買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉西北工業(yè)大學(xué)申請(qǐng)的專利基于相位軌跡預(yù)判的復(fù)雜背景下弱小運(yùn)動(dòng)目標(biāo)檢測(cè)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119648996B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-12發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202411711566.5，技術(shù)領(lǐng)域涉及：G06V10/25；該發(fā)明授權(quán)基于相位軌跡預(yù)判的復(fù)雜背景下弱小運(yùn)動(dòng)目標(biāo)檢測(cè)方法是由張科;張青林;王靖宇;王紅梅;李浩宇設(shè)計(jì)研發(fā)完成，并于2024-11-27向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于相位軌跡預(yù)判的復(fù)雜背景下弱小運(yùn)動(dòng)目標(biāo)檢測(cè)方法在說明書摘要公布了：本申請(qǐng)公開了一種基于相位軌跡預(yù)判的復(fù)雜背景下弱小運(yùn)動(dòng)目標(biāo)檢測(cè)方法、裝置、設(shè)備和介質(zhì)，通過獲取待處理的實(shí)時(shí)圖像數(shù)據(jù)，并基于實(shí)時(shí)圖像數(shù)據(jù)確定總待處理矩陣；對(duì)總待處理矩陣進(jìn)行分幀加窗處理，得到各待處理矩陣，并利用預(yù)設(shè)的矩陣分割算法對(duì)各待處理矩陣進(jìn)行分割，對(duì)應(yīng)得到各稀疏前景分量矩陣，并獲取稀疏前景分量矩陣中的各個(gè)幀；利用預(yù)設(shè)的基于相位軌跡預(yù)判的運(yùn)動(dòng)目標(biāo)檢測(cè)算法檢測(cè)各幀的前景數(shù)據(jù)，基于各幀的前景數(shù)據(jù)得到弱小運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果和運(yùn)動(dòng)軌跡；本發(fā)明有效地利用稀疏矩陣包含的有效信息，不用進(jìn)行背景建模，極大簡(jiǎn)化了目標(biāo)檢出的效率，利用基于相位軌跡預(yù)判的運(yùn)動(dòng)目標(biāo)檢測(cè)算法可以實(shí)現(xiàn)在復(fù)雜多變背景下對(duì)噪聲及干擾進(jìn)行有效濾除。

本發(fā)明授權(quán)基于相位軌跡預(yù)判的復(fù)雜背景下弱小運(yùn)動(dòng)目標(biāo)檢測(cè)方法在權(quán)利要求書中公布了：1.一種基于相位軌跡預(yù)判的復(fù)雜背景下弱小運(yùn)動(dòng)目標(biāo)檢測(cè)方法，其特征在于，包括： 獲取待處理的實(shí)時(shí)圖像數(shù)據(jù)，并基于所述實(shí)時(shí)圖像數(shù)據(jù)確定總待處理矩陣； 對(duì)所述總待處理矩陣進(jìn)行分幀加窗處理，得到各待處理矩陣，并利用預(yù)設(shè)的矩陣分割算法對(duì)各所述待處理矩陣進(jìn)行分割，對(duì)應(yīng)得到各稀疏前景分量矩陣，并獲取所述稀疏前景分量矩陣中的各個(gè)幀；其中，總待處理矩陣每一時(shí)刻的矩陣橫截面稱為一幀，稀疏前景分量矩陣通過對(duì)待處理矩陣采用非精確拉格朗日乘子法進(jìn)行矩陣稀疏分解得到； 利用預(yù)設(shè)的基于相位軌跡預(yù)判的運(yùn)動(dòng)目標(biāo)檢測(cè)算法檢測(cè)各所述幀的前景數(shù)據(jù)，基于各所述幀的所述前景數(shù)據(jù)得到弱小運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果和運(yùn)動(dòng)軌跡； 輸出所述弱小運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果和運(yùn)動(dòng)軌跡； 所述利用預(yù)設(shè)的基于相位軌跡預(yù)判的運(yùn)動(dòng)目標(biāo)檢測(cè)算法檢測(cè)各所述幀的前景數(shù)據(jù)包括： 基于預(yù)設(shè)的極稀疏準(zhǔn)則搜索各所述稀疏前景分量矩陣，得到各所述幀中當(dāng)前幀和兩相鄰幀各自的中心點(diǎn)； 其中，極稀疏準(zhǔn)則是在稀疏前景分量矩陣的當(dāng)前幀中篩選出若干極大值點(diǎn)； 根據(jù)預(yù)設(shè)的條件濾除當(dāng)前幀和兩相鄰幀中的部分中心點(diǎn)，得到剩余的多個(gè)中心點(diǎn)作為靶點(diǎn)，并對(duì)各所述靶點(diǎn)進(jìn)行鄰域聚類，得到預(yù)定義的相、相尺寸、相位和相權(quán)重，并基于所述相位、所述相尺寸和所述相權(quán)重確定當(dāng)前幀和兩相鄰幀中多組一一對(duì)應(yīng)的相中心點(diǎn)，其中，各所述相中心點(diǎn)為所述中心點(diǎn)，且所述相中心點(diǎn)和相一一對(duì)應(yīng)； 稀疏前景分量矩陣依據(jù)時(shí)間順序?qū)⒚恳粫r(shí)刻的矩陣橫截面稱為一幀，每一幀中的每一個(gè)矩陣值稱為一點(diǎn)； 基于預(yù)設(shè)的第一公式處理各組所述相中心點(diǎn)，得到各組相位差，并基于預(yù)設(shè)的第二公式處理各組所述相位差，得到各相位夾角； 在所述當(dāng)前幀中保留小于第一預(yù)設(shè)閾值的各所述相位差?yuàn)A角對(duì)應(yīng)的所述相，并濾除大于第二預(yù)設(shè)閾值的各所述相位差?yuàn)A角對(duì)應(yīng)的各所述相，得到當(dāng)前幀中的前景數(shù)據(jù)； 以所述中心點(diǎn)為相中心點(diǎn)，所述對(duì)各所述靶點(diǎn)進(jìn)行鄰域聚類，得到預(yù)定義的相、相尺寸、相位和相權(quán)重包括： 對(duì)各所述靶點(diǎn)進(jìn)行鄰域聚類，以聚類結(jié)果作為相、以聚類結(jié)果包含的點(diǎn)作為相尺寸、以相中心點(diǎn)坐標(biāo)作為相位、以聚類結(jié)果中包含的點(diǎn)的值的平均值作為相權(quán)重。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人西北工業(yè)大學(xué)，其通訊地址為：710072 陜西省西安市碑林區(qū)友誼西路127號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。