-
公开(公告)号：CN104094279B
公开(公告)日：2017-05-10
申请号：CN201480000159.1
申请日：2014-04-30
Applicant: 中国科学院自动化研究所
IPC: G06K9/00
CPC classification number: G06T7/246 , G06K9/00771 , G06K9/4642 , G06K9/4652 , G06K9/6212 , G06K9/6215 , G06T7/215 , G06T7/277 , G06T7/292 , G06T2207/30241
Abstract: 本发明涉及一种大范围优先的跨摄像机视觉目标再识别方法，所述方法包括：步骤S1，获得单场景目标的初始轨迹；步骤S2，计算每条轨迹的分段主颜色谱直方图特征，得到轨迹特征表达；步骤S3，利用最小化不确定度的方法得到任意两条轨迹间匹配度的计算公式，从而得到任意两条轨迹间匹配度；步骤S4，对所有轨迹采用最大后验概率的方法进行全局数据融合得到跨场景的跟踪结果。本发明目标再试别方法，识别正确率高。
-
公开(公告)号：CN106022380A
公开(公告)日：2016-10-12
申请号：CN201610353576.5
申请日：2016-05-25
Applicant: 中国科学院自动化研究所
CPC classification number: G06K9/6256 , G06N3/06
Abstract: 一种基于深度学习的个体身份识别方法，包括：利用已标记好身份的个体数据进行配对，建立正负训练样本，利用所述训练样本对建立的双通道卷积神经网络模型进行训练，直至所述神经网络模型收敛，得到训练后的神经网络模型参数；利用训练好的神经网络模型和相关参数，对待识别的个体图片和已注册的个体图片进行匹配，根据匹配相似度大小排序，确定待识别个体图片的身份并输出结果。本发明的识别方法将特征提取和距离度量统一在同一个端到端的网络中，实现整体的全局优化；利用深度网络来学习特征和度量矩阵，具有更强的泛化性，克服了在复杂大规模数据下的个体身份识别问题；可以达到实时的速度，具有很大的实用价值。
-
公开(公告)号：CN105654510A
公开(公告)日：2016-06-08
申请号：CN201511004043.8
申请日：2015-12-29
Applicant: 江苏精湛光电仪器股份有限公司 , 中国科学院自动化研究所
IPC: G06T7/20
Abstract: 适用于夜间场景下的基于特征融合的自适应目标跟踪方法，涉及视频监控与模式识别技术领域，本发明主要通过多特征融合的方法，对多种特征进行分析，寻找并强化具有强不变性的特征，使其主导跟踪，防止目标因周围干扰产生“漂移”而导致跟踪失败。
-
公开(公告)号：CN104094279A
公开(公告)日：2014-10-08
申请号：CN201480000159.1
申请日：2014-04-30
Applicant: 中国科学院自动化研究所
IPC: G06K9/00
CPC classification number: G06T7/246 , G06K9/00771 , G06K9/4642 , G06K9/4652 , G06K9/6212 , G06K9/6215 , G06T7/215 , G06T7/277 , G06T7/292 , G06T2207/30241
Abstract: 本发明涉及一种大范围优先的跨摄像机视觉目标再识别方法，所述方法包括：步骤S1.获得单场景目标的初始轨迹；步骤S2.计算每条轨迹的分段主颜色谱直方图特征，得到轨迹特征表达；步骤S3.利用最小化不确定度的方法得到任意两条轨迹间匹配度的计算公式，从而得到任意两条轨迹间匹配度；步骤S4.对所有轨迹采用最大后验概率的方法进行全局数据融合得到跨场景的跟踪结果。本发明目标再试别方法，识别正确率高。
-
-
-
Search Results
4
records
(took 0.027 seconds)
