-
公开(公告)号:CN114648555A
公开(公告)日:2022-06-21
申请号:CN202210189676.4
申请日:2022-02-28
Applicant: 辽宁工程技术大学
Abstract: 一种基于可靠性学习的STRCF目标跟踪方法,涉及计算机视觉中的目标跟踪技术领域,解决现有的判别式跟踪算法更侧重于区别目标进而忽略背景信息导致的跟踪效果差的问题;设计可靠性学习机制联合可靠性信息和对模型进行优化的ADMM算法;将STRCF基础上的滤波器视为基本滤波器并且进行可靠性项的元素级乘积。在跟踪过程中,目标定位模块通过融合灰度、方向梯度直方图和颜色空间特征,进行余弦窗操作去除掉边界效应所造成噪音数据,进行傅里叶域变换,通过牛顿优化算法计算平移向量实现对目标中心的快速定位。模型更新模块通过目标定位模块对已经处理过的特征数据,进行可靠性学习,运用可靠性项求出样本能量,在傅里叶域求出每个特征的卷积相应进行可视化。
-
公开(公告)号:CN114295552A
公开(公告)日:2022-04-08
申请号:CN202210003436.0
申请日:2022-01-04
Applicant: 辽宁工程技术大学
Abstract: 本发明涉及将传统计算机视觉算法实现为卷积神经网络的目标检测装置,包括工作台,工作台的顶部分别设有工件送料机构,拍照机构和主控制器,伺服电机的输出轴贯穿所连接的立板并与丝杠的端部固定连接,丝杠的外周活动套接有丝杠螺母,丝杠的后方设有导向直杆,且导向直杆的两端分别与各自所对应的立板固定连接,导向直杆的外周活动套接有导向环,导向环与丝杠螺母之间设有工件固定组件。本发明具备有用于目标检测的卷积神经网络模型的系统,便于对光学元件表面是否有损伤进行检测,并且能够对检测进行分类,具有较高的准确率,并且在对光学元件表面进行检测的过程中不会对光学元件造成破坏,满足了人们的实际需求。
-