公开(公告)号：CN107886116B

公开(公告)日：2021-03-26

申请号：CN201711033084.9

申请日：2017-10-30

Applicant: 国家新闻出版广电总局广播科学研究院 ,  北京邮电大学

Inventor： 郑苏桐 ,  周芸 ,  王强 ,  付光涛 ,  郭晓强 ,  姜竹青 ,  门爱东

IPC: G06K9/62 ,  G06K9/46 ,  G06K9/00

Abstract: 本发明涉及一种针对视频数据行人再识别的LOMO3D特征提取方法，其技术特点是：将视频数据中的各帧分离出来，组织成图像序列的形式，并分割为一定长度的等长序列；将每个序列水平分割为若干扁平区域，并在这些区域中进一步划分子块，作为直方图统计的最小单位；对于每个子块，统计形成纹理直方图特征和HSV色域下的颜色直方图特征；将每个水平区域中的纹理和颜色直方图特征根据最大化原则进行整合并进行拼合，得到最终的LOMO3D特征描述子。本发明设计合理，充分利用了图像序列中的时空特征和时间信息，使得特征的描述能力性能远远高于单纯的空间域特征，试验表明本发明能够使得系统整体匹配率大大提升，优于目前其他的行人再识别算法。

公开(公告)号：CN109614853A

公开(公告)日：2019-04-12

申请号：CN201811273872.X

申请日：2018-10-30

Applicant: 国家新闻出版广电总局广播科学研究院 ,  北京邮电大学

Inventor： 胡潇 ,  郭晓强 ,  周芸 ,  饶丰 ,  李下雨 ,  姜竹青 ,  门爱东

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明涉及一种基于身体结构划分的双线性行人再识别网络构建方法，包括以下步骤：对原始行人图像进行身体结构分块得到多个结构子框，将多个子框组合成新的行人图像，构造结构框预测子网络；设置加权的局部损失函数来训练该结构框预测子网络；构造两个子网络，分别以原始行人图像和重组后行人图像作为输入，对应地提取全局行人特征和局部行人特征；设置双线性融合层，并将其作为全局特征和局部特征的融合层，得到最终的行人特征表示；对整体网络进行训练，得到基于身体结构划分的双线性行人再识别模型。本发明结合整体特征和局部特征，充分利用了身体结构信息，通过双线性融合方法获得更具判别力的行人特征，使得系统整体匹配准确率大大提升。

公开(公告)号：CN107886116A

公开(公告)日：2018-04-06

申请号：CN201711033084.9

申请日：2017-10-30

Applicant: 国家新闻出版广电总局广播科学研究院 ,  北京邮电大学

Inventor： 郑苏桐 ,  周芸 ,  王强 ,  付光涛 ,  郭晓强 ,  姜竹青 ,  门爱东

IPC: G06K9/62 ,  G06K9/46 ,  G06K9/00

CPC classification number: G06K9/629 ,  G06K9/00369 ,  G06K9/4647 ,  G06K9/4652

Abstract: 本发明涉及一种针对视频数据行人再识别的LOMO3D特征提取方法，其技术特点是：将视频数据中的各帧分离出来，组织成图像序列的形式，并分割为一定长度的等长序列；将每个序列水平分割为若干扁平区域，并在这些区域中进一步划分子块，作为直方图统计的最小单位；对于每个子块，统计形成纹理直方图特征和HSV色域下的颜色直方图特征；将每个水平区域中的纹理和颜色直方图特征根据最大化原则进行整合并进行拼合，得到最终的LOMO3D特征描述子。本发明设计合理，充分利用了图像序列中的时空特征和时间信息，使得特征的描述能力性能远远高于单纯的空间域特征，试验表明本发明能够使得系统整体匹配率大大提升，优于目前其他的行人再识别算法。

公开(公告)号：CN107292915A

公开(公告)日：2017-10-24

申请号：CN201710450320.0

申请日：2017-06-15

Applicant: 国家新闻出版广电总局广播科学研究院 ,  北京邮电大学

Inventor： 李宁宁 ,  郭晓强 ,  周芸 ,  姜竹青 ,  门爱东

IPC: G06T7/246 ,  G06N3/08

CPC classification number: G06T7/246 ,  G06N3/084

Abstract: 本发明涉及一种基于卷积神经网络的目标跟踪方法，其主要技术特点是：搭建适用于跟踪任务的卷积神经网络框架；在中心对比损失函数约束下对搭建好的卷积神经网络进行参数训练；将训练好的模型结构进行微调，进行在线跟踪。本发明设计合理，以卷积神经网络为结构基础，重点关注不同物体间的类内差异，能够较好地应对背景混杂以及相似目标干扰的情况，具有良好的鲁棒性和较高的精确度。

公开(公告)号：CN105491371A

公开(公告)日：2016-04-13

申请号：CN201510800435.9

申请日：2015-11-19

Applicant: 国家新闻出版广电总局广播科学研究院

Inventor： 卢艳平 ,  郭晓强 ,  王东飞 ,  周芸 ,  王琳 ,  饶丰 ,  涂钦

IPC: H04N17/00 ,  H04N17/02

Abstract: 本发明提出了一种基于梯度幅值相似性的色调映射图像质量评价方法，属于图像处理领域。本发明提出的方法包括步骤：1)计算高动态图像和色调映射器转换之后的色调映射图像的梯度图；2)对高动态图像和色调映射图像所对应的梯度图进行基于人类视觉系统的动态范围调整；3)计算梯度图对之间的相似性，并以色调映射幅值大小作为权值；4)利用对比度、亮度和细节表述计算色调映射图像的自然性值；5)将相似性值和自然性值进行合并。本发明设计合理，其采用能够有效捕捉到图像失真的梯度幅度相似性特征，并且结合了图像的自然性特征(图像看起来必须自然)能够有效地对色调映射图像的质量进行评价，提高了评价性能。