-
公开(公告)号：CN111738206A
公开(公告)日：2020-10-02
申请号：CN202010653600.3
申请日：2020-07-08
申请人： 浙江浙能天然气运行有限公司 , 浙江省能源集团有限公司 , 浙江大学
摘要： 本发明涉及基于CenterNet的用于无人机巡检的挖掘机检测方法，包括以下步骤：S1、训练数据集的建立；S2、CenterNet的训练；S3、挖掘机检测。本发明为挖掘机的车身和铲斗设计了空间注意力机制，并在传统目标检测数据集的格式上新增相应的标注；结合标注热力图对空间注意力机制进行训练，使其分别聚焦于车身和铲斗，实现对输入图像中空间位置的重要性的建模；充分利用挖掘机的视觉特性，通过使网络聚焦于目标的重要区域，减少无关背景对检测结果的影响，进而提升检测性能。
-
公开(公告)号：CN111738206B
公开(公告)日：2020-11-17
申请号：CN202010653600.3
申请日：2020-07-08
申请人： 浙江浙能天然气运行有限公司 , 浙江省能源集团有限公司 , 浙江大学
摘要： 本发明涉及基于CenterNet的用于无人机巡检的挖掘机检测方法，包括以下步骤：S1、训练数据集的建立；S2、CenterNet的训练；S3、挖掘机检测。本发明为挖掘机的车身和铲斗设计了空间注意力机制，并在传统目标检测数据集的格式上新增相应的标注；结合标注热力图对空间注意力机制进行训练，使其分别聚焦于车身和铲斗，实现对输入图像中空间位置的重要性的建模；充分利用挖掘机的视觉特性，通过使网络聚焦于目标的重要区域，减少无关背景对检测结果的影响，进而提升检测性能。
-
公开(公告)号：CN110751068A
公开(公告)日：2020-02-04
申请号：CN201910951859.3
申请日：2019-10-08
申请人： 浙江大学
IPC分类号： G06K9/00
摘要： 本发明公开了一种基于自适应时空融合的远距离弱小目标视觉检测方法。该方法包括：1.滤除视频帧图像中地平线以下的地面背景，得到空域图；2.用暗目标帧间差分法对该空域图进行处理得到时间特征图；3.用行列解耦合底帽形态学滤波法对该空域图进行处理得到空间特征图；4.设计自适应切换的时空特征图融合机制对时间特征图和空间特征图进行融合，生成自适应时空融合图；5：局部自适应阈值分割。本发明方法在增强目标与背景对比度的同时抑制噪声和杂波，以实现高准确、低误检、少漏检的远距离弱小目标检测。
-
公开(公告)号：CN111738211B
公开(公告)日：2023-12-19
申请号：CN202010695736.0
申请日：2020-07-17
申请人： 浙江大学
摘要： 本发明公开了一种基于动态背景补偿与深度学习的PTZ摄像机运动目标检测与识别方法。该方法包括：1.提取视频流中前、中、后相邻三帧的关键点特征并进行匹配，根据匹配点集，使用随机采样一致性算法计算单应性矩阵，剔除匹配置信度低的特征点对，然后通过单应性矩阵对前、后两帧图像进行投影变换，与中间帧进行配准；2.使用三帧差分运动目标检测算法提取候选区域，经形态学膨胀算子与最小凸包检测对运动目标进行粗定位；3.将提取出的候选区域及其背景上下文输入到深度卷积神经网络提取特征，然后分别经分类网络与位置回归网络实现目标分类及位置的精细回归。
-
公开(公告)号：CN111179318B
公开(公告)日：2022-07-12
申请号：CN201911424737.5
申请日：2019-12-31
申请人： 浙江大学
摘要： 本发明公开了一种基于双流法的复杂背景运动小目标检测方法，该方法包括：1.使用基于深度学习的方法，对单独视频帧图像进行处理，获取空间上的外观特征流，并在此基础上进行目标检测；2.使用帧间差分法，对连续视频帧图像进行处理，获取时间上的运动特征流，并在此基础上进行运动目标检测；3.对1和2在整幅画面中的若干检测结果进行双流融合，获取时空融合置信度；4.结合1中深度学习目标检测器的外观检测置信度，与3中双流融合置信度，给出最终的检测结果。本发明方法在保证检测实时性的同时，有效降低目标漏检率，并抑制了背景对检测的干扰，以实现高召回率、低误检率的复杂背景小目标检测。
-
公开(公告)号：CN111160154B
公开(公告)日：2023-09-22
申请号：CN201911298799.6
申请日：2019-12-16
申请人： 浙江大学
摘要： 本发明公开了一种串级时空特征融合远距离弱小目标视觉检测方法。该方法包括：1.滤除视频中地平线以下的地面背景，得到空域图；2.分别采用暗目标帧间差分法及形态学底帽法对所述空域图进行处理，得到时间特征图及空间特征图并将二者在深度上进行叠加得到时空特征融合图；3.在训练阶段，根据标注信息在所述时空特征融合图提取正、负时空描述子，训练支持向量机；4.在检测阶段，首先使用加法过滤器滤除所述时空特征融合图中的简单背景，然后将串行的支持向量机分类转化为可并行实现的卷积操作，并在图形处理器中对时空特征融合图进行快速检测，得到目标检测置信图；5.对所述目标检测置信图进行图像后处理得到最终的目标检测图。
-
公开(公告)号：CN111738211A
公开(公告)日：2020-10-02
申请号：CN202010695736.0
申请日：2020-07-17
申请人： 浙江大学
摘要： 本发明公开了一种基于动态背景补偿与深度学习的PTZ摄像机运动目标检测与识别方法。该方法包括：1.提取视频流中前、中、后相邻三帧的关键点特征并进行匹配，根据匹配点集，使用随机采样一致性算法计算单应性矩阵，剔除匹配置信度低的特征点对，然后通过单应性矩阵对前、后两帧图像进行投影变换，与中间帧进行配准；2.使用三帧差分运动目标检测算法提取候选区域，经形态学膨胀算子与最小凸包检测对运动目标进行粗定位；3.将提取出的候选区域及其背景上下文输入到深度卷积神经网络提取特征，然后分别经分类网络与位置回归网络实现目标分类及位置的精细回归。
-
公开(公告)号：CN110751068B
公开(公告)日：2022-08-23
申请号：CN201910951859.3
申请日：2019-10-08
申请人： 浙江大学
IPC分类号： G06V20/40
摘要： 本发明公开了一种基于自适应时空融合的远距离弱小目标视觉检测方法。该方法包括：1.滤除视频帧图像中地平线以下的地面背景，得到空域图；2.用暗目标帧间差分法对该空域图进行处理得到时间特征图；3.用行列解耦合底帽形态学滤波法对该空域图进行处理得到空间特征图；4.设计自适应切换的时空特征图融合机制对时间特征图和空间特征图进行融合，生成自适应时空融合图；5：局部自适应阈值分割。本发明方法在增强目标与背景对比度的同时抑制噪声和杂波，以实现高准确、低误检、少漏检的远距离弱小目标检测。
-
公开(公告)号：CN111160154A
公开(公告)日：2020-05-15
申请号：CN201911298799.6
申请日：2019-12-16
申请人： 浙江大学
摘要： 本发明公开了一种串级时空特征融合远距离弱小目标视觉检测方法。该方法包括：1.滤除视频中地平线以下的地面背景，得到空域图；2.分别采用暗目标帧间差分法及形态学底帽法对所述空域图进行处理，得到时间特征图及空间特征图并将二者在深度上进行叠加得到时空特征融合图；3.在训练阶段，根据标注信息在所述时空特征融合图提取正、负时空描述子，训练支持向量机；4.在检测阶段，首先使用加法过滤器滤除所述时空特征融合图中的简单背景，然后将串行的支持向量机分类转化为可并行实现的卷积操作，并在图形处理器中对时空特征融合图进行快速检测，得到目标检测置信图；5.对所述目标检测置信图进行图像后处理得到最终的目标检测图。
-
公开(公告)号：CN111179318A
公开(公告)日：2020-05-19
申请号：CN201911424737.5
申请日：2019-12-31
申请人： 浙江大学
摘要： 本发明公开了一种基于双流法的复杂背景运动小目标检测方法，该方法包括：1.使用基于深度学习的方法，对单独视频帧图像进行处理，获取空间上的外观特征流，并在此基础上进行目标检测；2.使用帧间差分法，对连续视频帧图像进行处理，获取时间上的运动特征流，并在此基础上进行运动目标检测；3.对1和2在整幅画面中的若干检测结果进行双流融合，获取时空融合置信度；4.结合1中深度学习目标检测器的外观检测置信度，与3中双流融合置信度，给出最终的检测结果。本发明方法在保证检测实时性的同时，有效降低目标漏检率，并抑制了背景对检测的干扰，以实现高召回率、低误检率的复杂背景小目标检测。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.056 秒)
