-
公开(公告)号：CN114998999B
公开(公告)日：2022-12-06
申请号：CN202210856428.0
申请日：2022-07-21
Abstract: 本发明公开一种基于多帧输入与轨迹平滑的多目标跟踪方法和装置，方法包括：步骤S1：获取行人视频数据集并进行行人坐标以及行人轨迹的标注，并生成片段型轨迹数据；步骤S2：构造并训练基于多帧输入与轨迹平滑的行人多目标跟踪网络模型；步骤S3：基于训练得到的行人多目标跟踪网络模型进行推理，获取当前帧行人目标检测与特征提取结果以及其前几帧的行人目标检测与特征提取结果，即获取得到多帧图像目标的坐标及外观特征；步骤S4：利用多帧图像目标的坐标及外观特征进行最短特征距离匹配，并利用轨迹曲率平滑函数进行轨迹平滑，最终得到当前帧的轨迹。本发明具有耗时低，且对同类目标的遮挡问题鲁棒性较好的优点。
-
公开(公告)号：CN114757822B
公开(公告)日：2022-11-04
申请号：CN202210663896.6
申请日：2022-06-14
Abstract: 本发明公开一种基于双目的人体三维关键点检测方法及系统，该方法包括：步骤一：通过采用YOLOv5目标检测算法的目标检测模块分别获得左、右视场图像中的人体矩形框；步骤二：扣取人体矩形框对应的人体图像，通过人体二维关键点识别算法提取左、右视场图像中人体各关键点的二维热力图；步骤三：将左、右人体二维关键点热力图反向投影到三维空间，得到三维反投影热力图；步骤四，将三维反投影热力图输入三维卷积编解码网络，通过编解码操作得到三维关键点热力图；步骤五，三维关键点热力图中每一通道通过自变量最大值软操作得到该通道表示的三维关键点所在坐标，最终得到全部人体三维关键点坐标。本发明具有较高的可行性和实用性。
-
公开(公告)号：CN114638272B
公开(公告)日：2022-11-04
申请号：CN202210541225.2
申请日：2022-05-19
IPC: G06K9/00 , G06K9/62 , A61B5/1455 , A61B5/117 , A61B5/00
Abstract: 本发明涉及非接触式生理信号检测领域，尤其涉及一种基于指尖脉搏波信号的身份识别方法和装置，该方法包括：步骤一，利用血氧仪采集人体指尖的脉搏波信号；步骤二，将采集到的脉搏波信号进行滤波、峰值检测、信号截取对齐以及计算导数并归一标准化的处理，同时保存对应的个人身份标识号；步骤三，重复步骤一至步骤二，将步骤二中得到的信号数据保存为数据集；步骤四，将数据集输入特征提取网络进行特征提取，后输入分类网络训练，训练完成后保存训练好的网络参数，得到训练好的身份识别模型；步骤五，利用训练好的身份识别模型，对输入的脉搏波信号进行识别，预测出对应身份。本发明相比现有的其他方法，具有更高的识别准确率的优点。
-
公开(公告)号：CN114757832B
公开(公告)日：2022-09-30
申请号：CN202210663897.0
申请日：2022-06-14
Applicant: 之江实验室
Abstract: 本发明公开一种基于交叉卷积注意力对抗学习的人脸超分辨方法和装置，该方法将原始低分辨率图像输入人脸超分辨生成网络，经过卷积层、若干个全局残差通道注意力单元、粗上采样模块、两批局部残差通道注意力单元、精上采样模块，得到目标分辨率图像，再通过索贝尔算子获得边缘信息，通过低倍率降采样处理并反馈到主网络中进一步提高超分辨效果，利用小波变换将目标分辨率图像、真值图像和其他通过数据增强方式得到的图像进行分解，每个图像分解成一个低频信息、两个中频信息和一个高频信息，然后去掉低频信息，融合中频和高频信息，将其送到对抗网络进行判别，最后引入数据增强方法，以产生多个正负样本进行对抗网络与人脸超分辨网络的迭代优化。
-
公开(公告)号：CN114648723A
公开(公告)日：2022-06-21
申请号：CN202210454687.0
申请日：2022-04-28
Abstract: 本发明涉及智能视频监控及深度学习领域，尤其涉及一种基于时间一致性对比学习的动作规范性检测方法和装置，该方法为：首先将第一数量标注和第二数量未标注的通过摄像头采集的视频构建数据集，第一数量小于第二数量；然后将未标注视频经过强弱数据增强后提取特征，再输入时间一致性行为对齐网络，输出特征图和不同样本间相似动作起始与结束帧集合，映射集合在特征图上对应子特征图，构造同类与不同类子特征图样本，送入对比学习网络提取时空判别性特征；再将第一数量标注视频送入预训练后的网络进行迁移学习，输出行为类别；最后通过帧间行为类别变化判断行为规范性，若不规范则发出预警。
-
Patent Agency Ranking
公开(公告)号：CN113822262B
公开(公告)日：2022-04-15
申请号：CN202111412831.6
申请日：2021-11-25
Applicant: 之江实验室
IPC: G06V20/52 , G06V10/762 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于无监督学习的行人重识别方法，在特征存储器中只保存聚类得到的类中心，采用分组采样的方式获取小样本集，并结合难例挖掘的方法更新存储器中的特征向量和特征提取网络模型参数，实现了在无标签数据集上的伪标签自动生成，增强了模型对于噪声数据的鲁棒性，大大减小了存储器对于内存空间的高额要求。本发明剔除了离群样本点对聚类中心的干扰，避免了随机采样导致的过拟合等问题，在小样本迭代过程中不更改数据标签，降低了标签跳变等噪声数据对于模型稳定性的影响，加速了模型的收敛，提高行人重识别模型在不同场景下的泛化能力。
-
公开(公告)号：CN113243902B
公开(公告)日：2021-12-07
申请号：CN202110600720.1
申请日：2021-05-31
Applicant: 之江实验室
Abstract: 本发明涉及非接触式生理信号检测领域，尤其涉及一种基于光电容积脉搏波的特征提取方法，首先读取人右手指尖的脉搏波信号PPG，获取采样点，然后，设置窗口大小和窗口的移动步长，通过滑动窗口的方式，动态计算心率来提取特征，计算属于同一类的特征的多组特征的平均值，得到多种不同状态，使用多种深度学习分类模型来对不同状态下的信号特征进行分类，最后输出识别结果。本发明通过对信号进行滤波预处理来抑制噪声，其次，利用不同状态下PPG信号的差异，对每种状态均进行了分类并充分考虑信号的时域和频域上的表现，分别提取了时域和频域的特征，最终通过不同模型来对不同状态下的信号进行分类。
-
公开(公告)号：CN113255793B
公开(公告)日：2021-11-30
申请号：CN202110607551.4
申请日：2021-06-01
Applicant: 之江实验室
Abstract: 本发明公开了一种基于对比学习的细粒度舰船识别方法，采集并标注舰船分类数据集，并对每张图像采用几种不同的数据增强方式获得图像集合，依次组合成同类与非同类图像集合对，交替输入孪生分类网络进行图像特征提取与分类，通过三个损失函数分别提取图像的等变性特征、判别性特征以及多维融合特征，最终实现同类别舰船分类相同，不同类别舰船之间可有效区分的效果。本发明弥补了舰船类别分布不平衡、样本规模较小的实际问题，通过对比学习有效提升了细粒度分类的性能，通过提取等变特征提高了模型的泛化性，能适用于实战多变场景。
-
公开(公告)号：CN113379606A
公开(公告)日：2021-09-10
申请号：CN202110934749.3
申请日：2021-08-16
Applicant: 之江实验室
Abstract: 本发明属于计算机视觉、图像处理领域，涉及一种基于预训练生成模型的人脸超分辨方法，包括：步骤一、采集并将低分辨率图像输入至特征提取模块，提取特征信息；步骤二、将特征信息输入至编码器，得到通道数为输入尺寸8倍的隐式矩阵，隐式矩阵通过分离模块特征分解后获得隐式向量，与人脸标签数据通过级联方式，分别输入至预训练生成模型中，得到生成特征；步骤三、将生成特征传递给解码器，并融合特征提取模块提取的特征信息，经解码操作后输出目标高分辨率图像。本发明可以将低分辨率的人脸进行高倍率的放大，最高可以获得64倍的超分结果，并且超分辨结果保持较好的保真性，使放大的图像在保真度和纹理真实度方面有更好的改进。
-
公开(公告)号：CN113243902A
公开(公告)日：2021-08-13
申请号：CN202110600720.1
申请日：2021-05-31
Applicant: 之江实验室
Abstract: 本发明涉及非接触式生理信号检测领域，尤其涉及一种基于光电容积脉搏波的特征提取方法，首先读取人右手指尖的脉搏波信号PPG，获取采样点，然后，设置窗口大小和窗口的移动步长，通过滑动窗口的方式，动态计算心率来提取特征，计算属于同一类的特征的多组特征的平均值，得到多种不同状态，使用多种深度学习分类模型来对不同状态下的信号特征进行分类，最后输出识别结果。本发明通过对信号进行滤波预处理来抑制噪声，其次，利用不同状态下PPG信号的差异，对每种状态均进行了分类并充分考虑信号的时域和频域上的表现，分别提取了时域和频域的特征，最终通过不同模型来对不同状态下的信号进行分类。
-
-
-
-
-
-
-
-
-
Search Results
181
records
(took 0.04 seconds)
