CN113642423B - 一种无人机的航拍目标精准定位方法及系统 - Google Patents
一种无人机的航拍目标精准定位方法及系统 Download PDFInfo
- Publication number
- CN113642423B CN113642423B CN202110854863.5A CN202110854863A CN113642423B CN 113642423 B CN113642423 B CN 113642423B CN 202110854863 A CN202110854863 A CN 202110854863A CN 113642423 B CN113642423 B CN 113642423B
- Authority
- CN
- China
- Prior art keywords
- target
- color
- obtaining
- color distribution
- result
- 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
Links
Images
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种无人机的航拍目标精准定位方法及系统,所述方法包括:构建所述第一目标的第一活动范围的空间坐标系;获得所述第一目标的第一颜色分布特征;获得第一目标区域图像的所述第一色彩分布分析结果;对所述第一目标区域图像超过预设色彩比对阈值的第一区域进行色彩淡化处理;进行目标特征匹配,获得第一目标特征匹配结果;基于所述第一目标特征匹配结果和所述第一构建结果获得第一目标坐标。解决了现有技术中存在无法快速得出航拍目标的空间位置坐标,进一步导致无人机拍摄效率低下的技术问题。达到了基于颜色特征准确区分航拍目标与其周围环境,进一步得到航拍目标准确的空间位置坐标,最终提高无人机拍摄效率的技术效果。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种无人机的航拍目标精准定位方法及系统。
背景技术
随着科学技术的发展,具有高机动性、高分辨率、低成本、较强隐蔽性、灵活操作等优势的无人机得到了空前的开发和运用。无人机起降方便,可根据任务随时起飞,并可执行有人飞机不宜执行的任务,所获取的影像资料时效性很强。然而事实上,对于非地面的航拍目标,现有定位系统仅依据其形状和结构特征进行目标自动识别追踪,因此实际上无法给出目标的准确空间位置,导致航拍时无人机无法准确捕捉到航拍目标的画面,进一步导致无人机航拍效率低下。
本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中存在无法快速得出航拍目标的空间位置坐标,进一步导致无人机拍摄效率低下的技术问题。
发明内容
有鉴于此,本申请实施例通过提供一种无人机的航拍目标精准定位方法及系统,所述方法包括:通过获得第一目标的第一活动范围,其中,所述第一活动范围为所述第一目标的预定活动范围;获得第一空间坐标系构建指令,通过所述第一空间坐标系构建指令对所述第一活动范围进行空间坐标系构建,获得第一构建结果;对所述第一目标进行目标的颜色特征分析,获得所述第一目标的第一颜色分布特征;通过所述第一无人机获得第一目标区域图像,对所述第一目标区域图像进行图像色彩分布分析,获得第一色彩分布分析结果;获得第一色彩比对指令,通过所述第一色彩比对指令将所述第一色彩分布分析结果与所述第一颜色分布特征进行色彩范围偏差比对,获得所述第一目标区域图像超过预设色彩比对阈值的第一区域,将所述第一区域进行色彩淡化处理,获得第二目标区域图像;根据所述第一颜色分布特征对所述第二目标区域图像进行目标特征匹配,获得第一目标特征匹配结果;基于所述第一目标特征匹配结果和所述第一构建结果获得第一目标坐标。解决了现有技术中存在无法快速得出航拍目标的空间位置坐标,进一步导致无人机拍摄效率低下的技术问题。达到了基于颜色特征准确区分航拍目标与其周围环境,进一步得到航拍目标准确的空间位置坐标,最终提高无人机拍摄效率的技术效果。
鉴于上述问题,本申请实施例提供了一种无人机的航拍目标精准定位方法及系统。
第一方面,本申请提供了一种无人机的航拍目标精准定位方法,所述方法通过一种无人机的航拍目标精准定位系统实现,其中,所述方法包括:通过获得第一目标的第一活动范围,其中,所述第一活动范围为所述第一目标的预定活动范围;获得第一空间坐标系构建指令,通过所述第一空间坐标系构建指令对所述第一活动范围进行空间坐标系构建,获得第一构建结果;对所述第一目标进行目标的颜色特征分析,获得所述第一目标的第一颜色分布特征;通过所述第一无人机获得第一目标区域图像,对所述第一目标区域图像进行图像色彩分布分析,获得第一色彩分布分析结果;获得第一色彩比对指令,通过所述第一色彩比对指令将所述第一色彩分布分析结果与所述第一颜色分布特征进行色彩范围偏差比对,获得所述第一目标区域图像超过预设色彩比对阈值的第一区域,将所述第一区域进行色彩淡化处理,获得第二目标区域图像;根据所述第一颜色分布特征对所述第二目标区域图像进行目标特征匹配,获得第一目标特征匹配结果;基于所述第一目标特征匹配结果和所述第一构建结果获得第一目标坐标。
另一方面,本申请还提供了一种无人机的航拍目标精准定位系统,用于执行如第一方面所述的一种无人机的航拍目标精准定位方法,所述系统与第一无人机通信连接,其中,所述系统包括:第一获得单元:所述第一获得单元用于获得第一目标的第一活动范围,其中,所述第一活动范围为所述第一目标的预定活动范围;第二获得单元:所述第二获得单元用于获得第一空间坐标系构建指令,通过所述第一空间坐标系构建指令对所述第一活动范围进行空间坐标系构建,获得第一构建结果;第三获得单元:所述第三获得单元用于对所述第一目标进行目标的颜色特征分析,获得所述第一目标的第一颜色分布特征;第四获得单元:所述第四获得单元用于通过所述第一无人机获得第一目标区域图像,对所述第一目标区域图像进行图像色彩分布分析,获得第一色彩分布分析结果;第五获得单元:所述第五获得单元用于获得第一色彩比对指令,通过所述第一色彩比对指令将所述第一色彩分布分析结果与所述第一颜色分布特征进行色彩范围偏差比对,获得所述第一目标区域图像超过预设色彩比对阈值的第一区域,将所述第一区域进行色彩淡化处理,获得第二目标区域图像;第六获得单元:所述第六获得单元用于根据所述第一颜色分布特征对所述第二目标区域图像进行目标特征匹配,获得第一目标特征匹配结果;第七获得单元:所述第七获得单元用于基于所述第一目标特征匹配结果和所述第一构建结果获得第一目标坐标。
第三方面,本申请实施例还提供了一种无人机的航拍目标精准定位系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
1.通过获得第一目标的第一活动范围,其中,所述第一活动范围为所述第一目标的预定活动范围;获得第一空间坐标系构建指令,通过所述第一空间坐标系构建指令对所述第一活动范围进行空间坐标系构建,获得第一构建结果;对所述第一目标进行目标的颜色特征分析,获得所述第一目标的第一颜色分布特征;通过所述第一无人机获得第一目标区域图像,对所述第一目标区域图像进行图像色彩分布分析,获得第一色彩分布分析结果;获得第一色彩比对指令,通过所述第一色彩比对指令将所述第一色彩分布分析结果与所述第一颜色分布特征进行色彩范围偏差比对,获得所述第一目标区域图像超过预设色彩比对阈值的第一区域,将所述第一区域进行色彩淡化处理,获得第二目标区域图像;根据所述第一颜色分布特征对所述第二目标区域图像进行目标特征匹配,获得第一目标特征匹配结果;基于所述第一目标特征匹配结果和所述第一构建结果获得第一目标坐标。达到了精准确定无人机航拍目标的空间位置坐标,保证航拍过程有序、高效的技术效果。
2.通过色彩分析神经网络模型,可以依据光线信息对航拍目标各部位的颜色进行分析,并对比第一颜色分布特征将不一致的颜色分析进行标记,依据相应的标记点对颜色分析结果不一致的目标部位进行修正,保障了航拍目标颜色分析结果的准确性,同时可靠地将航拍目标与其周围的背景分离,达到了高精度识别、定位航拍目标的技术效果。
3.通过分析航拍目标的运动方式及速度得到相应评估结果,为系统准确剔除假目标,保持对真实航拍目标的持续跟踪提供参考,最终达到了实时、连续、高精度定位目标的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例一种无人机的航拍目标精准定位方法的流程示意图;
图2为本申请实施例修正第一颜色分布特征的方法的流程示意图;
图3为本申请实施例修正第一目标坐标的方法的流程示意图;
图4为本申请实施例第一目标的运动评估方法的流程示意图;
图5为本申请实施例一种无人机的航拍目标精准定位系统的结构示意图;
图6为本申请实施例示例性电子设备的结构示意图。
附图标记说明:
第一获得单元11,第二获得单元12,第三获得单元13,第四获得单元14,第五获得单元15,第六获得单元16,第七获得单元17,总线300,接收器301,处理器302,发送器303,存储器304,总线接口305。
具体实施方式
本申请实施例通过提供一种无人机的航拍目标精准定位方法及系统,解决了现有技术中存在无法快速得出航拍目标的空间位置坐标,进一步导致无人机拍摄效率低下的技术问题。达到了基于颜色特征准确区分航拍目标与其周围环境,进一步得到航拍目标准确的空间位置坐标,最终提高无人机拍摄效率的技术效果。
下面,将参考附图对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。基于本申请的实施例,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,都属于本申请保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部。
申请概述
随着科学技术的发展,具有高机动性、高分辨率、低成本、较强隐蔽性、灵活操作等优势的无人机得到了空前的开发和运用。无人机起降方便,可根据任务随时起飞,并可执行有人飞机不宜执行的任务,所获取的影像资料时效性很强。然而事实上,对于非地面的航拍目标,现有定位系统仅依据其形状和结构特征进行目标自动识别追踪,因此实际上无法给出目标的准确空间位置,导致航拍时无人机无法准确捕捉到航拍目标的画面,进一步导致无人机航拍效率低下。现有技术中存在无法快速得出航拍目标的空间位置坐标,进一步导致无人机拍摄效率低下的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
本申请提供了一种无人机的航拍目标精准定位方法,所述方法应用于一种无人机的航拍目标精准定位系统,其中,所述方法包括:通过获得第一目标的第一活动范围,其中,所述第一活动范围为所述第一目标的预定活动范围;获得第一空间坐标系构建指令,通过所述第一空间坐标系构建指令对所述第一活动范围进行空间坐标系构建,获得第一构建结果;对所述第一目标进行目标的颜色特征分析,获得所述第一目标的第一颜色分布特征;通过所述第一无人机获得第一目标区域图像,对所述第一目标区域图像进行图像色彩分布分析,获得第一色彩分布分析结果;获得第一色彩比对指令,通过所述第一色彩比对指令将所述第一色彩分布分析结果与所述第一颜色分布特征进行色彩范围偏差比对,获得所述第一目标区域图像超过预设色彩比对阈值的第一区域,将所述第一区域进行色彩淡化处理,获得第二目标区域图像;根据所述第一颜色分布特征对所述第二目标区域图像进行目标特征匹配,获得第一目标特征匹配结果;基于所述第一目标特征匹配结果和所述第一构建结果获得第一目标坐标。
在介绍了本申请基本原理后,下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
请参阅附图1所示,本申请实施例提供了一种无人机的航拍目标精准定位方法,其中,所述方法应用于一无人机辅助定位系统,所述系统与第一无人机通信连接,所述方法具体包括如下步骤:
步骤S100:获得第一目标的第一活动范围,其中,所述第一活动范围为所述第一目标的预定活动范围;
具体而言,所述第一无人机即任一无人驾驶的飞机,通过机身内部控制程序或装置无线电遥控设备操纵飞行,由飞行器、自动导航驾驶仪、通信系统、动力系统和任务设备等组成。所述无人机辅助定位系统是指通过计算机等智能设备辅助无人机确定航拍目标的准确位置的系统。所述第一目标是指所述无人机从空中进行拍摄的拍摄目标。所述第一活动范围是指预先设置的无人机航拍目标的最大活动范围。通过分析得到航拍目标所有活动的区域范围,达到了缩小航拍目标定位范围的技术效果。
步骤S200:获得第一空间坐标系构建指令,通过所述第一空间坐标系构建指令对所述第一活动范围进行空间坐标系构建,获得第一构建结果;
具体而言,所述第一空间坐标系构建指令是指由所述无人机辅助定位系统发出的构建航拍目标活动范围的空间坐标系的指令。通过所述第一空间坐标系构建指令对所述第一活动范围进行空间坐标系构建,可以获得所述第一目标的第一活动范围的空间坐标轴,所述第一活动范围内的任一位置均可在所述空间坐标轴内确定其准确的位置坐标。所述第一构建结果即指所述第一活动范围内空间坐标系的构建结果。通过在航拍目标的活动区域构建空间坐标轴,达到了精准描述航拍目标任一位置的技术效果。
步骤S300:对所述第一目标进行目标的颜色特征分析,获得所述第一目标的第一颜色分布特征;
具体而言,颜色特征是在图像检索中应用最为广泛的视觉特征,主要原因在于颜色往往和图像中所包含的物体或场景十分相关。此外与其他的视觉特征相比,颜色特征对图像本身的尺寸、方向、视角的依赖性较小,从而具有较高的鲁棒性。对所述第一目标进行颜色特征分析,可以获得所述第一目标的第一颜色分布特征。所述第一目标的第一颜色分布特征包括所述第一目标中的颜色种类、各颜色面积、形状及分布状况等相关信息,其中,各颜色的特征以RGB值表示。
通过对航拍目标的颜色特征进行分析,可以得到航拍目标的具体颜色情况,便于无人机通过颜色确定目标的大致位置。
步骤S400:通过所述第一无人机获得第一目标区域图像,对所述第一目标区域图像进行图像色彩分布分析,获得第一色彩分布分析结果;
具体而言,通过所述第一无人机智能获取所述第一目标的大致位置,之后获取所述第一目标及其附近区域的图像,对所得图像进行图像色彩分布分析,获得所述第一目标及其附近区域整体图像的色彩分布分析结果,即为所述第一色彩分布分析结果。所述第一色彩分布分析结果包括所述第一目标及其附近区域整体图像中的颜色种类、各颜色面积、形状及分布状况等相关信息。通过分析可以得到航拍目标及其周围环境图像的颜色特征,为通过颜色特征对航拍目标进行精准定位提供基础。
步骤S500:获得第一色彩比对指令,通过所述第一色彩比对指令将所述第一色彩分布分析结果与所述第一颜色分布特征进行色彩范围偏差比对,获得所述第一目标区域图像超过预设色彩比对阈值的第一区域,将所述第一区域进行色彩淡化处理,获得第二目标区域图像;
具体而言,所述第一色彩比对指令是指在系统获得所述第一目标的第一颜色分布特征和所述第一目标及其附近区域图像的所述第一色彩分布分析结果后,发出的对比分析两图像色彩特征的指令。所述预设色彩比对阈值是指根据颜色特征做出的任一颜色发生显著变化、成为有显著区别的另外一种颜色时,其RGB颜色模式中红R、绿G 和蓝B三个颜色通道的变化范围。通过对比所述第一色彩比对指令将所述第一色彩分布分析结果与所述第一颜色分布特征进行色彩范围,获得所述第一目标区域图像中超过预设色彩比对阈值的区域,定位所述第一区域,将所述第一区域范围进行整体色彩淡化处理,处理后得到的图像即为所述第二目标区域图像。
通过对比航拍目标及其附近区域的色彩偏差,将除航拍目标外其他区域颜色均进行淡化处理以加大其与航拍目标的颜色对比,达到了突出航拍目标的技术效果。
步骤S600:根据所述第一颜色分布特征对所述第二目标区域图像进行目标特征匹配,获得第一目标特征匹配结果;
具体而言,根据对所述第一目标进行颜色特征分析后得到的所述第一颜色分布特征对所述第二目标区域图像进行航拍目标颜色特征匹配,可以得到所述第二目标区域图像与所述第一目标的匹配程度,其中,所述第二目标区域图像中与所述第一目标匹配度高的部分即为所述第一目标,即无人机航拍目标。通过对比得到所述第一颜色分布特征与所述第二目标区域图像中颜色特征的匹配度,达到了通过颜色匹配程度确定航拍目标范围的技术效果。
步骤S700:基于所述第一目标特征匹配结果和所述第一构建结果获得第一目标坐标。
具体而言,通过所述第一目标特征匹配结果可以得到航拍目标所占空间的区域范围,结合所述第一目标活动范围的空间坐标轴,可以实现航拍目标的精准定位。通过利用颜色特征确定航拍目标的空间位置,提高了航拍目标定位的准确度,达到了提高航拍效率和航拍质量的技术效果。
进一步的,如附图2所示,本申请实施例步骤S800还包括:
步骤S810:获得第一光线检测指令,通过所述第一光线检测指令对所述第一目标区域图像进行光线检测,获得第一光线信息,其中,所述第一光线信息包括第一光强信息和第一光照位置信息;
步骤S820:将所述第一光线信息和所述第一颜色分布特征输入色彩分析模型,获得第一颜色分析结果;
步骤S830:根据所述第一颜色分析结果对所述第一颜色分布特征进行调整,获得第二颜色分布特征;
步骤S840:通过所述第二颜色分布特征对所述第二目标区域图像进行目标特征匹配。
具体而言,通过对所述第一目标区域图像进行光线检测,可以得到所述第一目标区域图像中的光线信息,即为所述第一光线信息,其中,所述第一光线信息包括所述第一目标区域图像中各区域光线强度的第一光强信息和各光线位置的第一光照位置信息。在所述第一目标区域图像中,若某区域光线强度越高,则该区域的色彩明度越高,也即该区域的颜色就越浅,反之则该区域的色彩明度越低,也即该区域的颜色就越深。
所述色彩分析模型用于分析各图像中色彩种类及位置等信息。将所述第一光线信息和所述第一目标颜色特征分析得到的第一颜色分布特征输入色彩分析模型中,可以得到所述第一目标的第一颜色分析结果。根据光线越强,图像明度越高,同时图像颜色越浅,进一步可以根据所得所述第一颜色分析结果对所述第一颜色分布特征进行调整,可以获得第二颜色分布特征。对所述第二颜色分布特征与所述第二目标区域图像进行目标特征匹配。
通过利用光影原理对航拍目标的颜色进一步分析检验,并调整所述第一目标的颜色分布特征,提高了航拍目标颜色分布结果的准确性,达到了准确了解航拍目标、为进一步提高航拍目标定位的准确性打下良好基础的技术效果。
进一步的,本申请实施例步骤S500还包括:
步骤S510:获得第一预定色阈阈值;
步骤S520:根据所述第一色彩对比指令,基于所述第一预定色阈阈值将所述第一颜色分布特征进行色彩范围扩充,获得第二色彩阈值;
步骤S530:通过所述第二色彩阈值对所述第一色彩分布分析结果进行比对,将所述第一色彩分布分析结果不满足所述第二色彩阈值的部分作为所述第一区域。
具体而言,所述第一预定色阈阈值是指根据各颜色特征提前设定的颜色发生显著变化、成为有显著区别的另外一种颜色时,其RGB 颜色模式中红R、绿G和蓝B三个颜色通道的变化区间。基于所述第一预定色阈阈值,对所述第一目标中的各颜色进行范围扩充,即是指对所述第一颜色分布特征的色彩范围扩充,扩充后得到的颜色分布范围特征即为所述第二色彩阈值。进一步的,将扩充得到的所述第二色彩阈值和所述第一目标区域图像色彩分布分析结果进行对比,经过对比,将所述第一目标区域图像色彩分布分析结果中不属于第二色彩阈值的部分即为所述第一区域。
通过色阈阈值对航拍目标的色彩范围进行了适度扩充,避免了航拍目标因颜色和目标区域背景颜色接近导致的航拍目标边缘部位色彩被淡化,最终导致航拍目标定位不准,达到了提高航拍目标定位的准确度的技术效果。
进一步的,如附图3所示,本申请实施例步骤S900还包括:
步骤S910:通过所述第一无人机获得第三目标区域图像,其中,所述第三目标区域图像与所述第一目标区域图像的角度不同;
步骤S920:对所述第三目标区域图像和所述第一目标区域图像进行多角度图像分析,获得第一多角度图像分析定位结果;
步骤S930:通过所述第一多角度图像分析定位结果对所述第一目标坐标进行修正,获得第二目标坐标。
具体而言,所述第一无人机以所述第一目标区域图像拍摄角度不同的角度对所述第一目标及其周围区域再次进行捕捉拍摄,得到的图像即为所述第三目标区域图像。对所得的所述第三目标区域图像和所述第一目标区域图像进行多角度的图像分析,分析结果包括所述第一目标的形状、体积等信息,即为所述第一多角度图像分析定位结果。进一步的,通过所述第一多角度图像分析定位结果对所述第一目标的坐标位置进行修正,修改后得到更加精准的坐标即为所述第一目标,即所述航拍目标的位置坐标,定为所述第二目标坐标。
通过综合分析航拍目标多角度的位置图像,得到了更加准确的航拍目标位置坐标,进一步提高了航拍目标定位的精准度,达到了提高航拍效率及拍摄效果的技术效果。
进一步的,如附图4所示,本申请实施例步骤S1000还包括:
步骤S1010:获得所述第一目标的第一运动方式,将所述第一运动方式作为第一决策参数;
步骤S1020:获得所述第一目标的第一运动速度,将所述第一运动速度作为第二决策参数;
步骤S1030:通过所述第一决策参数、所述第二决策参数和所述第一色彩分布分析结果获得所述第一目标的运动评估结果;
步骤S1040:将所述运动评估结果作为后续所述第一目标坐标分析的参考信息。
具体而言,对所述第一目标的运动方式和运动速度进行综合分析,得到影响航拍目标最终位置坐标的决策参数,分别定为第一决策参数和第二决策参数。通过所述第一决策参数、所述第二决策参数和所述第一色彩分布分析结果获得所述第一目标的运动评估结果,所述第一目标的运动评估结果包括航拍目标运动方向、运动速度、运动轨迹和运动形态等相关运行指标对其位置坐标的影响程度。将所述运动评估结果作为后续所述第一目标坐标分析的参考信息。
通过对航拍目标的运动情况进行分析,得出影响其位置坐标的运动指标,并预测影响结果,达到了综合考虑航拍目标情况使定位更加准确的技术效果。
进一步的,本申请实施例步骤S820还包括:
步骤S821:构建色彩分析模型,其中,所述色彩分析模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括所述第一光线信息、所述第一颜色分布特征和标识颜色分析结果的标识信息;
步骤S822:将所述第一光线信息和所述第一颜色分布特征输入所述色彩分析模型,获得所述第一颜色分析结果。
具体而言,所述色彩分析模型为神经网络模型,具有神经网络模型的特性。所述神经网络模型即机器学习中的神经网络模型,它反映了人脑功能的许多基本特征,是一种具有局部连接、权值共享等特点的深层前馈神经网络,是一个高度复杂的非线性动力学习系统。神经网络由大量的节点(或称神经元)之间相互连接构成,每个节点代表一种特定的输出函数称为激励函数,每两个节点之间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆,网络的输出则依照网络的连接方式,是对一种逻辑策略的表达,基于神经网络模型建立的所述色彩分析模型能够输出准确的所述第一颜色分析结果,从而具备了较强的分析计算能力,达到了准确而高效的技术效果。
此外,它能根据训练数据进行不断的自我训练学习,所述多组训练数据中每组数据均包括所述第一光线信息、所述第一颜色分布特征和标识颜色分析结果的标识信息,色彩分析模型不断地自我的修正,当色彩分析模型的输出信息达到预定的准确率/收敛状态时,则监督学习过程结束。
通过对色彩分析模型进行数据训练,使得色彩分析模型处理输入数据更加准确,进而使得输出的所述第一颜色分析结果也更加准确,达到了准确获得数据信息,提高评估结果智能化的技术效果。
进一步的,本申请实施例步骤S1030还包括:
步骤S1031:通过所述第一决策参数和所述第一色彩分布分析结果获得所述第一目标的第一运动路径集合;
步骤S1032:对所述第一目标的运动进行行为学习分析,获得所述第一目标进行所述第一运动路径集合中各路径的选取概率;
步骤S1033:通过所述选取概率和所述第二决策参数获得所述运动评估结果。
具体而言,通过综合分析航拍目标的运动方式和航拍目标及其周围区域的色彩分布分析结果,可以得到该航拍目标的多条运动路径,所述多条运动路径即可组成所述第一目标的第一运动路径集合。进一步的,分析并学习航拍目标的运动行为及运动路径,分别得到所述航拍目标选取所述第一运动路径集合中各条路径的概率。最后通过航拍目标选取各条路径的概率及其运动速度,可以得到航拍目标不同运行方式对其位置的影响情况,将不同运动评估结果作为确定航拍目标最终位置坐标的影响因素。通过对运动状态航拍目标的多种运行情况进行分析,可以得到不同运行情况对其位置坐标的影响,在确定航拍目标定位时综合考虑其运动情况,使得定位结果更加精准,达到了提高航拍目标定位准确度的技术效果。
综上所述,本申请实施例所提供的一种无人机的航拍目标精准定位方法具有如下技术效果:
1.通过获得第一目标的第一活动范围,其中,所述第一活动范围为所述第一目标的预定活动范围;获得第一空间坐标系构建指令,通过所述第一空间坐标系构建指令对所述第一活动范围进行空间坐标系构建,获得第一构建结果;对所述第一目标进行目标的颜色特征分析,获得所述第一目标的第一颜色分布特征;通过所述第一无人机获得第一目标区域图像,对所述第一目标区域图像进行图像色彩分布分析,获得第一色彩分布分析结果;获得第一色彩比对指令,通过所述第一色彩比对指令将所述第一色彩分布分析结果与所述第一颜色分布特征进行色彩范围偏差比对,获得所述第一目标区域图像超过预设色彩比对阈值的第一区域,将所述第一区域进行色彩淡化处理,获得第二目标区域图像;根据所述第一颜色分布特征对所述第二目标区域图像进行目标特征匹配,获得第一目标特征匹配结果;基于所述第一目标特征匹配结果和所述第一构建结果获得第一目标坐标。达到了精准确定无人机航拍目标的空间位置坐标,保证航拍过程有序、高效的技术效果。
2.通过色彩分析神经网络模型,可以依据光线信息对航拍目标各部位的颜色进行分析,并对比第一颜色分布特征将不一致的颜色分析进行标记,依据相应的标记点对颜色分析结果不一致的目标部位进行修正,保障了航拍目标颜色分析结果的准确性,同时可靠地将航拍目标与其周围的背景分离,达到了高精度识别、定位航拍目标的技术效果。
3.通过分析航拍目标的运动方式及速度得到相应评估结果,为系统准确剔除假目标,保持对真实航拍目标的持续跟踪提供参考,最终达到了实时、连续、高精度定位目标的技术效果。
实施例二
基于与前述实施例中一种无人机的航拍目标精准定位方法,同样发明构思,本发明还提供了一种无人机的航拍目标精准定位系统,请参阅附图5所示,所述系统包括:
第一获得单元11,所述第一获得单元11用于获得第一目标的第一活动范围,其中,所述第一活动范围为所述第一目标的预定活动范围;
第二获得单元12,所述第二获得单元12用于获得第一空间坐标系构建指令,通过所述第一空间坐标系构建指令对所述第一活动范围进行空间坐标系构建,获得第一构建结果;
第三获得单元13,所述第三获得单元13用于对所述第一目标进行目标的颜色特征分析,获得所述第一目标的第一颜色分布特征;
第四获得单元14,所述第四获得单元14用于通过所述第一无人机获得第一目标区域图像,对所述第一目标区域图像进行图像色彩分布分析,获得第一色彩分布分析结果;
第五获得单元15,所述第五获得单元15用于获得第一色彩比对指令,通过所述第一色彩比对指令将所述第一色彩分布分析结果与所述第一颜色分布特征进行色彩范围偏差比对,获得所述第一目标区域图像超过预设色彩比对阈值的第一区域,将所述第一区域进行色彩淡化处理,获得第二目标区域图像;
第六获得单元16,所述第六获得单元16用于根据所述第一颜色分布特征对所述第二目标区域图像进行目标特征匹配,获得第一目标特征匹配结果;
第七获得单元17,所述第七获得单元17用于基于所述第一目标特征匹配结果和所述第一构建结果获得第一目标坐标。
进一步的,所述系统还包括:
第八获得单元,所述第八获得单元用于获得第一光线检测指令,通过所述第一光线检测指令对所述第一目标区域图像进行光线检测,获得第一光线信息,其中,所述第一光线信息包括第一光强信息和第一光照位置信息;
第九获得单元,所述第九获得单元用于将所述第一光线信息和所述第一颜色分布特征输入色彩分析模型,获得第一颜色分析结果;
第十获得单元,所述第十获得单元用于根据所述第一颜色分析结果对所述第一颜色分布特征进行调整,获得第二颜色分布特征;
第一匹配单元,所述第一匹配单元用于通过所述第二颜色分布特征对所述第二目标区域图像进行目标特征匹配。
进一步的,所述系统还包括:
第十一获得单元,所述第十一获得单元用于获得第一预定色阈阈值;
第十二获得单元,所述第十二获得单元用于根据所述第一色彩对比指令,基于所述第一预定色阈阈值将所述第一颜色分布特征进行色彩范围扩充,获得第二色彩阈值;
第一对比单元,所述第一对比单元用于通过所述第二色彩阈值对所述第一色彩分布分析结果进行比对,将所述第一色彩分布分析结果不满足所述第二色彩阈值的部分作为所述第一区域。
进一步的,所述系统还包括:
第十三获得单元,所述第十三获得单元用于通过所述第一无人机获得第三目标区域图像,其中,所述第三目标区域图像与所述第一目标区域图像的角度不同;
第十四获得单元,所述第十四获得单元用于对所述第三目标区域图像和所述第一目标区域图像进行多角度图像分析,获得第一多角度图像分析定位结果;
第十五获得单元,所述第十五获得单元用于通过所述第一多角度图像分析定位结果对所述第一目标坐标进行修正,获得第二目标坐标。
进一步的,所述系统还包括:
第十六获得单元,所述第十六获得单元用于获得所述第一目标的第一运动方式,将所述第一运动方式作为第一决策参数;
第十七获得单元,所述第十七获得单元用于获得所述第一目标的第一运动速度,将所述第一运动速度作为第二决策参数;
第十八获得单元,所述第十八获得单元用于通过所述第一决策参数、所述第二决策参数和所述第一色彩分布分析结果获得所述第一目标的运动评估结果;
第一设置单元,所述第一设置单元用于将所述运动评估结果作为后续所述第一目标坐标分析的参考信息。
进一步的,所述系统还包括:
第一构建单元,所述第一构建单元用于构建色彩分析模型,其中,所述色彩分析模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括所述第一光线信息、所述第一颜色分布特征和标识颜色分析结果的标识信息;
第十九获得单元,所述第十九获得单元用于将所述第一光线信息和所述第一颜色分布特征输入所述色彩分析模型,获得所述第一颜色分析结果。
进一步的,所述系统还包括:
第二十获得单元,所述第二十获得单元用于通过所述第一决策参数和所述第一色彩分布分析结果获得所述第一目标的第一运动路径集合;
第二十一获得单元,所述第二十一获得单元用于对所述第一目标的运动进行行为学习分析,获得所述第一目标进行所述第一运动路径集合中各路径的选取概率;
第二十二获得单元,所述第二十二获得单元用于通过所述选取概率和所述第二决策参数获得所述运动评估结果。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,前述图1实施例一中的一种无人机的航拍目标精准定位方法和具体实例同样适用于本实施例的一种无人机的航拍目标精准定位系统,通过前述对一种无人机的航拍目标精准定位方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种无人机的航拍目标精准定位系统,所以为了说明书的简洁,在此不再详述。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
示例性电子设备
下面参考图6来描述本申请实施例的电子设备。
图6图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种无人机的航拍目标精准定位方法的发明构思,本发明还提供一种无人机的航拍目标精准定位系统,其上存储有计算机程序,该程序被处理器执行时实现前文所述一种血液净化中心护理的应急预案方法的任一方法的步骤。
其中,在图6中,总线架构(用总线300来代表),总线300可以包括任意数量的互联的总线和桥,总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口305在总线300和接收器 301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件,即收发机,提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理,而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请提供了一种无人机的航拍目标精准定位方法,所述方法应用于一种无人机的航拍目标精准定位系统,其中,所述方法包括:获得第一目标的第一活动范围,其中,所述第一活动范围为所述第一目标的预定活动范围;获得第一空间坐标系构建指令,通过所述第一空间坐标系构建指令对所述第一活动范围进行空间坐标系构建,获得第一构建结果;对所述第一目标进行目标的颜色特征分析,获得所述第一目标的第一颜色分布特征;通过所述第一无人机获得第一目标区域图像,对所述第一目标区域图像进行图像色彩分布分析,获得第一色彩分布分析结果;获得第一色彩比对指令,通过所述第一色彩比对指令将所述第一色彩分布分析结果与所述第一颜色分布特征进行色彩范围偏差比对,获得所述第一目标区域图像超过预设色彩比对阈值的第一区域,将所述第一区域进行色彩淡化处理,获得第二目标区域图像;根据所述第一颜色分布特征对所述第二目标区域图像进行目标特征匹配,获得第一目标特征匹配结果;基于所述第一目标特征匹配结果和所述第一构建结果获得第一目标坐标。解决了现有技术中存在无法快速得出航拍目标的空间位置坐标,进一步导致无人机拍摄效率低下的技术问题。达到了基于颜色特征准确区分航拍目标与其周围环境,进一步得到航拍目标准确的空间位置坐标,最终提高无人机拍摄效率的技术效果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、装置、或计算机程序产品。因此,本申请可采用完全软件实施例、完全硬件实施例、或结合软件和硬件方面实施例的形式。此外,本申请为可以在一个或多个包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。而所述的计算机可用存储介质包括但不限于:U盘、移动硬盘、只读存储器(Read-0nly Memory,简称ROM)、随机存取存储器(Random AccessMemory,简称RAM)、磁盘存储器、只读光盘(Compact Disc Read-Only Memory,简称 CD-ROM)、光学存储器等各种可以存储程序代码的介质。
本发明是参照本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/ 或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图1个流程或多个流程和/或方框图1个方框或多个方框中指定的功能的系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统实现在流程图1个流程或多个流程和/或方框图1个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图1个流程或多个流程和/或方框图1个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种无人机的航拍目标精准定位方法,其中,所述方法应用于一无人机辅助定位系统,所述系统与第一无人机通信连接,所述方法包括:
获得第一目标的第一活动范围,其中,所述第一活动范围为所述第一目标的预定活动范围;
获得第一空间坐标系构建指令,通过所述第一空间坐标系构建指令对所述第一活动范围进行空间坐标系构建,获得第一构建结果;
对所述第一目标进行目标的颜色特征分析,获得所述第一目标的第一颜色分布特征;
通过所述第一无人机获得第一目标区域图像,对所述第一目标区域图像进行图像色彩分布分析,获得第一色彩分布分析结果;
获得第一色彩比对指令,通过所述第一色彩比对指令将所述第一色彩分布分析结果与所述第一颜色分布特征进行色彩范围偏差比对,获得所述第一目标区域图像超过预设色彩比对阈值的第一区域,将所述第一区域进行色彩淡化处理,获得第二目标区域图像;
根据所述第一颜色分布特征对所述第二目标区域图像进行目标特征匹配,获得第一目标特征匹配结果;
基于所述第一目标特征匹配结果和所述第一构建结果获得第一目标坐标。
2.如权利要求1所述的方法,其中,所述方法还包括:
获得第一光线检测指令,通过所述第一光线检测指令对所述第一目标区域图像进行光线检测,获得第一光线信息,其中,所述第一光线信息包括第一光强信息和第一光照位置信息;
将所述第一光线信息和所述第一颜色分布特征输入色彩分析模型,获得第一颜色分析结果;
根据所述第一颜色分析结果对所述第一颜色分布特征进行调整,获得第二颜色分布特征;
通过所述第二颜色分布特征对所述第二目标区域图像进行目标特征匹配。
3.如权利要求1所述的方法,其中,所述获得第一色彩比对指令,通过所述第一色彩比对指令将所述第一色彩分布分析结果与所述第一颜色分布特征进行色彩范围偏差比对,还包括:
获得第一预定色阈阈值;
根据所述第一色彩对比指令,基于所述第一预定色阈阈值将所述第一颜色分布特征进行色彩范围扩充,获得第二色彩阈值;
通过所述第二色彩阈值对所述第一色彩分布分析结果进行比对,将所述第一色彩分布分析结果不满足所述第二色彩阈值的部分作为所述第一区域。
4.如权利要求1所述的方法,其中,所述方法还包括:
通过所述第一无人机获得第三目标区域图像,其中,所述第三目标区域图像与所述第一目标区域图像的角度不同;
对所述第三目标区域图像和所述第一目标区域图像进行多角度图像分析,获得第一多角度图像分析定位结果;
通过所述第一多角度图像分析定位结果对所述第一目标坐标进行修正,获得第二目标坐标。
5.如权利要求1所述的方法,其中,所述方法还包括:
获得所述第一目标的第一运动方式,将所述第一运动方式作为第一决策参数;
获得所述第一目标的第一运动速度,将所述第一运动速度作为第二决策参数;
通过所述第一决策参数、所述第二决策参数和所述第一色彩分布分析结果获得所述第一目标的运动评估结果;
将所述运动评估结果作为后续所述第一目标坐标分析的参考信息。
6.如权利要求2所述的方法,其中,所述方法还包括:
构建色彩分析模型,其中,所述色彩分析模型通过多组训练数据训练获得,所述多组训练数据中的每组均包括所述第一光线信息、所述第一颜色分布特征和标识颜色分析结果的标识信息;
将所述第一光线信息和所述第一颜色分布特征输入所述色彩分析模型,获得所述第一颜色分析结果。
7.如权利要求5所述的方法,其中,所述方法还包括:
通过所述第一决策参数和所述第一色彩分布分析结果获得所述第一目标的第一运动路径集合;
对所述第一目标的运动进行行为学习分析,获得所述第一目标进行所述第一运动路径集合中各路径的选取概率;
通过所述选取概率和所述第二决策参数获得所述运动评估结果。
8.一种无人机的航拍目标精准定位系统,其中,所述系统包括:
第一获得单元:所述第一获得单元用于获得第一目标的第一活动范围,其中,所述第一活动范围为所述第一目标的预定活动范围;
第二获得单元:所述第二获得单元用于获得第一空间坐标系构建指令,通过所述第一空间坐标系构建指令对所述第一活动范围进行空间坐标系构建,获得第一构建结果;
第三获得单元:所述第三获得单元用于对所述第一目标进行目标的颜色特征分析,获得所述第一目标的第一颜色分布特征;
第四获得单元:所述第四获得单元用于通过第一无人机获得第一目标区域图像,对所述第一目标区域图像进行图像色彩分布分析,获得第一色彩分布分析结果;
第五获得单元:所述第五获得单元用于获得第一色彩比对指令,通过所述第一色彩比对指令将所述第一色彩分布分析结果与所述第一颜色分布特征进行色彩范围偏差比对,获得所述第一目标区域图像超过预设色彩比对阈值的第一区域,将所述第一区域进行色彩淡化处理,获得第二目标区域图像;
第六获得单元:所述第六获得单元用于根据所述第一颜色分布特征对所述第二目标区域图像进行目标特征匹配,获得第一目标特征匹配结果;
第七获得单元:所述第七获得单元用于基于所述第一目标特征匹配结果和所述第一构建结果获得第一目标坐标。
9.一种无人机的航拍目标精准定位系统,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现权利要求1~7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110854863.5A CN113642423B (zh) | 2021-07-28 | 2021-07-28 | 一种无人机的航拍目标精准定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110854863.5A CN113642423B (zh) | 2021-07-28 | 2021-07-28 | 一种无人机的航拍目标精准定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113642423A CN113642423A (zh) | 2021-11-12 |
CN113642423B true CN113642423B (zh) | 2022-03-18 |
Family
ID=78418738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110854863.5A Active CN113642423B (zh) | 2021-07-28 | 2021-07-28 | 一种无人机的航拍目标精准定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113642423B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9738401B1 (en) * | 2016-02-05 | 2017-08-22 | Jordan Holt | Visual landing aids for unmanned aerial systems |
CN108731587A (zh) * | 2017-04-14 | 2018-11-02 | 中交遥感载荷(北京)科技有限公司 | 一种基于视觉的无人机动态目标跟踪与定位方法 |
CN108168522A (zh) * | 2017-12-11 | 2018-06-15 | 宁波亿拍客网络科技有限公司 | 一种无人机观测目标再搜寻方法及相关方法 |
WO2019140609A1 (zh) * | 2018-01-18 | 2019-07-25 | 深圳市道通智能航空技术有限公司 | 目标检测方法及无人机 |
CN110532910B (zh) * | 2019-08-19 | 2023-06-23 | 深圳供电局有限公司 | 一种无人机rfid辅助扫描控制方法及装置 |
-
2021
- 2021-07-28 CN CN202110854863.5A patent/CN113642423B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113642423A (zh) | 2021-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112465151A (zh) | 一种基于深度强化学习的多智能体联邦协作方法 | |
CN112883819A (zh) | 多目标跟踪方法、装置、系统及计算机可读存储介质 | |
CN111797983A (zh) | 一种神经网络构建方法以及装置 | |
KR102532748B1 (ko) | 뉴럴 네트워크 학습 방법 및 장치 | |
CN113159300B (zh) | 图像检测神经网络模型及其训练方法、图像检测方法 | |
CN105868797A (zh) | 网络参数训练方法、景物类型识别方法及装置 | |
CN111489394A (zh) | 物体姿态估计模型训练方法、系统、装置及介质 | |
CN103281476A (zh) | 基于电视图像运动目标的自动跟踪方法 | |
CN111027347A (zh) | 一种视频识别方法、装置和计算机设备 | |
CN111931782B (zh) | 语义分割方法、系统、介质及装置 | |
CN113642423B (zh) | 一种无人机的航拍目标精准定位方法及系统 | |
CN113420871A (zh) | 图像质量的评估方法、装置、存储介质及电子装置 | |
CN113128308B (zh) | 一种港口场景下的行人检测方法、装置、设备及介质 | |
CN115410265B (zh) | 模型训练方法、人脸识别方法、电子设备及存储介质 | |
CN112631333A (zh) | 无人机的目标跟踪方法、装置及图像处理芯片 | |
CN114693721B (zh) | 运动规划方法、装置及机器人 | |
CN113963428B (zh) | 模型训练方法、遮挡检测方法、系统、电子设备及介质 | |
CN115661618A (zh) | 图像质量评估模型的训练方法、图像质量评估方法及装置 | |
CN110673642B (zh) | 无人机着陆控制方法、装置、计算机设备及存储介质 | |
CN112101185B (zh) | 一种训练皱纹检测模型的方法、电子设备及存储介质 | |
US20220392212A1 (en) | Object identification apparatus, object identification method, learning apparatus,learning method, and recording medium | |
CN113538509A (zh) | 基于自适应相关滤波特征融合学习的视觉跟踪方法及装置 | |
CN113420623A (zh) | 基于自组织映射神经网络的5g基站检测方法及系统 | |
Valiska et al. | Object tracking by color-based particle filter techniques in videosequences | |
Rebhan et al. | Attention modulation using short-and long-term knowledge |
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 |