-
公开(公告)号:CN115439672A
公开(公告)日:2022-12-06
申请号:CN202211377096.4
申请日:2022-11-04
申请人: 浙江大华技术股份有限公司
IPC分类号: G06V10/75 , G06V10/762 , G06V20/17 , G06T3/00
摘要: 本申请公开了一种图像匹配方法、违建检测方法、终端设备以及计算机存储介质,该图像匹配方法包括:对数字表面模型切片中所有模型点按照高度信息进行聚类,得到若干模型点分组;利用若干模型点分组形成若干掩膜,并利用若干掩膜对正射地图切片进行处理;获取掩膜处理后的正射地图切片与无人机图像的投影关系;按照投影关系将掩膜处理后的正射地图切片重投影到无人机图像的坐标系中,利用投影后的正射地图切片与无人机图像叠加,形成重投影后的匹配图像。本申请的图像匹配方法能够通过将数字表面模型切片聚类形成的掩膜作用在正射地图切片上,保证每个掩膜下的正射地图切片图块近似处于同一平面,实现正射地图切片到无人机图像的重投影。
-
公开(公告)号:CN115424155A
公开(公告)日:2022-12-02
申请号:CN202211377018.4
申请日:2022-11-04
申请人: 浙江大华技术股份有限公司
IPC分类号: G06V20/17 , G06V20/10 , G06V10/25 , G06V10/26 , G06V10/762 , G06V10/82 , G06N3/04 , G06N3/08
摘要: 本申请公开了一种违建检测方法、违建检测装置以及计算机存储介质,该违建检测方法包括:获取基于目标区域采集的无人机图像;按照无人机图像,获取对应的正射地图切片;获取正射地图切片重投影到无人机图像的坐标系的重投影图像;基于重投影图像和无人机图像的图像差异信息,获取目标区域在第一时刻和第二时刻的变化检测区域结果;根据变化检测区域结果,形成违建检测信息,其中,违建检测信息包括违建行为位置,违建行为时间和/或违建行为类型。本申请的违建检测方法能够通过正射地图与无人机影像的变化检测结果,实现目标区域的违建行为全流程监管。
-
公开(公告)号:CN114783037B
公开(公告)日:2022-11-22
申请号:CN202210689509.6
申请日:2022-06-17
申请人: 浙江大华技术股份有限公司
摘要: 本申请公开了一种目标重识别方法、目标重识别装置和计算机可读存储介质,该方法包括:对待检测视频进行处理,得到针对抓拍目标的抓拍图像集;响应于抓拍图像集中存在第一图像以及抓拍目标的多个姿态对应的第二图像,对第一图像中包含的人脸进行处理得到抓拍目标的人脸特征,对多个姿态对应的第二图像包含的人体进行处理得到多个姿态的头肩特征和多个姿态的人体特征;对多个姿态的头肩特征进行融合得到多姿态头肩特征,对多个姿态的人体特征进行融合得到多姿态人体特征;基于人脸特征、多姿态人体特征以及多姿态头肩特征,生成重识别结果,重识别结果包括抓拍目标是否是历史抓拍目标。通过上述方式,本申请能够提升去重准确率。
-
公开(公告)号:CN115222998A
公开(公告)日:2022-10-21
申请号:CN202211120458.1
申请日:2022-09-15
申请人: 杭州电子科技大学 , 浙江大华技术股份有限公司
发明人: 颜成钢 , 殷俊 , 颜拥 , 王洪波 , 胡冀 , 熊剑平 , 李亮 , 郑博仑 , 林聚财 , 孔书晗 , 王亚运 , 孙垚棋 , 金恒 , 朱尊杰 , 高宇涵 , 殷海兵 , 王鸿奎 , 陈楚翘 , 刘一秀 , 李文超 , 王廷宇 , 张勇东 , 张继勇
IPC分类号: G06V10/764 , G06V10/30 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
摘要: 本发明公开了一种图像分类方法。首先构建通道维度注意力网络和空间维度多尺度自注意力网络;然后将输入图像预处理后输入通道维度注意力网络,生成基于通道维度的注意力特征图;将基于通道维度的注意力特征图输入至空间维度的多尺度自注意力网络,生成基于特征图空间维度的多尺度自注意力特征图;最后将最终生成的多维度多尺度注意力特征图输入到分类器单元中,将模型输出的向量转换成概率表示,完成图像分类。本发明设计了一种新的多尺度自注意力机制,它利用一系列的深度可分离卷积操作,生成特征信息高度相关的局部特征图和区域特征图,不但可以强化自注意力机制的细粒度特征提取能力,还可以高效的提取有效的全局信息。
-
公开(公告)号:CN114783037A
公开(公告)日:2022-07-22
申请号:CN202210689509.6
申请日:2022-06-17
申请人: 浙江大华技术股份有限公司
摘要: 本申请公开了一种目标重识别方法、目标重识别装置和计算机可读存储介质,该方法包括:对待检测视频进行处理,得到针对抓拍目标的抓拍图像集;响应于抓拍图像集中存在第一图像以及抓拍目标的多个姿态对应的第二图像,对第一图像中包含的人脸进行处理得到抓拍目标的人脸特征,对多个姿态对应的第二图像包含的人体进行处理得到多个姿态的头肩特征和多个姿态的人体特征;对多个姿态的头肩特征进行融合得到多姿态头肩特征,对多个姿态的人体特征进行融合得到多姿态人体特征;基于人脸特征、多姿态人体特征以及多姿态头肩特征,生成重识别结果,重识别结果包括抓拍目标是否是历史抓拍目标。通过上述方式,本申请能够提升去重准确率。
-
公开(公告)号:CN118540496A
公开(公告)日:2024-08-23
申请号:CN202410996952.7
申请日:2024-07-24
申请人: 浙江大华技术股份有限公司
IPC分类号: H04N19/52 , H04N19/103 , H04N19/44
摘要: 本申请提出一种图像解码方法、图像编码方法、图像编解码装置以及计算机存储介质。图像解码方法包括:基于图像码流的编码句法获取已编码块的帧内预测模式,以及预测模式序号;基于原始运动矢量角度预测模式,生成扩展运动矢量角度预测模式;基于原始运动矢量角度预测模式和扩展运动矢量角度预测模式,获取候选运动矢量角度预测模式;基于所述已编码块的帧内预测模式以及所述候选运动矢量角度预测模式,推导预测模式候选列表;基于所述预测模式序号,获取所述预测模式候选列表中的目标预测模式;按照所述目标预测模式对所述图像码流进行解码,获取重建图像。通过上述图像解码方法,提供了更多灵活的运动矢量角度预测方式,有效提升图像解码的效率。
-
公开(公告)号:CN118214887A
公开(公告)日:2024-06-18
申请号:CN202410624228.1
申请日:2024-05-20
申请人: 浙江大华技术股份有限公司
IPC分类号: H04N19/85 , H04N19/146
摘要: 本申请公开了一种视频编码方法,该视频编码方法包括:确定在当前编码周期之前已经完成编码的编码周期,得到当前编码周期对应的前序编码周期集合,并将前序编码周期集合中与当前编码周期相邻的前序编码周期作为相邻编码周期;提取每个前序编码周期的第一编码特征参数,以及,提取相邻编码周期对应的第二编码特征参数;结合第一编码特征参数和第二编码特征参数,计算得到当前编码周期的编码控制参数;基于编码控制参数对视频数据进行编码处理,得到编码结果。可以综合考虑当前编码周期对应的所有前序编码周期的编码情况和相邻编码周期的编码情况,使得码率分配更加合理,以在一定容量的存储空间中最大效率的得到图像质量更好的码流。
-
公开(公告)号:CN116527921B
公开(公告)日:2024-04-12
申请号:CN202310781846.2
申请日:2023-06-29
申请人: 浙江大华技术股份有限公司
IPC分类号: H04N19/176 , H04N19/139 , H04N19/105
摘要: 本申请公开了一种仿射候选构建方法、仿射预测的方法和相关设备,该方法包括:为当前块的多个控制点确定至少一个关联并置块,其中,关联并置块为关联位置的并置块,关联位置与控制点存在空域相关;基于至少一个关联并置块的运动信息,得到多个控制点的运动矢量;利用多个控制点的运动矢量进行组合,以获得当前块的若干仿射候选,上述方式,使得仿射候选能够充分继承与控制点关联的时域运动信息,提高仿射候选构建的准确性,进而将该仿射候选用于仿射预测,提高编码的准确率。
-
公开(公告)号:CN116229379B
公开(公告)日:2024-02-02
申请号:CN202310514624.4
申请日:2023-05-06
申请人: 浙江大华技术股份有限公司
摘要: 本申请公开了一种道路属性识别方法、装置、电子设备及存储介质,本申请中,训练完成的道路属性识别模型包括特征提取子网络和背景特征增强子网络。获取道路监控视频中待处理的第一图像之后,基于道路属性识别模型中的特征提取子网络,对第一图像进行特征提取,得到道路特征图;基于道路属性识别模型中的背景特征增强子网络对第一图像进行特征提取,得到背景特征图。再对道路特征图和道路背景特征图进行融合处理,得到第一图像对应的道路融合特征图,最终对道路融合特征图进行识别,得到第一图像的道路属性识别结果。结合特征提取子网络和背景特征增强子网络对第一图像进行特征提取,能够有效抑制噪声,增强背景,从而提高道路
-
公开(公告)号:CN117035065A
公开(公告)日:2023-11-10
申请号:CN202311302188.0
申请日:2023-10-10
申请人: 浙江大华技术股份有限公司
摘要: 本申请公开了一种模型评估的方法及相关装置。该模型评估的方法包括:获得多个候选训练模型,其中,所述多个候选训练模型为初始模型在多个不同迭代周期的训练结果;利用目标平台的模型转换参数,将每个候选训练模型转换成候选目标模型,得到多个所述候选目标模型;让所述目标平台的设备利用每个所述候选目标模型对素材数据进行处理,得到多个所述候选目标模型对所述素材数据的验证结果,以基于所述验证结果筛选出用于部署到所述目标平台的最优候选目标模型。本申请可以通过目标平台的设备的运行情况选择出符合目标平台的设备的最优模型,可以提升模型在目标平台的设备上的部署效果。
-
-
-
-
-
-
-
-
-