-
公开(公告)号：CN107220611A
公开(公告)日：2017-09-29
申请号：CN201710370428.9
申请日：2017-05-23
Applicant: 上海交通大学
Abstract: 本发明公开一种基于深度神经网络的行人空时特征提取方法，步骤为：在一个深度网络中利用卷积神经网络(CNN)提取行人的空域特征，利用递归神经网络(RNN)综合提取出的空域特征从而得到行人的时域特征；在网络中设计叠加层融合CNN和RNN提取出的空域和时域特征，得到行人的空时特征表达；分别在行人的全局图片和局部图片进行网络训练得到相应的具有互补性质的全局特征和局部特征，加之进行融合，得到最终的特征表达。本发明具有很好的鲁棒性，能更好的解决与适应遮挡和光线变化等复杂情况；结合了行人的局部和全局特征，挖掘行人的细节特性，使其在下一步的行人识别中发挥更好的性能及效率。
-
公开(公告)号：CN103218829B
公开(公告)日：2016-04-13
申请号：CN201310111433.X
申请日：2013-04-01
Applicant: 上海交通大学
IPC: G06T7/20
Abstract: 本发明公开一种适应于动态背景的前景提取方法，步骤为：对相邻图像进行存储，将像素的空间纹理信息与时间上的运动信息相结合，比拟成动态纹理，提取描述动态纹理的椭圆体立体空间；将此立体空间分成三个正交平面，分别反映了像素点的空间特性与时间特性。同时使用LBP描述子对三个平面进行纹理描述，并对三个纹理特征加权求和，形成SLBP-AM描述子。最后通过对SLBP-AM描述子建立背景模型，来进行前景背景的分离，并完成模型的更新。本发明利用了空间纹理信息，能克服背景中一些微小的扰动，同时还融入了运动信息，使得那些发生了快速且较大变化的场景在变化前后拥有共同的运动模式，从而提高了背景的更新速率。
-
公开(公告)号：CN104063682A
公开(公告)日：2014-09-24
申请号：CN201410243315.9
申请日：2014-06-03
Applicant: 上海交通大学
Abstract: 本发明公开一种基于边缘分级和CENTRIST特征的行人检测方法，步骤为：用3D-Harris Detector计算边缘尺度，用合适的边缘尺度阈值滤除局部细节纹理而保留显著目标的轮廓；对图像进行CENTRIST编码值的提取，用一个8bit的二进制数来编码每个像素点；采用滑动窗口方式进行目标框扫描，对每个目标框提取6144维CENTRIST直方图特征向量，由SVM分类器得出是否检测目标。本发明基于CENTRIST特征提出了一种行人检测方法，通过边缘分级的技术可以有效的滤除复杂内部纹理细节，减少背景的干扰提高检测准确率，对光照变化、形态变换、遮挡下的行人检测有较高的鲁棒性。
-
公开(公告)号：CN103400142A
公开(公告)日：2013-11-20
申请号：CN201310178122.5
申请日：2013-05-14
Applicant: 上海交通大学
IPC: G06K9/62
Abstract: 本发明公开一种计算机视频处理技术领域的行人计数方法，步骤为：对监控视频进行行人前景像素和光流特征提取；而后对提取的前景像素特征进行归一化处理；同时进行行人遮挡检测和遮挡等级估计；综合行人特征和遮挡等级，统计行人人数。本发明通过统计越线行人的特征进行人流计数，因而避免了行人检测过程；同时统计计算只在虚拟门周围的ROI区域进行，减少了计算量；最后通过进行行人遮挡检测和遮挡等级估计，提高了在有遮挡情况下的计数准确率。
-
公开(公告)号：CN102857251A
公开(公告)日：2013-01-02
申请号：CN201210332769.4
申请日：2012-09-10
Applicant: 上海交通大学
IPC: H04B1/7073
Abstract: 一种直接序列扩频的并行解扩的码片同步方法，它是基于直接序列扩频的并行解扩系统完成的，包括计算机、AD模数转换器、相关器和序列发生器，将接收到的每路并行数据，与按设定抽取率抽取的每组伪随机码序列作遍历的相关处理，根据处理结果的相关峰值判断当前码片的偏移量，进而做出调整实现码片的同步。本发明快速方便地实现码片同步，且计算方法简单高效，解决了直接序列扩频通信并行解扩的同步难题。
-
Patent Agency Ranking
公开(公告)号：CN100524357C
公开(公告)日：2009-08-05
申请号：CN200710046929.8
申请日：2007-10-11
Applicant: 上海交通大学
Abstract: 本发明公开一种视频处理中数据预取系统，包括数据预取模块、预取寄存器组、控制总线、数据总线，数据预取模块用于根据处理器的设置控制数据读取和写入的顺序，预取寄存器用于存放数据预取模块写入的数据，供处理器读取，且只能被数据预取模块写入，控制总线用于设置数据预取模块，数据总线用于连接数据预取模块和预取寄存器，其中：所述数据预取模块能够根据处理器的设置直接将数据写入到处理器的寄存器文件的预取寄存器组中，处理器能在指令中直接使用这些预取寄存器来得到所需数据。由于处理器可以直接在指令中使用这些预取寄存器来得到所需数据，所以减少了读取数据的指令，缩短了视频处理中块数据读取的时间，从而提高了处理器的效率。
-
公开(公告)号：CN118052996A
公开(公告)日：2024-05-17
申请号：CN202410354159.7
申请日：2024-03-27
Applicant: 上海交通大学
Abstract: 本发明提供一种基于深度注意力网络的图像局部特征匹配方法和系统，包括：S1，对于给定的图像对，基于可重复性和可靠性，随机采样图像关键点；S2，基于关键点，提取出对应的多尺度局部图像块，并使用神经网络进行降维；S3，对局部图像块的特征进行特征匹配，构建局部连接图；S4，关键点以及其匹配的位置信息和局部特征进行合并，将合并后的特征视为信息处理的一个基本单元；S5，在局部连接图上，使用基本单元进行基于注意力的信息聚合，更新局部特征；S6，将局部特征输入深度注意力网络中，反复执行预测‑数个注意力层，获得最终更新后的特征，用于最终匹配预测。本发明具有高效、灵活且易用的图像局部特征匹配特点。
-
公开(公告)号：CN115376194A
公开(公告)日：2022-11-22
申请号：CN202211079624.8
申请日：2022-09-05
Applicant: 上海交通大学
Abstract: 本发明提供一种自适应机制的人脸识别与图像质量评价的联合方法和系统，包括：构造与特征幅度相关的自适应尺度因子；构造角度惩罚，与尺度因子形成联合自适应机制；构造自适应于特征幅度的正则项；利用尺度因子、角度惩罚和正则项，形成人脸识别和人脸图像质量评价的、角度空间内的交叉熵损失函数；构造人脸特征提取器，提取人脸特征并获得特征幅度；构造人脸身份判定器，基于人脸特征获得预测身份；基于交叉熵损失函数训练人脸特征提取器和人脸身份判定器。本发明提出了尺度因子与角度惩罚的联合自适应机制，用于优化特征幅度的分布使其近似服从于正态分布，学习更具区分度的人脸特征，得到与识别结果更加一致的人脸图像质量分数。
-
公开(公告)号：CN114036336A
公开(公告)日：2022-02-11
申请号：CN202111344497.5
申请日：2021-11-15
Applicant: 上海交通大学
IPC: G06F16/583 , G06F16/58 , G06V40/10 , G06V10/82 , G06F40/289 , G06F40/268 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于语义划分的视觉文本属性对齐的行人图像搜索方法，包括：对图像模态和文本模态中的原始数据进行处理，获得图像全局及文本全局与局部的数据集；利用图像特征提取网络和文本特征提取网络对数据集分别进行特征提取，获得图像及文本单模态内的全局与局部特征；在嵌入网络中将单模态内的全局与局部特征转化为对应模态的嵌入特征；在多个损失函数的联合约束下，进行模型训练。本发明对局部特征进行更细粒度的划分，充分利用局部特征之间的对应关系，辅助主干网络提取更加对齐的全局跨模态嵌入特征；通过整体损失联合约束网络的训练，促使模型向着最优的方向收敛，提高基于自然语言描述的行人图像搜索的性能。
-
公开(公告)号：CN113989750A
公开(公告)日：2022-01-28
申请号：CN202111394351.1
申请日：2021-11-22
Applicant: 上海交通大学
Abstract: 本发明公开了一种行人搜索方法、系统、设备及介质。所述方法包括：把行人搜索中的行人重识别子任务作为主导子任务，并构建行人重识别任务的数据集；基于构建的所述数据集，预训练行人重识别模型；将预训练好的所述行人重识别模型的权重迁移到行人搜索模型，并对所述行人搜索模型进行端到端的重新训练；其中，预训练好的所述行人重识别模型和所述行人搜索模型具有相同的主干网络结构。本发明在一定程度上提高了行人搜索的准确度，同时也具有较强的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.087 seconds)
