-
公开(公告)号：CN111160115B
公开(公告)日：2023-05-02
申请号：CN201911260938.6
申请日：2019-12-10
Applicant: 上海工程技术大学
IPC: G06V40/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于孪生双流3D卷积神经网络的视频行人再识别方法，基于孪生双流3D卷积神经网络的视频行人再识别方法，通过孪生双流3D卷积神经网络的硬线层将行人视频的每一帧图片提取成光流‑x特征图、光流‑y特征图、灰度特征图、水平坐标梯度特征图和垂直坐标梯度特征图；将光流特征图作为动作分支的输入来提取行人的动作信息，其余特征图作为外观分支的输入来提取行人的外观信息；将行人动作信息融合到提取出来的行人外观信息中；将动作信息和外观信息通过融合进行度量对比学习；对网络参数进行更新，并训练新的卷积神经网络；将目标行人图像与相似度排名第一的待识别行人图像进行关联。与现有技术相比，本发明具有更加接近于现实场景等优点。
-
公开(公告)号：CN111160115A
公开(公告)日：2020-05-15
申请号：CN201911260938.6
申请日：2019-12-10
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于孪生双流3D卷积神经网络的视频行人再识别方法，基于孪生双流3D卷积神经网络的视频行人再识别方法，通过孪生双流3D卷积神经网络的硬线层将行人视频的每一帧图片提取成光流-x特征图、光流-y特征图、灰度特征图、水平坐标梯度特征图和垂直坐标梯度特征图；将光流特征图作为动作分支的输入来提取行人的动作信息，其余特征图作为外观分支的输入来提取行人的外观信息；将行人动作信息融合到提取出来的行人外观信息中；将动作信息和外观信息通过融合进行度量对比学习；对网络参数进行更新，并训练新的卷积神经网络；将目标行人图像与相似度排名第一的待识别行人图像进行关联。与现有技术相比，本发明具有更加接近于现实场景等优点。
-
公开(公告)号：CN109993116A
公开(公告)日：2019-07-09
申请号：CN201910252915.4
申请日：2019-03-29
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于人体骨骼相互学习的行人再识别方法，包括：(1)采用自下而上的方法估计行人姿势和骨架，并在此过程中标记行人的关节点，使用关节点分割法进行局部分割行人并执行局部块匹配；(2)通过自下而上方法以行人2D骨架为基础估计所述关节点距离来学习全局骨架信息，并执行全局骨架匹配；(3)采用基于生物特征的局部块匹配和整体骨架匹配进行相互学习，并分别训练分类损失和度量损失，将得到的相互学习损失分摊到全局特征匹配中，作为先验经验来指导和纠正全局匹配错误。与现有技术相比，本发明具有影响因素少、局部匹配准确性提升、识别准确率更高等优点。
-
Patent Agency Ranking
公开(公告)号：CN112052786A
公开(公告)日：2020-12-08
申请号：CN202010913366.3
申请日：2020-09-03
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于网格划分骨骼的行为预测方法，预测结果包括下一帧中各关节点的运动类型，下一帧中各关节点的运动类型的确定过程为：首先对测试视频帧进行密集网格划分，并根据划分网格的图像特点判断出密集网格中心o作为固定关节点；然后根据行人骨架特征点的分布特征及其与行人运动姿态的内涵关系规定多个关节点作为关键关节点；接着学习规定的各个关节点到o的距离度量特征和角度度量特征，并将二者关联得到行人的行为特征；最后计算下一帧中各关节点对应各运动类型的概率，确定下一帧中各关节点的运动类型。本发明的预测方法较为简单，能够准确预测下一帧中各关节点的运动类型，同时不需要大量的训练样本对模型框架进行训练。
-
公开(公告)号：CN112052786B
公开(公告)日：2023-08-22
申请号：CN202010913366.3
申请日：2020-09-03
Applicant: 上海工程技术大学
IPC: G06V40/20 , G06V10/82 , G06N3/0464 , G06V40/10 , G06V20/40
Abstract: 本发明涉及一种基于网格划分骨骼的行为预测方法，预测结果包括下一帧中各关节点的运动类型，下一帧中各关节点的运动类型的确定过程为：首先对测试视频帧进行密集网格划分，并根据划分网格的图像特点判断出密集网格中心o作为固定关节点；然后根据行人骨架特征点的分布特征及其与行人运动姿态的内涵关系规定多个关节点作为关键关节点；接着学习规定的各个关节点到o的距离度量特征和角度度量特征，并将二者关联得到行人的行为特征；最后计算下一帧中各关节点对应各运动类型的概率，确定下一帧中各关节点的运动类型。本发明的预测方法较为简单，能够准确预测下一帧中各关节点的运动类型，同时不需要大量的训练样本对模型框架进行训练。
-
公开(公告)号：CN109993116B
公开(公告)日：2022-02-11
申请号：CN201910252915.4
申请日：2019-03-29
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于人体骨骼相互学习的行人再识别方法，包括：(1)采用自下而上的方法估计行人姿势和骨架，并在此过程中标记行人的关节点，使用关节点分割法进行局部分割行人并执行局部块匹配；(2)通过自下而上方法以行人2D骨架为基础估计所述关节点距离来学习全局骨架信息，并执行全局骨架匹配；(3)采用基于生物特征的局部块匹配和整体骨架匹配进行相互学习，并分别训练分类损失和度量损失，将得到的相互学习损失分摊到全局特征匹配中，作为先验经验来指导和纠正全局匹配错误。与现有技术相比，本发明具有影响因素少、局部匹配准确性提升、识别准确率更高等优点。
-
公开(公告)号：CN110210382A
公开(公告)日：2019-09-06
申请号：CN201910465367.3
申请日：2019-05-30
Applicant: 上海工程技术大学
Abstract: 本发明涉及一种基于时空特征识别的人脸疲劳驾驶检测方法及装置，其中方法包括：步骤S1：从视频数据库中提取脸部表情图并预处理；步骤S2：提取训练集数据；步骤S3：将训练集数据用于AlexNet网络进行训练；步骤S4：对由待识别视频处理得到第一人脸描述符；步骤S5：将第一人脸描述符输入GhostVLAD层，得到单个固定的D维的第二人脸描述符；步骤S6：对输出的第二人脸描述符进行标准化，以及输出其识别结果；步骤S7：同一待识别视频中得到的各样本的识别结果，计算疲劳指标PERCLOS值、打哈欠频率和每分钟平均闭眼时长，并进一步按照加权求和得到疲劳驾驶指标以判断是否疲劳驾驶。与现有技术相比，本发明极大提高疲劳驾驶判断的准确率和可行性。
-
公开(公告)号：CN210337786U
公开(公告)日：2020-04-17
申请号：CN201921031286.4
申请日：2019-07-02
Applicant: 上海工程技术大学
Abstract: 本实用新型公开了一种汽车智能驾驶信息展示装置，包括机体、显示屏和智能处理系统模块，所述机体底部设置有支撑腿，所述机体一侧壁上设置有车载接口，所述车载接口一侧设置有USB接口，所述机体背部一侧壁上设置有停车电话牌，所述机体一侧设置有显示屏外壳，所述显示屏外壳内设置有所述显示屏，所述显示屏外壳下端设置有操作按键。有益效果在于：本实用新型通过设置护垫、显示屏外壳、折叠轴，可以使显示屏进行折叠收纳，同时在折叠收纳过程中保护装置，避免两者碰撞，提高装置的安全性，通过设置机体、停车电话牌，增加装置的功能，增加车间操作台空间，节约成本，使装置的实用性大大增加。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
