-
公开(公告)号：CN109389044B
公开(公告)日：2021-11-23
申请号：CN201811051713.5
申请日：2018-09-10
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开了一种基于卷积网络与多任务学习的多场景人群密度估计系统及方法。包括人群密度图生成模块、跨摄像头多场景学习模块、各场景密度图校准模块。其中框架的第一部分为基于卷积神经网络的鲁棒密度图生成模块，卷积神经网络由三个深度融合子网络组成，每个深度融合子网络具有三路卷积核大小、数目不同的网络构成，因此可以有效把握密度估计问题的共性，对实际应用中在背景、光照、人群密度等方面数据分布差异较大的跨摄像头多场景监控视频帧进行较为鲁棒的密度图估计；框架的第二部分为基于多任务学习的各场景数据分布学习，学习到各个场景互不相同的人群分布特征；框架第三部分利用多任务学习学习到的各个场景人群分布特征对第一部分通用人群密度估计的结果进行校准微调。此系统在真实监控场景下，可以对多场景跨摄像头的人群进行高效准确地密度估计。
-
Patent Agency Ranking
公开(公告)号：CN109389044A
公开(公告)日：2019-02-26
申请号：CN201811051713.5
申请日：2018-09-10
Applicant: 中国人民解放军陆军工程大学
CPC classification number: G06K9/00718 , G06K9/00778 , G06N3/0454 , G06N3/08
Abstract: 本发明公开了一种基于卷积网络与多任务学习的多场景人群密度估计系统及方法。包括人群密度图生成模块、跨摄像头多场景学习模块、各场景密度图校准模块。其中框架的第一部分为基于卷积神经网络的鲁棒密度图生成模块，卷积神经网络由三个深度融合子网络组成，每个深度融合子网络具有三路卷积核大小、数目不同的网络构成，因此可以有效把握密度估计问题的共性，对实际应用中在背景、光照、人群密度等方面数据分布差异较大的跨摄像头多场景监控视频帧进行较为鲁棒的密度图估计；框架的第二部分为基于多任务学习的各场景数据分布学习，学习到各个场景互不相同的人群分布特征；框架第三部分利用多任务学习学习到的各个场景人群分布特征对第一部分通用人群密度估计的结果进行校准微调。此系统在真实监控场景下，可以对多场景跨摄像头的人群进行高效准确地密度估计。
-
公开(公告)号：CN111209886B
公开(公告)日：2023-10-31
申请号：CN202010037806.3
申请日：2020-01-14
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开了一种基于深度神经网络的快速行人再识别方法，所述方法包括如下步骤：将待查行人图片与图片库输入至训练好的模型中；通过模型分别提取待查行人图片与图片库中所有图片的哈希特征；计算待查行人图片与图片库中所有图片哈希特征的汉明距离；根据汉明距离得出识别结果，该方法通过将哈希编码引入深度神经网络代替高维特征可以提高检索效率，并且损失的精度较少，能够在匹配速度和精度之间达到一个较好的平衡。
-
公开(公告)号：CN110211146B
公开(公告)日：2020-03-24
申请号：CN201910406011.2
申请日：2019-05-16
Applicant: 中国人民解放军陆军工程大学 , 中国人民解放军陆军军事交通学院镇江校区
Abstract: 本发明涉及视频处理技术领域，特别涉及一种视交叉仿真的视频前景分割方法及装置。一种视交叉仿真的视频前景分割方法，包括如下步骤：S1，构建编码网络，两条收缩路径模拟人眼的双目视神经功能，从两个相似帧中进行信息感知和特征提取；S2，构建融合网络，对两条收缩路径中学习到的信息在本网络中进行融合；S3，构建解码器网络，解码器网络包括两条独立的路径，在相同配置下，模拟两个人大脑的高级语义分析功能，同时执行检测、定位和分类。通过融合网络将编码网络和解码网络（分别具有两个分支）组合在一起，形成X型结构，能够同时感知到两幅相似的图像，并从中提取特征，然后融合信息。
-
公开(公告)号：CN110211146A
公开(公告)日：2019-09-06
申请号：CN201910406011.2
申请日：2019-05-16
Applicant: 中国人民解放军陆军工程大学 , 中国人民解放军陆军军事交通学院镇江校区
Abstract: 本发明涉及视频处理技术领域，特别涉及一种视交叉仿真的视频前景分割方法及装置。一种视交叉仿真的视频前景分割方法，包括如下步骤：S1，构建编码网络，两条收缩路径模拟人眼的双目视神经功能，从两个相似帧中进行信息感知和特征提取；S2，构建融合网络，对两条收缩路径中学习到的信息在本网络中进行融合；S3，构建解码器网络，解码器网络包括两条独立的路径，在相同配置下，模拟两个人大脑的高级语义分析功能，同时执行检测、定位和分类。通过融合网络将编码网络和解码网络（分别具有两个分支）组合在一起，形成X型结构，能够同时感知到两幅相似的图像，并从中提取特征，然后融合信息。
-
公开(公告)号：CN111209886A
公开(公告)日：2020-05-29
申请号：CN202010037806.3
申请日：2020-01-14
Applicant: 中国人民解放军陆军工程大学
Abstract: 本发明公开了一种基于深度神经网络的快速行人再识别方法，所述方法包括如下步骤：将待查行人图片与图片库输入至训练好的模型中；通过模型分别提取待查行人图片与图片库中所有图片的哈希特征；计算待查行人图片与图片库中所有图片哈希特征的汉明距离；根据汉明距离得出识别结果，该方法通过将哈希编码引入深度神经网络代替高维特征可以提高检索效率，并且损失的精度较少，能够在匹配速度和精度之间达到一个较好的平衡。
-
-
-
-
-
Search Results
6
records
(took 0.029 seconds)
