“白颖奇”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果6个，建议您升级VIP下载更多相关专利

[发明专利]一种融合InSAR与时空卷积的地表形变预测方法-CN202211576790.9在审
发明人：曹锦;白颖奇;郭晓征;黄志华 -专利权人：北京航天世景信息技术有限公司
申请日： 2022-12-09 - 公布日： 2023-05-30 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种融合InSAR与时空卷积的地表形变预测方法，包括如下步骤：基于PS‑InSAR获取地表形变；构建地表形变样本提取模型，将不同年份的第四系厚度、潜水水位、第一承压水位、第二承压水位、第三承压水位五种数据作为模型的输入数据，将地表形变信息为模型的输出数据，获取时空样本集。本发明通过地表形变样本提取模型实现了地表形变时空样本集的提取，特征搜索窗口将地理数据特有的属性信息和空间位置信息组合起来，可为地表形变预测模型提供数据基础；通过时空卷积模型实现了多要素特征空间提取和多时相数据地表形变预测，模型具有较好的预测精度以及较为广泛的适用性。
一种融合 insar 时空卷积地表形变预测方法

[发明专利]一种基于视频卫星数据的大视场交通密度获取方法-CN202111657599.2有效
发明人：吕京国;曹逸飞;白颖奇;曲宁宁;贺柳良 -专利权人：北京建筑大学
申请日： 2021-12-30 - 公布日： 2022-07-15 - 主分类号： G06V20/13 文献下载
摘要：本发明提供一种基于视频卫星数据的大视场交通密度获取方法，包括以下步骤：将视频卫星数据输入到预处理模块，得到每一帧图像；采用金字塔道路提取网络，提取第一帧图像中的道路，再对每一帧图像进行掩膜，得到掩膜后道路区域；将掩膜后道路区域输入到基于多策略时空信息选择的车辆检测网络中，进行车辆目标检测；在掩膜后道路区域上绘制热力图，并将该热力图作为图层，叠加到每一帧图像上面，得到大视场交通密度图。本发明提供一种基于视频卫星数据的大视场交通密度获取方法，充分利用目标间的联系，可以准确高效的提取到视频卫星图像中车辆，提高视频卫星交通密度获取的精度与效率。
一种基于视频卫星数据视场交通密度获取方法

[发明专利]一种基于时空信息辅助的无人机视频车辆跟踪方法-CN202111533174.0有效
发明人：吕京国;白颖奇;曹逸飞;王琛;贺柳良 -专利权人：北京建筑大学
申请日： 2021-12-15 - 公布日： 2022-06-03 - 主分类号： G06T7/246 文献下载
摘要：本发明提供一种基于时空信息辅助的无人机视频车辆追踪方法，包括以下步骤：确定需要追踪的目标车辆S；搜索到目标车辆S；从搜索到目标车辆S开始，采用时空辅助快速追踪方法，对目标车辆S进行追踪。本发明提供的基于时空信息辅助的无人机视频车辆跟踪方法，一旦检索到目标后，先采用车辆区域搜索算法，利用目标上下文信息辅助定位目标车辆位置，同时减少搜索区域以外车辆对跟踪的影响；后通过目标车辆的历史信息与目标车辆模板信息相融合，提高得分图中目标车辆的响应程度，进而实现快速准确的跟踪，因此，本发明大大提高车辆跟踪的应用价值，对于车辆检索追踪方向有着重要意义。
一种基于时空信息辅助无人机视频车辆跟踪方法

[发明专利]一种基于车辆特征匹配的无人机视频车辆检索方法-CN202111534212.4有效
发明人：吕京国;白颖奇;曹逸飞;王琛;贺柳良 -专利权人：北京建筑大学
申请日： 2021-12-15 - 公布日： 2022-06-03 - 主分类号： G06V20/40 文献下载
摘要：本发明提供一种基于车辆特征匹配的无人机视频车辆检索方法，包括以下步骤：将图像帧输入到训练完成的抑光模型、特征增强的多尺度车辆检测模块中，获取多个车辆检测结果框:在图像帧中分别截取每个车辆检测结果框中的图像，得到z个检测车辆图；将每个检测车辆图与目标车辆图S输入到多特征联合车辆搜索网络进行特征匹配，得到目标车辆所在的检测车辆图；从而完成对目标车辆的检索定位。本发明适用于无人机在不同复杂场景下拍摄的视频，最大限度去除光照导致车辆细节信息不足和无人机不同高度下目标大小变化的影响，解决待查询车辆在众多目标中难以发现的问题，可以更加准确的检索到待查询车辆。
一种基于车辆特征匹配无人机视频检索方法

[发明专利]一种基于双向跟踪策略的视频卫星移动目标检测方法-CN202010872534.9有效
发明人：吕京国;白颖奇;王雪蕊;王钟正 -专利权人：北京建筑大学
申请日： 2020-08-26 - 公布日： 2021-08-24 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于双向跟踪策略的视频卫星移动目标检测方法，包括将*.avi格式的视频卫星影像加载入siamese孪生网络，并确定目标模板，所述目标模板需重塑为siamese孪生网络所需要的127*127*3大小；所述目标模板是以视频卫星影像的第一帧作为初始帧，在初始帧中手动框选出待检测移动目标；将上一帧中检测到的待检目标框扩增至229*229*3大小，作为当前帧待检测移动目标的搜索区域；将所述目标模板和所述搜索区域进行数据预处理；提取目标模板特征图和当前帧搜索区域特征图；等步骤。优点是：将孪生网络和双向跟踪预测结合，进一步保障遮挡情况下目标被成功检测；双向跟踪策略不仅可以优化正常检测时的精度，还能够保证目标在遮挡情况下检测的准确性。
一种基于双向跟踪策略视频卫星移动目标检测方法

[发明专利]一种基于背景知识增强的视频卫星目标跟踪方法-CN202010872543.8有效
发明人：吕京国;白颖奇;王琛;曲宁宁 -专利权人：北京建筑大学
申请日： 2020-08-26 - 公布日： 2021-05-25 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及视频卫星目标跟踪领域，公开了一种基于背景知识增强的视频卫星目标跟踪方法，包括步骤：在第一帧图像中截取视频卫星目标，获得目标模板图像以及目标搜索区域图像；构建已训练好的双分支Siamese网络，生成目标模板特征图以及目标搜索区域特征图；构建三个级联的RPN网络，获得筛选后的高置信度预测框；建立背景识别模块，将高置信度预测框输入至背景识别模块中，获得当前帧图像的目标跟踪结果，在线训练所述背景识别模块、并对背景识别模块的场景类别更新。本发明通过背景离线训练，背景训练集更新、背景在线更新等处理，进行了背景强化，适用于不同复杂背景，最大限度去除背景干扰，解决目标“淹没”在背景中的问题，更加准确地跟踪到目标。
一种基于背景知识增强视频卫星目标跟踪方法