-
公开(公告)号:CN113435265B
公开(公告)日:2024-07-09
申请号:CN202110641552.0
申请日:2021-06-09
申请人: 深圳大学
IPC分类号: G06V20/10 , G06V10/44 , G06V10/764 , G06V10/82 , G06V10/58 , G06N3/0464
摘要: 本发明公开了一种高光谱图像分类方法、装置、电子设备及存储介质,通过提取到的高光谱图像的像元建立对应的三阶局部空谱张量,利用类张量分解算法对该三阶局部空谱张量进行分解,得到像元光谱分量和像元空间分量,利用卷积网络分别对像元光谱分量和像元空间分量卷积,提取到对应的光谱特征矢量和空间特征矢量,并对光谱特征矢量和空间特征矢量进行级联,得到高光谱图像的空谱特征,基于空谱特征对高光谱图像进行分类。通过上述方法的实施,采用了类张量分解算法对高光谱图像进行了空间和光谱两个维度的特征分析,有效地去除了高光谱图像的像元中存在的冗余信息,提高了后续空谱特征提取的效率,从而提升了对高光谱图像的分类准确率。
-
-
公开(公告)号:CN111311633B
公开(公告)日:2023-04-28
申请号:CN202010063182.2
申请日:2020-01-20
申请人: 深圳大学
IPC分类号: G06T7/246
摘要: 本发明公开了一种抗遮挡的目标跟踪方法、装置及存储介质,目标跟踪方法包括:获取多帧目标跟踪图像以及其多种特征信息、核化相关滤波器和响应图;根据响应图的最大响应值与设定阈值的关系判定目标跟踪图像的目标遮挡状态;根据目标遮挡状态,对目标跟踪图像采用不同的目标跟踪策略;融合多种特征信息,提高识别准确度;将跟踪问题分为无遮挡状态、短期遮挡状态和长期遮挡状态,减轻了计算量和提高了图像处理效率,提高了目标跟踪的鲁棒性。
-
公开(公告)号:CN111429480B
公开(公告)日:2023-04-25
申请号:CN202010134215.8
申请日:2020-03-02
申请人: 深圳大学
IPC分类号: G06T7/246 , G06V10/46 , G06V10/762
摘要: 本发明公开了一种基于SIFT的目标跟踪方法及装置,通过采用SIFT方法确定初始目标图像与当前帧目标跟踪图像的全局图像相互对应的匹配点,经筛选后得到最终匹配点,由最终匹配点获得预测目标图像,并通过颜色匹配判断预测目标图像是否正确,从而实现长期遮挡状态下的目标跟踪;减少了目标跟踪的计算复杂度,提高了目标跟踪准确度和鲁棒性。
-
公开(公告)号:CN110347971B
公开(公告)日:2023-04-07
申请号:CN201910650468.8
申请日:2019-07-18
申请人: 深圳大学
摘要: 根据本发明实施例公开的基于TSK模糊模型的粒子滤波方法、装置及存储介质,基于TSK模糊模型构建粒子滤波的重要性密度函数;从重要性密度函数中抽取N个粒子,组成目标的粒子状态集;计算粒子状态集中粒子的权值,并对权值进行归一化;基于归一化后的权值以及粒子状态集,计算目标在k时刻的状态和协方差。通过本发明的实施,引入TSK模糊模型对目标的动态系统进行建模,构建有效的重要性密度函数,有效地提高了粒子采样的鲁棒性和多样性,增强了非线性非高斯环境下的目标跟踪性能。
-
公开(公告)号:CN108062349B
公开(公告)日:2022-03-08
申请号:CN201711055314.1
申请日:2017-10-31
申请人: 深圳大学
IPC分类号: G06F16/783 , G06F16/75 , G06K9/00 , H04N7/18
摘要: 本发明公开了一种基于视频结构化数据及深度学习的视频监控系统,包括:视频采集模块、前端智能分析模块、云端服务器以及监控平台;视频采集模块负责采集实时视频数据或已录制视频;智能分析模块对获取的视频数据进行结构化处理从而得到具有高度压缩性结构化信息;云端分析模块负责对结构化数据挖掘。实现方法包括:在前端导入针对实际监控数据集训练好的YOLOv2目标检测模型实现对指定的目标识别,并嵌入GPU模块对深度学习算法进行加速;利用结构化技术提取每一帧的结构化数据;将结构化数据传送到云端服务器利用机器学习算法挖掘更深层信息。本发明能够解决传统监控框架网络传输压力大、成本高以及后端处理耗时等问题,具有实际的应用价值。
-
公开(公告)号:CN108053427B
公开(公告)日:2021-12-14
申请号:CN201711063087.7
申请日:2017-10-31
申请人: 深圳大学
摘要: 本发明公开了一种基于KCF与Kalman的改进型多目标跟踪方法,该方法包括:利用GoogLeNet网络模型进行目标检测并提取出目标的特征向量;结合上一帧跟踪链中各目标对当前帧的预测位置与当前帧目标观测位置、重叠率以及特征向量空间距离建立一个关联矩阵,并利用匹配算法进行匹配;对直接匹配成功的跟踪链的跟踪框以及对应特征向量进行更新;对匹配失败的目标利用KCF跟踪器进行局部跟踪;将KCF的跟踪结果与Kalman跟踪的结果进行加权融合得到的位置进对其进行更新;预测跟踪链中各个目标下一帧位置。通过上述方式,本发明结合CNN网络提取特征向量与KCF局部跟踪提升了跟踪的效果,较好解决了目标遮挡、目标误检等问题。此外,本发明还提供了一种多目标跟踪系统以及装置。
-
公开(公告)号:CN108540802B
公开(公告)日:2021-12-03
申请号:CN201810268590.4
申请日:2018-03-29
申请人: 深圳大学
IPC分类号: H04N19/169 , H04N19/70 , H04N19/85 , G06K9/62
摘要: 本发明适用于图像处理技术领域,提供了高光谱图像的局部约束线性编码方法,包括:提取高光谱图像的待编码特征,得到特征集;根据特征集中的特征点,确定所述高光谱图像的词典;分别获取特征集的波段信息和词典中单词的波段信息;以特征点的波段信息和所述单词的波段信息作为判别约束项,计算所述高光谱图像的特征点与单词之间的欧氏距离,得到特征编码系数;根据所述特征编码系数对所述高光谱图像的特征进行编码。本发明实施例在利用高光谱图像局部特征和视觉单词的局部线性约束的同时,引入了高光谱图像的波段信息,并将其作为特征点到词典单词的映射的判别约束,从而降低了特征点与词典单词之间映射的模糊性,增强了对高光谱图像的表示能力。
-
公开(公告)号:CN110111367B
公开(公告)日:2021-07-16
申请号:CN201910374408.8
申请日:2019-05-07
申请人: 深圳大学
摘要: 本发明公开了一种用于目标跟踪的模型粒子滤波方法、装置、设备及存储介质,方法包括:构建跟踪目标对应的T‑S模糊模型;利用预置的强跟踪粒子滤波算法对所述T‑S模糊模型的后件参数进行辨识,得到状态更新值与状态协方差估计值;利用预置的模糊C回归聚类算法对所述T‑S模糊模型的前件参数隶属度函数进行辨识,得到前件参数隶属值;利用所述状态更新值、所述状态协方差估计值以及所述前件参数隶属值,对所述T‑S模糊模型进行更新。相较于现有技术,本发明跟踪性能更优,在被跟踪目标突然发生方向改变或目标的动态先验信息不精确等复杂情况时,仍能够有效地对目标进行精确跟踪。
-
公开(公告)号:CN107545582B
公开(公告)日:2021-02-05
申请号:CN201710535972.4
申请日:2017-07-04
申请人: 深圳大学
摘要: 本发明公开了一种基于模糊逻辑的视频多目标跟踪方法及装置,方法包括:对当前视频帧进行在线目标运动检测,检测得到的可能运动对象作为观测结果;对观测结果和目标的预测结果进行数据关联,其中预测结果是至少利用前一视频帧的目标的轨迹进行预测而得到的;对未被关联上的预测结果及观测结果进行轨迹管理,包括利用未被关联上预测结果获取终止轨迹片段以及利用未被关联上的观测结果获取新的轨迹片段,对终止轨迹片段及新的轨迹片段进行轨迹关联。通过上述方式,本发明能够有效提高多目标与观测之间的正确关联,大幅减少多目标跟踪中目标标签变化的数量,具有较强的鲁棒性和准确性。
-
-
-
-
-
-
-
-
-