-
公开(公告)号：CN115731599A
公开(公告)日：2023-03-03
申请号：CN202211540806.0
申请日：2022-12-02
Applicant: 上海交通大学
IPC: G06V40/16 , G06V10/774
Abstract: 本发明提供一种基于学习排序的人脸图像质量评价的方法和系统，包括：构造人脸数据集中每个身份对应的的类中心；构造人脸图像样本在潜在空间内的标准化类内距离和标准化类间距离，并利用他它们构造人脸图像样本的质量标签；构造人脸图像质量网络Q；构造人脸图像对 以及 质量高于 的实际概率和后验概率；利用实际概率和后验概率，构造交叉熵损失函数；基于交叉熵损失函数训练人脸图像质量网络。能减小现有人脸图像质量评价方法中存在的偏差因素，从而提升质量评价的性能，得到与识别结果更加一致的人脸图像质量分数。易于重现且具有很好地适用性和推广性。
-
公开(公告)号：CN115359294A
公开(公告)日：2022-11-18
申请号：CN202211012661.7
申请日：2022-08-23
Applicant: 上海交通大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06V10/74 , G06V10/40 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于相似性正则化类内挖掘的跨粒度小样本学习方法，包括：利用图像特征提取网络生成训练图像样本特征；实施第一优化环，利用弱监督对深度学习模型的粗粒度类别间语义辨识性进行约束；实施第二优化环，通过对称的特征嵌入器和非对称的特征预测器，实现粗粒度类别内部的相似性正则化；将第一优化环与第二优化环损失相加，对整个网络结构进行端到端的误差反向传播，对网络参数进行优化；利用场景式微调使得到的图像特征提取网络适应小样本分类任务，最终得到细粒度小样本分类模型。本发明联合并改进弱监督和自监督两种学习范式的协同优化，同时考虑粗粒度类别的类内和类间辨识性，能得到更具有细粒度辨识能力的小样本分类模型。
-
公开(公告)号：CN113191301A
公开(公告)日：2021-07-30
申请号：CN202110528792.X
申请日：2021-05-14
Applicant: 上海交通大学
Abstract: 本发明公开一种融合时序和空间信息的视频密集人群计数方法及系统，该方法包括：获取包括密集行人的视频序列，确定所述视频序列中密集人群坐标数据，并转化为密集人群密度图序列；将所述密集人群密度图序列作为预测网络学习目标，采用空间一致性损失函数和时序一致性损失函数，对生成目标进行约束；所述预测网络采用引入3D卷积和分组卷积的预测网络；将需预测的密集人群图像序列输入所述预测网络，输出预测的密度预测图；对所述密度预测图所有像素值进行求和，得到最终的预测人数。本发明较大程度提升了精度，具有良好的鲁棒性，具有较强的应用价值。
-
公开(公告)号：CN111738074A
公开(公告)日：2020-10-02
申请号：CN202010417405.0
申请日：2020-05-18
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于弱监督学习的行人属性识别方法、系统及装置，包括：采用深度卷积神经网络提取目标行人不同层次的视觉特征；通过弱监督学习的方法在隐含属性空间学习隐含属性，同时获得隐含特征对应的空间约束，得到对应的隐含属性空间位置图；根据目标行人不同层次的视觉特征和对应的隐含属性空间位置图，对目标行人的局部特征提取，得到目标行人不同层次的局部特征；通过自注意力的方法对行人属性间关系进行建模，利用全局平均池化层和全连接层作为分类器，得到不同层次下对目标行人属性的预测值；对每个属性投票得到最终识别结果。本发明将属性空间约束和属性间约束联合起来预测目标行人属性，提升了行人属性识别的性能。
-
公开(公告)号：CN107220611B
公开(公告)日：2020-02-11
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。
-
Patent Agency Ranking
公开(公告)号：CN110765879A
公开(公告)日：2020-02-07
申请号：CN201910903023.6
申请日：2019-09-24
Applicant: 上海交通大学 , 中国电子科技集团公司电子科学研究院
Abstract: 本发明提供了一种基于B/S架构的实时视频分析系统，Web前端模块接收用户输入指令、将用户输入指令发送至调度服务器模块、向调度服务器模块调取分析结果以及呈现分析结果；调度服务器模块根据用户输入指令启动主分析模块、将用户输入指令发送至指令转发模块以及接收分析结果并暂存；指令转发模块对用户输入指令进行解析并转发至主分析模块；主分析模块根据用户输入指令对实时视频进行分析，并将分析结果发送至调度服务器模块。本发明同时提供了一种基于B/S架构的实时视频分析方法。本发明保证高压力下取帧速度不受影响，模块间通信效率相比传统方式较高，通信错误率降低，且保证了高压力下服务器端播放进度依然与前端对齐。
-
公开(公告)号：CN106445985B
公开(公告)日：2019-09-03
申请号：CN201610283654.9
申请日：2016-04-29
Applicant: 上海交通大学
IPC: G06F16/78 , G06F16/783 , G06F16/735
Abstract: 本发明公开了一种基于手绘运动轮廓的视频检索方法及系统，所述方法步骤：在构建视频索引数据库阶段，首先对视频片段的光流场进行运动分解得到具有典型运动结构的子运动矢量场；利用运动结构编码算法对每个子运动矢量场提取运动描述子；将每个子运动矢量场的描述子及相关ID信息存入索引数据库；在视频检索阶段，首先对用户的手绘运动轮廓进行矢量化，得到运动矢量场；然后利用运动结构编码算法对该矢量场提取运动特征；最后对索引数据库进行排序，得到检索结果。本发明可以有效地对视频进行运动层面的索引标注以及基于手绘运动轮廓的检索，具有很好的跨场景适应性，在大规模监控视频的索引和浏览方面具有重要的应用价值。
-
公开(公告)号：CN105138689B
公开(公告)日：2019-04-19
申请号：CN201510594787.3
申请日：2015-09-17
Applicant: 上海交通大学
IPC: G06F16/738
Abstract: 本发明提供了一种带有徘徊异常提示的分层视频摘要方法，适合于视频监控场景下的海量视频快速浏览。步骤：利用高斯混合模型对输入视频进行背景训练和前景检测；基于前景对运动的行人进行跟踪，获取每个行人跟踪的数据集；针对行人跟踪数据集进行特征提取，包括人脸检测、亮度计算和视觉注意力计算；最小化视频层次的能量函数，在每个行人数据集中筛选出一个最具代表性的图像，融合到背景图像上，形成视频层次的视频摘要；根据行人跟踪信息，进行运动轨迹的拟合及运动方向的判断；判断是否有徘徊行为发生；最小化行人层次的能量函数，从行人跟踪数据集中筛选出最具代表性的几张图片；将行人的多种信息融合到背景图像上，生成行人层次的摘要。
-
公开(公告)号：CN108537118A
公开(公告)日：2018-09-14
申请号：CN201810184156.8
申请日：2018-03-07
Applicant: 上海交通大学
Abstract: 本发明提供一种基于流体力学三种描述子的行为识别方法，包括：计算图片基于流体力学的三种描述子，分别得到该图片的平流描述子、扩散描述子和压力描述子；将所得到的同一帧的不同描述子的热力图整合成所采用神经网络的输入的数据类型，输入到已经训练好的所述神经网络中，对所述神经网络进行微调得到不同人群行为的模型；通过得到的所述模型对人群行为进行分类，得到所测的人群行为种类，实现行为识别。本发明对于行为识别的准确率较高，可以减少将无事件发生的帧检测为事件发生的帧，同时在也可以检测出更多的事件发生的帧。
-
公开(公告)号：CN105096344B
公开(公告)日：2018-05-04
申请号：CN201510508136.8
申请日：2015-08-18
Applicant: 上海交通大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于CD运动特征的群体行为识别方法及系统，所述方法步骤：对给定的群体监控视频，计算光流场；对光流场进行时域上聚类，得到运动矢量场；对运动矢量场进行分解，得到一些基本的子运动矢量场；对每个子运动矢量场提取CD运动特征；对每个CD运动特征进行特征抽取，得到长度一致的特征向量；将特征向量输入到SVM分类器，从而判断群体行为类别。本发明可以有效地分解出一个监控场景下多个群体运动模式，并判断其类别，对群体监控和行为理解具有很重要的现实意义和实用价值。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.032 seconds)
