-
公开(公告)号：CN108491795B
公开(公告)日：2022-05-13
申请号：CN201810240221.4
申请日：2018-03-22
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种轨道交通场景的行人检测方法与装置，所述方法，包括：在视频帧图像中检测并获取铁轨区域的图像；其中，所述铁轨区域为所述视频帧图像中表征铁轨的区域；放大所述铁轨区域的图像；在放大后的铁轨区域的图像中检测行人目标；根据所述行人目标在所述铁轨区域中的位置，以及所述铁轨区域在所述视频帧图像中的位置，在所述视频帧图像中标识所述行人目标。本发明改善了行人检测的检测结果，提高了检测的准确率。
-
公开(公告)号：CN109145715B
公开(公告)日：2020-10-30
申请号：CN201810710554.9
申请日：2018-07-02
Applicant: 北京航空航天大学
Abstract: 本发明提供一种轨道交通的空基行人侵界检测方法、装置和系统，通过根据空基轨道图像中像素距离与真实距离的比例，在所述空基轨道图像中确定防侵界区域图像，所述空基轨道图像为空基图像采集设备沿轨道垂直向下拍摄到的图像；将所述防侵界区域图像切分成至少2个子区域图，并从所述至少2个子区域图中获取包含有侵界行人的人像类区域图；根据所述人像类的区域图在所述空基轨道图像中的位置和所述空基轨道图像对应的场景位置，确定所述侵界行人的位置，从而提高了轨道交通的空基行人侵界检测精确性。
-
公开(公告)号：CN109272530B
公开(公告)日：2020-07-21
申请号：CN201810899198.X
申请日：2018-08-08
Applicant: 北京航空航天大学
Abstract: 本发明提供一种面向空基监视场景的目标跟踪方法与装置。本发明提供的方法，包括：实时获取目标对象的待跟踪视频，提取第一帧以及第二帧，对第一帧进行剪裁截取得到第一兴趣区域图像，对第二帧进行剪裁截取得到目标模板图像以及第二兴趣区域图像，将目标模板图像以及第一兴趣区域图像输入外观跟踪器网络，得到外观跟踪位置，将第一兴趣区域图像以及第二兴趣区域图像输入运动跟踪器网络，得到运动跟踪位置，最后将外观跟踪位置以及运动跟踪位置输入深度融合网络，得到最终跟踪位置。本发明提供的目标跟踪方法，通过两路跟踪器网络并联的方法，利用目标对象的外观和运动信息进行定位跟踪，再将两次定位信息进行融合，从而实现对目标对象的实时跟踪。
-
公开(公告)号：CN109272039B
公开(公告)日：2020-06-12
申请号：CN201811095926.8
申请日：2018-09-19
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于无人机的水坝周边异常监测方法与装置，属于图像处理技术领域。该装置包括无人机无人值守前端设备、远程控制中心、通讯网络、数据处理模块、算法模块和处理中心。首先无人机搭载高清摄像装置飞行，采集指定位置图像并进行分类整理；将每类图像数据分别划分为训练集和测试集，并对训练集进行预处理，然后进行卷积神经网络的多尺度融合，得到分类结果。对每类测试集的最终分类结果，标记异常位置的特征点，再次划分训练集和测试集。对标记特征点的训练集图像进行分类模型的训练；将测试集输入分类模型中，对每个图像中各个特征点进行异常情况的定位。本发明提高了分类精度和定位精度，解决了人工巡检的方法费时费力的问题。
-
公开(公告)号：CN109325911B
公开(公告)日：2020-04-14
申请号：CN201810983019.0
申请日：2018-08-27
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于注意力增强机制的空基铁轨检测方法，属于航空监视领域。首先在临空飞行器上搭载高清阵列相机，获取铁轨原始图像并进行预处理，获得训练样本。将训练样本的图片输入卷积神经网络进行特征提取，得到16*16的编码图，并对其进行注意力增强，增加其特征表达能力。然后通过卷积神经网络对注意力增强后的编码图进行上采样，得到和原图同尺寸的判决图，对判决图进行分类判决，判决图中某点为铁轨上的点。最后根据判决结果，利用梯度下降算法，运用反向传播更新网络参数。本发明在精准检测的基础上，可以对铁轨周边环境及其自身安全状况进行监视，定位准确，效果显著，具有较强的工程价值和实践意义。
-
Patent Agency Ranking
公开(公告)号：CN109242015A
公开(公告)日：2019-01-18
申请号：CN201810997602.7
申请日：2018-08-29
Applicant: 北京航空航天大学
Abstract: 本发明公开了基于空基平台视觉监视的水域面积检测方法与装置，涉及图像处理技术领域。该装置包括图像采集器，CNN特征提取器，多孔卷积网络的分支器，特征融合器，分类器和面积转换器。首先卷积神经网络提取待监测水域面积图片中的高层语义信息，得到输出特征图，并输入多孔卷积网络。然后根据其边缘信息，对每一区域中所有像素点的高光谱信息求均值得到该区域的期望特征；利用线性SVM分类器训练模型，将期望特征的样本向量进行分类，最后输出分类结果，得到水域面积S。根据图例参数gamma和原图水域面积S，计算水域部分的真实面积。本发明较强鲁棒性，能够监测水域部分的真实面积的变化，预测自然灾害。
-
公开(公告)号：CN108389205A
公开(公告)日：2018-08-10
申请号：CN201810225219.X
申请日：2018-03-19
Applicant: 北京航空航天大学
Abstract: 本发明提供一种基于空基平台图像的铁轨异物监测方法及装置，其中方法包括：获取待处理图片，待处理图片为低空无人机拍摄的铁轨图片；获取待处理图片的有效梯度信息；根据有效梯度信息的类型对有效梯度信息进行编码处理得到第一特征；根据待处理图片的色调、饱和度、透明度HSV颜色模型得到第二特征；根据所述第一特征和所述第二特征，判断所述待处理图片中铁轨是否存在异物。本发明提供的一种基于空基平台图像的铁轨异物监测方法及装置，结合图片的有效梯度信息和颜色信息对铁轨是否存在异物进行判断，提高了对铁轨异物的监测效率。
-
公开(公告)号：CN108550139A
公开(公告)日：2018-09-18
申请号：CN201810226499.6
申请日：2018-03-19
Applicant: 北京航空航天大学
Abstract: 本发明提供一种基于多层次深度特征的铁轨异物检测方法与装置，其中方法包括：获取待处理图片，待处理图片为无人机拍摄的铁轨图片；将待处理图片拆分为N张子图片；提取N张子图片的多层次深度特征；根据N张子图片的多层次深度特征判断待处理图片中铁轨是否存在异物。本发明提供的基于多层次深度特征的铁轨异物检测方法与装置，通过将待处理的铁轨图片进行拆分后获取每张子图片的多层次深度特征，通过子图像的多层次深度特征判断铁轨是否存在异物，提高了对铁轨异物的检测效率。
-
公开(公告)号：CN108549862A
公开(公告)日：2018-09-18
申请号：CN201810319654.9
申请日：2018-04-11
Applicant: 北京航空航天大学
Abstract: 本发明提供的异常场景检测方法及装置，通过接收第一终端发送的视频数据，根据预设采样间隔对视频数据进行采样得到多个图像数据，将各图像数据输入到预设的第一卷积神经网络模型中，根据第一卷积神经网络模型的标定结果确定图像是否为异常图像，若确定有异常图像，则将该异常图像的图像信息发送给第二终端，以便第二终端的用户及时采取应急响应措施，避免二次事故的发生。通过上述方法，解决了现有技术中存在的对铁路或公路沿线异常场景检测准确率低的问题。
-
公开(公告)号：CN108537262A
公开(公告)日：2018-09-14
申请号：CN201810273239.4
申请日：2018-03-29
Applicant: 北京航空航天大学
Abstract: 本发明提供一种基于多层神经网络的铁轨扣件异常检测方法。该方法包括：采集铁轨扣件部位的图像；通过预先训练的机器学习模型，提取所述图像的特征信息；对提取的所述特征信息进行分类，得到第一分类结果；根据所述第一分类结果判断铁轨扣件是否牢固。本发明实施例能够有效提取铁轨扣件的特征信息，并能够实现检测铁轨扣件是否牢固，效率和准确度较高。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.026 seconds)
