Processing

Please wait...

Settings

Settings

Goto Application

1. WO2022000838 - MARKOV RANDOM FIELD-BASED METHOD FOR LABELING REMOTE CONTROL TOWER VIDEO TARGET

Publication Number WO/2022/000838
Publication Date 06.01.2022
International Application No. PCT/CN2020/118643
International Filing Date 29.09.2020
IPC
G06K 9/00 2006.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
CPC
G06K 9/6297
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
62Methods or arrangements for recognition using electronic means
6296Graphical models, e.g. Bayesian networks
6297Markov models and related models, e.g. semi-Markov models; Markov random fields; networks embedding Markov models
G06N 3/08
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
G06V 20/41
G06V 20/42
G06V 20/49
Applicants
  • 南京莱斯信息技术股份有限公司 NANJING LES INFORMATION TECHNOLOGY CO., LTD [CN]/[CN]
Inventors
  • 何亮 HE, Liang
  • 程先峰 CHENG, Xianfeng
  • 杨恺 YANG, Kai
  • 叶鑫鑫 YE, Xinxin
  • 刘胜新 LIU, Shengxin
Agents
  • 江苏圣典律师事务所 JIANGSU SUNDY LAW FIRM
Priority Data
202010635670.603.07.2020CN
Publication Language Chinese (zh)
Filing Language Chinese (ZH)
Designated States
Title
(EN) MARKOV RANDOM FIELD-BASED METHOD FOR LABELING REMOTE CONTROL TOWER VIDEO TARGET
(FR) PROCÉDÉ BASÉ SUR UN CHAMP ALÉATOIRE DE MARKOV POUR ÉTIQUETER UNE CIBLE VIDÉO DE TOUR DE COMMANDE À DISTANCE
(ZH) 基于马尔可夫随机场的远程塔台视频目标挂标牌方法
Abstract
(EN) A Markov random field-based method for labeling a remote control tower video target, comprising the steps of: 1) establishing a model; 2) using a greedy algorithm to solve a sparse representation of a sequence of consecutive video frames, and obtaining a preliminary estimation of the background; 3) using a recurrent neural network to solve an image segmentation problem, and obtaining a foreground target tracking result and a background estimation; 4) using the nearest neighbor method to establish a correspondence between the positions of target coordinate points in the world coordinate system and automatic dependent surveillance broadcast data, so as to associate label information in the automatic dependent surveillance broadcast data with a video, thus achieving automatic labeling. The described method utilizes a sparse sampling means to reduce a data set of a calculation operation and reduce the complexity of solving a background. By using the background as an input and using a Hopfield network self-optimizing feature, an optimized estimation of a foreground target is automatically formed.
(FR) Un procédé basé sur un champ aléatoire de Markov pour étiqueter une cible vidéo de tour de commande à distance, comprenant les étapes consistant : 1) à établir un modèle ; 2) à utiliser un algorithme glouton pour résoudre une représentation éparse d'une séquence de trames vidéo consécutives, et à obtenir une estimation préliminaire de l'arrière-plan ; 3) à utiliser un réseau neuronal récurrent pour résoudre un problème de segmentation d'image, et à obtenir un résultat de suivi de cible de premier plan et une estimation d'arrière-plan ; 4) à utiliser le procédé voisin le plus proche pour établir une correspondance entre les positions de points de coordonnées cibles dans le système de coordonnées mondiales et des données de diffusion de surveillance dépendants automatique, de façon à associer des informations d'étiquette dans les données de diffusion de surveillance dépendants automatique à une vidéo, ce qui permet d'obtenir un étiquetage automatique. Le procédé décrit utilise un moyen d'échantillonnage épars pour réduire un ensemble de données d'une opération de calcul et pour réduire la complexité de résolution d'un arrière-plan. En utilisant l'arrière-plan comme entrée et en utilisant une caractéristique à auto-optimisation de réseau de Hopfield, une estimation optimisée d'une cible de premier plan est automatiquement formée.
(ZH) 一种基于马尔可夫随机场的远程塔台视频目标挂标牌方法,步骤如下:1)建立模型:2)使用贪婪算法求解连续视频帧序列的稀疏表示,获得对背景的初步估计;3)利用递归神经网络求解图像分割问题,得到前景目标跟踪结果和背景估计;4)采用最近邻方法建立上述世界坐标系下的目标坐标点位置与广播式自动相关监视数据的对应关系,以将广播式自动相关监视中的标牌信息关联到视频上,实现自动挂标牌;该方法利用稀疏采样方式,减少计算操作的数据集,降低背景解算的复杂度;将背景作为输入,利用Hopfield网络自主优化特性,自动形成对前景目标的优化估计。
Related patent documents
Latest bibliographic data on file with the International Bureau