-
公开(公告)号：CN119729235A
公开(公告)日：2025-03-28
申请号：CN202411589847.8
申请日：2024-11-08
Applicant: 重庆邮电大学 , 电子科技大学重庆微电子产业技术研究院
IPC: H04N23/81 , H04N23/10 , H04N23/951 , H04N23/74
Abstract: 本发明属于图像处理技术领域，具体涉及一种基于FPGA的多光谱相机图像自适应矫正方法；该方法包括：在较暗的环境下将激光束从多光谱相机的镜头处射入，多光谱相机中多通道的传感器接收激光束并生成通道图像；对多通道的图像进行初步矫正，得到初步对齐的多通道的图像；对初步对齐的多通道的图像进行裁剪和补齐操作，得到完全对齐后的多通道的图像；将完全对齐后的各通道的图像进行融合并输出显示；本发明提高了多光谱相机出现的匹配精度，且有效降低了整机体积。
-
公开(公告)号：CN119152453B
公开(公告)日：2025-02-18
申请号：CN202411649348.3
申请日：2024-11-19
Applicant: 海豚乐智科技(成都)有限责任公司 , 电子科技大学重庆微电子产业技术研究院
IPC: G06V20/54 , G06V10/20 , G06V10/44 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于Mamba架构的红外高速公路异物检测方法，包括：持续通过红外传感器，对不同光照条件下和不同天气情况下的高速公路场景进行数据采集，获得红外图像数据，通过数据增广对红外图像数据进行预处理生成训练数据，将训练数据按比例划分为训练集、测试集和验证集；构建基于Mamba架构的检测网络，包括学生网络和教师网络；基于训练集通过反向传播训练教师网络；基于教师网络的结果和真实数据来训练学生网络得到目标检测网络；将待识别的图像输入目标检测网络，得到检测结果。实现了对潜在危险的快速、准确识别,结合红外成像技术和Mamba框架的强大处理能力，保证了高检测精度，实现对异物威胁的实时响应,显著提升高速公路监控的效率和安全性。
-
公开(公告)号：CN117237604A
公开(公告)日：2023-12-15
申请号：CN202311188451.8
申请日：2023-09-14
Applicant: 电子科技大学重庆微电子产业技术研究院
Abstract: 本发明提供的一种目标跟踪方法、装置、计算机设备及存储介质，所述方法包括：基于可视相机和事件相机在同一时刻同一监测点采集图像，分别得到第一搜索图像和第二搜索图像；对第一搜索图像进行脉冲编码得到脉冲序列；对脉冲序列和第二搜索图像分别进行特征提取得到第一脉冲特征和第二脉冲特征；将第一脉冲特征和所述第二脉冲特征进行特征融合得到融合脉冲特征；将所述融合脉冲特征与模板图像对应的目标脉冲特征进行相似度运算；本发明在可视相机和事件相机的双模态目标跟踪的基础上，通过提取可视光图像里的空间信息和事件相机里的时间信息，并将空间信息与时间信息进行特征融合后再与模板图像进行相似度比较，从而提高了目标跟踪精度。
-
公开(公告)号：CN117218512B
公开(公告)日：2024-10-11
申请号：CN202311172320.0
申请日：2023-09-11
Applicant: 电子科技大学重庆微电子产业技术研究院
IPC: G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/084 , G06N3/0499 , G06N3/0455 , G06V10/46
Abstract: 本发明提供的一种红外低小慢目标检测方法、计算机设备及存储介质，所述方法包括：构建包含损失函数的红外低小慢目标检测网络；基于训练样本图像集通过反向传播算法训练所述红外低小慢目标检测网络中的教师网络，并最小化损失函数后得到深层教师网络；基于训练样本图像集通过反向传播算法训练所述红外低小慢目标检测网络中的学生网络，并基于深层教师网络的输出结果优化所述学生网络，得到目标检测网络；本发明采用知识蒸馏的方式得到的模型在使得模型更小和计算量更少的同时也不损失检测精度，使得在边缘设备上运行高精度、高速的红外低小慢目标检测模型成为可能。
-
公开(公告)号：CN117218512A
公开(公告)日：2023-12-12
申请号：CN202311172320.0
申请日：2023-09-11
Applicant: 电子科技大学重庆微电子产业技术研究院
IPC: G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/084 , G06N3/0499 , G06N3/0455 , G06V10/46
Abstract: 本发明提供的一种红外低小慢目标检测方法、计算机设备及存储介质，所述方法包括：构建包含损失函数的红外低小慢目标检测网络；基于训练样本集通过反向传播算法训练所述红外低小慢目标检测网络中的教师网络，并最小化损失函数后得到深层教师网络；基于训练样本集通过反向传播算法训练所述红外低小慢目标检测网络中的学生网络，并基于深层教师网络的输出结果优化所述学生网络，得到目标检测网络；本发明采用知识蒸馏的方式得到的模型在使得模型更小和计算量更少的同时也不损失检测精度，使得在边缘设备上运行高精度、高速的红外低小慢目标检测模型成为可能。
-
Patent Agency Ranking
公开(公告)号：CN115272412B
公开(公告)日：2023-09-26
申请号：CN202210920753.9
申请日：2022-08-02
Applicant: 电子科技大学重庆微电子产业技术研究院
IPC: G06V10/82 , G06V10/774 , G06V10/94 , G06T7/246 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明属于低小慢目标检测领域，具体涉及一种基于边缘计算的低小慢目标检测方法及跟踪系统，该方法包括采集不同曝光度下不同目标的图像集，对图像集进行处理得到低小慢目标数据集；构建基于YOLOv5的轻量化检测网络，采用公开数据集进行训练，低小慢目标数据集进行测试；采用训练测试完成后的轻量化检测网络进行实时低小慢目标检测；本发明减少人工收集数据与处理数据的人力与时间成本，有利于获取更全面，更高质量的数据。
-
公开(公告)号：CN115659229B
公开(公告)日：2023-03-28
申请号：CN202211680968.4
申请日：2022-12-27
Applicant: 四川迪晟新达类脑智能技术有限公司 , 电子科技大学重庆微电子产业技术研究院
Inventor： 冉欢欢 , 赵瑞欣 , 李非桃 , 黎仁威 , 刘益安 , 胡绍刚 , 王丹 , 李毅捷 , 李和伦 , 陈益 , 褚俊波 , 陈春 , 莫桥波 , 李东晨 , 董平凯 , 陈未东 , 杨伟
Abstract: 本发明公开了一种低小慢目标威胁程度评估方法及装置，所述方法包括：构建循环神经网络模型；构建特征矩阵，并将特征矩阵作为循环神经网络模型的输入，特征矩阵根据在时间序列内采集到的目标飞行信息生成；获取连续多个历史时间序列内采集到的目标飞行信息，根据各个目标飞行信息一一对应生成各个特征矩阵，并由所有特征矩阵组合为训练样本；对循环神经网络模型进行训练和参数优化；获取连续多个实时时间序列内采集到的目标飞行信息，根据各个目标飞行信息一一对应生成各个特征矩阵，将所有特征矩阵输入训练完成后的循环神经网络模型，时刻值最靠后的实时时间序列的最大时刻为当前时刻；循环神经网络模型确定出目标在当前时刻的威胁等级。
-
公开(公告)号：CN115659229A
公开(公告)日：2023-01-31
申请号：CN202211680968.4
申请日：2022-12-27
Applicant: 四川迪晟新达类脑智能技术有限公司 , 电子科技大学重庆微电子产业技术研究院
Inventor： 冉欢欢 , 赵瑞欣 , 李非桃 , 黎仁威 , 刘益安 , 胡绍刚 , 王丹 , 李毅捷 , 李和伦 , 陈益 , 褚俊波 , 陈春 , 莫桥波 , 李东晨 , 董平凯 , 陈未东 , 杨伟
Abstract: 本发明公开了一种低小慢目标威胁程度评估方法及装置，所述方法包括：构建循环神经网络模型；构建特征矩阵，并将特征矩阵作为循环神经网络模型的输入，特征矩阵根据在时间序列内采集到的目标飞行信息生成；获取连续多个历史时间序列内采集到的目标飞行信息，根据各个目标飞行信息一一对应生成各个特征矩阵，并由所有特征矩阵组合为训练样本；对循环神经网络模型进行训练和参数优化；获取连续多个实时时间序列内采集到的目标飞行信息，根据各个目标飞行信息一一对应生成各个特征矩阵，将所有特征矩阵输入训练完成后的循环神经网络模型，时刻值最靠后的实时时间序列的最大时刻为当前时刻；循环神经网络模型确定出目标在当前时刻的威胁等级。
-
公开(公告)号：CN115272412A
公开(公告)日：2022-11-01
申请号：CN202210920753.9
申请日：2022-08-02
Applicant: 电子科技大学重庆微电子产业技术研究院
IPC: G06T7/246 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于低小慢目标检测领域，具体涉及一种基于边缘计算的低小慢目标检测方法及跟踪系统，该方法包括采集不同曝光度下不同目标的图像集，对图像集进行处理得到低小慢目标数据集；构建基于YOLOv5的轻量化检测网络，采用公开数据集进行训练，低小慢目标数据集进行测试；采用训练测试完成后的轻量化检测网络进行实时低小慢目标检测；本发明减少人工收集数据与处理数据的人力与时间成本，有利于获取更全面，更高质量的数据。
-
公开(公告)号：CN115267762B
公开(公告)日：2025-04-18
申请号：CN202210928955.8
申请日：2022-08-03
Applicant: 电子科技大学重庆微电子产业技术研究院
Abstract: 本发明属于机器视觉技术领域，具体涉及一种融合毫米波雷达和视觉传感器的低空慢速小型目标跟踪方法，该方法包括：采用毫米波雷达扫描获取目标信息，并对获取的目标信息进行滤波处理，得到滤波后的目标信息；采用视觉传感器获取光学图像作为搜索图像，将滤波后的目标信息映射到光学图像，然后进行高斯图像生成，得到包含目标位置信息的热力图(Heat Map)；构建孪生网络目标跟踪模型，截取光学图像中具有毫米波雷达标记目标位置的第一帧图像作为模板图像，通过空间注意力机制融合搜索图像和雷达热力图，采用孪生网络目标跟踪模型实现对目标的稳定跟踪；本发明通过融合毫米波雷达和视觉传感器数据来实现可靠的目标跟踪。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.042 seconds)
