-
公开(公告)号：CN114581490B
公开(公告)日：2022-09-20
申请号：CN202210465877.2
申请日：2022-04-29
Applicant: 北京大学
Abstract: 本申请提供了一种脉冲相机的场景设置方法、装置、控制设备及可读存储介质，所述方法包括：基于脉冲相机的相机参数和场景参数的关联关系，构建所述脉冲相机的运动计算模型；根据所述运动计算模型，确定所述脉冲相机的场景参数和/或相机参数。这样，通过关联关系构建运动计算模型，通过运动计算模型来确定场景设置的相关参数，从而完成脉冲相机的场景设置。
-
公开(公告)号：CN114584713A
公开(公告)日：2022-06-03
申请号：CN202210466831.2
申请日：2022-04-29
Applicant: 北京大学
Abstract: 本申请提供了一种脉冲相机仿真方法、装置、控制设备及可读存储介质，所述方法包括：提取待仿真视频的关键帧序列，将所述关键帧序列转换成强度图序列；根据所述脉冲相机的工作时钟频率提升所述强度图序列的帧率；获取积分发放模型，根据所述积分发放模型对所述强度图序列进行仿真；输出仿真后的脉冲数据。这样，通过模拟脉冲相机的成像过程，将现有的图像和视频数据转化成脉冲数据，解决了真实的脉冲数据严重匮乏的问题。
-
Patent Agency Ranking
公开(公告)号：CN114581490A
公开(公告)日：2022-06-03
申请号：CN202210465877.2
申请日：2022-04-29
Applicant: 北京大学
Abstract: 本申请提供了一种脉冲相机的场景设置方法、装置、控制设备及可读存储介质，所述方法包括：基于脉冲相机的相机参数和场景参数的关联关系，构建所述脉冲相机的运动计算模型；根据所述运动计算模型，确定所述脉冲相机的场景参数和/或相机参数。这样，通过关联关系构建运动计算模型，通过运动计算模型来确定场景设置的相关参数，从而完成脉冲相机的场景设置。
-
公开(公告)号：CN109886090B
公开(公告)日：2020-12-04
申请号：CN201910013082.6
申请日：2019-01-07
Applicant: 北京大学
Abstract: 一种基于多时间尺度卷积神经网络的视频行人再识别方法，包括：利用多时间尺度卷积神经网络模型处理视频，获得具有空间特征和多尺度时间特征的第一输出，其中，所述多时间尺度卷积神经网络由在空间卷积神经网络中插入多尺度的3D卷积层和残差注意力层获得；利用空间卷积神经网络模型处理所述视频，获得具有空间特征的第二输出；将所述第一输出和所述第二输出进行融合；根据融合结果，对所述视频中的行人进行步态识别和/或空间特征识别。本发明实现了对视频中行人的空间特征(衣着)以及步态的识别，具有更高的识别率。与2D神经网络相比，获取了多尺度的时间线索；与3D神经网路相比，引入的参数容量更小，在相同系统中的运行速度更快。
-
公开(公告)号：CN110765864A
公开(公告)日：2020-02-07
申请号：CN201910877759.0
申请日：2019-09-17
Applicant: 北京大学
Abstract: 本发明提供了一种基于分辨率无关特征的图片行人再识别系统及方法，所述系统包括：前景超分辨率模块，包括具有残差连接的自动编码器，由行人再识别损失和前景超分辨率损失训练获得；分辨率无关特征提取模块，由多个双流块组成，每个双流块通过两个卷积神经网络流学习分辨率无关特征，所述分辨率无关特征通过由学习分辨率权重损失获得的权重融合，输出最终特征。本发明可以广泛应用于监控、安保等领域的图像行人搜索、跨摄像头行人追踪等实际系统中，应用于低分辨率与多分辨率的行人准确检索与匹配，提升监控数据处理的性能。
-
公开(公告)号：CN108171247A
公开(公告)日：2018-06-15
申请号：CN201711395760.7
申请日：2017-12-21
Applicant: 北京大学
Abstract: 本发明提供了一种车辆再识别方法及系统，基于车辆部件特征与集合距离度量学习，包括如下步骤：提取车辆的全局特征及局部特征，并基于局部特征的质量确定每个局部特征所占权重；通过集合距离度量学习，完成车辆再识别过程。本发明使用集合距离度量学习加速特征学习的过程。集合距离度量学习首先将同一辆车的不同图片视为一个集合，通过减小每个集合内部的图片距离，同时增大不同集合之间的距离优化特征学习过程。本发明有效降低了训练的计算复杂度，同时可获得更具有判别力的特征，能够更为准确的进行车辆再识别。
-
公开(公告)号：CN107766791A
公开(公告)日：2018-03-06
申请号：CN201710794402.7
申请日：2017-09-06
Applicant: 北京大学
CPC classification number: G06K9/00369 , G06F16/583 , G06K9/6215 , G06K9/629
Abstract: 本发明公开了一种基于全局特征和粗粒度局部特征的行人再识别方法及装置，属于图像处理和身份识别领域。所述方法包括：检测查询图像中的行人图像作为全局图像，检测行人的人体关键点并划分行人的人体得到局部部件区域；提取全局图像的全局特征描述及局部部件区域的局部特征描述，并将其融合得到全局-局部特征描述；对行人数据库中的各图像进行关联分析和组合索引后，根据全局-局部特征描述对其进行由粗粒度到细粒度的行人检索，并确定查询图像中行人的身份。本发明中，通过对图像中的人体进行粗粒度划分，具有更好的鲁棒性，同时将全局特征和区域局部特征进行融合，在保证较低的计算复杂度的前提下，实现了行人图像的准确匹配和行人身份识别。
-
-
-
-
-
-
Search Results
27
records
(took 0.014 seconds)
