CN110827355B - 一种基于视频图像坐标的移动目标快速定位方法及系统 - Google Patents

一种基于视频图像坐标的移动目标快速定位方法及系统 Download PDF

Info

Publication number
CN110827355B
CN110827355B CN201911114797.7A CN201911114797A CN110827355B CN 110827355 B CN110827355 B CN 110827355B CN 201911114797 A CN201911114797 A CN 201911114797A CN 110827355 B CN110827355 B CN 110827355B
Authority
CN
China
Prior art keywords
video image
points
module
positioning
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.)
Active
Application number
CN201911114797.7A
Other languages
English (en)
Other versions
CN110827355A (zh
Inventor
李宁
王健雄
朱晓春
汪木兰
左健民
王保升
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.)
Nanjing Institute of Technology
Original Assignee
Nanjing Institute of Technology
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 Nanjing Institute of Technology filed Critical Nanjing Institute of Technology
Priority to CN201911114797.7A priority Critical patent/CN110827355B/zh
Publication of CN110827355A publication Critical patent/CN110827355A/zh
Application granted granted Critical
Publication of CN110827355B publication Critical patent/CN110827355B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/77—Determining position or orientation of objects or cameras using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
    • 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
    • G06T2207/10016—Video; Image sequence
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于视频图像坐标的移动目标快速定位方法及系统，包括以下步骤：步骤一，选取参照点并找到对应位置，步骤二，建立坐标系，步骤三，图像过滤，步骤四，对选取点进行拟合，得到非线性回归方程，步骤五，代入待测目标点，完成定位。本发明的有益效果是：通过下位机视频图像采集模块采集视频图像数据，并对采集的视频图像进行滤波处理，利用图像坐标与实际坐标存在的关系，代入图像参考坐标系中待定位的目标，以实现待定位目标的图像参考坐标系到实际参考坐标的转化，从而实现了目标的快速定位，有效克服了现有技术中坐标转换复杂、计算量大以及缺乏对动态目标的数据处理能力的技术问题。同时在监控、安防等领域拥有独特的优势。

Description

一种基于视频图像坐标的移动目标快速定位方法及系统
技术领域
本发明涉及计算机视觉技术领域，具体为一种基于视频图像坐标的移动目标快速定位方法及系统。
背景技术
随着时代的发展和科技水平的进步，尤其是人工智能技术的不断深入，带动了测量与定位技术从传统的人工测量方式、仪器测量到计算机视觉测量方式的转变。计算机视觉技术以摄像机代替人眼，以电脑代替人脑，提高了效率和自动化程度，同时计算机视觉技术有着速度快、包含信息量大、功能多等特点，使其在检测、测量和控制方面有着广泛的应用。
目前，利用视频图像构建的测量目标，都是通过视频坐标系与实际坐标系之间的复杂坐标变换，计算量大。同时，缺乏对动态目标的数据处理能力，不能有效的表达出目标实时位置信息。
发明内容
本发明的目的在于提供一种基于视频图像坐标的移动目标快速定位方法及系统，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于视频图像坐标的移动目标快速定位方法,包括以下步骤：
步骤一：获取接入视频图像的信息，并在视频图像上选取2个固定不变的点作为参照点，并在实际空间中找到所对应点的位置；
步骤二：以其中一个点作为原点，过原点和另一点的直线作为X轴，过原点垂直于X轴的直线作为Y轴，建立视频图像坐标系，同理在实际空间以同样的方法建立实际参考坐标系；
步骤三：根据步骤一所获取到的视频图像，采用高斯滤波算法对其进行滤波；
步骤四：采用最小二乘法对选取的点进行拟合，得到非线性回归方程；所述步骤四中拟合的具体过程如下：
S1、选取图像上的n个已知点，并找到实际参考坐标系中所对应点的位置，与两个参考点一起构成样本集；
S2、根据S1得到的样本集中有N+2个样本点，将样本集记为
Figure BDA0002273754820000021
其中(x,y)表示视频图像坐标系中点的坐标，(x*,y*)表示实际坐标系中点的坐标，选取其中的n+1个样本点作为样本集，剩下1个作为测试集，直至选作测试集的样本点遍历上述n+2个样本点；
S3、采用高斯函数作为非线性最小二乘的自变量，记高斯函数为f(x)，则有
Figure BDA0002273754820000022
其中c,σ为常数，σ＞0；
采用最小二乘法构建非线性回归方程的数学模型，数学模型如下所示：
Figure BDA0002273754820000023
式中，自变量xi,yi为图像参考坐标系中的点，因变量
Figure BDA0002273754820000024
为通过数学模型计算的xi,yi在实际参考坐标系中对应点的估计值，ai,bi为参数；
损失函数如下：
Figure BDA0002273754820000031
式中，
Figure BDA0002273754820000032
为图像参考坐标系中xi,yi点在实际参考坐标系中所对应的同名点，
Figure BDA0002273754820000033
中i为1,2,…,n之间的整数；
目标函数如下所示：
Figure BDA0002273754820000034
S4、基于上述n+2个样本点，将样本集作为S3中的非线性回归方程的自变量，进行拟合，得到相应的一个非线性回归方程；
S5、依据S2中的样本集，依次取其中一个作为测试集，剩余的作为样本集，重复步骤S3和步骤S4，获取损失函数值最小的作为目标定位的非线性回归方程；
步骤五：代入视频图像中实时的待测目标点，代入步骤四中得到的非线性回归方程中，得到对应的实际参考坐标系中的位置，即完成待测移动目标的快速定位。
优选的，所述步骤一中，获取接入的视频图像信息为实时的视频，做移动目标快速定位时，截取当前帧的视频图像信息做快速定位。
优选的，所述步骤二中，建立实际参考坐标系是在实际空间中忽略物体高度，以俯视视角建立的二维直角坐标系。
优选的，所述高斯滤波算法，实质上是一种信号的滤波器，高斯滤波是一种线性平滑滤波，适用于消除视频图像中的高斯噪声，通过建立数学模型将图像数据进行能量转化，为了得到更好的图像，使用高斯滤波算法对图像进行降噪处理，减少视频图像的跳变，影响位置信息的计算。
一种基于视频图像坐标的移动目标快速定位系统，包括下位机和上位机，所述下位机包括视频图像采集模块、主控模块和电源模块，所述上位机包括提取模块、拟合模块和目标定位模块，所述主控模块内包含通信模块。
优选的，所述下位机视频图像采集模块，用于采集图像信息并将其传输至上位机，所述电源模块用于给下位机视频图像采集模块供电，所述视频图像采集模块用于采集视频图像，将视频图像信号传输给主控模块，所述主控模块用于接收视频图像采集模块传来的视频图像，并通过通信模块将视频图像传输给PC端。
优选的，所述通信模块用于完成各模块间的通讯功能，包括芯片内部功能模块集成电路总线IIC和以太网通讯，内部功能模块集成电路总线IIC，用于各控制芯片间的数据传输，包括主控模块MCU与视频图像采集模块之间数据传输，以太网通讯用于将视频图像数据传输给电脑端进行监测和目标定位。
优选的，所述提取模块用于提取视频图像上的样本点和目标点，所述拟合模块，用于根据样本点构建拟合集样本，并构建非线性回归方程，所述目标定位模块用于定位视频图像上的目标点所对应的实际中位置。
与现有技术相比，本发明的有益效果是：通过下位机视频图像采集模块采集视频图像数据，并对采集的视频图像进行滤波处理，利用图像坐标与实际坐标存在对应的关系，通过最小二乘法求解非线性回归方程。代入图像参考坐标系中待定位的目标，以实现待定位目标的图像参考坐标系到实际参考坐标的转化，从而实现了目标的快速定位。有效克服了现有技术中坐标转换复杂、计算量大以及缺乏对动态目标的数据处理能力的技术问题。同时在监控、安防等领域拥有独特的优势。
附图说明
图1为本发明结构框图；
图2为本发明流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图2，本发明提供一种技术方案：一种基于视频图像坐标的移动目标快速定位方法,包括以下步骤：
步骤一：获取接入视频图像的信息，并在视频图像上选取2个固定不变的点作为参照点，并在实际空间中找到所对应点的位置；
步骤二：以其中一个点作为原点，过原点和另一点的直线作为X轴，过原点垂直于X轴的直线作为Y轴，建立视频图像坐标系，同理在实际空间以同样的方法建立实际参考坐标系；
步骤三：根据步骤一所获取到的视频图像，采用高斯滤波算法对其进行滤波；
步骤四：采用最小二乘法对选取的点进行拟合，得到非线性回归方程；所述步骤四中采拟合的具体过程如下：
S1、选取图像上的n个已知点，并找到实际参考坐标系中所对应点的位置，与两个参考点一起构成样本集；
S2、根据S1得到的样本集中有n+2个样本点，将样本集记为
Figure BDA0002273754820000061
其中(x,y)表示视频图像坐标系中点的坐标，(x*,y*)表示实际坐标系中点的坐标，选取其中的n+1个样本点作为样本集，剩下1个作为测试集，直至选作测试集的样本点遍历上述n+2个样本点；
S3、采用高斯函数作为非线性最小二乘的自变量，记高斯函数为f(x)，则有
Figure BDA0002273754820000062
其中c,σ为常数，σ＞0；
采用最小二乘法构建非线性回归方程的数学模型，数学模型如下所示：
Figure BDA0002273754820000063
式中，自变量xi,yi为图像参考坐标系中的点，因变量
Figure BDA0002273754820000064
为通过数学模型计算的xi,yi在实际参考坐标系中对应点的估计值，ai,bi为参数；
损失函数如下：
Figure BDA0002273754820000071
式中，
Figure BDA0002273754820000072
为图像参考坐标系中xi,yi点在实际参考坐标系中所对应的同名点，
Figure BDA0002273754820000073
中i为1,2,…,n之间的整数；
目标函数如下所示：
Figure BDA0002273754820000074
拟合时由于xi,yi,
Figure BDA0002273754820000075
已知，故原问题转换为求解minL(ai,bi,c,σ)的最优化问题，对目标函数中的每个参数求偏导数等于0时的值，并采用解线性方程组或梯度下降法求解目标函数中的ai,bi,c,σ；
S4、基于上述n+2个样本点，将样本集作为S3中的非线性回归方程的自变量，进行拟合，得到相应的一个非线性回归方程；
S5、依据S2中的样本集，依次取其中一个作为测试集，剩余的作为样本集，重复步骤S3和步骤S4，获取损失函数值最小的作为目标定位的非线性回归方程；
步骤五：代入视频图像中实时的待测目标点，代入步骤四中得到的非线性回归方程中，得到对应的实际参考坐标系中的位置，即完成待测移动目标的快速定位。
值得注意的是，所述步骤一中，获取接入的视频图像信息为实时的视频，做移动目标快速定位时，截取当前帧的视频图像信息做快速定位。
值得注意的是，所述步骤二中，建立实际参考坐标系是在实际空间中忽略物体高度，以俯视视角建立的二维直角坐标系。
值得注意的是，所述高斯滤波算法，实质上是一种信号的滤波器，高斯滤波是一种线性平滑滤波，适用于消除视频图像中的高斯噪声，通过建立数学模型将图像数据进行能量转化，为了得到更好的图像，使用高斯滤波算法对图像进行降噪处理，减少视频图像的跳变，影响位置信息的计算。
请参照图1，一种基于视频图像坐标的移动目标快速定位系统，包括下位机和上位机，所述下位机包括视频图像采集模块、主控模块和电源模块，所述上位机包括提取模块、拟合模块和目标定位模块，所述主控模块内包含通信模块。
值得注意的是，所述下位机视频图像采集模块，用于采集图像信息并将其传输至上位机，所述电源模块用于给下位机视频图像采集模块供电，所述视频图像采集模块用于采集视频图像，将视频图像信号传输给主控模块，所述主控模块用于接收视频图像采集模块传来的视频图像，并通过通信模块将视频图像传输给PC端，所述视频图像采集模块采用OV5640单目摄像头，所述主控模块的具体型号为STM32F429IGT6。
值得注意的是，所述通信模块用于完成各模块间的通讯功能，包括芯片内部功能模块集成电路总线IIC和以太网通讯，内部功能模块集成电路总线IIC，用于各控制芯片间的数据传输，包括主控模块MCU与视频图像采集模块之间数据传输，以太网通讯用于将视频图像数据传输给电脑端进行监测和目标定位。
值得注意的是，所述提取模块用于提取视频图像上的样本点和目标点，所述拟合模块，用于根据样本点构建拟合集样本，并构建非线性回归方程，所述目标定位模块用于定位视频图像上的目标点所对应的实际中位置。
通过下位机视频图像采集模块采集视频图像数据，并对采集的视频图像进行滤波处理，利用图像坐标与实际坐标一一对应的关系，通过最小二乘法求解非线性回归方程。代入图像参考坐标系中带定位的目标，以实现待定位目标的图像参考坐标系到实际参考坐标的转化，从而实现了目标的快速定位。有效克服了现有技术中坐标转换复杂、计算量大以及缺乏对动态目标的数据处理能力的技术问题。同时在监控、安防等领域拥有独特的优势。
实施例一：
所述视频图像采集模块采用OV5640单目摄像头。
实施例二：
所述主控模块的具体型号为STM32F429IGT6。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (7)

1.一种基于视频图像坐标的移动目标快速定位方法,应用于基于视频图像坐标的移动目标快速定
位系统，所述定位系统包括下位机和上位机，其特征在于：所述下位机包括视频图像采集模块、主控模块和电源模块，所述上位机包括提取模块、拟合模块和目标定位模块，所述主控模块内包含通信模块，定位方法包括以下步骤：
步骤一：获取接入视频图像的信息，并在视频图像上选取2个固定不变的点作为参照点，并在实际空间中找到所对应点的位置；
步骤二：以其中一个点作为原点，过原点和另一点的直线作为X轴，过原点垂直于X轴的直线作为Y轴，建立视频图像坐标系，同理在实际空间以同样的方法建立实际参考坐标系；
步骤三：根据步骤一所获取到的视频图像，采用高斯滤波算法对其进行滤波；
步骤四：采用最小二乘法对选取的点进行拟合，得到非线性回归方程；所述步骤四中拟合的具体过程如下：
S1、选取图像上的n个已知点，并找到实际参考坐标系中所对应点的位置，与两个参考点一起构成样本集；
S2、根据S1得到的样本集中有n+2个样本点，将样本集记为其中(x,y)表示视频图像坐标系中点的坐标，(x*,y*)表示实际坐标系中点的坐标，选取其中的n+1个样本点作为样本集，剩下1个作为测试集，直至选作测试集的样本点遍历上述n+2个样本点；
S3、采用高斯函数作为非线性最小二乘的自变量，记高斯函数为f(x)，则有其中c,σ为常数，σ＞0；
采用最小二乘法构建非线性回归方程的数学模型，数学模型如下所示：
式中，自变量xi,yi为图像参考坐标系中的点，因变量为通过数学模型计算的xi,yi在实际参考坐标系中对应点的估计值，ai,bi为参数；
损失函数如下：
式中，为图像参考坐标系中xi,yi点在实际参考坐标系中所对应的同名点，中i为1,2,…,n之间的整数；
目标函数如下所示：
S4、基于上述n+2个样本点，将样本集作为S3中的非线性回归方程的自变量，进行拟合，得到相应的一个非线性回归方程；
S5、依据S2中的样本集，依次取其中一个作为测试集，剩余的作为样本集，重复步骤S3和步骤S4，获取损失函数值最小的作为目标定位的非线性回归方程；
步骤五：代入视频图像中实时的待测目标点，代入步骤四中得到的非线性回归方程中，得到对应的实际参考坐标系中的位置，即完成待测移动目标的快速定位。
2.根据权利要求1所述的一种基于视频图像坐标的移动目标快速定位方法，其特征在于：所述步骤一中，获取接入的视频图像信息为实时的视频，做移动目标快速定位时，截取当前帧的视频图像信息做快速定位。
3.根据权利要求1所述的一种基于视频图像坐标的移动目标快速定位方法，其特征在于：所述步骤二中，建立实际参考坐标系是在实际空间中忽略物体高度，以俯视视角建立的二维直角坐标系。
4.根据权利要求1所述的一种基于视频图像坐标的移动目标快速定位方法，其特征在于：所述高斯滤波算法，实质上是一种信号的滤波器，高斯滤波是一种线性平滑滤波，适用于消除视频图像中的高斯噪声，通过建立数学模型将图像数据进行能量转化，为了得到更好的图像，使用高斯滤波算法对图像进行降噪处理，减少视频图像的跳变，影响位置信息的计算。
5.根据权利要求1所述的一种基于视频图像坐标的移动目标快速定位方法，其特征在于：所述下位机视频图像采集模块，用于采集图像信息并将其传输至上位机，所述电源模块用于给下位机视频图像采集模块供电，所述视频图像采集模块用于采集视频图像，将视频图像信号传输给主控模块，所述主控模块用于接收视频图像采集模块传来的视频图像，并通过通信模块将视频图像传输给PC端。
6.根据权利要求1所述的一种基于视频图像坐标的移动目标快速定位方法，其特征在于：所述通信模块用于完成各模块间的通讯功能，包括芯片内部功能模块集成电路总线IIC和以太网通讯，内部功能模块集成电路总线IIC，用于各控制芯片间的数据传输，包括主控模块MCU与视频图像采集模块之间数据传输，以太网通讯用于将视频图像数据传输给电脑端进行监测和目标定位。
7.根据权利要求1所述的一种基于视频图像坐标的移动目标快速定位方法，其特征在于：所述提取模块用于提取视频图像上的样本点和目标点，所述拟合模块，用于根据样本点构建拟合集样本，并构建非线性回归方程，所述目标定位模块用于定位视频图像上的目标点所对应的实际中位置。
CN201911114797.7A 2019-11-14 2019-11-14 一种基于视频图像坐标的移动目标快速定位方法及系统 Active CN110827355B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911114797.7A CN110827355B (zh) 2019-11-14 2019-11-14 一种基于视频图像坐标的移动目标快速定位方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911114797.7A CN110827355B (zh) 2019-11-14 2019-11-14 一种基于视频图像坐标的移动目标快速定位方法及系统

Publications (2)

Publication Number Publication Date
CN110827355A CN110827355A (zh) 2020-02-21
CN110827355B true CN110827355B (zh) 2023-05-09

Family

ID=69555230

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911114797.7A Active CN110827355B (zh) 2019-11-14 2019-11-14 一种基于视频图像坐标的移动目标快速定位方法及系统

Country Status (1)

Country Link
CN (1) CN110827355B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112183436B (zh) * 2020-10-12 2023-11-07 南京工程学院 基于像素点八邻域灰度对比的高速公路能见度检测方法
CN113177540A (zh) * 2021-04-14 2021-07-27 北京明略软件系统有限公司 基于铁轨旁部件的定位方法和系统
CN115684637B (zh) * 2022-12-30 2023-03-17 南京理工大学 基于路侧单目相机标定的高速公路车辆测速方法及设备

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104537068B (zh) * 2014-12-29 2018-11-13 浙江宇视科技有限公司 一种电子地图接入方法和装置
CN107609565B (zh) * 2017-09-21 2020-08-11 哈尔滨工业大学 一种基于图像全局特征主成分线性回归的室内视觉定位方法
CN108805837A (zh) * 2018-06-06 2018-11-13 合肥康之恒机械科技有限公司 一种动态目标高效跟踪图像数据传输方法及系统
CN109146912B (zh) * 2018-07-26 2020-08-04 湖南人文科技学院 一种基于目标性分析的视觉目标跟踪方法
CN109344171A (zh) * 2018-12-21 2019-02-15 中国计量大学 一种基于数据流处理的非线性系统特征变量显著性挖掘法

Also Published As

Publication number Publication date
CN110827355A (zh) 2020-02-21

Similar Documents

Publication Publication Date Title
CN110827355B (zh) 一种基于视频图像坐标的移动目标快速定位方法及系统
CN104361314B (zh) 基于红外与可见光图像融合的变电设备定位方法及装置
CN102901444B (zh) 一种基于mp小波滤波的零件尺寸检测方法及其检测系统
CN103198477B (zh) 一种采用苹果套袋机器人进行视觉定位的方法
CN101777129B (zh) 一种基于特征检测的图像匹配方法
CN106534616A (zh) 一种基于特征匹配与运动补偿的视频稳像方法及系统
CN107369635B (zh) 一种基于深度学习的智能半导体装备系统
CN102426646A (zh) 多角度人脸检测装置与方法
CN110135277B (zh) 一种基于卷积神经网络的人体行为识别方法
CN103438834A (zh) 基于结构光投影的层级式快速三维测量装置及测量方法
CN103973976A (zh) 一种利用光学成像的显著性提取装置及方法
CN115661862A (zh) 一种基于压力视觉卷积模型的坐姿样本集自动标注方法
CN116563293A (zh) 一种基于机器视觉的光伏载具生产质量检测方法及系统
CN110288026A (zh) 一种基于度量关系图学习的图像分割方法及装置
CN104318584A (zh) 一种利用手机成像分析生物试纸的方法
CN114119987A (zh) 基于卷积神经网络的特征提取和描述子生成方法及系统
CN104715470A (zh) 一种klt角点检测装置及方法
CN112699784A (zh) 一种人脸朝向估计方法、装置、电子设备及存储介质
CN107748621A (zh) 一种智能交互机器人
CN106357958A (zh) 一种基于区域匹配的快速电子稳像方法
CN108648186B (zh) 基于初级视觉感知机制的无参考立体图像质量评价方法
CN116452792A (zh) 基于深度学习的畜牧业图像识别方法及装置
CN111881922B (zh) 一种基于显著性特征的绝缘子图像识别方法及系统
CN112396633B (zh) 基于单摄像机的目标跟踪及轨迹三维重现方法和装置
CN116109682A (zh) 一种基于图像扩散特征的图像配准方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant