-
公开(公告)号：CN119958571A
公开(公告)日：2025-05-09
申请号：CN202510172083.0
申请日：2025-02-17
Applicant: 河南科技大学
Inventor： 孙晓界 , 安焱恒 , 宋晓娜 , 司鹏举 , 冀保峰 , 张卫东 , 孙力帆 , 宋帅 , 王新勇 , 马浩翔 , 张冬凯 , 于雅洁 , 朱海超 , 武越 , 范云生 , 慕东东
IPC: G01C21/20
Abstract: 本发明涉及基于深度学习与A星算法融合的无人船智能路径规划方法，通过融合深度学习与A*算法，为无人船的路径规划提供了智能化解决方案；深度学习模型能够实时捕捉并分析水上环境的复杂变化，提取关键特征，输出无人船在给定环境下的预测动作，而A*算法则以其高效、确定性的路径搜索能力，结合深度学习模型的预测结果，更新代价函数，生成并优化无人船的航行路径，还能够通过持续监控环境变化和路径执行情况，在必要时进行路径重规划，本发明的融合策略不仅提高了路径规划的智能化水平，还确保了路径的准确性和可行性，使无人船能够在复杂多变的水上环境中自主、安全地航行。
-
公开(公告)号：CN118587413A
公开(公告)日：2024-09-03
申请号：CN202410537270.X
申请日：2024-04-30
Applicant: 河南科技大学
IPC: G06V10/25 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于运动预测和区块搜索的视频目标跟踪方法，提出了运动预测和区块搜索策略；利用平均峰值相关能量、尺寸比例变化和跟踪分数三个跟踪结果评价指标来判断跟踪漂移是否发生，当跟踪器出现跟踪漂移时，利用运动预测和区块搜索策略及时重新定位目标的位置并完成后续的稳定跟踪，具体地，首先采用卡尔曼滤波器预测目标的运动轨迹，如果在一定时间内未能正确预测到目标，将采用区块搜索来定位目标，对搜索区域进行扩大，然后将搜索区域划分为若干个区块，在每个区块中计算目标的相似度，最后完成目标的精确定位；本发明大大提高了跟踪漂移后目标重新定位的准确性和精确度，并且在获得稳定的跟踪性能的条件下取得了更快的运行速度。
-
公开(公告)号：CN118444305A
公开(公告)日：2024-08-06
申请号：CN202410521976.7
申请日：2024-04-28
Applicant: 河南科技大学
Abstract: 本发明涉及基于改进高斯过程的轮廓自适应的机动扩展目标跟踪方法，首先，利用运动朝向和方位角的加权值来减小估计方位角的误差；其次，在原有的扩展卡尔曼滤波框架下，引入强跟踪滤波算法，在一定程度上提高了系统的鲁棒性；最后，针对跟踪过程中目标形状突变的状况，提出了基于遗忘因子的自适应轮廓的算法，通过实时检测目标形状是否发生变化相应地调整遗忘因子的取值，从而使系统更好地适应目标形状的变化。本发明所提出的方法可以有效地解决基于高斯过程的扩展目标跟踪方法在强机动以及目标形状突变场景中跟踪精度下降的问题。
-
公开(公告)号：CN117974712A
公开(公告)日：2024-05-03
申请号：CN202311647353.6
申请日：2023-12-04
Applicant: 河南科技大学
Abstract: 本发明涉及一种基于分轨迹的自适应多目标跟踪方法，提出了分轨迹策略与自适应权重策略，当视频序列中待跟踪目标出现长时间遮挡、形变和光照变化等复杂情况，通过将遮挡轨迹与未遮挡轨迹进行分离，根据不同轨迹的特点来选取最合适的关联策略，尤其对于被遮挡轨迹，通过计算被遮挡帧数来选取外观信息与位置信息之间的权重，进一步提升了跟踪准确率；外观特征更新模块将被关联检测框置信度作为更新权重，将高质量外观特征在特征更新中占更大的比重以提高外观特征的判别性，将目标检测与外观特征提取嵌入到同一网络中使本发明的方法在获得稳定的跟踪性能的条件下取得了更快的运行速度。
-
公开(公告)号：CN116861132A
公开(公告)日：2023-10-10
申请号：CN202310523098.8
申请日：2023-05-10
Applicant: 河南科技大学
Abstract: 本发明涉及一种基于最小相对熵的星凸型机动扩展目标跟踪方法，通过引入跟踪监测机制并结合相应的跟踪恢复策略对原有基于随机超曲面的扩展目标跟踪算法进行改进，有效避免了线性化处理过程中由于径向函数的近似值出现负值所导致的跟踪失败的情况；此外，在制定跟踪恢复策略时，利用最小相对熵原理得到了更加合理的权重分配系数，进一步提高了对原有随机超曲面模型的修正能力；本发明所提出方法可以有效处理星凸型扩展目标的复杂机动行为，实现目标运动状态和扩展形态的联合估计，即便在强机动场景下，仍能获得较高的跟踪性能。
-
Patent Agency Ranking
公开(公告)号：CN115119215A
公开(公告)日：2022-09-27
申请号：CN202210787116.9
申请日：2022-07-04
Applicant: 河南科技大学
Abstract: 一种自然保护地中栅栏覆盖漏洞的最优修补路径方法，包括建立最小传感器移动距离控制模型、利用目标区域的特征信息进行分类，之后将问题转化为一个最小代价的二分分配问题，对传感器的移动距离进行优化，实现最优移动路径。利用无线传感器网络的监测漏洞信息和节点位置信息，选取网络中合适的移动传感器节点移动到网络中的合适的漏洞位置，使得所有节点的移动距离之和最小，达到以最小代价延长网络寿命的目的。
-
公开(公告)号：CN117314971A
公开(公告)日：2023-12-29
申请号：CN202311449278.2
申请日：2023-11-02
Applicant: 河南科技大学
IPC: G06T7/246 , G06V10/40 , G06V10/74 , G06V10/774 , G06V10/764
Abstract: 本发明涉及一种基于状况反馈和质量评估的视频目标跟踪方法，提出了动态模板更新策略，当视频序列中待跟踪目标出现遮挡、形变和光照变化等复杂情况，通过计算更新质量得分和跟踪质量得分，前者会根据得分来判断当前跟踪帧的结果是否可以作为模板被存入模板库中，后者是对前一帧跟踪状况优劣的评估；质量转化模块将根据前一帧跟踪状况的评估值来确定适合下一帧跟踪状况所需要的模板数量；模板提取机制依据所确定的模板数量通过特定的提取机制从模板库中选取高质量、多样性的模板来有效地适应下一帧跟踪状况和目标外观的变化，使本发明的方法在获得稳定的跟踪性能的条件下取得了更快的运行速度。
-
公开(公告)号：CN117011765A
公开(公告)日：2023-11-07
申请号：CN202310923926.7
申请日：2023-07-26
Applicant: 河南科技大学
IPC: G06V20/40 , G06V10/80 , G06V10/774 , G06V10/40 , G06V10/766
Abstract: 本发明涉及一种使用多模板更新机制的遮挡感知视频目标跟踪方法，使用联合跟踪与检测的目标跟踪策略，当判断出目标已经消失后，选择改用目标检测器进行全图检测，目标重新出现时，检测器给出所有同类对象，通过比较与模板的相似度找到待跟踪目标，并重新启用跟踪器；同时，使用模板更新机制，通过判断跟踪过程中目标的状态，选择合适的跟踪结果作为新的模板，加入模板库；所述方法可以让跟踪算法学习目标的特征变化，并且避免目标消失导致的跟踪失败的问题，提高跟踪精度与成功率。
-
公开(公告)号：CN116678415A
公开(公告)日：2023-09-01
申请号：CN202310615840.8
申请日：2023-05-29
Applicant: 河南科技大学
IPC: G01C21/20 , G01S13/66 , G06F18/214 , G06F17/18
Abstract: 本发明涉及一种基于改进期望模式增广的星凸型机动扩展目标跟踪方法，在变结构多模型算法框架下对目标运动状态进行建模，在现有模型集设计方法中的EMA算法的基础上进行改进，首先，利用OTSU算法得到一个自适应的阈值从而对其基本模型集合进行合理划分；其次，保留可能的模型子集，重新激活与预测概率最大的模型相毗邻的模型，剔除掉不可能的模型，同时得到扩展的期望模式；本发明所提出方法可以实现匀加速场景下目标运动状态和扩展形态的联合估计，即便在强机动场景下，仍能获得较高的跟踪性能。
-
公开(公告)号：CN115100629A
公开(公告)日：2022-09-23
申请号：CN202210787123.9
申请日：2022-07-04
Applicant: 河南科技大学
Abstract: 本发明涉及自动驾驶领域，具体的说是一种针对多尺度目标和遮挡目标的自动驾驶目标检测方法，首先，构建自动驾驶复杂交通场景数据集，采集实际道路中的目标图像信息，并对图像进行预处理；其次，提出基于K‑means与遗传算法相结合的聚类方法对数据集中的边界框进行聚类，产生9种不同尺寸的锚框，再次，针对复杂中的多尺度目标实时检测问题，提出注意力特征金字塔网络，得到目标边界框的回归参数；接着，为提高定位精度，解决正负样本不均问题，构建基于Focal loss和CIoU loss的损失函数对目标边界框的回归参数进行优化得到预测边界框；最后，提出基于Soft‑CIoU‑NMS算法对预测边界框进行后处理。本发明可以有效缓解复杂场景下遮挡目标的漏检问题和定位不准问题。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.027 seconds)
