一种基于双目立体视觉的道路车流量统计与测速方法

    公开(公告)号:CN104658272A

    公开(公告)日:2015-05-27

    申请号:CN201510117531.3

    申请日:2015-03-18

    Abstract: 本发明具体涉及一种基于双目立体视觉的道路车流量统计与测速方法。本发明包括:(1)对双目摄像头的左摄像头获取的图像序列进行灰度化处理,对处理后的图像序列进行光流计算;对以上光流计算的结果进行连通域分析,通过面积特征筛除虚假目标,得到运动车辆的区域及形心坐标;通过设定统计区域并比较车辆形心坐标的方式对道路车流量进行统计;利用运动车辆的视差信息与双目摄像机内外参数将车辆形心坐标转换至摄像机坐标系,对车辆速度进行计算。本发明的方法适合于对道路多车辆的统计以及速度测量,具有测量准确,可靠性高,实施成本低的特点。

    一种基于深度学习目标检测技术的智能广告展示系统

    公开(公告)号:CN115034805B

    公开(公告)日:2024-10-18

    申请号:CN202210449235.3

    申请日:2022-04-26

    Abstract: 本发明的目的在于提供一种基于深度学习目标检测技术的智能广告展示系统,包括本地广告牌和服务器,其中本地广告牌包括图像采集模块、目标检测模块、通信模块和显示模块,服务器包括数据集和通信模块。本地广告牌通过通信模块将识别结果上传服务器并接收服务器下发的图片、视频和链接,将商品广告显示在触摸显示屏上。本发明能方便地更新消费者群体——相关广告关联数据库,使得数据库紧跟当下消费者群体青睐商品变化趋势,从而在不同时期都能推送行人感兴趣的广告。本发明可以匹配广告与特定人群,发挥广告的最大影响力,促成更多商品交易。

    一种用于测向的非均匀线阵的最优排布方法

    公开(公告)号:CN117272809A

    公开(公告)日:2023-12-22

    申请号:CN202311239952.4

    申请日:2023-09-25

    Abstract: 本发明公开了一种用于测向的非均匀线阵的最优排布方法,包括:基于预设阵列最优排布模型,产生初始的量子粒子的位置、速度和初始局部最优位置;基于预设阵列最优排布模型,构建基于最小间隔准则和最小的最大相对旁瓣电平的第一适应度函数;基于第一适应度函数,获取量子粒子的初始全局最优位置;基于初始局部最优位置和初始全局最优位置,对量子粒子的速度和位置进行更新,获取全局最优位置;基于全局最优位置,获取最优阵列排布结果。本发明设计了一种基于最小间隔准则和最小的最大相对旁瓣电平的最优特殊阵列排布方法,利用离散的量子粒子群对最优阵列排比方式进行寻找,实现了针对特定条件和要求下的最优阵列排布的高精度测向。

    一种基于多尺度全局交叉匹配的光流估计方法

    公开(公告)号:CN115861647A

    公开(公告)日:2023-03-28

    申请号:CN202211474506.7

    申请日:2022-11-22

    Abstract: 本发明提供一种基于多尺度全局交叉匹配的光流估计方法,包括以下步骤:1.构建基于多尺度交叉注意力模块(MCA)的图像特征增强网络;2.构建光流估计模块;3.构建遮挡区域像素处理模块;4.在网络输入端输入连续两帧图像,进行有监督训练;5.在训练好的模型中输入连续两帧图像进行测试,输出为对应的估计光流。本发明提出了一种多尺度交叉注意力模块(MCA),利用MCA模块补全同一特征图像中不同图像块之间的相关信息,使得网络可以学习多种分辨率的图像信息。同时,通过对图像自相似性建模解决像素遮挡问题,进而得到最终预测的光流。

    基于图注意力网络的自监督3D场景流估计方法

    公开(公告)号:CN115797557A

    公开(公告)日:2023-03-14

    申请号:CN202211468322.X

    申请日:2022-11-22

    Abstract: 本发明提供一种基于图注意力网络的自监督3D场景流估计方法,首先构建特征提取网络即图注意力网络,将相邻两帧点云输入到图注意力网络结构中,根据不同的距离信息来提取空间信息,聚合最佳特征;其次构建循环成本量层,将提取到的局部特征送入到该结构中进行特征融合,以便更好地学习融合后的特征,进行跨尺度注意力操作;然后进行点云上采样得到原始3D场景流;最后再次通过图注意力结构对获得的场景流进行特征聚合并进行平滑性处理,得到精确的3D场景流。

    一种多分量雷达信号调制识别方法

    公开(公告)号:CN115712867A

    公开(公告)日:2023-02-24

    申请号:CN202211369792.0

    申请日:2022-11-03

    Abstract: 本发明公开了一种多分量雷达信号调制识别方法,包括获取待识别雷达信号;将待识别雷达信号输入至预先训练的深度卷积神经网络模型进行识别,输出标签向量的预测概率;深度卷积神经网络模型是采用标记有标签向量的雷达信号数据集训练得到的,标签向量表示多分量雷达信号所包含的信号调制类型;深度卷积神经网络模型包括多个移动倒置瓶颈卷积块MBConv、多个融合的移动倒置瓶颈卷积块Fused‑MBConv和卷积注意力机制模块;根据标签向量的预测概率进行阈值判决后输出多分量雷达信号调整识别结果。本发明不仅能识别单分量雷达信号,还能识别双分量和三分量雷达信号;相比较其它方法,改进了信号识别精度。

    一种基于空-时信息的降冗余嵌套阵列设置方法

    公开(公告)号:CN109932681B

    公开(公告)日:2022-08-02

    申请号:CN201910268474.7

    申请日:2019-04-04

    Abstract: 本发明提供的是一种基于空‑时信息的降冗余嵌套阵列设置方法。首先给定总阵元数N,得到原始嵌套阵列及其两个子阵阵元数N1和N2;然后利用原始嵌套阵列接收数据的空‑时特性求不同阵元接收数据的互相关函数以得到等效数据模型,从而对原始嵌套阵列进行降冗余分析得到降冗余嵌套阵列;接着根据原始嵌套阵列与降冗余嵌套阵列关系得到索引集;最后根据索引集得到虚拟阵列用于波达方向估计。本发明主要解决原始嵌套阵列的虚拟阵列仅由差集构造,从而导致虚拟阵列自由度提升有限的问题。本发明提出的降冗余嵌套阵列与原始嵌套阵列相比,具有物理阵列孔径增加、虚拟阵列自由度高且虚拟阵列连续的优点,可实现更优的欠定波达方向估计。

    一种稀疏贝叶斯学习框架下混合信号DOA估计方法

    公开(公告)号:CN107436421B

    公开(公告)日:2020-11-20

    申请号:CN201710606186.9

    申请日:2017-07-24

    Abstract: 本发明公开了一种稀疏贝叶斯学习框架下混合信号DOA估计方法,属于雷达信号处理技术领域。本发明的方法步骤为:首先提出一个新的稀疏促进先验(称为高斯‑指数‑卡方先验),其概率密度函数在零点处具有尖锐谱峰并且具有重拖尾,有利于促进稀疏解;然后利用该先验建立三阶分层稀疏贝叶斯模型;接下来,利用均值场变分贝叶斯理论近似后验分布,通过对各个近似的变分分布进行交替更新迭代最小化KL距离,进而求出模型参数的估计值;最后,根据各个参数的估计值构建信号功率谱函数,进而可以得到目标辐射源的信源数估计和DOA估计。

    一种基于空-时信息的降冗余嵌套阵列设置方法

    公开(公告)号:CN109932681A

    公开(公告)日:2019-06-25

    申请号:CN201910268474.7

    申请日:2019-04-04

    Abstract: 本发明提供的是一种基于空-时信息的降冗余嵌套阵列设置方法。首先给定总阵元数N,得到原始嵌套阵列及其两个子阵阵元数N1和N2;然后利用原始嵌套阵列接收数据的空-时特性求不同阵元接收数据的互相关函数以得到等效数据模型,从而对原始嵌套阵列进行降冗余分析得到降冗余嵌套阵列;接着根据原始嵌套阵列与降冗余嵌套阵列关系得到索引集;最后根据索引集得到虚拟阵列用于波达方向估计。本发明主要解决原始嵌套阵列的虚拟阵列仅由差集构造,从而导致虚拟阵列自由度提升有限的问题。本发明提出的降冗余嵌套阵列与原始嵌套阵列相比,具有物理阵列孔径增加、虚拟阵列自由度高且虚拟阵列连续的优点,可实现更优的欠定波达方向估计。

Patent Agency Ranking