-
公开(公告)号：CN107688573A
公开(公告)日：2018-02-13
申请号：CN201610631319.3
申请日：2016-08-04
CPC classification number: G06F16/9537 , G06Q30/0643
Abstract: 本发明公开了一种基于互联网+的交互、可视化系统，包括：定位模块、数据采集模块、数据对比模块、中央控制模块、数据库模块、显示模块和三维引擎模块。中央控制模块可以根据定位模块反馈的用户位置信息相用户提供相应的产品信息数据，同时用户可以根据数据采集模块通过肢体和语音对产品信息的播放进行控制，同时能够和中央控制模块进行互动。本发明提供的一种基于互联网+的交互、可视化系统，通过多种交互方式互补，给观众或游客呈现一个沉浸感、易懂性、科技感、三维化、实时化的一个体验平台。
-
公开(公告)号：CN107506753A
公开(公告)日：2017-12-22
申请号：CN201710845857.7
申请日：2017-09-19
Applicant: 北京工业大学
Abstract: 本发明公开一种面向动态视频监控多车辆跟踪方法，对于车辆的跟踪基于检测结果，并同时对检测出的多个目标车辆进行跟踪。包括：加载一段视频的图像序列；根据图像序列的第一张图像进行车辆识别；根据识别结果，保存所有目标在图像中的位置信息；根据保存的目标位置信息，对所有目标在视频中进行跟踪；接着通过识别对在跟踪过程中对跟踪结果进行调整。本发明的方法不仅在正常环境下可以实现理想的跟踪结果，在视频信息模糊，光照不足等恶劣的环境下，例如夜间拍环境下摄出的视频像素低，图像模糊、不清晰的情况，依然可以得到理想的跟踪结果。主要解决了目前车辆跟踪领域速度与准确率无法同时达到的问题。
-
公开(公告)号：CN107273937A
公开(公告)日：2017-10-20
申请号：CN201710554693.2
申请日：2017-07-10
Applicant: 北京工业大学
CPC classification number: G06K9/6256 , G06K9/36 , G06K9/6263 , G06K2009/366
Abstract: 本发明公开一种视频及图像中目标任意角度标记方法，用于提高算法的识别率，包括：加载至少一张图片；选择一张图片，在图像中标记目标突出点；根据输入点集，利用函数寻找给定点集的最小面积的包围矩形最小外接矩形，或者根据实际需要直接标记出多边形；在目标跟踪标记模式下允许给标记框加上ID，可以用于训练跟踪算法在不同帧识别同一个的目标；标记结果显示在图片相应位置，人工确认目标被正确标记后可选择是否删除标记框、添加或删除其中的标记点，重新生成标记框，再次供用户确认；确认无误后用选择后决定是否在这张图片上继续标记其他目标，标记完所有目标后手动结束标记。
-
公开(公告)号：CN113536035B
公开(公告)日：2024-06-25
申请号：CN202110463603.5
申请日：2021-04-27
Applicant: 北京工业大学
IPC: G06V20/40 , G06V10/762 , G06V10/56 , G06V10/50 , G06V10/82 , G06V20/52 , G06N3/0464 , G06N3/088
Abstract: 本发明涉及一种基于代表性和特异性得分的非监督监控视频摘要生成方法及生成器。具体包括：针对监控视频，每隔一定的时间抽取帧，并使用卷积神经网络提取得到视频帧组的视觉特征组；使用图像直方图找到视频帧组断点以设置聚群数量，对视频帧组进行分类；利用聚类得到的视频帧组聚群，分聚群进行备选帧的筛选；计算每个聚群的所有备选帧的代表性得分；计算每个聚群的特异性得分；根据特异性得分高低舍弃一部分聚群，剩余聚群中按群分别将备选帧由高到低选择一部分备选帧做为选定帧，并按其在原始视频的时序进行排列生成视频摘要。
-
公开(公告)号：CN117934817A
公开(公告)日：2024-04-26
申请号：CN202410137581.7
申请日：2024-01-31
Applicant: 北京工业大学
IPC: G06V10/25 , G06V20/64 , G06V10/82 , G06V10/422 , G06V10/44 , G06N3/0455 , G06V10/80
Abstract: 本发明公开了一种基于点云密度信息的点云特征提取方法，通过利用高密度、低密度点云以及密度变化的趋势的特点设计特征提取网络，使得得到的点云特征带有形状倾向性和场景稳定性，可以适应3D弱监督检测条件下，缺乏精确标注框的指引的场景。该方法包括以下步骤：在密度下降阶段，利用差值Transformer进行局部邻域空间的位置编码和特征提取，并保存密度下降过程中的特征信息以及对应的密度变化趋势；在密度恢复阶段，根据保存的特征信息和密度变化趋势与原始的特征进行偏差注意力计算，将提取的最终特征连接相应的下游任务，得到最终的结果。
-
Patent Agency Ranking
公开(公告)号：CN117854112A
公开(公告)日：2024-04-09
申请号：CN202410054481.8
申请日：2024-01-15
Applicant: 北京工业大学
Abstract: 本发明公开一种基于自适应遮蔽的三维人体姿态估计方法，以单目无标注图像为输入估计人体的姿态和外形参数，通过多尺度的遮挡训练能够适应室外各种复杂的遮挡情况，且得到更加稳定且准确的姿态估计。本发明提出了一个全局重优化模块，利用全局特征作为人体的高级语义表征，来完善仅由局部特征预测出的人体姿态，这种局部特征和全局特征的结合，同时也确保了对遮挡区域回归的鲁棒性。从总体结果来看，本发明在遮挡条件下达到了最先进的人体姿态和外形估计的表现。所提出的人体姿态估计方法能有效提高实际部署场景下的人体估计精度，尤其在复杂的遮蔽环境中能够进行稳定的部署。
-
公开(公告)号：CN116612135A
公开(公告)日：2023-08-18
申请号：CN202310641115.8
申请日：2023-06-01
Applicant: 北京工业大学
IPC: G06T7/11 , G06T7/136 , G06T5/00 , G06V10/774 , G06V10/764 , G06T7/40
Abstract: 本发明公开一种基于循环生成对抗网络的卫星图阴影去除方法，生成器分别实现图像的阴影去除和阴影生成工作，判别器分别判断生成图像是否属于有/无阴影图域，生成器和判别器共同促进阴影去除任务的实现。该发明首先分析自然场景的有/无阴影图像中的阴影亮度特征和纹理特点，以降低分辨率的高分辨率卫星图为无阴影卫星图像，并在此基础上构建含有模拟阴影的有阴影卫星图像。然后，通过循环生成对抗网络对配对的有/无阴影卫星图像的学习，从而泛化地解决真实卫星图像中阴影去除的问题。本发明主要针对卫星图像中没有配对的有/无阴影图像进行了数据集的模拟制作，提出了循环生成对抗网络以阴影生成任务辅助阴影去除，实现在有/无阴影卫星图域之间的图像迁移，并以视觉自注意力模型的非传统编码器模块辅助生成器进行更好的特征迁移。相比于传统模块，它对调了多头自注意力机制和层归一化，对调了多层感知机和层归一化，可以使得网络拥有更强的建模能力。
-
公开(公告)号：CN111627101B
公开(公告)日：2023-05-26
申请号：CN202010441454.8
申请日：2020-05-22
Applicant: 北京工业大学
IPC: G06T17/00 , G06T7/73 , G06N3/048 , G06N3/0464 , G06N3/09
Abstract: 本发明公开一种基于图卷积的三维人体重构方法，能够根据单目图像生成三维人体网格。该方法包括以下步骤：采用一个残差网络构成的特征提取器提取输入图像的轮廓特征；采用一个反馈神经网络构成的参数回归器从提取得到的特征中回归人体模型的参数；根据估计的参数，采用一个事先训练好的人体模型生成人体的模板拓扑结构；粘合轮廓特征到模板拓扑结构的顶点上；采用一个残差化的图卷积网络优化模板拓扑结构，使模板网格变形，从而得到目标的人体网格。这种网络架构能够避免原始的图卷积网络在回归人体的过程中受到固定初始化的约束，在减轻网络回归压力的同时，生成更为精准的预测网格。
-
公开(公告)号：CN108681718B
公开(公告)日：2021-08-06
申请号：CN201810484717.6
申请日：2018-05-20
Applicant: 北京工业大学
Abstract: 本发明公开一种无人机低空目标精准检测识别方法，根据全卷积网络(Fully Convolutional Networks，FCN)，实现基于尺度估计模型的无人机低空目标精准检测识别；该方法依据低空目标车辆、摩托车、骑车的行人、行人存在明显尺度范围这一特点，通过模型计算出目标的像素尺度，同时计算出锚的参数，提高识别的精度。
-
公开(公告)号：CN107506753B
公开(公告)日：2021-01-05
申请号：CN201710845857.7
申请日：2017-09-19
Applicant: 北京工业大学
Abstract: 本发明公开一种面向动态视频监控多车辆跟踪方法，对于车辆的跟踪基于检测结果，并同时对检测出的多个目标车辆进行跟踪。包括：加载一段视频的图像序列；根据图像序列的第一张图像进行车辆识别；根据识别结果，保存所有目标在图像中的位置信息；根据保存的目标位置信息，对所有目标在视频中进行跟踪；接着通过识别对在跟踪过程中对跟踪结果进行调整。本发明的方法不仅在正常环境下可以实现理想的跟踪结果，在视频信息模糊，光照不足等恶劣的环境下，例如夜间拍环境下摄出的视频像素低，图像模糊、不清晰的情况，依然可以得到理想的跟踪结果。主要解决了目前车辆跟踪领域速度与准确率无法同时达到的问题。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.025 seconds)
