-
公开(公告)号：CN112926693B
公开(公告)日：2024-05-24
申请号：CN202110389746.6
申请日：2021-04-12
Applicant: 辽宁工程技术大学
IPC: G06V10/762 , G06V10/764 , G06V10/50
Abstract: 本发明公开了一种针对快速运动和运动模糊的核化相关滤波方法。首先在KCF算法中建立一个FM(Fast Motion)检测器，当检测器监测到目标发生了快速运动当前帧跟踪结果作废，以上一帧目标框为中心扩大当前帧目标寻找范围，范围内对相关滤波器用滑窗法得到目标可能位置的坐标分布；对该位置分布进行K‑means聚类，找出分布规律得到M个位置分布域，分布域中以类簇心为中心进行相关滤波定位目标中心位置，得到M个目标中心候选点；通过计分器选出最佳目标中心点。本发明在保证实时性的情况下提高了KCF算法对目标快速运动和运动模糊的鲁棒性，并为多特征融合提供一种新的思路。
-
公开(公告)号：CN112926693A
公开(公告)日：2021-06-08
申请号：CN202110389746.6
申请日：2021-04-12
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种针对快速运动和运动模糊的核化相关滤波算法。首先在KCF算法中建立一个FM(Fast Motion)检测器，当检测器监测到目标发生了快速运动当前帧跟踪结果作废，以上一帧目标框为中心扩大当前帧目标寻找范围，范围内对相关滤波器用滑窗法得到目标可能位置的坐标分布；对该位置分布进行K‑means聚类，找出分布规律得到M个位置分布域，分布域中以类簇心为中心进行相关滤波定位目标中心位置，得到M个目标中心候选点；通过计分器选出最佳目标中心点。本发明在保证实时性的情况下提高了KCF算法对目标快速运动和运动模糊的鲁棒性，并为多特征融合提供一种新的思路。
-
公开(公告)号：CN114625979A
公开(公告)日：2022-06-14
申请号：CN202011459980.3
申请日：2020-12-11
Applicant: 辽宁工程技术大学
IPC: G06F16/9536
Abstract: 本发明公开了一种基于协同过滤的图书馆学习资料优化推荐方法，步骤为：图书馆获取社会不同阶层人群的信息数据与学习资料数据，经特征信息处理后得到社会不同阶层人群的特征信息数据集与资料数据集；基于社会人群特征数据集与资料数据集处理计算并得到相似社会人群集；社会人群对已推荐的学习资料进行评价，得到资料评价特征数据集。本发明通过对社会人群信息数据进行特征信息处理分析，并通过协同过滤与资料数据集内的关联数据信息进行相似度匹配，从而匹配更精准的学习资料，能有效提高资料推荐的效率和优化图书种类和数量，提高学习资源对用户的有效性，避免推荐的盲目性，提高了推荐质量，同时对于智慧图书馆的发展有重要实践意义。
-
Patent Agency Ranking
公开(公告)号：CN113379785A
公开(公告)日：2021-09-10
申请号：CN202110691233.0
申请日：2021-06-22
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种融合边界先验与频域信息的显著性目标检测方法，主要步骤包括：利用像素之间特征的相似性将像素分组，用少量的超像素代替大量的像素来表达图片的特征信息；边界先验模型假设图像的边界为非显著区域，并以此作为先验知识；选取LBP纹理特征来衡量超像素间的纹理差异，以表征超像素块的边界特征；通过傅里叶变换将边界先验特征图的非边界区域转换到频率域，来实现频域显著性区域的检测；将边界先验显著图和频域特征显著图融合；采用同态滤波对初级显著图进行图像增强，得到显著区域较为清晰的最终显著图。本发明的结合了边界信息与频域信息，对于复杂场景下的显著性目标，能够检测出边界更加完整的显著区域。
-
公开(公告)号：CN113379785B
公开(公告)日：2024-03-15
申请号：CN202110691233.0
申请日：2021-06-22
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种融合边界先验与频域信息的显著性目标检测方法，主要步骤包括：利用像素之间特征的相似性将像素分组，用少量的超像素代替大量的像素来表达图片的特征信息；边界先验模型假设图像的边界为非显著区域，并以此作为先验知识；选取LBP纹理特征来衡量超像素间的纹理差异，以表征超像素块的边界特征；通过傅里叶变换将边界先验特征图的非边界区域转换到频率域，来实现频域显著性区域的检测；将边界先验显著图和频域特征显著图融合；采用同态滤波对初级显著图进行图像增强，得到显著区域较为清晰的最终显著图。本发明的结合了边界信息与频域信息，对于复杂场景下的显著性目标，能够检测出边界更加完整的显著区域。
-
公开(公告)号：CN115205591A
公开(公告)日：2022-10-18
申请号：CN202210824139.2
申请日：2022-07-13
Applicant: 辽宁工程技术大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V20/52 , G06T5/20 , G06F17/16 , G06F17/14
Abstract: 本发明公开了一种融合多特征尺度自适应的重检测跟踪算法，包括：对两种特征进行了线性融合，分别计算图像在不同特征下的响应，在对不同特征下的不同响应进行融合，得到最终的响应图，进而预测目标的位置；采用自适应尺度滤波器来估计目标的尺度变化；采用平均峰值‑相关能量遮挡判据；使用SVM分类器用于目标重检测。本发明的融合多特征尺度自适应的重检测跟踪算法用于实时跟踪所需跟踪的目标，针对目标的尺度变化和遮挡后重新跟踪加以改进，以便及时发现行人的异常行为或场景中的安全隐患，广泛应用于日常生活的各个角落，智能监控通过对可疑行人的识别和跟踪，自动分析，提高效率的同时极大地减轻了人们的工作负担。
-
公开(公告)号：CN115937778A
公开(公告)日：2023-04-07
申请号：CN202211624751.1
申请日：2022-12-16
Applicant: 辽宁工程技术大学
IPC: G06V20/52 , G06V10/145 , G06V20/70 , G06T7/11
Abstract: 本发明涉及水面物体识别技术领域，且公开了一种基于目标检测的水面物体识别系统，包括摄像头、图片传输模块、格式转化模块、截取模块、第一对比模块、标记模块、第一整合模块、第二数据存储模块、第二提取模块、叠加模块、轨迹计算模块、第一指令模块、第一数据存储模块、第一提取模块和GPS定位模块。本发明通过截取模块将拍摄的图片拆分成9个同等大小的图片，使第一对比模块所需对比图片的内容减小，进而提高第一对比模块的对比速度和对比精度，从而使该系统能快速且准确的识别水面上的物品，同时，通过第二数据存储模块、第二提取模块、叠加模块和轨迹计算模块，使该系统能计算出水面上物品的运动轨迹。
-
公开(公告)号：CN109145914A
公开(公告)日：2019-01-04
申请号：CN201810813667.1
申请日：2018-07-23
Applicant: 辽宁工程技术大学
CPC classification number: G06K9/342 , G06K9/4671 , G06K2209/21
Abstract: 本发明公开了一种基于超复数傅里叶变换和均值偏移的显著性目标检测方法，包括以下步骤：S1，输入超复数矩阵,定义一个超复数矩阵；S2，输入一张图像，定义图像的超复数形式表示；S3，提出一个频谱尺度空间来处理不同尺度的幅度谱，产生一个单参数的平滑谱系列，由高斯核的尺度对它进行参数化；S4，根据多尺度频率域波得到的一组谱尺度空间，以及原始相位谱和欧拉频谱，计算出不同尺度的显著图；S5，用均值偏移进行图像分割；S6，提出阈值选择法，阈值(Ta)值被确定为给定图像的平均显著性的两倍。S7，显著目标的彩色复现。本发明可消去重复的复杂背景，有效的抑制复杂背景，准确定位显著性目标。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
