-
公开(公告)号：CN109784155A
公开(公告)日：2019-05-21
申请号：CN201811504853.3
申请日：2018-12-10
Applicant: 西安电子科技大学
Abstract: 本发明属于数字图像处理技术领域，公开了一种基于验证和纠错机制的视觉目标跟踪方法、智能机器人；对输入的视频序列进行预处理操作；将预处理后的视频序列输入到CF Tracker模块中获得一个初始的BB；然后将该BB输入到Verification模块中验证当前的BB是否准确；接着将不满足条件的BB输入到Error Correction模块中获得一个更加准确的BB；最后重复执行以上的操作直到整个视频序列结束为止。本发明提升速度的同时提升精度，可以应用到多个实时应用中；可以很好的处理目标遮挡、目标重出现、目标快速运动等多个视觉挑战；简单高效的Error Correction模块可以集成到任意跟踪算法中。
-
公开(公告)号：CN106960451B
公开(公告)日：2019-12-31
申请号：CN201710145106.4
申请日：2017-03-13
Applicant: 西安电子科技大学 , 上海航天测控通信研究所
Abstract: 本发明属于计算机视觉技术领域，公开了一种提升图像弱纹理区域特征点数量的方法，对一幅图像进行细节提取，得到一幅图像的细节纹理图；对原图构建高斯差分金字塔，同时检测角点；细节提取和高斯差分金字塔并行计算，对细节图进行角点提取，最终合并成特征点集合；对提取出来的特征点，在其相应的图像上生成具有旋转不变性的二进制描述符；然后对两幅图像的描述符进行匹配和过滤，得到正确的匹配点集合。本发明使用二进制算子，仅需要简单的求和与比较运算便可生成描述向量。同时，本发明使用了角点检测和空间极值点检测两种方法并行计算，大大提高了特征点的稳定性，并且各个计算步骤耦合低，并行度高，非常适合硬件实现。
-
公开(公告)号：CN106960451A
公开(公告)日：2017-07-18
申请号：CN201710145106.4
申请日：2017-03-13
Applicant: 西安电子科技大学 , 上海航天测控通信研究所
Abstract: 本发明属于计算机视觉技术领域，公开了一种提升图像弱纹理区域特征点数量的方法，对一幅图像进行细节提取，得到一幅图像的细节纹理图；对原图构建高斯差分金字塔，同时检测角点；细节提取和高斯差分金字塔并行计算，对细节图进行角点提取，最终合并成特征点集合；对提取出来的特征点，在其相应的图像上生成具有旋转不变性的二进制描述符；然后对两幅图像的描述符进行匹配和过滤，得到正确的匹配点集合。本发明使用二进制算子，仅需要简单的求和与比较运算便可生成描述向量。同时，本发明使用了角点检测和空间极值点检测两种方法并行计算，大大提高了特征点的稳定性，并且各个计算步骤耦合低，并行度高，非常适合硬件实现。
-
公开(公告)号：CN109784155B
公开(公告)日：2022-04-29
申请号：CN201811504853.3
申请日：2018-12-10
Applicant: 西安电子科技大学
Abstract: 本发明属于数字图像处理技术领域，公开了一种基于验证和纠错机制的视觉目标跟踪方法、智能机器人；对输入的视频序列进行预处理操作；将预处理后的视频序列输入到CF Tracker模块中获得一个初始的BB；然后将该BB输入到Verification模块中验证当前的BB是否准确；接着将不满足条件的BB输入到Error Correction模块中获得一个更加准确的BB；最后重复执行以上的操作直到整个视频序列结束为止。本发明提升速度的同时提升精度，可以应用到多个实时应用中；可以很好的处理目标遮挡、目标重出现、目标快速运动等多个视觉挑战；简单高效的Error Correction模块可以集成到任意跟踪算法中。
-
-
-
Search Results
4
records
(took 0.022 seconds)
