[发明专利]针对强散射环境下的运动物体成像与追踪方法及装置在审

专利信息
申请号: 202210374317.6 申请日: 2022-04-11
公开(公告)号: CN114742862A 公开(公告)日: 2022-07-12
发明(设计)人: 王霞;马凯;贺思 申请(专利权)人: 北京理工大学
主分类号: G06T7/246 分类号: G06T7/246;G06N3/04;G06N3/08
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 李相雨
地址: 100081 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 针对 散射 环境 运动 物体 成像 追踪 方法 装置
【权利要求书】:

1.一种针对强散射环境下的运动物体成像与追踪方法,其特征在于,包括:

获取强散射环境下的运动目标的第一散斑图和第二散斑图;

将所述第一散斑图和第二散斑图预处理后输入训练好的深度学习网络中对运动目标进行重构与追踪,得到运动目标重构后以及位移信息恢复后的图像。

2.根据权利要求1所述的针对强散射环境下的运动物体成像与追踪方法,其特征在于,所述获取强散射环境下的运动目标的第一散斑图和第二散斑图,包括:

将激光器的光束调制为赝热光源照射在运动目标上,然后光束通过散射介质后由探测器捕获,得到对应运动目标的第一散斑图和第二散斑图,所述第一散斑图表示运动前的散斑图,所述第二散斑图表示运动后的散斑图。

3.根据权利要求1所述的针对强散射环境下的运动物体成像与追踪方法,其特征在于,所述将所述第一散斑图和第二散斑图预处理后输入训练好的深度学习网络中对运动目标进行重构与追踪,得到运动目标重构后以及位移信息恢复后的图像,包括:

将所述第一散斑图和第二散斑图预处理,确定对应所述运动目标的散斑差值图,所述散斑差值图包括所述运动目标的目标形状和位移信息;

将所述散斑差值图输入训练好的深度学习网络中对运动目标进行重构与追踪,得到运动目标重构后以及位移信息恢复后的图像。

4.根据权利要求1-3任一项所述的针对强散射环境下的运动物体成像与追踪方法,其特征在于,所述获取强散射环境下的运动目标的第一散斑图和第二散斑图,包括:

确定至少一个运动目标;

获取强散射环境下的每个运动目标的第一散斑图和第二散斑图;以及,

所述将所述第一散斑图和第二散斑图预处理后输入训练好的深度学习网络中对运动目标进行重构与追踪,得到运动目标重构后以及位移信息恢复后的图像,包括:

将所述每个运动目标的第一散斑图和第二散斑图进行预处理,并判断所述至少一个运动目标的位移是否相等;

若相等,则将运动目标的第一散斑图和第二散斑图预处理后输入训练好的第一深度学习网络中对所述运动目标进行重构,得到所述运动目标重构后的图像;

否则,则将运动目标的第一散斑图和第二散斑图预处理后输入训练好的第二深度学习网络中对所述运动目标进行重构与追踪,得到所述运动目标重构后以及位移信息恢复后的图像。

5.根据权利要求4所述的针对强散射环境下的运动物体成像与追踪方法,其特征在于,所述第一深度学习网络和第二深度学习网络的结构相同,所述结构包括U-net网络结构。

6.根据权利要求1所述的针对强散射环境下的运动物体成像与追踪方法,其特征在于,所述方法还包括:

通过均方误差,结构相似度,以及峰值信噪比确定所述图像的目标重构的质量以及位移信息恢复的精度。

7.一种针对强散射环境下的运动物体成像与追踪装置,其特征在于,包括:

第一处理模块,用于获取强散射环境下的运动目标的第一散斑图和第二散斑图;

第二处理模块,用于将所述第一散斑图和第二散斑图预处理后输入训练好的深度学习网络中对运动目标进行重构与追踪,得到运动目标重构后以及位移信息恢复后的图像。

8.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至6任一项所述的针对强散射环境下的运动物体成像与追踪方法的步骤。

9.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的针对强散射环境下的运动物体成像与追踪方法的步骤。

10.一种计算机程序产品,其上存储有可执行指令,其特征在于,该指令被处理器执行时使处理器实现如权利要求1至6中任一项所述针对强散射环境下的运动物体成像与追踪方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京理工大学,未经北京理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210374317.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top