CN113095141A - 一种基于人工智能的无人机视觉学习系统 - Google Patents
一种基于人工智能的无人机视觉学习系统 Download PDFInfo
- Publication number
- CN113095141A CN113095141A CN202110274037.3A CN202110274037A CN113095141A CN 113095141 A CN113095141 A CN 113095141A CN 202110274037 A CN202110274037 A CN 202110274037A CN 113095141 A CN113095141 A CN 113095141A
- Authority
- CN
- China
- Prior art keywords
- module
- image
- aerial vehicle
- unmanned aerial
- target object
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
Abstract
本发明公开一种基于人工智能的无人机视觉学习系统,包括无人机,所述无人机包括主控模块,所述主控模块通过卡尔曼过滤模块连接图像处理模块,所述图像处理模块连接有摄像组,所述图像处理模块包括标的物搜寻模块,所述标的物搜寻模块连接有标的物对准模块,所述标的物对准模块连接有标的物对比模块,所述标的物对比模块连接有信号驱动模块与图样库,所述信号驱动模块连接摄像组,所述主控模块连接图像存储模块,本发明可以对标的物进行及时捕捉,利于系统学习进步,提升无人机视觉系统对标的物效果,对于标的物的捕捉较为精准,对于无人机视觉系统捕捉的图像进行整合处理,提升图像精度。
Description
技术领域
本发明涉及一种基于人工智能的无人机视觉学习系统,属于无人机系统领域。
背景技术
随着科技发展,无人机被广泛使用,无人机系统主要包括飞机机体、飞控系统、数据链系统、发射回收系统、电源系统、视觉系统等,视觉系统主要作用是对周围环境进行摄像捕捉以获得图像信息,现有技术中的视觉系统的标的物捕捉效果较差,尤其在无人机飞行过快的情况下,易发送标的物无法及时捕捉拍摄的现象,不具备学习系统,不具备对新标的物发掘与反馈的功能,对于输入图像中标的物的识别效果较差,为此,我们提出了基于人工智能的无人机视觉学习系统。
发明内容
针对上述现有技术存在的问题,本发明提供一种基于人工智能的无人机视觉学习系统,从而解决背景技术中提出的问题。
为了实现上述目的,本发明采用的技术方案是:一种基于人工智能的无人机视觉学习系统,包括无人机设备,所述无人机设备内含有主控模块;所述主控模块通过卡尔曼过滤模块连接图像处理模块,所述图像处理模块连接有摄像组,所述图像处理模块包括标的物搜寻模块,所述标的物搜寻模块连接有标的物对准模块,所述标的物对准模块连接有标的物对比模块,所述标的物对比模块连接有信号驱动模块与图样库,所述信号驱动模块连接摄像组,所述主控模块还连接有图像存储模块,所述图像存储模块通过学习模块连接图样库,所述图样库连接有参考图样输入模块;
所述卡尔曼滤波模块用来整合若干个摄像组传来的图像信息并送至主控模块中;
所述图像处理模块及时的识别图像中的标的物信息并作用摄像组跟踪拍摄;
所述图像存储模块用来暂时储存主控模块中获取得到的图像;
所述学习模块根据图像存储模块中的图像发掘出新的标的物并发送至图样库中;
所述参考图样输入模块使得用户输入具有标的物的图样。
进一步的,所述标的物搜寻模块对图像处理模块中的图像进行搜寻,标的物对准模块对图像中的标的物进行对准,然后标的物对比模块根据图样库中的参考图样与标的物对比,若对比结果为存在即使得信号驱动模块对摄像组发送驱动信号。
进一步的,所述摄像组包括摄像头与角度控制机构,所述角度控制机构的输入端口连接信号驱动模块的输出端口,所述摄像组设置为若干组,所述摄像头通过角度控制机构活动安装在无人机上。
进一步的,所述卡尔曼滤波模块包括权重配比模块与融化计算模块,所述权重配比模块用来为使用者对不同摄像组传来的图像权重占比进行设置分配,所述融化计算模块根据权重配比模块的权重配比进行图像处理并获得最终图像。
进一步的,所述学习模块包括特征点捕捉模块,所述特征点捕捉模块连接有特征点阈值设定模块,所述特征点阈值设定模块连接有特征点筛选模块,所述特征点筛选模块连接有人工管理模块,所述人工管理模块连接有新标的生成模块,所述特征点捕捉模块用来捕捉图像中的特征信息,所述特征点阈值设定模块用来设置特征点的数量阈值,所述特征点筛选模块在特征点的数量阈值筛选出该阈值数量以内的特征点,所述人工管理模块人为管理与筛选获得的特征点,所述新标的生成模块根据人工管理模块的结果生成新标的物。
进一步的,所述标的物对比模块包括网格分块模块,所述网格分块模块连接有SIFT特征向量生成模块,所述SIFT特征向量生成模块连接有近邻匹配模块,所述近邻匹配模块连接有网格匹配统计模块,所述网格匹配统计模块连接有阈值判断模块,所述阈值判断模块连接有输出匹配点模块,所述输出匹配点模块连接有输出标的物,所述网格分块模块将待对比的图像与样本库中的图像进行网格分块处理,所述SIFT特征向量生成模块将两个图像生成各自对应的SIFT特征向量,所述近邻匹配根据两者的SIFT特征向量进行对比,所述网格匹配统计模块将近邻匹配模块中对比的网格数量统计,所述阈值判断模块根据设定的阈值对超出该设定阈值的重合的网格数量进行筛选,所述输出匹配点模块用来将达到阈值的图像的标的物输出。
进一步的,所述无人机还包括有差分GPS模块,所述差分GPS模块用来配合卫星对无人机进行定位,所述无人机通过远程传输模块连接有监控基站,所述监控基站连接有移动端。
进一步的,所述远程传输模块包括第一通信模块、中心服务器与第二通信模块,所述第一通信模块的端口连接主控模块的端口,所述第一通信模块为无线通信模块,所述第二通信模块为2G/3G/4G通信模块,所述中心服务器用来转发信号。
进一步的,所述参考图样输入模块包括大小调节模块,所述大小调节模块连接有向量因子提取模块,所述向量因子提取模块连接有向量因子组建模块连接有标的物像素生成模块,所述标的物像素生成模块连接有图样库,所述大小调节模块用来缩放使用者输入的图像,所述向量因子提取模块根据图像在特征点部分形成对应的向量因子,所述向量因子组建模块根据若干个向量因子组成标的物轮廓,所述标的物像素生成模块根据向量因子组成的标的物轮廓填入像素生成标的物图像并传送至图样库中。
本发明的有益效果是:1、通过设置的标的物搜寻模块、标的物对准模块、标的物对比模块与信号驱动模块,标的物搜寻模块对图像处理模块中的图像进行搜寻,标的物对准模块对图像中的标的物进行对准,标的物对比模块根据图样库中的参考图样与标的物对比,若对比结果为存在即使得信号驱动模块对摄像组发送驱动信号,因此在无人机飞行过程中,对拍摄的图像进行持续分析,若发现标的物则会及时的反馈至摄像组,驱使摄像组对标的物进行追踪拍摄,可以对标的物进行及时捕捉。
2、通过设置的学习模块,特征点捕捉模块用来捕捉图像中的特征信息,特征点阈值设定模块用来设置特征点的数量阈值,特征点筛选模块在特征点的数量阈值筛选出该阈值数量以内的特征点,人工管理模块人为管理与筛选获得的特征点,新标的生成模块根据人工管理模块的结果生成新标的物,因此在无人机视觉拍摄图像的过程中,可以不断的发掘图像中的标的物,利于系统学习进步,提升无人机视觉系统对标的物效果。
3、通过设置的标的物对比模块,网格分块模块将待对比的图像与样本库中的图像进行网格分块处理,SIFT特征向量生成模块将两个图像生成各自对应的SIFT特征向量,近邻匹配根据两者的SIFT特征向量进行对比,网格匹配统计模块将近邻匹配模块中对比的网格数量统计,阈值判断模块根据设定的阈值对超出该设定阈值的重合的网格数量进行筛选,输出匹配点模块用来将达到阈值的图像的标的物输出,对于标的物的捕捉较为精准。
4、通过设置的卡尔曼滤波模块,卡尔曼滤波模块用来整合若干个摄像组传来的图像信息并送至主控模块中,权重配比模块用来为使用者对不同摄像组传来的图像权重占比进行设置分配,融化计算模块根据权重配比模块的权重配比进行图像处理并获得最终图像,对于无人机视觉系统捕捉的图像进行整合处理,提升图像精度。
附图说明
图1为本发明的基于人工智能的无人机视觉学习系统的原理图;
图2为本发明的基于人工智能的无人机视觉学习系统的学习模块原理图;
图3为本发明的基于人工智能的无人机视觉学习系统的标的物对比模块原理图;
图4为本发明的基于人工智能的无人机视觉学习系统的无人机与监控基站处原理图;
图5为本发明的基于人工智能的无人机视觉学习系统的参考图样输入模块原理图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面通过附图及实施例,对本发明进行进一步详细说明。但是应该理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限制本发明的范围。
除非另有定义,本文所使用的所有的技术术语和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同,本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
如图1-图5所示的基于人工智能的无人机视觉学习系统,包括无人机,无人机包括主控模块,主控模块通过卡尔曼过滤模块连接图像处理模块,图像处理模块连接有摄像组,图像处理模块包括标的物搜寻模块,标的物搜寻模块连接有标的物对准模块,标的物对准模块连接有标的物对比模块,标的物对比模块连接有信号驱动模块与图样库,信号驱动模块连接摄像组,主控模块连接图像存储模块,图像存储模块通过学习模块连接图样库,图样库连接有参考图样输入模块,其中:
卡尔曼滤波模块用来整合若干个摄像组传来的图像信息并送至主控模块中;
图像处理模块及时的识别图像中的标的物信息并作用摄像组跟踪拍摄;
图像存储模块用来暂时储存主控模块中获取得到的图像;
学习模块根据图像存储模块中的图像发掘出新的标的物并发送至图样库中;
参考图样输入模块使得用户输入具有标的物的图样。
本实施例优选的,标的物搜寻模块对图像处理模块中的图像进行搜寻,标的物对准模块对图像中的标的物进行对准,标的物对比模块根据图样库中的参考图样与标的物对比,若对比结果为存在即使得信号驱动模块对摄像组发送驱动信号。
本实施例优选的,摄像组包括摄像头与角度控制机构,角度控制机构的输入端口连接信号驱动模块的输出端口,摄像组设置为若干组,摄像头通过角度控制机构活动安装在无人机上。
本实施例优选的,卡尔曼滤波模块包括权重配比模块与融化计算模块,权重配比模块用来为使用者对不同摄像组传来的图像权重占比进行设置分配,融化计算模块根据权重配比模块的权重配比进行图像处理并获得最终图像。
本实施例优选的,学习模块包括特征点捕捉模块,特征点捕捉模块连接有特征点阈值设定模块,特征点阈值设定模块连接有特征点筛选模块,特征点筛选模块连接有人工管理模块,人工管理模块连接有新标的生成模块,特征点捕捉模块用来捕捉图像中的特征信息,特征点阈值设定模块用来设置特征点的数量阈值,特征点筛选模块在特征点的数量阈值筛选出该阈值数量以内的特征点,人工管理模块人为管理与筛选获得的特征点,新标的生成模块根据人工管理模块的结果生成新标的物。
本实施例优选的,标的物对比模块包括网格分块模块,网格分块模块连接有SIFT特征向量生成模块,SIFT特征向量生成模块连接有近邻匹配模块,近邻匹配模块连接有网格匹配统计模块,网格匹配统计模块连接有阈值判断模块,阈值判断模块连接有输出匹配点模块,输出匹配点模块连接有输出标的物,网格分块模块将待对比的图像与样本库中的图像进行网格分块处理,SIFT特征向量生成模块将两个图像生成各自对应的SIFT特征向量,近邻匹配根据两者的SIFT特征向量进行对比,网格匹配统计模块将近邻匹配模块中对比的网格数量统计,阈值判断模块根据设定的阈值对超出该设定阈值的重合的网格数量进行筛选,输出匹配点模块用来将达到阈值的图像的标的物输出。
本实施例优选的,无人机还包括有差分GPS模块,差分GPS模块用来配合卫星对无人机进行定位,无人机通过远程传输模块连接有监控基站,监控基站连接有移动端。
本实施例优选的,远程传输模块包括第一通信模块、中心服务器与第二通信模块,第一通信模块的端口连接主控模块的端口,第一通信模块为无线通信模块,第二通信模块为2G/3G/4G通信模块,中心服务器用来转发信号。
本实施例优选的,参考图样输入模块包括大小调节模块,大小调节模块连接有向量因子提取模块,向量因子提取模块连接有向量因子组建模块连接有标的物像素生成模块,标的物像素生成模块连接有图样库,大小调节模块用来缩放使用者输入的图像,向量因子提取模块根据图像在特征点部分形成对应的向量因子,向量因子组建模块根据若干个向量因子组成标的物轮廓,标的物像素生成模块根据向量因子组成的标的物轮廓填入像素生成标的物图像并传送至图样库中。
本发明的工作原理:通过设置的标的物搜寻模块、标的物对准模块、标的物对比模块与信号驱动模块,标的物搜寻模块对图像处理模块中的图像进行搜寻,标的物对准模块对图像中的标的物进行对准,标的物对比模块根据图样库中的参考图样与标的物对比,若对比结果为存在即使得信号驱动模块对摄像组发送驱动信号,因此在无人机飞行过程中,对拍摄的图像进行持续分析,若发现标的物则会及时的反馈至摄像组,驱使摄像组对标的物进行追踪拍摄,可以对标的物进行及时捕捉;通过设置的学习模块,特征点捕捉模块用来捕捉图像中的特征信息,特征点阈值设定模块用来设置特征点的数量阈值,特征点筛选模块在特征点的数量阈值筛选出该阈值数量以内的特征点,人工管理模块人为管理与筛选获得的特征点,新标的生成模块根据人工管理模块的结果生成新标的物,因此在无人机视觉拍摄图像的过程中,可以不断的发掘图像中的标的物,利于系统学习进步,提升无人机视觉系统对标的物效果;通过设置的标的物对比模块,网格分块模块将待对比的图像与样本库中的图像进行网格分块处理,SIFT特征向量生成模块将两个图像生成各自对应的SIFT特征向量,近邻匹配根据两者的SIFT特征向量进行对比,网格匹配统计模块将近邻匹配模块中对比的网格数量统计,阈值判断模块根据设定的阈值对超出该设定阈值的重合的网格数量进行筛选,输出匹配点模块用来将达到阈值的图像的标的物输出,对于标的物的捕捉较为精准;通过设置的卡尔曼滤波模块,卡尔曼滤波模块用来整合若干个摄像组传来的图像信息并送至主控模块中,权重配比模块用来为使用者对不同摄像组传来的图像权重占比进行设置分配,融化计算模块根据权重配比模块的权重配比进行图像处理并获得最终图像,对于无人机视觉系统捕捉的图像进行整合处理,提升图像精度。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于人工智能的无人机视觉学习系统,包括无人机设备,其特征在于,所述无人机设备内含有主控模块;所述主控模块通过卡尔曼过滤模块连接图像处理模块,所述图像处理模块连接有摄像组,所述图像处理模块包括标的物搜寻模块,所述标的物搜寻模块连接有标的物对准模块,所述标的物对准模块连接有标的物对比模块,所述标的物对比模块连接有信号驱动模块与图样库,所述信号驱动模块连接摄像组,所述主控模块还连接有图像存储模块,所述图像存储模块通过学习模块连接图样库,所述图样库连接有参考图样输入模块;
所述卡尔曼滤波模块用来整合若干个摄像组传来的图像信息并送至主控模块中;
所述图像处理模块及时的识别图像中的标的物信息并作用摄像组跟踪拍摄;
所述图像存储模块用来暂时储存主控模块中获取得到的图像;
所述学习模块根据图像存储模块中的图像发掘出新的标的物并发送至图样库中;
所述参考图样输入模块使得用户输入具有标的物的图样。
2.根据权利要求1所述的一种基于人工智能的无人机视觉学习系统,其特征在于,所述标的物搜寻模块对图像处理模块中的图像进行搜寻,标的物对准模块对图像中的标的物进行对准,然后标的物对比模块根据图样库中的参考图样与标的物对比,若对比结果为存在即使得信号驱动模块对摄像组发送驱动信号。
3.根据权利要求1所述的一种基于人工智能的无人机视觉学习系统,其特征在于,所述摄像组包括摄像头与角度控制机构,所述角度控制机构的输入端口连接信号驱动模块的输出端口,所述摄像组设置为若干组,所述摄像头通过角度控制机构活动安装在无人机上。
4.根据权利要求1所述的一种基于人工智能的无人机视觉学习系统,其特征在于,所述卡尔曼滤波模块包括权重配比模块与融化计算模块,所述权重配比模块用来为使用者对不同摄像组传来的图像权重占比进行设置分配,所述融化计算模块根据权重配比模块的权重配比进行图像处理并获得最终图像。
5.根据权利要求1所述的一种基于人工智能的无人机视觉学习系统,其特征在于,所述学习模块包括特征点捕捉模块,所述特征点捕捉模块连接有特征点阈值设定模块,所述特征点阈值设定模块连接有特征点筛选模块,所述特征点筛选模块连接有人工管理模块,所述人工管理模块连接有新标的生成模块,所述特征点捕捉模块用来捕捉图像中的特征信息,所述特征点阈值设定模块用来设置特征点的数量阈值,所述特征点筛选模块在特征点的数量阈值筛选出该阈值数量以内的特征点,所述人工管理模块人为管理与筛选获得的特征点,所述新标的生成模块根据人工管理模块的结果生成新标的物。
6.根据权利要求1所述的基于人工智能的无人机视觉学习系统,其特征在于:所述标的物对比模块包括网格分块模块,所述网格分块模块连接有SIFT特征向量生成模块,所述SIFT特征向量生成模块连接有近邻匹配模块,所述近邻匹配模块连接有网格匹配统计模块,所述网格匹配统计模块连接有阈值判断模块,所述阈值判断模块连接有输出匹配点模块,所述输出匹配点模块连接有输出标的物,所述网格分块模块将待对比的图像与样本库中的图像进行网格分块处理,所述SIFT特征向量生成模块将两个图像生成各自对应的SIFT特征向量,所述近邻匹配根据两者的SIFT特征向量进行对比,所述网格匹配统计模块将近邻匹配模块中对比的网格数量统计,所述阈值判断模块根据设定的阈值对超出该设定阈值的重合的网格数量进行筛选,所述输出匹配点模块用来将达到阈值的图像的标的物输出。
7.根据权利要求1所述的基于人工智能的无人机视觉学习系统,其特征在于:所述无人机还包括有差分GPS模块,所述差分GPS模块用来配合卫星对无人机进行定位,所述无人机通过远程传输模块连接有监控基站,所述监控基站连接有移动端。
8.根据权利要求1所述的基于人工智能的无人机视觉学习系统,其特征在于:所述远程传输模块包括第一通信模块、中心服务器与第二通信模块,所述第一通信模块的端口连接主控模块的端口,所述第一通信模块为无线通信模块,所述第二通信模块为2G/3G/4G通信模块,所述中心服务器用来转发信号。
9.根据权利要求1所述的基于人工智能的无人机视觉学习系统,其特征在于:所述参考图样输入模块包括大小调节模块,所述大小调节模块连接有向量因子提取模块,所述向量因子提取模块连接有向量因子组建模块连接有标的物像素生成模块,所述标的物像素生成模块连接有图样库,所述大小调节模块用来缩放使用者输入的图像,所述向量因子提取模块根据图像在特征点部分形成对应的向量因子,所述向量因子组建模块根据若干个向量因子组成标的物轮廓,所述标的物像素生成模块根据向量因子组成的标的物轮廓填入像素生成标的物图像并传送至图样库中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110274037.3A CN113095141A (zh) | 2021-03-15 | 2021-03-15 | 一种基于人工智能的无人机视觉学习系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110274037.3A CN113095141A (zh) | 2021-03-15 | 2021-03-15 | 一种基于人工智能的无人机视觉学习系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113095141A true CN113095141A (zh) | 2021-07-09 |
Family
ID=76667146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110274037.3A Pending CN113095141A (zh) | 2021-03-15 | 2021-03-15 | 一种基于人工智能的无人机视觉学习系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113095141A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105187723A (zh) * | 2015-09-17 | 2015-12-23 | 深圳市十方联智科技有限公司 | 一种无人飞行器的摄像处理方法 |
CN105578034A (zh) * | 2015-12-10 | 2016-05-11 | 深圳市道通智能航空技术有限公司 | 一种对目标进行跟踪拍摄的控制方法、控制装置及系统 |
CN106885568A (zh) * | 2017-02-21 | 2017-06-23 | 北京京东尚科信息技术有限公司 | 无人机数据处理方法和装置 |
CN108447041A (zh) * | 2018-01-30 | 2018-08-24 | 中国航天电子技术研究院 | 一种基于增强学习的多源图像融合方法 |
KR20190098932A (ko) * | 2019-08-05 | 2019-08-23 | 엘지전자 주식회사 | 지능적인 tts 제공 방법 및 tts를 제공하는 지능형 컴퓨팅 디바이스 |
US20190303197A1 (en) * | 2018-04-02 | 2019-10-03 | Microsoft Technology Licensing, Llc | Resource scheduling using machine learning |
CN110390265A (zh) * | 2019-06-21 | 2019-10-29 | 万翼科技有限公司 | 一种无人机巡检的识别检测方法及系统 |
CN110574040A (zh) * | 2018-02-14 | 2019-12-13 | 深圳市大疆创新科技有限公司 | 自动抓拍方法及装置、无人机及存储介质 |
CN110914836A (zh) * | 2017-05-09 | 2020-03-24 | 纽拉拉股份有限公司 | 在跨联网计算边缘连续运行应用程序的人工智能和深度学习中实现连续的存储器有界学习的系统和方法 |
-
2021
- 2021-03-15 CN CN202110274037.3A patent/CN113095141A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105187723A (zh) * | 2015-09-17 | 2015-12-23 | 深圳市十方联智科技有限公司 | 一种无人飞行器的摄像处理方法 |
CN105578034A (zh) * | 2015-12-10 | 2016-05-11 | 深圳市道通智能航空技术有限公司 | 一种对目标进行跟踪拍摄的控制方法、控制装置及系统 |
CN106885568A (zh) * | 2017-02-21 | 2017-06-23 | 北京京东尚科信息技术有限公司 | 无人机数据处理方法和装置 |
CN110914836A (zh) * | 2017-05-09 | 2020-03-24 | 纽拉拉股份有限公司 | 在跨联网计算边缘连续运行应用程序的人工智能和深度学习中实现连续的存储器有界学习的系统和方法 |
CN108447041A (zh) * | 2018-01-30 | 2018-08-24 | 中国航天电子技术研究院 | 一种基于增强学习的多源图像融合方法 |
CN110574040A (zh) * | 2018-02-14 | 2019-12-13 | 深圳市大疆创新科技有限公司 | 自动抓拍方法及装置、无人机及存储介质 |
US20190303197A1 (en) * | 2018-04-02 | 2019-10-03 | Microsoft Technology Licensing, Llc | Resource scheduling using machine learning |
CN110390265A (zh) * | 2019-06-21 | 2019-10-29 | 万翼科技有限公司 | 一种无人机巡检的识别检测方法及系统 |
KR20190098932A (ko) * | 2019-08-05 | 2019-08-23 | 엘지전자 주식회사 | 지능적인 tts 제공 방법 및 tts를 제공하는 지능형 컴퓨팅 디바이스 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Caraffi et al. | Off-road path and obstacle detection using decision networks and stereo vision | |
CN106447680B (zh) | 动态背景环境下雷达与视觉融合的目标检测与跟踪方法 | |
CN108038415B (zh) | 一种基于机器视觉的无人机自动检测与跟踪方法 | |
CN104217428B (zh) | 一种融合特征匹配和数据关联的视频监控多目标跟踪方法 | |
CN108334844B (zh) | 一种输电线路巡检的沿线自动跟踪方法 | |
CN1953547A (zh) | 无人飞行器对地面移动目标的低空跟踪系统及方法 | |
CN110084094B (zh) | 一种基于深度学习的无人机目标识别分类方法 | |
KR101788225B1 (ko) | 건설현장 맞춤형 이미지 분석기술을 활용한 중장비/근로자 인식 및 추적 방법 및 시스템 | |
CN103761514A (zh) | 基于广角枪机和多球机实现人脸识别的系统及方法 | |
CN109887040A (zh) | 面向视频监控的运动目标主动感知方法及系统 | |
CN112699839B (zh) | 一种动态背景下视频目标自动锁定及跟踪方法 | |
CN104361327A (zh) | 一种行人检测方法和系统 | |
CN103679674A (zh) | 一种无人飞行器实时图像拼接方法及系统 | |
CN112069969B (zh) | 一种高速公路监控视频跨镜车辆跟踪方法及系统 | |
CN102831618A (zh) | 基于霍夫森林的视频目标跟踪方法 | |
CN106933861A (zh) | 一种支持特征自定义的跨镜头目标检索方法 | |
CN105758397A (zh) | 一种飞行器摄像定位方法 | |
CN108108697A (zh) | 一种实时无人机视频目标检测与跟踪方法 | |
CN112927264B (zh) | 一种无人机跟踪拍摄系统及其rgbd跟踪方法 | |
CN104363426A (zh) | 一种多摄像机目标关联的交通视频监控系统和监控方法 | |
CN110619276B (zh) | 基于无人机移动监控的异常及暴力检测系统和方法 | |
CN102065275A (zh) | 智能视频监控系统中多目标跟踪方法 | |
CN106650965A (zh) | 一种远程视频处理方法及装置 | |
CN109270952A (zh) | 一种农田信息获取系统及方法 | |
CN112945015A (zh) | 一种无人机监测系统、方法、装置及存储介质 |
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 |