本发明公开了一种背景建模的运动目标鬼影抑制方法，包括如下步骤：步骤1：提取ViBe算法所生成的分割二值图像mask和对应的视频帧frame以及frame的灰度图像gray，其中frame为RGB图像，gray为灰度图，mask、frame、gray的大小均为width×height；步骤2：分割frame，步骤3：抑制mask前景点，本发明的优点是：本发明能够在视频序列中背景不复杂的前提下，较好的克服ViBe算法的鬼影问题。
📄 2019105696252
📂 G06T7_215
👤 浙江工业大学
📅 2019-06-27
本发明公开了一种基于自动目标提取的全聚焦合成孔径成像方法，用于解决现有全聚焦合成孔径成像方法成像精度差的技术问题。技术方案是将全聚焦合成孔径成像，看作是聚焦目标和非聚焦平面的联合成像问题，通过非聚焦区域和聚焦目标的估计，利用目标提取方法最终将目标和估计的非聚焦区域自然镶嵌，实现无散焦模糊的全聚焦合成孔径成像，解决利用迭代计算可视像素点错误易于传递而导致精度差的技术问题。本发明充分利用多视角信息，将全聚焦合成孔径成像看作是聚焦目标和非聚焦平面的联合成像问题，通过非聚焦和聚焦目标的估计，利用目标提取技术最终将目标和背景自然镶嵌，实现了无散焦模糊的全聚焦合成孔径成像，成像精度高。
📄 2016100443136
📂 G06T7_215
👤 陕西师范大学
📅 2016-01-22
本发明公开了一种基于子空间投影的复杂场景运动小目标检测前跟踪方法，采取三维时空序列上的目标运动轨迹与杂波轨迹进行区分的过程，对其进行分阶段级联处理：首先对三维时空的图像序列进行子空间的二维平面投影，根据运动轨迹与一般杂波轨迹的在二维投影平面上的形态学差异，可排除大部分无规律性杂波点；接着对滤波后的候选轨迹区域进行局部区域的三维时空航迹回溯，筛选有效候选点迹并计算有效点迹的中心点；最后针对候选运动中的有效运动点迹，计算航迹连续性及规律性，删除干扰点迹，提取有效的目标运动轨迹。本发明对于密集动杂波干扰下的图像序列中的目标跟踪的快速性方面得到极大的提升。
📄 2020100999124
📂 G06T7_215
👤 杭州电子科技大学
📅 2020-02-18
本发明公开了一种基于低秩稀疏分解的运动目标检测方法，包括以下步骤：一是根据结构化分布的稀疏信号，构造具有重叠块结构的结构化稀疏诱导范数表达式；二是将上述的结构化稀疏诱导范数表达式扩展，得到应用于视频的最终结构化稀疏诱导范数表达式；三是将低秩稀疏分解算法中的稀疏部分S进一步分为动态背景E和前景运动目标F；四是结合上述结构化稀疏诱导范数表达式和稀疏部分的近一步划分，获得最终的低秩稀疏分解模型；五是对所获取的低秩稀疏分解模型求解，根据所求得解得到前景目标。本发明在前景目标检测上，特别是针对具有动态背景下的运动目标检测上，提取的前景目标无论是从视觉效果，还是从F‑measure值都优于其他模型提取的前景目标。
📄 2018110722765
📂 G06T7_215
👤 南京邮电大学
📅 2018-09-14
本发明公开了一种基于群稀疏鲁棒PCA的运动目标检测方法，属于图像信息处理技术领域，包括以下步骤：输入视频序列；运用过分割算法进行区域分割，生成多个同性区域，将其作为群稀疏约束的分组信息；设置相关参数，使用增广拉格朗日乘子法迭代求解；通过群稀疏约束估计运动目标矩阵；应用核范数约束估计背景矩阵；更新乘子和惩罚参数；判断收敛性，如果收敛则输出所得的背景和运动目标，否则继续迭代。本发明利用运动分布的连续性先验，建立群稀疏鲁棒PCA运动目标检测模型，运用群稀疏准则判别各同性区域是否为运动目标，能够更加准确地度量运动目标的区域边界，且对复杂的背景运动更加鲁棒，达到了运动目标鲁棒检测的目的。
📄 2014106593655
📂 G06T7_215
👤 南京信息工程大学
📅 2014-11-18
本发明公开了一种基于深度学习的单目视觉里程计位姿优化与误差修正方法，其包括获取图像数据，并计算对应的光流图像序列；采用固定步长滑动窗口对光流图片序列进行分割，得到若干分割后的输入序列数据，并利用编码器获得各输入序列数据的高维度运动特征；将高维度运动特征输入人工神经网络；利用位姿变换相似性计算模块对运动的时序关系和运动的局部上下文信息进行运动相似性建模，并利用注意力机制指导优化位姿特征，得到经过运动相似性提纯的运动特征；将运动相似性提纯后的运动特征输入位姿修正预测网络，实现位姿优化和误差修正。本发明充分挖掘和建模了图像运动数据中的时序关系和连续运动的相似性，提高了鲁棒性。
📄 2021112212716
📂 G06T7_215
👤 电子科技大学
📅 2021-10-20
本公开涉及一种图像处理方法及装置、电子设备和存储介质。所述方法包括：对第一图像和第二图像分别进行色块分割，得到所述第一图像对应的第一色块分割结果和所述第二图像对应的第二色块分割结果，其中，对于所述第一色块分割结果和所述第二色块分割结果中的任意一个色块，所述色块中的任意两个像素的像素值的差值的绝对值小于或等于第一预设阈值；对所述第一色块分割结果中的色块与所述第二色块分割结果中的色块进行匹配，得到所述第一色块分割结果与所述第二色块分割结果之间的色块匹配结果；根据所述色块匹配结果，确定所述第一图像与所述第二图像之间的第一光流。
📄 2021102768449
📂 G06T7_215
👤 深圳市慧鲤科技有限公司
📅 2021-03-15
本申请公开了一种基于深度学习的运动目标分割方法、系统、设备及介质，本方法通过采用特征提取网络模型提取预处理后的第一输入图片和第二输入图片中的特征，并将特征提取网络模型中的若干网络层输出的特征作为特征向量集，得到第一特征向量集和第二特征向量集；构建第一特征金字塔和第二特征金字塔，并基于第一特征金字塔和第二特征金字塔估计光流，得到光流结果；将第二特征向量集中最后提取的特征向量进行多尺度的深层次特征提取，得到深层次特征向量集；将深层次特征向量集与光流结果进行不同尺度的特征融合，得到多个融合特征；根据多个融合特征，采用分割头进行运动目标分割，得到运动目标分割结果。本申请能够提高运动目标分割的准确度。
📄 2024108136287
📂 G06T7_215
👤 中南大学
📅 2024-06-24
本发明公开了一种基于DeepLabv3+_SLAM的动态对象检测方法，该方法包括步骤：S1，对采集的图像序列进行关键帧的筛选；S2，利用DeepLabv3+算法结合上下文信息分割出潜在的先验动态对象；S3，采用多视图几何的方法，依据相邻关键帧检测图像中物体的运动状态信息，判断其是否为动态对象；S4，利用新蚁群策略，通过最优路径找到所有的动态特征点所在组，避免遍历所有特征点；S5，融合物体的先验信息和运动状态信息检测其是否为动态对象并进行剔除。通过在公共数据集PASCAL VOC2012和TUM上分别进行实验，并与近几年的相关文献相比，结果均表明该发明能够有效检测到环境中的动态对象，减少其对系统的影响。
📄 2021108049571
📂 G06T7_215
👤 重庆邮电大学
📅 2021-07-16
本发明涉及一种新型的运动分割模型数量检测方法。包括：步骤S1、准备数据集：步骤S2、构造关联矩阵：根据步骤S1获得的运动轨迹，采用稀疏最优规划策略计算稀疏特征，并根据稀疏特征构造关联矩阵；步骤S3、计算每个运动轨迹的权重；步骤S4、构造决策图：基于步骤S2构造的关联矩阵及步骤S3得到的运动轨迹的权重，计算每个运动轨迹的决策分数，构造决策图；步骤S5、检测运动分割的模型数量：通过统计所有运动轨迹的决策分数来检测运动分割的模型数量。本发明显著提升了检测准确率。
📄 2019104603034
📂 G06T7_215
👤 合肥九州龙腾科技成果转化有限公司
📅 2019-05-30
柿子坊 · 知识产权运营
柿子坊知识产权运营平台