-
公开(公告)号：CN114881946B
公开(公告)日：2025-05-02
申请号：CN202210442194.5
申请日：2022-04-25
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T7/00 , G06T7/11 , G06T7/246 , G06T7/70 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06V10/74 , G06V10/75 , G06V10/82
Abstract: 本发明公开了一种基于ADS‑B信息与时空匹配的航空器虚拟挂牌方法，通过时空匹配模块对检测结果进行优化，提高算法在机场全景场面中的遮挡、间歇出入、运动姿态变化等情况下的检测效果，改善机场全景场面下航空器的挂牌标识精度；结合跟踪器对初始检测目标进行持续的优化检测跟踪，在定位信息出现延时或消失等问题时，提高算法在航空器检测标识的可靠性，并改善多目标重合时的ID频繁交换导致挂牌标识不准确的现象；对航空器状态进行高效的更新与判断，并使用状态衰减函数表示航空器的有效状态，结合多目标跟踪器与匹配策略，解决某些情况下航空器消失或状态变化时的挂牌标识问题，最终可以在保证实时性的同时，稳定对全景场面监控下多航空器的持续有效挂牌标识。
-
公开(公告)号：CN119762982A
公开(公告)日：2025-04-04
申请号：CN202411814831.2
申请日：2024-12-11
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V20/13 , G06V10/82 , G06V10/80 , G06V10/25 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开一种基于“卫星定位+图像数据”的机场场面活动目标监视方法，应用于目标监视领域，针对现有目标检测算法在机场场面目标检测中，存在的检测正确率低的问题；本发明通过对卫星定位数据和图像数据进行预处理，利用神经网络将不同源的数据进行特征对齐、交互、融合，并在融合后的特征上进行目标检测；卫星定位数据提供了目标的精确定位信息，而图像数据则提供了丰富的视觉上下文；通过结合卫星定位数据和图像数据，能够充分利用两者的互补优势，提高目标检测的精度和鲁棒性；本发明所提供的这种多模态融合的方法不仅能够有效应对机场场面中的复杂环境，还能在各种光照和天气条件下保持良好的性能。此外，本发明的方法还能够提高对遮挡目标的检测能力。
-
公开(公告)号：CN113486716B
公开(公告)日：2022-06-14
申请号：CN202110627376.5
申请日：2021-06-04
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种机场场面目标分割方法及其系统，所述机场场面目标分割方法包括：S1：对机场场面监控图像进行多尺度特征提取；S2：根据所述多尺度特征和卷积层，得到位置空间注意力模型图；S3：对所述空间注意力模型图进行解码操作，得到机场场面监控图像分割结果；S4：将所述机场场面监控图像分割结果与所述机场场面监控图像进行对比，得到对比结果；S5：根据所述对比结果进行损失计算，并在所述损失计算结果中挑选出最优结果；S6：根据所述最优结果进行机场场面目标分割。本发明所提供的机场场面目标分割方法及其系统，能够解决现有的机场场面设计较为缓慢的问题。
-
公开(公告)号：CN113486716A
公开(公告)日：2021-10-08
申请号：CN202110627376.5
申请日：2021-06-04
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种机场场面目标分割方法及其系统，所述机场场面目标分割方法包括：S1：对机场场面监控图像进行多尺度特征提取；S2：根据所述多尺度特征和卷积层，得到位置空间注意力模型图；S3：对所述空间注意力模型图进行解码操作，得到机场场面监控图像分割结果；S4：将所述机场场面监控图像分割结果与所述机场场面监控图像进行对比，得到对比结果；S5：根据所述对比结果进行损失计算，并在所述损失计算结果中挑选出最优结果；S6：根据所述最优结果进行机场场面目标分割。本发明所提供的机场场面目标分割方法及其系统，能够解决现有的机场场面设计较为缓慢的问题。
-
公开(公告)号：CN119888228A
公开(公告)日：2025-04-25
申请号：CN202411968358.3
申请日：2024-12-30
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V10/26 , G06V10/774 , G06V20/10 , G06V20/54 , G06V10/82
Abstract: 本发明公开了一种基于去耦合的弱监督机场图像语义分割方法，通过构建一个弱监督语义分割模型，利用弱监督语义分割方法收集机场各个类别的实例图，将训练图像进行解耦操作，生成新的训练图像和机场伪标签，再训练基于机场的辅助学习任务以及监督训练图像分类主任务，生成效果更好的新的机场伪标签，最后训练弱监督语义分割模型，并对其进行完全监督，获得最终的分割结果。本发明的方法增强了系统在机场环境下的鲁棒性。在机场中，能够有效应对机场这一特殊环境，显著提升飞行器和地面设备的监控效率，在自动驾驶、无人机监管和智能交通等领域具有广阔的应用前景，为机场的智能化和自动化运营提供了重要支持。
-
Patent Agency Ranking
公开(公告)号：CN114926779A
公开(公告)日：2022-08-19
申请号：CN202210443714.4
申请日：2022-04-25
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V20/52 , G06V10/44 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/246 , G06T7/66 , G06T7/73
Abstract: 本发明公开了一种基于深度学习的端到端的飞行器检测与跟踪方法，提出一个基于深度学习的多尺度自适应联合框架来同时完成目标检测和外观特征的提取，位置预测三个任务。建立三个子分支，分别对飞行器的外观，飞行器的位置大小以及不同飞行器外观间的差异性进行学习，通过对类内与类间外观的学习，不仅能加强弱环境下飞行器的检测能力与飞行器之间的区别能力，有效提升多飞行器跟踪的精度与效率。
-
公开(公告)号：CN119941789A
公开(公告)日：2025-05-06
申请号：CN202411981440.X
申请日：2024-12-31
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T7/246 , G06T7/50 , G06T7/277 , G06T7/70 , G06N3/0464
Abstract: 本发明公开了一种基于三维深度信息解耦的多目标跟踪方法，首先构建一个基于三维深度信息解耦的多目标跟踪模型并进行训练，然后对二维目标检测框聚类完成对于密集遮挡的检测，然后通过自监督深度估计方法获取目标三维深度信息，利用深度信息对密集遮挡进行解耦，完成基于空间信息的多目标跟踪。本发明的方法不需要解决密集遮挡导致目标外观特征信息提取不准确的问题，提出基于深度信息的MOT仅仅使用IOU匹配来实现关联，通过深度信息的优势来解决遮挡问题，不需要外观特征，提出基于三维深度估计的算法，基于深度信息的差异对密集遮挡目标实现分级解耦，在不同的层级内进行数据关联，不同层级的目标不能相互影响，得到鲁棒的多目标跟踪效果。
-
公开(公告)号：CN118674865A
公开(公告)日：2024-09-20
申请号：CN202410724479.7
申请日：2024-06-05
Applicant: 电子科技大学长三角研究院(衢州)
Abstract: 本发明公开了一种基于空时自适应聚合架构的室内场景重建方法,首先将不同视角下的多尺度信息放在一起，使得其在空间上是一致的。即空间域下的多尺度编码。接着，本发明采用一个多层感知机，将每个视角下的空间域多尺度信息到编码到特征域上。在特征域中，本发明采用积分网络进行视图聚合。从而将离散的空间视图信息聚合到特征体中。采用一个滑动窗口动态的聚合时间视图信息。在聚合完成后通过一个MLP网络回归最终的三维模型截断符号函数TSDF表达。本专利通过将离散的特征连续化，并用积分神经网络进行学习和推理聚合函数，这样能够大大提升系统的鲁棒性。
-
公开(公告)号：CN118628716A
公开(公告)日：2024-09-10
申请号：CN202410726539.9
申请日：2024-06-06
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V10/25 , G06V20/64 , G06V10/26 , G06V20/70 , G06V10/42 , G06V10/44 , G06V10/56 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种基于部分补全的三维多模态目标检测方法，属于三维目标检测技术领域，包括以下步骤：将点云输入到点云检测网络中进行检测，得到预选框和原始点云特征；将彩色图像与点云输入至伪点云检测网络中进行部分补全，得到伪点云，通过预选框对伪点云进行切割，并对切割后的伪点云进行特征提取，得到伪点云特征；将原始点云特征和伪点云特征通过特征融合与级联网络进行特征融合与特征提取，得到每一级目标检测特征，并对每一级目标检测特征进行投票，得到三维多模态目标检测结果。本发明解决了现有技术不能实现有效融合点云数据和图像数据的同时保持高效，不能在保持补全质量的同时减少对计算资源的消耗的问题。
-
公开(公告)号：CN114821441A
公开(公告)日：2022-07-29
申请号：CN202210524626.7
申请日：2022-05-13
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06V20/40 , G06V20/52 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/25 , G06V10/28 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/246
Abstract: 本发明公开了一种联合ADS‑B信息的基于深度学习的机场场面运动目标识别方法，方法结合了变化检测运动静止判断的思想和目标检测中特征提取以及分类、回归模块，同时对变化检测算法中基于时间直方图的背景建模方法进行改进，以获得更精确的背景图像；采用航空器已有的ADS‑B技术进行辅助训练，增强特征提取能力，改善检测结果。综合变化检测算法和目标检测算法的思想和优点。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.033 seconds)
