公开(公告)号：CN108683877A

公开(公告)日：2018-10-19

申请号：CN201810296322.3

申请日：2018-03-30

Applicant: 中国科学院自动化研究所

Inventor： 黄凯奇 ,  张彰 ,  李俊 ,  李达 ,  余铠

IPC: H04N7/18 ,  H04N21/218 ,  G06K9/00 ,  G06F17/30

Abstract: 本发明涉及视频数据的处理领域，提出一种基于Spark的分布式海量视频解析系统，旨在解决海量视频数据追踪、识别行人的问题。该系统中：分布式文件子系统，配置为提供非结构化数据的交互接口；资源管理模块，为上层应用提供统一的资源管理和调度服务；分布式订阅子系统，作为系统的消息中间件，进行消息和数据的传递；数据处理模块，包括多个相互协作视觉处理算法子模块，将获取的视频数据解压缩为多帧图片，并对多帧图片进行行人检测、跟踪、行人属性识别、行人身份再识别等处理任务；前台展示模块，显示视频数据的处理结果并与用户进行交互。本发明实现了在海量的视频数据中高效准确的追踪行人踪迹，识别行人身份信息。

公开(公告)号：CN114724174A

公开(公告)日：2022-07-08

申请号：CN202210161681.4

申请日：2022-02-22

Applicant: 中国科学院自动化研究所

Inventor： 王亮 ,  张彰 ,  李达

IPC: G06V40/10 ,  G06K9/62 ,  G06V10/774 ,  G06V10/764

Abstract: 本发明提供一种基于增量学习的行人属性识别模型训练方法及装置，方法包括：获取用于增量学习的行人属性识别数据集，确定任务学习顺序；使用初始任务中的训练样本训练初始行人属性识别模型；对训练数据缓存池中代表性样本以及模型缓存池中的缓存模型进行更新；重复执行下述步骤，直至数据集中全部任务学习完成，得到行人属性识别模型；根据模型缓存池中缓存模型，确定预测模型及待训练模型；基于预测模型对当前任务的所有训练样本进行预测，得到更新后的当前任务；根据代表性样本和更新后当前任务中的训练样本，训练待训练模型，得到第一目标模型。本发明有效提高了行人属性识别模型在增量学习过程中对已有属性识别准确率，缓解遗忘灾难问题。

公开(公告)号：CN108683877B

公开(公告)日：2020-04-28

申请号：CN201810296322.3

申请日：2018-03-30

Applicant: 中国科学院自动化研究所

Inventor： 黄凯奇 ,  张彰 ,  李俊 ,  李达 ,  余铠

IPC: H04N7/18 ,  H04N21/218 ,  G06K9/00

Abstract: 本发明涉及视频数据的处理领域，提出一种基于Spark的分布式海量视频解析系统，旨在解决海量视频数据追踪、识别行人的问题。该系统中：分布式文件子系统，配置为提供非结构化数据的交互接口；资源管理模块，为上层应用提供统一的资源管理和调度服务；分布式订阅子系统，作为系统的消息中间件，进行消息和数据的传递；数据处理模块，包括多个相互协作视觉处理算法子模块，将获取的视频数据解压缩为多帧图片，并对多帧图片进行行人检测、跟踪、行人属性识别、行人身份再识别等处理任务；前台展示模块，显示视频数据的处理结果并与用户进行交互。本发明实现了在海量的视频数据中高效准确的追踪行人踪迹，识别行人身份信息。