-
公开(公告)号：CN112435276A
公开(公告)日：2021-03-02
申请号：CN202011272439.1
申请日：2020-11-13
Applicant: 鹏城实验室
Abstract: 本发明公开了一种车辆跟踪方法、装置、智能终端及存储介质，其中，上述车辆跟踪方法包括：获取包含车辆的连续视频帧；基于上述连续视频帧对上述车辆进行短期跟踪，获取短期跟踪结果；基于上述短期跟踪结果，对上述车辆进行轨迹预测，获取车辆轨迹信息；基于上述车辆轨迹信息获取可疑轨迹；获取上述可疑轨迹对应的可疑车辆，采用车辆重识别方案对上述可疑车辆进行外观特征匹配，获取外观匹配结果；基于上述可疑轨迹和上述外观匹配结果实现对车辆的跟踪。本发明方案结合短期跟踪、轨迹预测和外观特征匹配实现对车辆的跟踪。有利于提升跟踪的实时性、对长时间范围内的车辆进行跟踪、在车辆被遮挡前后连续跟踪。
-
公开(公告)号：CN112200131A
公开(公告)日：2021-01-08
申请号：CN202011169031.1
申请日：2020-10-28
Applicant: 鹏城实验室
Abstract: 本发明公开了一种基于视觉的车辆碰撞检测方法、智能终端及存储介质，所述方法包括：检测交通监控视频中的车辆，并通过矩形框框出交通监控视频中的车辆，输出车辆矩形边框和车辆编号；对检测出的车辆进行跟踪，判断车辆之间的车辆矩形边框是否出现重叠，并提取车辆的加速度、轨迹和方向变化；当车辆之间的车辆矩形边框出现重叠时，根据提取到的车辆的加速度、轨迹和方向变化得到异常指数，判断所述异常指数是否大于预设阈值；当所述异常指数大于预设阈值时，则判断为车辆碰撞事故。本发明综合考虑车辆在加速度异常、轨迹异常和方向异常三个方面的因素达到车辆碰撞事故检测的目的，能够快速和准确地检测出场景中的车辆碰撞事故。
-
公开(公告)号：CN119479307B
公开(公告)日：2025-04-22
申请号：CN202411920734.1
申请日：2024-12-25
Applicant: 鹏城实验室
IPC: G08G1/01 , G06F18/15 , G06F18/2132 , G06F18/214 , G06F18/21 , G06F18/25 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/0985
Abstract: 本申请提供了一种交通预测模型的训练方法、交通预测方法以及相关设备，训练方法包括：基于输入层得到多个交通节点的时序交通量序列和对应的超图结构；通过时序特征提取层对时序交通量序列进行一维膨胀卷积处理，并根据第一卷积特征的非线性转换值域对第二卷积特征进行调节，得到每个交通节点对应的时序特征；基于图消息传递层分别对每个超图结构对应的边内邻域传递消息和边间邻域传递消息进行特征聚合加权，得到每个交通节点对应的空间特征；基于全连接输出层根据时序特征和空间特征得到交通预测结果，并根据模型损失进行模型更新得到交通预测模型，以避免频域图卷积操作所导致的平滑现象，进而可以有效提高进行节点级的交通预测的预测精度。
-
公开(公告)号：CN119544890A
公开(公告)日：2025-02-28
申请号：CN202510067039.3
申请日：2025-01-16
Applicant: 鹏城实验室
Abstract: 本申请提供了一种数字视网膜摄像机模拟方法、装置、设备和存储介质，包括：接收摄像机模拟指令中的模拟数量、模拟视频标识、模拟方式和算法参数；根据模拟数量创建多个摄像机模拟设备；基于模拟视频标识得到视频标识不重复的目标视频，并根据模拟方式生成目标视频流；基于算法参数和算法数据库实现算法的统一下载更新得到目标算法包；根据模拟视频标识和算法参数中的算法标识形成容器标识，创建容器标识不重复的程序容器，并在容器内使用目标算法包处理目标视频流得到分析结果；摄像机模拟设备根据模拟视频标识和算法标识订阅分析结果，整个过程通过避免重复，共享视频模拟和程序容器的方式，降低系统开销，有效提高系统的模拟能力。
-
公开(公告)号：CN119479307A
公开(公告)日：2025-02-18
申请号：CN202411920734.1
申请日：2024-12-25
Applicant: 鹏城实验室
IPC: G08G1/01 , G06F18/15 , G06F18/2132 , G06F18/214 , G06F18/21 , G06F18/25 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/0985
Abstract: 本申请提供了一种交通预测模型的训练方法、交通预测方法以及相关设备，训练方法包括：基于输入层得到多个交通节点的时序交通量序列和对应的超图结构；通过时序特征提取层对时序交通量序列进行一维膨胀卷积处理，并根据第一卷积特征的非线性转换值域对第二卷积特征进行调节，得到每个交通节点对应的时序特征；基于图消息传递层分别对每个超图结构对应的边内邻域传递消息和边间邻域传递消息进行特征聚合加权，得到每个交通节点对应的空间特征；基于全连接输出层根据时序特征和空间特征得到交通预测结果，并根据模型损失进行模型更新得到交通预测模型，以避免频域图卷积操作所导致的平滑现象，进而可以有效提高进行节点级的交通预测的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN119440621A
公开(公告)日：2025-02-14
申请号：CN202411439111.2
申请日：2024-10-14
Applicant: 鹏城实验室
Abstract: 本公开实施例提供了一种模型转换方法、相关装置和介质。该方法将模型转换镜像部署至目标芯片所在节点，通过模型转换镜像将原始模型转换为与目标芯片对应的目标模型。再通过原始模型校验镜像和目标模型校验镜像分别对转换前的原始模型和转换后的目标模型进行校验，根据第一校验结果和第二校验结果得到能够判断模型转换效果的转换偏差值，实现对转换后的目标模型的自动校验。基于校验结果(转换偏差值)，对满足要求的目标模型构建镜像并存入镜像仓库中以便后续对其进行调用。本公开实施例旨在能够保证转换后的模型的可用性。本公开实施例可应用于计算机视觉、自然语言处理、语音识别、自动驾驶、边缘计算等场景。
-
公开(公告)号：CN119380125A
公开(公告)日：2025-01-28
申请号：CN202411976862.8
申请日：2024-12-31
Applicant: 鹏城实验室
IPC: G06V10/764 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种模型训练方法、车辆识别方法、装置、电子设备及介质，涉及神经网络技术领域。模型训练方法将车辆训练图像输入至初始车辆识别模型得到第一训练图像特征，将车辆增强训练图像输入至训练辅助模型得到第二训练图像特征。然后分别得到局部对比损失、全局对比损失、类间对比损失和类类对比损失，从而得到总损失，基于总损失对初始车辆识别模型的第一网络参数进行迭代更新。在迭代更新的过程中，通过类间对比损失和类类对比损失，提高目标车辆识别模型对不同类别车辆的判别的准确性，以及提高相同类别车辆的位置回归精度，通过局部对比损失和全局对比损失，能够增强目标车辆识别模型的局部和全局特征分布。
-
公开(公告)号：CN119091120A
公开(公告)日：2024-12-06
申请号：CN202411162902.5
申请日：2024-08-22
IPC: G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请实施例提出的目标检测方法、装置、电子设备及存储介质，方法包括：获取检测图片的检测特征，并将检测特征输入目标检测模型的特征筛选子模块进行特征筛选，得到多个查询特征，将查询特征输入目标检测模型的第一前馈网络进行查询检测，得到初始检测结果，将多个查询特征输入定位子模块进行检测定位，得到第一修正查询特征，将第一修正查询特征输入去重子模块进行特征处理，得到第二修正查询特征，基于初始检测结果、第一修正查询特征对应的第一修正偏置结果和第二修正查询特征对应的第二修正偏置结果得到检测图片的目标检测结果，实现适应性数量的目标检测，并缓解检测目标的歧义性，以提高目标检测的灵活性和精准性。
-
公开(公告)号：CN112750147B
公开(公告)日：2024-11-26
申请号：CN202011641353.1
申请日：2020-12-31
Abstract: 本发明公开了一种行人多目标跟踪方法、装置、智能终端及存储介质，其中，上述行人多目标跟踪方法包括：获取目标神经网络模型，其中，上述目标神经网络模型包括：用于提取输入图像的总特征获取特征图的合一模型，用于对上述特征图进行分离的分离结构，和基于分离后的特征图分别预测获取目标的外观特征向量和目标信息的外观特征提取子模型和检测子模型；获取目标视频序列；基于上述目标神经网络模型对上述目标视频序列进行行人多目标跟踪，获取跟踪结果；输出上述跟踪结果。本发明方案有利于提高跟踪速度，满足实时性要求。
-
公开(公告)号：CN118734091B
公开(公告)日：2024-11-12
申请号：CN202411220270.3
申请日：2024-09-02
Applicant: 鹏城实验室
IPC: G06F18/22 , G06N3/0455 , G06N3/096 , G06V10/26 , G06F40/284 , G06F18/27
Abstract: 本申请提供了一种基于掩码指代建模的视觉定位和指代分割方法、系统、设备以及存储介质，方法包括通过多模态编码器获得预训练图像与文本的视觉词元、聚合视觉词元、文本词元、聚合文本词元，并应用指代感知的动态图像掩码策略，基于文本指代的图像区域对预训练图像进行掩码，并根据视觉词元和聚合文本词元对掩码图像块以及视觉目标关联分数进行重建；应用指代感知的文本掩码策略，基于预训练文本的指代主语对预训练文本进行掩码，并根据文本词元和聚合视觉词元对掩码文本词以及语义目标关联分数进行重建，以使模型学习到通用的指代能力，进而可以使模型针对视觉定位和指代分割任务进行下游微调，以得到高精度的定位或者指代分割结果。
-
-
-
-
-
-
-
-
-
Search Results
168
records
(took 0.054 seconds)
