/73 , G06V10/44 , G06V10/50 , G06V10/82 , G06N3/0464 , G06N3/0985
Abstract: 本发明涉及一种基于运动感知和相关滤波的卫星视频单目标跟踪方法，在深浅特征融合的时空规则化相关滤波跟踪框架的基础上，利用运动感知和相关滤波两个子流程的互补性实现准确而稳定的卫星视频目标跟踪。跟踪过程中，运动感知子流程首先根据目标的历史运动信息给出其在当前帧的运动估计位置，并确定目标的搜索区域；然后相关滤波子流程进一步得到更精确目标检测位置；最后通过可靠性判别机制完成对目标检测位置的校验和修正，得到最终的跟踪结果。本发明的技术方案对于卫星视频中的目标尺寸过小、相似物干扰、遮挡等主要挑战因素具有较好的适应性。
-
公开(公告)号：CN111999258A
公开(公告)日：2020-11-27
申请号：CN202010636816.9
申请日：2020-07-03
Applicant: 桂林理工大学
IPC: G01N21/3563 , G01N21/359 , G06F17/18
Abstract: 本发明公开了一种面向光谱基线校正的加权建模局部优化方法。该方法将目标成分的化学值数据转换为权重信息，结合多元散射校正预处理方法构建光谱数据加权校正方法，利用归一化运算的特点，将回归方程的常数项归于无穷小量，使光谱基线偏移的数据特征不被带入定标模型中。同时，基于样本光谱的距离指标构造负指数函数权值，加权提取光谱数据的特征信号，为定标模型的局部优化提取具有高信噪比的信息波长变量，以降低模型复杂度，缩短建模运算时间。基于加权化学值和加权优化光谱值建立特定对象的光谱分析局部优化模型，融合即时分析技术，实现快速建模，能够有效提高光谱定量分析模型的预测能力。
-
公开(公告)号：CN116342647A
公开(公告)日：2023-06-27
申请号：CN202310164707.5
申请日：2023-02-26
Applicant: 桂林理工大学
Abstract: 本发明涉及一种基于双模型竞争机制的相关滤波跟踪方法，通过融合颜色特征和梯度特征并结合特征降维技术构造特征描述子，并以此训练背景感知相关滤波器，提高滤波器在应对光照变化、目标形变、运动模糊等干扰因素时的鲁棒性；又通过引入双模型竞争机制，根据静态模型和动态模型的跟踪响应图置信度来决定跟踪结果，提高跟踪结果的可靠性，进而解决对遮挡、目标运动出视野等因素导致的模型漂移问题。本发明在通用的桌面端CPU支持下跟踪速度能够达到45帧/秒，能够满足大部分实际应用场景的实时性需求。
-
公开(公告)号：CN114359339A
公开(公告)日：2022-04-15
申请号：CN202111540144.2
申请日：2021-12-15
Applicant: 桂林理工大学
Abstract: 本发明涉及一种基于相关滤波的分块跟踪方法，以相关滤波跟踪模型为基础，结合分块跟踪的思想对跟踪目标划分为四个子块，每个子块单独跟踪，再根据指标得分判断每个子块跟踪结果的可信度，将可信度最低的子块判定为可能存在遮挡的区域，最后利用高可信度子块中心构建外接圆，通过外接圆圆心和半径的变化率得到预测的目标中心和尺度因子。对于在跟踪过程中存在目标被部分遮挡的视频序列，本发明所述方法在实测中能够取得良好的抗遮挡效果，跟踪结果较为稳定，且在通用的CPU硬件环境下跟踪速度能够达到60帧/秒，满足众多实际应用场景的实时性需求。
-
公开(公告)号：CN118865804A
公开(公告)日：2024-10-29
申请号：CN202410944523.5
申请日：2024-07-15
Applicant: 桂林理工大学
Abstract: 本发明提供多功能便携式光谱数据分析展示装置，其结构包括：便携框、展示主体、电连接槽、防尘件、数据传输体，便携框覆盖于展示主体的边缘部位；本发明展示装置整体缩小体积为基础，根据便携框将展示主体边缘覆盖后能使展示主体达成平板形态，进而依据数据传输体能与其它光谱分析仪进行数据电连接，达成数据传导展示的效果，使之能够达成便携式的特性，随后便携框内置搭载的智能作业芯片能配合声控结构进行语音控制，使之根据语言指令能对展示主体进行直接控制，替代手动触控调节的流程，因此可达成多功能便于使用的特性，为此能够提高整体展示装置的智能化及便携式的使用强度。
-
Patent Agency Ranking
公开(公告)号：CN109919056A
公开(公告)日：2019-06-21
申请号：CN201910141636.0
申请日：2019-02-26
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于判别式主成分分析的人脸识别方法，在解决主成分分析对同类样本数据分类较差和线性判别分析计算成本高、类内矩阵常常不可逆等缺陷的同时保留了它们的优势。该发明包括：1.输入训练集矩阵；2.对训练集矩阵进行转化，构造低纬度转换矩阵；3.计算转换矩阵的类内、类间矩阵；4.标准化处理类内、类间矩阵的元素；5.使用改进的直接线性判别分析法计算判别矩阵；6.利用主成分分析计算判别矩阵的特征空间7.分别将训练集矩阵和测试集矩阵投影到特征空间；8.采用最近邻分类器完成识别过程。著名人脸数据库上的实验结果验证了本发明具有出色的表现，且提出的方法可以应用在模式识别、计算机视觉的众多领域。
-
公开(公告)号：CN110738685B
公开(公告)日：2023-05-05
申请号：CN201910864988.9
申请日：2019-09-09
Applicant: 桂林理工大学
Abstract: 本发明涉及一种融合颜色直方图响应的时空上下文跟踪方法，以时空上下文跟踪框架为基础，在目标中心预测时引入了颜色直方图模型，并在响应层与时空上下文模型相融合，从而弥补时空上下文模型特征表达能力薄弱的缺点，实现更准确和稳定的目标定位。本发明在目标形变、运动模糊等不同跟踪场景的测试中所展现的跟踪效果相比于原时空上下文跟踪方法均有大幅提升，且在通用的PC机硬件条件下平均跟踪速度能够达到134帧/秒，具有较强的实际应用价值。
-
公开(公告)号：CN111999258B
公开(公告)日：2022-06-17
申请号：CN202010636816.9
申请日：2020-07-03
Applicant: 桂林理工大学
IPC: G01N21/3563 , G01N21/359 , G06F17/18
Abstract: 本发明公开了一种面向光谱基线校正的加权建模局部优化方法。该方法将目标成分的化学值数据转换为权重信息，结合多元散射校正预处理方法构建光谱数据加权校正方法，利用归一化运算的特点，将回归方程的常数项归于无穷小量，使光谱基线偏移的数据特征不被带入定标模型中。同时，基于样本光谱的距离指标构造负指数函数权值，加权提取光谱数据的特征信号，为定标模型的局部优化提取具有高信噪比的信息波长变量，以降低模型复杂度，缩短建模运算时间。基于加权化学值和加权优化光谱值建立特定对象的光谱分析局部优化模型，融合即时分析技术，实现快速建模，能够有效提高光谱定量分析模型的预测能力。
-
公开(公告)号：CN109919056B
公开(公告)日：2022-05-31
申请号：CN201910141636.0
申请日：2019-02-26
Applicant: 桂林理工大学
IPC: G06V40/16 , G06V10/77 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于判别式主成分分析的人脸识别方法，在解决主成分分析对同类样本数据分类较差和线性判别分析计算成本高、类内矩阵常常不可逆等缺陷的同时保留了它们的优势。该发明包括：1.输入训练集矩阵；2.对训练集矩阵进行转化，构造低纬度转换矩阵；3.计算转换矩阵的类内、类间矩阵；4.标准化处理类内、类间矩阵的元素；5.使用改进的直接线性判别分析法计算判别矩阵；6.利用主成分分析计算判别矩阵的特征空间7.分别将训练集矩阵和测试集矩阵投影到特征空间；8.采用最近邻分类器完成识别过程。著名人脸数据库上的实验结果验证了本发明具有出色的表现，且提出的方法可以应用在模式识别、计算机视觉的众多领域。
-
公开(公告)号：CN110738685A
公开(公告)日：2020-01-31
申请号：CN201910864988.9
申请日：2019-09-09
Applicant: 桂林理工大学
Abstract: 本发明涉及一种融合颜色直方图响应的时空上下文跟踪方法，以时空上下文跟踪框架为基础，在目标中心预测时引入了颜色直方图模型，并在响应层与时空上下文模型相融合，从而弥补时空上下文模型特征表达能力薄弱的缺点，实现更准确和稳定的目标定位。本发明在目标形变、运动模糊等不同跟踪场景的测试中所展现的跟踪效果相比于原时空上下文跟踪方法均有大幅提升，且在通用的PC机硬件条件下平均跟踪速度能够达到134帧/秒，具有较强的实际应用价值。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.057 seconds)
