公开(公告)号：CN115497117A

公开(公告)日：2022-12-20

申请号：CN202210274261.7

申请日：2022-03-21

Applicant: 中国矿业大学

Inventor： 汪一 ,  孙彦景 ,  王亮博 ,  周玉 ,  李锐

IPC: G06V40/10 ,  G06N3/08 ,  G06N3/04 ,  G06V10/44 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种遮挡行人重识别方法，原始训练数据集中行人图像和对应遮挡行人图像组成网络的输入对，接下来将其送入权重共享网络提取特征，从而得到同一行人未遮挡与遮挡图像特征图，然后通过特征感知模块对两幅特征图进行信息交换，从而使两者可以相互学到对方具有区别的特定特征。特征感知模块主要通过对两幅特征图进行拼接压缩，之后通过加权聚合对特征进行合并，使得网络可以结合同一行人未遮挡与遮挡图像特征之间的特点与共性。本发明不仅能够有效地解决遮挡行人重识别任务，而且识别精度高。

公开(公告)号：CN117994816A

公开(公告)日：2024-05-07

申请号：CN202410154678.9

申请日：2024-02-04

Applicant: 中国矿业大学

Inventor： 周玉 ,  赵小锋 ,  汪一 ,  孙彦景 ,  李雷达 ,  卢兆林 ,  李梦宇 ,  董锴文

IPC: G06V40/10 ,  G06V20/52 ,  G06V10/26 ,  G06V10/40 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/09

Abstract: 本发明属于发明涉及图像处理和机器视觉中的行人重识别领域，公开了面向矿区复杂场景的遮挡行人重识别方法。本发明首先采用滑动窗口的方法对图像分块，进行细粒特征提取以此从图像中提取细小、细粒度的特征信息；再在图像分块最小语义单元的基础上加入可学习的分类和位置最小语义单元，并嵌入了相机位置信息；接着对图像模块中的干扰信息进行剔除；再利用细微的局部信息来指导整体特征进行提取；最后基于多尺度特征进行双次差分获取关键信息和行人身份预测。本发明通过训练模型来减轻背景和遮挡等干扰信息对行人身份重识别准确率的影响，从而提升模型的精度，使之在遮挡情况下匹配到正确的行人。

公开(公告)号：CN113283362B

公开(公告)日：2024-03-22

申请号：CN202110623617.9

申请日：2021-06-04

Applicant: 中国矿业大学

Inventor： 周玉 ,  李锐 ,  汪一 ,  孙彦景

IPC: G06V40/10 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/09 ,  G06N3/096

Abstract: 本发明公开了一种跨模态的行人重识别方法，该方法首先构造与卷积神经网络最深层分类器具有相同结构的浅层分类器，然后使用最深层的分类器在多个维度上指导浅层分类器学习，通过这种方式，将来自深层的行人高级信息和数据集中的真实标签信息传递给浅层网络。随后，吸收了深层知识和真实标签信息的浅层网络提取的低层特征进一步促进较深层网络的高层特征学习，这样不断正向循环激励，推动网络学习有鉴别力的特征表示。该发明使用知识自蒸馏，网络模型充当自己的老师，不断正向推动，使模型能够提取到更具有鉴别力的特征表示，促进分类性能。

公开(公告)号：CN113283362A

公开(公告)日：2021-08-20

申请号：CN202110623617.9

申请日：2021-06-04

Applicant: 中国矿业大学

Inventor： 周玉 ,  李锐 ,  汪一 ,  孙彦景

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N5/02

Abstract: 本发明公开了一种跨模态的行人重识别方法，该方法首先构造与卷积神经网络最深层分类器具有相同结构的浅层分类器，然后使用最深层的分类器在多个维度上指导浅层分类器学习，通过这种方式，将来自深层的行人高级信息和数据集中的真实标签信息传递给浅层网络。随后，吸收了深层知识和真实标签信息的浅层网络提取的低层特征进一步促进较深层网络的高层特征学习，这样不断正向循环激励，推动网络学习有鉴别力的特征表示。该发明使用知识自蒸馏，网络模型充当自己的老师，不断正向推动，使模型能够提取到更具有鉴别力的特征表示，促进分类性能。

公开(公告)号：CN114821632A

公开(公告)日：2022-07-29

申请号：CN202210231378.7

申请日：2022-03-10

Applicant: 中国矿业大学

Inventor： 汪一 ,  王亮博 ,  周玉

IPC: G06V40/10 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种遮挡行人重识别方法，包括：构建多任务学习网络，包括全身行人身份重识别分支和遮挡行人身份重识别分支；构建两个分支各自对应的损失函数Lh和Lo；采用互学习策略对多任务学习网络进行训练，两个分支的CNN特征表达部分共享权重，即先利用Lh对全身行人身份重识别分支进行训练，将训练得到的CNN特征表达部分的权重与遮挡行人身份重识别分支的CNN特征表达部分共享，再利用Lo对遮挡行人身份重识别分支进行训练，将训练得到的CNN特征表达部分的权重与全身行人身份重识别分支的CNN特征表达部分共享，两个分支的训练交替进行；根据训练好的多任务学习网络进行遮挡行人重识别，得到识别结果，提高了行人重识别的准确率。

公开(公告)号：CN118711214A

公开(公告)日：2024-09-27

申请号：CN202410864159.1

申请日：2024-06-30

Applicant: 中国矿业大学

Inventor： 周玉 ,  汪一 ,  赵小锋 ,  孙彦景 ,  李雷达 ,  周勇 ,  程小舟 ,  董锴文

IPC: G06V40/10 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种矿山复杂场景的遮挡人员身份识别方法及系统，属于图像识别技术领域，该方法首先将输入图像分割并线性投影，加入可学习的类标记作为全局特征；其次，嵌入位置编码和相机标签，通过Transformer编码器提取特征；然后，去除分类头向量，利用AvgPool和Softmax选择关键图像块；接着，通过查询‑键‑值注意力机制聚合特征，增强全局表示；之后，对特征进行reshape并通过LIEM模块提取局部特征；最后，结合全局和局部特征，采用行人重识别技术进行矿山内人员的自动识别和追踪。本发明利用Transformer编码器、注意力机制、卷积神经网络和特征融合技术的方法，在矿山遮挡场景下识别到正确的行人，对矿山作业的安全性和效率具有重要意义。

公开(公告)号：CN205283528U

公开(公告)日：2016-06-01

申请号：CN201520932463.1

申请日：2015-11-20

Applicant: 中国矿业大学

Inventor： 张跃辉 ,  汪一

IPC: H04B1/40 ,  H04M1/02

Abstract: 本实用新型提供一种语音式电子通信装置，其包括直流电源供电电路、麦克风、扬声器、语音处理模块、微控制器、无线通信模块和LCD显示模块，麦克风和扬声器分别于语音处理模块连接，语音处理模块包括A/D转换芯片、D/A转换芯片、带通滤波电路、功率放大电路、语音压缩编码器和解码器，无线通信模块与所述微控制器连接，无线通信模块采用NRF905无线收发芯片，微控制器上还连接设置有LCD显示模块。本实用新型通过设置NRF905无线收发芯片，能够很好的建立局域网进行语音通信，同时，本实用新型的语音通信质量较高，功率放大及滤波可靠，能够有效的过滤掉杂音，提高语音通信效果，为了保证特殊时刻远距离的通信，本实用新型还设置了无线网卡，增强了其多功能性。