-
公开(公告)号：CN110119686B
公开(公告)日：2020-09-25
申请号：CN201910307891.8
申请日：2019-04-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的安全帽实时检测方法，它采用多线程提取I帧的方式对视频解码；通过YOLOv3卷积神经网络算法实现端到端的安全帽和人脸实时检测；提出了基于安全帽和人脸实时检测的结果判断是否佩戴安全帽的方法；对于未佩戴安全帽的人通过FaceNet算法实现了人脸识别来对他们进行智能语音提醒；采用了通道剪枝和量化的方法对模型进行了压缩，更加利于模型在SoC系统上的集成。本发明结合了YOLOv3和FaceNet的各自优势，解决了视频流中实时佩戴安全帽的精确端到端的检测问题，实现了在视频流中对安全帽的佩戴实时检测，能够实时监督工作人员是否按照规定佩戴安全帽来降低安全风险。
-
公开(公告)号：CN109061642B
公开(公告)日：2022-03-15
申请号：CN201810767253.X
申请日：2018-07-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种贝叶斯迭代重加权稀疏自聚焦阵列SAR成像方法，它是针对阵列SAR回波信号中存在的相位误差对成像结果的影响，基于传统的贝叶斯迭代最小化自聚焦稀疏成像(SAFBRIM)算法的基础上，通过建立阵列SAR原始回波信号与观测场景目标空间中散射系数的线性测量矩阵，对算法中代价函数中的范数项进行迭代自适应重加权处理，对距离向进行脉冲压缩、划分等距离面，然后再对每一个等距离的二维平面进行估计。本发明对每一个范数项赋予了不同的加权系数，然后对图像进行重构，能获得更高质量的阵列SAR成像结果。本发明具有重构精度高、有效降低相位误差的优势，可适用于阵列合成孔径雷达成像等领域。
-
公开(公告)号：CN110135267B
公开(公告)日：2020-09-25
申请号：CN201910307904.1
申请日：2019-04-17
Applicant: 电子科技大学
Abstract: 本发明提出了一种大场景SAR图像细微目标检测方法，它是基于卷积神经网络和YOLO算法目标检测原理，将SAR图像目标检测变换成回归问题，引入残差网络结构和构建特征金字塔，利用1×1卷积核实现SAR图像目标不同特征层交互及跨尺度预测，使得神经网络更加有利于大场景SAR目标特征提取及小目标实时检测；同时使用K‑means聚类确定边界框，使得神经网络训练所需的锚点框数量更少、模型表示能力更强、任务更容易学习。本发明具有实现简单、检测效率高、检测精度高、检测速度快、适用性好，能够实现对大场景SAR图像细微目标的精确端到端检测。
-
公开(公告)号：CN110119686A
公开(公告)日：2019-08-13
申请号：CN201910307891.8
申请日：2019-04-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的安全帽实时检测方法，它采用多线程提取I帧的方式对视频解码；通过YOLOv3卷积神经网络算法实现端到端的安全帽和人脸实时检测；提出了基于安全帽和人脸实时检测的结果判断是否佩戴安全帽的方法；对于未佩戴安全帽的人通过FaceNet算法实现了人脸识别来对他们进行智能语音提醒；采用了通道剪枝和量化的方法对模型进行了压缩，更加利于模型在SoC系统上的集成。本发明结合了YOLOv3和FaceNet的各自优势，解决了视频流中实时佩戴安全帽的精确端到端的检测问题，实现了在视频流中对安全帽的佩戴实时检测，能够实时监督工作人员是否按照规定佩戴安全帽来降低安全风险。
-
Patent Agency Ranking
公开(公告)号：CN110109104B
公开(公告)日：2022-03-15
申请号：CN201910308129.1
申请日：2019-04-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种阵列SAR等距离切片成像几何畸变校正方法，该方法基于阵列SAR下视或侧视成像几何模型及等距离切片三维成像原理，首先计算阵列SAR成像系统天线到等距离切片每一个单元的斜距，然后根据斜距估计出等距离切片每个单元的偏移量，最后对偏移量进行插值重采样且影像单元偏移，从而实现了阵列SAR等距离切片成像几何畸变校正处理。本发明具备无需观测场景DEM先验信息、快速几何校正处理等特点，实现简单、效率高、精度高、适用性好，无需已知观测三维观测场景的DEM等先验信息，能有效解决阵列SAR等距离切片成像的几何畸变校正问题，并且可适用于稀疏阵列条件下阵列SAR等距离切片三维成像几何畸变校正。
-
公开(公告)号：CN110135267A
公开(公告)日：2019-08-16
申请号：CN201910307904.1
申请日：2019-04-17
Applicant: 电子科技大学
Abstract: 本发明提出了一种大场景SAR图像细微目标检测方法，它是基于卷积神经网络和YOLO算法目标检测原理，将SAR图像目标检测变换成回归问题，引入残差网络结构和构建特征金字塔，利用1×1卷积核实现SAR图像目标不同特征层交互及跨尺度预测，使得神经网络更加有利于大场景SAR目标特征提取及小目标实时检测；同时使用K-means聚类确定边界框，使得神经网络训练所需的锚点框数量更少、模型表示能力更强、任务更容易学习。本发明具有实现简单、检测效率高、检测精度高、检测速度快、适用性好，能够实现对大场景SAR图像细微目标的精确端到端检测。
-
公开(公告)号：CN110109104A
公开(公告)日：2019-08-09
申请号：CN201910308129.1
申请日：2019-04-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种阵列SAR等距离切片成像几何畸变校正方法，该方法基于阵列SAR下视或侧视成像几何模型及等距离切片三维成像原理，首先计算阵列SAR成像系统天线到等距离切片每一个单元的斜距，然后根据斜距估计出等距离切片每个单元的偏移量，最后对偏移量进行插值重采样且影像单元偏移，从而实现了阵列SAR等距离切片成像几何畸变校正处理。本发明具备无需观测场景DEM先验信息、快速几何校正处理等特点，实现简单、效率高、精度高、适用性好，无需已知观测三维观测场景的DEM等先验信息，能有效解决阵列SAR等距离切片成像的几何畸变校正问题，并且可适用于稀疏阵列条件下阵列SAR等距离切片三维成像几何畸变校正。
-
公开(公告)号：CN110109103A
公开(公告)日：2019-08-09
申请号：CN201910307894.1
申请日：2019-04-17
Applicant: 电子科技大学
Abstract: 本发明公开了一种星机双基前下视阵列SAR三维稀疏成像技术，它是通过利用卫星、飞机及线阵天线构成双基SAR成像系统，得到一种新型的星机双基地阵列SAR三维成像技术，其中卫星作为雷达发射系统，飞机上安置线性阵列天线作为雷达接收系统，通过飞机运动及线阵天线接收机载平台前下方回波信号，并结合压缩感知稀疏成像方法，构造稀疏成像模型并完成高精度三维成像处理，最终实现机载运动平台前下方三维高分辨稀疏成像。本发明克服传统星机双基地SAR无法获得飞机平台前下方观测区域三维成像的缺陷，具有实现飞机平台前下方观测场景的高精度三维成像能力。
-
公开(公告)号：CN109061642A
公开(公告)日：2018-12-21
申请号：CN201810767253.X
申请日：2018-07-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种贝叶斯迭代重加权稀疏自聚焦阵列SAR成像方法，它是针对阵列SAR回波信号中存在的相位误差对成像结果的影响，基于传统的贝叶斯迭代最小化自聚焦稀疏成像(SAFBRIM)算法的基础上，通过建立阵列SAR原始回波信号与观测场景目标空间中散射系数的线性测量矩阵，对算法中代价函数中的范数项进行迭代自适应重加权处理，对距离向进行脉冲压缩、划分等距离面，然后再对每一个等距离的二维平面进行估计。本发明对每一个范数项赋予了不同的加权系数，然后对图像进行重构，能获得更高质量的阵列SAR成像结果。本发明具有重构精度高、有效降低相位误差的优势，可适用于阵列合成孔径雷达成像等领域。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.024 seconds)
