-
公开(公告)号：CN112257625B
公开(公告)日：2022-12-16
申请号：CN202011176952.0
申请日：2020-10-29
Applicant: 上海工程技术大学
IPC: G06V20/59 , G06V40/16 , G06V10/25 , G06V10/26 , G06V10/764
Abstract: 本发明涉及一种基于车正脸特征的车辆重识别方法，包括获取车辆正脸图像，处理后得到车前挡风玻璃区域各物体的掩膜；获取所有车辆驾驶员和副驾驶位人员的掩膜，提取分割出的车辆驾驶员和副驾驶位人员的特征；将当前车辆驾驶员特征与检索数据集中所有图像的车辆驾驶员特征进行度量计算，将距离由小到大排序；判断当前车辆是否具有副驾驶位人员特征，若是，则将该副驾驶位人员特征与排序后的前十张具有副驾驶位人员特征再次进行度量计算，将距离由小到大重排序，否则，剔除排序后的前十张具有副驾驶位人员的特征的图像；最后查询的车辆图像与距离最小的目标图像，将其判断为同一车辆个体。与现有技术相比，本发明具有识别精度高、应用广泛等优点。
-
公开(公告)号：CN112257625A
公开(公告)日：2021-01-22
申请号：CN202011176952.0
申请日：2020-10-29
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于车正脸特征的车辆重识别方法，包括获取车辆正脸图像，处理后得到车前挡风玻璃区域各物体的掩膜；获取所有车辆驾驶员和副驾驶位人员的掩膜，提取分割出的车辆驾驶员和副驾驶位人员的特征；将当前车辆驾驶员特征与检索数据集中所有图像的车辆驾驶员特征进行度量计算，将距离由小到大排序；判断当前车辆是否具有副驾驶位人员特征，若是，则将该副驾驶位人员特征与排序后的前十张具有副驾驶位人员特征再次进行度量计算，将距离由小到大重排序，否则，剔除排序后的前十张具有副驾驶位人员的特征的图像；最后查询的车辆图像与距离最小的目标图像，将其判断为同一车辆个体。与现有技术相比，本发明具有识别精度高、应用广泛等优点。
-
公开(公告)号：CN112926403A
公开(公告)日：2021-06-08
申请号：CN202110131859.6
申请日：2021-01-30
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于层次聚类与困难样本三元组的无监督行人重识别方法，包括：1)将行人图像集合划分为训练集和测试集；2)初始化标签；3)将训练集输入CNN模型中，提取行人特征，进行模型训练；4)对行人特征进行层次聚类，分配到簇中；5)根据簇类别进行抽样，得到新的训练集；6)根据困难样本三元组损失函数，对新的训练集进行微调；7)根据训练集的平均轮廓系数，判断返回步骤3)或是判定出最佳CNN模型；9)将测试集载入最佳CNN模型中获取行人重识别结果。与现有技术相比，本发明不但可以解决无标签的数据集行人重识别中个体数目无法确定的问题，同时降低了不同类的高度相似样本被聚到一类的概率，使模型的识别性能得到较大的提高。
-
-
Search Results
3
records
(took 0.016 seconds)
