-
公开(公告)号：CN109859244A
公开(公告)日：2019-06-07
申请号：CN201910058846.3
申请日：2019-01-22
Applicant: 西安微电子技术研究所
IPC: G06T7/246
Abstract: 本发明公开了一种基于卷积稀疏滤波的视觉跟踪方法，包括以下步骤：1)采用卷积稀疏滤波方法进行离线训练，在跟踪视频序列上进行无监督特征学习，以得到一组卷积核；2)以此卷积核组成卷积神经网络进行在线跟踪，从而对输入图像进行特征提取；3)结合核化相关滤波跟踪框架，实现对目标的跟踪。发明的基于卷积稀疏滤波的视觉跟踪方法，该方法基于深度学习原理，自动学习待跟踪目标的特征，从而可以利用大数据的优势，获得更稳定、更有区分力的特征，进而实现高精度、高鲁棒性的跟踪效果。本发明基于卷积稀疏滤波跟踪方法，具有准确率高、速度快及跟踪效果稳健的特点。
-
Patent Agency Ranking
公开(公告)号：CN109886280B
公开(公告)日：2022-05-31
申请号：CN201910129706.0
申请日：2019-02-21
Applicant: 西安微电子技术研究所
Abstract: 本发明公开了一种基于核相关滤波的异源图像目标匹配方法，首先在参考图像中选择目标位置，然后设定初始化参数，确定检测区域并缩放图像，提取HOG特征，构建二维余弦窗和高斯窗，并对加权的二维余弦窗和高斯窗进行傅里叶变换，最终得到检测器；对待匹配图像进行参数矫正，确定检测区域，提取HOG特征，将余弦窗加权和初始化模板特征进行傅里叶变换和高斯核相关，再通过高斯核相关卷积和检测器得到相应矩阵，响应矩阵最大值即为置信度，置信度大于阈值则认为异源图像匹配成功。本发明使用了核化相关滤波，将待匹配特征映射到高维空间中进行匹配，提高了匹配的稳定性，同时用基于快速傅里叶变化的相关滤波大幅减少了匹配运算量，实现异源图像快速匹配。
-
公开(公告)号：CN109886280A
公开(公告)日：2019-06-14
申请号：CN201910129706.0
申请日：2019-02-21
Applicant: 西安微电子技术研究所
Abstract: 本发明公开了一种基于核相关滤波的异源图像目标匹配方法，首先在参考图像中选择目标位置，然后设定初始化参数，确定检测区域并缩放图像，提取HOG特征，构建二维余弦窗和高斯窗，并对加权的二维余弦窗和高斯窗进行傅里叶变换，最终得到检测器；对待匹配图像进行参数矫正，确定检测区域，提取HOG特征，将余弦窗加权和初始化模板特征进行傅里叶变换和高斯核相关，再通过高斯核相关卷积和检测器得到相应矩阵，响应矩阵最大值即为置信度，置信度大于阈值则认为异源图像匹配成功。本发明使用了核化相关滤波，将待匹配特征映射到高维空间中进行匹配，提高了匹配的稳定性，同时用基于快速傅里叶变化的相关滤波大幅减少了匹配运算量，实现异源图像快速匹配。
-
公开(公告)号：CN114973038A
公开(公告)日：2022-08-30
申请号：CN202210699522.X
申请日：2022-06-20
Applicant: 西安微电子技术研究所
Abstract: 本发明属于自动驾驶领域，具体涉及一种基于transformer的机场跑道线检测方法。本方法提出端到端方法，将跑道线输出为跑道形状模型的参数，通过transformer机制的构建网络模型学习丰富的上下文信息，得到跑道线模型参数，跑道线的形状是根据跑道结构和摄像头姿态决定的，与实际场景紧密联系，模型输出的参数有准确的物理解释。本发明首先建立机场跑道线数据集，包含了不同机场的无人机的起飞、降落视频序列，和跑道线标注文件，其次采用基于transformer的跑道线检测模型在跑道线训练集上训练，最后在跑道线测试集上完成推理测试。
-
公开(公告)号：CN109859244B
公开(公告)日：2022-07-08
申请号：CN201910058846.3
申请日：2019-01-22
Applicant: 西安微电子技术研究所
IPC: G06T7/246
Abstract: 本发明公开了一种基于卷积稀疏滤波的视觉跟踪方法，包括以下步骤：1)采用卷积稀疏滤波方法进行离线训练，在跟踪视频序列上进行无监督特征学习，以得到一组卷积核；2)以此卷积核组成卷积神经网络进行在线跟踪，从而对输入图像进行特征提取；3)结合核化相关滤波跟踪框架，实现对目标的跟踪。发明的基于卷积稀疏滤波的视觉跟踪方法，该方法基于深度学习原理，自动学习待跟踪目标的特征，从而可以利用大数据的优势，获得更稳定、更有区分力的特征，进而实现高精度、高鲁棒性的跟踪效果。本发明基于卷积稀疏滤波跟踪方法，具有准确率高、速度快及跟踪效果稳健的特点。
-
公开(公告)号：CN113888630A
公开(公告)日：2022-01-04
申请号：CN202111277574.X
申请日：2021-10-29
Applicant: 西安微电子技术研究所
Abstract: 本发明提供一种具备置信度估计的无人机姿态检测方法及系统，包括：步骤A：通过全卷积神经网络对输入图像进行像素级别的天空区域与非天空区域的分割，从天空区域的图像提取出天际线坐标，根据天际线坐标拟合最优直线方程，得到天际线拟合直线；步骤B：通过训练好的高斯判别分析模型估计出天际线拟合直线的置信度，若天际线拟合直线的置信度高于预设的最佳分类阈值，则进行步骤C；步骤C：基于天际线拟合直线实时估计出无人机姿态角信息。本发明基于高斯判别分析的置信度估计算法在检测结果出现较大或严重误差时，有效滤去错误结果，帮助无人机规避风险。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
