CN106485733A - 一种在红外图像中跟踪感兴趣目标的方法 - Google Patents

一种在红外图像中跟踪感兴趣目标的方法 Download PDF

Info

Publication number
CN106485733A
CN106485733A CN201610839752.6A CN201610839752A CN106485733A CN 106485733 A CN106485733 A CN 106485733A CN 201610839752 A CN201610839752 A CN 201610839752A CN 106485733 A CN106485733 A CN 106485733A
Authority
CN
China
Prior art keywords
rectangular histogram
direction rectangular
vertical direction
horizontal direction
interesting target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610839752.6A
Other languages
English (en)
Inventor
周云
杨皓然
候森林
蒋伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Electronic Science and Technology of China
Original Assignee
University of Electronic Science and Technology of China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Electronic Science and Technology of China filed Critical University of Electronic Science and Technology of China
Priority to CN201610839752.6A priority Critical patent/CN106485733A/zh
Publication of CN106485733A publication Critical patent/CN106485733A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10048—Infrared image

Landscapes

  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明实施例公开了一种在红外图像中跟踪感兴趣目标的方法。该方法在第一帧红外图像中根据接收的用户输入确定感兴趣目标区域，并计算感兴趣目标区域的水平方向直方图和垂直方向直方图，以这两个方向直方图进行直方图匹配从而在其余红外图像中搜索与其最匹配的区域作为感兴趣目标的区域。该方法使用了水平和垂直两个方向的直方图进行匹配，对感兴趣目标具有高效、实时且精准的跟踪能力，运算效率高，稳定性好。

Description

一种在红外图像中跟踪感兴趣目标的方法
技术领域
本发明涉及红外图像处理领域，尤其是涉及一种在红外图像中跟踪感兴趣目标的方法。
背景技术
红外图像目标跟踪技术是目前应用越来越广泛，高实时性和高精准度的红外目标跟踪扮演着越来越重要的角色。但是，在复杂的自然背景和干扰条件下，对红外目标进行精确跟踪十分困难。
发明内容
本发明的目的之一是提供一种在红外图像中跟踪感兴趣目标的方法，其对于感兴趣目标有着较好的精确跟踪，运算效率高，实时性好。
本发明的一些实施例中，提供了一种在红外图像中跟踪感兴趣目标的方法。该方法包括：获取第一帧红外图像；根据接收的用户输入而在第一帧红外图像中确定感兴趣目标区域；计算感兴趣目标区域的水平方向直方图和垂直方向直方图，以水平方向直方图作为水平方向直方图模板，以垂直方向直方图作为垂直方向直方图模板；获取第二帧红外图像，并在第二帧红外图像中确定多个候选区域；计算每个候选区域的水平方向直方图和垂直方向直方图；将水平方向直方图模板和垂直方向直方图模板与每个候选区域的水平方向直方图和垂直方向直方图进行直方图相关匹配，找出其水平方向直方图和垂直方向直方图与水平方向直方图模板和垂直方向直方图模板最佳匹配的最佳匹配候选区域；输出最佳匹配候选区域作为感兴趣目标在第二帧红外图像中的区域。
本发明的一些实施例中，根据接收的用户输入而在第一帧红外图像中确定感兴趣目标区域包括：接收用户的输入，根据用户的输入在第一帧红外图像中确定初始感兴趣目标区域；使用大津法对初始感兴趣目标区域进行二值化分割，获得二值化标记模板；将第一帧红外图像中与二值化标记模板中像素值为1的像素点相对应的像素点构成的集合确定为感兴趣目标区域。
本发明的一些实施例中，在使用大津法对初始感兴趣目标区域进行二值化分割获得二值化标记模板的步骤中还包括：对二值化分割后的感兴趣目标区域进行形态学处理。
本发明的一些实施例中，计算感兴趣目标区域的水平方向直方图和垂直方向直方图包括：计算感兴趣目标区域每一行的灰度直方图，获得水平方向直方图；计算感兴趣目标区域每一列的灰度直方图，获得垂直方向直方图。
本发明的一些实施例中，在计算感兴趣目标区域的水平方向直方图和垂直方向直方图的步骤中，在计算每一行的灰度直方图和每一列的灰度直方图之前还包括：对感兴趣目标区域进行加权处理。
本发明的一些实施例中，该加权处理包括：使用二维汉明窗对感兴趣目标区域进行加权处理。
本发明的一些实施例中，在第二帧红外图像中确定多个候选区域包括：根据第一帧红外图像中的感兴趣目标区域在第二帧红外图像中确定多个候选区域。
本发明的一些实施例中，在第二帧红外图像中确定多个候选区域包括：根据二值化标记模板在第二帧红外图像中确定多个候选区域。
本发明的一些实施例中，将水平方向直方图模板和垂直方向直方图模板与每个候选区域的水平方向直方图和垂直方向直方图进行直方图相关匹配包括：对水平方向直方图模板和每个候选区域的水平方向直方图进行归一化相关匹配，获得多个水平方向匹配值；对垂直方向直方图模板和每个候选区域的垂直方向直方图进行归一化相关匹配，获得多个垂直方向匹配值；根据多个水平方向匹配值和多个垂直方向匹配值确定最佳匹配候选区域。
本发明的一些实施例中，还包括：更新水平方向直方图模板和垂直方向直方图模板，以最佳匹配候选区域的水平方向直方图作为水平方向直方图模板，以最佳匹配候选区域的垂直方向直方图作为垂直方向直方图模板。
在本发明的实施例的方法中，采用了Otsu阈值化的方法，提取出真正的感兴趣目标模板，再进行加权后进行水平和垂直方向的直方图统计，进行目标和候选区域的直方图的归一化相关系数的匹配，从而找出最佳匹配的位置。该方法使用了水平和垂直两个方向的直方图进行匹配，对感兴趣目标具有高效、实时且精准的跟踪能力，运算效率高，稳定性好。
附图说明
图1是本发明一个实施例的在红外图像中跟踪感兴趣目标的方法的流程示意图。
具体实施方式
下面将结合附图详细说明本发明的实施例的在红外图像中跟踪感兴趣目标的方法的具体步骤。
图1为本发明一些实施例的在红外图像中跟踪感兴趣目标的方法的流程示意图。
如图1所示，一些实施例中，在步骤10，可以首先获取一系列红外图像中的第一帧图像。该第一帧图像可以是从预先存储的红外图像中读入，也可以是用红外成像系统实时获得。
获得了第一帧红外图像后，用户可以通过人机交互设备在该第一帧红外图像上标记出感兴趣目标(例如，用户可以通过输入设备在第一帧红外图像上描记出感兴趣目标的轮廓，等等)，红外成像系统则可以根据接收的用户输入而在第一帧红外图像中确定感兴趣目标区域。
例如，一些实施例中，红外成像系统可以接收用户的输入，并根据用户的输入在第一帧红外图像中确定初始感兴趣目标区域。然后，可以使用大津法(Otsu法)对该初始感兴趣目标区域进行二值化分割，从而获得二值化标记模板。容易理解，该二值化标记模板的像素点的像素值为0或者1。获得了二值化标记模板之后，可以将第一帧红外图像中与该二值化标记模板中像素值为1的像素点相对应的像素点构成的集合确定为感兴趣目标区域。这里，像素点“相对应”可以指像素点的位置相同。如前文所述，二值化标记模板由第一帧红外图像中的初始感兴趣目标区域经过二值化分割之后获得的，因此，容易理解，二值化标记模板中的每个像素点在第一帧红外图像中有一个相对应的像素点。
一些实施例中，在使用大津法对初始感兴趣目标区域进行二值化分割获得二值化标记模板的步骤中还可以包括对二值化分割后的感兴趣目标区域进行形态学处理，例如形态学腐蚀、形态学膨胀等等，以进行形态学处理后结果作为二值化标记模板。
大津法是一种最大类间方差法，这里对该方法简单介绍。
根据大津法，图像的灰度数按灰度级先估计一个初始阈值T分成2个部分，使得两个部分之间的灰度值差异最大，每个部分之间的灰度差异最小，通过方差的计算来寻找一个合适的灰度级别来划分。方差公式可以如下：
g＝w0×(u0-u)2+w1×(u1-u)2 (1)
其中，w0为大于阈值T的前景像素点数占全图总像素数的比例；u0为前景像素点的平均灰度；w1为小于阈值T的背景像素点数占全图总像素数的比例；u1为背景像素点的平均灰度；u为图像总像素的平均灰度；g为方差值，u可以由下面公式得出：
u＝w0×u0+w1×u1
上面(1)式通过对L个灰度级遍历阈值T，使得T为某个值时，前景和背景的方差最大，则这个T是我们要的最佳二值化阈值。然后，用该最佳二值化阈值对图像进行分割，分割后的前景像素值标记为1，背景像素值标记为0。
本发明的实施例中，使用大津法对初始感兴趣目标区域进行二值化分割可以参考上述步骤进行。
计算所述感兴趣目标区域的水平方向直方图和垂直方向直方图，以所述水平方向直方图作为水平方向直方图模板，以所述垂直方向直方图作为垂直方向直方图模板
然后，在步骤12中，可以计算步骤10中确定的第一帧红外图像中的感兴趣目标区域的水平方向直方图和垂直方向直方图，并且以此作为直方图模板，即，以该感兴趣目标区域的水平方向直方图作为水平方向直方图模板，以该感兴趣目标区域的垂直方向直方图作为垂直方向直方图模板。
例如，一些实施例中，可以计算第一帧红外图像中的感兴趣目标区域的每一行的灰度直方图，从而获得水平方向直方图，并且计算第一帧红外图像中的感兴趣目标区域的每一列的灰度直方图，从而获得垂直方向直方图。
在一些实施例中，在步骤12中，在计算每一行的灰度直方图和每一列的灰度直方图之前，还可以包括对感兴趣目标区域进行加权处理的步骤，使用适合的加权函数对感兴趣目标区域进行加权处理。相应地，在后续计算灰度直方图时，计算加权处理后的感兴趣目标区域的每一行的灰度直方图和每一列的灰度直方图，以分别获得水平方向直方图和垂直方向直方图。
进行加权处理时，可以使用任何适合的加权函数进行。例如，一些实施例中，可以使用二维汉明窗对感兴趣目标区域进行加权处理。
例如，二维汉明窗权值公式可以如下：
G(x,y)＝(0.54-0.46cos(2×π×x/W))(0.54-0.46cos(2×π×y/H))
其中,x,y分别为二维汉明窗权值模板的横纵坐标，坐标原点位于模板中心点，与感兴趣目标区域中心点对应，H,W分别为模板的高和宽。
获得了水平方向直方图模板和垂直方向直方图模板之后，在步骤14中，可以获取第二帧红外图像，并且在该第二帧红外图像中确定多个候选区域。第二帧红外图像可以是从存储器中读入而获得，也可以是用红外成像系统实时采集获得。
一些实施例中，第二帧红外图像中的该多个候选区域可以根据第一帧红外图像中的感兴趣目标区域确定。例如，可以在第二帧红外图像中选择与第一帧红外图像中的感兴趣目标区域的大小和形状相同或者相似的多个区域作为候选区域。
另一些实施例中，第二帧红外图像中的该多个候选区域可以根据前述的二值化标记模板确定。例如，可以在第二帧红外图像中选择与前述的二值化标记模板的大小和形状相同或者相似的多个区域作为候选区域。
在步骤16中，可以计算每个候选区域的水平方向直方图和垂直方向直方图。例如，对于每个候选区域，计算其每一行的灰度直方图，获得该候选区域的水平方向直方图，计算其每一列的灰度直方图，获得该候选区域的垂直方向直方图。
附图1和前文的描述中，步骤14和步骤16分别进行了说明。但是，本发明的实施例中，步骤14和步骤16并不限制为其必定分别执行，相反，其可以相互交叉进行。例如，一些实施例中，候选区域可以遍历第二帧图像中的每个像素点依次选择并依次分别计算选择的每个候选区域的水平方向直方图和垂直方向直方图。
然后，在步骤18中，可以将前述的水平方向直方图模板和垂直方向直方图模板与每个候选区域的水平方向直方图和垂直方向直方图进行直方图相关匹配，找出其水平方向直方图和垂直方向直方图与该水平方向直方图模板和垂直方向直方图模板最佳匹配的候选区域，该候选区域作为最佳匹配候选区域。
例如，一些实施例中，可以对前述的水平方向直方图模板和每个候选区域的水平方向直方图进行归一化相关匹配，获得多个水平方向匹配值；并且对前述的垂直方向直方图模板和每个候选区域的垂直方向直方图进行归一化相关匹配，获得多个垂直方向匹配值；然后根据获得的多个水平方向匹配值和多个垂直方向匹配值确定最佳匹配候选区域。
例如，前述的归一化相关匹配的公式可以如下：
其中T(m)为方向直方图模板，Si,j(m)为行、列坐标位置分别在i、j的侯选区域的方向直方图，M为直方图的总长度。用上式可以分别计算得水平方向和垂直方向的匹配值，根据这些匹配值即可匹配出最佳匹配的候选区域。
获得了最佳匹配候选区域之后，在步骤18中，即可以认为该最佳匹配候选区域即为感兴趣目标在第二帧图像上的区域，可以将该区域作为感兴趣目标的跟踪结果输出。
本发明的一些实施例中，在获得了最佳匹配候选区域之后，还可以用该最佳匹配候选区域的水平方向直方图和垂直方向直方图更新前述的水平方向直方图模板和垂直方向直方图模板，即以最佳匹配候选区域的水平方向直方图作为新的水平方向直方图模板，以最佳匹配候选区域的垂直方向直方图作为新的垂直方向直方图模板。
通过前述的步骤，即可在第二帧红外图像中跟踪到了感兴趣目标，找到了感兴趣目标在第二帧红外图像中的位置。然后，可以读入第三帧红外图像，按照前述第二帧红外图像类似的步骤进行处理，并类似地更新水平方向直方图模板和垂直方向直方图模板，以此类推，直到最后一帧红外图像也处理完毕。这样，即完成了在该一系列红外图像帧中对感兴趣目标的跟踪。
在本发明的实施例的方法中，采用了Otsu阈值化的方法，提取出真正的感兴趣目标模板，再进行加权后进行水平和垂直方向的直方图统计，进行目标和候选区域的直方图的归一化相关系数的匹配，从而找出最佳匹配的位置。该方法使用了水平和垂直两个方向的直方图进行匹配，对感兴趣目标具有高效、实时且精准的跟踪能力，运算效率高，稳定性好。
以上通过具体的实施例对本发明进行了说明，但本发明并不限于这些具体的实施例。本领域技术人员应该明白，还可以对本发明做各种修改、等同替换、变化等等，这些变换只要未背离本发明的精神，都应在本发明的保护范围之内。此外，以上多处所述的“一个实施例”表示不同的实施例，当然也可以将其全部或部分结合在一个实施例中。

Claims (10)

1.一种在红外图像中跟踪感兴趣目标的方法，其特征在于，包括：
获取第一帧红外图像；
根据接收的用户输入而在所述第一帧红外图像中确定感兴趣目标区域；
计算所述感兴趣目标区域的水平方向直方图和垂直方向直方图，以所述水平方向直方图作为水平方向直方图模板，以所述垂直方向直方图作为垂直方向直方图模板；
获取第二帧红外图像，并在所述第二帧红外图像中确定多个候选区域；
计算每个候选区域的水平方向直方图和垂直方向直方图；
将所述水平方向直方图模板和所述垂直方向直方图模板与每个候选区域的水平方向直方图和垂直方向直方图进行直方图相关匹配，找出其水平方向直方图和垂直方向直方图与所述水平方向直方图模板和所述垂直方向直方图模板最佳匹配的最佳匹配候选区域；
输出所述最佳匹配候选区域作为感兴趣目标在第二帧红外图像中的区域。
2.如权利要求1所述的方法，其特征在于，根据接收的用户输入而在所述第一帧红外图像中确定感兴趣目标区域包括：
接收用户的输入，根据用户的输入在所述第一帧红外图像中确定初始感兴趣目标区域；
使用大津法对所述初始感兴趣目标区域进行二值化分割，获得二值化标记模板；
将所述第一帧红外图像中与所述二值化标记模板中像素值为1的像素点相对应的像素点构成的集合确定为所述感兴趣目标区域。
3.如权利要求3所述的方法，其特征在于，在使用大津法对所述初始感兴趣目标区域进行二值化分割获得二值化标记模板的步骤中还包括：对二值化分割后的感兴趣目标区域进行形态学处理。
4.如权利要求1至3中任意一项所述的方法，其特征在于，计算所述感兴趣目标区域的水平方向直方图和垂直方向直方图包括：
计算感兴趣目标区域每一行的灰度直方图，获得所述水平方向直方图；
计算感兴趣目标区域每一列的灰度直方图，获得所述垂直方向直方图。
5.如权利要求4所述的方法，其特征在于，在计算所述感兴趣目标区域的水平方向直方图和垂直方向直方图的步骤中，在计算每一行的灰度直方图和每一列的灰度直方图之前还包括：对所述感兴趣目标区域进行加权处理。
6.如权利要求5所述的方法，其特征在于，所述加权处理包括：使用二维汉明窗对所述感兴趣目标区域进行加权处理。
7.如权利要求1所述的方法，其特征在于，在所述第二帧红外图像中确定多个候选区域包括：根据第一帧红外图像中的所述感兴趣目标区域在所述第二帧红外图像中确定多个候选区域。
8.如权利要求2所述的方法，其特征在于，在所述第二帧红外图像中确定多个候选区域包括：根据所述二值化标记模板在所述第二帧红外图像中确定多个候选区域。
9.如权利要求1所述的方法，其特征在于，将所述水平方向直方图模板和所述垂直方向直方图模板与每个候选区域的水平方向直方图和垂直方向直方图进行直方图相关匹配包括：
对所述水平方向直方图模板和每个候选区域的水平方向直方图进行归一化相关匹配，获得多个水平方向匹配值；
对所述垂直方向直方图模板和每个候选区域的垂直方向直方图进行归一化相关匹配，获得多个垂直方向匹配值；
根据所述多个水平方向匹配值和所述多个垂直方向匹配值确定最佳匹配候选区域。
10.如权利要求1至9中任意一项所述的方法，其特征在于，还包括：更新所述水平方向直方图模板和所述垂直方向直方图模板，以所述最佳匹配候选区域的水平方向直方图作为水平方向直方图模板，以所述最佳匹配候选区域的垂直方向直方图作为垂直方向直方图模板。
CN201610839752.6A 2016-09-22 2016-09-22 一种在红外图像中跟踪感兴趣目标的方法 Pending CN106485733A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610839752.6A CN106485733A (zh) 2016-09-22 2016-09-22 一种在红外图像中跟踪感兴趣目标的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610839752.6A CN106485733A (zh) 2016-09-22 2016-09-22 一种在红外图像中跟踪感兴趣目标的方法

Publications (1)

Publication Number Publication Date
CN106485733A true CN106485733A (zh) 2017-03-08

Family

ID=58267562

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610839752.6A Pending CN106485733A (zh) 2016-09-22 2016-09-22 一种在红外图像中跟踪感兴趣目标的方法

Country Status (1)

Country Link
CN (1) CN106485733A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107093186A (zh) * 2017-03-10 2017-08-25 北京环境特性研究所 基于边缘投影匹配的剧烈运动检测方法
CN109671090A (zh) * 2018-11-12 2019-04-23 深圳佑驾创新科技有限公司 基于远红外线的图像处理方法、装置、设备和存储介质
CN110913205A (zh) * 2019-11-27 2020-03-24 腾讯科技（深圳）有限公司 视频特效的校验方法及装置
CN115229899A (zh) * 2022-07-13 2022-10-25 潮州三环（集团）股份有限公司 巴块切割控制方法、装置及巴块切割系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6226388B1 (en) * 1999-01-05 2001-05-01 Sharp Labs Of America, Inc. Method and apparatus for object tracking for automatic controls in video devices
CN101369346A (zh) * 2007-08-13 2009-02-18 北京航空航天大学 一种视频运动目标自适应窗口的跟踪方法
CN102214359A (zh) * 2010-04-07 2011-10-12 北京智安邦科技有限公司 基于层级式特征匹配的目标跟踪装置及方法
CN103065325A (zh) * 2012-12-20 2013-04-24 中国科学院上海微系统与信息技术研究所 一种基于彩色颜色距离和图像分科聚合的目标跟踪方法
CN105139417A (zh) * 2015-07-27 2015-12-09 河海大学 视频监控下的多目标实时跟踪方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6226388B1 (en) * 1999-01-05 2001-05-01 Sharp Labs Of America, Inc. Method and apparatus for object tracking for automatic controls in video devices
CN101369346A (zh) * 2007-08-13 2009-02-18 北京航空航天大学 一种视频运动目标自适应窗口的跟踪方法
CN102214359A (zh) * 2010-04-07 2011-10-12 北京智安邦科技有限公司 基于层级式特征匹配的目标跟踪装置及方法
CN103065325A (zh) * 2012-12-20 2013-04-24 中国科学院上海微系统与信息技术研究所 一种基于彩色颜色距离和图像分科聚合的目标跟踪方法
CN105139417A (zh) * 2015-07-27 2015-12-09 河海大学 视频监控下的多目标实时跟踪方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
宋文杰 等: "一种面向无人驾驶汽车的高效交通标志识别方法", 《机器人》 *
祝明波 等: "《弹载合成孔径雷达制导及其关键技术》", 1 June 2014, 国防工业出版社 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107093186A (zh) * 2017-03-10 2017-08-25 北京环境特性研究所 基于边缘投影匹配的剧烈运动检测方法
CN109671090A (zh) * 2018-11-12 2019-04-23 深圳佑驾创新科技有限公司 基于远红外线的图像处理方法、装置、设备和存储介质
CN109671090B (zh) * 2018-11-12 2024-01-09 深圳佑驾创新科技股份有限公司 基于远红外线的图像处理方法、装置、设备和存储介质
CN110913205A (zh) * 2019-11-27 2020-03-24 腾讯科技（深圳）有限公司 视频特效的校验方法及装置
CN110913205B (zh) * 2019-11-27 2022-07-29 腾讯科技（深圳）有限公司 视频特效的校验方法及装置
CN115229899A (zh) * 2022-07-13 2022-10-25 潮州三环（集团）股份有限公司 巴块切割控制方法、装置及巴块切割系统

Similar Documents

Publication Publication Date Title
CN106683091B (zh) 一种基于深度卷积神经网络的目标分类及姿态检测方法
CN103761519B (zh) 一种基于自适应校准的非接触式视线追踪方法
CN103218605B (zh) 一种基于积分投影与边缘检测的快速人眼定位方法
CN101520852B (zh) 消失点检测装置和检测方法
CN104574375A (zh) 结合彩色和深度信息的图像显著性检测方法
CN106485733A (zh) 一种在红外图像中跟踪感兴趣目标的方法
CN105913456A (zh) 基于区域分割的视频显著性检测方法
CN110827312B (zh) 一种基于协同视觉注意力神经网络的学习方法
CN102663757A (zh) 基于核传递的半自动图像分割方法
CN107180436A (zh) 一种改进的kaze图像匹配算法
CN109408985A (zh) 基于计算机视觉的桥梁钢结构裂缝精准识别方法
CN109685827B (zh) 一种基于dsp的目标检测与跟踪方法
CN105809673B (zh) 基于surf算法和合并最大相似区域的视频前景分割方法
CN107622271A (zh) 手写文本行提取方法及系统
CN104599291B (zh) 基于结构相似度和显著性分析的红外运动目标检测方法
CN102789578A (zh) 基于多源目标特征支持的红外遥感图像变化检测方法
CN113762009A (zh) 一种基于多尺度特征融合及双注意力机制的人群计数方法
CN104376334A (zh) 一种多尺度特征融合的行人比对方法
CN109727226A (zh) 一种基于机器学习的位置表自动生成方法
CN106529548A (zh) 亚像素级的多尺度Harris角点检测算法
CN104036514A (zh) 一种基于直方图峰值搜索的圆检测方法
Ying et al. Research on an automatic counting method for steel bars' image
CN108009549A (zh) 一种迭代协同显著性检测方法
Wang et al. The seedling line extraction of automatic weeding machinery in paddy field
CN110288026A (zh) 一种基于度量关系图学习的图像分割方法及装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170308

RJ01 Rejection of invention patent application after publication