黄仁杰
- 作品数：24 被引量：41H指数：3
- 供职机构：西南大学更多>>
- 发文基金：河南省科技攻关计划中央高校基本科研业务费专项资金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学电子电信更多>>
- 基于少量样本的快速目标检测方法
- 本发明公开了一种基于少量样本的快速目标检测方法，其主要通过使用少量的样本的梯度直方图HOG特征来构造关于目标的投票空间，以及计算查询图像的HOG特征和不同尺度下检测图像的HOG特征，采用滑动窗口的方式计算查询图像和检测图...
- 叶茂徐培占伟鹏黄仁杰张之曦
- 文献传递
- 基于线性拟合的多运动目标跟踪算法被引量：3
- 2015年
- 提出了一种基于线性拟合的多运动目标跟踪算法.该算法首先利用新的DG_CENTRIST特征和颜色特征,进行似然计算;然后计算跟踪目标与当前帧目标的重合度,利用重合度进行目标度量和遮挡判断,当存在遮挡时,通过线性拟合来预测相互遮挡时目标的轨迹,对跟踪结果进行校正,实现多目标的正确跟踪.该算法具有很好的鲁棒性和稳定性,实验结果表明该方法能有效提高多目标跟踪的准确性.
- 李涛李涛黄仁杰李冬梅赵雪专
- 关键词：目标跟踪粒子滤波
- 基于MapReduce自适应参数的粗糙K-modes算法研究
- 2012年
- 粗糙K-modes聚类算法需要根据经验为wl、wu和ε3个参数设定其固定值,聚类效果不稳定,容易受到噪声干扰。提出一种基于MapReduce自适应参数的粗糙K-modes算法,它根据聚类不同阶段的特点自动调整参数值,优化聚类效果。在此基础上,对自适应参数的粗糙K-modes算法进行MapReduce并行化设计,以提高算法的运行效率。实验证明,提出的自适应参数的粗糙K-modes算法聚类效果稳定,通过对算法的并行设计提高了算法对大规模数据的聚类分析性能。
- 杨阳张为群刘枫黄仁杰
- 关键词：自适应参数
- 基于少量样本的快速目标检测方法
- 本发明公开了一种基于少量样本的快速目标检测方法，其主要通过使用少量的样本的梯度直方图HOG特征来构造关于目标的投票空间，以及计算查询图像的HOG特征和不同尺度下检测图像的HOG特征，采用滑动窗口的方式计算查询图像和检测图...
- 叶茂徐培占伟鹏黄仁杰张之曦
- 文献传递
- 无线传感器网络中无人机的轨迹规划方法
- 本发明公开了一种无线传感器网络中无人机的轨迹规划方法，该方法将无线传感器网络中多无人机轨迹的设计问题模型化为混合整数非凸优化问题，该方法首先基于聚合算法对传感器节点进行分组，形成多个节点集合，并针对每一节点集合计算无人机...
- 詹成姚果黄仁杰
- 基于团块分析的人数统计(英文)
- 2015年
- 为了提高视频监控领域人数统计的准确性,提出一种基于团块分析的人数统计方法.首先通过光流算法获取前景团块的方向及能量强度信息,并结合团块大小等相关信息形成团块特征;然后针对人数统计提出一种新的目标跟踪算法;最后基于SVM对该团块特征进行训练分析,得到人数估计模型.实验结果表明,该方法正确率达到95%以上,能准确实现人数统计.
- 李涛李涛李冬梅黄仁杰
- 关键词：光流算法人数统计目标跟踪支持向量机
- 基于梯度离散化改进的DG_CENTRIST行人检测
- 2014年
- 针对复杂背景下的行人检测,从边缘信息入手,提出了一种新的基于梯度离散化的改进的中心对称统计变换(DG_CENTRIST)的行人检测方法。首先根据原始图像的梯度方向的分布,离散地形成多张梯度图;然后进行中心变换(CT)获得改进的DG_CENTRIST特征,最后提出的新的计算方法,结合线性和HIK-SVM,通过级联方式实现实时的行人检测。实验结果表明,该算法取得了较高的检测精度。
- 乔芃喆李涛李涛赵雪专
- 关键词：行人检测梯度信息
- 一种新的基于模板匹配的车型识别被引量：1
- 2014年
- 为提高当前车型检测在交通场景下的实时性和准确性,提出了一种新的基于模板匹配的车型识别方法。首先,基于车辆区域的显著性设计了非均匀采点,然后采用梯度量化,二进制图像,线性化内存等手段实现模板的并行化匹配,最后通过kmeans聚类产生多层次的车型模板索引,实现快速查表的车型匹配算法。实验表明,该算法能实时高效地实现交通场景下的车型识别。
- 李涛李涛李冬梅唐红强赵雪专
- 关键词：车型识别
- 基于计算机视觉效应的自动换纸系统和虫害监测系统
- 本发明公开了一种基于计算机视觉效应的自动换纸系统和虫害监测系统。自动换纸系统包括覆膜粘虫纸、换纸装置、图像采集装置和处理器；覆膜粘虫纸设置于换纸装置内，处理器控制换纸装置对粘虫纸进行更换。粘虫纸为双层(含工作层和保护层)...
- 黄仁杰姚廷山郑勇强黄伟赵亦欣李涛
- 文献传递
- 一种基于级联多级卷积神经网络的人群密度估计方法
- 本发明公开了一种基于级联多级卷积神经网络的人群密度估计方法，1)采用多级卷积神经网络，提取由低层到高层的特征，并且将低层和高层特征组合在一起形成多阶段的特征，从而增强了人群密度特征的可分性；2)根据多级卷积神经网络降采样...
- 李涛叶茂李旭冬付敏唐宋向涛黄仁杰
- 文献传递
