-
公开(公告)号：CN107729805B
公开(公告)日：2019-09-13
申请号：CN201710780179.0
申请日：2017-09-01
Applicant: 北京大学
Abstract: 本发明公开了用于行人再识别的神经网络和基于深度学习的行人再识别算法。该神经网络包括：使用行人的原始全身图像作为第一输入并输出第一识别特征的第一神经网络；使用从行人的原始全身图像提取的人体部位图像的仿射变换图像作为第二输入并输出第二识别特征的第二神经网络，其中，人体部位至少包括头部、躯干和四肢，第一识别特征和第二识别特征组合为总识别特征。具有更加鲁棒的行人特征匹配能力，从而能够提高正确识别率和/或降低误识率。
-
Patent Agency Ranking
公开(公告)号：CN107729805A
公开(公告)日：2018-02-23
申请号：CN201710780179.0
申请日：2017-09-01
Applicant: 北京大学
Abstract: 本发明公开了用于行人再识别的神经网络和基于深度学习的行人再识别算法。该神经网络包括：使用行人的原始全身图像作为第一输入并输出第一识别特征的第一神经网络；使用从行人的原始全身图像提取的人体部位图像的仿射变换图像作为第二输入并输出第二识别特征的第二神经网络，其中，人体部位至少包括头部、躯干和四肢，第一识别特征和第二识别特征组合为总识别特征。具有更加鲁棒的行人特征匹配能力，从而能够提高正确识别率和/或降低误识率。
-
公开(公告)号：CN103778642A
公开(公告)日：2014-05-07
申请号：CN201310677149.9
申请日：2013-12-12
IPC: G06T7/20
Abstract: 本发明适用于图像处理技术领域，提供了一种目标跟踪的方法及装置，所述方法包括：当输入第t帧图像时，通过前t-1帧图像学习更新得到的在线模型Ht-1，预计对象所在区域；在预计的对象所在区域进行样本数据采集，并将所述样本数据组成Bag集合，所述Bag集合为无标签数据；通过所述Bag集合以及特定模型对在线模型Ht-1进行半监督学习更新，得到第t帧图像的在线模型Ht；根据第t帧图像的在线模型Ht输出跟踪结果。本发明提出的方法及装置可实现减少样本噪声的引入，获得对遮挡健壮的跟踪效果。
-
公开(公告)号：CN103778642B
公开(公告)日：2017-02-15
申请号：CN201310677149.9
申请日：2013-12-12
IPC: G06T7/20
Abstract: 本发明适用于图像处理技术领域，提供了一种目标跟踪的方法及装置，所述方法包括：当输入第t帧图像时，通过前t-1帧图像学习更新得到的在线模型Ht-1，预计对象所在区域；在预计的对象所在区域进行样本数据采集，并将所述样本数据组成Bag集合，所述Bag集合为无标签数据；通过所述Bag集合以及特定模型对在线模型Ht-1进行半监督学习更新，得到第t帧图像的在线模型Ht；根据第t帧图像的在线模型Ht输出跟踪结果。本发明提出的方法及装置可实现减少样本噪声的引入，获得对遮挡健壮的跟踪效果。
-
公开(公告)号：CN103500456B
公开(公告)日：2016-06-15
申请号：CN201310499912.3
申请日：2013-10-22
Applicant: 北京大学
IPC: G06T7/20
Abstract: 本发明公开了一种基于动态贝叶斯网络的对象跟踪方法，该方法包括：对输入的图像帧进行预处理，对图像帧进行对象检测或者前景检测，得到对象检测结果，根据对象检测结果，针对需要跟踪的新对象初始化对象跟踪器，并将其添加到对象跟踪器序列中；根据对象跟踪序列中每个对象的位置提取其在当前帧的各种状态的多种表观特征，将对象关联的检测结果和各种状态的多种表观特征加入到动态贝叶斯网络中进行分析处理，最终推理出每个对象在当前帧的最优位置并更新对象跟踪序列。本发明通过引入适合对象跟踪的动态贝叶斯网络，有效的克服了对象之前相互遮挡对跟踪性能的影响，提高了对象跟踪的召回率和跟踪精度。
-
公开(公告)号：CN103500456A
公开(公告)日：2014-01-08
申请号：CN201310499912.3
申请日：2013-10-22
Applicant: 北京大学
IPC: G06T7/20
Abstract: 本发明公开了一种基于动态贝叶斯网络的对象跟踪方法，该方法包括：对输入的图像帧进行预处理，对图像帧进行对象检测或者前景检测，得到对象检测结果，根据对象检测结果，针对需要跟踪的新对象初始化对象跟踪器，并将其添加到对象跟踪器序列中；根据对象跟踪序列中每个对象的位置提取其在当前帧的各种状态的多种表观特征，将对象关联的检测结果和各种状态的多种表观特征加入到动态贝叶斯网络中进行分析处理，最终推理出每个对象在当前帧的最优位置并更新对象跟踪序列。本发明通过引入适合对象跟踪的动态贝叶斯网络，有效的克服了对象之前相互遮挡对跟踪性能的影响，提高了对象跟踪的召回率和跟踪精度。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
